光華講壇——社會(huì)名流與企業(yè)家論壇第6510期

主題：GIFfluence：投資者情緒和股市的可視化方法 GIFfluence: A Visual Approach to Investor Sentiment and the Stock Market

主講人：香港中文大學(xué)（深圳）經(jīng)管學(xué)院 吳詩(shī)佳助理教授

主持人：西南財(cái)經(jīng)大學(xué)金融研究院 牛子龍副教授

時(shí)間：5月9日 14:00-15:30

地點(diǎn)：光華校區(qū)35棟金融研究院202會(huì)議室

主辦單位：金融研究院 科研處

主講人簡(jiǎn)介：

吳詩(shī)佳是香港中文大學(xué)（深圳）經(jīng)管學(xué)院會(huì)計(jì)學(xué)助理教授。她在加利福尼亞大學(xué)爾灣分校獲得會(huì)計(jì)學(xué)博士學(xué)位。她的主要研究興趣是了解數(shù)字時(shí)代信息獲取和傳播的根本變化。她研究管理者和投資者的行為如何受到會(huì)計(jì)信息的影響，特別是信息的視覺(jué)呈現(xiàn)。她的研究揭示了管理者在披露會(huì)計(jì)信息時(shí)如何采取戰(zhàn)略性行為，以利用投資者在信息處理方面的行為偏差。她還對(duì)作為信息中介的社交媒體和收益管理進(jìn)行了研究。她的研究成果已在Review of Accounting Studies上發(fā)表。

內(nèi)容提要：

敘事是通過(guò)影響人們的行為和選擇來(lái)解釋或證明經(jīng)濟(jì)現(xiàn)象的故事。在本文中，我們研究了一種新的敘事格式，圖形交換格式（GIF），來(lái)衡量投資者情緒并研究其與資本市場(chǎng)結(jié)果的關(guān)系。我們從 Stocktwits.com 上數(shù)以百萬(wàn)計(jì)的 GIF 帖子中構(gòu)建了一個(gè)新穎的基于視覺(jué)的情緒指數(shù)，Stocktwits.com 是一個(gè)分享股票和其他金融資產(chǎn)觀點(diǎn)的領(lǐng)先在線平臺(tái)。我們發(fā)現(xiàn)，GIF 情緒與季節(jié)性情緒變化和 Covid 封鎖的嚴(yán)重程度相關(guān)，并能預(yù)測(cè)短期較高的市場(chǎng)回報(bào)、交易量、賣(mài)空、零售凈買(mǎi)入、市場(chǎng)波動(dòng)和從債務(wù)到股票的資金流動(dòng)，以及長(zhǎng)期回報(bào)逆轉(zhuǎn)和零售凈賣(mài)出。這些發(fā)現(xiàn)在控制基于文本的情緒和信息發(fā)送者聲明的情緒（SELFDEC）后是穩(wěn)健的。我們認(rèn)為，GIF 情緒反映的是自下而上的顯著性，捕捉的是情緒驅(qū)動(dòng)的預(yù)期而非信息，而文本情緒和 SELFDEC 可能包含有關(guān)未來(lái)表現(xiàn)的信息。

Narratives are stories that explain or justify economic phenomena by influencing people’s actions and choices. In this paper, we investigate a new narrative format, Graphics Interchange Format (GIF) to measure investor sentiment and examine its relation for capital market outcomes. We construct a novel visual-based sentiment index from millions of GIF posts on Stocktwits.com, a leading online platform for sharing opinions about stocks and other financial assets. We find that GIF-sentiment correlates with seasonal mood variations and the severity of Covid lockdowns, and predicts short-term higher market returns, trading volume, short sales, net retail buys, market volatility, and fund flows from debt to equity, and longer-term return reversals and net retail sales. These findings are robust to controlling for text-based sentiment and message sender-declared sentiment (SELFDEC). We suggest that GIF-sentiment reflects bottom-up salience and captures mood-driven expectations and not information, whereas TEXT-sentiment and SELFDEC may contain information about future performance.