异质信息源对特质波动率定价的影响研究——基于沪深A股上市公司的实证

林忠国， 于仰志， 魏瑀含

（天津大学管理与经济学部， 天津 300072）

传统资产定价理论认为非系统风险可以通过分散化投资予以抵消，股票的收益主要与系统性风险相关，投资者不能因承担非系统性风险而获得补偿，即特质波动率（Idiosyncratic Volatility，IVOL）对资产定价不起作用[1-3]。由于传统的资产定价模型建立在一系列严格假设基础之上，例如有效市场，而现实中的所有金融市场均达不到完全有效[4]，所以IVOL在资产定价方面可能起作用（特质波动率定价在本文指的是IVOL与预期收益率的关系）。Ang等[5-6]对美国和G30市场进行实证研究发现，在控制公司规模、账面市值比、动量、流动性和交易摩擦等因素后，IVOL与预期收益率的负相关关系仍存在，由于至今尚无完美的解释，被称为“特质波动率之谜”。

针对IVOL与预期收益率的关系，国内外学者开展了大量研究，得出了二者之间正相关、负相关或不相关的结论，从流动性、异质信念、收益反转、投资者关注度、噪音交易等角度尝试对二者的关系进行解释。在影响特质波动率定价的众多因素中，信息是非常重要的因素。Black[7]认为股价包含信息和噪音：当投资者以所持有的私有信息进行交易，信息进入到股价，此时高IVOL为信息功能效率的体现[8]，高IVOL意味着股价中含有更多的信息[9]，表现为IVOL与预期收益率负相关；
当投资者误将所持有的噪音作为信息进行交易，噪音进入到股价，此时高IVOL意味着高风险和社会福利的损失[4]，表现为IVOL与预期收益率正相关[10]。

随着计算机技术和信息技术的飞速发展，投资者的信息获取与交换方式也在发生变化。互联网带来的复杂且丰富的渠道深刻改变了传统新闻媒体的新闻生产与新闻生态[11]。互联网媒体其新闻数量可能要高于传统媒体，但是传统媒体存在的时间长，信息的可信度要高于互联网媒体。依据获取到的信息，投资者进行交易进而影响资产价格。已有研究发现，传统报刊报道的数量和情感倾向会影响股票交易量和价格[12-18]。此外，社交媒体也蕴含着丰富的信息，可以预测股票价格、提供股价中未反映的信息[19-20]。

由以上分析可知，信息在资产定价中的作用不可忽视。以往文献[12-21]多集中于信息作为定价因子的作用，较少关注信息对特质波动率定价的影响。IVOL包含除传统定价因子之外的其他所有因子，同时也是信息或噪音的反映[7]，因而研究特质波动率定价以及信息所起的作用，对认识资产价格的形成规律具有重要的意义。此外，不同信息源的信息发布速度和频率、信息传递方式和权威性等方面不同，导致其受众和信息解读方式不同，其对特质波动率定价的影响也可能不同，因此有必要探讨异质信息源对特质波动率定价的影响。

本文构建代表信息的知情交易概率指标（Volumesynchronized Probability of Informed Trading，VPIN），研究其对特质波动率定价的影响，同时选取有代表性的股吧论坛、网络财经新闻和传统报刊财经新闻这三种信息源，研究其在特质波动率定价中的作用。本文的贡献主要有以下三个方面。一是引入股吧帖子、网络新闻和传统报刊这三种异质信息源，分析和比较了其对特质波动率定价的影响，丰富了资产定价方面的理论和实证。本文研究表明，股吧信息源在解释特质波动率定价方面起作用，其他两种信息源的解释作用不明显。二是通过本研究，可以为投资者构建组合策略进行盈利，投资者可以持有低IVOL的股票，卖出高IVOL的股票实现无风险套利。三是为监管者制定相应的策略以建设健康、透明、有效的资本市场提供科学依据，监管者应加强在社交媒体、网络媒体等方面的信息监管，防止不实信息与虚假信息的传播。

（一） 研究假设

1. 特质波动率与预期收益率的关系

关于IVOL与预期收益率的关系，主要存在三种观点。第一种观点认为两者负相关，此类观点始于Ang等[5-6]的工作，随后大量研究尝试从公司基本面和宏观经济等角度探索特质波动率之谜。例如，有学者认为IVOL是对异质信息的度量，高IVOL的股票价格被高估，在未来价格回归正常，因而两者呈负相关关系[22-24]；
Fu[25]认为负相关是由高IVOL股票的收益反转所致；
Malagon等[26]认为IVOL是投资性和盈利性指标的度量，在考虑投资性和盈利性指标后，负相关关系减弱；
Qadan 等[27]认为IVOL代表投资者的风险厌恶水平和经济不确定性，发现高风险厌恶水平和经济不确定性会削弱负相关关系；
Hur 等[28]发现投资者关注度低的股票，负相关关系更显著。

第二种观点认为IVOL与预期收益率正相关。理论模型和实证研究表明，当投资者的投资组合无法充分分散化时，IVOL是风险的度量，表现为IVOL与预期收益率正相关[25，29-32]。部分学者认为高IVOL意味着高噪音，高噪音增加了不确定性，因而投资者要求高收益[33-34]。

第三种观点认为IVOL与预期收益率存在协调关系。例如，有学者认为负相关是因为错误定价，正相关是因为无法分散的风险[35-36]。Liu[37]将IVOL分解为短期和长期两部分，发现短期IVOL与预期收益率正相关，长期IVOL与预期收益率负相关，正相关是因为投资者因为承担无法分散化的特质风险而要求补偿，负相关则是因为长期IVOL隐含较低的系统性风险。

根据上文综述，如果IVOL在一定程度上代表着信息，其会与预期收益率负相关；
如果IVOL在一定程度上代表着无法分散的特质风险，其会与预期收益率正相关。鉴于国内外主流文献大多支持第一种和第二种观点，加之我国资本市场个人投资者占比较高，因此IVOL与预期收益率相关性可能较强，本文提出如下竞争性假设。

H1a：IVOL与预期收益率负相关；

H1b：IVOL与预期收益率正相关。

2. 信息对特质波动率定价的影响

如上文所述，以有效市场理论为基点，可以从信息的角度认识IVOL与预期收益率的关系。投资者拥有的不完全信息可以在很大程度上解释IVOL与预期收益率的关系[38]。Yang等[39]构建了异常IVOL指标以衡量信息风险，发现信息风险参与资产定价。Chen等[40]认为IVOL包含噪音，虽然噪音不是特质波动率之谜的成因，但其能够削弱IVOL与预期收益率的负相关关系。

在我国市场上，投资者获取信息的渠道主要有社交媒体、网络和报刊等。作为社交媒体的一种形式，股吧为投资者提供交流场所，其帖子的发出者为投资者本身，因而蕴含了丰富的信息和情绪。常青青[41]基于东方财富股吧帖子分析用户的互动数量与股票流动性的关系，王爱群等[42]从股吧情绪和股吧意见一致性两方面实证检验了社交媒体对分析师行为的影响。当然，股吧帖子也可能充斥着虚假信息和小道消息，所以从信息质量和权威性比可能不如网络财经新闻与传统报刊财经新闻信息源。

互联网带来的复杂且丰富的渠道深刻改变了传统新闻媒体的新闻生产与新闻生态[11]。网络财经新闻是众多财经媒体在互联网上发布的，其既保持了客观性的同时，也利于信息的快速传播，但由于其信息发布的频率较高，在权威性方面可能低于传统报刊新闻，受到投资者的关注有限。王晓丹等[43]也认为互联网新闻媒体的关注度和情感指标对我国股票市场的运行均有一定的影响。而报刊作为传统的信息源，虽然数量和信息发布频率不如网络新闻，但更具权威性，更易受投资者关注。Huang等[44]发现报纸中含有足够的信息来衡量宏观经济政策的不确定性。来自不同渠道的信息具有不同的特点，因此在检验IVOL与预期收益率的关系时，需要考虑异质信息源的影响。

由于上市公司可以在股吧发布公司公告并且直接与投资者进行交流，而且投资者也可以在股吧中分享报刊新闻或网络新闻中的信息，因此股吧信息源中的信息丰富程度要高于报刊信息源与网络新闻信息源。此外，考虑我国市场以个人投资者为主，相对于机构投资者和分析师，个人投资者更关注股吧论坛，故提出以下两个假设。

H2：信息可以减弱IVOL对股票预期收益率的影响。

H3：相对于网络财经新闻与传统报刊财经新闻，股吧帖子对IVOL与预期收益率的关系影响更大。

（二） 研究设计

1. 样本选择

本文选取2011—2020年我国A股市场制造业所有股票作为研究对象，剔除退市和停牌的股票，且要求每月至少有17个交易日，总计获得2 339支股票147 238条月度观测。研究所需数据，如股吧贴子、网络新闻与报刊财经新闻等数据来自CNRDS数据库，其余数据来自于CSMAR数据库。

由前文可知，主要的信息源有三种：传统报刊信息源、网络财经媒体信息源以及社交媒体信息源。传统报刊信息源包括《中国证券报》《上海证券报》《证券日报》等主流新闻媒体，是最早的新闻传播途径，其新闻形式更为正式，内容也更具权威性。网络信息源则包括和讯网、新浪财经、FT中文网、财新网等主流网络财经媒体，这些都是随着互联网发展逐渐兴起的网络新闻平台，对信息的传播起着重要的作用。社交媒体信息源有微博、股吧等社交媒体平台。微博上有关上市公司的信息较少，只有少量上市公司开通官方账号，代表性不够高。东方财富股吧的信息，无论在用户数量还是在活跃度方面都要优于微博，更具有代表性。此外，东方财富股吧论坛既是信息发布者又是投资者交流的平台，因此选择东方财富股吧作为社交媒体信息源的代表。

2. 变量构建

（1） 特质波动率。根据以往文献[33，36]，采用 Fama-French三因子模型构建月度IVOL。在任一j月内的交易日t，用个股i的超额收益(Rjit-Rjft)对市场组合因子(Rjmt-Rjft)、市值因子SMBjt和账面市值比因子HMLjt做时间序列回归，模型基本形式为

由模型得到的残差标准差与交易天数平方根的乘积作为股票i在j月的特质波动率IVOLji，具体公式为

（2） 知情交易概率。本文以同步交易量的知情交易概率衡量信息[45]，该指标不需要对参数进行估计，只需要买入与卖出的交易量即可计算，且可以调整计算的时间区间。按如下方法构建VPIN，先将任意一天总交易量平均分为n份，每份为一个交易篮子，具体表达式为

式中：t（τ）为第τ交易篮子中最后的时间限制；
i为最小的时间间隔；
Vi为i时刻的交易量；
Pi为i时刻的价格；
σΔP为每个篮子中股票价格变动量的标准差；
Z为标准正态分布的累积分布函数。式（3）与式（4）表明，如果在相同的时间内价格从起点到终点都没有发生变化，那么就把这个时间限制内的交易量分为相等的买卖交易量，如果价格上涨，就赋更多的权重于买量。V为每个篮子内的等交易量；
n为区间内（如1天）的交易篮子数，本文n取8。

（3） 信息数量和情感倾向。本文将股吧（SF）、网络财经媒体（NET）和传统报刊 （NEWS）每月新增的信息数量作为信息因子，SF为股吧帖子总数，NET为网络新闻总数，NEWS为传统报刊财经新闻总数。同时考虑情感倾向占比，以H、M和L分别代表正面、中性和负面三种情感倾向，例如SFH代表每月正面倾向的帖子数占所有帖子数的比例。

（4） 控制变量。根据文献[36，46-47]，选取公司规模、账面市值比、动量因子与非流动性因子作为控制变量，其定义如下。

公司规模（SIZE）。包括公司总资产的自然对数、账面市值比（BM）（公司股票的市值与账面价值的比值）、动量因子（MOM）（以t—9到t—1月内股票累积收益率作为t月的动量因子）、非流动性因子（ILLIQ），参考Amihud[48]构建方式构建，具体方法如下

式中：i代表第i支股票，j代表j月。Dji为第i只股票在j月内的交易天数；
Rjit为第i只股票在j月内第t个交易日的考虑现金红利再投资的收益率；
VOLjit为交易金额（元）。

3. 研究方法

（1） 投资组合分析方法。本文采用投资组合分析方法对IVOL与预期收益率（R）的关系以及异质信息源对特质波动率定价的影响进行分析。单因素投资组合分析：在j月，按照IVOL大小分为5组，组内按流通市值加权构建投资组合，考察j+1月时投资组合收益率，检验最高与最低组收益率的差值是否显著为0，如果显著小于0，则说明二者呈负向关系，也就验证了假设H1a；
如果显著大于0，则说明二者呈正向关系，也就验证了假设H1b。双因素投资组合分析：在j月，首先按照IVOL大小将股票平均分为5组，在每组内再根据信息特征（数量或情感倾向）平均分为5组，共产生25组投资组合，在j+1月考察投资组合的收益率。在每个IVOL分组中，检验最高与最低信息源特征组合收益率的差值是否显著为0；
在每个信息源特征分组中，检验最高与最低IVOL组合收益率的差值是否显著为0，若IVOL组合的收益率差值（绝对值）随着信息比率的增加而逐渐增加，则说明信息能在一定程度上解释IVOL定价，也就验证了假设H2，否则拒绝假设H2。之后对比三种信息源对IVOL与预期收益率关系的影响程度，如果SF的影响程度高于NET与NEWS，则验证了假设H3，否则拒绝假设H3。

在报告投资组合分析法的结果时，用Dif表示最高组与最低组收益率的差值。IVOLL表示IVOL最低的分组，IVOLH表示IVOL最高的分组。对应信息变量的上标L表示该种信息变量最低，H则表示该种信息变量最高，如VPINL表示VPIN最低的分组，VPINH表示VPIN最高的分组。考虑到如果报告全部二维分组结果，文章表格数量将太过冗余，因此只报告IVOL与异质信息源数量的二维分组结果。

（2） Fama-Macbeth两步回归法。投资组合分析虽然可以检验IVOL与R的关系以及异质信息的作用，但无法控制其他因素（例如公司规模、账面市值比和流动性）的影响，导致结果可能存在偏差，因而采用Fama-Macbeth回归方法以控制其他因素的影响，其包括以下两步回归。

在任意j月，用当月所有股票的IVOL以及其他控制变量对j+1月的收益率进行截面回归，研究IVOL对R的影响，回归方程的基本形式为

式中：Xj,,i为控制变量的集合，包括SIZE、BM、MOM和ILLIQ。

在所有月份，对式（7）中的系数βj（时间序列）进行双尾t检验，若为负，IVOL与R负相关，则假设H1a成立；
若为正，IVOL与R正相关，则假设H1b成立。为排除异方差和序列自相关性对参数估计的影响，使用Newey-West统计量进行检验[49]。

为检验异质信息源对特质波动率定价的影响，在式（7）中加入信息数量（情感倾向）变量，以及其与IVOL的交乘项，模型基本形式为

式中：IF为异质信息源的数量（情感倾向），代表VPIN、SF、SFH等变量。如信息影响特质波动率定价，则系数β2显著不为0，假设H2成立；
如果信息不影响特质波动率定价，则系数β2为0，假设H2不成立。如果回归结果中，仅SF参与回归时的β2显著不为0，NET与NEWS参与回归时β2为0，则H3成立，否则假设H3不成立。

为避免极端值的影响，对数据进行1%与99%的缩尾处理。表1为主要变量的描述性统计结果。R代表收益率，均值为0.01，标准差为0.12，表明公司间的月度收益率存在较大差异。IVOL均值为0.08，标准差为0.04。VPIN的平均数与中位数相同，且标准差很小，说明知情交易在个股间差异较小。三种异质信息源中，股吧信息数量明显高于网络新闻和传统报刊新闻数量。观察三种信息源的情感倾向占比，股吧帖子的负面倾向占比最高，而网络新闻与传统报刊新闻正面倾向占比最高。控制变量方面，公司规模经自然对数调整后平均值为15.68，标准差为1.01，最大值与最小值之间差距较大；
账面市值比平均值为0.43，标准差为0.29；
动量因子均值为0.03，标准差为0.32，具有较大的波动；
非流动性指标均值为0.05，标准差为0.06，说明多数股票流动性良好。

表1 变量描述性统计

表2报告了主要变量之间的Pearson相关系数。IVOL与R之间呈负相关，表明我国股市可能存在特质波动率之谜。VPIN与R正相关，可能因为VPIN是私有信息的度量，私有信息的获取是有成本的，所以投资者要求相应的补偿。SF、NET与R呈负相关关系，而NEWS与R呈正相关关系，说明不同信息源对收益率的影响是不同的。此外，由IVOL和VPIN负相关，以及IVOL和SF、NET、NEWS可以推断：IVOL一定程度上包含了公开信息而非私有信息。

表2 主要变量Pearson相关系数

续表2

（一） 投资组合分析结果

1. 单变量分组结果

表3报告了按照特质波动率分组的投资组合的R。随着IVOL的增加，投资组合的R降低，高IVOL组合与低IVOL组合的收益率之差为-1.58%，在1%水平上显著。本文结果与Ang等[5]一致，初步验证了假设H1a中IVOL和R的负相关关系。

表3 IVOL分组的一维投资组合的月度平均收益率

2. 双变量分组结果

（1）IVOL与VPIN分组结果。表4报告了按VPIN和IVOL共同分组的R。在每个VPIN分组中，高IVOL组合比低IVOL组合的R低，其差值（绝对值）随VPIN增加而增大，说明私有信息可能是导致特质波动率之谜的原因，同时VPIN包含更多的利空信息交易。在每个IVOL分组下，高VPIN组比低VPIN组的收益高，这与相关性分析的观点一致：私有信息的获取是有成本的，因而投资者要求相应的补偿，双变量分组结果初步肯定了假设H2中信息能减弱IVOL对R的影响的假设。

（2）IVOL和股吧信息源分组结果。表5报告了按股吧帖子信息源和IVOL共同分组的预期收益率。表5显示，在每个SF分组中，高IVOL组比低IVOL组的预期收益率低，其差值（绝对值）随SF增加而增大，说明SF可能是导致特质波动率之谜的原因；
在每个IVOL分组中，高SF组比低SF组预期收益率低，表明风险随信息（SF）增加而降低，投资者要求的补偿减少。

表5 IVOL与SF二维分组

关于情感倾向，由于空间有限，相应的结果未制表报告，二维分组结果显示，随SFH增加，高IVOL组与低IVOL组预期收益的差值整体上呈增加趋势，表明利好消息的释放有助于投资者从中获利；
随SFM增加，整体上高IVOL组与低IVOL组的预期收益的差值（绝对值）增加，中性消息并非好消息，其可能被投资者视为利空消息，导致收益下降；
随SFM增加，整体上高IVOL组与低IVOL组预期收益（绝对值）的增加，表明利空消息的传播和扩散使得投资者减少相应公司股票的持有数量，导致收益下降。根据表1，由于SFM和SFL的占比将近70%，高IVOL组与低IVOL组预期收益率的差值随着SF增加而减少。

（3）IVOL与NET分组结果。表6报告了按NET和IVOL共同分组的预期收益率。控制IVOL，网络新闻数量对预期收益率并无显著影响（最后一列）；
控制网络新闻数量，高IVOL组比低IVOL组预期收益率低。整体上，随网络新闻数量增加，高IVOL组与低IVOL组预期收益率的差值没有明显的单向递增或递减关系。IVOL与网络新闻情感倾向的二维分组结果与同网络新闻数量二维分组的结果一致，此处不再赘述。与SF不同，NET并没有提供额外的信息，进而影响特质波动率定价。原因可能有以下几点：相比于SF这种投资者自发性的话题讨论形式，NET可能无法引起投资者的注意和兴趣，因而没有传达有效的信息；
NET的数量远远低于SF帖子数量，提供的信息有限；
网络新闻中，正面情感倾向占比将近50%，向市场传递了更多的利好消息，掩盖了利空消息的释放。

表6 IVOL与NET二维分组

（4）IVOL与NEWS分组结果。对传统报刊新闻进行分析，得到的结果与NET相似（见表7），不再赘述。需要注意的是，NEWS的数量远远低于SF和NET的数量，表明随着互联网的高速发展，信息的获取方式正在由传统媒体向新媒体转变。

表7 IVOL与NEWS二维分组

综上，针对假设H3，本文初步认为SF会影响IVOL与R的关系，而NET和NEWS对IVOL与R的关系没有影响。

（二） Fama-Macbeth截面回归结果

为进一步量化信息在特质波动率定价中的作用，采用IVOL等变量对R进行Fama-Macbeth截面回归。

1. 不考虑异质信息源回归结果

表8报告了在不考虑SF、NET和NEWS等异质信息源条件下，IVOL与R的关系。模型1和2中的IVOL系数为负，即IVOL高的股票在未来有更低的收益，表明我国股票市场存在特质波动率之谜，验证了假设H1a。对于控制变量，SIZE和BM效应不显著；
ILLIQ的系数显著为正，表明流动性越高的股票，有更多的信息融入至股价，导致价格的提高和收益的降低；
MOM的系数显著为负，表明我国股市存在一定的反转效应。

表8 IVOL定价检验

表9报告了VPIN特质波动率定价的影响。模型1和2考虑了VPIN及其与IVOL的交乘项，发现IVOL的系数不再显著，模型1中交乘项的系数显著为负，但在加入控制变量后，模型2中交乘项的系数不再显著。VPIN的增加对特质波动率之谜有减弱作用，验证了假设H2，结论与前文投资组合分析一致。

表9 VPIN下IVOL与R的关系

2. 考虑异质信息源后回归结果

表10报告了在式（8）中纳入异质信息源后的回归结果。由模型1可知，当加入SF及其与IVOL的交乘项后，IVOL的系数变得不显著，且交乘项系数为负，表明股吧帖子数量可以解释IVOL与R的负相关关系；
考察情感倾向对特质波动率定价的影响，由模型2可知，当纳入SFH之后，IVOL的系数仍然显著为负，表明在对特质波动率定价的影响方面，股吧帖子数量比情感倾向的作用更大。模型3和模型4报告了考虑NET的情况下，IVOL与R的关系。无论是加入NET还是NETH，IVOL的系数仍显著为负，表明网络新闻提供的信息没有影响特质波动率定价，具体原因见上文，不再赘述。模型5和模型6报告了考虑NEWS的情况下，IVOL与R的关系。在两个模型中，无论是加入报刊新闻数量还是情感倾向，IVOL的系数均显著为负，表明传统报刊新闻也无法解释特质波动率之谜。

表10 异质信息源下IVOL与R的关系

续表10

3.稳健性检验

表11报告了稳健性检验的结果，模型1到模型3对SF进行了稳健性检验，模型1与模型2分别用SFM和SFL替换SFH，结果表明当纳入SFM占比后，IVOL的系数仍然显著为负；
纳入SFL后，IVOL的系数不显著。模型3同时考虑了股吧帖子数量和情感倾向，发现SF与IVOL交乘项系数显著为负，并且IVOL的系数不显著，再次表明股吧帖子数量对特质波动率定价的影响更大。结合投资组合分析的结果，可以认为特质波动率定价之谜某种程度上是由其所包含的信息所致，股吧作为投资者交流的论坛，有利于信息的传播，所以股吧帖子数量削弱了IVOL与R的负相关关系。

表11 异质信息源下IVOL与R的关系稳健性检验

模型4到模型6对NET进行了稳健性检验。在所有模型中，无论是替换网络新闻情感倾向因子还是将新闻数量和情感倾向同时考虑，IVOL的系数显著为负，再次表明网络新闻提供的信息没有影响特质波动率定价。

模型7到模型9对NEWS进行了稳健性检验。在所有模型中，无论是替换报刊新闻情感倾向因子还是将报刊新闻数量和情感倾向同时考虑，IVOL的系数显著为负。虽然相对于股吧帖子和网络新闻，传统报刊权威性更强，但因为我国股市以个人投资者为主以及报刊新闻的时效性较低，所以投资者关注度较低。较低的关注度导致报刊新闻提供的信息没有通过交易反映在股价中，进而不影响特质波动率定价。

综上，本研究发现IVOL与R存在负相关关系，反映私有信息交易的VPIN因子可以削弱这种负相关关系。针对假设H3，SF可以在一定程度上解释特质波动率之谜，而NET与NEWS则不能解释特质波动率之谜。投资者的注意力是有限的，特别是对个人投资者而言，其只能依靠自己收集市场中的信息，因此异质信息源对特质波动率定价的影响存在差异。

本文以2011—2020年我国A股上市公司作为研究对象，对我国股票市场是否存在特质波动率之谜进行了检验，并构建VPIN，分析了其对特质波动率之谜的影响，同时检验了SF、NET和NEWS这三种异质信息源在特质波动率定价中的作用。

通过投资组合分析法和Fama-Macbeth截面回归法研究发现：我国股票市场存在特质波动率之谜；
VPIN对特质波动率定价具有一定的削弱作用，表明信息可以降低IVOL对R的影响；
SF、NET和NEWS这三种异质信息对特质波动率定价的影响存在差异，SF削弱了特质波动率定价的现象，而NET和NEWS对特质波动率定价没有影响。

基于我国股市存在特质波动率之谜的结论，投资者可以通过卖空低IVOL组合、买入高IVOL组合获利。互联网技术的发展、网络媒体和社交媒体平台的出现，丰富了信息传播和扩散的渠道，考虑到不同渠道的信息含量及被重视程度存在差异，投资者在构建交易策略时应考虑异质信息源的影响，特别要重视股吧等社交媒体的信息。此外，监管者应重视社交媒体平台的舆情管理工作，加强对虚假信息和不实信息的监管，理性引导投资者情绪，建设公开、透明、健康发展的资本市场。

由于数据限制，本文没有考虑异质信息源中的信息交叉问题，而交叉信息可能更加受投资者关注，进而对特质波动率定价的影响更大，后续研究将考虑信息交叉问题。

猜你喜欢信息源网络新闻异质突发公共事件背景下信息源选择多样性研究：概念内涵与测度方法*图书馆论坛(2023年2期)2023-03-10睡眠者效应思维与智慧·下半月(2021年11期)2021-11-23网络新闻在公共管理中的作用及影响科技传播(2019年22期)2020-01-14新媒体时代，记者如何正确使用信息源活力(2019年19期)2020-01-06随机与异质网络共存的SIS传染病模型的定性分析云南师范大学学报（自然科学版）(2015年5期)2015-12-26采写网络新闻要成为“多面手”新闻传播(2015年9期)2015-07-18网络新闻的交互性应用新闻传播(2015年3期)2015-07-12如何写好网络新闻新闻传播(2015年3期)2015-07-12Ag2CO3/Ag2O异质p-n结光催化剂的制备及其可见光光催化性能中央民族大学学报（自然科学版）(2015年2期)2015-06-09MoS2/ZnO异质结的光电特性物理实验(2015年10期)2015-02-28

推荐访问:信息源 实证 沪深