隨著直播興起與資訊爆炸，越來越來多人討論Youtube頻道飽和的問題。同時在反全球化浪潮下，選民情緒因民族主義興起高漲，各國大選再度成為人們關注的話題。除日常娛樂與政治之外，投資人關注度與情緒亦深深影響金融市場。
在金融市場上，許多異常現象是無法由傳統的財務理論去解釋，學者們開始探討投資人行為對市場的影響，而其中投資人情緒往往對投資人的決策產生影響進而反映在市場的走向上。心理學上定義，人類將心理意識投注到某項信息，稱之為「注意力」。資訊增加的情況下，閱聽人並沒有增加接收訊息的時間。隨著行為財務學的興起，眾多學者紛紛將此應用於金融領域以觀察投資人關注的對象及接下來所採取的決策。Kahneman(1973) 提出「有限注意力」模型，認為注意力是一種稀有資源，人類大腦對於大量信息認知所進行處理的容量是有限的，人類認知處理能力會因外界刺激增加而減少。
關於情緒對於資產價格方面，Shiller (1984,1987) 指出投資風氣和投機性資產的價格波動性似乎會被群眾的注意力所左右，並且認為投資人對投資組合報酬的關注會隨著市場不同時期而有所改變，其投資行為也會有所改變。Baker and Wurgler(2006)認為投資人是非理性的，會隨著時間、心情或喜好的改變去改變對投資標的需求，而Brown and Cliff（2004）指出樂觀投資人預期報酬會高於平均，悲觀投資人預期報酬會低於平均。
如何衡量出市場投資人情緒成為了一個重要的課題，但情緒如何去衡量?對於情緒的衡量主要有兩個面向，直接情緒及間接情緒。直接情緒指標通常為問卷調查結果，其代表著投資人對於某個事件最直接的反應，較常見的指標有消費者信心指數、Barron's Confidence index、AAII Survey之分析師情緒指數；間接情緒指標較常見的指標有，IPO 發行數量、 IPO 首日平均報酬、市場週轉率、成交量、零股賣/買比例(odd-lot ratio)及封閉型基金折價程度、Google trend (SVI)及Twitter 及其他社群媒體中使用文字探勘所挖掘出對市場的正負面的情緒。
雖然直接情緒指標在市場上有一定的影響性，而在市場上更多使用間接情 緒指標去當投資人情緒之代理變數，除了較易取得資料外，另資料頻率也較直 接情緒指標來的高頻，Dennis and Mayhew (2002) 使用Put/Call ratio 去解釋股票選擇權價格，發現此情緒代理變數能夠顯著解釋股票選擇權價格 之偏態係數；Neal and Wheatley (1998) 使用共同基金贖回去解釋公司報酬率 ，發現不管對大公司或小公司的報酬率預測準確度皆不高；Mao and Zeng (2011) 使用Twitter 文字探勘來衡量投資人情緒，發現使用Twitter 的集體情緒來預測道瓊斯工業平均指數的報酬率，精確度高達87.6％； Joseph, Wintoki and Zhang(2012)使用SVI(Google trend)將情緒定義為短暫的主觀多/空看法，發現與當期報酬正相關，而與下一期報酬呈現負相關； Dimpfl and Jank(2012)亦使用SVI(Google trend)去預測股票波動度發現當情緒高，股票波動度即會變高。
雖然已有諸多方法可衡量情緒，但是對於情緒是否為全然為非理性，則尚未有一個定論。此外情緒可以預測資產價格走向，但是如何使其精確依然需要許多功夫。本網站依照文獻所述，擷取各項優點以結構性與非結構性資料組合成情緒指標，並以圖表的方式呈現，供讀者參考比較。
本文內容參考自2017年科技部計畫 - 大數據、文字探勘與網絡分析之情緒指標機器學習與資料視覺化平台
若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance
留下你的回應
以訪客張貼回應