媒体效应对银行系统性风险的影响

童中文，邹　静，周绍东

(1.南京师范大学 商学院，江苏 南京 210023；2.南京财经大学 经济学院，江苏 南京 210023)

童中文1，邹静1，周绍东2

(1.南京师范大学 商学院，江苏 南京 210023；2.南京财经大学 经济学院，江苏 南京 210023)

摘要：基于中国上市银行2007—2015年的季度面板数据，运用主成分分析法构建新的银行投资者情绪指标，采用SGMM和DGMM等模型估计银行系统性风险的媒体效应。结果发现：以投资者情绪为中介，银行系统性风险有显著的媒体效应，即媒体报道数量越少，投资者情绪越乐观，银行发生系统性风险的可能性越大；媒体报道数量越多，投资者情绪越悲观，发生银行系统性风险的可能性越小。同时，前期的银行系统性风险越大，当期的银行系统性风险也越大；前期的投资者情绪越高涨，当期的投资者情绪也呈现高涨状态。

关键词：媒体报道；投资者情绪；银行系统性风险；GMM估计

一、引言

资产市场的发展促使金融媒体日益繁荣壮大，金融媒体在市场中的作用也受到越来越广泛的关注，它不再只是简单的信息传播，可能还扮演了公司丑闻的揭露者、金融市场变化的预测者、重大事件的新闻调查者和某种观点的大肆渲染者等多重身份。通过对当前事实的报道、评论甚至预测，会影响投资者的预期和市场运行。罗伯特·希勒认为：“金融市场很自然地吸引了新闻媒体，因为至少股市可以以每日价格变化的形式持续提供新闻”[1]112。越来越多的事实表明，媒体对金融市场的报道范围日益广泛深入、形式多样，它对金融市场的各种作用引起了学术界的广泛关注。参看国内外已有研究，主要研究资本市场与媒体关注的关系，媒体对资产价格的影响有着其独特的规律，在不区分正负面新闻的情况下，受到广泛报道的股票收益显著低于无报道股票，这即是“媒体效应”。随着中国经济的发展以及互联网金融的出现，中国银行在客观上存在一定的系统性风险，媒体对其也有一定的影响，即银行系统性风险的发生可能也存在媒体效应。故本文欲对此做出说明，探究其作用机理。

二、文献综述

关于媒体效应的研究，大多数学者主要集中在股票市场上，且以投资者情绪为中介变量。不同学者对媒体报道影响投资者情绪的视角不一，媒体报道数量、媒体报道倾向、正负向词汇比率、报道语气等都会影响投资者情绪进而影响股价波动。短期媒体报道会鼓舞投资者情绪，进而提高IPO股票的需求量[2]。媒体对公司的正面报道一般会提高公司价值及并购价格，这种作用一般是以投资者情绪为中介的。当新闻报道所传递的媒体情绪越乐观时，新股发行的抑价程度越大，而伴随其后的则是一个长期的价格纠正过程，体现为更显著的长期弱市表现[3]。反之，媒体消极的报道内容与市场中悲观的投资者情绪具有显著的相关性。Garcia采取媒体报道中正面与负面用词的比例构建了“新闻情绪”指标，研究经济衰退期媒体对股市的影响，发现在衰退期，信息对股票回报的影响远远弱于情绪的影响[4]。Carretta等以意大利2003-2007年金融报纸为数据来源，使用计算语言学的方法分析媒体报道对股市的影响，研究表明投资者行为会受到新闻内容和语气的影响[5]。综合学者的观点，媒体报道倾向越是乐观，投资者情绪也表现更为乐观，但学者们的研究主要集中在媒体报道对资本市场投资者情绪的影响，这种影响不仅在资本市场，在银行等金融市场中同样适用。

国内外学者主要从三个角度研究投资者情绪与银行系统性风险的关系。一是银行角度。现实中的信息不对称使银行无法准确把握经济周期、宏观政策调整及企业发展前景等影响公司价值的信息，银行的预期和放贷行为会受到投资者情绪波动的影响。Nofsinger认为投资者情绪会影响商业银行管理层的乐观程度[6]。学者们对此有两种不同观点，一种观点认为当投资者情绪低落时，银行管理者的乐观水平及银行风险承担水平会随之提高，出现金融风险的可能性也因此提高；另一种观点认为当投资者情绪高涨时，商业银行经营管理者会迎合投资者情绪和预期，进一步采取扩张的经营行为，商业银行所承担的风险会随着投资者情绪的高涨而增加。二是企业角度。伴随着市场整体投资者情绪的高涨，民营小规模上市公司获得更多银行借款，其融资约束得以缓解，信贷资源配置效率提高。进一步从获得贷款后企业投资效率和经营绩效的后验角度，却发现高涨投资者情绪下获取的银行借款加重了企业过度投资，并显著恶化了企业后续经营绩效，信贷资源的配置效率有所降低[7]。三是将银行与企业综合起来考虑。对银行而言，通过对股票价格的观察确定企业的还款预期，高涨的投资者情绪下，贷款企业的股票价格较高时，银行的还款预期增强，愿意为企业提供更多的贷款，这时企业会更倾向于采取激进的投资策略。然而，从银行管理者角度看，无论是从风险理论还是案例角度看，过度投资都是导致金融危机的根源。综上，学者们从银行、企业角度分别考虑了投资者情绪对银行系统性风险的影响，但分析并不全面，股权融资渠道等并未考虑，且银行管理者到底是迎合还是抵抗投资者情绪，研究结果并不一致。

目前，已有研究中针对银行系统性风险的媒体效应研究并不多。Haldane分析了金融危机初期银行新闻和银行声誉、银行股价之间的关系，结果发现高阅读量的新闻所报道的银行，同期股价通常会显著低于没有被媒体曝光的银行股票，并且更高的曝光率也伴随着股价更高的波动率[8]。樊欣和杨晓光根据国内外媒体公开报道，收集了1990—2003年的71起操作风险损失事件，对各项业务的损失情况进行了初步研究[9]。袁德磊、赵定涛也进行了类似研究，从业务类型、损失类型和地区分布等方面，对操作损失频度和强度进行定量分析[10]。可以看出，国内外学者研究媒体报道对股票股价的影响较多，但涉及媒体报道对银行系统性风险的影响研究较少且不深入，仅停留在描述性层面，并未涉及更深层次的定量分析。

综合国内外已有研究，更多的是从资产定价与公司治理角度来研究媒体报道，针对媒体报道对银行系统性风险的影响研究较少，将投资者情绪作为中介变量来研究媒体报道与银行系统性风险之间的关系研究更少。对投资者情绪的测量主要集中在股票市场的投资者情绪，采用封闭式基金折价、换手率、投资者开户增长率和中签率等综合指标测量股市投资者的情绪，而银行投资者的情绪不同于股票市场，需选择一些新的视角来衡量银行投资者情绪。本文欲以投资者情绪为中介变量，研究银行系统性风险的媒体效应，将研究视角从以往的股票市场转移至银行业，从行为金融角度更深层次寻找影响银行系统性风险的因素。

三、理论分析与假设提出

本文从行为金融学的角度，可得出媒体报道与银行系统性风险的关系路径图：

图1　媒体报道与银行系统性风险的关系路径图

中国上市银行的媒体报道会对银行的机构投资者、个体投资者的情绪产生影响。一般对银行的报道数量越少，投资者接受到银行的相关信息越少。根据投资者惯性思维，即没有消息就是好消息，此时投资者表现出一种乐观预期，即投资者情绪呈现高涨状态。当媒体数量报道增多时，中小投资者会普遍缺乏搜集处理市场信息的专业能力，对外界信息的筛选会受到干扰，面对众多的信息会出现认知失调，进而产生更加悲观的情绪。

基于上述分析，提出研究假设1：媒体报道数量越多，投资者情绪越悲观；媒体报道数量越少，投资者情绪越乐观。

在行为金融学的分析框架下，投资者的情绪可进一步通过不同渠道来影响银行系统性风险，具体来说：一是银行管理层对投资者情绪的迎合行为。商业银行作为一类特殊的企业，其经营行为可能会受到投资者情绪的影响。在投资者情绪高涨时，其对未来有更高的预期，为了提高股权价值，商业银行经营管理者会迎合投资者情绪和预期，进一步采取扩张的经营行为，如增加贷款的投放额度、投资不确定性项目等。在迎合动机的驱动下，商业银行所承担的风险会随着投资者情绪的高涨而增加，使得商业银行系统性风险增大了。二是情绪传染所引起的过度乐观和过度自信会影响商业银行的风险承担。二级市场投资者会将其乐观情绪传染给银行的管理层，造成银行管理层的过度自信或过度乐观，导致商业银行业务扩展速度超出其实际承担能力，进而增加银行的系统性风险发生的可能。根据Festinger的认知失调理论，当个体面对新情境，心理上出现新认知与旧认知相互冲突时，为消除由此产生的认知失调感，个体可以采取对新认知予以否认或予以认可两种方式进行自我调适，从而达到心理平衡[11]。当投资者情绪与银行管理者预期发生冲突时，银行管理者很难控制投资者情绪，而更多地是分享投资者情绪。因此，管理者预期更容易受到社会情绪的影响，更可能跟随投资者情绪。三是股权融资渠道。投资者情绪使商业银行股票价格偏离其基本价值，影响商业银行增发新股的股权融资成本，进而影响投资行为。当市场情绪高涨时，投资者对银行资产价值的乐观预期可能会降低其在债券市场和股权市场的融资成本，并增加资金的供应，商业银行管理层可能会扩大融资规模，并扩张业务，从而增加商业银行的系统性风险。

基于上述分析，提出研究假设2：媒体报道数量越少，投资者情绪越乐观，银行发生系统性风险的可能性越大；媒体报道数量越多，投资者情绪越悲观，发生银行系统性风险的可能性越小。

结合假设1、2的分析，可进一步提出假设3：媒体报道对银行系统性风险的影响是以投资者情绪为中介的。

四、研究设计

(一)模型设定

为避免内生性问题对估计结果的影响，分析银行系统性风险的媒体效应时，本文结合上述假设分别构建如下3个模型：

Senti,t=α0+β1Senti,t-1+α1Mediai,t+

γjControl+ε

(1)

Riski,t=α0+β1Riski,t-1+α1Mediai,t+

γjControl+ε

(2)

Riski,t=α0+β1Riski,t-1+α1Senti,t+

α2Mediai,t+γjControl+ε

(3)

模型(1)用来检验假设1。Sent代表银行投资者情绪，Media代表媒体报道，Control为控制变量，包括居民消费价格指数(CPI)、工业品出厂价格指数(PPI)和宏观经济景气指数(MBCI)等。如果α1显著为负，假设1得证。

模型(2)用来检验假设2。Risk为银行系统性风险指标，Media衡量媒体报道，Control为控制变量，包括M2增长率、银行规模(Size)、非利息收入占净利润的比例(NNI)、成本收入比(CTI)等。如果α1显著为负，假设2得证。

模型(3)用来检验假设3。模型(1)、(2)、(3)构成一个动态递归模型。首先，模型(1)中的α1显著为负，说明媒体报道对投资者情绪有负向影响。其次，模型(2)中的α1显著为负，则说明媒体报道对银行系统性风险有负向影响。模型(3)中的α1如果显著为正，说明投资者情绪对银行系统性风险有正向影响；α2显著为负，说明在考虑投资者情绪的前提下，媒体报道对银行系统性风险有负向影响。

(二)变量选取

银行系统性风险指标。Rodriguez等认为三个月同业拆借利率与隔夜指数掉期利率之间的利差是反映银行系统性风险最简单的指标[12]。许多学者认为同业拆借已成为中国系统性风险的主要结点，同业拆借市场规模持续膨胀，风险隐患也在不断加大，鉴于中国金融市场不完善，难以获得隔夜指数掉期利率，故假设OIS利率为零，选取三个月银行同业拆借利率的变化率反映银行系统性风险。

媒体报道指标。研究发现，银行披露的信息主要刊登在最具影响力的《中国证券报》、《证券时报》、《上海证券报》和《证券日报》四大全国性财经报纸上，故本文在中国重要报纸全文数据库中选取上述四大财经报纸，以公司股票名称、公司简称进行搜索，以其中记载的新闻条数来衡量媒体报道。

投资者情绪指标。以往学者主要研究股票市场中的投资者情绪。在股票市场中，投资者情绪的度量包括直接指标(消费者信心指数、企业景气指数、投资者信心指数和经济学家信心指数等)与间接指标(封闭式基金折价、交易量、波动率、换手率、投资者开户增长率和中签率等[13])。在银行系统中，投资者情绪有自身的特点，经过与专家学者讨论，本文选取两个角度来构造银行投资者情绪，一是储户角度，用存款额的变化率(DR)来衡量储户情绪；二是银行本身作为投资者，将款项贷给个体或者机构，用贷款额的变化率(LR)来衡量银行情绪。同时银行家信心指数(BCI)与银行业景气指数(BBI)也可间接反映投资者情绪。不少学者研究发现消费者信心指数(CCI)也能较好地度量投资者情绪的变化。故本文基于上述主客观五个指标用主成分分析法来构建投资者情绪复合指数。

控制变量。综合考虑宏观经济以及银行内部因素的影响，并根据国内学者(易志高(2009)，江曙霞(2012)、张雪兰(2012)等)的观点，选取居民消费价格指数(CPI)、工业品出厂价格指数(PPI)和宏观经济景气指数(MBCI)、银行规模(Size)、非利息收入占净利润的比例(NNI)、M2增长率(M2)、成本收入比(CTI)等作为控制变量。

(三)数据来源与处理

选择2007年第三季度至2015年第一季度的沪深两市14家上市银行*目前中国有16家上市银行，但由于中国农业银行和光大银行是在2010年才上市，考虑到数据的可获得性，本文只选取14家国内上市银行(工商银行、建设银行、中国银行、交通银行、招商银行、浦发银行、中信银行、华夏银行、民生银行、兴业银行、平安银行、北京银行、宁波银行、南京银行)。这14家上市银行的总资产规模在研究期间占整个银行业总资产一半以上，因而具有较好代表性。的数据为研究样本，媒体报道数据来源于中国重要报纸全文数据库，宏观经济数据和银行财务数据来源于中经网统计数据库、CCER经济金融数据库、国泰安数据库、各上市银行年报、半年报、季报、国家统计局网站和Shibor网站。为保证样本的有效性，按如下原则进行筛选：剔除各类指标缺失的样本；当数据库中的数据与财务报告中的数据不一致时，以财务报告为准。运用Stata12.0软件对相关数据进行处理。

五、实证结果与分析

(一)单位根检验

为避免伪回归问题，首先需进行面板数据平稳性检验。本文采用LLC和IPS两种方法进行单位根检验。由表1可知，除了Risk和CTI是经过一阶差分之后通过单位根检验，其他变量均是平稳的。

表1　面板数据的单位根检验结果

注：***、**、*分别表示在1%、5%和10%水平下显著；Risk和CTI是经过一阶差分之后显著的。

(二)模型估计结果与分析

对个体效应的处理方式不同，采用的模型也有所不同。为了比较不同方法可能产生的差异，本文采用了随机效应模型(RGLS)、固定效应模型(FE)、差分广义距估计(DGMM)和系统广义距估计(SGMM)。

表2结果显示固定效应和随机效应模型的设定形式存在问题。银行系统性风险的形成、投资者情绪的变化是一段时间内累积的结果，如果模型中缺乏对各银行截面时间维度上银行系统性风险以及投资者情绪的动态累积差异性度量指标，会削弱模型对实际数据的拟合能力，参数估计结果的显著性也会缺乏信服力。

为了保证各变量回归系数显著程度的可靠性和回归结果的稳健性，继续采用差分GMM和系统GMM两种估计方法(见表3)。从表3可以看出，一阶差分后的某些扰动项存在一阶序列相关，但所有扰动项均不存在二阶序列相关。因此，系统GMM估计量是一致的*从表中结果来看，差分GMM估计是无效的，系统GMM估计是有效的，所以对后面模型主要针对系统GMM估计结果进行解释。。

表3主要是针对上述三个假设分别采用SGMM和DGMM得出的回归结果。从媒体报道对投资者情绪的回归结果看，表3中方程(1)、(2)可看出媒体报道的系数显著为负，说明媒体报道数量越多，银行系统性风险越小，可能与选取的样本有关。本文选取的上市银行有国有银行与商业银行，相对而言国有银行更易受到媒体的关注，其银行的内部风险控制体系更为完善。

表2　静态面板模型估计结果

注：系数括号内的数字为参数估计的Robust标准差；***、**、*分别代表p<0.01、p<0.05、p<0.1。

表3　动态面板模型GMM估计结果

注：系数括号内的数字为参数估计的Robust标准差；***、**、*分别代表p<0.01、p<0.05、p<0.1，sargan统计量、AR(1)、AR(2)括号中给出的为p值；L.Risk,L.Sent分别表示Risk及Sent的一阶滞后变量。

从表3中方程(3)、(4)可看出，媒体报道的系数均为负值，这说明媒体报道数量越多，投资者情绪越悲观。这可能是因为投资者情绪的衡量与研究股市的投资者情绪指标有所差别，也可能因为随着媒体报道数量的增加，很多银行的信息披露出来，使得投资者与银行之间的信息不对称逐渐打破。投资者对媒体报道的事件有叠加效应，特别是针对一些负性事件，将众多负性事件叠加在一起情绪则更为悲观。

根据本文提出的检验中介效应的程序，在表3中方程(1)和(3)的基础上，结合方程(5)判断在媒体报道影响银行系统性风险的机制中，投资者情绪是否扮演了中介效应的角色。根据方程(5)，投资者情绪的系数显著为正，说明投资者情绪对银行系统性风险有显著的正向影响。此外，在方程(5)中，媒体报道的符号显著为负，说明在考虑投资者情绪的情况下，媒体报道对银行系统性风险依然有显著的负向影响。根据研究设计可知，由于投资者情绪对银行系统性风险有显著的正向影响，因此媒体报道对银行系统性风险的负向影响至少有一部分是通过“投资者情绪”起作用的。运用DGMM估计依旧得出以上结论。

结果还发现，银行系统性风险、投资者情绪滞后一期的系数均显著为正，说明前一期的银行系统性风险越大，当期的银行系统性风险也越大；前一期的投资者情绪越高涨，当期的投资者情绪也呈现高涨状态。此外，在回归结果中，还显示了其他控制变量对银行系统性风险和投资者情绪的影响。M2的变化率对银行系统性风险有显著的负向影响，即在广义货币供应量增速放缓或者紧缩性货币政策会导致实体经济偿债能力下降，银行不良贷款率上升，进而增大银行系统性风险。银行规模对银行系统性风险有显著的负向影响。大银行资金实力雄厚，风险管理技术到位，还可通过金融安全网转移经营失败的风险，银行信贷投放的风险厌恶水平下降，因而降低了其风险承担[8]。PPI的增长带动了投资者情绪的高涨，却导致银行体系更为脆弱，原因是宽松的经济环境可能会助推风险。成本收入比对银行系统性风险有显著的负向影响，成本收入比越高，代表着银行在管理、财务、人事等方面更愿意花成本投入，相对来说管理体系较为完善，因此发生银行系统性风险的可能性相对较小。非利息收入占比对银行系统性风险有显著的正向影响，因为非利息收入占比越高，意味着银行参与非传统业务的程度越高，银行的非传统业务导致持有相似资产组合的银行高度相关，增加了金融机构资产受市场共同冲击影响的概率[14]。

(三)稳健性分析

为验证模型的稳健性，首先对全样本进行了DGMM估计，结果见表3中方程(2)、(4)、(6)。从表3可以看出，无论是用SGMM估计还是DGMM估计，自变量对因变量的影响结果都无太大差异。参照张雪兰的研究，采用分位数值法剔除银行规模低于5%与高于95%分位数值的样本后，对以上模型再次进行参数估计[15]。结果与前文的回归结果并无太大差异，说明模型的稳健性较好。

六、政策建议

本文分析了银行系统性风险的媒体效应以及投资者情绪在效应中所发挥的作用，采用动态面板模型中的DGMM和SGMM两种估计方法，对中国14家上市银行2007-2015年的面板季度数据进行实证分析。考虑到银行投资者情绪的独特性，主要采用存款额变化率、贷款额变化率、银行家信心指数、银行业景气指数及CCI五大主客观指标，利用主成分分析法构建了银行投资者情绪复合指标，使其更加切合实际。通过实证研究，为银行及政府的相关决策部门提供如下建议：

一是建立并完善媒体监测体系，健全风险应急常态机制。建立由总行至分支行，涵盖不同类型媒体的全方位综合舆情监测体系，与当地政府建立联系，共享资源，同时建立一支随时掌握媒体发展动态的监察员队伍，对可能波及到银行业的热门话题及时进行预警。

二是加强与媒体的合作。了解媒体阶段性的重大选题，对涉及本行业的批评性选题，进行适当疏导，防止不利言论的扩散，转化负面危机。同时增强对负面信息的处理能力，注意避免与权威媒体形成对立，对于公众比较敏感的负面新闻，建立预案，与相关知情单位进行沟通，及时解决处理。

三是密切关注投资者情绪的变化。银行可以构建更为全面的投资者情绪监控体系，通过选择不同角度的情绪代理指标，合成综合指数，反映投资者的情绪水平及变化，监控情绪周期及长期变化趋势，有效降低银行的系统性风险。

参考文献：

[1]希勒.非理性繁荣与金融危机[M]. 北京：中信出版社, 2014.

[2]张雅慧,万迪昉,付雷鸣.媒体报道、投资者情绪与IPO抑价——来自创业板的证据[J]. 山西财经大学学报, 2011(9).

[3]游家兴, 吴静. 沉默的螺旋: 媒体情绪与资产误定价[J]. 经济研究,2012(7).

[4]Garcia D. Sentiment during Recessions[J]. The Journal of Finance, 2013(3).

[5]Carretta A, Farina V, Martelli D, et al. The Impact of Corporate Governance Press News on Stock Market Returns[J]. European Financial Management, 2011(1).

[6]Nofsinger J R. Social Mood and Financial Economics[J]. Journal of Behavioral Finance, 2003(3).

[7]黄宏斌, 刘志远. 投资者情绪与贷款规模对信贷配置效率的影响[J]. 系统工程, 2013(4).

[8]Haldane A G. Rethinking the Financial Network[R]. Speech Delivered at the Financial Student Association, Amsterdam, 2009.

[9]樊欣, 杨晓光. 中国商业银行业操作风险状况[J]. 管理评论, 2004(11).

[10]袁德磊, 赵定涛. 基于媒体报道的国内银行业操作风险损失分布研究[J]. 国际金融研究, 2007(2).

[11]Festinger. A Theory of Cognitive Dissonance[J]. American Journal of Psychology, 1957(4).

[12]Maria Rodriguez Moreno, Juan Ignacio Pen. Systemic Risk Measures: The Simpler the Better?[J]. Journal of Banking & Finance, 2012(6).

[13]卢米雪, 朱喜安. 行业投资者情绪的测量及其对收益的影响效应研究[J]. 统计与信息论坛, 2014(4).

[14]Brunnermeier M K, Dong A G, Darius P B, et al. Banks' Non-interest Income and Systemic Risk[C]. Working Paper， Social Science Electronic Publishing, 2012.

[15]张雪兰, 何德旭. 货币政策立场与银行风险承担——基于中国银行业的实证研(2000—2010)[J]. 经济研究, 2012 (5).

(责任编辑：张爱婷)

Research on the Media Effect of Banking Systemic Risk

TONG Zhong-wen1, ZOU Jing1, ZHOU Shao-dong2

(1.Business School, Nanjing Normal University, Nanjing 210023, China;2. School of Economics， Nanjing University of Finance &Economics, Nanjing 210023, China)

Abstract:Based on 14 listed banks' quarterly panel data during the periods of 2007-2015, this paper firstly constructed a new bank investor sentiment indicator with principal component analysis, and then used SGMM and DGMM model to estimate the media effect of banking systemic risk. The results showed that, with investor sentiment as an intermediary, the banking systemic risk had a significant media effect, that the fewer media reported, the more optimistic investor sentiment was, the greater the likelihood of banking systemic risk was; the more media reported, the more pessimistic investor sentiment was, the less the likelihood of banking systemic risk was. Meanwhile, pre-banking systemic risk had a positive relation with the latter banking systemic risk; also pre-investor sentiment had a positive relation with the latter investor sentiment. The results showed that government and related department of banks should establish and improve the system of monitoring media, control risk contingency normal mechanism; also it should establish cooperation with the media, with special attention to control the media coverage of negative bank news. Finally, banks need to take measures to reasonably monitor investor sentiment, in order to reduce banking systemic risk effectively.

Key words:media report; investor sentiment; banking systemic risk; GMM estimate

收稿日期：2015-09-10；修复日期：2015-11-09

基金项目：国家社会科学基金青年项目《中国商业银行风险演化、测度和控制机制》(12CJY108)；国家自然科学基金面上项目《基于双边市场的我国互联网产业内贸易及产业政策研究》(71173050)；南京师范大学商学院创新人才培养基金项目《媒体报道、投资者情绪和银行系统性风险——基于中国上市银行的实证研究》(15CX_006G)

作者简介：童中文，男，安徽舒城人，副教授，研究方向：金融工程；

中图分类号：F832.3

文献标志码：A

文章编号：1007-3116(2016)02-0028-07

邹静，女，四川广安人，硕士生，研究方向：银行风险管理；

周绍东，男，安徽枞阳人，副教授，研究方向：发展经济学。

【统计应用研究】