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，社交媒體的獨特之處在於可以隨時地、直接地互動。同時，用戶結構也發生了變化，比如散戶增多。
另一方麵，社交媒體的海量數據，加上AI算法的進步，使得學者們可以對投資者分析得更細致，並對股市作出更深入的探討。再者，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精確到按分鍾、小時來分析。
對於社交媒體與股市的研究，其分析框架與早期相似（見下圖），依舊是考察平台上用戶的關注度（注意力）、情緒以及不同觀點，對市場變量（股價或股票收益、成交量和股價波動）的預測能力。
Bollen等三位學者（2011）的論文是這方麵的代表性研究。相較於早期將情緒簡單分為高低兩種，他們在收集大量 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，而不是針對股票的情緒；市場分析針對股指而不是個股；且作者也沒有解釋為什麽“平靜”這一情緒維度與股指有關聯，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S&P 100 家公司股票有關的近25萬條tweets，並針對企業個股進行分析。他們的研究結果與之前討論的論文大體一致。
與此同時，為解釋他們的研究結果，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，媒體情緒能夠預測當天的股票表現。
具體來說，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，並不反映股指的內在價值。他又進一步揭示，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。不過，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，並對這些平台同時進行細致的比較。
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。
綜上所述，這些近期研究著重在社交媒體上的討論、情緒、熱點，不同平台之間的差異，是否能預測股市整體或個股的反應。研究數據量大、實證方法先進，例如在文本分析中采用更高級的機器學習和深度學習技術，直接從整段語言中識別情緒和其他所需內容。這些進展使得社交媒體與股市的研究進入了比較成熟的階段。
盡管這些前沿研究豐富了我們的理解，但圍繞社交媒體與股市這一話題，仍存在一些問題與爭議。
主要參考文獻：
Bollen, J., Mao, H., Zeng, X. 2011. Twitter mood predicts the stock market. Journal of Computational Science 2(1), 1–8.
Cookson, J.A., Lu, R., Niessner, M., Mullins, W. 2024. The social signal. The Journal of Financial Economics 158, 103870.
Lee, J., Ahn, H-J. 2024. Sensitivity of Chinese stock markets to individual investor sentiment: An analysis of Sina Weibo mood related to COVID-19. Journal of Behavioral and Experimental Finance 41, 100860.
Renault, T. 2017. Intraday online investor sentiment and return patterns in the US stock market. Journal of Banking & Finance 84, 25-40.
Sprenger, T.O., Tumasjan, A., Sandner, P.G., Welpe, I.M. 2014. Tweets and trades: the information content of stock microblogs. European Financial Management 20(5), 926–957.
社交媒體與股市（4）前沿代表
悄然一笑 (2026-04-12 05:24:53) 評論 (0)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，社交媒體的獨特之處在於可以隨時地、直接地互動。同時，用戶結構也發生了變化，比如散戶增多。
另一方麵，社交媒體的海量數據，加上AI算法的進步，使得學者們可以對投資者分析得更細致，並對股市作出更深入的探討。再者，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精確到按分鍾、小時來分析。
對於社交媒體與股市的研究，其分析框架與早期相似（見下圖），依舊是考察平台上用戶的關注度（注意力）、情緒以及不同觀點，對市場變量（股價或股票收益、成交量和股價波動）的預測能力。
Bollen等三位學者（2011）的論文是這方麵的代表性研究。相較於早期將情緒簡單分為高低兩種，他們在收集大量 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，而不是針對股票的情緒；市場分析針對股指而不是個股；且作者也沒有解釋為什麽“平靜”這一情緒維度與股指有關聯，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S&P 100 家公司股票有關的近25萬條tweets，並針對企業個股進行分析。他們的研究結果與之前討論的論文大體一致。
與此同時，為解釋他們的研究結果，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，媒體情緒能夠預測當天的股票表現。
具體來說，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，並不反映股指的內在價值。他又進一步揭示，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。不過，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，並對這些平台同時進行細致的比較。
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。
綜上所述，這些近期研究著重在社交媒體上的討論、情緒、熱點，不同平台之間的差異，是否能預測股市整體或個股的反應。研究數據量大、實證方法先進，例如在文本分析中采用更高級的機器學習和深度學習技術，直接從整段語言中識別情緒和其他所需內容。這些進展使得社交媒體與股市的研究進入了比較成熟的階段。
盡管這些前沿研究豐富了我們的理解，但圍繞社交媒體與股市這一話題，仍存在一些問題與爭議。
主要參考文獻：
Bollen, J., Mao, H., Zeng, X. 2011. Twitter mood predicts the stock market. Journal of Computational Science 2(1), 1–8.
Cookson, J.A., Lu, R., Niessner, M., Mullins, W. 2024. The social signal. The Journal of Financial Economics 158, 103870.
Lee, J., Ahn, H-J. 2024. Sensitivity of Chinese stock markets to individual investor sentiment: An analysis of Sina Weibo mood related to COVID-19. Journal of Behavioral and Experimental Finance 41, 100860.
Renault, T. 2017. Intraday online investor sentiment and return patterns in the US stock market. Journal of Banking & Finance 84, 25-40.
Sprenger, T.O., Tumasjan, A., Sandner, P.G., Welpe, I.M. 2014. Tweets and trades: the information content of stock microblogs. European Financial Management 20(5), 926–957.