[论文解读] News Cohesiveness: an Indicator of Systemic Risk in Financial Markets

Matija Piškorec, Nino Antulov-Fantulin+5 more|arXiv (Cornell University)|Feb 14, 2014

Complex Systems and Time Series Analysis参考文献 22被引用 12

一句话总结

本文提出了新闻连贯性指数（NCI），这是一种从多个新闻源中金融新闻集体相似性的角度出发，推导出的新型系统性风险指标。通过使用金融实体分类法测量新闻文档之间的平均互似性，NCI 能够捕捉市场整体情绪的变化，并与金融市场波动性表现出强烈相关性，在系统性风险检测方面优于基于词频或情感分析的方法。

ABSTRACT

Motivated by recent financial crises significant research efforts have been put into studying contagion effects and herding behaviour in financial markets. Much less has been said about influence of financial news on financial markets. We propose a novel measure of collective behaviour in financial news on the Web, News Cohesiveness Index (NCI), and show that it can be used as a systemic risk indicator. We evaluate the NCI on financial documents from large Web news sources on a daily basis from October 2011 to July 2013 and analyse the interplay between financial markets and financially related news. We hypothesized that strong cohesion in financial news reflects movements in the financial markets. Cohesiveness is more general and robust measure of systemic risk expressed in news, than measures based on simple occurrences of specific terms. Our results indicate that cohesiveness in the financial news is highly correlated with and driven by volatility on the financial markets.

研究动机与目标

• 开发一种系统性风险指标，以捕捉金融新闻中超越个体情感或词频的集体行为。
• 探究跨多个新闻源的新闻内容连贯性是否反映金融市场的系统性风险。
• 评估新闻连贯性是否能预测或与金融市场波动性和交易活动相关。
• 利用领域特定的实体分类法和文本流处理技术，建立一种稳健且可推广的金融新闻重要性度量方法。
• 对比 NCI 与传统指标（如搜索查询量和情感指数）的预测能力。

提出的方法

• 利用 NewStream 文本流处理管道，从 200 多个全球新闻源中收集并索引超过 140 万篇金融新闻文章，时间范围为 2011 年 10 月至 2013 年 6 月。
• 应用基于规则的过滤模型，并结合人工标注的黄金标准数据集，以提取严格意义上的金融相关内容，实现 80% 以上的精确率和 50% 以上的召回率。
• 利用全面的金融分类法构建文档-实体矩阵，涵盖公司、金融机构、金融工具及领域特定术语。
• 基于共享金融实体，使用类似 Jaccard 的相似性度量方法，计算新闻连贯性指数（NCI）作为文档对之间的平均两两相似性。
• 对非平稳时间序列采用格兰杰因果检验（Toda-Yamamoto 方法），以评估 NCI 与金融指标之间的方向性关系。
• 整合市场数据（S&P 500、DAX、FTSE、Nikkei 225、恒生指数）和 VIX，以及五个金融类别（如“金融与投资”）的 Google Trends 同比变化数据。

实验结果

研究问题

• RQ1 多个新闻源中金融新闻的连贯性是否与市场波动性等系统性风险指标相关？
• RQ2 新闻连贯性指数（NCI）是否能预测或提前反映金融市场指数和波动性的变动？
• RQ3 与传统指标（如搜索查询量或情感得分）相比，NCI 的预测能力如何？
• RQ4 新闻连贯性在多大程度上由实际市场波动驱动，而非外生新闻事件？
• RQ5 通过时间序列分析，新闻连贯性与金融市场波动性之间是否存在因果关系？

主要发现

• 新闻连贯性指数（NCI）与主要股票指数（包括 S&P 500 和 DAX）的日度实际波动率之间表现出强烈且统计显著的相关性。
• NCI 在市场波动性方面表现出格兰杰因果关系，表明新闻连贯性可预测未来波动性变动，尤其在 S&P 500 和 DAX 指数中表现显著。
• 由于 NCI 聚焦于跨新闻源的集体内容对齐，其在捕捉系统性风险方面优于传统的基于情感或词频的指标。
• 金融新闻的连贯性主要由市场波动性驱动，而非孤立的新闻事件，表明其反映了系统性市场压力。
• NCI 与市场整体波动率的相关性高于与个股交易量或特定金融术语的 Google 搜索查询量的相关性。
• 使用领域特定的金融实体分类法显著提升了连贯性度量的稳健性和相关性，相较于通用文本相似性方法更具优势。