噪音还是信息？----基于关注度和社交网络理论对股票论坛的研究

This project will use data of China’s stock message boards——Guba and Xueqiu, to study local bias and abnormal stock returns. Compared with other stock message boards such as Yahoo, Guba provides location information of anonymous posters. According to this special information, we could study local bias in investors' attention from a new angle. Previous research use sentiment of posts, posting volumes and the level of disagreement between posters to study abnormal stock returns. While our project can use abnormal relative attention measure, unusual change in investor attention paid to a stock by local relative to nonlocal investors, to measure information asymmetry between local and non-local investors. Based on this, we try to explore the predictive power of this measure and construct portfolio trading strategies. In addition, we will extract sentiment index from stock message boards and use event study method to investigate important financial market events, such as insider trading, IPO and earnings announcements.

本项目将使用中国特有的东方财富网股吧论坛和雪球论坛数据，根据有限关注和社交网络理论，对本土偏差、股票超额回报等金融市场现象进行研究。东方财富网股吧与世界其它股票论坛如雅虎等相比，它提供了匿名发贴人的位置信息。根据这一信息，我们可以从一个全新的视角－－－论坛发贴人的关注度－－－来研究投资者关注度的本土偏差。前人的研究以贴子情绪，发贴量和投资者意见分歧来研究股票的超额回报，本项目则可以以投资者的异常相对关注度指标，即本地投资者和外地投资者对某只股票的相对关注程度的异常变化，来衡量本地投资者与外地投资者之间的信息不对称程度，并以此研究股票的超额收益率和投资组合构造策略。另外，针对金融市场上的其它事件，例如内幕交易，IPO，业绩公告等，本项目可以结合论坛情绪进行事件研究，进一步发掘论坛信息的有效性。

本项目使用中国特有的东方财富网股吧论坛，对本土偏差、股票超额回报等金融市场现象进行了研究。东方财富网股吧与世界其它股票论坛如雅虎等相比，它提供了匿名发贴人的位置信息。. 本项目已收集了2007年6月至2013年5月股吧网站上的发贴信息，约2399支股票3亿条贴子信息。并采用最新的机器学习和词袋技术对3亿条词条进行了文本识别，并且整理了相关的情绪指标，bullishness指标，还根据IP地址信息识别了本地情绪和非本地情绪。. 首先，我们发现个人投资者对本地公司股票的关注度高于非本地公司的股票。在不发达地区，本土偏差尤其强烈，偏向大型、非中证300指数、低成交量的股票，偏向股票名字里带有地名的股票。对于500公里以内的距离，本土偏差的边际效应也相当强烈。. 其次，我们研究了本地投资者对非本地投资者的信息传递。本地投资者与非本地投资者的相对发贴指标的异常变化体现了本地人的信息优势。结果表明，由于社会传播偏差和卖空约束所致，投资人发帖主要反映的是好消息。此外，异常相对发帖能正向预测总部位于同一城市企业的股票回报，经济价值明显，并且持续几周。我们的研究结果表明，本地投资者可通过在社交媒体的互动将其基于地理的私人信息传递给非本地投资者。. 另外，利用中国独特的IPO竞价数据集和特定的社交媒体数据集，我们研究了个人投资者的关注度对承销商的发行价调整、发行价修正、IPO初始收益和长期绩效的影响.. 本项目充分利用大数据技术手段，用社交媒体数据，对本土偏差，相关金融事件的信息传播及股票回报预测进行创新性的研究。同时，我们的研究证实了来自互联网的非结构化数据可以帮助探索个人投资者的行为及金融市场的规律。.