物流人員輿情指標與生產(chǎn)企業(yè)股票波動趨勢預(yù)測實證研究

趙敬華, 程婉蕓

(1.上海理工大學(xué) 管理學(xué)院,上海 200093; 2.上海證券交易所 資本市場研究所,上海 200120)

?

物流人員輿情指標與生產(chǎn)企業(yè)股票波動趨勢預(yù)測實證研究

趙敬華1, 程婉蕓2

(1.上海理工大學(xué) 管理學(xué)院,上海 200093; 2.上海證券交易所 資本市場研究所,上海 200120)

以物流專業(yè)論壇的交流信息內(nèi)容作為研究對象,利用語義處理技術(shù)構(gòu)建了反映某類產(chǎn)品的物流人員的工作繁忙程度和情緒狀態(tài)高低的物流人員情緒綜合指標;選取該行業(yè)產(chǎn)品的多個生產(chǎn)企業(yè)的股票走勢合成一個股票指數(shù),通過實證方法檢驗了同一產(chǎn)品行業(yè)的物流人員情緒指標對該類產(chǎn)品生產(chǎn)企業(yè)的股票走勢具有預(yù)測能力.研究表明,情緒指數(shù)的波動趨勢常常比相應(yīng)股票綜合指數(shù)的波動趨勢提前40周呈現(xiàn)一致.

物流論壇; 證券市場; 預(yù)測能力; 語義分析

近10年來,文本挖掘技術(shù)在金融市場上的應(yīng)用越來越廣泛.使用文本挖據(jù)技術(shù)對社交媒體內(nèi)容作分析處理,可以獲得語義層面上的信息,這些語義信息為分析上市公司的基本面信息、評估公司未來的盈利水平以及預(yù)測其在證券市場上的表現(xiàn)提供了有效信息.這些研究所使用的數(shù)據(jù)來源大致可以分為3類:上市公司的信息披露和第三方的專業(yè)分析報告、普通投資者的交流與討論以及供應(yīng)鏈其他參與者的交流與討論.

第一類數(shù)據(jù)來源主要包括上市公司的定期與非定期報告、證券分析師的分析報告以及新聞媒體報告等.文獻[1-6]研究發(fā)現(xiàn),從這類數(shù)據(jù)中抽取出的語義信息(如褒(貶)義詞語的使用量、語氣及態(tài)度等)是輔助投資者作出及時、正確的投資決策的有效信息.然而,Kothari等[7]認為,上市公司的定期與非定期報告的可靠性和及時性并不高,證券分析師的分析報告會存在個人偏見問題.文獻[8-12]認為新聞媒體報道雖然具有較高的可靠性、及時性和客觀性,但它所具備的報道內(nèi)容和角度多元化的特點,使其不能成為長期穩(wěn)定的投資決策信息來源.

第二類數(shù)據(jù)來源主要指普通投資者在財經(jīng)類社交媒體上發(fā)布和交流的信息等.最近的研究結(jié)果表明,利用文本挖掘技術(shù)可以從不同的財經(jīng)類社交媒體中獲得市場層面、行業(yè)層面和個股層面的度量指標,如Bollen等[12],Sprenger等[13],Zhang等[14]分別從美國社交網(wǎng)絡(luò)及微博客服務(wù)網(wǎng)站Twitter中獲取Twitter用戶情緒和用戶活躍量,Gilbert等[15]從博客中獲得用戶焦慮指數(shù),張旭[16]從財經(jīng)論壇獲得發(fā)帖量的異常變動量,以及劉穎等[17]、張永杰等[18]、方勇等[19]分別獲取搜索引擎的搜索量和信息量等.這些度量指標與證券市場中市場指數(shù)、行業(yè)指數(shù)或個股股價的表現(xiàn)有著緊密關(guān)系,此類數(shù)據(jù)往往可以獲得投資者的短期關(guān)注程度和情緒波動等信息,因此,其對分析市場短期走勢具有借鑒性,而對于中長期的股票走勢波動不具有很好的相關(guān)性.

第三類數(shù)據(jù)來源主要指供應(yīng)鏈中各個參與者的反饋信息.Luo[20]對美國運輸部公開的公眾對各個航空公司的投訴意見進行文本挖掘,發(fā)現(xiàn)負面意見對航空公司個股的收益和波動率均存在短期和長期影響.Tirunillai等[21]對3個電子商務(wù)網(wǎng)站(Amazon.com,Epinions.com和Yahoo! Shopping)的產(chǎn)品評論進行分析,發(fā)現(xiàn)總評論量和負面情緒可以有效地預(yù)測個股的短期走勢.

本文基于供應(yīng)鏈各個參與者的反饋信息來預(yù)測股票波動趨勢.供應(yīng)鏈中供應(yīng)商、制造商、分銷商以及最終客戶等的產(chǎn)品傳遞靠物流人員,供應(yīng)鏈上的物流人員是最快、最準確地感受到供應(yīng)鏈物流流動的快慢,也是最先、最全面地察覺到行業(yè)變化的群體.因此,他們的輿情對供應(yīng)鏈的生產(chǎn)企業(yè)的效益有準確的預(yù)測.

本文以中國的一個專業(yè)物流論壇為數(shù)據(jù)來源,使用文本分析技術(shù)對論壇中的用戶活動情況及其發(fā)表帖子的內(nèi)容進行分析,抽取出某一產(chǎn)品行業(yè)的物流人員的情緒高低、工作忙碌狀況和意見分歧程度等信息合成物流人員情緒指數(shù),用來預(yù)測同一產(chǎn)品行業(yè)的生產(chǎn)企業(yè)的股票走勢的中期趨勢.

1 機理分析

供應(yīng)鏈結(jié)構(gòu)視圖如圖1所示.物流人員是完成原材料、中間品及最終產(chǎn)品在供應(yīng)鏈間(供應(yīng)商、制造商、分銷商、零售商以及最終用戶)實物產(chǎn)品轉(zhuǎn)移的執(zhí)行者.他們忙碌,買賣雙方必然交易頻繁;他們空閑,整個供應(yīng)鏈上的生產(chǎn)停滯.因此,從該類產(chǎn)品行業(yè)總體來說,物流人員忙碌程度與核心生產(chǎn)企業(yè)生產(chǎn)忙碌具有一致性.從某類產(chǎn)品的物流角度來洞察其生產(chǎn)情況,更具有全面性、及時性和客觀性.

圖1 供應(yīng)鏈結(jié)構(gòu)視圖

物流人員的工作忙碌程度必然跟他們的收入、論壇中交流的內(nèi)容直接相關(guān),在交流用語方面也有顯著區(qū)別.例如,工作繁忙時,必然有類似“…不能參加,最近我工作實在太忙了”等用語出現(xiàn)且出現(xiàn)頻率增加;同時,所遇到的問題也會相應(yīng)增加,論壇中就實際問題提問、討論以及請求幫助的帖子會增加,供應(yīng)鏈領(lǐng)域的專業(yè)術(shù)語、發(fā)問和感謝等用語的出現(xiàn)頻率都會增加.此外,物流人員的收入增加和減少又影響了他們在發(fā)帖時的情緒和用詞,如“…不敢買,等過幾個月再說”等表達消費用詞的出現(xiàn)和使用頻率也有顯著不同.

產(chǎn)品的主要生產(chǎn)企業(yè)如果不斷有產(chǎn)品銷售出去,那這個產(chǎn)品生產(chǎn)行業(yè)的利潤必然在增加,而利潤增加就有其股票走上升趨勢的動力.

本文以服裝行業(yè)為研究對象,通過分析服裝物流行業(yè)人員在物流專業(yè)論壇上的交流記錄,構(gòu)建服裝行業(yè)物流人員的情緒指數(shù),然后基于上海深圳股票交易所主要從事服裝生產(chǎn)企業(yè)的股票交易構(gòu)建股票走勢指數(shù),從而分析其相關(guān)性.

2 數(shù)據(jù)與實證模型

截至2007年底,中國證券市場中97%的上市公司完成了股權(quán)分置改革.大量的研究發(fā)現(xiàn),在股權(quán)分置時期,中國證券市場中操縱信息披露等做法切實存在,股價未能及時準確地反映公司績效.本文選擇的研究樣本周期從2008年1月1日到2013年2月8日,共261周.

2.1 物流論壇指數(shù)構(gòu)建

本文的物流論壇樣本數(shù)據(jù)來自物流沙龍論壇(www.logclub.com),物流沙龍論壇是目前國內(nèi)最大的專業(yè)物流與供應(yīng)鏈論壇.自2004年運營至2013年初,注冊會員已達15萬人,帖子總量達40萬條.該論壇根據(jù)不同的行業(yè)設(shè)立了行業(yè)物流子論壇,本文從論壇發(fā)帖指數(shù)AVLMt,帖子篇幅指數(shù)Mlt,情緒指數(shù)SIt,意見分歧指數(shù)DISAGt和服裝生產(chǎn)企業(yè)股票指數(shù)ECI等指標入手作研究.本研究使用物流子論壇在樣本區(qū)間的所有帖子作為數(shù)據(jù)樣本.在此期間,平均每周的發(fā)帖數(shù)量約為77條,平均每周的活躍人數(shù)約為47人.

現(xiàn)介紹物流子論壇的度量指標計算步驟.

a. 整理物流論壇帖子.

與中國證券市場的工作時間對應(yīng),第t周論壇帖子的時間區(qū)間為:第t-1周的周五15:00至第t周的周五15:00.每個帖子包含編號、作者、標題、發(fā)帖時間、內(nèi)容以及所回復(fù)帖子的編號等信息.

b. 計算發(fā)帖指數(shù)AVLMt.

AVLMt表示服裝物流人員的活躍程度.

AVLMt=H(avlmt)

(1)

式中:avlmt是第t周發(fā)帖量;H(·)表示使用Holt Winters指數(shù)平衡法進行平滑處理.

c. 計算帖子篇幅指數(shù)MLt.

MLt表示物流人員的活躍程度.

(2)

式中:mla(a=1,2,…,AVLMt)為每個帖子包含的字數(shù).

d. 計算情緒指數(shù)SIt.

SIt表示物流人員的情緒變化.該指數(shù)使用ROST EA工具[22]計算獲得.在ROST EA中,否定詞用作改變情緒傾向,程度詞用作加強(減弱)情緒程度.態(tài)度詞是表示人們觀點態(tài)度和情感傾向的詞語,每個態(tài)度詞根據(jù)其表達觀點、情緒傾向的正負極性和程度人為給定權(quán)值,權(quán)值范圍為[-20,20].-20表示消極情緒最大,20表示積極情緒最大.針對服裝物流行業(yè),從物流子論壇的高頻詞中挑選并增加到工具的自定義態(tài)度詞,包括表示供應(yīng)鏈問題的態(tài)度詞(短缺、召回、閑置等),表示工作繁忙的態(tài)度詞(忙、沒空、加班、停工等),表示收入變動的態(tài)度詞(加工資、年終獎、加班費等),表示心情好壞的態(tài)度詞(開心、滿足、擔(dān)憂、失望等).

若帖子x中有n個包含情感的句子,第k(k=1,2,…,n)個句子中有Nnegk個否定詞,Ndegk個程度詞以及Nviewk個態(tài)度詞,第j個態(tài)度詞的權(quán)重為wk,j(j=1,2,…,Nviewk),帖子x的情緒值SSx計算式為

(3)

第t周的情緒指數(shù)SIt的計算式為

(4)

SIt>0,表示服裝物流人員的情緒樂觀;SIt<0,表示情緒悲觀;SIt=0,表示無明顯情緒傾向.

e. 計算意見分歧指數(shù)DISAGt.

DISAGt表示物流人員的意見分歧程度.

(5)

式中:Npos表示包含積極情緒的帖子數(shù)量;Nneg表示包含消極情緒的帖子數(shù)量.DISAGt的取值在[0,1]之間,數(shù)值越大,表示意見分歧程度越大.

2.2 服裝生產(chǎn)行業(yè)股票綜合指數(shù)構(gòu)建

本研究從中國證券市場中選取從事服裝生產(chǎn)的55支股票作為樣本股,按照以下規(guī)則,使用上海大智慧股份有限公司的大智慧傳統(tǒng)行情軟件構(gòu)造服裝生產(chǎn)企業(yè)股票指數(shù)ECI.

a. 以2000年1月1日為基準日期,基準日收盤價計算出的總市值為基準.

b. 市值計算式為

式中:m為股票總數(shù);Pb(b=1,2,…,n)為第b支股票的價格,Wb(b=1,2,…,n)為第b支股票的流通股權(quán)重.

d. 新股上市當(dāng)天開始參與計算,市值需要乘上當(dāng)日原股票市值與當(dāng)日股票總市值的比值.

e. 除權(quán)的計算方法.送紅股,不影響指數(shù);分紅,總市值需要減去分紅總額;配股,總市值需要加上配股總市值.

f. 停牌按上一交易日收盤價計算.

服裝生產(chǎn)企業(yè)股票指數(shù)ECI的收益率Rt、波動率SIGt和成交量VLMt計算式為

(6)

(7)

VLMt=lnOVLMt

(8)

2.3 實證模型設(shè)定

向量自回歸(VAR)模型[23]將需要分析的變量都視為內(nèi)生變量納入一個系統(tǒng)進行分析,不僅刻畫了變量之間的動態(tài)關(guān)系,還提供了Granger因果檢驗和脈沖響應(yīng)分析等分析工具.一個p階VAR模型可以表示為

(9)

式中:Yt=(Y1,t,Y2,t…,Yk,t)'是內(nèi)生變量構(gòu)成的k維向量;μ是k維常量向量;φi是待估計參數(shù);p是滯后階數(shù);et是k維誤差向量.

a. Granger因果檢驗.

Granger因果檢驗可以檢驗系統(tǒng)內(nèi)某一個變量預(yù)測其他變量的能力.以兩元p階VAR模型為例,式(9)可以改寫為

(10)

b. 脈沖響應(yīng)函數(shù).

脈沖相應(yīng)函數(shù)可以描述VAR系統(tǒng)內(nèi)變量之間的動態(tài)影響和時滯關(guān)系.一般地,當(dāng)式(9)可逆,VAR模型可以作為向量移動平均模型(vector moving average model),用Yt表示.

(11)

3 實證分析結(jié)果及討論

3.1 統(tǒng)計描述

表1給出了服裝生產(chǎn)企業(yè)股票指數(shù)ECI數(shù)據(jù)和服務(wù)物流論壇數(shù)據(jù)的基本統(tǒng)計特征描述.樣本數(shù)據(jù)的峰度均在2～10之間,大多呈現(xiàn)出較明顯的尖峰特征.樣本數(shù)據(jù)的偏度在-1～3之間波動,呈現(xiàn)大小不等的左(右)偏特征,表明全部樣本序列都表現(xiàn)出非正態(tài)性.

表1 數(shù)據(jù)變量的統(tǒng)計特征描述

3.2 變量相關(guān)性分析

考察樣本數(shù)據(jù)之間相關(guān)性,如表2所示.在5%顯著性水平下,服裝生產(chǎn)企業(yè)股票指數(shù)ECI的上漲率與服裝物流人員在論壇上的情緒指數(shù)、意見分歧指數(shù)和帖子篇幅指數(shù)均呈正向相關(guān)性;ECI的波動率與物流論壇的4個指數(shù)都呈負向相關(guān);而ECI的成交量和除意見分歧指數(shù)以外的3個物流論壇指數(shù)都表現(xiàn)出正向相關(guān)性.可見,物流論壇內(nèi)容確實與服裝生產(chǎn)企業(yè)股票指數(shù)存在緊密的相關(guān)性.

圖2刻畫了服裝生產(chǎn)企業(yè)股票指數(shù)與服裝物流論壇情緒指數(shù)在2008年1月1日到2013年6月28日的走勢.由圖2中可見,情緒指數(shù)SIt的走勢與生產(chǎn)企業(yè)股票指數(shù)的走勢具有相似性,而且先行于生產(chǎn)企業(yè)股票指數(shù)ECI.SIt從A點開始上漲(ECI從A’開始上漲),經(jīng)歷了B-C區(qū)間的震蕩后(ECI經(jīng)歷了B’-C’的震蕩區(qū)間)在D點達到最高值(ECI在D’達到峰值),隨后一路下跌到E點(ECI一路下跌到E’),在E-F區(qū)間和F-G區(qū)間是兩波上漲、下跌趨勢(ECI在E’-F’區(qū)間、F’-G’區(qū)間小幅度的上漲及下跌).圖2再一次證明了服裝物流人員的情緒指標與服裝生產(chǎn)企業(yè)的股票指數(shù)之間的相關(guān)性.

表2 數(shù)據(jù)序列的相關(guān)系數(shù)矩陣

注:*,**分別表示顯著性水平10%和5%.

圖2 服裝物流子論壇情緒指數(shù)與服裝生產(chǎn)企業(yè)股票指數(shù)的相關(guān)性

圖2陰影區(qū)間為2013年2月22日至2013年6月28日,不屬于樣本區(qū)間,僅刻畫ECI的走勢.

3.3 VAR模型分析

首先對全部變量采用帶有截距項(趨勢項)的Phillips Perron(PP)單位根檢驗方法進行平穩(wěn)性檢驗.表3(見下頁)中的PP單位根檢驗結(jié)果表明,在1%的顯著性水平下,ECI的收益率、波動率和成交量均為平穩(wěn)時間序列,物流論壇的4個指數(shù)不是平穩(wěn)的時間序列,經(jīng)過一階差分后則滿足時間序列的平穩(wěn)性要求.

表3 單位根檢驗

注:PP統(tǒng)計值使用的1%,5%,10%顯著性水平的臨界值分別為-3.455,-2.872,-2.573.

根據(jù)平穩(wěn)性檢驗結(jié)果,建立4個四元向量(Rt,SIGt,VLMt,ΔAVLMt)′,(Rt,SIGt,VLMt,ΔSIt)′,(Rt,SIGt,VLMt,ΔDISAGt)′和(Rt,SIGt,VLMt,ΔMLt)′,再按照式(9)建立4個VAR模型用以研究相應(yīng)變量間的動態(tài)關(guān)系.ΔAVLMt,ΔSIt,ΔDISAGt,ΔMLt分別為發(fā)帖指數(shù)、情緒指數(shù)、意見分歧指數(shù)、帖子篇幅指數(shù)的增量.每個VAR模型的最優(yōu)滯后階數(shù)采用赤池信息量準則(AIC)進行選取,依次分別為滯后1階、滯后8階、滯后3階和滯后2階.

3.3.1 Granger因果分析

采用Granger因果檢驗考察物流論壇內(nèi)容與證券市場之間的關(guān)系的具體互動方向.表4的Granger因果檢驗結(jié)果表明:a.在1%的顯著性水平下,情緒指數(shù)的變動與收益率存在雙向Granger關(guān)系;情緒指數(shù)的變動與成交量之間在10%的顯著性水平下也互為Granger原因.b.在5%的顯著性水平下,發(fā)帖指數(shù)的變動是成交量的Granger原因.c.在5%的顯著性水平下,意見分歧指數(shù)的變動是成交量的Granger原因,而收益率能Granger引起意見分歧指數(shù)的變化.d.在10%的顯著性水平下,帖子篇幅指數(shù)的變動與收益率存在雙向Granger關(guān)系.成交量在5%顯著性水平下能Granger引起帖子篇幅指數(shù)的變動.

由此可見,物流論壇內(nèi)容對證券市場活動也具有較強的預(yù)測能力,其中,物流子論壇的情緒指數(shù)和帖子篇幅指數(shù)可以幫助預(yù)測生產(chǎn)企業(yè)股票綜合指數(shù)的上漲率;情緒指數(shù)、發(fā)帖指數(shù)和意見分歧指數(shù)可以幫助預(yù)測成交量.

3.3.2 脈沖響應(yīng)函數(shù)分析

分別對4個VAR模型構(gòu)建脈沖響應(yīng)函數(shù).由于本文主要關(guān)注物流論壇內(nèi)容能否預(yù)測證券市場相應(yīng)股票波動趨勢,因此,僅列出證券市場的上漲率、波動率和成交量分別對物流論壇4個度量指數(shù)的脈沖響應(yīng).此外,情緒指數(shù)會在0期產(chǎn)生一個標準差大小的脈沖沖擊,而這種脈沖沖擊在隨后的30期內(nèi)對股票走勢產(chǎn)生的影響圍繞0逐步減弱,除情緒指數(shù)外的3個物流論壇度量指標與股票指數(shù)走勢的相關(guān)影響則在隨后的第5期后基本趨近于0,而股票指數(shù)走勢與情緒指數(shù)的響應(yīng)在第40期后基本穩(wěn)定.因此,本文將短期影響定義為5個周期(即5周)內(nèi)各期股票指數(shù)走勢的脈沖響應(yīng),將中長期影響定義為10～40個周期(10～40周)股票指數(shù)走勢的累計脈沖響應(yīng).

表4 Granger因果關(guān)系檢驗結(jié)果

注:*,**,***分別為表示顯著性水平10%,5%,1%.

從表5可以看出:a.情緒指數(shù)的變動對收益率存在短期和中長期影響.短期內(nèi)造成ECI震蕩走勢,并在隨后40周左右內(nèi)都造成反向影響.b.發(fā)帖指數(shù)的變動對ECI無影響.c.帖子篇幅指數(shù)的變動對上漲率存在短期和中期影響.短期內(nèi)也造成ECI震蕩走勢,反向影響在隨后10周內(nèi)逐漸穩(wěn)定.d.意見分歧指數(shù)的變動對上漲率存在短期和中期影響.在第4周對上漲率有正向影響,正向影響在隨后20周內(nèi)逐漸穩(wěn)定.

表6的脈沖響應(yīng)函數(shù)結(jié)果表明:a.物流論壇4個指數(shù)的變動對ECI的波動率都有短期影響,在5期內(nèi)都會造成波動率的變化.b.情緒指數(shù)的變動對ECI的波動率有長期正向影響,影響時間將持續(xù)40周左右.帖子篇幅指數(shù)的變動和意見分歧指數(shù)的變動對ECI的波動率存在中期影響,持續(xù)時間分別為10周左右和20周左右.發(fā)帖指數(shù)的變動對波動率造成的中期反向影響將持續(xù)10周左右.

物流論壇4個指數(shù)對ECI的成交量的脈沖響應(yīng)函數(shù)結(jié)果如表7所示,可以發(fā)現(xiàn):a.物流論壇4個指數(shù)的變動對ECI的成交量均存在短期影響,在5期內(nèi)都會影響成交量的變化.b.情緒指數(shù)的變動對ECI的成交量的長期反向影響將持續(xù)40周左右.發(fā)帖指數(shù)的變動和意見分歧指數(shù)的變動對ECI的成交量存在中期影響,持續(xù)時間分別為10周左右和20周左右.意見分歧指數(shù)的變動對成交量造成的中期正向影響將持續(xù)30周左右.

綜上所述,物流子論壇內(nèi)容對股票指數(shù)走勢的上漲率、波動率和成交量都存在顯著的相關(guān)性.短期(1～5周)內(nèi),情緒指數(shù)、帖子篇幅指數(shù)和意見分歧指數(shù)對上漲率、波動率和成交量的變動都有相關(guān)性,發(fā)帖指數(shù)僅對波動率和成交量有相關(guān)性.在中期(10～30周)相關(guān)程度方面,帖子篇幅指數(shù)和意見分歧指數(shù)會對ECI的上漲率、波動率和成交量有相關(guān)影響.發(fā)帖指數(shù)僅與波動率和成交量的變化相關(guān),但對上漲率不存在相關(guān)性.在長期(40周)相關(guān)性方面,情緒指數(shù)對波動率有正向相關(guān)性,且相關(guān)周期在40周左右.

表5 服裝物流論壇內(nèi)容與服裝生產(chǎn)企業(yè)股票指數(shù)上漲率的影響

注:1.短期影響均為0期的單位沖擊所引起的t期響應(yīng),長期影響則均為累計脈沖響應(yīng);

2.所有數(shù)據(jù)均處在正負兩倍的標準差的可置信區(qū)域之間.

表6 服裝物流論壇內(nèi)容與服裝生產(chǎn)企業(yè)股票指數(shù)波動率的相關(guān)性分析

注:1.短期影響均為0期的單位沖擊所引起的t期響應(yīng),長期影響則均為累計脈沖響應(yīng);

2.所有數(shù)據(jù)均處在正負兩倍的標準差的可置信區(qū)域之間.

表7 服裝物流論壇內(nèi)容與服裝生產(chǎn)企業(yè)股票指數(shù)成交量的相關(guān)性分析

注:1.短期影響均為0期的單位沖擊所引起的t期響應(yīng),長期影響則均為累計脈沖響應(yīng);

2.所有數(shù)據(jù)均處在正負兩倍的標準差的可置信區(qū)域之間.

4 結(jié) 論

在對物流子論壇中物流人員日常討論內(nèi)容進行抽取的基礎(chǔ)上,通過數(shù)據(jù)挖掘構(gòu)建了反映服裝物流人員工作繁忙程度和情緒變動的4個指數(shù):情緒指數(shù)、發(fā)帖指數(shù)、帖子篇幅指數(shù)和意見分歧指數(shù),分析了4個指數(shù)與上市服裝生產(chǎn)企業(yè)股票指數(shù)的波動方向的相互關(guān)系.實證研究表明,同一產(chǎn)品的物流人員的綜合情緒指標(由情緒指數(shù)、發(fā)帖指數(shù)、帖子篇幅指數(shù)和意見分歧指數(shù)4個指數(shù)合成)的波動方向與該類產(chǎn)品的上市生產(chǎn)企業(yè)公司股票指數(shù)的波動方向具有一致性,并且提前期約為40周.因此,通過分析某類產(chǎn)品的物流人員的綜合情緒指標,對該類生產(chǎn)企業(yè)的上市公司股票指數(shù)的波動方向具有一定的預(yù)測性.

[1] TETLOCK P C.Giving content to investor sentiment:the role of media in the stock market[J].The Journal of Finance,2007,62(3):1139-1168.[2] TETLOCK P C,SAAR-TSECHANSKY M,MACSKASSY S.More than words:quantifying language to measure firms’ fundamentals[J].The Journal of Finance,2008,63(3):1437-1467.[3] FELDMAN R,GOVINDARAJ S,LIVNAT J,et al.Management’s tone change,post earnings announcement drift and accruals[J].Review of Accounting Studies,2010,15(4):915-953.

[4] 楊慶國,陳敬良,徐君蘭.我國新聞出版企業(yè)上市融資模式研究[J].上海理工大學(xué)學(xué)報(社會科學(xué)版),2014,36(1):79-84.

[5] DAVIS A K,PIGER J M,SEDOR L M.Beyond the numbers:measuring the information content of earnings press release language[J].Contemporary Accounting Research,2012,29(3):845-868.

[6] DEMERS E,VEGA C.Soft information in earnings announcements:news or noise?[C]∥Proceedings of the 2009 Meeting Papers.Marina Azzimonti:Society for Economic Dynamics,2008,80:1-56.

[7] KOTHARI S P,LI X,SHORT J E.The effect of disclosures by management,analysts,and business press on cost of capital,return volatility,and analyst forecasts:a study using content analysis[J].The Accounting Review,2009,84(5):1639-1670.

[8] IRVINE P J.Analysts’ forecasts and brokerage-firm trading[J].The Accounting Review,2004,79(1):125-149.

[9] CHEN Q,JIANG W.Analysts’ weighting of private and public information[J].The Review of Financial Studies,2006,19(1):319-355.

[10] AGRAWAL A,CHEN M A.Do analyst conflicts matter? Evidence from stock recommendations[J].The Journal of Law and Economics,2008,51(3):503-537.

[11] FRANCIS J,PHILBRICK D.Analysts’ decisions as products of a multi-task environment[J].Journal of Accounting Research,1993,31(2):216-230.

[12] BOLLEN J,MAO H N,ZENG X J.Twitter mood predicts the stock market[J].Journal of Computational Science,2010,2(1):1-8.

[13] SPRENGER T O,TUMASJAN A,SANDNER P G,et al.Tweets and trades:the information content of stock microblogs[J].European Financial Management,2014,20(5):926-957.

[14] ZHANG X,FUEHRES H,GLOOR P A.Predicting stock market indicators through twitter “I hope it is not as bad as I fear”[J].Procedia-Social and Behavioral Sciences,2011,26:55-62.

[15] GILBERT E,KARAHALIOS K.Widespread worry and the stock market[C]∥Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media,2010:59-65.

[16] 張旭.中國網(wǎng)絡(luò)字頻波動與股票市場關(guān)系研究[J].統(tǒng)計與決策,2011(7):145-147.

[17] 劉穎,呂本富,彭賡.網(wǎng)絡(luò)搜索對股票市場的預(yù)測能力:理論分析與實證檢驗[J].經(jīng)濟管理,2011(1):172-180.

[18] 張永杰,張維,金曦,等.互聯(lián)網(wǎng)知道的更多么?——網(wǎng)絡(luò)開源信息對資產(chǎn)定價的影響[J].系統(tǒng)工程理論與實踐,2011,31(4):577-586.

[19] 方勇,孫紹榮.影響證券投資者情緒的因素分析[J].上海理工大學(xué)學(xué)報,2008,30(2):157-161.

[20] LUO X M.Quantifying the long-term impact of negative word of mouth on cash flows and stock prices[J].Marketing Science,2009,28(1):148-165.

[21] TIRUNILLAI S,TELLIS G J.Does chatter really matter? Dynamics of user-generated content and stock performance[J].Marketing Science,2012,31(2):198-215.

[22] SHEN Y,LI S C,ZHENG L,et al.Emotion mining research on micro-blog[C]∥Proceedings of the 1st IEEE Symposium on Web Society.Lanzhou:IEEE,2009:71-75.[23] SIMS C A.Macroeconomics and reality[J].Econometrica,1980,48(1):1-48.

(編輯:石 瑛)

Empirical Study on the Logistics Staff Public Opinion Index and the Trend Prediction of Stock Movements of Production Enterprises

ZHAO Jinghua1, CHENG Wanyun2

(1.Business School,University of Shanghai for Science and Technology,Shanghai 200093,China;2.Capital Market Research Institute,Shanghai Stock Exchange,Shanghai 200210,China)

Taking the exchange of information contents on the professional forum for logistics as the research object,the semantic processing technology was used to construct a comprehensive index for the logistics personnel’s emotion,which reflects the busy degree of logistics personnel and the level of emotional state of a product.Meanwhile,the stock movements of a number of manufacturing enterprises of the products of a certain kind of industry were selected to synthesize a stock index,and the ability of the logistics personnel’s emotion index to predict the stock movements trend of manufacturing enterprises was inspected by the empirical method.The results show that the fluctuation of sentiment index in some direction often comes out earlier in advance of 40 weeks than the fluctuation of the corresponding stock price index in the same direction.

logistics message board; stock market; prediction capability; text analysis

1007-6735(2016)05-0457-08

10.13255/j.cnki.jusst.2016.05.008

2016-06-22

國家自然科學(xué)基金資助項目(61403255);教育部人文社科項目(14YJCZH218);上海市高校青年教師培養(yǎng)資助計劃(1015303801)

趙敬華(1984-),女,講師.研究方向:管理信息系統(tǒng).E-mail:sunnyjhlove@163.com

F 832

A