- 文献综述（或调研报告）：
本节梳理已有文献中关于金融科技相关指数测度模型的构建，上市公司收益和风险的衡量及媒体对金融市场影响的研究。一直以来关于文本量化的研究大家做了很多尝试，而这些尝试主要围绕关键字进行。Da等（2014）将一些关键词的谷歌趋势指数合成构建恐慌指数。 Baker等（2016）选取了政策，经济，不确定性三个方面的关键词，当一篇文章中同时含有这三个方面的关键词时便认定为是对经济政策不确定性的讨论，由此建立经济政策不确定性指数。曾建光（2015）利用百度中的关键词搜索量来测度互联网金融网络安全风险感知程度。一系列的文本量化讨论都对之后金融科技指数的构建提供了帮助。王靖一（2017）以 Baker等在构建经济政策不确定性指数时所用的关键词查找法，在自然语言处理中比较经典的隐含狄利克雷分布（LDA） 和层次狄利克雷过程为主要分析方法来构建金融科技情绪指数。这也是较早对金融科技相关指数模型的构造进行研究，得出金融科技关注度指数及情感指数走势，完成指数编制，对未来指数结果的研究提供前提。田婧倩，刘晓星（2019）对金融科技发展元年2016年的50强中国金融科技公司和关键词“金融科技”进行百度搜索指数的日度数据进行采集。由格兰杰因果检验分析得出金融科技话题搜索与金融科技的社交网络关注之间有着联动效应，并且分析结果进一步表明话题搜索变化的结果是金融科技的社交网络关注的变化,也就是说金融科技话题搜索可以体现金融科技的社交网络关注度。这对本文研究提供重要参考。
对于公司的收益与风险方面的问题国内外都有着较为成熟的研究，金融业在人们的生活中扮演着举足轻重的角色，关系到日常生活各个方面，因此，专门针对金融公司的收益与风险的研究也逐渐发展起来。Hennie Van, Greuning(2005)提出衡量银行承担风险和增加资本能力的指标是盈利性。刘忠燕、娄树本（2002）建立了盈利性、流动性、安全性的具体指标体系来对商业银行业绩进行测度和评价，并把杜邦分析法作为商业银行业绩评价方法。路艳、宋彭（2006）选取经济增加值作为衡量股东价值最大化实现程度的指标。王莉（2009）为客观评价金融类上市公司的收益与风险的情况，深入分析了上市公司的财务报表。利用市盈率等5个指标衡量金融类上市公司的盈利、风险。对在上海交易所上市的浦发银行等 5 家金融类公司自 2003 年以来的股票收盘价和年度财务报告数据进行分析。运用经济增加值法(EVA) 和杜邦分析法评价公司收益情况的好坏，并用市场风险测量VAR模型计算出各自的在险价值。VAR模型是1996年巴塞尔委员会在《市场风险修正案》中提出的，在金融领域有着广泛应用。朱宏泉等(2001)运用VaR模型对香港股票市场风险进行了实证分析。叶永刚等(2003)利用VAR对我国证券投资基金市场风险进行了度量。马玉林等(2003)将基于极值理论的VAR的方法与基于正态分布和实际分布的 VAR方法进行了实证结果的比较。曹乾等(2004)分析了VAR的产生背景、概念、特点、算法以及使用局限性等, 最后探讨了该模型在我国的适用性问题。考虑到金融业的特殊性与波动性，对该行业公司更为客观严谨的风险分析极为必要。黄喆（2018）用传统的参数法，历史模拟法，蒙特卡洛法计算出VAR值后建立金融公司财务风险评价体系——因子模型和logistic回归模型，分别讨论在模型中融入VAR值和不融入VAR值两种情况，对比得出融入VAR值后财务风险评价体系更准确。可见，VAR是测度金融公司风险的良好指标。
近年来伴随着互联网等新兴媒体对大众生活的影响冲击，越来越多的学者注意到媒体对行业的影响，探索二者之间的联系。 Tetlock（2007）提取归纳了华尔街日报中所蕴含的情感，惊喜发现媒体文字中的消极情绪可以预测市场价格的下行压力，且这种下行走势会较快的回归到基本面。Nardo等（2016）使用在线信息探索关于金融运动可预测性的新兴文献探究了在线新闻是否对金融市场有任何影响，也调查它有多大的影响力。Baker等（2016）在以报纸为主要媒体的基础上构建经济政策不确定性指数，采用个体固定效应和时间固定效应方法进行指数对公司、股票价格、投资率和就业增长的回归。王靖一和黄益平（2018）对之前的成果进行更深入的开发，在706家“问题平台”和867家正在营运中的P2P网络借贷平台的交易数据的基础上，研究媒体情绪对市场活动的具体影响和联系。对数据进行处理后，将平台交易量增长率，关注度增长率，净情感增长率在个体固定效应下进行基本回归，所得到的结论在一系列稳健性检验后依然成立。探讨了媒体情绪指数与经济之间关系，为后续的类比研究提供基础。
到目前为止，关于金融科技关注度和金融公司收益与风险的研究逐步发展，而将二者联系起来的金融科技关注度对于金融科技公司的收益与风险的研究极少涉及，今天金融科技已成大趋势，越来越受各界关注且我国金融科技的发展速度和创新活跃度处于世界领先水平，参与主体日益多元化，伴随着更高更多关注的金融科技话题会对金融科技公司造成什么样的影响这一问题的研究有着重要意义。
- Baker S R, Bloom N, Davis S J. Measuring economic policy uncertainty[J].Quarterly Journal of Economics,2016,131(4)：1593-1636
- Nardo M, Petracco‐Giudici M, Naltsidis M. Walking down wall street with a tablet: A survey of stock market predictions using the web[J]. Journal of Economic Surveys, 2016, 30(2): 356-369.
- Da Z,Engelberg J, Gao PJ.The Sun of All Fears Investor Sentimen and Asset Prices[J].The Review of Financial Studies,2015,28(1):1-32．
- Hennie Van,Greuning.International financial reporting standards:a practical guide[M].Washington,D.C:World Bank,2005:1-297.
- Tetlock P C. Giving content to investor sentiment: The role of media in the stock market[J]. The Journal of finance, 2007, 62(3): 1139-1168.
- 黄喆.基于VaR的金融业上市公司财务风险研究[D]. 武汉：江汉大学,2018.
- 田婧倩,刘晓星.金融科技的社交网络关注:理论模型及其实证分析[J]. 金融论坛,2019(1):67-80.
- 王靖一,黄益平.金融科技媒体情绪的刻画与对网贷市场的影响[J]. 经济学(季刊),2018(4):1623-1650
- 王靖一.北京大学金融科技情绪指数[EB/OL]. 北京:北京大学数字研究中心,2017-09/2017-11-05
- 王莉. 我国金融类上市公司的收益与风险分析[D]. 天津:天津财经大学,2009.
- 曾建光.网络安全风险感知与互联网金融的资产定价[J].经济研究, 2015(7) :131-145.
- 路艳,宋彭.经济附加值理论在商业银行的应用——经营目标从“利润”向“价值”的转变[J].价值工程,2006 (3):31.
- 刘忠燕,娄树本.商业银行经营管理学[M].北京:中国金融出版社,2002:1-520.
- 朱宏泉.中国股票市场收益率与风险的实证分析[D]. 北京:中国科学院数学与系统科学研究所,2001.
- 叶永刚,彭红枫.VaR在证券投资基金风险管理中的应用研究[J].中国货币市场,2003(8).
- 马玉林,陈伟忠,施红俊.极值理论在VaR中的应用及对沪深股市的实证分析[J].金融教学与研究,2003(6):25-27.
- 曹乾,何建敏.VaR:金融资产市场风险计量模型及其对我国的适用性研究[J].中央财经大学学报,2004(5):31-35.
资料编号：[194567]
