从左至右：鲍俊州、柴樱珊、陈明达
本文为清华－康奈尔双学位金融MBA2022级《数据分析与决策II》课程报告，作者是：鲍俊州、柴樱珊、陈明达。授课教师：余剑峰。余剑峰教授现任清华大学五道口金融学院建树金融学讲席教授、清华大学金融科技研究院副院长、清华大学国家金融研究院资产管理研究中心主任。主要从事行为金融和宏观金融的理论和实证研究，研究成果发表在学术刊物，例如，美国经济评论，金融期刊、金融经济期刊、货币经济期刊、管理科学和动态经济评论。
一、引言
1. 研究背景
上市公司在经济活动中的重要地位，决定了其在社会中会获得更高的关注度。上市公司的经营管理者们通常也会在公开场合保持谨言慎行，因为稍有不慎便可能引起社会的热议乃至公司股价的波动。但随着信息传播的加速和各类网络社交媒体的兴起，无论是国内还是海外都出现了不少社媒上非常活跃的“明星”CEO。他们在社媒上的个人言论对公司股价的影响日益显现，有时具备争议性的言论甚至会带来巨大的经济损失。
2018年8月，埃隆马斯克（Elon Musk）在推特（Twitter）上发布推文：“Am Considering taking Tesla private at $420. Funding secured.” 这条推文发布后，特斯拉股价短期内上涨11%，市场普遍猜测特斯拉将被私有化。这一行为甚至引发美国证券交易委员会（SEC）对他的指控，最终马斯克支付了罚款，并且三年内不得担任特斯拉董事长。这一事件让社媒“明星”企业家的影响力受到广泛关注。2020年5月，马斯克再次在推特上发表争议性的观点：“Tesla price is too high imo”，上市公司CEO公开表示自己公司的股价过高，这一言论并不寻常，特斯拉股价立即下跌10%。
(图片来源：推特截图)
除了马斯克这位推特明星外，还有不少CEO在推特上的举动受到过广泛的关注。2019年3月，苹果公司CEO蒂姆库克将自己的推特名从Tim Cook 改为了Tim Apple，原因是时任美国总统特朗普错误地将Tim Cook叫成了Tim Apple。这位苹果CEO用幽默巧妙化解了这次尴尬，并成功获得了推特用户的关注和好感度。
(图片来源：推特截图)
然而此类事件在国内市场也屡见不鲜。2021年10月某日，上市公司诺德股份副总经理陈郁弼的一则“请大家支持诺德，明年市值没有五百亿，我切腹谢罪”的朋友圈火了。在舆论快速发酵后，诺德股份紧急发布澄清公告来“灭火”，公司随后又收到了上交所的监管工作函。
(图片来源：公开网络截图)
当然，马斯克、蒂姆库克和诺德股份的例子不一定能完全反映上市公司高管的网络活跃程度对公司股价的直接影响。公司管理者的公开发言，自上而下通常受到证券市场监督部门（如证监会、交易所）、公司董事会及公司公关团队的多重管理和监督。在这般严格监督下，即使公司高管们的激烈言论受到了一定抑制，仍有许多社媒上活跃的“明星们”。他们的粉丝数量往往达到百万级甚至千万级，与不少娱乐圈明星一样，在网络用户群体中拥有很强影响力，当然其中也不乏大量的股市投资者。
2. 与理性理论不一致
根据理性市场理论，公司的内在价值是未来各期现金流的折现，公司股价故应在其价值所折射的区间内波动。但是正如上述案例提到的，在马斯克发表该推文后的短时间内，当特斯拉经营正常且并未释放任何重大业绩数据的情况下，其公司股价却出现了巨大的波动。这些现象不得不令人联想，股市的投资者并非是完全理性的，不一定能够根据公司的客观基本面和业绩情况给出完全正确、符合逻辑的定价。
因此，我们希望研究上市公司管理者在网络平台上的活跃程度对其公司股价的影响，并分析其中的原因。
二、案例研究
1. 提出问题假设
针对上述的研究方向，我们提出了以下假设，并展开验证和总结归纳。
假设：上市公司CEO在网络社交平台上越活跃（发表公开言论的次数越多），其公司股价短期内越有可能存在超额收益（*此处CEO代指首席执行官、总经理、创始人、董事长等公司重要经营管理者）
此问题假设旨在检验CEO在社交平台上的发声量是否能够影响投资人的决策，并导致其公司股价在短期内产生一定程度的波动。CEO通常被视为公司最重要的发言人，且如今的社交媒体平台也逐渐成为公司与公众传递信息、沟通交流的重要渠道。借助网络社媒渠道的信息流通，市场的有效性进而得以提高。由此可以合理推断，CEO在网络平台上的活跃程度会对其公司股价产生一定影响。从行为金融学的角度，投资者致力于寻求有效的交易策略跑赢市场，获得超额收益。由网络社媒活跃度引发的市场股价波动也可以被投资者情绪（Investor Sentiment）和羊群效应（Herding Behavior）的理论来解释。
2. 数据收集
根据上述假设，我们针对国外和国内最主流的网络社交平台——推特和新浪微博，分别进行了数据收集和研究。另外对于国内市场情形，由于微信公众号、抖音、小红书等其他社媒平台相较于新浪微博的受众人群更小众，因而在上市公司对外沟通方面缺乏一定的普适性，故未纳入本次研究的范围内。
2.1 国外数据
我们根据市值体量，选取了排名前35的美股上市公司，并收集了每家公司CEO在推特社交平台上过去6个月的发推文总数量。具体标准和前提条件如下：
通过数据收集我们发现，尽管社交媒体的渗透率与日俱增，但仍有大量上市公司CEO没有个人推特账号，或在过去6个月的研究范围内没有发推文（例如甲骨文Oracle、英伟达Nvidia等上市公司CEO）。同时，相比制造业等传统行业，我们发现新兴互联网科技类公司的CEO通常在网络平台上相对更活跃。因此，我们一共选取了以下18名科技或服务类上市公司CEO的个人推特账号，并统计了过去6个月的发推总数量。
(表格1：18名美股上市公司CEO的推特数量统计)
另外，考虑到马斯克本人于2022年10月内收购了推特，为排除其他外界因素（例如：主观推动推特平台的活跃度而频繁发表言论）带来的偏差，此次研究并未将马斯克于过去6个月内发布的869条推文和特斯拉纳入可用数据范围，已将其视为异常值。
2.2 国内数据
对于国内上市公司CEO，我们同样根据市值体量，选取了排名前50的港股上市公司，并收集了每家公司CEO在新浪微博平台上过去6个月的发微博总数量。具体标准和前提条件如下：
通过数据收集我们发现，国内同样也有大量上市公司CEO目前无个人微博账号（含已删号情况），或在过去6个月内未发布微博（含已清空微博情况）。结合近几年宏观经济和监管背景，不难联想到国内上市公司高管在网络平台上的发声意愿已经大幅减弱。通过对50家港股上市公司CEO的微博账号检索，我们最终仅获取了以下6名上市公司CEO的个人微博账号，并统计了过去6个月发微博总数量。
(表格2：6名港股上市公司CEO的微博数量统计)
3. 建立模型与分析
3.1 国外市场情形
根据上述收集的18家美股上市公司列表，我们统计了每家上市公司对应这6个月内的股价变化和超额收益，如下表所示。
(表格3：18家美股上市公司的股价变动统计)
根据APT 模型，假设单个股价变化只存在单个系统性影响因素与市场收益有关，即
针对这18家上市公司，我们对每家公司以过去6个月内的股价超额收益部分与过去6个月内的该公司CEO发推文数量进行拟合，得到如下回归统计结果，即
(表格4：美股公司股价收益与发推文数量的回归结果)
经过t 检验，过去6个月内的美股超额收益由CEO发推数量作为因子来解释的 p 值为小于0.0001，即在 95%的置信区间下，CEO在公开网络社交平台上越活跃（发表言论的数量越多），其公司股价于短期内越有可能存在超额收益，且拟合度超过70%。
3.2 国内市场情形
根据上述收集的6家港股上市公司列表，我们统计了每家上市公司对应这6个月内的股价变化和超额收益，如下表所示。
(表格5：6家港股上市公司的股价变动统计)
针对这6家港股上市公司，我们对每家公司以过去6个月内的股价超额收益部分与过去6个月内的该公司CEO发推文数量进行拟合，得到如下回归统计结果：
(表格6：港股公司股价收益与发微博数量的回归结果)
经过t 检验，过去6个月内的港股超额收益由CEO发推数量作为因子来解释的 p 值为0.1724，即在 95%的置信区间下，无法拒绝公司股价短期内不存在超额收益的假设。
值得注意的是，随着近些年国内网络社媒平台的整治和管控力度加大，言论不当的用户被禁言、限流、以及封号等现象频发。由此可见，为避免“翻车”和潜在的舆情风险（如同下图所示），国内上市公司CEO在微博上的发声量和发文次数也受到了一定的影响。这或多或少也印证了微博数据所反映出的股价收益回归结果并无显著趋势。因此对投资人来说，这些更多是判断市场的干扰因素。
(图片来源：公开网络截图)
4. 初步结论及研究意义
根据本次建模研究以及数据分析，可初步得到以下结论，即在美股市场中，上市公司CEO在网络社交平台的活跃程度与公司股价的超额收益表现呈现正相关的关系，即企业高管发推文数量越多、越频繁，该公司的股票超额收益越多。其实从行为金融学的角度分析，随着公司在网络社媒平台上的频繁曝光，熟悉效应和羊群效应从某种程度上会放大并加深投资人和市场对公司的熟悉程度和互动次数，从而间接影响到股市波动。
本次研究也存在一定的局限性以及有待进一步完善的方面。由于海内外具备公开社媒账号的上市公司CEO相对较少、所选取的时间范围较短，导致本次研究实际可用的样本量有限，可能造成得出的初步结论存在偏颇。另外，本次研究并未对每条推文和微博中的具体内容对股价变动造成的影响展开更深入剖析。例如CEO发布有关个人观点的推文/微博，相较于发布有关企业经营业绩的内容，对上市公司的股价变动具有更大的影响力等。
三、非理性的“熟悉效应”（Mere Exposure Effect）和
“羊群效应”（Herding Behavior）
心理学上的“熟悉效应”指的是人们会因为自己熟悉某个事物，而对其产生好感。这个现象在现实中的体现非常广泛，例如因为喜欢某位足球明星，导致对这位明星所在球队的其他球员也更加熟悉，从而对其他球员也产生了好感。又例如在各类商业活动中的赞助商，往往只是出现了品牌商标，没有任何功能性卖点展示，但因为多次曝光让消费者更加熟悉，导致消费者对这个品牌产生了好感。曾有心理学家通过实验来证明“熟悉效应”：向参与实验者展示不同人的照片，每张照片出现的频率不同，有的只展示一次，有的反复展示多次，随后让参与实验者在所有人物中选择自己喜欢的，结果显示人们总是选择多次出现的照片上的人。
在资本市场中，这个现象同样适用。人们对于更加熟悉的公司往往更加关注，甚至产生更大的好感，并形成买入的想法。在社交媒体上，活跃的高管们频繁地与用户互动、发表自己的想法、观点或是心情，拉近了高管与个人投资者的距离，产生了熟悉感，进而导致好感的产生。如果我们将高管们的身份去掉，社媒上的高频互动这一功能本身就是为了拉近距离、建立熟悉感而设计，所以有理由认为，社交媒体的应用会增强熟悉性偏好，让广大社媒上的单个投资者对这些高管产生熟悉感、进而对其负责的公司产生好感。相似的例子在股票投资市场上也屡见不鲜，重庆啤酒研制乙肝疫苗失败的案例反映了投资人在选择投资标的时的“熟悉效应”心理。为了应对行业竞争压力，重庆啤酒的管理层选择进军生物制药领域，探索多元化市场扩张。在推进乙肝疫苗研发的过程中，重庆啤酒的股价节节攀升，一时间成为业内各大媒体头条报道的常客。高曝光度意味着高熟悉度，投资者在选择股票时也更关注重庆啤酒股票，在一定程度上对重庆啤酒股价泡沫起到了放大的作用。同样，上述研究也表明在美股市场中，企业高管更频繁地发推特，能够有效地吸引投资人的注意，从而在选择股票时更倾向于选择在推特上见过、熟悉的企业。
“羊群效应”指人们在做选择时的从众心理。在资本市场中，大量单个投资者往往会跟随其他同类投资者的投资行为。在市场出现恐慌情绪时，单个投资者往往会集体一窝蜂地抛售。而在社媒这个舆论场中，充斥各类信息与言论，而其中公司的管理者往往被视为最“权威”、最“直接”的消息源。因此，当企业管理者在社媒上比较活跃时，往往会牵引大量关注社媒的投资者，当管理者发布内容时，投资者可能还会通过这些内容解读公司的信息，甚至通过这些推文的表述来揣摩企业管理者的“心情”，任何的内容都有可能导致投资者的过度恐慌或过度乐观，形成心理偏差，造成羊群效应。
“熟悉效应”中，投资人依据自身主观对投资标的熟悉程度不同来进行有偏好的选择；“羊群效应”中，投资人跟随市场主流的声音在大家买入时跟进买入，在大家退出时慌忙离场，是缺乏主观判断的盲从心理。在实际生活中，“羊群效应”与“熟悉效应”往往同时发生且起到相互放大的作用。人们在跟随投资的过程中，常会向身边熟悉的亲朋好友分享所投资股票的信息，从而增强他人对这支股票的熟悉程度；反之，熟悉程度高的股票会吸引更多的投资人，进而增强“羊群效应”。当以上两种非理性的投资行为相结合时会使得投资人偏离股票基本面，过度自信地炒作市场概念，放大股票价格的“泡沫”。
四、投资策略
理论上讲，在成熟的理性市场中，投资人在做出投资决策时仅从股票的基本面和业绩水平出发，可以不受市场干扰信息的影响。而CEO社交媒体活跃度与其企业股价关系的分析研究结果表明，市场投资人的非理性行为对市场具有影响作用。在美股市场中，活跃程度与股票价格表现呈现正相关的关系，即CEO发推特数量越多、越频繁，该企业的股票表现越好，一定程度上印证了上述的“熟悉效应”和“羊群效应”。在投资策略选择上，针对美股市场，投资者可以将企业高管社交媒体活跃度纳入决策依据。
需要注意的是，该投资策略可能仅在美国市场有效。而在港股市场，CEO的活跃程度与股价浮动并没有明显的关系。形成这一现象的原因或是因为政策面的影响，港股市场受政策面影响更大，而通过研究CEO社交媒体行为的自下而上的投资逻辑无法有效反映政策面变化。因此，社交媒体上的内容一定程度上则成为了判断港股市场的干扰因素。最后，投资人在分析美股市场时，也应充分考虑市场整体走势对上述回归结果的影响，并综合“熟悉效应”和“羊群效应”的放大作用，根据自身的风险偏好来做好投资决定。
参考文献 [1]Alexander R., Gentry J., 2014. Using social media to report financial results. Business Horizons, 57 (2): 161-167.
[2]Ali H., 2018. Twitter, Investor Sentiment and Capital Markets: What do we know? International Journal of Economics and Finance, 10 (8): 158-170.
[3]Asur S., Huberman B. A., 2010. Predicting the Future with Social Media. IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, Volume 01.[4]Baker M., Wurgler J., 2007. Investor Sentiment in the Stock Market. Journal of Economic Perspectives, 21 (2): 129-152.
本文系学生个人观点，不代表清华大学五道口金融学院及金融MBA教育中心立场，转载请联系作者授权。