新聞情緒風險與股票收益

顧洪梅 張嫚玲

一、引言與文獻綜述

風險與收益的關系是現代資產定價的核心問題，近年來“低風險定價異象”(low risk anomalies)受到學者們的廣泛關注，它挑戰了傳統的資本資產定價模型所給出的結論。資本資產定價模型(capital asset pricing model，CAPM)用市場貝塔代表市場風險，并得出高市場風險的股票會獲得較高收益的結論。然而，隨著研究的深入，一些學者得到了相反的結論，他們認為高風險不一定會帶來高收益，高貝塔股票對應的超額收益更低，這類現象現在統稱為“低風險定價異象”。從不同視角度量風險并研究風險收益關系，會給人們更全面的認識，比如市場風險(Hong和Sraer，2016[1]；Bali等，2017[2])、總體風險(Yu和Yuan，2011[3])等。新聞情緒傳播范圍較廣，不受地域限制，因此新聞情緒是影響投資者決策的一個重要指標，進而影響股票收益。但目前鮮有學者從新聞情緒風險角度出發研究風險和收益之間的關系，因此本文擬從新聞情緒風險的角度出發，研究中國股票市場新聞情緒的低風險定價異象問題。

新聞情緒風險是本文參照市場貝塔的概念提出的。一些學者提出情緒貝塔，并用情緒貝塔代表情緒風險，本文從新聞視角進行研究，構建新聞情緒指標，用新聞情緒貝塔來代表新聞情緒風險。一些研究表明，投資者情緒會對資產價格產生影響(楊曉蘭等，2016[4]；尹海員和吳興穎，2019[5])。此外，一些學者發現，媒體新聞情緒對股票收益存在顯著的影響。張祚超等(2021)[6]發現，媒體新聞對股市收益波動存在顯著的正向影響。陸沁曄和陳昊(2021)[7]通過構建媒體報道綜合指標，分析了媒體報道對股價波動的影響，結果表明一些投資者會根據媒體新聞構建信息框架，因此媒體新聞直接影響投資者決策并引發股價波動。盡管一些文獻已經開始關注情緒貝塔對股票收益的影響(Glushkov，2006[8]；Berger和Turtle，2012[9]；Liang，2016[10]；王玨和陳永帥，2018[11]；黃波和方茜，2019[12])，比如王玨和陳永帥(2018)[11]分析了情緒貝塔對股票收益率及證券投資基金持股行為的影響，結果表明情緒貝塔與股票收益率呈負相關關系，而且證券投資基金更愿意持有情緒貝塔較高的股票。但是多數學者只關注到了市場情緒貝塔，新聞情緒貝塔還未引起學者們的廣泛關注。

個股新聞情緒是根據各公司的新聞數量構建得到，每個公司有自己的新聞情緒，而市場情緒是依據全市場指標構建的總體情緒。因此，相較于總體市場情緒，新聞情緒具有個性化特征，對投資者的影響也存在差異。新聞情緒主要有如下三個方面特征：一是與市場情緒相比，新聞情緒傳播性更廣。新聞情緒作為意見領袖很容易大范圍地擴散，不斷被重復、強化并放大，與此同時，公眾對新聞傳播存在認知預設心理，會對新聞的客觀性、權威性進行不斷的心理暗示(游家興和吳靜，2012[13])。作為公開信息，新聞受到投資者的廣泛關注。二是新聞情緒與其他媒體(如社交媒體)中的情緒相比，客觀性更強，影響力更大。因為新聞發布主體往往是官方代表或相對獨立的第三方，是官方發布正式信息的重要渠道。三是個股新聞情緒比市場情緒更能反映出公司的差異化特征。媒體不僅是信息的載體，也是改變投資者信念的重要因素之一(黃宏斌等，2017[14])。新聞內容及新聞情緒會對投資者產生影響，投資者在新聞情緒的推動下做出非理性行為，改變投資者決策并進一步影響股票市場。此外，新聞情緒的來源是各公司新聞，雖然影響投資者情緒，但投資者情緒無法代表新聞情緒，因而研究新聞情緒對股票市場的影響具有重要意義。本文關注新聞情緒風險對股票收益的影響，發現了中國股票市場新聞情緒的低風險定價異象，也為投資者提供一個制定投資組合策略的新思路。投資者可以關注公司的相關新聞，并根據公司規模、上市時間等公司特征判斷新聞情緒風險，進而制定投資組合策略。同時，本文為后續新聞情緒風險的研究提供了一定參考。

本文構建新聞情緒貝塔代表新聞情緒風險，并進一步分析新聞情緒風險對股票收益的影響。為了分析新聞情緒風險的作用，本文首先根據不同類別的新聞數量，構建個股新聞情緒指數；接著利用滾動回歸的方法測度新聞情緒貝塔，以代表新聞情緒風險。本文根據新聞情緒貝塔值的大小將股票分為5組進行研究，結果表明無論是從等權重的角度還是市值加權的角度，新聞情緒貝塔較低的投資組合都具有更高的超額收益和alpha值(1)包含CAPM模型、Fama-French三因子模型和Fama-French五因子模型的alpha值。，即新聞情緒風險較低的投資組合擁有更高的超額收益。此外，本文通過Fama-Macbeth橫截面回歸，發現新聞情緒貝塔對股票超額收益存在顯著的負向影響，即新聞情緒風險低的股票會獲得更高的超額收益。本文發現中國股票市場具有新聞情緒風險的低風險定價異象。此外，本文發現，承擔較高新聞情緒風險的公司具有更高的市場風險和波動性，同時這些公司還具有市值較小、上市時間較短的特征。進一步，在控制了公司特征以后，本文發現新聞情緒風險零投資組合(Low-High)在統計上依舊顯著。

與已有文獻相比本文可能的貢獻如下：第一，本文從新聞情緒的角度出發，使用新聞文本數據構建新聞情緒并在其基礎上衡量新聞情緒貝塔，代表新聞情緒風險。第二，本文對新聞情緒風險與股票收益之間的關系進行分析，結果表明新聞情緒風險越低，收益越高，即承擔較低新聞情緒風險的公司會獲得更高的超額收益。第三，本文發現了中國股票市場新聞情緒的低風險定價異象，大多數文獻僅從市場情緒的角度研究市場情緒風險與股票市場之間的關系，鮮有學者從新聞情緒風險的角度出發進行相關研究。因此，本文對新聞情緒風險和股票市場之間的關系進行深入研究，為后續新聞情緒風險的相關研究提供一定參考。

二、理論分析與研究假設

本文構建新聞情緒貝塔代表新聞情緒風險，研究中國股票市場新聞情緒的低風險定價異象，以期幫助投資者更好地制定投資組合策略。以往文獻大多從市場情緒角度出發，雖然證明了市場情緒貝塔對股票收益存在影響，但忽略了新聞情緒的重要作用。為了分析新聞情緒風險與股票市場的關系，本節將從兩個視角進行深入研究，首先分析情緒風險與市場風險的關系，進而得到不同情緒風險的股票特征；進一步分析新聞情緒風險對超額收益的影響，以檢驗中國股票市場新聞情緒的低風險定價異象，并提出相關研究假設。

(一)情緒風險與市場風險

Glushkov (2006)[8]首次提出了情緒貝塔這一概念，指的是股票收益對情緒變化的敏感程度，在公式中體現為收益對情緒變化回歸的系數。此后，越來越多的學者關注到情緒貝塔這一概念，在Glushkov(2006)[8]的基礎上進一步研究市場情緒貝塔對股票市場的影響，結果表明，情緒貝塔不同的股票在規模、波動性等方面具有不同的特征，而且情緒貝塔較高的股票更容易被錯誤定價。因此，本文參照市場貝塔的概念，用情緒貝塔代表情緒風險。

情緒貝塔較高的股票其波動性也會相對較高，因為它們的情緒風險更高，對情緒更加敏感，更容易受外界因素的影響。Berger和Turtle (2012)[9]發現市場情緒貝塔較高的股票具有規模小、上市時間短、波動性大的特征。宋澤芳和李元(2012)[15]發現，波動率較高的股票更容易受情緒的影響，同時也承擔了更多的市場風險，即波動率較高的股票擁有更高的情緒風險和市場風險。D’Avolio (2002)[16]發現，波動較大的股票往往對市場情緒的變化更為敏感，即該類股票的市場情緒貝塔值更高。此外，由于散戶投資者的情緒相比機構投資者來說更為敏感，因此散戶投資者投資組合情緒貝塔值更高，其市場貝塔值也超過平均值，即情緒貝塔較高的投資組合也具有較高的市場貝塔值(Barber和Odean，2000[17])。綜上，承擔情緒風險較多的公司也承擔了較多的市場風險，它們往往波動較大。

許多研究表明，上市時間較短的公司股票可能承擔了更多的情緒風險，其情緒貝塔值更高，并具有難以估值和市值較低的特點。Baker和Wurgler(2007)[18]發現，上市時間較短的股票對投資者情緒更為敏感，更容易受到情緒的影響，即情緒貝塔較高的股票往往表現出上市時間較短的特征，這類股票由于上市時間晚，歷史較短，因此很難應用傳統的估值模型來估計盈利。D’Avolio (2002)[16]發現，這類難以估值的新股，不僅情緒貝塔值較高，而且其對應的市值也較低，即情緒風險較高的股票同時具有上市時間短、市值較低的特點。Berger和Turtle (2012)[9]也發現，對投資者情緒敏感度較高的股票往往難以套利，這類股票的共同特征是上市時間較短、市值較低。他們證明了上述觀點，即高情緒貝塔的股票，具有上市時間短、市值較低的特點。

以往文獻將公司按照市場情緒風險大小的不同進行分組，并進一步分析不同投資組合的特征。盡管學者們已經關注到情緒風險，但多數研究只關注了市場情緒風險，往往忽略了新聞情緒角度。新聞情緒風險同樣是一個十分值得研究的內容，為了更加全面地考慮新聞情緒風險對股票收益的影響，本文擬從新聞情緒角度出發，衡量新聞情緒風險并分析不同新聞情緒風險投資組合的特征。由于新聞情緒貝塔和其他以往文獻使用的市場情緒貝塔均代表情緒風險，表示對情緒的敏感程度，從風險定義的角度來看具備一定的共性?；诖?，本文提出假設1。

H1：與低新聞情緒風險的股票相比，高新聞情緒風險的股票具有市場貝塔較高的特點，同時還具有波動性較大、市值較小、上市時間較短等特征。

(二)新聞情緒風險與超額收益

新聞情緒風險較高的股票往往市場風險也較高，那么是否高風險一定會帶來高收益呢？本文擬從低風險定價異象和新聞情緒自身特點展開相關分析。

理性預期是在有效地利用一切信息的前提下，對經濟變量做出的在長期中平均說來最為準確的，而又與所使用的經濟理論、模型相一致的預期。但現實中，人們并不都是理性的。資本資產定價模型(CAPM)利用市場貝塔衡量股票的市場風險(即系統性風險)，并得到了高市場貝塔股票有更高的收益這一結論，也就是說承擔高風險的股票應當獲得更高的收益。一些學者也從情緒風險的角度得到了類似的結論，即市場情緒貝塔較高的股票有著更高的超額收益，因為高情緒貝塔意味著該公司承擔了更多的情緒風險(Baker和Wurgler，2007[18])。

隨著研究的深入，一些學者得到了相反的結果，他們發現，市場貝塔較高的股票呈現出較低超額收益的特征，即存在低風險定價異象(Frazzini和Pedersen，2014[19]；Baker等，2011[20])。姜富偉等(2021)[21]基于大數據構建智能動態CAPM模型，并解釋了中國低風險定價異象。周愛民和遙遠(2019)[22]從異質信念和投資者情緒的角度證明中國股票市場低風險定價異象的存在性。本文擬深入研究中國股票市場是否存在新聞情緒的低風險定價異象。

本文在新聞情緒指數的基礎上進一步構建新聞情緒貝塔指數，代表公司承擔的新聞情緒風險。如果公司對新聞的反應強烈則可以認為其承擔了較高的新聞情緒風險，對新聞情緒的敏感度越高，同時對應的新聞情緒貝塔指數也越高，反之相反。公司對新聞的敏感程度在一定程度上會影響股票收益。對投資者情緒高度敏感的股票更容易被錯誤定價，較高的信息不對稱加強了情緒驅動的錯誤定價效應(Liang，2016[10])。從新聞的角度來說，低新聞情緒貝塔的公司意味著他們對外界的新聞并不敏感，即公司本身更加穩定，承擔較低的新聞情緒風險。因此，相比新聞情緒貝塔較高的公司來說，這些公司波動較小，更不容易受外界的影響，進而擁有更高的超額收益和alpha值?；诖?，本文提出假設2。

H2：新聞情緒風險較低的投資組合具有更高的超額收益。即具有最低新聞情緒貝塔的投資組合的股票，比具有最高新聞情緒貝塔投資組合的股票，具有更高的超額收益和alpha值。

三、變量選取與指標構建

本文新聞量化統計數據來自中國研究數據服務平臺(CNRDS)中的中國上市公司財經新聞數據庫(CFND)模塊(2)CFND是國內首個采用人工智能算法來采集、整理和分析上市公司財經新聞的大數據數據庫，其數據來源涵蓋400多家網絡媒體和600多家報紙刊物，可以更加準確地識別新聞情感。，構建市場情緒數據及股票市場數據來自Wind數據庫和CSMAR數據庫。樣本來自全部滬深上市公司，去除金融、ST和缺失數據的公司，樣本數量達1 153家公司，樣本時間為2005年4月— 2020年2月(3)2005年4月為中國股份制改革的時間。。

(一)新聞情緒與新聞情緒風險

本文分兩步構建新聞情緒，第一步是根據新聞數量構建新聞指數；第二步是將剔除宏觀經濟因素后的新聞指數定義為新聞情緒。新聞指數通過新聞量化統計數量計算，包含積極新聞、消極新聞和中性新聞。公司i第t月的個股新聞指數如下：

newsindexi,t=(posi,t-negi,t)/(posi,t+neui,t+negi,t)

(1)

其中，newsindexi,t為公司i第t月的新聞指數，posi,t為公司i第t月的積極新聞數量，negi,t為公司i第t月的消極新聞數量，neui,t為公司i第t月的中性新聞數量。

本文進一步剔除新聞指數中的宏觀經濟因素，具體如公式(2)所示，其中CPI為消費者物價指數，PPI為生產價格指數，MBCI為宏觀經濟景氣指數，三者與新聞指數回歸后的殘差為新聞情緒sentnewsi,t。

(2)

借鑒一些學者構建市場情緒貝塔指數代表市場情緒風險的方法(Glushkov，2006[8]；Berger和Turtle，2012[9]；黃波和方茜，2019[12]；胡昌生等，2020[23])，本文選用滾動回歸的方法，并選擇60個月的滾動窗口，估計出每只股票的新聞情緒貝塔值，表示新聞情緒風險。在滾動回歸后，本文的樣本時間從2005年4月—2020年2月變為2010年3月—2020年2月。參照Glushkov(2006)[8]以及胡昌生等(2020)[23]的方法，在控制了其他風險因素的基礎上測度新聞情緒貝塔，公式如下：

(3)

其中，Ri,t是公司i在第t月的股票收益率，Rf,t是第t月的無風險收益率，Rmrft是市場超額收益率，Smbt是市值因子，Hmlt是賬面因子，Liqi,t是公司i在第t月的流動性。在流動性指標的選擇上，參照徐加根和何家璇(2022)[24]，選擇了Amihud非流動性指標。Δsentnewsi,t是公司i在第t月的新聞情緒變化，新聞情緒變化等于公司i在第t月的新聞情緒減第t-1月的新聞情緒，βi,t為公司i在第t月的新聞情緒變化的系數。由公式(3)可以看出，當βi,t大于零時，若Δsentnewsi,t大于零(即新聞情緒正向變化)，則提高了股票超額收益，若Δsentnewsi,t小于零(即新聞情緒負向變化)，則降低了股票超額收益；當βi,t小于零時，情況相反。

新聞情緒風險表示股票超額收益對新聞情緒變化的敏感程度，βi,t的符號代表引起收益變動的方向。本文將新聞情緒變化的系數βi,t取絕對值作為新聞情緒貝塔值sentbeta，即用取絕對值后的sentbeta代表新聞情緒風險的大小，因為風險大小與收益變動方向無關，僅與幅度大小有關。這樣做也可以保證后續根據sentbeta的大小對公司進行分組時，分在同一組的公司對新聞情緒的敏感程度相近；如果直接根據βi,t對公司進行分組，那么敏感程度相同但符號相反的兩個公司會被分到不同的組，導致結果出現偏誤。

(二)市場情緒

市場情緒反映了投資者對整個市場的態度，對于每只股票來說市場情緒都是一樣的。個股新聞情緒反映了投資者對特定股票新聞的樂觀或悲觀態度，每家公司都有自己的新聞情緒。本文借鑒Baker和Wurgler (2006)[25]對情緒的衡量方法，考慮到中國股票市場的數據，借鑒易志高和茅寧(2009)[26]，最終選取以下5個源指標：

1.封閉式基金折價率(DCEF)。

封閉式基金折價率是指行情基金按照基金份額加權的綜合折價率，不僅能夠表現出基金的活躍狀況，還可以在一定程度上體現投資者對市場的判斷，因此可以反映市場情緒的變化。本文選用封閉式基金折價率的月度數據進行研究。

2.上月交易量(VOL)。

上月交易量是指上月交易金額與流通市值的均值比，交易量可以反映市場的流通性。市場流通性較高時，投資者積極參與交易，交易量增加，反之相反。因此，交易量可以作為市場情緒的代理指標。本文選用月度數據進行研究。

3.上月新增投資者開戶數(NIA)。

由于我國股票市場還處在發展過程中，因此上月新增投資者開戶數可以反映我國股票市場上投資者的參與度，進而反映出市場情緒。當新增投資者開戶數較多時，說明投資者積極參與市場，市場情緒高漲，反之市場情緒低落。本文使用上月新增投資者開戶數的自然對數形式。

4.消費者信心指數(CCI)。

消費者信心指數由國家統計局編制，已有學者表明消費者信心指數能夠較好地反映投資者情緒(易志高和茅寧，2009[26])，因此本文選用消費者信心指數作為市場情緒的代理指標。本文使用月度數據進行分析。

5.IPO數量(NIPO)。

IPO數量為每月首次公開發行募集資金數量，能夠較好地反映出市場情況，當IPO數量較高時說明市場積極參與，市場情緒較高，反之較低。因此IPO數量可以作為市場情緒的代理指標。本文選用IPO月度數據進行分析。

由于以上市場情緒代理指標中均可能包含宏觀經濟基本面成份，因此本文將以上指標進行標準化處理后(轉化為均值為0，標準差為1的數據)，進一步剔除了宏觀經濟因素(包含生產價格指數、消費者物價指數以及宏觀經濟景氣指數)的影響，并利用主成分分析法構建市場情緒sentmt。

(三)其他變量

其他變量包含股票市場數據和公司特征數據。股票市場數據包括個股月度收益率retm、無風險收益率rft、市場超額收益率Rmrft、市值因子Smbt、賬面因子Hmlt、盈利能力因子Rmwt和投資因子Cmat。公司特征數據，包括公司規模sizei,t、公司上市時間agei,t、股票價格pricei,t、市場風險marketbetai,t、股票波動率voli,t、公司流動性指標Liqi,t以及公司信息透明度指標Opacityi,t。

表1報告了相關變量的描述性統計。新聞情緒風險變量sentbeta值的大小表示公司對新聞情緒變化的敏感程度，其值越接近零，說明股票超額收益率對新聞情緒敏感度越低。從表1可知，新聞情緒風險的最小值是0.001 0，最大值高達37.262 6，這說明不同公司對新聞情緒的敏感程度有顯著差別，即各公司承擔的新聞情緒風險差別較大。從公司承擔的市場風險marketbeta來看，市場風險最小值為-1.686 0，最大值為5.007 5。可見本文選擇的樣本公司特征差異較大，比較全面地覆蓋到各種特征公司，所得到的結果更加具有代表性。

表1 變量的描述性統計結果

四、實證分析

(一)市場情緒和新聞情緒的比較

本文將市場情緒和新聞情緒對個股收益率進行回歸，選擇Fama-French三因子和五因子作為控制變量進行回歸，回歸結果如表2所示。表2的列(1)～列(4)為Fama-French三因子模型的回歸結果，列(5)～列(8)為Fama-French五因子模型的回歸結果。由表2可知，單獨將市場情緒或新聞情緒添加到Fama-French三因子模型后，市場情緒和新聞情緒對個股收益率均有顯著的影響，如列(2)和列(3)所示，但將二者同時加入Fama-French三因子模型后，市場情緒對個股收益率的影響不顯著，但新聞情緒對個股收益率的影響依舊顯著，如列(4)所示。此外，將個股新聞情緒添加到Fama-French三因子模型后，調整的R方提高了0.005 0，而將市場情緒添加到Fama-French三因子模型后，調整的R方僅提高了0.000 1，新聞情緒提高的R方是市場情緒提高的R方的50倍，進一步說明了新聞情緒對個股收益率的影響較市場情緒的影響更為顯著。Fama-French五因子模型和Fama-French三因子模型得到的結果是類似的，將新聞情緒和市場情緒同時加入模型后，市場情緒對個股收益率的影響不顯著，且新聞情緒加入模型對R方的提高程度明顯高于市場情緒加入模型對R方的提高程度。

表2 市場情緒、新聞情緒與股票收益率的回歸結果

由此可見，新聞情緒的解釋能力更高，說明本文所構建的新聞情緒能夠較好地解釋股票收益率。因此，本文將進一步構建新聞情緒貝塔指數來代表新聞情緒風險，分析新聞情緒風險與收益的關系，并解釋中國股票市場的低風險定價異象。

(二)不同新聞情緒風險投資組合的公司特征

為了分析不同新聞情緒風險投資組合的收益及其相關特征，本文利用分組的方法進行研究。本文將1 153 家公司按新聞情緒風險的大小由低到高進行排序并五等分，構造五個投資組合，以及買入最低新聞情緒風險組合、賣空最高新聞情緒風險組合的零投資組合(Low-High)。為了證明分組的合理性，本文對組合5(High組)和組合1(Low組)的公司特征進行了組間差異性檢驗，結果表明除等權收益率的組間差異在5%的水平上顯著外，其他變量的組間差異均在1%的水平下顯著。各組投資組合的相關公司特征見表3。

觀察表3可知，不同新聞情緒風險投資組合的平均收益率存在較為明顯的趨勢變化，Low組的平均收益率為0.98%，High組的平均收益率為0.71%，Low和High組的平均收益率相差0.27%，且在5%的水平上顯著。相比較而言，Low組的市值加權收益率為1.54%，High組的市值加權收益率為1.30%，兩組相差0.24%。無論是平均收益率還是市值加權收益率，Low組到High組均呈現較為明顯的單調遞減特征。這說明新聞情緒風險越高的投資組合，其收益率反而較低。進一步比較各組投資組合的其他公司特征，本文發現，Low組的平均公司規模為25.76百萬元，High組的平均公司規模為6.47百萬元，兩組相差19.29百萬元，Low組比High組有更大的公司規模。Low組的平均上市時間為6 272天，High組為6 165天，兩組相差107天，相比較而言，Low組比High組有更長的上市時間。Low組的平均股票價格為11.17元，High組的平均股票價格為15.48元，兩組相差4.31元，Low組比High組有更低的股票價格。即新聞情緒風險較低的公司，呈現出市值較高、上市時間較長、股票價格更低的特點。此外，新聞情緒風險較高的公司，其市場風險和波動性也均更低。綜上，低新聞情緒風險的公司具有高收益率的特征，這初步表明中國股票市場具有新聞情緒風險的低風險定價異象。

表3 個股新聞情緒風險投資組合公司特征

(三)不同新聞情緒風險投資組合的超額收益

為了研究中國股票市場是否存在新聞情緒風險的低風險定價異象，本文進一步比較不同新聞情緒風險投資組合之間的超額收益和alpha值的大小。根據市場因子、Fama-French三因子和Fama-French五因子對每組投資組合的超額收益進行回歸，分別得到CAPM模型、Fama-French三因子模型以及Fama-French五因子模型的alpha值。具體公式如下：

Rirfp,t=Rp,t-Rf,t

(4)

(5)

(6)

(7)

其中，Rp,t為投資組合p在t月的平均收益率或市值加權收益率，Rirfp,t為根據公式(4)計算得到的投資組合超額收益率。公式(5)～公式(7)分別為CAPM模型、Fama-French三因子模型以及Fama-French五因子模型。將通過公式(4)計算得到的投資組合超額收益率代入公式(5)～公式(7)中，可以分別得到CAPM模型、Fama-French三因子模型以及Fama-French五因子模型的alpha值，結果見表4。

表4 不同新聞情緒風險投資組合的超額收益和alpha值

表4中，A為等權重組合的結果，B為市值加權組合的結果，Low-High為零投資組合的結果。由表4可知，等權重組合的超額收益率和CAPM模型、Fama-French三因子模型、Fama-French五因子模型的alpha部分顯著，但市值加權投資組合的超額收益率和alpha大多在1%的水平上顯著。結果顯示，各組的超額收益率和alpha值從Low組到High組總體上呈現較為明顯的下降趨勢，說明新聞情緒風險低的股票投資組合比新聞情緒風險高的股票投資組合擁有更高的超額收益，這表明中國股票市場存在低新聞情緒風險異象。具體來看，由B可知，零投資組合中，超額收益率的alpha值為0.24%，CAPM模型的alpha值為0.26%，Fama-French三因子模型的alpha值為0.68%，Fama-French五因子模型中的alpha值為0.57%，且均顯著，B從市值加權收益率的角度說明了中國股票市場的低新聞情緒風險異象的存在。

新聞情緒風險較低的投資組合反而有著更高的超額收益，這與其他情緒研究的結論并不相同。以往文獻表明，情緒風險(貝塔)較高的投資組合具有更高的超額收益，符合高風險高收益的特征(Yang和Hu，2021[27])。由于互聯網新聞發布較快，而且不受地域限制，是投資者獲取信息的主要來源之一，因此新聞內容及新聞表達的情緒對投資者有著較為顯著的影響。新聞情緒與其他情緒具有不同的特征，從新聞情緒的角度分析情緒風險對股票市場的影響也是十分必要的。

(四)公司規模相同的條件下的新聞情緒風險對股票收益的影響

為了探究新聞情緒風險對股票收益的影響是否與公司規模有關，本文參照以往文獻(Han等，2016[28]；Wahal和Yavuz，2013[29]；Yu，2011[30])，先按公司規模的大小將股票分成5個大組(size1～size5)，其中size1是公司規模較小的投資組合，size5是公司規模較大的投資組合。接著在每組內按新聞情緒風險的大小進一步分為5個小組(Low組～High組)，其中Low組是新聞情緒風險較低的投資組合，High組是新聞情緒風險較高的投資組合。這樣一共得到25個投資組合，分別計算這25個投資組合的超額收益和alpha值，再比較規模相同組內，不同新聞情緒風險投資組合的超額收益和alpha值。本文分別檢驗了超額收益，CAPM模型、Fama-French三因子模型和Fama-French五因子模型alpha值的結果(4)，大部分結果均顯著。

以B中的size1為例，Low組的alpha值為0.51%，High組的alpha值為0.31%，零投資組合的超額收益為0.20%，Low組和High組存在較為顯著的差異。結果表明，在公司規模相近的條件下，新聞情緒風險較低的投資組合(Low組)比新聞情緒風險較高的投資組合(High組)擁有更高的超額收益，這進一步表明中國股票市場存在新聞情緒的低風險定價異象。

(五)新聞情緒風險對股票收益影響的橫截面效應

為了進一步探究新聞情緒風險對股票收益影響的橫截面效應，本文使用Fama-Macbeth回歸對時間序列中新聞情緒風險投資組合回報進行橫截面分析。

結果表明新聞情緒風險對超額收益的影響為負顯著。本文考慮了公司規模、上市時間、股票價格、市場風險以及波動率等公司特征的影響，在分別控制了公司特征的影響后，新聞情緒風險對超額收益的影響依舊顯著且為負。隨后，本文進一步控制了上述所有公司特征，得到的結果(5)相同。綜上，新聞情緒風險與超額收益存在顯著負相關關系，即新聞情緒風險越高，其超額收益越低，進一步表明中國股票市場存在新聞情緒的低風險定價異象。

此外，參照游家興和吳靜(2012)[13]的做法，為了進一步分析公司信息環境是否會影響新聞情緒貝塔與股票收益之間的關系，本文在Fama-Macbeth回歸中進一步引入公司信息透明度和新聞情緒貝塔的交乘項。結果顯示，公司信息透明度和新聞情緒貝塔的交乘項對股票超額收益存在顯著的正相關關系。由于新聞情緒貝塔對股票收益之間存在負相關關系，而新聞情緒貝塔與公司信息透明度的交乘項與股票超額收益存在正相關關系，二者符號相反，因此這一結果表明，公司信息透明度減弱了新聞情緒風險對股票收益的影響，也就是說，公司信息透明度越高，新聞情緒風險對股票收益的影響越小，公司信息環境本身較好時，降低了該公司收益受新聞情緒風險的影響。

(六)穩健性檢驗

為了確保結果的穩健性，本文從樣本和方法兩個方面進行檢驗。一是對樣本區間進行劃分，以檢驗不同時間段內得到的結果是否一致。二是選取變系數面板模型重新估計個股的新聞情緒貝塔值，對新聞情緒貝塔的度量方法的穩健性做檢驗。具體如下(6)受篇幅所限，文中未列出具體結果，感興趣的讀者可聯系作者索取。。

1.對樣本區間進行劃分。

為了進一步檢查本研究結果是否受到樣本期間長短和所選取時間段的影響，本文采取與Yang和Hu(2021)[27]相同的方法，將選取的樣本時間劃分為兩個子樣本，重新進行分組分析。此外，為了避免時間節點選取導致結果存在一定偶然性，本文選擇將樣本時間進行平均劃分，每個子樣本分別有60個月和59個月：時間段分別是2010年4月—2015年3月和2015年4月—2020年2月。本文計算了兩個子樣本中各投資組合超額收益及alpha值。結果表明，對于每個子樣本，Low組中的股票相比High組中的股票都具有更高的超額收益和alpha值，且兩組之間存在顯著的差異性，說明本文研究結果具有一定的穩健性。

2.變系數面板模型估計新聞情緒貝塔。

為了對新聞情緒貝塔的估計方法的穩健性進行檢驗，本文選用變系數面板模型，重新估計新聞情緒貝塔值，并比較不同新聞情緒風險投資組合之間的超額收益和alpha值的大小。根據市場因子、Fama-French三因子和Fama-French五因子對每組投資組合的超額收益進行回歸，分別得到CAPM模型、Fama-French三因子模型以及Fama-French五因子模型的alpha值。結果表明，Low組中的股票相比High組中的股票都具有更高的超額收益和alpha值，且兩組之間存在較為顯著的差異性，說明本文研究結果具有一定的穩健性。

五、研究結論與啟示

本文從新聞情緒的角度出發，利用滾動回歸的方法構建新聞情緒貝塔代表新聞情緒風險，以探究新聞情緒風險對股票收益的影響，并檢驗了中國股票市場新聞情緒的低風險定價異象。樣本選自滬深1 153家公司，樣本時間為2005年4月—2020年2月。研究結果表明：首先，新聞情緒風險較高的公司，具有較小的公司規模和較短的上市時間，同時，這類公司還具有市場風險較高、波動性較大等特征；其次，新聞情緒風險較低的投資組合具有更高的超額收益，公司規模相近的條件下，新聞情緒風險較低的投資組合同樣具有更高的超額收益。最后，新聞情緒貝塔對收益率的影響顯著為負，而且公司信息透明度會減弱新聞情緒風險對股票收益的影響。綜上，新聞情緒風險較低的公司具有較高的超額收益，驗證了中國股票市場新聞情緒的低風險定價異象。

股票市場的風險收益關系一直以來受到了學者的重點關注。媒體新聞的內容和情緒會對投資者產生較為顯著的影響，改變投資者的決策行為并影響股票市場。因此，關注新聞情緒對股票市場的影響是十分有必要的。本文從新聞情緒的角度出發，分析新聞情緒風險對股票收益的影響，發現了中國股票市場新聞情緒的低風險定價異象，而且還為投資者提供一個制定投資組合策略的新思路。投資者在進行選股、制定投資組合策略的時候可以考慮公司的新聞情緒風險。此外，現有研究多關注市場情緒風險，鮮有研究關注新聞情緒風險，本文為后續新聞情緒風險的研究也提供了一定參考。