國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
肆、研究結果
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，經由前一章敘明本研究所採用之研究方法，經由建立假說、蒐集資料、設計 流程及發展適合本研究之模型後，將於本章中說明利用SAS統計軟體分析本研究 所蒐集之樣本資料，分別對其進行「敘述性統計分析」、「相關性檢定分析」以 及「多元線性迴歸分析」，並對執行後所得到之結果說明其所代表之意義。
本章將分為三個小節進行論述：第一節、敘述統計；第二節、相關檢定；第 三節、實證結果，本研究將於第一節中說明各變數敘述性統計之分析結果，分別 對各變數之平均數、中位數、最小值、最大值以及標準差等統計結果進行分析，
說明各模型的統計結果及其所代表之意義；在第二節中說明不同模型下各變數與 應變數「系統風險」間之相關性，用以檢驗兩變數間是否存有共線性之問題；最 後，在第三節中分別列示本研究各模型執行多元線性迴歸後之實證結果，並分別 說明迴歸結果所代表之意義以及是否符合前開設立之假說。
‧
‧
‧
‧
TONEi,t"以及新聞數量變數QUANi,t"，有關於模型（2.2）之TONEi,t"由左至右分
別為：平均數0.1459、標準差0.2237、最小值-0.3947、最大值0.7424以及中位數
‧
QUANi,t、QUANi,t'、QUANi,t"之平均數則分別為15.9804、22.6078、27.7647，由 於考慮的窗期越長，新聞報導的篇數勢必越多，因此本研究也預期在探討股價反‧
數TONEi,t、POSi,t、NEGi,t之平均數分別為0.1527、0.5430、0.4004，由於模型（1）與模型（3）情緒語調的計算方式不同，因此不可直觀上互作比較，然卻可看出 不同文本分析演算法之下，將相同的新聞樣本分別以正負面情緒字詞「綜合計算」
之結果（TONEi,t）與「分開計算」之結果（POSi,t、NEGi,t）作觀察，可發現本 研究所蒐集2018年第四季期間每天的財經新聞，其所包含的正面情緒字詞數略高 於負面情緒字詞數；TONEi,t、POSi,t、NEGi,t之「標準差」分別為0.2202、0.1730、
0.1472，可看當正負面情緒字詞「綜合考量」時，各公司的情緒語調距離其平均
TONEi,t、POSi,t、NEGi,t之「最大值」分別為0.7424、0.8712、0.6974，代表正負 面情緒字詞「綜合考量」時之情緒語調最大值0.7424介於正負面情緒字詞單獨考 量時之0.8712、0.6974之間，由正負面情緒字詞比率「單獨考量」之公式來看，
可看出本研究之樣本834篇財經新聞中，不存在完全由正面情緒字詞所組成或完
‧
PTONEi,t以及新聞數量變數PQUANi,t，有關於模型（4.1）之PTONEi,t由左至右分 別為：平均數0.3482、標準差0.1636、最小值0、最大值0.7424以及中位數0.3253； NTONEi,t以及新聞數量變數NQUANi,t，有關於模型（4.2）之NTONEi,t由左至右 分別為：平均數-0.2211、標準差0.2366、最小值-1、最大值0以及中位數-0.1954；‧
0.1527下降為-0.2211；TONEi,t、PTONEi,t、NTONEi,t之「標準差」分別為0.2202、0.1636、0.2366，可看出僅考慮正面新聞之情緒語調距離平均數之離散程度較低；
TONEi,t、PTONEi,t、NTONEi,t之「最小值」分別為-0.3947、0、-1，可看出僅考 慮正面新聞之情緒語調最小值為0、僅考慮負面新聞之情緒語調最小值為-1，而 綜合考量正負面新聞之情緒語調最小值-0.3947則介於個別考量之0與-1之間；
TONEi,t、PTONEi,t、NTONEi,t之「最大值」分別為0.7424、0.7424、0，可看出綜 合 考 量 正 負 面 新 聞 之 情 緒 語 調 與 僅 考 慮 正 面 新 聞 之 情 緒 語 調 最 大 值 皆 為 至於新聞數量變數QUANi,t、PQUANi,t、NQUANi,t之「平均數」如表4-11所 示分別為15.9804、9.3137、7.1961，可看出僅考量正面新聞下之新聞數量平均數 約為9篇，僅考量負面新聞下之新聞數量平均數約為7篇，而綜合考量正負面新聞 下之新聞數量平均約為16篇；QUAN 、PQUAN 、NQUAN 之「標準差」分別
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
為24.6110、13.9305、11.7966，可看出僅考慮正面或負面新聞之報導數量距離平 均數之離散程度較低，綜合考量下離散程度較高；QUANi,t、PQUANi,t、NQUANi,t
之「最小值」皆為0，分別代表各上市公司當天可能沒有與其相關之新聞、當天 可能沒有正面新聞以及當天可能沒有負面之新聞；QUANi,t、PQUANi,t、NQUANi,t
之「最大值」分別為137、78、64，則代表今天的新聞最多被報導了137篇新聞、
今天的正面新聞最多被報導了78篇、今天的負面新聞最多被報導了64篇。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 相關檢定
本研究之目的，係探討「新聞情緒分析」與「系統風險」兩者間之關聯，經 由上一節說明本研究運用SAS統計軟體對各變數進行敘述性統計分析之結果及 其所代表之意義後，在前揭之各變數進行迴歸分析前，為確保各變數間未存有線 性重合（Multicollinearity）之共線性問題，以致變數間因具有替代性而降低迴歸 模型之解釋力、產生不良的迴歸結果，將於本節中說明運用SAS統計軟體對各變 數進行Pearson相關係數之「相關性檢定」分析，取得各變數間所產生之「相關 係數」（Correlation Coefficient），藉以判斷兩個變數間線性關係之「強弱」及 其相關之「方向」，並於下一章中以變異數膨脹因子（Variance Inflation Factor, VIF）作為驗證各變數間是否確實不具共線性之問題。
由於「相關係數」是介於+1與-1之間的數值：若相關係數為+1，表示兩變數 間呈現「完全正相關」，代表「正向」之線性關係「最強」；若為-1，則表示兩 變數間呈現「完全負相關」，代表「負向」之線性關係「最強」；當相關係數趨 近於0，則表示兩變數間不具線性相關，代表關係「最弱」。由本研究不同研究 模型之相關性分析結果將分別列示於表4-12至表4-17：表4-12顯示模型（1）之結 果、表4-13顯示模型（2.1）之結果，表4-14顯示模型（2.2）之結果、表4-15顯示 模型（3）之結果、表4-16顯示模型（4.1）之結果，最後，表4-17則顯示模型（4.2）
之結果，由一般學述研究所作之相關性檢定結果來看，若各變數間相關係數之絕 對值不高於0.8，則共線性之問題不大，由表4-12至表4-17之結果可知，本研究中 各模型之變數間之相關係數皆小於0.8，因此本研究不考慮共線性之問題，將於 下段中依序論述。
參表4-12列示了模型（1）各變數與應變數之Pearson相關係數分析，可發現 文本變數中：情緒語調（TONEi,t）與系統風險（Betai）呈「顯著負相關」之關 聯，而新聞數量（QUANi,t）與系統風險（Betai）間呈「顯著正相關」之關聯，
合於『假說一、財經新聞「情緒分析」與「系統風險」間具有關聯性』；以及『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』之假 說。而控制變數的部分，股利支付率（DP）與系統風險（Betai）呈「顯著負相 關」；而股利殖利率（DY）、每股盈餘（EPS）、股東權益報酬率（ROE）與 系統風險（Betai）皆呈「顯著正相關」之關聯。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
<.0001 0.8444 0.8781 0.5027 <.0001 0.0002
參表4-14列示了模型（2.2）各變數與應變數之Pearson相關係數分析，可發 現文本變數中：情緒語調（TONEi,t"）與系統風險（Betai）呈「負相關」之關聯，
而新聞數量（QUANi,t"）與系統風險（Betai）間呈「正相關」之關聯，合於『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』之假說。而控 制變數的部分，股利支付率（DP）與系統風險（Betai）呈「顯著負相關」之關 聯；而股利殖利率（DY）、每股盈餘（EPS）、股東權益報酬率（ROE）與系 統風險（Betai）皆呈「顯著正相關」之關聯。
表4-14 模型（2.2）相關性檢定
Betai TONEi,t" QUANi,t" DP DY EPS ROE
Betai 1 -0.2237 0.2113 -0.2723 0.3600 0.6245 0.6489 0.1145 0.1367 0.0532 0.0095 <.0001 <.0001
TONEi,t" -0.2237 1 -0.1632 0.1382 0.2114 -0.1423 0.0449
0.1145 0.2527 0.3336 0.1364 0.3192 0.7544
QUANi,t" 0.2113 -0.1632 1 -0.0205 -0.1068 0.1118 -0.0217
0.1367 0.2527 0.8864 0.4557 0.4348 0.8799 DP -0.2723 0.1382 -0.0205 1 0.1881 -0.1560 -0.0960
0.0532 0.3336 0.8864 0.1863 0.2744 0.5027 DY 0.3600 0.2114 -0.1068 0.1881 1 0.0881 0.5232 0.0095 0.1364 0.4557 0.1863 0.5386 <.0001 EPS 0.6245 -0.1423 0.1118 -0.1560 0.0881 1 0.5021
<.0001 0.3192 0.4348 0.2744 0.5386 0.0002 ROE 0.6489 0.0449 -0.0217 -0.0960 0.5232 0.5021 1
<.0001 0.7544 0.8799 0.5027 <.0001 0.0002
參下頁表4-15列示了模型（3）各變數與應變數之Pearson相關係數分析，可 發現文本變數中：正面情緒語調（POSi,t）與系統風險（Betai）呈「負相關」之 關聯，但不顯著、負面情緒語調（NEGi,t）與系統風險（Betai）呈顯著「正相關」
之關聯，但不顯著，而新聞數量（QUANi,t）與系統風險（Betai）間呈「顯著正 相關」之關聯，合於『假說四：財經新聞之「正、負面情緒語調」及「新聞數量」
與系統風險具有關聯性』之假說。而控制變數的部分，股利支付率（DP）與系 統風險（Betai）呈「顯著負相關」之關聯；而股利殖利率（DY）、每股盈餘（EPS）、
股東權益報酬率（ROE）與系統風險（Betai）皆呈「顯著正相關」之關聯。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
EPS 0.62446 0.00778 0.05266 -0.15598 0.08812 1 0.50208
<.0001 0.9568 0.7136 0.2744 0.5386 0.0002 ROE 0.64892 0.05791 -0.00725 -0.09601 0.52315 0.50208 1
<.0001 0.6865 0.9597 0.5027 <.0001 0.0002
參表4-17列示了模型（4.2）各變數與應變數之Pearson相關係數分析，可發 現文本變數中：負面新聞之情緒語調（NTONEi,t）與系統風險（Betai）呈「負相 關」，但不顯著之關聯，而負面新聞之新聞數量（NQUANi,t）與系統風險（Betai） 間呈「顯著正相關」，合於『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。而控制變數的部分，股利支付 率（DP）與系統風險（Betai）呈「顯著負相關」之關聯；而股利殖利率（DY）、
每股盈餘（EPS）、股東權益報酬率（ROE）與系統風險（Betai）皆呈「顯著正 相關」之關聯。
表4-17 模型（4.2）相關性檢定
Betai NTONEi,t NQUANi,t DP DY EPS ROE Betai 1 -0.2094 0.2911 -0.2723 0.3600 0.6245 0.6489
0.1402 0.0383 0.0532 0.0095 <.0001 <.0001 NTONEi,t -0.2094 1 -0.1459 0.0532 0.1667 -0.0404 -0.0693
0.1402 0.3070 0.7110 0.2425 0.7783 0.6290 NQUANi,t 0.2911 -0.1459 1 -0.0600 -0.1450 0.2432 -0.0293 0.0383 0.3070 0.6757 0.3100 0.0855 0.8383 DP -0.2723 0.0532 -0.0600 1 0.1881 -0.1560 -0.0960
0.0532 0.7110 0.6757 0.1863 0.2744 0.5027 DY 0.3600 0.1667 -0.1450 0.1881 1 0.0881 0.5232 0.0095 0.2425 0.3100 0.1863 0.5386 <.0001 EPS 0.6245 -0.0404 0.2432 -0.1560 0.0881 1 0.5021
<.0001 0.7783 0.0855 0.2744 0.5386 0.0002 ROE 0.6489 -0.0693 -0.0293 -0.0960 0.5232 0.5021 1
<.0001 0.6290 0.8383 0.5027 <.0001 0.0002
本研究各模型相關性檢定之結果如表4-12至表4-17所示，由一般學述研究所 作之相關性檢定分析來看，若各變數間相關係數之絕對值不高於0.8，則共線性 之問題不大，由表4-12至表4-17之結果可知，本研究中各模型之文本分析變數與 控制變數間未存有相關性高於0.8之相關係數，因此本研究不考慮共線性之問 題，將於下節中說明各模型多元線性迴歸之分析之結果。