股市什么时候听经济新闻？新证据来自

粗体表示5 s.l.的显著性，表明回报序列中存在条件异方差。与之前的文献非常一致，经济数据的意外和失业率是临界值，但仍然改善了整体模型。我们的经济新闻变量的边际模型具体如下：MNIt=α+αMNIt-1+αMNIt-2+m，t，（11）σm，t=γ+γσm，t-1+γm，t-1，sσm，tm，t~ N（0，1），（12），其中mn是t月和m月的宏观经济新闻指数的值，是与之前一样遵循GARCH（1，1）过程的误差项t。模型中包含的新闻变量的滞后月数首先通过估计6阶自回归模型，然后消除不显著的滞后来确定。模型（11）的参数估计见表5。表5：宏观经济新闻指数margina l模型的最大似然估计。粗体表示在5%的s.l.下具有显著性。自回归系数的高度显著估计表明经济新闻的持续性达到了相当大的程度，鉴于商业周期的持续性，这或许并不令人惊讶。4.3. 边际模型的优度检验在指定和估计copula模型之前，重要的是要确保边际被正确指定- S、 ARCH和LBQ测试，以探索模型（9）和（1）中残差的正态性、同质性和序列相关性，并发现我们不能在两个模型的5%显著水平上拒绝任何零值，这表明这是一个很好的结果。还应注意，概率变换u=f（x；θx）和v=G（y；θy）应均匀分布在[0,1]上。

继Patton（2006）之后，我们计算了序列Rta和MNItas^ut=Φ（^r，t/^σr，t）和^vt=Φ（^m，t/^σm，t）的变换，其中Φ（）是标准正态CDF，而r，t/^σr，tandm，t/^σm是边际模型的标准残差。作为额外的优度检验，我们使用K-S测试测试变换的一致性，并发现我们不能在两种情况下都拒绝空值，因为P值接近1。4.4. 经验copula表为了初步了解我们的数据中证券收益和经济新闻之间的关联性质，我们构建了所谓的经验copula表（其他示例见Knight et al.（2005）和Ning（2010））。copula表概述了相关性的结构，通常用作copula模型选择过程的第一步。首先，我们按照升序排列返回和新闻索引序列的概率变换，然后将它们均匀地排序到我们的箱子中。在每个案例中，第一个箱子包含底部25%的最小观测值，第四个箱子包含样本中顶部25%的最大观测值。然后，我们构建了一个包含四行四列的频率表，其中j行和i列显示了新闻索引系列的第j位和安全返回系列的第i位中的元素总数。例如，本表单元格（4，4）中的数字显示了样本中两个变量的观测对总数均在前25%。应该证明，这样的表格代表概率变换^utan和^vt的联合频率分布，而且由于它们是一致的，当变量独立时，我们的频率计数也应该均匀分布在表格单元格中。

也就是说，如果安全报告独立于经济新闻，且以我们的控制为条件，我们预计在16个箱子中的每个箱子中会看到11个观察结果，因为我们从1999年1月到2013年12月的月度系列总共包含180个观察结果。大于11的数字表示我们的变量倾向于“聚集”在一个特定的区域。例如，该表单元格（4，4）中的数字实质上大于11，表示新闻指数t的最大25%值与最大25%的市场回报率相关联，依此类推。Bin 1 2 3 41 16 6 14 1210 8 12 1014 9 14 118 12 13 11表6：证券收益和宏观经济新闻指数的经验copula。我们在表6中给出了我们的新闻变量和证券市场回报的经验copula表，与独立计数的最大偏差用粗体突出显示。有趣的是，新闻对的联合依赖度几乎低于预期的50%，这表明新闻对的联合依赖度超过了预期的50%。bin（4，4）中的计数显示，两个变量的观察聚集在前25%与独立性下的预期值相等，表明最大回报和新闻指数值之间几乎不存在关联。换句话说，经验库普拉表似乎表明，异常糟糕的宏观经济消息往往会导致市场大幅下跌，而同样异常好的消息显示没有市场影响。4.5. Copula模型的选择、估计和主要结果金融序列之间的对称尾和非线性依赖最近引起了一些关注。

例如，Patton（2006年）和Michelis and Ning（2010年）使用copula研究汇率依赖的不对称性，而Ning和Wirjanto（2009年）使用copula模型探索证券回报和交易量之间的尾部依赖性。在这里，由于我们的边际模型包括控制，我们的建模方法类似于巴顿（2006）和米歇里斯与宁（2010）的条件连接模型。虽然我们的初步结果表明依赖性倾向于低分布尾部，但我们通过使用IFM方法对新闻指数和市场收益拟合几个具有各种依赖结构的双变量copula，并评估它们的fit来开始正式的模型选择。我们在Gaussian、Gumbel、Clayton、t和SJC coupla家族中发现了这一点，在Akaikei信息准则（AIC）和贝叶斯信息准则（BIC）的基础上，一个参数Clayton copula产生了优越的fit。双变量克莱顿copula定义为asC（u，v；θ）=麦克斯（美国）-θ+v-θ- 1, 0)-1/θ（u，v）∈ [0,1]，（13）式中θ≥ 0是依赖性参数，因此θ的值越大，表明变量之间的关联性越强，θ=0的情况对应独立性。Clayton copula具有较低的尾部相关性，但不具有较高的尾部相关性，尾部相关性系数由λl=2给出-1/θ和λu=0。因此，θ的显著正值也表明存在较低的尾部依赖性。克莱顿copula的优越性支持了我们从经验copula表中得出的结论。估计t比率AIC BIC LogL^θ0.134（1.899）-2.504 0.667 2.264表7：双变量条件Clayton copula模型的IFM估计结果。粗体显示了在5%s.l.IFM下，使用我们的宏观经济新闻指数、价值加权市场收益率和表7第4.2节ar e中规定的边际模型，条件克莱顿copula模型的显著估计结果。

Layton相关性参数的估计值在5%的s.l.时非常重要。这表明，控制经济数据的意外和新闻的持续性，宏观经济新闻对证券收益有显著影响，并且这种影响向较低的分布尾部倾斜。换句话说，我们发现，市场对极端糟糕的经济新闻反应强烈且消极，但对好消息的反应却不相似，而且这种关系不是由经济新闻发布的数据披露内容驱动的。4.6. Rob ustness Check在本节中，我们对表7中的结果进行稳健性检查。首先，由于我们的宏观经济新闻指数是按月计算的，因此撰写新闻专线的记者可以在一个月内观察市场回报，这可能会影响他们报道的基调，并产生潜在的反向因果关系。幸运的是，TRN和DJE新闻连线最终并没有变得通俗易懂、实事求是，在记者观点或主观语境方面几乎没有内容。因此，新闻专线的分类几乎不受记者语气的影响。然而，该指数反映了政策官员的评论，这代表了反向因果关系的更大可能性，因为这种评论可能首先是由市场事件引起的。换句话说，政府官员可能会根据市场走势发布评论，然后由TRN或DJI客观报告，并反映在指数中。继Birz和Lott（2011）之后，我们注意到，如果新闻确实是由市场活动驱动的，我们应该在高活动月份看到更多新闻发布。为了验证这一点，我们回归了由给定月份新闻线发布总数测量的去趋势新闻量的市场回报绝对值，并发现新闻量系数不显著，p值接近1。

因此，市场活动与新闻量无关。作为进一步的测试，我们还重新估计了（9）中给出的市场回报的边际模型，但包括去趋势的新闻线数量以及额外的控制。和以前一样，我们发现新闻量微不足道。作为最终检查，我们将去趋势新闻量保留在（9）中，并使用IFM重新估计整个克莱顿copula模型。不出所料，我们的估计结果变化很小，克莱顿相关参数在新的t比率为1.91时仍然显著。因此，我们得出结论，市场回报和经济新闻之间的逆转是极不可能的。5.讨论值得注意的是，由于概率变换和序列不相关，我们在此记录的新闻的不对称市场效应不是由任何特定时间段驱动的，例如，我们样本中的两次NBER衰退，而是贯穿整个商业周期的持续性。这可能会对有可能发表破坏性财务评论的决策者产生影响。从股市的角度来看，乐观的言论似乎是廉价的，而经济悲观主义在任何时候都可能代价高昂，而不仅仅是在危机期间。我们在这里构造的新闻变量可能有更广泛的应用。例如，Engle和Rangel（2008）开发了一个由宏观经济原因驱动的低频波动模型。我们的新闻指数可以简化对此类模型的估计，因为它提供了对更广泛的经济新闻的定量估计，其频率比许多预定的统计数据发布的频率更高。参考Birz，G.，L ott，J.R.，20 11。宏观经济新闻对股票回报的影响：来自报纸报道的新证据。《银行与金融杂志》352791–2800。Boyd，J.，Hu，J.，Jagannathan，R.，2005年。

股市对失业消息的反应：为什么坏消息通常对股市有利。《金融杂志》60649-672。布里登，D.T.，197.9。具有随机消费和投资机会的跨期资产定价模型。《金融经济学杂志》7，265–296。陈，L.K.，卡塞斯基，J.，拉科尼肖克，J.，1998年。风险和回报来自多个因素。《金融与定量分析杂志》33159-188。陈，N.f.，19 91。金融投资机会和宏观经济。《金融杂志》46529–554。Chen，N.F.，Roll，R.，罗斯，S.A.，1986年。经济力量和股市。《商业杂志》，383-403。美国切鲁比尼，东卢西亚诺，西维基亚托，2004年。金融中的Copula方法。约翰·威利父子公司。康奈尔，B.，1983年。货币供应量公告之谜：回顾与解读。《美国经济评论》，644-657。戴克，A.，辛盖尔斯，L.，2003年。媒体和证券交易所的价格。技术报告。工作报告，哈佛商学院。恩格尔，R.F.，1982年。自回归条件异方差与英国通货膨胀方差估计。计量经济学50987–1007。恩格尔，R.F.，兰格尔，J.G.，2008年。低频波动的样条garch模型及其全球宏观经济原因。财务研究回顾21187–1222。弗兰纳里，M.J.，阿拉巴马州帕罗帕达基斯，2002年。宏观经济因素确实影响股票总回报。金融研究回顾15、182–751。根特，A.C.，2010年。为什么市场对好消息反应不好？来自联邦储备基金期货的证据。SSRN电子杂志。T.格罗斯克罗斯，J.米利约，2005年。衡量媒体偏见的尺度。《经济学季刊》1201191-1237。Jain，P.C.，1988年。每小时股价和交易量对经济新闻的反应。《商业杂志》61219-231。乔·H.，1997年。

多元模型和多元依赖概念。统计和应用概率手册第73卷。华润出版社。Joe，H.，Xu，J.J.，1996年。多元模型推理函数的估计方法。技术报告166。不列颠哥伦比亚大学统计学系。温哥华，不列颠哥伦比亚省奈特，J.，利泽里，C.，塞切尔，S.，2005年。疼痛时的分流？房地产和股票市场的联合分配1。《房地产研究杂志》22，309–32 3。洛特，J.R.，哈塞特，K.a.，2004年。报纸对经济事件的报道是否带有政治偏见？SSRN电子杂志。麦昆，G.，罗利，V.V.，1993年。股票价格、新闻和商业状况。金融研究回顾6683–707。默顿，R.C.，1973年。跨期资本资产定价模型。计量经济学：计量经济学学会杂志41867–887。米凯利斯，L.，宁，C.，2010年。加拿大股市与美元/加元汇率之间的依赖结构：copula方法。加拿大经济杂志431016-1039。马莱纳坦，S.，什莱弗，A.，2005年。新闻市场。《美国经济评论》951031-1053。内尔森，R.，2006年。连接词导论。斯普林格，纽约，美国。宁，C.，2010年。股票市场和外汇市场之间的依赖结构——一种copula方法。国际货币和金融部的Jo ur na l 29743–759。宁，C.，威詹托，T.S.，2009年。东亚股市的极端收益量依赖：一种copula方法。《金融研究快报》6202-209。巴顿，A.，2006年。非对称汇率依赖模型。《国际经济评论》47527–556。巴顿，A.J.，2009年。基于Copula的金融时间序列模型，摘自：安徒生，T.，戴维斯，R.，克里斯，J.，米科什，T.（编辑），《金融时间序列手册》。施普林格-维拉格，柏林，海德堡，第767-786页。Pearce，D.K.，Roley，V.V.，1983年。

股票价格对货币意外变化的反应：一张便条。《金融杂志》381323-1333。Pearce，D.K.，Roley，V.V.，1985年。股票价格和经济新闻。《商业杂志》第58期，第49-67页。Scotti，C.，Yue，V.Z.，2013年。惊喜和不确定性指数：真实活动宏观惊喜的实时聚合。联邦储备委员会。斯卡拉，A.，1959年。尺寸和边缘的分配函数。巴黎大学统计研究所出版物8，229–231.6。附录2001 2004 2006 2009 2012-1.-0.500.51就业新闻指数2001 2004 2006 2009 201220406080就业新闻量图1：路透社1999年1月至2014年4月发布的就业新闻指数月度值和就业相关新闻发布总数。虚线显示过滤后的趋势。2001 2004 2006 2009 2012-1.-0.500.51行业新闻指数2001 2004 2006 2009 20120102030行业新闻量图2：行业新闻指数的月度值和路透社发布的行业相关新闻的总数，1999年1月至2014年4月。虚线显示HP过滤后的趋势。2001 2004 2006 2009 2012-1.-0.500.51住房和建筑新闻指数2001 2004 2006 2009 20120102030住房和建筑新闻量图3：住房和建筑新闻指数的月值以及路透社1999年1月至2014年4月发布的住房相关新闻的总数。虚线显示HP过滤树。2001 2004 2006 2009 2012-1.-0.500.51能源新闻指数2001 2004 2006 2009 201205010150200250能源新闻量图4:1999年1月至2014年4月20日路透社发布的能源新闻指数月度值和能源相关新闻发布总数。

虚线显示HP过滤趋势。2001 2004 2006 2009 2012-1.-0.500.51宏观经济新闻指数2001 2004 2006 2009 201250100150200250300350总新闻量图5：1999年1月至2014年4月期间路透社和道琼斯能源服务公司发布的宏观经济新闻指数的月度值和处理新闻发布的总数量。虚线显示HP过滤的树。