图中显示的结果为支持我们的猜测提供了具体证据。[在此插入图6。]将这些结果与表9中的结果相结合，我们验证了NTA指数的收益可预测性尤其来源于散户投资者的注意力，散户投资者的注意力更受卖空限制，并且在信念上也更不一致。5结论投资者的注意力影响市场对新信息的反应，并被记录为股票回报的重要驱动力。现有文献利用硬信息和软信息构建了预测因子，而投资者的注意力效应似乎没有得到充分的探索。在新闻网络的基础上，我们提出了一种新的预测因子，即新闻网络触发注意指数（NNTA），该指数将投资者的异常注意与新闻的共同发生联系起来。总的来说，我们发现NNTA始终为时间序列和横截面投资组合提供负回报预测。利用1996年至2014年的标普500股票样本，我们首次记录了NNTA可以提供显著的样本内和样本外回报可预测性。然后，我们证明投资者对NNTA指数的关注度解释是正确的，因为异常关联新闻覆盖率可以显著预测相关谷歌/彭博搜索和Edgar联合搜索活动。最后，我们通过短期销售约束和信念分歧的渠道，从散户投资者的交易行为中获得了NNTA的收益可预测性。参考文献Asquith，P.、Pathak，P.A.和Ritter，J.R.（2005）。短期利息、机构所有权和股票回报。《金融经济学杂志》，78（2），243–276。Baker，M.和Wurgler，J.（2006年）。投资者情绪和股票回报的横截面。《金融杂志》，61（4），1645-1680年。Baker，S.R.，Bloom，N.和Davis，S.J.（2016）。

衡量经济政策的不确定性。《经济学季刊》，131（4），1593–1636。Bali，T.G.、Brown，S.J.和Caglayan，M.O.（2014）。宏观经济风险和对冲基金回报。《金融经济学杂志》，114（1），1-19。Barber，B.M.和Odean，T.（2008）。所有闪光点：关注和新闻对个人和机构投资者购买行为的影响。《金融研究评论》，21（2），785–818。-，-和Zhu，N.（2008）。零售业是否会推动市场？《金融研究评论》，22（1），151–186。Barberis，N.和Shleifer，A.（2003年）。风格投资。《金融经济学杂志》，68（2），161–199。Boudoukh，J.、Michaely，R.、Richardson，M.和Roberts，M.R.（2007）。关于衡量支付收益率的重要性：对经验资产定价的影响。《金融杂志》，62（2），877-915。Busetti，F.和Marcucci，J.（2013）。比较预测精度：蒙特卡罗调查。《国际预测杂志》，29（1），13–27。坎贝尔，J.Y.和汤普森，S.B.（2008）。预测样本外的超额股票回报：有什么能超过历史平均水平吗？《金融研究评论》，21（4），1509–1531。Carhart，M.M.（1997）。共同基金业绩的持续性。《金融杂志》，52（1），57–82。Choi，H.、Mueller，P.和Vedolin，A.（2017年）。债券差异风险溢价。《金融评论》，21（3），987–1022。Clark，T.E.和West，K.D.（2007）。嵌套模型中预测精度相等的近似正态检验。《计量经济学杂志》，138（1），291–311。Cohen，L.和Frazzini，A.（2008a）。经济联系和可预测的回报。《金融杂志》，第63（4）期，1977-2011年和-（2008b）。经济联系和可预测的回报。《金融杂志》，63（4），1977-2011年。Da，Z.、Engelberg，J.和Gao，P.（2011）。寻求关注。《金融杂志》，66（5），1461-1499。Daley，B.和Green，B.（2012年）。

在市场上等待柠檬的消息。《计量经济学》，80（4），1433–1504。Daniel，K.、Grinblatt，M.、Titman，S.和Wermers，R.（1997）。使用基于特征的基准衡量共同基金的绩效。《金融杂志》，52（3），1035–1058。DellaVigna，S.和Pollet，J.M.（2009）。投资者注意力不集中和周五的收益公告。《金融杂志》，64（2），709–749。Engelberg，J.（2008）。昂贵的信息处理：来自收益公告的证据。AFA 2009旧金山会议文件。Fama，E.F.和French，K.R.（2016）。用五因素模型剖析异常。《金融研究回顾》，29（1），69–103。Fang，L.和Peress，J.（2009）。媒体报道和股票回报的横截面。《金融杂志》，64（5），2023-2052年。Fang，L.H.、Peress，J.和Zheng，L.（2014）。媒体对股票的报道是否会影响共同基金的交易和表现？《金融研究评论》，27（12），3441–3466。Gabaix，X.、Laibson，D.、Moloche，G.和Weinberg，S.（2006）。代价高昂的信息获取：对有界理性模型的实验分析。《美国经济评论》，96（4），1043-1068。George，T.J.和Hwang，C-Y.（2004）。52周高点和动量投资。《金融杂志》，59（5），2145–2176。Gervais，S.、Kaniel，R.和Mingelgrin，D.H.（2001年）。大批量退货溢价。《金融杂志》，56（3），877–919。Goyal，A.和Welch，I.（2008）。全面审视股票溢价预测的实证表现。《金融研究评论》，21（4），1455-1508。Gurun，U.G.和Butler，A.W.（2012）。不要相信炒作：本地媒体倾向、本地广告和固定价值。《金融杂志》，67（2），561–598。Hillert，A.、Jacobs，H.和M¨uller，S.（2014）。媒体制造动力。《金融研究评论》，27（12），3467-3501。Hirshleifer，D.、Lim，S.S.和Teoh，S.H.（2009）。

让人分心的事情：额外的事件和对盈利新闻反应不足。《金融杂志》，64（5），2289–2325。Hong，H.、Lim，T.和Stein，J.C.（2000年）。坏消息传播缓慢：规模、分析师报道和动量策略的可行性。《金融杂志》，55（1），265–295和Stein，J.C.（2007）。分歧与股市。《经济展望杂志》，21（2），109–128，Torus，W.和Valkanov，R.（2007年）。行业是否引领股市？《金融经济学杂志》，83（2），367-396。Hou，K.，Xue，C.和Zhang，L.（2015）。消化异常：一种投资方法。《金融研究评论》，28（3），650–705。Huang，D.、Jiang，F.、Tu，J.和Zhou，G.（2014）。投资者情绪一致：股票回报的有力预测者。《金融研究评论》，第hhu080页。Jegadeesh，N.和Wu，D.（2013）。词力：一种新的内容分析方法。《金融经济学杂志》，110（3），712–729。Jurado，K.、Ludvigson，S.C.和Ng，S.（2015）。测量不确定度。《美国经济评论》，105（3），1177-1216。Kahneman，D.（1973年）。《关注与努力》，第1063卷。城市居民。Kandel，S.和Stambaugh，R.F.（1996年）。股票收益的可预测性：Anaset分配视角。《金融杂志》，51（2），385–424。Kelly，B.和Pruitt，S.（2013年）。现值横截面中的市场预期。《金融杂志》，68（5），1721-1756年。Kim，J.S.、Ryu，D.和Seo，S.W.（2014）。投资者情绪和不一致回报的可预测性。《银行与金融杂志》，42166-178。Lee，C.M.C.和Ready，M.J.（1991）。从日内数据推断交易方向。《金融杂志》，46（2），733-746。Lettau，M.和Ludvigson，S.（2001年）。消费、总财富和预期股票回报。《金融杂志》，56（3），815–849。Loughran，T.和McDonald，B.（2011年）。

什么时候责任不是责任？文本分析、词典和10 K。《金融杂志》，66（1），35–65。Menzly，L.和Ozbas，O.（2010年）。市场细分和回报的交叉可预测性。《金融杂志》，65（4），1555-1580。Merton，R.C.（1987）。不完全信息下资本市场均衡的简单模型。《金融杂志》，42（3），483-510。Miller，E.M.（1977）。风险、不确定性和意见分歧。《金融杂志》，32（4），1151-1168。Morck，R.、Yeung，B.和Yu，W.（2000年）。股票市场的信息内容：为什么新兴市场的股票价格运动是同步的？《金融经济学杂志》，58（1-2），215–260。Newman，M.（2010）。网络：简介。牛津大学出版社。Odean，T.（1999年）。投资者是否交易过多？《美国经济评论》，89（5），1279-1298。¨Ozg¨ur，A.、Cetin，B.和Bingol，H.（2008）。路透社新闻联播网。《国际现代物理学杂志》C，19（05），689–702。Peng，L.（2005）。在信息能力受限的情况下学习。《金融与定量分析杂志》，40（2），307–329熊文华（2006）。投资者关注度、过度自信和类别学习。《金融经济学杂志》，80（3），563–602，-Bollerslev，T.（2007）。投资者关注度和时变协动。《欧洲财务管理》，13（3），394–422。Rapach，D.、Strauss，J.、Tu，J.和Zhou，G.（2015）。行业相互依赖性和跨行业回报的可预测性。工作文件。Rapach，D.E.、Ringgenberg，M.C.和Zhou，G.（2016）。短期利息和聚合股票收益。《金融经济学杂志》，121（1），46-65，Strauss，J.K.和Zhou，G.（2010）。样本外股票溢价预测：组合预测和与实体经济的联系。《金融研究评论》，23（2），821–862。Rubin，A.、Segal，B.和Segal，D.（2017年）。

对意外新闻的解读和分析技巧。《金融与定量分析杂志》，52（4），1491-1518。Scherbina，A.和Schlusche，B.（2015年）。从新闻故事和股票回报的可预测性推断出的经济联系。工作文件。Shiller，R.J.（1999年）。人类行为和金融系统的效率。《宏观经济学手册》，11305-1340年，Fischer，S.和Friedman，B.M.（1984年）。股票价格和社会动态。布鲁金斯经济活动论文，1984（2），457-510。Solomon，D.H.、Soltes，E.和Sosyura，D.（2014）。聚光灯下的赢家：媒体对基金持有量的报道是资金流动的驱动力。《金融经济学杂志》，113（1），53–72。Tetlock，P.C.（2007年）。满足投资者情绪：媒体在股市中的作用。《金融杂志》，62（3），1139–1168。-，Saar Tsechansky，M.和Macskassy，S.（2008）。不仅仅是文字：量化语言来衡量企业的基础。《金融杂志》，63（3），1437–1467。Van Nieuwerburgh，S.和Veldkamp，L.（2009年）。信息固定与家庭偏见之谜。《金融杂志》，64（3），1187-1215。Yu，Y.（2015）。市场广泛关注、交易和股票回报。《金融经济学杂志》，116（3），548–564。Zhang，J.L.，H¨ardle，W.K.，Chen，C.Y.和Bommes，E.（2016）。将新闻流升华为股票反应分析。《商业与经济统计杂志》，34（4），547–563。图1：此图是一个简单的网络示例，用于说明特征向量中心度如何影响度中心度。网络中的每个节点表示一个股票，每个边表示两个股票之间是否存在连接的新闻。图2：该图绘制了综合新闻网络触发注意指数、基于规模的新闻网络触发注意指数和基于中心性的新闻网络触发注意指数。

红线表示综合新闻网络触发注意力指数，黄色虚线表示基于中心性的新闻网络触发注意力指数，紫色虚线表示基于规模的新闻网络触发注意力指数。所有指数均标准化为零均值和单位方差。阴影期对NBER预测的衰退作出反应。样本期为1996:02–2014:12.0>15 11- 150Log（股票对的日志）15#成对股票之间的连接新闻1- 5 6- 10105图3：该柱状图显示了不同仓位中股票对的对数，根据股票对之间的关联新闻数。第一个（最后一个）仓位中的股票对没有（超过15个）相关新闻。中间的三个箱子分别说明了[1,5]、[6,10]和[11,15]范围内成对股票之间的connectednews数量。样本期为2005:01–2014:12.1 2 3 5排名00.020.040.060.080.10.120.140.160.18平均相关性Google SearchBloomberg SearchGoogle:High-Low:0.0812t-stat:3.52 Bloomberg:High-Low:0.1328t-stat:5.16图4：该图绘制了5组股票对内Google和Bloomberg搜索量的平均相关系数。第一（最后）组中的股票对没有（超过15）条相关新闻。中间三组要求航空股之间的关联新闻数量分别在[1,5]、[6,10]和[11,15]范围内。然后，我们在每组中随机选择5对股票，并根据他们在样本期内的谷歌和彭博搜索量计算相应的平均相关性。谷歌的样本期为2005:01–2014:12，彭博社的样本期为2010:01–2014:12。图5：该图显示了Edgar对每组股票对的平均共同搜索频率。股票对根据它们之间的connectednews数量被分为五类。

样本期为2005-2014年。图6：该图显示了在景气/坏消息时期，每组股票的平均零售订单不平衡。根据相关新闻的数量，这些股票被分为五类。好（坏）消息期的特征是在新闻事件日的回报表现，即rit>0（rit<0）。我们遵循Barber等人（2008）的方法检测零售订单流量。Lee and Ready（1991）算法用于推断交易方向。样本期为1996-2011年。表1：汇总统计数据该表报告了股票市场超额总回报的汇总统计数据，定义为价值加权标准普尔500指数股票的回报率超过无风险利率（Rm）、无风险利率（Rf）、基于规模的新闻网络触发注意（NNTAsz）、基于特征向量中心性的新闻网络触发注意（NNTActr），与naively合并的新闻网络引发了关注（NNTA）；使用汤森路透新闻分析（TRN和TRN）；道琼斯新闻/华尔街日报与标准普尔500指数（DJI/WSJ和DJI公司/《华尔街日报》）；继George和Hwang（2004）之后的谷歌搜索指数（GoogleSearch）日志（PrcHigh），使用价值权重（分析师或Hong等人（2000）（分析师r）、价值加权交易量（TrdVol和TrdVol）；基于汤姆森路透社新闻分析（NegNNand OptNN）以及Loughran和McDonald（2011）的价值权重字典（Neg和Opt）的负面和乐观新闻音调；Baker和Wurgler（2006）的投资者情绪指数（SentBW）和Huang等人的投资者情绪一致指数（SentPLS）。

（2014年）；CBOE的VIX、Bali等人（2014）的经济不确定性指数（UNC）、Choi等人（2017）的国债隐含波动率（TIV）、Baker等人（2016）的经济政策不确定性（EPU）、Jurado等人（2015）的金融不确定性（FU）和经济不确定性（EU）；Morck et al.（2000）收益联动指数（ECI），Rapach et al.（2016）等权空头利率（EWSI）和Amit Goyals网站上的14个经济变量：对数股息价格比（D/P），对数股息收益率（D/Y），对数收益价格比（E/P），对数股息支付率（D/E），股票回报方差（SVAR），账面市盈率（B/M），净股本扩张（NTIS），国库券利率（TBL）、长期债券收益率（LTY）、长期债券收益率（LTR）、期限利差（TMS）、违约收益率利差（DFY）、违约收益率利差（DFR）、通货膨胀率（INFL）。对于每个变量，时间序列平均值（平均值）、标准偏差（标准偏差）、偏度（偏斜），峰度（Kurt），报告了最小（Min.）、最大（Max.）和一阶自相关（ρ（1））。样本期为1996:02–2014:12。（谷歌搜索2004:01–2014:12）可变平均标准偏差。库尔特。最小最大ρ（1）面板A：ReturnsRm0.004 0.045-0.661 3.965-0.170 0.108 0.084Rf0.002 0.215 1.429 0.000 0.006 0.978面板B：新闻网触发关注NNTA 0.001 0.727 1.354 8.328-1.700 3.676-0.180NNTAsz0.000 0.002 0.252-0.005 0.007-0.357NNTActr0.277 0.648 2.577 18.880-1.374 5.226-0.163Panel C：媒体覆盖率RN 3.776 1.493 0.329 2.870 0.000 7.649 0.753DJI 22.350 17.482 0.7292.645 0.263 71.409 0.926华尔街日报5.507 4.429 0.624 2.193 0.136 17.087 0.939TRN 0.005 1.042 0.038 4.300-3.155 4.273-0.345DJI 0.133 6.569-0.498 11.452-36.000 29.577 0.066《华尔街日报》0.045 1.472 1.185 8.970-4.386 7.896-0.217表1（续）：统计变量平均标准偏差汇总。库尔特。最小值最大值。