國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 實證結果
本研究最主要之目的，在探討「新聞情緒分析」與「系統風險」兩者間之關 聯，本節將說明使用SAS統計軟體對本研究所蒐集之資料進行「多元線性迴歸」
之分析，以提供有關財經新聞情緒分析對系統風險產生影響之證據，本研究對財 經新聞之情緒分析主要係基於兩種標準：一種是財經新聞內容之「情緒語調」，
另一種則為媒體報導每家公司的「新聞數量」，本節將分別針對上述兩種衡量指 標，著墨於不同研究模型下所產生之「文本分析變數」，並說明各模型之「情緒 語調」及「新聞數量」與系統風險間之關聯，是否符合本研究先前所設立之假說，
並說明其所代表之意涵。
由本研究各假說下所建立之研究模型，其迴歸分析之實證結果將分別列示於 表4-18至表4-23：表4-18顯示模型（1）之結果、表4-19顯示模型（2.1）之結果，
表4-20顯示模型（2.2）之結果、表4-21顯示模型（3）之結果、表4-22顯示模型
（4.1）之結果，表4-23顯示模型（4.2）之結果。本節除了說明迴歸分析之實證 結果之外，為了再次驗證文本分析變數與控制變數間不存在線性重合之問題，係 以「變異數膨脹因子」（Variance Inflation Factor, VIF）作為判斷，若變異數膨 脹因子大於10，則表示存有共線性之問題，由表4-18至表4-23中可知所有變異數 膨脹因子皆小於10，故本研究之各模型皆無共線性之問題。
參表4-18中顯示研究模型（1）回歸分析結果之附註1所示，有關於變異數分 析（Analysis of Variance, ANOVA）得到之P-value値<0.0001，表示該模型對應變 數Betai具有顯著之解釋能力，再由表4-18之附註2可知，R平方0.6656顯示該模型 對應變數Betai具有66.56%的解釋能力，表示該模型具有良好之配適度。
表4-18 模型（1）迴歸分析
變數 自由度 樣本量 參數估計值 標準差 t 值 Pr > |t| VIF Intercept 1 51 0.6044 0.1280 4.72 <.0001*** 0
TONEi,t 1 51 -0.4112 0.2117 -1.94 0.0585* 1.0946 QUANi,t 1 51 0.0039 0.0019 2.09 0.0420** 1.0607 DP 1 51 -0.0029 0.0013 -2.27 0.0283** 1.1153 DY 1 51 0.0487 0.0218 2.24 0.0304** 1.6029 ROE 1 51 0.0125 0.0047 2.69 0.0102** 1.9934 EPS 1 51 0.0065 0.0020 3.30 0.0019*** 1.4802 附註 1：變異數分析 P-value 値 < 0.0001。
附註 2：R Square：0.6656；調整後 R Square：0.6200。
附註 3：***：達 1%顯著水準；**：達 5%顯著水準；*：達 10%顯著水準。
‧
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
綜上所述，上揭本研究之模型由SAS統計軟體所獲得之多元線性迴歸結果支 持了本研究前述之假說，依模型之順序說明如下：如表4-24所示，模型（1）之 實證結果證實了「系統風險」受到新聞情緒語調與新聞報導數量的影響，實證結 果得到『新聞「情緒語調」與系統風險間呈「顯著負相關」』、『新聞「報導數 量」與系統風險間呈「顯著正相關」』之結論，得以驗證本研究假說二：財經新 聞之「情緒語調」及「新聞數量」與系統風險間具有關聯性。並可進一步證實『新 聞「情緒分析」與系統風險間呈顯著相關』之結論，得以驗證本研究假說一：財 經新聞「情緒分析」與「系統風險」具有關聯性。
表4-24 模型（1）之實證結果
模型 變數 參數估計值 Pr > |t| 實證結果 驗證假說
（1） TONEi,t -0.4112 0.0585* 顯著負相關 H1 H2 QUANi,t 0.0039 0.0420** 顯著正相關 H1 H2 如表4-25所示，模型（2.1）與模型（2.2）之實證結果證實了「系統風險」
受到「不同窗期」下新聞情緒語調與新聞報導數量的影響：模型（2.1）之實證 結果得到『「今天、昨天」兩天新聞的「情緒語調」與系統風險間呈「顯著負相 關」』、『「今天、昨天」兩天新聞的「報導數量」與系統風險間呈「顯著正相 關」』之結論，得以驗證本研究假說三之H3.1：「今天與昨天新聞」之「情緒語 調」及「新聞數量」與系統風險間具有關聯性；模型（2.2）之實證結果證實了
『「今天、昨天與前天」三天新聞的「情緒語調」與系統風險間呈「顯著負相關」』、
『「今天、昨天與前天」三天新聞的「報導數量」與系統風險間呈「顯著正相關」』
之結論，得以驗證本研究假說三之H3.2：「今天、昨天與前天新聞」之「情緒語 調」及「新聞數量」與系統風險間具有關聯性。
表4-25 模型（2.1）、（2.2）實證結果之比較
模型 變數 參數估計值 Pr > |t| 實證結果 驗證假說
（2.1） TONEi,t' -0.4117 0.0538* 顯著負相關 H3.1 QUANi,t' 0.0028 0.0311** 顯著正相關 H3.1
（2.2） TONEi,t" -0.4216 0.0511* 顯著負相關 H3.2
QUANi,t" 0.0016 0.0634* 顯著正相關 H3.2
另外綜合考量模型（1）、模型（2.1）與模型（2.2）之實證結果，如表4-26 所示，能夠得到『「三天」的新聞與系統風險間之關聯較「兩天」新聞顯著』、
『「兩天」的新聞與系統風險間之關聯較「一天」新聞顯著』之結論，得以驗證 本研究假說三：財經新聞情緒分析與系統風險具有「三日窗期」之關聯性，也同 時驗證了先前學者Stefano & Pollet (2009)股票價格延遲反應之實證結果。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
系統風險間呈「負向」但「不顯著」之關聯』、『正面新聞的「報導數量」與系 統風險間呈「顯著正相關」』，得以驗證本研究假說五之H5.1：「正面財經新聞」
之新聞報導數量與「系統風險」間具有關聯性之後半部分；模型（4.2）之實證 結果證實了『負面財經新聞之「情緒語調」與系統風險間呈「顯著負相關」之關 聯』、『負面財經新聞之「報導數量」與系統風險間呈「顯著正相關」』之結論，
得以驗證本研究假說五之H5.2：「負面財經新聞」之情緒語調及新聞數量與「系 統風險」間具有關聯性。因此綜合考量模型（4.1）與模型（4.2）之實證結果能 夠得到『「負面財經新聞」的情緒語調及報導數量與系統風險間具有顯著關聯。』
之結論，驗證了本研究假說五之內容。
表4-29 模型（4.1）、（4.2）實證結果之比較
模型 變數 參數估計值 Pr > |t| 實證結果 驗證假說
（4.1） PTONEi,t -0.1313 0.6554 負相關，但不顯著 - PQUANi,t 0.0066 0.0612* 顯著正相關 H5.1
（4.2） NTONEi,t -0.3822 0.0551* 顯著負相關 H5.2 NQUANi,t 0.0093 0.0239** 顯著正相關 H5.2 另外若延伸綜合考量模型（1）、模型（4.1）與模型（4.2）之實證結果，如 表4-30之所示，能夠進一步得到『「負面財經新聞」的情緒語調及報導數量與系 統風險間之關聯較「全部的財經新聞」顯著。』之結論，得以驗證本研究假說五
『「正、負面財經新聞」之「情緒語調」及「新聞數量」與系統風險間具有關聯 性』之假說。
表4-30 模型（1）、（4.1）、（4.2）實證結果之比較
模型 變數 參數估計值 Pr > |t| 實證結果 驗證假說
（1） TONEi,t -0.4112 0.0585* 顯著負相關 H1 H2 H5 QUANi,t 0.0039 0.0420** 顯著正相關 H1 H2 H5
（4.1） PTONE i,t -0.1313 0.6554 負相關，但不顯著 - PQUAN i,t 0.0066 0.0612* 顯著正相關 H5.1 H5
（4.2） NTONE i,t -0.3822 0.0551* 顯著負相關 H5.2 H5 NQUANi,t 0.0093 0.0239** 顯著正相關 H5.2 H5
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
伍、研究結論
本研究最主要之目的在探討「新聞情緒分析」與「系統風險」間之關聯，經 由前一章之實證結果證實，本研究藉由將財經新聞內容之「正負面情緒字詞」量 化作為投資人的情緒代理變數，不論是財經新聞的「情緒語調」或「新聞數量」，
在增加投資人認知的同時產生情緒波動並，使投資人改變其所作之投資決策，造 成股價波動進而影響個股之系統風險。由於台灣股票市場較不成熟，主要係以一 般的投資散戶作為交易的主體，當投資人注意力不集中時容易產生股價反應延遲 的問題，因此本研究進一步考慮「不同窗期」的新聞與系統風險間之關聯，研究 的結果發現，「今天、昨天與前天」的新聞亦會藉由改變投資人之決策而對系統 風險造成影響。
本研究還發現，若將「情緒語調」拆解，探討其對系統風險之影響，實證的 結果顯示：今天新聞的「負面情緒語調」對系統風險之影響比正面情緒語調之影 響更為顯著。最後，本研究探討「負面的新聞」是否比正面的新聞對系統風險之 影響更為顯著，而實證的結果也證實本研究先前之假說，「負面財經新聞」對系 統風險之影響相較於正面之財經新聞，不論是在「情緒語調」或「新聞數量」上 都較為顯著。本章共分為以下兩個小節：第一節、研究討論；第二節、研究限制。
將於第一節中討論本研究之實證結果，並說明其所代表之意義；並於第二節中說 明本研究所受到之限制及對未來相關研究之建議。
‧
由Treynor (1961)，Sharpe (1964)，Lintner (1965)，Mossin (1966) et al.於1960 年代所發展出來的資本資產訂價模式（CAPM），考慮的是不可分散的「系統風