随着社交媒体的兴起，学者们将目光移向这些平台上的消息，情绪与股价之间的关联。与传统媒体相比，社交媒体的独特之处在于可以随时地、直接地互动。同时，用户结构也发生了变化，比如散户增多。
另一方面，社交媒体的海量数据，加上AI算法的进步，使得学者们可以对投资者分析得更细致，并对股市作出更深入的探讨。再者，平台上的信息不仅传播广，而且异常迅速，也使得媒体与股市的关系可以精确到按分钟、小时来分析。
对于社交媒体与股市的研究，其分析框架与早期相似（见下图），依旧是考察平台上用户的关注度（注意力）、情绪以及不同观点，对市场变量（股价或股票收益、成交量和股价波动）的预测能力。
Bollen等三位学者（2011）的论文是这方面的代表性研究。相较于早期将情绪简单分为高低两种，他们在收集大量 Twitter 信息（两百七十万用户的一千万条tweets）的基础上，把平台上的情绪细分为六种，包括平静、惊慌、笃定、快乐等。
他们发现，当情绪仅分为高低两种时，情绪与道琼斯工业平均指数没有关联；而当情绪被细分为六种后，其中的“平静”具有显著作用：当天的“平静”情绪可以预测未来几天的指数表现（上涨），然而一周后影响消失，价格回落。
这篇论文的贡献在于把社交媒体的情绪细化。虽然研究方法仍显初步，比如平台上的情绪用的是总体情绪，而不是针对股票的情绪；市场分析针对股指而不是个股；且作者也没有解释为什么“平静”这一情绪维度与股指有关联，但它标志着社交媒体情绪研究的真正开始。
2014年，Sprenger 与另外两名学者搜集了Twitter上直接与S&P 100 家公司股票有关的近25万条tweets，并针对企业个股进行分析。他们的研究结果与之前讨论的论文大体一致。
与此同时，为解释他们的研究结果，作者进一步考察平台的传播机制，发现如果某一用户的预测较准确，他的发帖往往会受到重视，被反复提及、被追随，从而具有更大的号召力。这些与我们直觉相符的现象被作者用大量数据加以统计验证。
文章还发现，相较于社交媒体影响股市，其实股市对社交媒体的影响更大。例如，前一天股价下跌，会引发次日平台情绪低落。所以媒体与股市的关系不是单向的，而是相互影响的。
上述考察的媒体与股市之间的关联是以天为单位，并没有涉及一天之内的这种关联。Renault (2017) 的分析填补了这个空白。作者使用专注金融市场的StockTwits 平台数据，对5年间发布的近6千万条消息进行分析，结果表明，媒体情绪能够预测当天的股票表现。
具体来说，开盘后最初半小时的情绪可以预测收盘前最后半小时的S&P 500 指数表现，即平台总体正面（负面）情绪与较高（较低）的指数收益显著相关。然而，次日指数会出现逆转。
他指出，这个短暂的指数收益变动是由情绪驱动的噪声交易引发的，并不反映股指的内在价值。他又进一步揭示，这种情绪驱动主要来自投资新人的交易行为。
社交媒体与股市的研究大多考察的是美国股市。然而，不同国家的资本市场结构并不一样。例如，与美国相比，在中国个人/散户投资占比高，并且他们更愿意投资个股而不是指数。那么，在那种背景下，社交媒体与股市的关系是否会有所不同？
Li & Ahn（2024）分析了2020年新浪微博上关于COVID讨论所呈现的情绪与沪深300指数的关系。作者采用机器学习与深度学习的文本分析方法，从微博帖子中提取情绪内容，量化成指标。他们发现，平台上的低落情绪对指数价格有显著的负面影响，从而佐证了社交媒体情绪与中国股市的关联。不过，这种影响会因行业不同而有所差异。
看到这里，你不妨停下来问问自己，社交媒体影响我的投资决策吗？我有没有过因为一条帖子而改变交易的时候？
最后，与上述文章考察单一社交平台不同，Cookson 等学者在2024年将研究扩展到Twitter、StockTwits、Seeking Alpha 等多平台环境，并对这些平台同时进行细致的比较。
他们注意到，不同平台的属性存在差异，比如用户构成不一样（专业、散户、新人），平台设计有差异（发帖字数限制、话题是否受限），覆盖的企业类型也不相同。
在研究中，他们发现，不同平台上的关注度非常相似，例如某一天，各个平台会讨论同一批企业。但是不同平台上的情绪却不大相似，不大会彼此传染。
他们进一步将情绪和关注度分为三个平台“共有部分”与“平台特有部分”。结果显示，平台特有的情绪和关注度与股市之间的关系会因平台不同而呈现差异。他们据此提出，社交媒体与股市的关系具有平台差异性。
综上所述，这些近期研究着重在社交媒体上的讨论、情绪、热点，不同平台之间的差异，是否能预测股市整体或个股的反应。研究数据量大、实证方法先进，例如在文本分析中采用更高级的机器学习和深度学习技术，直接从整段语言中识别情绪和其他所需内容。这些进展使得社交媒体与股市的研究进入了比较成熟的阶段。
尽管这些前沿研究丰富了我们的理解，但围绕社交媒体与股市这一话题，仍存在一些问题与争议。
主要参考文献：
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.
社交媒体与股市（4）前沿代表
悄然一笑 (2026-04-12 05:24:53) 评论 (0)随着社交媒体的兴起，学者们将目光移向这些平台上的消息，情绪与股价之间的关联。与传统媒体相比，社交媒体的独特之处在于可以随时地、直接地互动。同时，用户结构也发生了变化，比如散户增多。
另一方面，社交媒体的海量数据，加上AI算法的进步，使得学者们可以对投资者分析得更细致，并对股市作出更深入的探讨。再者，平台上的信息不仅传播广，而且异常迅速，也使得媒体与股市的关系可以精确到按分钟、小时来分析。
对于社交媒体与股市的研究，其分析框架与早期相似（见下图），依旧是考察平台上用户的关注度（注意力）、情绪以及不同观点，对市场变量（股价或股票收益、成交量和股价波动）的预测能力。
Bollen等三位学者（2011）的论文是这方面的代表性研究。相较于早期将情绪简单分为高低两种，他们在收集大量 Twitter 信息（两百七十万用户的一千万条tweets）的基础上，把平台上的情绪细分为六种，包括平静、惊慌、笃定、快乐等。
他们发现，当情绪仅分为高低两种时，情绪与道琼斯工业平均指数没有关联；而当情绪被细分为六种后，其中的“平静”具有显著作用：当天的“平静”情绪可以预测未来几天的指数表现（上涨），然而一周后影响消失，价格回落。
这篇论文的贡献在于把社交媒体的情绪细化。虽然研究方法仍显初步，比如平台上的情绪用的是总体情绪，而不是针对股票的情绪；市场分析针对股指而不是个股；且作者也没有解释为什么“平静”这一情绪维度与股指有关联，但它标志着社交媒体情绪研究的真正开始。
2014年，Sprenger 与另外两名学者搜集了Twitter上直接与S&P 100 家公司股票有关的近25万条tweets，并针对企业个股进行分析。他们的研究结果与之前讨论的论文大体一致。
与此同时，为解释他们的研究结果，作者进一步考察平台的传播机制，发现如果某一用户的预测较准确，他的发帖往往会受到重视，被反复提及、被追随，从而具有更大的号召力。这些与我们直觉相符的现象被作者用大量数据加以统计验证。
文章还发现，相较于社交媒体影响股市，其实股市对社交媒体的影响更大。例如，前一天股价下跌，会引发次日平台情绪低落。所以媒体与股市的关系不是单向的，而是相互影响的。
上述考察的媒体与股市之间的关联是以天为单位，并没有涉及一天之内的这种关联。Renault (2017) 的分析填补了这个空白。作者使用专注金融市场的StockTwits 平台数据，对5年间发布的近6千万条消息进行分析，结果表明，媒体情绪能够预测当天的股票表现。
具体来说，开盘后最初半小时的情绪可以预测收盘前最后半小时的S&P 500 指数表现，即平台总体正面（负面）情绪与较高（较低）的指数收益显著相关。然而，次日指数会出现逆转。
他指出，这个短暂的指数收益变动是由情绪驱动的噪声交易引发的，并不反映股指的内在价值。他又进一步揭示，这种情绪驱动主要来自投资新人的交易行为。
社交媒体与股市的研究大多考察的是美国股市。然而，不同国家的资本市场结构并不一样。例如，与美国相比，在中国个人/散户投资占比高，并且他们更愿意投资个股而不是指数。那么，在那种背景下，社交媒体与股市的关系是否会有所不同？
Li & Ahn（2024）分析了2020年新浪微博上关于COVID讨论所呈现的情绪与沪深300指数的关系。作者采用机器学习与深度学习的文本分析方法，从微博帖子中提取情绪内容，量化成指标。他们发现，平台上的低落情绪对指数价格有显著的负面影响，从而佐证了社交媒体情绪与中国股市的关联。不过，这种影响会因行业不同而有所差异。
看到这里，你不妨停下来问问自己，社交媒体影响我的投资决策吗？我有没有过因为一条帖子而改变交易的时候？
最后，与上述文章考察单一社交平台不同，Cookson 等学者在2024年将研究扩展到Twitter、StockTwits、Seeking Alpha 等多平台环境，并对这些平台同时进行细致的比较。
他们注意到，不同平台的属性存在差异，比如用户构成不一样（专业、散户、新人），平台设计有差异（发帖字数限制、话题是否受限），覆盖的企业类型也不相同。
在研究中，他们发现，不同平台上的关注度非常相似，例如某一天，各个平台会讨论同一批企业。但是不同平台上的情绪却不大相似，不大会彼此传染。
他们进一步将情绪和关注度分为三个平台“共有部分”与“平台特有部分”。结果显示，平台特有的情绪和关注度与股市之间的关系会因平台不同而呈现差异。他们据此提出，社交媒体与股市的关系具有平台差异性。
综上所述，这些近期研究着重在社交媒体上的讨论、情绪、热点，不同平台之间的差异，是否能预测股市整体或个股的反应。研究数据量大、实证方法先进，例如在文本分析中采用更高级的机器学习和深度学习技术，直接从整段语言中识别情绪和其他所需内容。这些进展使得社交媒体与股市的研究进入了比较成熟的阶段。
尽管这些前沿研究丰富了我们的理解，但围绕社交媒体与股市这一话题，仍存在一些问题与争议。
主要参考文献：
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.