学术文献研究系列第16期：动量、均值回归和社交媒体：来自StockTwits和Twitter的证据

请务必阅读正文之后的免责条款部分 全球视野 本土智慧 金融工程研究 Page 1 个股研究报告—专题报告 金融工程 学术文献研究系列第16期 数量化投资 2021年09月29日 相关研究报告： 《ETF周报：医药ETF逆市上涨，芯片类ETF净申购近20亿》 ——2021-09-20 《数量化投资周报：多因子选股周报—技术类因子表现出色，沪深300增强组合今年超额11.99%》 ——2021-09-26 《主动量化策略周报：板块轮动加剧，超预期精选组合今年以来满仓收益56.01%》 ——2021-09-26 《ETF周报：科创板ETF上涨1.85%,证券ETF净申购21亿》 ——2021-09-27 《港股投资周报：假期波动加剧，港股精选组合今年以来超恒生指数35.87%》 ——2021-09-26 证券分析师：张欣慰 电话：021-60933159 E-MAIL：zhangxinwei1@guosen.com.cn 证券投资咨询执业资格证书编码：S0980520060001 联系人：杨北锋 电话：021-60875136 E-MAIL：yangbeifeng@guosen.com.cn 独立性声明： 作者保证报告所采用的数据均来自合规渠道，分析逻辑基于本人的职业理解，通过合理判断并得出结论，力求客观、公正，结论不受任何第三方的授意、影响，特此声明。 金融工程报告 动量、均值回归和社交媒体：来自StockTwits和Twitter的证据  新闻内容和社交媒体情绪研究的兴起 在过去10年中，金融市场中新的系统性风险因素的不断发酵，这些问题在一定程度上是由于流动性减少造成的。随着机器学习的使用，用来定量衡量新闻内容和社交媒体情绪的另类数据得到广泛应用。本文试图研究社交媒体和新闻数据能否为投资者提供现有数据无法捕捉到的市场情绪高涨和恐慌的信息。  研究现状 本文是首个研究社交媒体情绪对日内流动性影响的文章，但也有学者研究社交媒体和新闻如何影响资产价格，比如Twitter和谷歌Insight Search (GIS)情绪可以预测每日股市指数的回报等，一些研究还考虑了社交媒体对个人行为的影响。  数据和变量 RavenPack提供了一个与股票相关的新闻事件的数据库，每个新闻事件根据相关性、新颖性和情绪进行评分，本文使用该数据库构建综合情绪评分(CSS)来衡量新闻情绪，还使用Psych-Signal的分钟数据来衡量社交媒体情绪。  回归分析和事件研究分析 横截面股票回报和情绪信息回归分析结果表明当社交媒体情绪消极时，对流动性的需求要比积极时大得多，而供给则要少得多，流动性指标对市场情绪的反应不对称。社交媒体人气的上升也预示着之前上涨的个股未来均值回归的概率将会增加，这表明流动性供应将会减少。本文选取了500只大市值股票对异常社交媒体情绪进行了日内事件研究，结果表明高度异常的社交媒体情绪之前往往是非常高的动量，之后则是均值回归。  交易策略分析 利用从回归和事件研究分析中获得的结果，本文构建了一个使用StockTwits和Twitter消息的日内交易策略（均值回归策略），包含基准策略和社交媒体策略。股票池均为过去200天平均交易量最大的500家公司，单个板块股票数量不超过股票池的30%，每30分钟交易一次。 基准策略等权做空前30分钟回报排名最高的50只股票（TOP组）并做多前30分钟回报排名最低的50只股票（BOT组），杠杆率为2:1。社交媒体策略的选股条件和基准策略一致，但对于在过去30分钟内有超过5条StockTwits和Twitter的消息且在过去30分钟内消息数量高于指数加权移动平均线的社交媒体股票，在保证TOP组和BOT组各自的权重之和为1的前提下，设置每只社交媒体股票权重是非社交媒体股票的2倍。 结果显示基准策略年化回报为20.61%，社交媒体策略年化回报为24.10%。  结论 社交媒体活动可以在日内水平上对流动性产生显著影响，负面情绪对流动性指标的影响要明显大于正面情绪。这与恐慌对市场的直接影响要比狂热大得多的观点是一致的。社交媒体的均值回归策略优于基准策略，局限性在于本文构建的模型未考虑社交媒体网络的内生性问题。 风险提示：本报告基于相关文献，不构成投资建议。 请务必阅读正文之后的免责条款部分 全球视野 本土智慧 Page 2 内容目录 文献来源 ...................................................................................................................... 4 综述 ............................................................................................................................. 4 相关工作 ...................................................................................................................... 5 数据和变量 .................................................................................................................. 6 回归分析 ...................................................................................................................... 7 事件研究分析 ............................................................................................................... 9 交易策略分析 ............................................................................................................. 12 结论 ........................................................................................................................... 13 附录 ........................................................................................................................... 14 国信个股投资评级 ...................................................................................................... 17 分析师承诺 ................................................................................................................ 17 风险提示 .................................................................................................................... 17 个股投资咨询业务的说明 ........................................................................................... 17 请务必阅读正文之后的免责条款部分 全球视野 本土智慧 Page 3 图表目录 图1：自变量的统计结果 .............................................................................................. 7 图2：因变量的统计结果 .............................................................................................. 7 图3：成交量回归结果 .................................................................................................. 8 图4：迷你崩盘数回归结果 .......................................................................................... 9 图5：收益和价差事件研究 ........................................................................................ 10 图6：收益和价差事件研究的假设检验....................................................................... 11 图7：基准策略和社交媒体策略的业绩表现指标 ........................................................ 13 图8：收益作为因变量的回归结果 .............................................................................. 14 图9：交易数量作为因变量的回归结果....................................................................... 15 图10：报价数量作为因变量的回归结果..................................................................... 15 图11：美元报价有效价差作为因变量的回归结果 ...................................................... 16 请务必阅读正文之后的免责条款部分 全球视野 本土智慧 Page 4 文献来源 文献来源：Shreyash Agrawal, Pablo D. Azar, Andrew W. Lo,and Taranjit Singh, “Momentum, Mean-Reversion, and Social Media: Evidence from StockTwits and Twitter (August, 2018)”,Journal of Portfolio Management. 文献亮点： 本文是较早开展研究社交媒体情绪对日内流动性影响的文章，对于社交媒体反映的市场参与者的情绪如何影响流动性，进而导致价格均值回归的过程进行了较为全面的研究，拓宽了社交媒体情绪研究的视野。 本文的研究表明，社交媒体活动能够反映投资者的情绪，并且在日内影响流动性，特别地，负面情绪对流动性的影响要比正面情绪大得多。社交媒体情绪的峰值往