QIML Insight | 新闻情绪改进反转因子：基于A股实践

2023-04-14 22:04

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4年被腾讯云+社区评选为“年度最佳作者”。

量化投资与机器学习公众号独家解读

量化投资与机器学公众号 QIML Insight——深度研读系列是公众号全力打造的一档深度、前沿、高水准栏目。

公众号遴选了各大期刊前沿论文，按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章，愿与你共同进步！

本期遴选论文
来源：The Journal of Portfolio Management Non-US Markets 2023
标题：The Media Reinforcement Effect in Chinese Stock Market
作者：Qin Yu、Bing Zhang

核心观点

1、基于情绪因子改进后的反转因子的多空收益（即买入前期收益低且情绪低的股票，卖出前期收益高且情绪高的股票）显著高于原始反转因子。本文称这种效应为媒体增强效应（Media Reinforcement Effect，MRE）。

2、来自国有媒体的新闻数据具有明显的媒体增强效应，而来自民营媒体的新闻数据的媒体增强效应不明显。

3、投资者异质信念越强，套利限制越严格，媒体增强效应越显著。

无论是国内还是海外股票市场，新闻数据已经被广泛的使用在因子投资中。最常用的就是以新闻数据构建情绪因子的方式，其中的假设是当期情绪高（更正面）的股票未来的收益更高，而当期情绪低（更负面）的股票未来的收益更低。这种情绪溢出的逻辑与股票动量因子很相似。大多数现有的文献都是基于动量的角度来应用新闻数据。但A股长期以来的反转效应带来的启示是，我们是否可以结合新闻情绪数据改进反转因子。在本文的实证中作者给出了答案。

数据

本文研究过程中共使用了以下数据：

1、2004年1月至2017年6月间，共计331个媒体网站，总计约1500万的新闻分析数据，每篇新闻数据都有-1至1的情绪得分；

2、还有行情数据、机构持股数据及分析师覆盖数据等，这些数据来自Wind及CSMAR数据库。

3、Fama三因子及五因子等数据来自Resset数据库

4、研究区间总共覆盖了2698只股票，分析的频率是周度。

在所有的331个媒体网站中，有八个全国性的大型媒体机构，它们是《中国证券报》、《证券日报》、《证券时报》、《上海证券报》、《中国经营报》《第一财经日报》、《经济观察报》及《21世纪经济报道》。根据其股权结构，定义前4家为国有媒体机构，后四家为民营媒体机构。在根据不同的媒体构建个股新闻情绪指标时，本文做以下定义：

实证结果及分析

从下表1的统计数据可以看出：

1、GovSenti的均值大于MarSenti，说明国有新闻机构更多的是正面报道，民营的新闻机构更多的是负面报道。

2、每个公司平均每周有2篇新闻报道。

在传统反转因子分组的逻辑下，本文基于情绪因子进行了二次分组。即每一期根据上期的股票收益分为收益高和收益低的两组，再在其中每组间根据上期情绪高低分为情绪高和情绪低的两组，总共有四个组合：

1、高收益高情绪

2、低收益低情绪

3、高收益低情绪

4、低收益高情绪组合

下表2给出了不同样本区间内组合的收益表现（8个全国新闻机构和331个所有新闻机构）。其中Standard Reversal表示传统的反转组合（做多低收益-做空高收益），Reinforcement表示使用情绪加强反转的多空组合（做多低收益低情绪-做空高收益高情绪），LRHS_HRLS则表示做多低收益高情绪-做空高收益低情绪。可以看出：

1、无论是在Panel A还是Panel B中Reinforcement组合的收益均高于Standard Reversal，说明MRE效应的存在。

2、LRHS_HRLS的收益低于Standard Reversal，再一次验证了以上观点。

3、整体来说基于8大全国新闻机构的MRE效应强于所有331新闻机构的集合。

接下来，在8个全国新闻机构中，进一步分为国有和民营新闻机构，结果如下表所示。从Panel A和Panel B中Reinforcement与Standard Reversal的对比可以看出国有新闻机构的新闻MRE效应更强。或者说，国有新闻机构的新闻可以增强反转因子的表现，而民营机构的新闻不存在MRE效应。