社交媒體我們日常都在用，股市我們也總要看一眼。它們之間的關係，可比想象中要密切得多。最典型的例子莫過於2021年1月Reddit上散戶對GameStop的逼空，使股價在短期內急劇升高，充分顯示了社交媒體對股市的影響。
如今，社交媒體已經從最初的聊天工具變成了傳播消息的重要渠道，像X、Reddit等平台都有專門給投資者交流的地方。人們可以在上麵分享經驗、轉發消息、發表看法、宣泄情緒，其速度和規模早已超過傳統媒體。
投資者的信息來源也在向社交平台轉移。比如，美國投資者使用社交媒體獲取投資信息的調查結果顯示，在2024年，有30% 的投資者使用YouTube，而使用Reddit、臉書、領英、Instagram、X的也都超過10%。
此外，SEC在2013年正式允許企業通過社交媒體發布重大信息，因而來越來越多的企業也將X、臉書等平台當作重要的溝通渠道。例如，Marshall等三位學者發現，有超過70% 的S&P 1500企業在2020年擁有X賬戶且持續使用這個平台。
對我們普通投資者來說，理解社交媒體與股市的關係，不是為了趕時髦，更是為了了解當今股價形成的內在機製。
對於“社交媒體與股市”的研究，近些年發展得相當快。它有行為金融學為主要支撐，若幹理論作基礎，大量實證成果為依據，逐步形成了一個相對完整的體係。
行為金融學認為，投資者並不完全理性，認知能力也有限，投資決策會受到諸如情緒、熱點關注、他人看法等因素的影響，從而在股市中表現出情緒化、過度反應、從眾、偏見等非理性行為。
社交媒體正是影響這些因素的重要渠道。行為金融學中的理論，包括噪聲交易者、情緒驅動、有限注意力和意見分歧理論，為分析它與股市的關係提供了理論基礎。
噪聲交易者理論 （noise trader）認為，市場上既存在理性的投資者，也存在非理性的“噪聲交易者”。所謂“噪聲交易者”，指的是那些依據噪聲（無價值的信息）進行交易的投資者，因為他們錯誤地認為那是有價值的信息。
當市場上存在噪聲交易者時，他們的交易行為會導致價格偏離內在基本價值，並加劇價格波動。
你會不會因為網上的一個謠言就下單？
情緒驅動理論 （sentiment driven）指的是投資者 （如噪聲交易者）會被情緒影響而改變投資決策，從而影響股票價格。
Baker & Wurgler（2006）把“情緒”定義為願不願意冒險投機，這種情緒會影響投資者挑選哪些股票，進而影響價格使其偏離基本價值。作者進一步指出，情緒對不同類型股票的影響並不相同：對那些難以定價的股票（例如新的、小的、增長快的、尚未盈利、沒有分紅的企業），作用尤其大。
你有過專挑這樣的股票來投機的經驗嗎？
有限注意力理論 (limited attention)指出，一般投資者，如散戶的注意力是有限的，無法關注股市上所有股票，來逐一判斷是不是要買入。他們隻能考慮那些吸引他們目光，引起他們關注的股票。因此，這個理論預測，那些引人注目的“熱門股票”會引發大量的購買需求，從而推高價格。
看看你的資產中有沒有那些耀眼的明星股票？
意見分歧 (divergence of opinion)認為，未來的不確定性和風險本身就會使人們產生不同的看法。比如，對股票未來回報的判斷，投資者之間往往會有明顯分歧。
意見分歧催生買賣交易，並能使某些股票的價格被抬得過高，以至於未來價格出現回落。
說完理論，再來看實證研究。
在 2000 年之前，人們普遍認為網上的投資討論價值不大，可以忽略。然而，一些學者研究發現，盡管網絡討論嘈雜，卻對股市有顯著的預測能力，包括預測股價（或股票收益，即股價的變化）、成交量、以及股價波動。
Antweiler & Frank（2004）是這方麵的經典研究之一。作者收集了雅虎財經（Yahoo! Finance）和Raging Bull兩個股票討論區中在2000年全年發布的帖子（messages），並對道瓊斯工業平均指數和互聯網商務指數中的45家企業進行分析。
對於這兩個討論區的帖子，他們著眼於三個方麵。第一是討論數量（帖子的多少）。因為熱點股票往往會吸引投資者，也會摻雜許多噪聲交易者的帖子。
第二是帖子中的觀點（看漲、看跌），因為人們在做投資決策時往往會受到他人看法的影響。
第三是帖子中的意見分歧（有看漲的，也有看跌的）。根據意見分歧理論，分歧越大，成交量越高。
作者的發現，討論數量與股票收益（負相關）、成交量（正相關）、波動（正相關）都有關聯；帖子對某一股票總體看漲，則其股票收益增加；意見分歧加大，則成交量增多。
不過，這些關聯都是短期的。長期看，股票收益、成交量、股價波動會回落。
討論“情緒與股市”離不開Tetlock (2007)。作者考察《華爾街日報》中一個與股市有關的專欄：“Abreast of the Market”，分析專欄中呈現的 “悲觀語氣” (pessimism) 是否可以預測道瓊斯工業平均指數的表現。研究的時間跨度從1984年到1999年。
作者發現，《華爾街日報》上的消極、悲觀語氣對股票價格產生向下壓力，但這個影響隻是暫時的，隨後股價又會逆轉。他還發現，過度的悲觀語氣會使成交量大增。
如何衡量投資者對某隻股票的關注程度（注意力）呢？不同於Antweiler & Frank（2004）用“發帖數量”來表示，Da 等三位學者（2011）提出使用 “Google 搜索量”這個指標，這一做法後來被廣泛沿用。
三位學者考察2004年至2008年間Google 搜索量與Russell 3000企業的股票收益。結果顯示，注意力的上升會伴隨著未來兩周的股價上漲。而且這種現象在散戶多，分析師覆蓋少的小企業股票上表現得尤為明顯。
我用一張圖來概括平台與股市的實證研究：平台用戶/投資者的關注度（注意力）、情緒、不同觀點是否能預測股價（或股票收益）、成交量和股價波動等股市變量。
看到這裏，有人會問：如何從平台、新聞媒體的發帖與討論中提取情緒和其他內容，即如何對它們進行量化呢？
我們可以采用文本分析（textual analysis）的方法，也就是用AI算法去“閱讀”文字，從中找出所需要的內容，將其轉化成指標，並作為變量放入模型當中。
舉個例子，要研究發帖人的情緒是樂觀還是悲觀。首先製作一個詞典，裏麵有兩類詞匯：表示樂觀的與表示悲觀的。然後讓算法去閱讀文字，找出反映樂觀的詞和反映悲觀的詞各有多少，據此做成指標。最簡單的做法是：如果發帖人用的樂觀詞多於悲觀詞，那他就是樂觀的，反之亦然。
隨著社交媒體的興起，學者們將目光移向這些平台上的消息，情緒與股價之間的關聯。與傳統媒體相比，社交平台可以隨時地、直接地互動，而且平台上的信息不僅傳播廣，而且異常迅速，也使得媒體與股市的關係可以更加深入、細致。
Bollen等三位學者（2011）在收集大量 Twitter 信息（兩百七十萬用戶的一千萬條tweets）的基礎上，把平台上的情緒細分為六種，包括平靜、驚慌、篤定、快樂等。
他們發現，當情緒僅分為高低兩種時，情緒與道瓊斯工業平均指數沒有關聯；而當情緒被細分為六種後，其中的“平靜”具有顯著作用：當天的“平靜”情緒可以預測未來幾天的指數表現（上漲），然而一周後影響消失，價格回落。
這篇論文的貢獻在於把社交媒體的情緒細化。雖然研究方法仍顯初步，比如平台上的情緒用的是總體情緒，市場分析針對的是股指，但它標誌著社交媒體情緒研究的真正開始。
2014年，Sprenger 與另外兩名學者搜集了Twitter上直接與公司股票有關的近25萬條tweets，並針對個股進行分析。他們的研究結果與之前討論的大體一致。
與此同時，為解釋研究結果，作者進一步考察平台的傳播機製，發現如果某一用戶的預測較準確，他的發帖往往會受到重視，被反複提及、被追隨，從而具有更大的號召力。這些與我們直覺相符的現象被作者用大量數據加以統計驗證。
文章還發現，相較於社交媒體影響股市，其實股市對社交媒體的影響更大。例如，前一天股價下跌，會引發次日平台情緒低落。所以媒體與股市的關係不是單向的，而是相互影響的。
上述考察的媒體與股市之間的關聯是以天為單位，並沒有涉及一天之內的這種關聯。Renault (2017) 的分析填補了這個空白。
作者使用專注金融市場的StockTwits 平台數據，對5年間發布的近6千萬條消息進行分析，結果表明，開盤後最初半小時的情緒可以預測收盤前最後半小時的S&P 500 指數表現，即平台總體正麵（負麵）情緒與較高（較低）的指數收益顯著相關。然而，次日指數會出現逆轉。
他指出，這個短暫的指數收益變動是由情緒驅動的噪聲交易引發的，而且這種情緒驅動主要來自投資新人的交易行為。
社交媒體與股市的研究大多考察的是美國股市。然而，不同國家的資本市場結構並不一樣。例如，與美國相比，在中國個人/散戶投資占比高，並且他們更願意投資個股而不是指數。那麽，在那種背景下，社交媒體與股市的關係是否會有所不同？
Li & Ahn（2024）分析了2020年新浪微博上關於COVID討論所呈現的情緒與滬深300指數的關係。作者采用機器學習與深度學習的文本分析方法，從微博帖子中提取情緒內容，量化成指標。他們發現，平台上的低落情緒對指數價格有顯著的負麵影響，從而佐證了社交媒體情緒與中國股市的關聯。但這種影響會因行業不同而有所差異。
看到這裏，你不妨停下來問問自己，社交媒體影響我的投資決策嗎？我有沒有過因為一條帖子而改變交易的時候？
最後，與上述文章考察單一社交平台不同，Cookson 等學者在2024年將研究擴展到Twitter、StockTwits、Seeking Alpha 等多平台環境。他們注意到，不同平台的屬性存在差異，比如用戶構成不一樣（專業、散戶、新人），平台設計有差異（發帖字數限製、話題是否受限），覆蓋的企業類型也不相同。
在研究中，他們發現，不同平台上的關注度非常相似，例如某一天，各個平台會討論同一批企業。但是不同平台上的情緒卻不大相似，不大會彼此傳染。
他們進一步將情緒和關注度分為三個平台“共有部分”與“平台特有部分”。結果顯示，平台特有的情緒和關注度與股市之間的關係會因平台不同而呈現差異。他們據此提出，社交媒體與股市的關係具有平台差異性。
到此，這個話題的論述主要基於行為金融學理論及相關實證發現。但這並不意味著傳統金融理論—有效市場假說（EMH）在這一領域不成立。
“有效市場”基於傳統金融學的假設：投資人的決策是理性的，會根據自己掌握的相關信息來做決定，而不受其他因素影響。因此，股票價格反映的是所有可獲得的信息，一旦有新的信息出現，價格會迅速作出調整。
事實上，早期的一些研究，如 Tumarkin & Whitelaw（2001），考察Raging Bull討論區留言板上的消息，沒有發現這些留言具有預測股市走向的能力，因為它們沒有提供新的信息。這個結果更接近EMH的觀點。
可以說，行為金融學與有效市場假說從兩個不同角度幫助我們更好地理解社交媒體與資本市場的關係。
文章到了這裏，已接近結尾。你也許會問，既然社交媒體的情緒、關注點、分歧等因素與股市有關，如果將這些因素納入交易模型，據此交易，會不會盈利呢？
Tetlock（2007）曾做過實驗，他把情緒作為參數放入交易模型來進行交易，發現確實可以獲得額外收益。不過他也承認，在計算收益時並沒有考慮交易成本和稅收。因此，對散戶來說是不是可行，還不好下結論。
那麽，如果是大機構呢，如果在AI算法普及之後呢？就留待讀者去思考吧。
（更多細節與參考文獻，請見博客係列原文）
