“本文提出了一种方法，从全球数字媒体来源收集并分析超过150,000篇文章，以识别可能影响金融市场的叙事。通过情感评分调整和专有算法，文章被标记与73个预定义叙事的相关性。每个叙事的强度通过文章数量占比衡量，并分析其对市场的驱动作用。研究表明，“市场崩盘”叙事对美国股票市场（SPY）的回报有显著负面预测力，且高负面强度与未来回报下降相关。”
资产类别：股票 | 地区：美国 | 频率：每日 | 市场：股票 | 关键词：资产配置
策略概述
<数据构建与方法论>
本文描述了一种从全球数字媒体来源收集和分析文章的方法，以识别可能影响金融市场的叙事。每天收集超过150,000篇文章，并根据其主题和涉及的资产进行标记。文章还通过专有算法标记其与预定义的73个叙事的相关性。每篇文章都会根据当天整体语调进行情感评分调整。每个叙事的强度通过与该叙事相关的文章数量占所有收集文章的比例来衡量，负面强度用于捕捉方向性和覆盖量的变化。论文展示了三个叙事（市场崩盘、贸易战和英国脱欧）的示例，以及它们的强度如何随时间追踪相关金融事件。通过这种实时的叙事视角，可以实证研究叙事对金融市场和投资组合回报的影响。见图1。
<叙事及其对市场驱动的影响>
本文的核心部分在于作者开发了一个框架，可以定量分析来自数字媒体的叙事对金融市场的影响。他们试图回答哪些叙事是市场波动的重要驱动因素等问题。他们为每个叙事构建了每周强度值，方法是对最近7天（包括周末）的每日强度值取平均值。随后，他们计算每周强度变化，并运行回归分析以确定这些变化在多大程度上解释了市场整体回报。通过回归获得的R2值提供了每个叙事对市场波动的解释能力。
<主要叙事>
作者通过对叙事的平均R2值进行排序，确定了那些解释市场波动最大的叙事。他们重点关注美国股票（SPY）和美国货币（DXY）市场。研究发现，“市场崩盘”叙事在股票市场中的平均R2值最高，表明投资者对与市场下跌相关的风险非常敏感，并据此调整他们的投资组合。回归分析证实了“市场崩盘”负面强度与SPY回报之间的负相关性，表明该叙事的负面报道增加与市场回报的下降相一致。
<叙事预测市场回报>
作者进一步探讨了媒体叙事是否可以用来预测未来的市场回报。他们重点研究了“市场崩盘”叙事，发现该叙事对美国股票市场具有预测信息，即使在控制了传统的市场崩盘风险指标（如VIX）之后仍然如此。研究显示，负面“市场崩盘”叙事的高覆盖强度与未来股票回报的下降相关。
策略合理性
本策略的核心在于认识到叙事虽然是无形且难以量化的，但它们在影响个人和集体的经济行为，包括金融市场的结果方面起着重要作用。通过使用文本分析和自然语言处理技术对媒体文章中的叙事进行量化，本文提供了一种将叙事纳入经济和金融分析的系统方法。研究结果表明，叙事可以作为投资决策的重要指标，用于改善资产配置和投资组合的构建。
论文来源
Quantifying Narratives and their Impact on Financial Markets [点击浏览原文]
- Rajeev Bhargava, Xiaoxia Lou, Gideon Ozik, Ronnie Sadka, Travis Whitmore, 国家街道协会，特拉华大学阿尔弗雷德·勒纳商学院，EDHEC商学院，波士顿学院卡罗尔管理学院，国家街道协会；国家街道公司
<摘要>
本文提出了一种基于媒体报道的量化叙事的方法，并开发了解释叙事在推动金融市场和投资组合回报方面作用的相关方法。我们表明，媒体衍生的叙事可能包含超越传统宏观指标的市场回报预测信息。最后，我们展示了如何通过构建叙事敏感资产组合，利用叙事指标来增强资产配置策略，并获取或对冲叙事风险。
回测表现
| 年化收益率 | 18.13% |
| 波动率 | 14.38% |
| Beta | N/A |
| 夏普比率 | 1.26 |
| 索提诺比率 | N/A |
| 最大回撤 | -11.57% |
| 胜率 | 71% |
