1.1.2　研究意义

本书在现代金融学的理论框架下，探究基于媒体关联的企业关联关系对资产价格波动的影响作用。在论证基于媒体关联的动量溢出效应的存在性、有效性和稳健性的基础上，考虑到资本市场的复杂性和动态变化性，本书创新性地提出了一个面向动量溢出效应的自适应动态图神经网络算法，捕捉企业之间的多种关联关系在市场运行过程中对企业资产价格或收益率变动的动态影响和综合作用，旨在更细致地刻画动量在企业之间的转移和汇集过程。更进一步地，为了更精准地捕捉动量溢出效应对资产价格波动的影响，本书从“融合”的视角出发，创新性地提出了一个面向动量溢出效应的大数据风险分析框架，以探究各类异构市场信息对资产价格波动的合力影响，旨在为真正理解我国证券市场微观结构和内在运行机理、有效分析和捕捉影响证券市场波动的本质因素提供参考。本书实现了实证资产定价研究与深度学习技术在金融中应用的深度结合，研究的理论意义和实践意义如下所述：

（1）研究的理论意义

本书的理论意义主要包括以下三点：

第一，本书首次论证了中国证券市场存在动量溢出效应。

验证市场感知信息的有效性是资本市场定价研究数十年来的主题（Calomiris and Mamaysky，2019）。金融学最新研究成果表明，资产价格波动会受到企业关联关系的影响，相关企业的资产收益率之间存在动量溢出效应，即一个企业的资产收益率在过去的表现会对与该企业相关联的其他企业的资产预期收益率产生跨期的预测作用（Cohen and Frazzini，2008；Lee，et al.，2019；Menzly and Ozbas，2010；Parsons，et al.，2020）。本书基于新闻共同报道，运用图论的思想，构建基于媒体关联的企业关系网络，并论证了中国证券市场中基于媒体关联的动量溢出效应的存在性、有效性和稳健性，为实证资产定价研究的发展提供了中国证券市场的证据。

第二，从大数据视角，论证了基于媒体关联的动量溢出效应在市场不同运行时期和运行状态下的存在性、有效性和稳健性，指出基于新闻共同报道建立的企业关联关系相较于现有研究中提出的反映企业基本面关联的关联关系更加有效。

资本市场涵盖多样资产和各类市场参与者，是一个复杂的动态系统。在这个市场中，各个企业之间因其内在价值的关联性、企业之间的合作与竞争、投资者对不同资产的认知和比较，以及市场监管部门的监管需求而产生不同类别的关联性，构成了一个复杂而动态变化的企业关联网络。如何找到一个合理的企业关系代理变量，以有效地衡量企业之间的内在关联关系，是探究企业关联关系对证券市场波动影响的关键，也是本书的重点和难点所在。现有的研究仅仅关注具有基本面相似性或关联性的企业关联关系对资产价格波动的影响作用，没有考虑投资者行为或其他非基本面因素引起的企业关联关系的影响。本书从大数据的视角出发，创新性地提出基于媒体新闻共同报道捕捉企业关联关系的思想，并系统地论证了以该思想为指导构建的企业关系代理变量的独特性和有效性，及其对证券市场波动的影响作用。本书指出，基于媒体新闻共同报道构建的企业关联关系既能反映企业之间的基本面关联，又能捕捉企业之间除基本面关联之外可能存在的受行为因素影响的其他关联关系。相较于现有研究提出的企业关联关系，本书构建的基于媒体关联的企业关系无论是在实证资产定价检验，还是基于深度学习模型的预测结果中，都具有很好的表现。

第三，导致动量溢出效应的企业关联关系是复杂多变的，即多种不同的企业关联关系相互共存，依据市场运行态势动态地调节其对动量溢出效应的影响程度。为了克服传统计量方法无法有效捕捉基于复杂关系的动态传导作用的局限性，本书创新性地提出了一个面向动量溢出效应的自适应动态图神经网络算法，旨在更细致地刻画动量在企业之间的转移和汇集作用，为探究动量溢出效应对证券市场波动风险的影响提供了一个基于智能计算的研究思路。

资本市场是一个复杂且不断变化的综合系统。在真实的市场中，各个企业之间存在不同类别的关联性，构成了一个复杂而动态变化的企业关联网络。一方面，现有的研究普遍基于企业间的某一种关系（如，企业之间的行业关系、供应链关系、地理位置、技术亲密性，或分析师共同提及等）将企业关联起来，不可避免地忽略了企业之间其余多种关联的影响作用，因而导致了研究的片面性。另一方面，资本市场是一个随时间发展而动态演进和连续变化的复杂系统，上市公司或其证券资产之间具有复杂、多样、随时间和市场运行状态而动态变化的关联特性。不同市场运行时期，企业之间各种关联关系的重要程度和影响力不同，用静态的眼光理解企业之间的关联关系无益于正确认知市场微观结构和内在运行机理。为了实时且动态地捕捉基于多种企业关联关系的动量溢出效应的影响作用，本书率先提出了一种基于门控机制的动态图神经网络算法，将企业间多种复杂关联进行融合，并动态地捕捉不同市场运行状态下，企业之间关联关系重要程度的变化对资产价格波动的影响，从而为理解和捕捉企业间多种关联关系在市场运行过程中对企业资产价格或收益率变动的动态影响和综合作用提供参考。本书是国际上率先运用深度学习算法捕捉证券市场动量溢出效应的研究之一，所提出的基于门控机制的自适应动态图神经网络算法奠定并拓展了深度学习技术在金融中应用的基础，实现了对证券市场波动的实时监控和动态捕捉，有助于提升投资模型的盈利能力和预测效果，为量化交易提供了一个新的思路，有助于实现投资领域的突破。

（2）研究的现实意义

本书的现实意义主要有以下两个方面：

第一，为了更细致且精准地捕捉动量溢出效应对证券市场波动的影响作用，本书从“融合”的视角出发，基于近代金融学理论成果，设计并构建了一个面向证券市场动量溢出效应的大数据风险分析框架，以揭示多源异构（标量、向量、图结构）的市场信息对复杂的经济系统的综合动态影响，从而为政策制定者、上市公司，及所有市场参与者提供理论参考和决策支持。

证券市场是一个复杂的动态系统，其波动受到各种因素的共同影响。近代金融学理论逐步确立了三大类影响市场波动的因素，即，数值表征的宏微观经济指标、文本向量表征的媒体信息、图表征的企业关联关系。传统的金融研究一直致力于解构证券市场波动的内在机理，由导致资产波动的原因出发，从市场运行环境、宏微观经济指标、政策变化、公司治理、投资者非理性情绪等多个视角，逐一探寻不同因素与资产价格波动的因果关联。然而，真实的市场波动是各种因素相互交融、共同作用的合力结果。忽略各类影响因素之间的交互作用便无法真正捕捉证券市场运行过程的全貌。本书从“融合”的视角出发，基于近代金融学理论成果，创新性地提出一个面向证券市场动量溢出效应的大数据风险分析框架，将引起市场波动的三大类因素放入统一的分析框架，聚焦于各类异构市场信息对资产价格波动的合力影响，以更细致且精准地捕捉动量溢出效应对证券市场波动的影响作用。该框架实现了对证券市场复杂运行过程的合理建模，有助于洞悉复杂且动态变化的市场运行过程的全貌，从而为政策制定者、上市公司及所有市场参与者提供理论参考和决策支持。对投资者而言，本书提出的基于媒体关联的动量溢出效应及智能交易策略，可以为投资决策的制定提供新的启发；对市场监管者而言，本书提出的面向动量溢出效应的大数据风险分析框架使得分析局部或整体市场波动风险有据可依，有助于实时监控市场运行状况，从而达到防范系统性风险的目的；对上司公司而言，基于本书的结论，一方面敏锐地关注与自身相关联的企业的运行状态是风险防控的关键，另一方面由于存在基于媒体关联的动量溢出效应，企业需要注意自身媒体形象管理，谨防无妄之灾的发生。特别地，为了验证本书构建的面向证券市场动量溢出效应的大数据风险分析框架的有效性和通用性，本书同时对中国证券市场和美国证券市场展开分析。研究结论表明，本书构建的面向证券市场动量溢出效应的大数据风险分析框架不仅显著优于现有算法的表现，还具备通用性和拓展性，其对于中国证券市场和美国证券市场同样有效。

第二，原创性数据与算法开源共享，为推动相关领域研究提供了可行性方案。

本书实现了原创性数据集和核心算法的开源共享，旨在进一步推动相关领域的研究。为了探究关联企业的动量溢出效应对资产价格波动的影响作用，进一步理解真实的市场运行状态，本书构建了一个面向中国证券市场的原创性数据集，其中涵盖三大类影响市场波动的因素，即宏微观经济指标数据、媒体文本信息数据（新闻内容、新闻情感等），以及企业关联关系数据（新闻共同报道关系、行业关系、分析师共同提及关系、供应链关系等）。另外，本书将所提出的面向证券市场动量溢出效应大数据风险分析框架的核心代码开源共享，旨在为该领域其他相关研究提供可行性方案。