社交媒体视角下投资者情绪与股票流动性研究
基金项目：河北省社会科学基金重点项目，《数字经济赋能河北制造业高质量发展的机理与对策研究》，（项目编号：HB23YJ001）；河北省自科基金面上项目，《基于多主体动态博弈的河北省创新联合体突破关键核心技术的机理及政策设计研究》，（项目编号：G2024501006）。

刘喆 杜泽义 马如琪

      【摘要】本文基于东方财富股吧论坛文本数据，构建双向固定效应模型，探究社交媒体情绪对科创板股票流动性的影响及传导机制。研究突破传统资本市场情绪研究场景局限，聚焦科创板“硬科技”企业特征，揭示用户互动的中介作用，以及企业规模、产业属性对情绪传导的异质性影响。该研究为投资者识别情绪溢价、监管层完善流动性管理、高校人才培养等提供科学依据，对丰富行为金融学理论、提升科创板市场运行效率具有参考价值。     
      【关键词】社交媒体情绪；股票流动性；科创板；双向固定效应
引言
      在数字化浪潮与新质生产力变革双重驱动下，资本市场正经历着范式的深刻重构，而高素质金融科技人才的供给能力成为支撑这场变革的核心要素。2025 年科创综指超11% 的年内涨幅与外资持股 4.3% 的占比提升，彰显当前科技资本与金融市场深度融合态势，更折射出市场对兼具“技术洞察力 + 金融操盘力”复合型人才的迫切需求。2025 年 4 月特朗普关税政策冲击期间，科创综指逆势上扬 11.16%，东方财富股吧单日发帖量突破 300 万条，投资者情绪指数与个股换手率的相关系数达 0.68，鲜明地揭示了情绪驱动型交易特征。这一现象既对传统投研体系提出了挑战，也指明未来金融从业者需掌握市场情绪建模技术与产业基本面分析能力，才能在复杂的市场环境中精准捕捉投资机会。传统资产定价模型难以解释科创板“技术壁垒 + 情绪溢价”的双重定价逻辑，社交媒体情绪因其能够捕捉市场预期差，成为弥补传统模型技术估值不足的关键变量。而要实现这一变量的有效应用，既需要计算机专业人才开发情绪识别算法，也需要金融工程人才构建融合情绪因子的定价模型，更需要产业研究人才解读技术壁垒背后的价值逻辑。探究社交媒体情绪的传导机制对理解科创板“高波动、高成长”特性以及完善金融市场微观结构理论具有重要意义。
一、文献回顾与研究假设
      社交媒体与投资者情绪对股票流动性的影响是行为金融学与信息经济学的重要交叉议题。López-Cabarcos 等（2017）研究表明社交媒体反映的投资者情绪对股票市场有显著影响；尹海员（2017）深入探究投资者情绪与股票市场流动性之间的作用机制和传导路径，发现投资者情绪与股市流动性的变化呈现正向相关关系。科创板上市企业以“硬科技”为主，信息披露的专业性加剧了投资者信息不对称，导致情绪驱动交易特征更显著，进而影响股票流动性。
      据此提出假设 H1：社交媒体情绪与股票流动性显著正向相关，积极情绪可推动流动性提升。
      在股票市场中，不同规模的企业的信息披露程度和质量，以及面临的投资者行为模式上存在差异，因此社交媒体情绪对股票流动性影响程度不同。大型企业信息披露充分、抗风险能力强，流动性受情绪影响小；小企业信息透明度低、股价波动大，受情绪影响更显著。
      假设 H2：社交媒体情绪对股票流动性的影响在小规模企业中更强。
      社交媒体传递的情绪对科创板不同行业股票的影响也因行业特征和风险承受而存在差异。科创板仅涵盖第二、三产业，第三产业的前景依赖市场预期，情绪高涨时投资者交易更积极；第二产业受宏观因素影响大，情绪对其流动性作用滞后且较弱。
      假设 H3：相较于第二产业，社交媒体情绪对第三产业股票流动性的影响更强。
二、研究设计
      （一）样本选择及数据来源
      本文聚焦科创板市场，选取 2024 年之前上市的全部股票作为实证研究样本（股票代码区间：688001-688981；时间跨度：2019 年 7 月 22 日至 2023 年 12 月 31 日），对数据进行预处理，最终得到 566 只股票，共 297865 个日度观测样本。
      （二）模型设计
      本研究参考苏冬蔚和熊家财的研究，为检验社交媒体情绪对股票的流动性具有显著的正向影响，本文构建了以下双向固定效应模型：

      其中，i,t 分别表示股票和日期；被解释变量表示股票 i 在第 t 天的流动性，解释变量 表示股票 i 在第 t 天的社交媒体情绪指数，通过收集股吧帖子的文本数据获取。控制变量 代表其他可能影响股票流动性的一系列因素， 和 分别代表个体固定效应和时间固定效应， 为残差项。
      （三）变量定义
      本文所有变量的定义及说明如表 1 所示。

三、实证结果与分析
      （一）基准回归分析
      本研究的基准问题采用双向固定效应模型进行分析，控制个体固定效应和时间固定效应后，社交媒体情绪系数为 0.135，在 1% 的显著性水平上显著。进一步控制其他变量后，社交媒体情绪系数为 0.300，仍通过了 1% 的显著性水平检验，说明社交媒体情绪对股票流动性具有显著的正向影响，H1 得到验证。
      （二）稳健性检验
      1. 为验证回归结果的可靠性，本文构建新的社交媒体情绪变量：

重新进行回归。新的社交媒体情绪变量系数为 0.040，并在 1% 的显著性水平上显著，社交媒体用户情绪对股票流动性具有显著的正向作用，与前文的结果保持一致。
      2. 考虑到股票流动性可能受 2020 年疫情的影响，忽视这类重大事件带来的影响，对 2021 年之前的样本进行剔除，将时间范围进一步精准缩窄至 2021 年 1 月 1 日—2023 年 12 月 31 日，对上述模型重新进行回归。这一阶段社交媒体情绪系数在 1% 的水平上显著，所得结果与前文一致。
       3. 本文将科创板中的上市公司按上市时间进行划分，一类为在 2020 年 12 月 31 日之前上市的公司，积累了相对丰富的运营数据与市场经验；另一类是在 2020 年 12 月31 日之后上市的公司，展现出市场的新发展趋势与特点。回归结果显示，核心解释变量系数分别为 0.411 和 0.422，与前文的研究结论呈现高度一致性。表明无论公司上市时间的早晚，本研究所重点关注的变量间关系具备显著的稳定性。
      （三）异质性分析
      1. 本文按照企业总市值三分位数将样本股票分为微型市值企业组、中型市值企业组和大型市值企业组。社交媒体情绪的系数在三个分组中均显著为正，但系数大小在不同组别间呈现出明显差异，且系数差异 P 值均小于 0.05，说明影响程度在不同市场规模的企业间存在异质性。相较于中、大规模企业，社交媒体情绪对小规模企业股票流动性的影响更大，假设 H3 成立。
      2. 本文依据《国民经济行业分类》的三次产业标准，将科创板市场上的企业分为两组。社交媒体情绪系数均在1% 水平上显著为正，但是系数差异 P 值 0.027 小于 0.05，因此认定社交媒体情绪对股票流动性的影响在两组中显著不同。其中第三产业的影响系数 0.386 高于第二产业 0.292，表明服务业中市场情绪对流动性的推动作用最为明显，假设 H4 成立。
四、结论与建议
      本文以 2019 年 7 月 22 日至 2023 年 12 月 31 日科创板上的 566 只股票为样本，用双向固定效应模型研究社交媒体情绪与股票流动性关系，主要结论如下：（1）社交媒体情绪与股票流动性显著正向相关，该结论经多轮稳健性检验仍成立；（2）异质性分析表明，社交媒体情绪对小规模企业股票流动性作用更强，在第三产业的影响大于第二产业。
      基于上述结论，本文提出如下政策建议：其一，科创板企业需健全舆情监测应对机制，及时澄清负面舆情、主动披露经营与创新信息，稳定股票流动性、增强投资者信心；其二，借助社交媒体加强科创板投资教育，普及知识、规则与风险，引导理性情绪，培育理性投资文化；其三，建立科创板投资者情绪测评体系，高频合成情绪指标、定期发布指数报告，助力投资者合理预期、减少非理性交易；
      其四，强化社交媒体平台监管，完善内容审核以筛查不实信息，构建舆情事件快速响应系统，维护市场秩序；其五，推动资本市场与高校合作，在金融、经济专业增设情绪分析、流动性管理等模块，联合机构搭建实践平台，培育复合型科创板专业人才。
参考文献
[1]Ren T.An Empirical Study of Stock Return  Investor SentimentBased on Text Mining  LSTM[J].2019.
[2]López-Cabarcos M Ángeles,Piñeiro-Chousa Juan,Pérez-Pico AdaMaría.The impact technical non-technical investors have on the stockmarket: Evidence from the sentiment extracted from social networks[J].Journal of Behavioral  Experimental Finance,2017,15:15-20.
[3] 尹海员 . 投资者情绪对股票流动性影响效应与机理研究 [J]. 厦门大学学报 ( 哲学社会科学版 ),2017,(04):102-113.
[4]Hildebrandt A, Breitenfellner A. High Employment with LowProductivity? The Service Sector as a Determinant of EconomicDevelopment [J]. Monetary Policy & the Economy, 2009, (1): 110-135.
[5] 苏冬蔚 , 熊家财 . 股票流动性、股价信息含量与 CEO 薪酬契约 [J]. 经济研究 ,2013,48(11):56-70.