ChatGPT情感感知策略识别下的贸易新闻及其人民币汇率短期波动效应研究_郭维
郭维,韩迪,汪勃澄.ChatGPT情感感知策略识别下的贸易新闻及其人民币汇率短期波动效应研究[J/OL].金融经济学研究:1-15
研究问题
利用ChatGPT验证贸易新闻的人民币汇率的短期波动效应
理论机制
新闻事件作为短期事件的典型别类，成为研究人民币汇率短期波动的重要工具。汇率的资产属性使其投资者易受非理性预期影响，对汇率具有潜在影响的事件通过新闻影响外汇市场参与者的市场预期，从而影响他们的投资决策，进而引起人民币汇率的短期波动，构成了各类事件影响人民币汇率短期波动的自实现过程和传导机制。
汇率“新闻模型”提出，未预期到的新闻事件是引起汇率波动的重要因素。而新闻事件向汇率传导的机制与非理性预期和外汇市场微观结构有着密切联系。首先是非理性预期。汇率的资产属性使其投资者易受非理性预期影响。非理性预期打破了有效市场假说关于汇率能够完全体现宏观基本面并反映所有市场信息的设定。受信息不对称和有限关注等因素影响，投资者在构建投资决策时，无法对全部信息进行关注，只能根据自己的学识、能力、经验等，选择关注部分信息，形成非理性的、异质性的投资决定。根据选择性注意理论，受众对外界信息具有主动选择能力，投资者为了追求自身利益，主动选择与自身需求相关性强的信息。从搜索成本理论角度来看，投资者在某项资产组合所投入的内部和外部的搜索成本，追求该项资产信息中所包含的有价值的部分，并结合自身的认知和收集到的信息进行分析，最终做出相关的投资决策。其次，外汇市场微观结构变化。外汇市场微观结构主要基于市场参与者的行为和市场特征来研究。在非理性预期的影响下，新闻事件通过向市场参与者进行信息传递，改变投资者预期从而引起外汇市场微观结构变化。具体地，外汇市场投资者对贸易新闻的认知会通过交易行为反馈到外汇市场中，引起市场微观主体行为和市场预期的变化，并由市场参与者对某种方向的交易行为达成一致，最终导致汇率短期波动。对外汇市场投资者来说，人民币作为金融资产的一种，投资者为其分配关注度后，接受信息形成判断，买入或者卖出人民币资产，引起人民币汇率的变动。在中美贸易摩擦阶段，相关贸易新闻通常会引起投资者的高度关注，进而从两个方面对短期汇率波动产生影响。一方面，投资者关注并解读贸易新闻事件后会改变自己对于市场预期，进而调整自身的投资组合从而引起汇率的短期波动；另一方面，外汇投资者对于不同类型的事件会形成乐观关注或悲观关注的投资者情绪，进而会通过采取不同方向的调整手段影响汇率。譬如，当正面事件发生时，投资者会将其视为利好信息，预判人民币汇率对美元升值；当负面事件发生时，投资者会将其视为利空消息，预判人民币汇率对美元贬值。如果上述逻辑成立，那么正面和负面贸易新闻将会
引起人民币汇率非同方向的波动，并实现预期的自我强化。
主要假设
H1:贸易新闻事件会引起人民币汇率短期波动
H2:在贸易新闻中，正面事件、负面事件，会谈类事件、政策类事件，来自中国、美国、中美双方的事件分别显著引起汇率在不同程度上的短期波动
实证数据期间与来源
1.数据来源。(1)汇率数据。本文使用的人民币汇率数据，包括美元兑人民币汇率（USD／CNY即期汇率）、CFETS人民币汇率指数和人民币每日收益率，皆从wind数据库获取。(2)事件数据。本文通过 Python的OpenAI库和BeautifulSoup库共同实现ChatGPT的爬虫模型，准确高效且自动化地收集中美贸易新闻事件，包括来自中美官方公开发布的政策类事件和会谈类事件。政策类事件包括两国出台的中美贸易相关政策或报告；会谈类事件包括两国之间的会晤／交涉／经济对话／磋商／访问／通话／沟通／联合声明等。事件数据来源基于美国贸易代表办公室网站、中国财政部官网、中国商务部官网、CCTV网站、新华网、央视网、环球网、百度等渠道爬取，并调用OpenAI库下的prompt参数进行精确筛选。
2.样本区间。本文样本区间为2017年1月1日至2019年12月31日。尽管中美贸易战从2018年3月正式开启，但本文考虑到自特朗普2017年1月上台以来提出对中国展开贸易调查，中美贸易摩擦事件增加，使得中美经贸关系开始变得不稳定，同时人民币汇率也从2017年初开始出现较大幅度波动，因此将2017年1月1日作为样本期的起点。同时，为剔除疫情影响带来的干扰，将2019年12月31日作为样本终点。
结论
1.训练后的ChatGPT技术应用在贸易新闻的情感感知中，与以往的人工处理或者通过新闻关键语句触发数据库提取情感判断的方法相比有以下优势：自动化处理。ChatGPT可以快速处理大量的贸易新闻文章。相比人工处理，它可以在更短的时间内分析和处理大量文本数据。上下文理解能力。ChatGPT可以理解上下文，并在整体语境中进行情感感知。它不仅仅依赖于关键语句，还可以综合考虑文章的整体内容，识别出更准确的情感倾向。强大的语言处理能力。ChatGPT是一个经过大规模训练的语言模型，具有强大的语义理解和推理能力。它可以识别和理解贸易新闻中的复杂语言结构和隐含信息，从而比自然人或者主流语言处理模型更准确地判断情感。无需数据库提取。传统方法中，需要通过中文分词提取关键语句并与数据库进行匹配，以判断情感，技术难度和工作量都比较大，而 ChatGPT可以直接对整个文本进行情感感知，无需事先建立数据库或进行额外的数据处理。适应新的情境。ChatGPT可以通过追加训练的方式适应新的情境和领域。一旦有了新的贸易新闻数据，可以使用这些数据对 ChatGPT进行进一步的训练，从而提高并扩展其在贸易新闻情感感知方面的准确性。此外，ChatGPT结合引导式Prompt技术不止应用在贸易新闻的情感感知中，还可以应用于其他金融领域的研究中。
2.贸易新闻事件会引起人民币汇率短期波动。随着近年来人民币汇率制度改革进程加速与人民币国际化的逐步推进，人民币汇率的市场化水平有所提升，使人民币汇率的短期波动弹性增大，使之更易受到短期外部事件尤其是在中美贸易摩擦背景下的贸易新闻事件影响。此外，关于新闻事件对人民币汇率的潜在传导机制，投资者关注、非理性预期假说、“新闻模型”等理论已经提供了一系列解释，人民币离岸市场和在岸市场的互动性增强、贸易渠道和投资渠道的传导能力在资本项目逐步开放的背景下进一步扩大，这些因素都强化了贸易新闻事件对人民币汇率短期波动的影响效应。
3.在贸易新闻事件中，负面新闻对人民币汇率短期波动的影响较正面新闻而言更为显著。由此可见，负面新闻大部分为导致中美贸易摩擦加剧的负面效应极强的事件。相较而言，正面新闻中占比最大的中美会谈事件则更偏向中性色彩，为中美贸易关系带来可能的转机但也存在一定的不确定性。因此，负面新闻对人民币汇率波动的影响较正面新闻更强烈的研究结论，符合事件特征和理论预期。
4.在贸易新闻事件中，政策类事件对人民币汇率短期波动的影响效应大大高于会谈类事件；由美国引起的事件对人民币汇率短期波动的影响效应大大高于中美双方来源事件与中国来源事件。政策类事件对汇率短期波动影响更显著的结论表明外汇市场投资者更容易受到与实际政策相关的贸易新闻影响，从而改变汇率预期，而对会谈类的贸易新闻则相对不敏感，一个可能的解释是后者通常在发生前已有市场预判且每个事件持续时间较长，因此对汇率短期波动的影响相对不显著。
小结
本文将ChatGPT技术运用到人民币汇率波动的研究中，ChatGPT除了能够实现大量准确的自动化处理（新闻爬取、事件分类以及情感识别）等工作外，关键替代了过去研究中对新闻事件的文本预处理（如中文分词、词库构建、词典维护）等操作。即在确保准度的情况下，工作量却有着天壤之别。本文首先利用ChatGPT与BeautifulSoup爬虫模型结合，收集2017年1月至2019年12月期间中美贸易相关新闻事件；其次运用ChatGPT引导式Prompt策略并结合事件研究法，实现对事件来源和类型进行准确分类，按照事件来源分为“中国”、“美国”与“中美”事件，按照事件类型分为“政策类”、“会议类”事件；再次利用训练后的 ChatGPT模型，根据新闻事件对人民币汇率短期波动可能产生的影响，为各类事件赋予“正面”或“负面”标签；最后将ChatGPT赋予事件的标签作为特征值输入带有时序的人工智能模型LSTM，验证不同类型的贸易新闻事件对人民币汇率短期波动影响的显著性。
本文使用了LSTM模型。贸易新闻的发生是一个动态变化过程，投资者依据不同时点、不同类型、不同来源、不同色彩的新闻事件调整其投资行为，进而对人民币汇率产生影响。上述传导过程往往呈现为复杂的非线性关系。LSTM模型部署到了真实金融场景中，由于其相对于其他时间序列模型的优势而受到时间序列分类界的广泛关注。在分类精度方面，LSTM都优于几种传统的时间序列分类模型，同时对数据的预处理要求最少。此外，LSTM可以很容易地利用大量的时间序列数据进行扩展，即调整贸易新闻数据量模型无需特别更改。