互聯網金融背景下個人投資者的發帖行為對股價的影響

方國斌 申鈺鑫

摘要：隨著互聯網金融的不斷發展，研究財經平臺的發帖行為對股價漲跌的影響效應具有現實意義。本文以東方財富網股吧中的互聯網金融上市公司的發帖行為為基礎，使用2022年1—5月的股票相關數據研究股評數及股評情緒對股價漲跌的影響。研究發現：個人投資者情緒的高漲會使股價上漲，個人投資者情緒增加一個單位使股價上漲的勝算提高了24.69%；而個人投資者的關注度增加會使股價下跌，個人投資者關注度每增加1個單位使股價上漲的勝算降低了46.74%。發帖行為對股價漲跌的影響研究為個人投資者做出更合理的決策、互聯網金融行業的發展及股市的平穩發展提供借鑒。

關鍵詞：互聯網金融；發帖行為；股評情緒；股價漲跌

一、引言

2013年起我國的互聯網金融進入高速發展階段，目前已經形成了穩定的發展局面?！吨袊ヂ摼W發展報告（2021）》指出，隨著互聯網金融和金融科技的快速發展，市場主體的起源和類別更加廣泛，各市場主體間的交流與合作不斷深入，金融“新基建”加速轉型，金融開放程度不斷擴大。數字經濟增速持續加快，信息科技和實體經濟加速融合，我國數字經濟規模達到39.2萬億元，總量躍居世界第二。我國金融科技市場規模達到3958億元，使用網絡支付的用戶數達到8.54億戶，占全部網民的86.4%?；ヂ摼W金融的快速發展對我國的傳統金融模式形成了有力補充，使中小型企業和個人的金融服務需求得到滿足，讓更多個人投資者有機會進入股市。這會促進股市的信息傳遞，進而對股價走勢產生影響。

互聯網金融背景下股市中個人投資者逐漸增加，目前已經成為其主要個人投資者。雪球、和訊股吧和東方財富網股吧等社交媒體為個人投資者提供了獲取和傳遞信息的渠道，使股市的信息傳遞效應更加明顯。如2021年的GameStop事件，GameStop是一家實體游戲店，當地的對沖基金普遍不看好這只股票，但該公司接連傳出利好消息，如2020年的銷售額增長率為519%、與微軟達成戰略合作等，散戶的大量購買使其股價迅速上升，導致華爾街的對沖基金產生巨額虧損?；诖?，本文研究散戶對股票的關注及對股票走勢的判斷，是否會對股市的信息傳遞和股價的走勢產生影響以及怎樣的影響。

早期，在構建個人投資者情緒指數時，很多學者選擇用換手率、開戶數的增加量等作為其代理變量。姚遠和王瑞倩（2021）將多個具體的量化指標整合成一個綜合指標表示個人投資者的情緒，并建立TVAR模型研究在不同的經濟狀態下，個人投資者的情緒對股指的不同影響。研究發現，低區位時的股指更容易受到個人投資者的情緒影響。童元松（2020）以股市每月新增開戶數作為代理變量，研究了個人投資者的情緒和股價指數的雙向互動關系。研究發現，股票指數的波動與散戶的情緒互為因果，機構個人投資者情緒較為穩定，不存在這樣的因果關系。陸昌、劉洋和楊曉光（2020）以隔夜收益率表示個人投資者的情緒研究其對我國股市的影響。研究發現我國個人投資者的正向情緒與負向情緒對股市的影響不對稱，且負向情緒的持續影響更大。這種現象在個人投資者為主要投資者的股票上更加明顯。

雪球、和訊股吧和東方財富網股吧等社交媒體的評論內容為股價的影響因素研究提供了新思路。徐維軍等（2022）以東方財富網股吧的股評文本為基礎刻畫個人投資者的情緒，通過改進構建了新的均值回歸投資策略，且利用該策略進行投資能夠提高收益。高揚、申怡然和徐嘉熙（2022）通過Bi-LSTM神經網絡分類形成情緒指標，研究其對科創板股指的影響。研究發現，交易量在兩者的影響機制中作為中介變量。黃雨婷、宋澤芳和李元（2021）采用文本挖掘技術構建情感詞典，采用SVM將股評分為3類：積極、中立和消極，并探討了其對股市產生的效應。研究發現，個人投資者的情緒在一個交易周內對股票收益率具有正向預測效應，而長期來看是負向預測效應。

基于此，本文以東方財富網股吧中的互聯網金融上市公司的發帖行為為基礎，利用Word2vec和K-Means聚類對股評文本進行分類，量化股評情緒，并利用有序Logistic回歸模型研究發帖行為與股價漲跌之間的關系。

二、模型介紹

通過建立Word2vec模型將股評文本轉化為詞向量組成的矩陣，可以使股評文本結構化。將Word2vec模型訓練后得到的詞向量作為K-Means聚類模型的輸入對互聯網金融上市公司的股評進行三分類得到各股評的情感分類。然后建立有序Logistic回歸模型分析股評數量和股評情緒對股價漲跌的影響。下面分別闡述三個模型的相關理論。

（一）詞向量模型

Word2vec模型由Mikolov等提出的基于推理的文本表示模型，該模型通過自然語言的上下文關系將其轉化為稠密向量，轉化為詞向量后有助于挖掘文本中詞匯和句子間的特征，本文使用連續詞袋模型（ContinuousBag-of-Wordmodel，CBOW）來獲得詞向量。該方法的主要操作是推理，當給出周圍的詞時，預測中間會出現什么詞。通過反復求解這些推理問題并學習規律，可以學習到單詞的出現模式。

圖1為CBOW模型的二分類神經網絡的全貌圖，該圖展示了上下文是“金融”和“序列”，作為正確解的目標詞是“時間”的例子。在輸入層為了提取單詞ID的分布式表示，使用Embedding層實現從權重矩陣Win中抽取單詞ID對應行（向量）。h表示中間層的神經元，然后計算中間層h與輸出層權重Wout中對應的詞向量的內積。該模型引入了反向抽樣損失函數，這樣無論樣本詞匯量有多大，都可以使模型計算量保持較低或恒定。負采樣的核心是二分類，用二分類來擬合多分類，將輸出層由全部詞改為僅關注一個詞，該詞可能是目標詞——正例，也可能是其他詞——負例，每次只關注一個詞，計算它的得分，得分最高的詞為正例。

圖1進行二分類的CBOW模型的全貌

（二）K-Means模型

K-Means模型是利用樣本的分布進行集合劃分的無監督分類方法。該模型通過不斷迭代得到類中心，并將樣本分為K類。

模型算法如下：

輸入：樣本集合X

輸出：樣本的分類結果

（1）初始化類中心。t=0，隨機定義初始的類中心m0=m01，…，m0l，…，m0k；

（2）對樣本進行聚類。設第t次迭代的類中心為mt=mt1，…，mtl，…，mtk，計算樣本到每個類中心的距離，將樣本分配到距離其最近的類中心所屬的類中，結果滿足

minC∑km=1∑Ci=lxi-ml2（1）

得到第t次迭代的聚類結果Ct；

（3）根據Ct計算新的類中心。計算當前分類結果Ct中各類樣本的平均值

ml=1nl∑Ci=lxi（2）

為新的類中心mt+1=mt+11，…，mt+1l，…，mt+1k；

（4）若迭代達到收斂或停止條件，該聚類結果為最終的聚類結果，即C*=Ct。否則，令t=t+1，繼續迭代。

（三）有序Logit模型

有序Logit模型適用于研究自變量對多類別順序變量的因變量的影響問題。設y有k個取值，則y的取值超過j的概率表示如下：

pj=py≥j|x=πj+πj+1+…+πk（3）

πj=py=j|x（4）

其中，πj為y的等級為j的概率，pj為y的等級為j的向上累積概率，pj的Logit變換為

Logitpj=Logitpy≥j|x=lnpy≥j|x1-py≥j|x（5）

該式即為有序Logit回歸模型，則該模型定義為

Logitpj=Logitpy≥j|x=α+∑nj=1βjxi（6）

三、研究設計

（一）數據來源

本文的研究區間為2022年1月1日—2022年5月31日，互聯網金融行業上市公司名單來自Wind資訊數據庫，目前我國互聯網金融行業共有43家上市公司。股評來自股吧網站，個人投資者發帖數目從爬取的股評數據中整理獲得。股市相關數據通過Python的Tushare庫獲取。

股評文本爬取過程如圖2所示。

圖2股評文本爬取過程

對爬取的股評進行預處理，刪除公司名稱、股票代碼及特殊符號。經過預處理后的股評數如圖3所示。從圖3可以看出，東方財富網、恒寶股份的發帖總數最高，超過25000條，高于其他公司2倍，說明個人投資者對其關注度很高，這些公司的個人投資者中散戶所占比例更高。鴻利智匯、東易日盛和派生科技的發帖總數最低，低于1000條，說明個人投資者對其關注度較低，這些公司的個人投資者中散戶所占比例更低。

（二）關鍵變量定義

股價漲跌：當日收盤價高于前一日收盤價，則股價漲，取值為1，否則取值為0。

股評數量：東方財富網股吧的經預處理后的每日股評數取對數。

股評情緒：首先，利用Python爬取2022年1—5月股吧網站上的日股評數據250196條，接著利用Jieba中文分詞系統將全部文本按詞性拆成獨立的詞組集合，用Word2vec巡禮詞向量，最后將詞向量嵌入K-Means模型，用K-Means模型將股評分為積極、中立與消極3類。股評情緒的計算公式如下：

Sent=ln（∑SentiRevt）（7）

其中，Senti表示第t天第i條股評的情緒，Revt表示第t天的股評數量，即第t天的股評情緒為該日股評情緒的均值取對數。

控制變量：

參考股市相關領域研究和我國股市特征，將公司規模及股票的流動性作為控制變量。用公司總市值代表公司規模，公司總市值越大，則公司規模越大。用日平均換手率表示公司股票的流動性，股票的日平均換手率越大，則股票的流動性越大（見表1）。

圖3互聯網金融上市公司股票評價總數資料來源：東方財富網股吧。

（三）研究模型

為了研究股評情緒和股評數量對股價漲跌的影響，本文建立有序Logit回歸模型：

Pricei，t=β0+β1Senti，t+β2Revii，t+β3Liqui，t+β4Sizei，t+μi+λt+εi，t（8）

其中，i和t分別表示公司和日期。解釋變量Revii，t與Senti，t分別為時間t公司i的股評數量和股評情緒，本文從股價漲跌的角度（Pricei，t）評價解釋變量對股價產生的影響?？刂谱兞堪ü善绷鲃有裕↙iqu）和公司規模（Size），并控制了公司（μi）和日期（λt）效應，εi，t為隨機擾訴項。

四、財經平臺的發帖行為對股價漲跌影響的實證研究

（一）相關變量的描述性統計

使用上文所述方法得到的變量繪制互聯網金融上市公司個人投資者關注度與個人投資者情緒的變化趨勢圖，分析該行業各公司個人投資者關注度和個人投資者情緒的變化情況。

圖4為互聯網金融上市公司2022年1—5月個人投資者關注度的變化趨勢。從圖4可以看出：各公司的個人投資者關注度相差較大，其中東方財富網、恒寶股份、潤和軟件、證通電子和新力金融的最高個人投資者月關注度達到1000以上，而鴻利智匯、東易日盛和派生科技的最高個人投資者月關注度只能達到100。行業內的關注度差異達到10倍以上，這說明個人投資者對該行業公司的關注有很大區別，在個人投資者中的知名度差異較大，這對該行業部分公司的發展前景造成一定影響，該行業公司發展不均衡。

圖4互聯網金融上市公司個人投資者關注度變化趨勢資料來源：東方財富網股吧。

通過分析從互聯網金融上市公司2022年1—5月的個人投資者情緒變化趨勢可以看出由于版面有限，個人投資者情緒變化趨勢圖略，若有需要可以聯系編輯部或作者。：股評情緒的波動幅度較大，這也說明了股票市場的瞬息萬變，公司一旦放出利好或利空消息，股價會馬上對該信息做出反應；生意寶、證通電子、協鑫集成、譽衡藥業、海寧皮城、東易日盛、金一文化、三六五網、匯金股份、贏時勝、盛天網絡、新力金融等20家上市公司的個人投資者情緒多為看跌情緒，潤和軟件、同花順、金證股份、恒生電子、信雅達、大智慧等23家上市公司的個人投資者情緒多為看漲情緒，53.5%的互聯網金融上市公司的個人投資者對其股價走勢呈樂觀態勢，說明我國互聯網金融上市公司發展狀況較好，具有良好的發展前景，這與我國互聯網和人工智能的高速發展是密不可分的。43家上市公司中有83.77%的公司的個人投資者情緒在1月底2月初時均為看跌情緒。這是由于該段時間臨近春節，大量個人投資者賣出股票，導致股價出現一定程度的下跌。但春節結束后即2月底股價會恢復，個人投資者情緒也相應變化。

對使用上述方法得到的變量做描述性統計分析，了解相關變量的總體分布狀況。描述性統計的結果如表2所示。從表2可以看出：Price的均值小于0且中位數為-1，說明對整個互聯網金融行業而言，股價下跌的天數更多。Sent的中位數與平均值均為負數，說明個人投資者更偏向于股價會跌，可以看出股價的漲跌與個人投資者情緒的變化總體一致，說明個人投資者情緒會對股價漲跌造成影響，這一結果將通過下面的實證分析做進一步說明。Revi的最大值為2047，最小值為3，說明該行業某公司一天的股評數可以達到2047條，而另一公司某一天的股評數只有3條，這說明了各公司的個人投資者關注度以及不同時間的個人投資者關注度存在較大差異，研究個人投資者關注度對股價的影響具有實際意義?？刂谱兞康慕y計結果沒有異常。且相關變量的相關系數均小于0.6，說明變量間不存在需要特別考慮的多重共線性問題。

（二）財經平臺的發帖行為對股價漲跌影響的回歸分析

為了確定合適的擬合模型，需要進行相關檢驗，檢驗結果如表3所示。從表3可以看出：F檢驗拒絕原假設，在混合模型和固定效應（FE）模型中應選擇FE模型；LM檢驗接受原假設，在混合模型和隨機效應（RE）模型中應選擇混合模型，豪斯曼檢驗拒絕原假設，在RE模型和FE模型中應選擇FE模型。本文應選擇固定效應模型進行實證分析。

表4為利用固定效應的有序Logit回歸模型研究個人投資者發帖行為對股價漲跌的影響結果。在實證分析前，將解釋變量和相關的控制變量對數化。其中，第二列為在控制日期和公司固定效應的情況下個人投資者情緒對股價漲跌的影響，經過3次迭代后得到最大似然估計。lnSent的系數為0.2995，在1%的水平上顯著，說明個人投資者情緒的高漲會使股價上漲。第三列為在控制日期和公司固定效應的情況下個人投資者的關注度對股價漲跌的影響，lnRevi的系數為-0.6592，在1%的水平上顯著，說明個人投資者的關注度增加會使股價下跌。第一列為在控制日期和公司固定效應的情況下個人投資者情緒與股票關注度對股價漲跌的影響，lnSent的系數為0.2207，在5%的水平上顯著，進一步印證了個人投資者情緒與股價漲跌的正相關關系，說明東方財富網股吧的個人投資者情緒在股票市場中具有一定的主導性。lnRevi的系數為-0.6300，在1%的水平上顯著，進一步印證了個人投資者關注度與股價漲跌的負相關關系。這與熊艷（2022）的研究結論相同，進一步說明了東方財富網股吧的主要效應為情緒宣泄。

表5從勝算比角度分析個人投資者關注度及個人投資者情緒對股價漲跌的影響。其中，第一列為兩者共同作用對股價漲跌的勝算比，lnSent的系數為1.2469，則個人投資者情緒每增加1個單位使股價上漲的勝算提高了24.69%，lnRevi的系數為0.5326，則個人投資者關注度每增加1個單位使股價上漲的勝算降低了46.74%。第二列為個人投資者情緒對股價漲跌的勝算比，lnSent的系數大于0，說明個人投資者情緒的增加使股價上漲的勝算提高了。第二列為個人投資者關注度對股價漲跌的勝算比，lnRevi的系數大于0，說明個人投資者關注度的增加使股價上漲的勝算降低了。進一步證實了個人投資者關注度對股價漲跌的勝算比大于1，個人投資者情緒對股價漲跌的勝算比小于1本文的變量增加1個單位為對數化后的變量增加1個單位。

表6為個人投資者關注度與個人投資者情緒對股價漲跌的平均邊際影響。對于第一列個人投資者關注度與個人投資者情緒對股價漲跌的整體邊際影響而言，當個人投資者關注度和控制變量不變時，個人投資者情緒每增加1個單位，股價下跌的概率會減少5.50%，股價平穩的概率會增加0.05%，股價上漲的概率會增加5.44%。當個人投資者情緒和控制變量不變時，個人投資者關注度每增加1個單位，股價下跌的概率增加15.70%，股價平穩的概率會減小0.15%，股價上漲的概率會減小15.45%。第二列說明了個人投資者情緒的高漲使股價下跌的概率減小，股價上漲的概率增加。第三列說明了個人投資者關注度的增加使股價下跌的概率增加，股價上漲的概率減小。與第一列結果一致，進一步證實了個人投資者的關注度和情緒對股價漲跌的影響。

（三）財經平臺的發帖行為對股價漲跌影響的穩健性檢驗

1.緩解內生性問題對結論的影響

本文使用工具變量法并基于2SLS回歸的方法來緩解個人投資者關注度和個人投資者情緒對股價漲跌影響的內生性問題，選擇滯后一期的內生變量作為工具變量，第一步將個人投資者關注度或個人投資者情緒作為因變量，滯后一階的變量作為工具變量做回歸，第二步將上一步得到的因變量作為解釋變量，股價漲跌作為因變量進行回歸，回歸結果如表7所示。從表7可以看出，就個人投資者關注度對股價漲跌的影響而言，一階段中工具變量（L1.lnRevi）的系數顯著為正，說明模型是恰足確認的，不存在弱工具變量問題。二階段中，經過工具變量回歸的lnRevi的系數顯著為負，結論仍然成立。就個人投資者情緒對股價漲跌的影響而言，一階段中工具變量（L1.lnSent）的系數顯著為負，說明模型是恰足確認的，且不存在弱工具變量問題。二階段中lnSent的系數顯著為正，結論仍然成立，說明本文研究不存在內生性問題。

2.緩解樣本偏差對結論的干擾

通過縮小樣本規模來緩解樣本選擇偏誤對結論的干擾。由于春節前后的股評信息可能受到很多外部信息的干擾，所以利用2022年3—5月的股評數和股評情緒均值代表個人投資者關注度與個人投資者情緒，使用面板數據的有序Logit模型研究兩個變量對股價漲跌的影響，實證結果如表8所示。觀察表8發現實證結果與前文保持一致，說明本文研究結果較穩健。

五、結論與建議

本文以東方財富網股吧中的互聯網金融上市公司的發帖行為為基礎，以2022年1—5月的股票相關數據研究發股評數及股評情緒對股價漲跌的影響。研究結果表明：①個人投資者對互聯網金融行業公司的關注度差別較大，這對該行業部分公司的發展前景造成一定影響。②53.5%的互聯網金融上市公司的個人投資者對其股價走勢呈樂觀態勢，說明我國互聯網金融上市公司發展狀況較好，具有良好的發展前景，這與我國互聯網和人工智能的高速發展密不可分。③個人投資者情緒的高漲會使股價上漲，個人投資者情緒每增加1個單位使股價上漲的勝算提高了24.69%；而個人投資者的關注度增加會使股價下跌，個人投資者關注度增加1個單位使股價上漲的勝算降低了46.74%。印證了股吧的情緒宣泄效應。④當個人投資者關注度和控制變量不變時，個人投資者情緒增加1個單位，股價下跌的概率會減少5.5%，股價平穩的概率會增加0.05%，股價上漲的概率會增加5.44%。當個人投資者情緒和控制變量不變時，個人投資者關注度每增加1個單位，股價下跌的概率增加16.38%，股價平穩的概率會減小0.16%，股價上漲的概率會減小16.23%。

本文研究表明，互聯網金融行業各公司的個人投資者關注度與個人投資者情緒差別較大，且行業的個人投資者關注度與個人投資者情緒對股價漲跌的影響作用相反，應對財經平臺因勢利導，使其更好地服務股票市場。因此，提出以下建議：①個人投資者由于缺乏專業方面的知識，容易被財經平臺中的錯誤信息干擾。因此，個人投資者應加強專業知識的攝入，時刻保持清醒狀態，在做出投資決策前盡量進行理性分析。②由于恰當的個人投資者情緒確實能反映未來的股價漲跌，財經平臺如東方財富網股吧應當加強股票評論內容監管，將內容嚴重不符的股評進行刪評或對用戶禁言，幫助個人投資者做出正確的決策。③互聯網金融行業要利用好個人投資者情緒與個人投資者關注度對股價漲跌的影響，在做好本公司主營業務的前提下可以通過培養一批情緒穩定的專業個人投資者，引導公司在股吧中的形象，穩定公司的股價。

參考文獻

［1］葉德磊，姚占雷，劉小舟.公司新聞、個人投資者關注與股價運行——來自股吧的證據［J］.華東師范大學學報（哲學社會科學版），2017，49（6）：136-143，172.

［2］江婕，邱佳成，朱然，等.投資者關注與股價崩盤風險：抑制還是加劇？［J］.證券市場導報，2020（3）：69-78.

［3］劉維奇，劉新新.個人和機構投資者情緒與股票收益——基于上證A股市場的研究［J］.管理科學學報，2014，17（3）：70-87.

［4］黃德龍，文鳳華，楊曉光.投資者情緒指數及中國股市的實證［J］.系統科學與數學，2009，29（1）：1-13.

［5］姚遠，王瑞倩.宏觀經濟、投資者情緒與股指收益率的非對稱性研究［J］.價格理論與實踐，2021（1）：124-127，174.

［6］陸昌，劉洋，楊曉光.投資者情緒的不對稱性及其原因——來自中國市場的實證［J］.系統科學與數學，2020，40（4）：612-633.

［7］童元松.我國股票價格指數與投資者情緒的互動效應研究［J］.價格理論與實踐，2020（9）：98-101，179.

［8］BARTOVE，FAURELL，MOHANRAMPS.CanTwitterhelppredictfirm-levelearningsandstockreturns？［J］.TheAccountingReview，2018，93（3）：25-57.

［9］ANTWEILERW，FRANKMZ.Isallthattalkjustnoise？Theinformationcontentofinternetstockmessageboards［J］.TheJournalofFinance，2004，59（3）：1259-1294.

［10］徐維軍，彭子衿，張衛國，等.基于文本信息考慮投資者情緒的均值回歸策略設計——以東方財富股吧發帖文本和A股市場為例［J］.運籌與管理，2022，31（3）：193-198.

［11］高揚，申怡然，徐嘉熙.投資者情緒對科創板市場收益率的影響——基于文本數據挖掘視角［J］.運籌與管理，2022，31（2）：184-190.

［12］蔡毅，唐振鵬，吳俊傳，等.異質投資者情緒對股市的影響研究——基于文本語義分析［J］.系統科學與數學，2021，41（11）：3093-3108.

［13］黃雨婷，宋澤芳，李元.基于文本挖掘的股評情緒效應分析［J/OL］.數理統計與管理：1-14［2022-06-09］.

［14］熊艷.論壇發帖與股價行為：情緒宣泄還是信息傳遞？［J］.中央財經大學學報，2022（5）：29-45.

［15］陳浪南，陳文博.中國股市非對稱V字形處置效應的實證研究［J］.管理工程學報，2020，34（1）：63-78.

［16］施榮盛.投資者關注與分析師評級漂移——來自中國股票市場的證據［J］.投資研究，2012，31（6）：133-145.

［17］李倩.媒體報道與投資者關注對股票收益的影響機制研究［D］.成都：四川大學，2021.

［18］陳健，曾世強.投資者情緒對股票價格波動的影響研究［J］.價格理論與實踐，2018（7）：99-102.

［19］張祚超，張永杰，沈德華，等.大眾媒體與新媒體信息傳遞對中國股市收益波動的影響［J］.中國管理科學，2021，29（6）：238-248.

［20］段江嬌，劉紅忠，曾劍平.中國股票網絡論壇的信息含量分析［J］.金融研究，2017（10）：178-192.

TheInfluenceofInternetFinanceListedCompaniesPostingBehavioronStockPrice

FANGGuobinSHENYuxin

（SchoolofStatisticsandAppliedMathematics，AnhuiUniversityofFinanceandEconomics，Bengbu233030，China）

Abstract：WiththecontinuousdevelopmentofInternetfinance，itisofgreatsignificancetostudytheeffectofPostingbehavioroffinancialplatformsonstockpricetrend.BasedonthePostingbehavioroflistedInternetfinancialcompaniesinOrientalFortuneStockBar，thispaperusesstockrelateddatafromJanuarytoMay2022tostudythenumberofsharecommentsissuedandtheimpactofsharecommentsentimentonstockpriceriseandfall.Therisinginvestorsentimentwillmakethestockpricerise，eachadditionalunitincreasestheprobabilityofthestockpriceriseby24.69%.However，wheninvestorspaymoreattention，stockpricesfall.Anincreaseininvestorattentionbyoneunitreducestheoddsofastockpricerisingby46.74%.TheresearchontheinfluenceofPostingbehavioronstockpricecanprovidereferenceforinvestorstomakemorefavorabledecisions，thedevelopmentofInternetfinanceindustryandthestabledevelopmentofstockmarket.