自1994年4月20日中国正式接入互联网，进入互联网时代以来，中国互联网发展已有26年。中国互联网的发展经历了三次大浪淘沙，从四大门户到第一波搜索，从搜索到社交的第二波，从PC到移动互联网的第三波。中国的互联网已经遍布千家万户，给中国的经济、社会和人民生活带来了巨大的变化。根据2019年8月30日CNNIC发布的第44次《中国互联网络发展状况统计报告》可以看出，互联网已经与我们的日常生活密不可分，成为我国经济发展和人民日常生活中不可分割的重要组成部分。
随着互联网和信息技术在中国的快速发展，特别是大数据技术和移动互联网技术的快速发展，极大地改变了人们获取信息、表达观点和意见的方式。从信息获取的角度来看，人们获取信息的渠道已经从过去的报纸、杂志、广播、电视等传统媒体转变为各种网站、资讯软件，甚至论坛、社交软件等。现在，越来越多的人通过互联网获取信息，了解生活中发生的一切。而互联网使更多的人能够发出自己的声音，通过互联网与他人交流信息，例如，通过微博、贴吧等社交平台。，表达自己的观点和意见等。
在当今的信息时代，人们获取信息的成本大大降低，人们获取信息的渠道更加多样化。同时，我们可以发出更多的声音，表达更多的情绪和观点，这极大地影响了我们的日常生活和行为习惯。无一例外，信息时代的中国投资者也受到了信息时代的冲击。投资者获取股市的信息渠道更加广泛，表达情绪和观点的平台更加多元化。投资者可以从各类财经网站获取财经资讯，也可以通过手机软件加载的app、微信微信官方账号等及时获取自己想要关注的资讯。，提高了投资者获取信息的途径、及时性和便利性。
在这种背景下，股票市场的分析和预测带来了新的信息来源和渠道，为股票市场的分析提供了新的视角。传统的股票市场分析大多基于结构化数据，如股票市场的历史数据、宏观经济数据和财务指标。在信息时代，移动互联网、大数据等技术的发展，使得我们可以获取投资者在社交媒体上发表的评论和观点，新闻媒体发布的新闻和消息等。这些非结构化的数据也可以用来分析投资者的行为以及与股市的关系。越来越多的学者基于互联网上的这些非结构化数据来研究与股票市场的关系。网络财经新闻作为投资者获取财经信息的重要来源，对投资者行为和资本市场产生了不可忽视的影响。
此外，由于中国股市个人投资者比例较高，个人投资者往往不具备专业的经济金融知识和丰富的投资经验，而财经新闻媒体是他们获取市场信息的重要来源，因此容易受到新闻媒体报道的影响。当他们做出非理性的投资决策时，往往会遭受巨大的损失，同时也会给证券市场的健康发展带来极大的不利影响，导致资本配置效率低下。因此，研究财经新闻媒体对股票市场的影响意义重大。在证券市场中，新闻媒体作为信息传递的中介，应充分发挥其信息传递和公众监督的作用。
新闻媒体通过报道可以减少证券市场的信息不对称，让投资者更好地识别产品和证券的预期价值，让市场不再浑浊。同时可以通过举报发挥舆论监督的作用，形成被举报人的自我约束。可以说，新闻媒体的报道对证券市场的健康发展起到了重要的推动作用。此外，由于我国资本市场起步较晚，信息披露法律法规不完善，个人投资者比例过大，投资决策不理性，投资者容易受到新闻媒体报道的影响。
然而，在很大程度上，中国的新闻媒体未能公平、客观地向投资者提供有价值的信息。很多媒体为了自身利益，更多的是追求市场热点，迎合投资者情绪，给证券市场的发展带来了一些负面影响。因此，本文通过研究财经新闻对股市的影响，探究新闻媒体发表的文章影响股市的途径，希望能够发现我国市场和媒体披露中存在的问题和规律，为相关监管提供相应的参考。国内外学者对新闻等媒体与股票市场关系的研究进行了总结，主要从以下几个角度探讨新闻媒体对股票市场的影响。
媒体关注的角度。早期有学者从媒体关注度的角度研究新闻媒体对股市的影响。有学者主要通过新闻媒体发表文章的数量和新闻标题的数量来衡量媒体对上市公司的关注度。新闻越多，上市公司越受媒体关注。通过研究上市公司的新闻数量和标题数量与上市公司股票价格和收益率之间的关系，可以探讨新闻媒体对股票市场的影响。早在1971年，Vector就通过研究《纽约时报》报道的重大事件数量之间的关系，发现了重大新闻事件与股市之间的关系。
重大事件发布后，会对股市的波动产生一定的影响，首日影响最为强烈。Mitchell和Mulherin通过研究道琼斯报告的新闻公告数量与包括交易量和市场回报在内的股市活动衡量指标之间的关系，发现道琼斯的新闻公告数量与股市活动直接相关。GurHuberman和TomerRegev发现，纽约时报周日发表的一条关于癌症药物的好消息导致上市公司股价大幅上涨，但这条消息是在5个多月前发表在《自然》和流行出版物上的。即使新闻不包含真实信息，公众的关注也会导致股价上涨。
Chan发现，有新闻标题的股票和没有新闻标题的股票的月收益有明显的差异。第一，有新闻头条的上市公司股价很少反转，没有新闻头条的上市公司股价则相反；二是媒体关注度高的上市公司平均收益率低。方和佩里斯通过研究媒体报道与预期股票收益的横截面数据之间的关系发现，新闻媒体可以通过吸引广泛投资者的注意力来缓解信息摩擦并影响股票市场的价格。同时，研究还发现，没有新闻媒体报道的股票可以比有新闻媒体报道的股票获得更高的收益。
这一发现在小股和个人持股比例高的股票中更为明显。这说明信息传播的广度也会影响股票收益。赵伟和梁勋通过研究互联网金融信息量与股市收益率的时间序列发现，金融信息量与金融市场波动之间存在正相关关系，并且当信息量增加数倍时，波动可以摆脱随机因素，受到信息量的显著影响。饶、彭等。通过研究媒体对上市公司的关注度与股票月收益之间的关系，发现高关注度和低关注度股票的平均收益存在显著差异。
媒体对上市公司的关注度越高，其股票的收益率就越低。在此基础上构建了投资套利组合，获得了显著的超额收益。Carrctta研究新闻报道数量与累积超额收益率之间的相关性。结果表明，新闻报道数量与股票收益率之间存在显著的相关性。从个股的角度来看，马俊威和王铁军发现，与单只股票相关的在线信息文本量显著影响该股票第二天的收益，在线信息文本量与该股票的波动性密切相关。同时，还考察了文本信息所包含的信息容量对股票市场的影响。信息容量越大，文字对股市的影响力就越大。
新闻内容的角度。随着研究的深入和技术理论的完善，学者们的研究方向已经从新闻的数量转向新闻报道的内容。通过对上市公司陈氏新闻的研究发现，不同的新闻趋势对股票价格有不同的影响。与正面消息相比，负面消息会引起股价更剧烈的波动。泰特洛克定量分析了《华尔街日报》热门专栏的每日内容与股市之间的关系。结果表明，媒体悲观情绪越高，表明股市下行压力越大，悲观情绪越高或越低，表明股市交易量越大。
新闻可以通过影响投资者的情绪来影响股市。施密茨通过分析1998年7月至2006年10月5家大型日报和77个德国电视新闻节目中125家大中型公司的30万家公司的新闻发现，股票市场吸收信息的速度非常快，新闻对价格的影响主要发生在新闻信息到达的当天。如果媒体上的新闻报道配上公司自己的临时公告，这个涨价幅度尤其巨大。而且，好消息和坏消息的影响是不一样的。利好消息过后，股价只会出现极短时间的漂移，而利空消息对股价的影响往往会持续数天。另外，无论是好消息还是坏消息，消息发布后的交易量都比消息发布前高很多。
还发现，较少受到媒体关注的企业信息传递速度较慢，股价的反映也较慢。Beatriz讨论了信息和通信技术行业中网页上的公司公告对公司估值的影响，并分析了哪些新闻类型会影响股票回报。结果表明，关于新客户、已完成收购、长期战略决策和非技术联盟的消息对股价有积极的反应。相反，结果表明，关于新产品或升级产品的消息对股价有负面反应。乐观的媒体情绪更容易导致股价上涨，从而导致泡沫的出现。Mirgorodskaya研究了新闻媒体情绪对金融市场回报和波动性的影响。
研究发现，媒体的情绪会影响金融市场的表现，投资者会受到媒体悲观情绪的影响而调整投资策略，进而对市场产生进一步的负面影响。孔祥宇、毕秀春等。通过LDA提取当日新闻的主题分布，并利用这种主题分布通过支持向量机算法预测股市的走势，取得了较好的效果。刘和将互联网金融新闻分为政策支持、并购重组、融资和盈利新闻、违规和处罚新闻，分别研究了各类新闻对股票市场短期异常收益的影响。
程潇潇通过构建新闻人气指数、新闻情绪指数和社交媒体人气指数，基于向量自回归模型，探索新闻信息效应、情绪效应和场景效应对股票收益率的动态影响。结果表明，新闻的信息效应是股票收益率变化的直接原因。从以上文献可以看出，新闻媒体与股票市场的相关研究都是通过研究新闻媒体的一些属性来进行的。就新闻媒体发表文章数量与股市的关系而言，国内外学者的研究方向大体一致。多数学者认为新闻媒体发表文章的数量代表了新闻媒体对上市公司的关注度，进而研究新闻媒体关注度对股票市场的影响。
结果表明，新闻媒体关注度确实对上市公司股价产生影响，即存在“媒体效应”，有学者发现新闻媒体关注度高的股票收益率低于新闻媒体关注度低的股票。在研究方法上，有学者采用事件研究法研究上市公司重大新闻发布前后是否会对公司股价产生影响；有学者根据新闻媒体的关注程度将上市公司分为高新闻媒体关注和低媒体关注的组合，然后研究两种组合的股票收益和波动是否存在显著差异；另一部分学者通过构建上市公司新闻媒体关注度的时间序列，运用时间序列的相关理论来探讨这种“媒体效应”。
另一方面，就新闻媒体内容对股市的影响而言，有学者基于新闻媒体表达的情绪或态度来研究新闻媒体对股市的影响，也有学者基于新闻媒体文章的异质性将新闻分为几类，研究每类新闻对股市影响的差异。大多数学者从新闻媒体表达的情绪或态度的角度出发，通过研究新闻媒体表达的情绪或态度的积极或消极情绪倾向，来探讨不同态度对股市影响的差异。
也有学者利用文本挖掘方法，通过对财经新闻媒体的文本挖掘来预测股市走势，并取得了良好的效果。但也有一些改进:第一，由于新闻媒体文章属于文本信息，文本信息所包含的信息复杂且难以提取和量化，学者通常只能通过一些特征属性来研究，如新闻发布次数、情感倾向等，缺乏对文本信息所包含的丰富信息的更深层次的挖掘。
第二，新闻媒体报道通常有明确的主题和对象。在研究时，我们需要找出新闻媒体报道中对应的上市公司，来研究新闻媒体报道对这些上市公司的影响。判断新闻内容需要大量的劳动，没有一个相同的标准，存在一定的主观性。针对以上不足，采用LDA算法提取新闻话题，并根据提取的话题，研究话题与对应的股市板块之间的关系。这种方法避免了人工寻找新闻与对应上市公司的对应关系。此外，除了提取新闻中的情感倾向，还创造了新的情感分歧指数来衡量财经新闻对某一话题的情感分歧，从新的角度探讨了新闻对股市的影响。
