網絡輿情對人民幣匯率的沖擊效應
——基于中美貿易摩擦事件

任仙玲，鄧 磊

中國海洋大學 經濟學院，山東 青島 266100

引言

近年來，“黑天鵝事件”頻出，如英國脫歐和特朗普當選等事件，對全球經濟造成劇烈沖擊，日益復雜的國際環境與國內經濟下行壓力[1]交織在一起，也給中國外匯市場帶來不可控的影響。在2018年中央經濟工作會議上，政府強調要把穩定外匯市場作為基本政策之一，因此進一步深入研究匯率影響因素，對推動中國經濟高質量發展具有重要意義。

在大數據時代，如何深入有效挖掘網絡蘊含的海量信息成為研究熱點。據《紐約時報》報道，2016年特朗普競選團隊利用5千萬份來自美國選民的Facebook個人檔案，建立個人信息系統，以預測和影響民眾的選擇，這是成功運用網絡大數據的一個案例。隨著互聯網的迅猛發展，通過網絡數據反映出來的輿情蘊含的重要信息勢必影響金融市場，因此，需進一步深入研究網絡輿情信息對外匯市場的影響。

考慮到全民炒股的網絡氛圍，若使用網絡整體輿情對外匯市場進行研究可能出現較大偏差，而2018年發生的中美貿易摩擦事件已成為廣大網民的熱點話題，其網絡輿情具有一定代表性。因此，本研究選用中美貿易摩擦事件的網絡輿情作為研究對象，考察其對外匯市場的影響。

已有研究多從均值角度探討網絡輿情與金融市場的關系，從分位數角度分析網絡輿情對匯率影響的研究較少?；诖?，本研究借助網絡社交平臺，抓取關于中美貿易摩擦事件的文本，構建網絡輿情信息指數，運用分位數Granger因果檢驗、分位數向量自回歸模型和脈沖響應技術，分析網絡輿情對中國外匯市場的沖擊效應。

1相關研究評述

1.1網絡輿情分析

關于網絡輿情的研究，多以文本分析為主，它是從語句中提取關鍵信息進行量化，從而獲取文本數據中蘊含的價值。當今社會處于網絡大數據時代，由于網絡數據量以百萬級計，因此無法以人工方式處理數據，需要借助計算機技術、使用特定分析方法來實現。

文本分析方法主要以情感詞典和機器學習為主，情感詞典分析法著重于情感詞典的選取，決定了文本分析的質量，目前常用于微博數據分析的字典包括大連理工大學情感詞典[2]、漢語情感詞極值表、Boson NLP極值表等?；跈C器學習的常見分類法包括最大熵模型[3]和神經網絡方法[4]等，考慮到機器學習存在需要大量優質樣本集、人工標注具有主觀性、過度擬合結果等問題，本研究選用情感詞典分析法進行研究。

1.2網絡輿情對金融市場的影響

凱恩斯在著名的《通論》里斷言，多數決策不是基于冷靜的理性判斷，而是出于受一種“動物精神”的驅使。這源于眾所周知的心理學事實，即易沖動的人傾向于產生過于樂觀或悲觀的選擇和判斷，從而帶動多數人改變自己的觀點。在這種“動物精神”的推動下，市場可能產生大幅的波動[5]。之后部分學者正式研究輿情在金融市場中的作用，發現市場輿情是金融資產收益預測相關的重要非經濟因素之一[6-7]，這表明輿情是均衡資產價格和收益的重要因素，將輿情融入資產定價模型有助于解釋投資者較為異常的行為表現。

隨著網絡技術的發展，諸多學者開始通過網絡輿情預測金融市場的相關信息，但在網絡輿情的獲取源頭上存在較為明顯的差異，英文文獻里常見的信息源頭有網絡新聞網站[8]和網絡專業媒體[9]等。CHEN et al.[10]將大數據和意見挖掘方法應用于臺灣的網絡輿情分析，使用來自雅虎股市新聞和谷歌股市新聞的實驗數據集進行驗證，結果表明股票或財務問題的評論內容可以有效地預測股票價格變動。中國的研究數據源多來自股吧和微博，部慧等[11]基于東方財富網股吧帖文，利用Granger因果檢驗等方法探討網絡輿情對中國股市的影響，結果表明輿情在整體上對股市收益率和波動率均無預測能力，但對當期的股市收益率和交易量有較明顯影響；黃潤鵬等[12]使用Granger因果檢驗發現微博輿情可以有效預測上證指數。

目前，網絡輿情對金融市場影響的研究多集中于股票市場，較少有研究探討輿情對外匯市場的影響。

1.3網絡輿情對匯率的影響

實際匯率作為國際經濟學的核心概念[13]，在進出口貿易中具有重要影響[14-15]，而出口貿易是推動中國經濟高速發展的“三駕馬車”之一，對實體經濟增長具有重要意義。2018年中央經濟工作會議報告中明確強調要“穩金融、穩外貿、穩外資”，可見維持外匯市場的基本穩定是中國貨幣當局的重要政策目標之一。伴隨著中國資本市場國際化程度的提高[16]，掀起了新一輪外匯市場變動影響因素的研究熱潮。

經典的匯率決定理論從最初的購買力平價[17]和利率平價[18]，發展為基本要素匯率決定理論[19]和行為均衡匯率決定理論[20]，這些理論都是以市場基本面為基礎，在論證過程中難免有較多的假設條件，這限制了實際的應用，也對短期匯率變動的解釋不夠全面。實際上，影響匯率的諸多因素中除了基本面因素，輿情這類非基本面因素也不應被忽視。在已有研究中，多數學者將網絡輿情等非基本面信息應用于對股市的分析，忽略了其對外匯市場也造成沖擊[21]。已有研究中，尹力博等[22]基于谷歌搜索量構建人民幣關注指數，利用GARCH-MIDAS模型分析對外匯市場的影響，結果表明，提高投資者關注能夠顯著增大匯率的價差波動；司登奎等[23]從理論層面闡釋了投資者情緒與匯率變動的影響機制，理論分析表明，投資者情緒在短期內對外匯市場波動有一定影響，但從長期看，情緒對外匯市場影響不顯著。

綜上研究表明，利用網絡輿情等非基本面信息分析匯率的變動具有廣闊的前景，但目前的研究方法多是在均值框架下展開，只能刻畫其對外匯市場的“平均”影響，忽略了其沖擊對外匯市場的影響可能在整個收益分配過程中發生變化。為了解決該問題，本研究采用分位數回歸方法[24]，它允許兩變量之間存在非對稱性關系[25]，因而可以精確刻畫兩者的尾部關系。在與股票市場相關的類似研究中，董孝伍等[26]和劉晨等[27]采用分位數回歸方法研究網絡輿情對股市的影響，結果表明不同分位點存在異質效應，他們直接對回歸系數進行顯著性檢驗，進而判別其影響是否具有異質性。雖然比均值回歸有重大改進，但該研究仍局限在靜態層面。許啟發等[28]通過采集微博數據，綜合運用均值和分位數Granger因果檢驗的方法，探討不同市態的股市與輿情的關系，結果發現基于均值角度兩者關系不明顯，而基于分位數視角卻存在廣泛的Granger因果關系，且各輿情對股市的影響具有異質性。此研究成果較全面地揭示了輿情與股市的因果關系，為在特定條件下股市收益的可預測性提供了佐證，但依然缺乏對其沖擊效應的分析。

綜上所述，學者們對外匯市場的決定因素等研究已有豐碩成果，但仍有不足之處。①多數關于匯率變動的研究沒有將輿情信息作為人民幣匯率的影響因素，忽略了匯率受非基本面的影響，從而對短期匯率變動解釋不夠全面。②已有研究多是在均值框架下展開，無法探討極端情況下網絡輿情與外匯市場的關系。③部分以分位數角度的研究，只是探討其相關關系是否存在，缺乏影響強度分析?；诖?，本研究綜合采用分位數Granger因果檢驗和分位數向量自回歸模型，探討網絡輿情對不同外匯市場結構的非對稱性沖擊效應，揭示其對外匯市場的異質影響，加深對匯率變動的理解，從而在當今中美貿易摩擦事件影響下，為外匯風險防范提供參考。

2網絡輿情分析和測量

2.1網絡輿情分析

隨著互聯網的大規模普及，網絡社交日益成為大眾的首選。微博是中國網民互動的主要平臺，新浪微博2018年第4季度財報顯示，月活躍用戶已達4.62億，日均活躍用戶突破兩億關口，表明微博具有龐大的用戶群體，較能準確代表網絡輿情，因此本研究選擇微博平臺進行研究。在抓取中美貿易摩擦事件微博數據過程中，沒有選擇特定目標用戶群作為抓取范圍，而是進行隨機抓取，以保證數據的有效性。2018年3月23日，美國率先在中美貿易戰場上打響第一槍，以此作為該事件開始的標志；在2019年10月12日，特朗普在白宮表示，美中經貿磋商取得了實質性的第一階段成果；同時考慮到中國國慶期間休市。因此，本研究選取2018年3月23日至2019年9月30日作為第一輪貿易摩擦期進行研究，共得到15萬余條原始文本，其中包含用戶對中美貿易摩擦事件的實時輿情信息。

2.2網絡輿情信息指數的構建流程

本研究采用中文文本分析方法，將中美貿易摩擦文本進行分詞處理，通過信息詞典對詞語進行包括利好信息和利空信息的極性分類以及信息強度打分，具體流程見圖1。

(1)數據清洗。將抓取到的關于中美貿易摩擦事件文本進行清洗，清洗后剩11萬余條文本。清洗內容包括：①分享的小視頻和文章；②微博話題內容，#話題#里內容剔除；③網頁鏈接。最終清洗后的數據只包括發布者的原創微博和主觀信息，將得到的微博文本通過玻森(Boson NLP)中文語義開放平臺(http:∥bosonnlp.com/)進行分詞處理。

(2)停用詞典選取。中文語句含有大量的停用詞，若不進行剔除，最終得到的信息分值將出現較大誤差。因此，根據現有網絡資源，對哈爾濱工業大學停用詞詞庫、四川大學機器學習智能實驗室停用詞庫和百度停用詞表等各種停用詞表整理去重，共得到1 598個停用詞。將清洗后的文本進行分詞處理，再與停用詞對比，刪除相應的停用詞。為了更直觀展示去除停用詞之后的主要內容，將其進行詞云渲染，得到輿情詞云見圖2。

由圖2可知，市場、經濟、關稅、影響、企業等詞是微博文本里出現最多的詞語，說明網民對中美貿易摩擦事件的討論主要集中在市場經濟和關稅等問題上。

圖1 輿情信息指數構建流程Figure 1 Process of Constructing Public Opinion Information Index

圖2 中美貿易摩擦事件的輿情詞云Figure 2 Word Cloud of Public Opinion on the Sino-US Trade Friction

(3)信息詞典擴充。文本分析質量關鍵在于信息字典的選取，在已有研究中大連理工大學本體庫得到較為廣泛的應用，該詞典將詞語進行不同極性劃分，并進行強度打分。考慮到微博中網絡詞匯具有濃厚的口語化特點，因此在大連理工大學本體庫的基礎上，加入漢語情感詞極值表和Boson NLP極值表作為補充。若某一詞語在多個詞典內均有出現，則取其平均值作為該詞語信息強度，表1給出信息詞典示例。

表1 信息詞典示例Table 1 Examples of Information Dictionary

(4)單文本信息指數構建。將去重后的情感詞語與信息詞典進行匹配，賦予單個情感詞語的信息強度和極性，信息極性包括利好信息和利空信息。將同一文本的詞語按照信息極性分類匯總，取其平均值得到單個文本的信息指數。

2.3網絡輿情信息指數度量

通過以上流程得到單個文本的信息指數，將當天微博文本的所有輿情信息指數進行加總后取平均值，得到當天不同極性的輿情信息指數序列，將其繪制為圖3。由圖3可知，在信息分值和信息占比的比較中，利好信息明顯高于利空信息，說明對于中美貿易摩擦事件，網民總體上持樂觀態度。

(a)信息分值

(b)信息占比圖3 各輿情信息指數的信息分值和占比示意圖Figure 3 Schematic Diagram of Information Score and Proportion of Each Public Opinion Information Index

3理論和計量模型

3.1網絡輿情對匯率影響的理論分析

網絡輿情對匯率的影響主要是通過理性和非理性預期共同作用，但落腳點都放在投資者行為上，即最終都歸結于改變投資者決策從而導致匯率變動。

(1)預期效應。行為金融學理論認為，市場上不存在絕對理性的投資者，在市場參與者進行外匯交易的過程中，心理因素往往影響機構市場參與者的投資判斷，進而產生一定的心理波動。因此，匯率除受一些基本面因素的影響外，市場投資者的一致預期所發揮的潛在作用也不應被忽視，而網絡輿情可以顯著影響其預期，進而在很大程度上改變其投資決策行為。

(2)中介效應。貨幣當局為穩定匯率而在外匯市場進行干預時，市場往往對這一行為過度解讀，其產生的網絡輿情反而可能造成意外的干預效果。因此，從這一角度看，網絡輿情是連接外匯干預與匯率變動的一個重要媒介。

(3)信息效應。在中美貿易摩擦事件中，美國總統特朗普在推特發布“重磅”信息，勢必在網絡上醞釀出輿論導向，而通過網絡數據反映出來的輿情必然蘊含著有價值的信息，因此網絡輿情又具有理性的一面。

3.2分位數Granger因果檢驗

雖然均值回歸在滿足古典假定的條件下其最小二乘估計量具有良好的統計性質，但現實中很難滿足古典假定條件，且均值作為數字特征只能刻畫條件分布的局部信息，無法刻畫尾部特征。因此，本研究使用分位數回歸模型，應用該模型，無需要求在各個分位點具有相同的分布，且與均值回歸相比，可以更全面刻畫中美貿易摩擦事件的網絡輿情對匯率的沖擊效應。

考慮分位數的回歸模型為

(1)

其中，t為期，t=1,…,T，T為樣本容量；j為匯率收益率的滯后期數，p為匯率收益率的最大滯后期數，j=1,2,…,p；i為網絡輿情的滯后期數，q為網絡輿情的最大滯后期數，i=1,2,…,q；QIndt(τ|Ω)為匯率收益率在τ分位點的值；τ為分位點，τ∈(0,1)；Ω為(t-1)期的信息集；Indt-j為相對于t期滯后j期的在岸人民幣即期收益率；Inft-i為相對于t期滯后i期的網絡輿情；α0(τ)為截距項，αj(τ)和βi(τ)為對應的回歸系數，它們的估計量由加權絕對殘差最小和得出，其原理可以參考KOENKER et al.[29-31]的研究。將Indt和Inft定義為

Indt=100·(lnCNYt-lnCNYt-1)

(2)

Inft=10·(Mt-Mt-1)

(3)

其中，CNYt為t期在岸人民幣匯率，Mt為t期不同極性的輿情信息指數。

為了檢驗網絡輿情是否為匯率的分位數Granger原因，基于(1)式的回歸系數，在τ分位點定義兩者的Wald檢驗統計量，即

(4)

3.3分位數向量自回歸模型和分位數脈沖響應函數

分位數向量自回歸(quantile vector autoregression,QVAR)模型的提出經歷了不同的階段[35-37]，WHITE et al.[38]將其發展成熟，該模型拓展了均值意義的脈沖響應分析，可以從不同分位點分析網絡輿情對匯率的脈沖響應。本研究為了減少來自其他國家的輿情對實證結果的干擾，引入全球恐慌指數和中美利差作為控制變量，全球恐慌指數作為外國輿情代理變量，中美利差作為基本面信息的代理變量。中美利差變量定義為

(5)

構建包含網絡輿情、在岸人民幣即期收益率、中美利差和全球恐慌指數的QVAR模型，即

t=2,…,T

(6)

(7)

4實證分析

4.1數據選取和描述性統計

為了研究中美貿易摩擦事件的網絡輿情信息對匯率的沖擊效應，除網絡輿情指數日度數據外，還需要外匯市場日度數據。本研究選取的研究對象為在岸人民幣兌美元即期匯率(間接標價法)，選擇的樣本區間與網絡輿情數據保持一致，為2018年3月23日至2019年9月30日，剔除日期不匹配的數據，共得到373個數據。除網絡輿情指數外，文中其他數據皆來源于Wind數據庫。

圖4給出2015年“811匯改”后的匯率走勢圖，藍線和紅線分別表示中美貿易摩擦事件爆發前、后的匯率值，自2017年5月26日人民幣中間價引入逆周期因子后，人民幣出現升值趨勢，并一直持續到發生中美貿易摩擦，隨后人民幣出現較為明顯的貶值趨勢，說明中美貿易摩擦對外匯市場有較為明顯的負向沖擊。

此外，為探討網絡輿情信息對不同階段的外匯市場的沖擊效應是否具有顯著差異，本研究將樣本期間的外匯市場劃分為3個階段，見表2，每個階段外匯的走勢見圖5，藍線、紅線和綠線分別表示人民幣貶值階段、平穩階段和升值階段的中間價。

圖4 “811匯改”后在岸人民幣兌美元即期匯率走勢Figure 4 Trend of Spot Exchange Rate of Onshore RMB Against USD after “811 Exchange Reform”

匯市階段特點時間區間人民幣貶值階段匯率呈現下降趨勢2018年3月23日至2018年10月8日2019年4月8日至2019年5月23日2019年8月1日至2019年9月3日人民幣平穩階段匯率整體上無較大變化2018年10月9日至2018年12月24日2019年5月24日至2019年7月31日2019年9月4日至2019年9月30日人民幣升值階段匯率呈現上升趨勢2018年12月25日至2019年4月4日

圖5 樣本期間在岸人民幣兌美元即期匯率走勢Figure 5 Trend of Spot Exchange Rate of Onshore RMB Against USD in the Sample Range

變量符號均值標準差最大值最小值偏度峰度J-B檢驗量匯率收益率Ind-0.0290.2260.711-0.8980.1961.92958.274???利好信息good0.0010.5072.541-2.282-0.2293.326170.429???利空信息bad-0.0020.5781.982-1.5610.1540.4294.090

注：***為在1%顯著性水平上拒絕原假設，下同。

表3給出樣本期間匯率收益率和網絡輿情信息的統計特征。表3統計結果表明，匯率收益率呈現尖峰厚尾特性，J-B檢驗量也表明匯率收益率不服從正態分布，適合采用分位數回歸加以分析。各極性信息均值皆接近于0，J-B檢驗量表明利好信息不服從正態分布。

為避免出現偽回歸現象，本研究采用ADF檢驗和PP檢驗對各序列進行分析，表4給出檢驗結果。各時間序列在1%顯著性水平上都拒絕原假設，認為不存在單位根，意味著所有時間序列都平穩，可以進行分位數Granger因果檢驗。

表4 平穩性檢驗結果Table 4 Results for Stationarity Test

4.2網絡輿情對匯率影響的分位數因果檢驗分析

傳統的均值回歸只能描述匯率受不同極性信息時間序列波動的平均影響，而分位數回歸可以全面分析中美貿易摩擦事件對外匯市場的影響。本研究基于BIC信息準則[40-41]確定分位數Granger因果檢驗的滯后階數，將[0.100,0.900]分位區間以0.050為間距分成16個子區間，根據Sup-Wald值判斷各區間是否存在Granger因果關系，其檢驗結果見表5。由表5可知，不同極性信息多是各階段匯市變動的Granger原因，且滯后階數主要集中在1階和2階，由于在平穩階段利好信息不是匯市變動的Granger原因，后續將不再進一步探討利好信息對平穩階段匯市的影響。

4.3網絡輿情對匯率影響的分位數脈沖響應分析

根據表5分位數Granger因果檢驗結果可以發現，網絡輿情對匯率的Granger因果關系多存在于尾部區間，所以構建QVAR模型和脈沖響應函數研究沖擊效應。

為了便于比較極端與正常情況的沖擊效應，本研究采用τ=(0.100,0.200,0.500,0.800,0.900)分位數進行QVAR建模和脈沖響應分析。圖6為在一個單位標準差沖擊下的響應圖，橫軸表示脈沖期，單位為天數，縱軸表示不同分位區間的響應值。該圖直觀顯示出在不同階段的匯市下網絡輿情對匯率沖擊效應的演變特征，分析響應圖得出以下結論。

表5 分位數Granger因果檢驗結果Table 5 Results for Quantile Granger Causality Test

注：Sup-Wald為分位數Granger因果檢驗中的Sup-Wald檢驗統計值；分位區間為分位數Granger因果關系顯著成立的分位點所在區間，沒有數據表示不存在分位區間使分位數Granger因果關系成立；**為在5%顯著性水平上拒絕原假設，*為在10%顯著性水平上拒絕原假設。

(1)多數輿情信息對外匯市場具有短暫的反向影響且尾部沖擊強于中位點沖擊

多數輿情信息對匯率的首期沖擊為負，隨后呈現正負交替特點，且響應迅速衰減，大約到第4期至第6期基本接近收斂，這一結果表明多數輿情信息對外匯市場具有短暫的反向影響。同時可以發現，較大的響應值往往來自于極端分位點，多數中位點的響應值在首期即已接近0，表明輿情信息更易與極端分位水平的匯率建立聯系，從而產生較明顯的沖擊，而在中心位置該沖擊卻并不明顯。原因在于，當匯率處于正常水平時，投資者行為更趨理性，不易受網絡輿情的影響；而當匯率處在極端分位水平時，投資者更易滋生對中美貿易摩擦事件的看衰或看漲預期，從而易受網絡輿情影響，做出非理性行為，加劇外匯市場的變動。

(2)輿情信息對貶值階段的外匯市場的沖擊較小且尾部沖擊異于其他分位點

當匯市處于貶值階段時，多數輿情信息對匯率的沖擊小于0.100，明顯小于其對升值階段匯市的沖擊。值得注意的是，利好信息對0.900分位水平匯率的沖擊強度顯著高于其他分位點，且利好信息對極端分位水平匯率的沖擊效應為負，中位點沖擊效應為正，說明匯市處在極端情況時對輿情信息的反應與正常時期存在明顯差異。

(3)利空信息對平穩階段外匯市場的沖擊存在非對稱性特點

當匯市處于平穩階段時，利空信息對各分位水平匯率的影響具有明顯的非對稱性特點，表現為0.900分位水平匯率的響應值明顯小于0.100分位點，且在第2期后具有持續的正向沖擊特點，并在中位點其沖擊強度降到最低。說明當匯率處于0.100分位點時，投資者易被利空信息影響，形成看衰人民幣預期。而當匯率處于0.900分位點時，其第2期以后的響應值變為正值，這一特點不僅與低分位點的沖擊效應形成鮮明對比，而且與大多數網絡輿情對外匯市場的影響也不盡相同，說明不同市場階段和不同分位點都會影響其沖擊效應。因此，輿情信息對外匯市場的沖擊表現出時變性和非對稱性。

(4)輿情信息對升值階段的外匯市場的沖擊具有強度大且衰減慢的特點

當匯市處于升值階段時，利好信息與利空信息對匯率的沖擊表現趨同，具有強度較大且持久的特點，而且尾部沖擊明顯大于平均水平，說明匯率上揚時，投資者對網絡輿情敏感度較高，稍有“風吹草動”就會采取行動，因此網絡輿情更易對外匯市場帶來較大沖擊。

(a)貶值階段利好信息 (b)貶值階段利空信息 (c)升值階段利好信息 (d)升值階段利空信息(e)平穩階段利空信息

圖6各階段外匯市場脈沖響應

Figure 6Pulse Response of Foreign Exchange Market in Each Stage

5結論

本研究以中美貿易摩擦事件的網絡輿情與匯率的關系作為研究對象，使用分位數Granger因果檢驗、QVAR模型和脈沖響應方法，研究該網絡輿情對不同階段外匯市場的沖擊效應及其差異性。通過理論和實證分析發現，該網絡輿情對匯率的影響具有顯著異質性和非對稱性特點，即網絡輿情對不同階段的匯市影響存在差異，同時對不同分位水平匯率的影響也不盡相同。網絡輿情對尾部匯率的沖擊效應顯著強于中位點，表明人民幣匯率處在高位或低位時更易受到網絡輿情影響。具體結論如下：

(1)多數輿情信息對外匯市場的影響呈現正負交替現象，收斂速度較快，說明網絡輿情只在短期影響匯率，且往往是負向沖擊。當匯市處在平穩階段時，利空信息對高分位水平的匯率帶來持久的負向沖擊。

(2)從均值看，難以發現網絡輿情對匯率的變動影響，而在極端分位點，網絡輿情對匯率的影響更顯著，且具有非對稱性特點。

(3)輿情信息對外匯市場的沖擊效應具有異質性特點，利空信息對匯率的影響范圍更廣泛且差異明顯，利好信息對升值階段的匯市影響更大。

本研究的意義體現在，①本研究關注匯率變動的影響因素。已有研究多從基本面信息解釋匯率變動，而本研究將外匯市場進一步細分，探究不同極性輿情信息對不同分位點匯率的沖擊效應，拓展了關于匯率變動的研究，具有一定的理論意義。②本研究利用微博數據構建網絡輿情指數，是基于中國龐大網民的有效數據集，有效地挖掘網絡大數據所蘊含的價值。與已有使用代理情緒指標的研究相比，其結果更具說服力，同時為金融風險管控提供新的佐證。③本研究分析極端情況下匯率的影響因素，能夠為金融風險管控部門提供網民對某重大事件的關注焦點和情感態度，有助于其及時掌握網絡輿情，為后續的應對管理提供理論和方法支持，對維持中國匯市穩定具有一定的現實意義。

本研究通過中美貿易摩擦事件的網絡輿情分析對匯率的沖擊效應，具有一定的啟發意義，但也存在不足之處。首先，本研究選取的研究對象為中國外匯市場，其結論是否可以推廣到發達國家或其他發展中國家，還有待進一步考證。其次，網絡輿情影響外匯市場的作用機理需要進一步深入研究。