本文提出了基于自然语言处理(NLP)技术构建的Hype Index,用以衡量大型股票的媒体关注度。通过对标普100指数成分股的新闻计数及市值加权,分别构建了原始新闻覆盖的Hype Index和调整市值后的Capitalization Adjusted Hype Index,揭示了媒体关注与经济规模的偏离。实证结果表明,该指数系列在分析股票波动率、市场信号及情绪预测方面具有重要价值,且两个指标高度相关,适用于不同场景的投资风险管理与行为金融研究 。
| Sector | Correlation Coefficient |
|---|---|
| Information Technology | 0.97 |
| Consumer Discretionary | 0.93 |
| Communication | 0.98 |
| Financials | 0.94 |
| Health Care | 0.82 |
| Consumer Staples | 0.96 |
| Energy | 0.88 |
| Industrials | 0.93 |
| Materials | 0.94 |
| Utilities | 0.92 |
| Real Estate | 0.95 |
标题:The Hype Index: an NLP-driven Measure of Market News Attention
作者:Zheng Cao, Wanchaloem Wunkaew, Helyette Geman
机构:约翰霍普金斯大学应用数学与统计系
发布时间:基于2024年第一季度到2025年4月的实证数据
主题:本报告聚焦于股市大盘股(以S&P 100为研究对象),创新性地利用自然语言处理(NLP)技术构建衡量市场新闻关注度的“炒作指数”(Hype Index),并研究该指数与股票市场波动、短期价格信号之间的关系。
核心论点:
提出两个版本的炒作指数:
研究显示炒作指数能有效反映市场对个股和行业的媒体关注程度,关联市场短期波动和价格走势,可作为分析市场波动和行为金融的辅助工具。
报告首次系统地提出将“媒体关注”量化为指数,为量化行为资产定价和波动率预测提供新工具。
报告首先介绍了自然语言处理(NLP)技术在金融领域兴起,尤其是通过处理非结构化文本获取市场信号的能力,及新闻媒体如何成为投资者情绪、信息传递的关键。
作者指出,传统的舆情分析侧重于情感极性(积极或消极),而本研究聚焦于媒体强度(即报道量),构建了定量指标衡量媒体的相对曝光度——“炒作指数”。此举拓展了金融文本分析方法,强调结构性偏差和媒体过度关注的识别。这种量化“炒作”现象有助于捕捉市场的注意力扭曲和异常波动,补充了情绪度量的不足。
本节系统回顾相关学术成果:
此处报告将炒作指数定义为结构化的媒体注意度信号,强调媒体强度与经济规模的偏离,并借鉴Caldara和Iacoviello(2022年)地缘政治风险指数的构建思路。
Hype Index(炒作指数):
定义为某标的当日新闻报道数占S&P 100全体报道总数的比例,表达相对媒体曝光份额。公式:
其中Ni,t为股票i在t日被报道数,分母为当天全指数报道总数。此指标不考虑经济基本面,仅反映关注度,帮助发现新闻覆盖度分布的不均衡。
Sector Hype Index(行业炒作指数):
同理,行业指数为该行业所有成分股炒作指数总和。由于新闻多对多匹配特点,一条新闻可多计入多个股票,行业指数累计反映行业整体媒体关注量。
报告提出可计算行业内炒作指数的平均值和标准差,观察不同行业组内的波动和动态。
综合考虑未进行市值调整的原始Hype Index,在图4(第4页)中可见不同行业的新闻曝光分布及变化特征,更易揭示“过热”“中性”和“低关注”行业组。市场暴跌日周边出现异常波动。
行业分组与走势:
单只股票Hype指数展现:
图6(第6页)展示信息技术行业内15只主要股票的平滑炒作指数走势。微软(MSFT)、苹果(AAPL)、英伟达(NVDA)长期位列媒体关注度前三,显示集中式关注的市场热点特征。
报告专门构造基于市值权重调整的炒作指数,表达相对于其经济规模的媒体关注偏离情况。定义如下:
CapHypeIndexi,t=MarketCapWeighti,tHypeIndexi,t=∑MCj,tMCi,t∑Nj,tNi,t该指标衡量新闻曝光占比除以对应股票市值占比,体现哪些股票(或行业)媒体关注度远高或远低于其经济份额。
在图7(第7页)中,未经归一化的市值调整指数按行业表现明显改变了之前的分组:例如,虽然IT部门绝对新闻曝光最高,但考虑其庞大市值后,其调整后指数反而偏低;而资产规模较低的房地产、公用事业,经过放大调整,显著表现出更高的媒体炒作度。
信息技术板块内部资本加权炒作指数(图8,第8页)显示投资者关注度在2024年8月因市场崩盘有显著激增,与个股市场行情急剧波动相呼应。
基于市值调整的炒作指数,行业分组呈现以下新格局(表3,第9页):
此分类强调相对概念,即新闻关注相较于市场资本规模的大小。IT虽然绝对高关注,但其资本规模巨大,炒作调整后显示为“次要炒作”,体现相对于其经济规模的媒体曝光合理。
报告进一步对市值调整炒作指数及其日变动率进行正态性检验(图10、11,第10页),通过多项统计检验(Shapiro-Wilk、D’Agostino-Pearson、Jarque-Bera、Anderson-Darling、Kolmogorov-Smirnov)均显示拒绝正态分布假设,说明该指数分布呈明显偏态和厚尾特征,波动具有非对称性和极端情形存在,需要使用更复杂的分布进行建模。
新闻计数炒作指数和市值调整指数在行业层面均呈高度正相关(0.8-0.98),说明在大盘股样本中,资金规模稳定条件下,新闻计数指标可作为市值调整指标的替代品,方便实时监控。
报告还提到基于该相关性构建的炒作调整概率测度(Hype-Adjusted Probability Measure)为未来量化模型提供理论基础。
以2024年8月市场大跌为例,各行业市值调整炒作指数均出现显著峰值或谷值,表明该指数对重大市场事件具有敏感的信号提示能力。
尽管IT行业因龙头股市值较大绝对关注度维持较低,但其指数内部的相对变化依旧明显,说明关注度变化在行业内部同样重要。图8详细标注事件和对应指数动态,展示多关键事件前后的市场反应。
将炒作指数与VIX指数(市场恐慌指数)及地缘政治风险指标(GPR)进行对比,发现炒作指数变动具有与VIX相似的波动性,而新闻计数指数较为平稳,更反映持久的媒体关注趋势。两者在短期策略制定及风险评估中均具互补作用。
报告运用市场权重与新闻权重拟合(图10,第14页)展示两者的统计关系,R2=0.3037且斜率显著,表明新闻覆盖与股权规模存在正相关但非完全线性,必要修正。行业群组维度分析(图11,第15页)显示新闻曝光相较于经济规模的非线性增长趋势(拟合优度R2约0.6)。这一观察验证采用资本调整炒作指数的合理性和必要性。
该报告主要在市场关注度的量化层面展开,未涉及传统的财务估值模型(DCF、P/E等),而是通过市值调整实现媒体关注的规模归一。报告强调资本权重作为关键的折算基准,是实现异质关注度比较的核心技术。
风险评估部分较少直接讨论,但可见隐含风险在于:
整体报告极力打造媒体关注量化工具,展示了良好的理论基础与丰富的数据展示,论证较为严谨。
本报告创新性地提出了“炒作指数”(Hype Index)作为衡量大盘股领域媒体关注度的重要工具,分为基于新闻计数的原始指数和市值调整的归一化指数两种,具有以下关键贡献和洞见:
综上,炒作指数为市场波动性预测、投资者注意力分析及基于NLP的行为金融研究开辟了全新路径,具备强大扩展潜力,是金融文本分析领域的前沿贡献。
附:部分关键图表链接示例(Markdown格式引用)
报告基于实时大规模新闻数据和市场资本数据,以严谨方法构建了新颖的媒体关注度指数,开创了基于NLP的市场新闻关注量化研究路线。其创新点和实证分析兼备,数据处理细致,所示图表和统计检验令结论更具说服力。适合法学术参考及金融机构在行为金融、市场风险量化和资产定价模型拓展的实际应用中推广。
2506.06329.pdf