Page 72 - 《社会》2017年第2期

网络舆情是否影响股市行情？

，
犇犻狊狋狉犻犫狌狋犲犱犔犪 犵 犃犚犇犔 ）进 行 协 整 检 验 （ 犘犲狊犪狉犪狀 犪狀犱 犛犺犻狀 ， １９９９ ；
犘犲狊犪狉犪狀 ， 犛犺犻狀犪狀犱犛犿犻狋犺 ， ２００１ ）并估算“误差纠正模型”（ 犈犆犕 ）。较之
传统的“约翰森方法”， 犃犚犇犔 模型具有三大优势：第一，不要求变量同
阶单整，可以直接将 犐 （ ０ ）和 犐 （ １ ）纳入模型分析；第二，当解释变量为内
生变量时， 犃犚犇犔 模型估计也不会受到影响；第三，在小样本的情况下
犃犚犇犔 的估计更稳定性和更高效。
根据帕瑟伦等（ 犘犲狊犪狉犪狀 ， 犛犺犻狀犪狀犱犛犿犻狋犺 ， ２００１ ）的研究，我们建立
以“上证指数” 犛 为因变量，以股市的“微博信心指数” 犠 为主解释变量
的误差纠正模型：
狆 狇
Δ 犛 狋 ＝ β ０ ＋ β １ 犛 狋 － １ ＋ β ２ 犠 狋 － １ ＋ ∑ λ １ 犼 Δ 犛 狋 － 犼 ＋ ∑ λ ２ 犼 Δ 犠 狋 － 犼 ＋γ 犇 ＋ ε 狋
犼＝１ 犼＝１
其中， 和 代表了“微博信心指数” 犠 和股市行情 犛 之间的协整，也
β １ β ２
为随机干
即长期关系。 λ １ 犼 和 λ ２ 犼 则代表了两者之间的短期动态关系。 ε 狋
扰项， 和 狇 为滞后阶数。考虑股市震荡期的股指结构性波动，我们还
狆
加入了下行拐点的虚拟变量 犇 。通过“边界检验法”，我们可以确定 犠
和犛 之间是否协整。在协整的前提下，我们进一步对 进行估
β ２ 和 λ ２ 犼
计。具体而言，利用信息准则来确定各差分项的最佳滞后阶数 狆 和 ，
狇
然后使用服从非规则渐进分布的 犉 统计量对零假说（ 犎０ 为 β ２ ＝０ ，也

即无协整关系）进行联合显著性检验。当 犉 值高于假定 犠 为 犐 （ １ ）的 犉
上限值时，则可以拒绝零假说，证明存在协整关系。当 犉 检验确认舆
情和股市行情之间存在长期均衡后，我们在保证估计的残差不存在线
性自相关问题的前提下估算出相关系数。

（三）实证分析结果
表 ２ 中报告了基于“ 犜 — 犢 ”过程的“格兰杰因果检验”结果。我们
发现，在股市震荡期，早前 １ — ３ 天的微博舆情有助于更好地预测后市
行情。但这一关联在股市平稳期并没有出现。此外，我们发现，无论是
震荡期还是平稳期，股市行情本身走势并不有助于预测“微博信心指
数”。尽管直觉告诉我们股市行情会影响到媒体热议的内容，但没有统
计显著的关联显示，影响网络媒体热议股市的内容、数量的因素显然不
仅仅是 股 市 自 身 的 指 数 起 伏。 至 此，我 们 首 先 证 明 了 第 一 个 假 说
（ 犎１ ），也即网络舆情可以构成股市行情的“格兰杰原因”。

· ６ ５ ·