股市什么时候听经济新闻？新证据来自

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《When does the stock market listen to economic news? New evidence from
  copulas and news wires》
---
作者：
Ivan Medovikov
---
最新提交年份：
2014
---
英文摘要：
  We study association between macroeconomic news and stock market returns using the statistical theory of copulas, and a new comprehensive measure of news based on the indexing of news wires. We find the impact of economic news on equity returns to be nonlinear and asymmetric. In particular, controlling for economic conditions and surprises associated with releases of economic data, we find that the market reacts strongly and negatively to the most unfavourable macroeconomic news, but appears to largely discount the good news. This relationship persists throughout the different stages of the business cycle.
---
中文摘要：
我们利用copulas统计理论研究了宏观经济新闻与股市收益之间的关联，并提出了一种新的基于新闻线索引的综合新闻度量方法。我们发现经济新闻对股票收益的影响是非线性和不对称的。特别是，通过控制经济状况和与经济数据发布相关的惊喜，我们发现市场对最不利的宏观经济消息做出了强烈和消极的反应，但似乎在很大程度上低估了好消息。这种关系贯穿于商业周期的不同阶段。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> When_does_the_stock_market_listen_to_economic_news?_New_evidence_from_copulas_an.pdf (246.36 KB)

2022-5-7 02:37:58 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：经济新闻 新证据 Quantitative Econophysics relationship

股市什么时候听经济新闻？来自连接词和新闻通讯的新证据。伊万·梅多维科夫加拿大安大略省圣凯瑟琳市格伦里奇大道500号布罗克大学429广场大楼经济系，L2S 3A1。电话：+1 905 688 55 50分机6148，电子邮件：imedovikov@brocku.caAbstractWe利用copulas统计理论研究宏观经济新闻与股市收益之间的关系，提出了一种新的基于新闻线索引的综合新闻测度方法。我们发现经济新闻对股票收益率的影响是非线性和对称的。特别是，通过控制经济状况和与经济数据发布相关的惊喜，我们发现市场对最不利的宏观经济消息做出了强烈和消极的反应，但似乎在很大程度上低估了好消息。这种关系贯穿于商业周期的不同阶段。关键词：股票收益率，宏观经济新闻，连接函数，尾部依赖，宏观经济新闻指数1。引言宏观经济新闻对股票市场的影响在过去三十年里一直是大量研究的主题。资产定价理论表明，有关就业或产出水平等宏观经济因素的新闻应该会影响金融市场，因为2021年7月5日提交给Elsevier的再版包含了有关经济的总投资机会集的信息（见Merton（1973）和Breeden（1979））。尽管如此，支持真实经济新闻的市场效应的实证证据仍然薄弱，令人惊讶的是好坏参半。在许多情况下，重要的宏观经济新闻根本没有影响。

例如，Flannery和Pro t opapadakis（2002）研究了17项宏观经济公告的市场影响，发现与工业生产、失业和国民生产总值相关的新闻对股价没有显著影响。类似地，早期的研究，例如皮尔斯和罗利（1985年）和杰恩（1988年）发现，市场在很大程度上低估了关于工业生产和失业的统计数据，即使在考虑了之前的预期之后也是如此。根特（2010）也未能发现市场对GD和失业新闻的重大反应。商业周期的不同阶段可能会改变宏观经济信号的解读背景，一旦考虑到当前的经济状况，新闻的市场影响就会变得更加明显。Boyd等人（2005年）和McQueen and Ro ley（1993年）发现，失业率上升的消息在经济收缩期间对股价有负面影响，因为它可能表明公司收益和股息较低，但在经济扩张期间有正面影响，因为它可能预示着利率降低的可能性更大。最近，Birz和Lott（2011）发现，之前的研究发现，股市回报率与不同的利率（如Chen等人（1986年）、Chen等人（1991年）、Chan等人（1998年））和货币总量（如康奈尔大学（1983年）、Pearce和Roley（1983年）、Pearce和Roley（1985年））等各种货币变量之间存在统计上的显著关联。在控制市场预期和商业周期阶段之后，市场对GDP和失业公告的反应非常显著。虽然与市场对新闻的解释和反应相关的经济条件正在得到更好的理解，但有趣的是，似乎没有研究关注与巨大市场影响相关的新闻特征。

例如，控制经济状况和预期，异常好或异常坏的消息是否会导致更强的市场反应？如果是这样的话，这种关系是否存在不对称性？换句话说，经济新闻的市场效应是非线性和不对称的吗？本文旨在填补这一空白。我们以条件连接函数理论为基础，采用一种相对较新的统计方法，以及一种新的综合性宏观经济新闻指标，对宏观经济新闻的市场效应进行了研究。我们衡量的是与美国就业、工业活动、ho使用和建筑以及能源市场相关的新闻的极性、强度和数量。除了与定期发布的经济统计数据相关的新闻外，我们的措施还捕捉定性信号，例如，美国高级政策官员的评论、政策发展，以及可能产生经济影响的人为和自然灾害，这无疑是文献中使用的最广泛的经济新闻衡量标准。通过采用copula方法，我们能够构建一个灵活的模型，允许经济新闻的非线性和不对称市场效应。据我们所知，这是连接函数首次应用于分析新闻与股市的关系。利用copula模型，我们对经济新闻和股市之间的关联进行了详细的映射，并发现，在控制预期、与经济数据发布相关的惊喜和当前经济状况的情况下，新闻的市场影响严重偏向最不利的公告，这最终与商业周期各个阶段的重大市场下跌有关。换句话说，似乎只有当厄运和g的消息隐约出现时，市场才会真正倾听。

最后，由于我们能够分离出新闻中揭示数据的部分，我们表明，我们的指数捕捉到的定性经济新闻确实具有显著的市场影响。这可能会对政策制定者产生影响，这些政策制定者试图尽量减少与他们的公告和评论相关的潜在干扰。本文的组织结构如下。第2节详细介绍了新闻变量的构造，我们称之为宏观经济新闻指数。该指数基于对新闻通讯稿的手动审查和分类，我们在本节中审查了数据来源、索引方法以及由此产生的指数系列。第3节介绍了copula方法和建模方法。第4节给出了与经济新闻的市场影响相关的实证结果。最后，第5.2节对结果进行了讨论。我们的新闻变量：宏观经济新闻指数最近的证据表明，股市对经济新闻的反应不仅限于对预定统计数据发布的反应。例如，尽管过去很多人都试图发现GDP公告与股市之间存在任何显著关系，但Birz和Lot t（2011）使用基于Lott和Hassett（2004）的报纸标题分类的更全面的新闻衡量方法记录了市场对产出相关新闻的实质性反应。我们开发了一个新的美国宏观经济新闻量化指标，该指标基于对主要商业新闻通讯社发布的新闻的全面审查和分类。在经济报道方面，专业的新闻通讯服务在几个重要方面为报纸提供服务，我们首先详细介绍我们的新闻数据来源和这里使用的索引方法。2.1.

新经济来源sWe使用汤森路透通讯社（TRN）和道琼斯能源服务公司（DJES）作为公共信息来源，支持我们构建的新闻变量。汤森路透是世界上最大的新闻提供商之一，拥有多条新闻专线，涵盖美国各种商业和经济发展。道琼斯能源服务公司（Dow Jones Energy Service）是全球能源行业的专业新闻来源，其报道范围从市场信息和重大特定新闻到地缘政治事件和能源政策。由于这两种服务都是专业服务，它们强调报道的及时性，通常是最先报道的。与报纸报道不同，通讯社的新闻稿往往高度浓缩和真实，在大多数情况下更容易解读。它们也很少包含记者的意见，这在很大程度上减少了报纸报道中存在的经济报道的政治偏见（例如，见Mullainathan和Shleifer（2005年）、Groseclose和Milyo（2005年）、Dyck和Zingales（2003年）以及Lott和Hassett（2004年））。它们在新闻链中的位置、报道的广度和明确的格式使通讯社成为一个很好的信息来源，可以提供全面的信息，减少误解的机会，并包含由多个媒体重复新闻而产生的小噪音。因为我们的目标是捕捉和量化与toU相关的新闻流。在美国宏观经济条件下，我们将注意力限制在以下四个通常与经济活动相关的关键主题上。WEF特别关注美国工业生产、国家和地区劳动力市场、住房市场和建筑业，以及能源政策和市场。

工业生产、就业和建筑活动通常被视为重要的指标，传递着有关更高产出、消费和资本回报的信号。能源成本会影响要素生产率和企业盈利能力，这促使我们选择能源新闻作为指数组成部分之一。我们使用道琼斯事实报作为所有历史新闻稿的来源。Factiva完全按照发布时的样子捕获并存储TRN和DJESin承载的所有消息，而不需要在以后对内容进行编辑或修改。早期版本的更新和更正通常由TRN和DJESseparate发布，也包含在索引中。在我们的样本期间，传输的故事总量非常大，只有少数与美国宏观经济状况有关。我们利用道琼斯智能索引（DJII）服务来识别符合我们四个选定主题之一的相关版本。2.2. 对于我们样本中的每个月，索引过程的构建如下。首先，我们收集了TRNand DJE在一个月内播放的所有经济故事，并根据经济主题将它们分为四组。例如，在2014年4月，DJII搜索产生了27条与美国就业有关的新闻线，17条涉及美国工业生产的新闻线，7条关于住房市场和建筑行业的新闻线，以及另外27条关于能源市场和政策的新闻稿，这些新闻稿由TRNand DJES发布。一旦确定了相关故事，我们将全面审查每个故事的内容，并将其归类为“正面”、“负面”或“中性”。

如果一篇报道包含表明当前或未来宏观经济状况改善的信息，则该报道被视为“积极的”，而能源新闻则被解读为市场状况的缓和，以及石油或液化天然气等关键载体的价格可能出现的倾斜。“中性”故事是指既不表示恶化也不表示改善的故事。美国商务部、劳工统计局和美联储银行等部门发布的宏观经济统计数据的预定发布，或对之前发布的数据进行的修订，为工业生产、就业、住房和建筑相关新闻提供了很大一部分信息。在解读这些数据时，考虑之前的预期就显得尤为重要，因为，例如，在预期会出现更高增长的时候，非金融机构的5万名员工的良好收入实际上可能会被视为负面消息。幸运的是，除了标题数字外，大多数与TRN相关的数据发布还包括基于路透社最新预测调查的经验预测。因此，我们根据预期对此类发布进行分类，如果发布超过预期，则将其视为“积极”，如果发布低于预期，则将其视为“消极”，如果发布符合预期，则将其视为“中性”。因此，由核心宏观经济数据的预定发布推动的指数部分捕捉了“经济惊喜”，即宏观经济新闻中的意外部分。对过去经济数据的修订是数据驱动新闻的另一个主要组成部分。例如，美国经济分析局（U.S.Bureau of Economic analysis）发布的增长预测往往会被多次修订，而修订可能是实质性的，并在首次发布数月后进行。因此，今天可用的许多历史宏观经济数据与发布时报告的数据不同。

此类修订的流动呈现了许多同期数据中缺少的重要信息，我们将所有与索引修订相关的新闻纳入其中。其余的或非数据驱动的工业生产、就业、住房和建筑相关故事，以及涵盖能源市场的大部分故事，本质上是定性的，包括高级官员和决策者的评论，例如美联储理事会成员，美国商务部长或能源部长，重要的地缘政治发展，包括美国的制裁或能源卡特尔配额决定，以及可能产生经济影响的自然灾害。我们将在本节剩余部分详细介绍TRN和DJES经济新闻的内容以及具体的分类指南。在四个新闻组的索引构建过程中，新闻专线发布的新闻稿总数如表1所示。新闻集团正负中性总就业人数3328 3220 479 7027住房982 830 126 1938工业1407 946 107 2460能源3830 3203 1281 8314总计9547 8199 1993 19739表1：1999年1月1日至2014年4月按类别分列的路透社和道琼斯能源服务通讯社的数量。由于我们的分类类似于密歇根大学消费者情绪指数的分组反应，因此我们采用其方法，并使用正面和负面故事百分比的差异作为指数的基础。Birz和L ott（2011）中使用了类似的索引方法。为了计算宏观经济新闻指数的月值，我们首先确定四个新闻组中每个新闻组的正面报道与负面报道的比率。例如，表2显示了2014年4月的原始新闻计数和结果四个子指数。这就产生了一组f-our指数来捕捉美国的极性。

就业、住房、工业生产和能源相关新闻本身就很有趣，并在第2.3节中详细回顾。本月宏观经济新闻指数的最终值是通过计算四个子指数的平均值来计算的，2014年4月的平均值为0.03。显然，子指数和最终指数的正值表明，某个月的正面新闻报道占主导地位，而阅读量与特定类型新闻的流行程度成比例，分别为1和1-1分别代表正面和负面新闻月份。正负中性次级指数就业17 10 0 0.26住房0 5 2-0.71行业12 3 2 0.53能源13 13 1 0表2：原始新闻统计和产生的新闻次级指数，2014年4月。本文采用的索引方法，以及其他建立此类索引的方法，有一定的局限性。在这里，四个分项指数的平均值对就业、住房、工业和能源相关新闻的权重相等。替代权重显然是可能的。为了允许其他指数定义，除了最终指数系列之外，我们还提供了分类数据。接下来，我们将更详细地回顾这四个子指数以及由此产生的宏观经济新闻指数。2.3. 就业新闻次级指数近三分之二的就业相关新闻报道了美国劳工部各机构对经济统计数据的定期发布和修订，其中很大一部分是由劳工统计局发布的。这些数据包括全国劳动力、参与率、就业和失业率、非农就业人数、就业机会和劳动力流动率的统计数据，以及失业救济申请报告。