来源：市场资讯
（来源：Refinitiv路孚特）
Amit Das
LSEG 新闻数据与API业务
在过去几十年里，美国展现出极强的增长韧性，期间伴随少数几次急剧的熊市。然而，总体趋势保持积极，熊市后的复苏通常也很迅速。我们可以用S&P500来说明这一点。在COVID-19疫情初期的冲击下，S&P500市值下跌约30%。然而，仅一个月后它便开始稳步回升。在六个月内，它完全收复了失地。到年底时，指数较疫情初始已上涨超过10%。
在本篇洞察中，我们探讨新闻是否有潜力成为美国熊市的早期指标。
新闻的周期性有多强？
此前LSEG的研究已经探讨过如何成功利用LSEG的Machine Readable News和News Analytics数据源来预测股票层面的具体行为。在股票层面的新闻中，我们往往观察到高度稀疏性。其结果是，一些最强的新闻信号在日常层面上往往是“突然出现”的。这些信号通常出现在那些在此前几周甚至几个月里几乎没有相关新闻的股票上，或者出现在那些维持稳定低极性新闻流的公司上。后一种情况通常适用于一些主导公众关注的大型公司，例如Tesla(TSLA)和Amazon(AMZN)。
这里的目标则是利用新闻来预测更广泛的市场趋势。从这一角度来看，新闻一点也不稀疏。每天交易日都会产生并记录数以万计的文章。然而，当我们从关注具体公司新闻转向对美国市场整体进行聚合时，一个新的问题出现了。我们发现，稀疏性的挑战被序列相关性所取代。正如图1所示，美国每日整体新闻情绪在相对较长的滞后期内都表现出高度的自相关性。
图1：美国每日整体新闻情绪的滞后自相关
每日整体数据通过对所有与美国上市股票相关的文章的情绪评分进行求和来计算。 这似乎对我们既定的目标提出了真正的挑战——利用整体新闻信号来预测美国市场的剧烈变化。要实现这一点，我们需要一个尽可能接近“无记忆”的指标。这样的指标才更有可能及时感知市场的转折。
幸运的是，我们可以对每日整体得分进行一个简单的调整来解决这一挑战。为了生成更具动态性的信号，我们不妨转而观察每日整体新闻情绪的变化。图2显示，这一指标在第一天之后并未表现出显著的自相关。第一天的负自相关则表明存在一定程度的均值回归行为。在金融和新闻市场条件大体稳定的情况下，我们预期每日整体新闻情绪会围绕某个平均值波动。因此，如果某一天的情绪偏离平均值过远，我们预期第二天会向平均值回归。
图2
新闻作为指标
为了利用新闻情绪变化作为指标，有必要基于观察到的1日自相关进行一定调整。具体而言，将指标在若干回溯日内进行平均是有益的。这为前文所述的来回波动行为提供了一定的稳健性。在本篇洞察中，我们采用5日回溯。另一种方法是仅考虑每日情绪变化的极端值，例如低于平均每日变化两个标准差的情况。
图3展示了SPY在美国最近两次熊市中的每日收盘价。第一次是在疫情初期，第二次是始于2021年并延续至2022年的更为持久的熊市。背景中的阴影显示了我们的情绪变化检测器。如上所述，这依赖于每日整体情绪变化并采用了5日简单平滑处理。
在这两种情况下，我们都看到一个多日的负面信号，而这一信号并非由市场走势所触发。在这两次情形中，这种持续的负面信号都先于显著的市场下跌出现。
图3
美国市场的投资者往往在看涨环境中运作。因此，无论是系统化交易者还是自主交易者，都可能以最适合牛市的方式进行操作。系统化交易者通常会在主要来自牛市的数据上训练学习模型并调整超参数。自主交易者则会以类似的方式养成习惯。将新闻作为即将打破现状的早期预警系统，能够帮助所有投资者在需要时保持足够的灵活性。
LSEG 金融新闻服务
我们的金融新闻服务助您拓展视野。我们精选挑选丰富优质的新闻内容，力求为金融界人士提供实用信息，融汇路透社独家新闻与数千个全球新闻来源渠道，祝您获取全面的全球报道、评论和分析。
为什么选择LSEG？
路透社新闻面向金融界的独家提供商
我们每天通过多种形式的新闻为全球金融市场提供支持。
我们的金融新闻服务融汇了数千个全球新闻来源渠道与路透社独家新闻，并应用卓越的导航工具，快速为您提供可操作的见解。凭借我们先进的分类结构、标签和搜索功能（适用于路透社和数千个其他相关来源），我们的金融新闻服务能助您关注对您最重要的新闻。
无论是突发新闻还是独家内容、洞察或分析，您可以根据自己的需求定制新闻提要，并通过桌面、信息推送和 API 获取。
新闻馈送和服务
面向人类和机器的新闻
无论您的目的是监听新闻、研究和分析、数据建模、市场风险监控和回溯测试策略，还是改进您的投资者门户和应用程序，我们都能随时随地以多种方式为您提供所需新闻。
法律声明：
未经我们事先书面同意，禁止重新发布或转发伦敦证券交易所集团的内容。
本刊物的内容仅供参考，不具有法律效力，不构成任何合同的一部分，不构成也不寻求构成任何性质的建议，不应依赖本刊物中的陈述。尽管伦交所集团已尽合理努力确保本出版物的内容准确可靠，但并不保证本文件不存在任何错误或遗漏；因此，在任何情况下，您都不得依赖本文件的内容，而应自行寻求独立的法律、投资、税务和其他方面的建议。我们或我们的关联公司均不对本出版物或任何其他内容中的任何错误、不准确或延迟，或您因依赖本出版物而采取的任何行动承担任何责任。
(Refinitiv路孚特)
热门跟贴