【金融街发布·机构研究】北大经院金融系研究显示：新闻关联数据库在A股市场应用效果显著

　　A股市场资产收益率之间除去因子强相关之外的弱相关，以及金融市场“动量溢出”效应等一系列热点问题有了新的研究思路和解决方案。

　　近日，北京大学经济学院金融系李少然所在团队通过对财经新闻等股票收益率样本之外的辅助信息源挖掘研究，借助数百万条财经新闻数据构造出A股资产之间不同的关联矩阵，有效解决了上述系列热点问题，取得了显著的应用测试效果，并同步验证了这一数据库在学界和业界的价值。

　　据介绍，该新闻数据库所使用的数据囊括了2001年1月至2022年12月间发布的113万余条财经新闻。李少然所在团队在此基础上，通过数据统计股票间的新闻关联，进而构建关联矩阵。

　　李少然表示，团队主要通过两方面的研究来捕捉和验证A股个股弱相关性。

　　一方面，针对沪深300成分股和相关因子，通过新闻关联矩阵，利用2017-2021年的日收益率估计并检验相关模型。结果表明，新闻数据有助于捕捉资产之间存在的显著空间相关性，在剔除行业因子影响后，空间相关系数仍十分显著，且无论个股层面还是行业层面，空间系数均呈现出明显的异质性。

　　另一方面，团队也对A股市场的“动量溢出”效应进行了重点关注，详细研究了不同经济关联的挖掘方法，以探究股票周频收益率的可预测性。团队将包括同行业及供应链、同概念等在内的三个月的新闻关联网络与其他常用网络进行对比分析后发现，通过文本分析构造的新闻关联可以囊括学术界常用的其他关联挖掘方法，拥有最佳的表现，并且在控制了新闻关联后，其他关联所产生的效应将不再显著。

　　值得一提的是，在实际收益测试中，该新闻关联数据库的表现同样效果显著。

　　团队首先基于不同经济关联的投资组合的排序表现进行相关测试。结果显示，新闻关联驱动的策略每月可以获得1.94%的超额收益，且该收益在经过CH-4因子调整后依旧显著。在考虑16 bps的交易费用后，同样只有新闻关联能获得显著的正alpha。此外，团队还按照Ali and Hirshleifer(2020)的方法进行了跨因子测试。结果显示，当CH-4因子模型中加入了新闻共现动量因子后，其他关联动量的alpha几乎都变得不显著，甚至为负。而在CH-4因子模型中加入了其他关联因子后，新闻共现动量因子的alpha依旧显著为正。

　　据悉，该研究相关成果也将实时更新在北京大学金融工程实验室主页上。

（文章来源：新华财经）

(原标题：【金融街发布·机构研究】北大经院金融系研究显示：新闻关联数据库在A股市场应用效果显著)

(责任编辑：91)