DOI: https://doi.org/10.1057/s41599-026-06661-x
تاريخ النشر: 2026-02-26
المؤلف: Zhengning Pu وآخرون
الموضوع الرئيسي: الأسواق المالية واستراتيجيات الاستثمار
نظرة عامة
تستكشف هذه الدراسة التفاعل بين مشاعر وسائل الإعلام ومشاعر المستثمرين في التأثير على ديناميات الأسعار داخل قطاع المركبات الجديدة للطاقة (NEV)، الذي يتميز بحساسيته للسياسات وتركيز المستثمرين. باستخدام نموذج شبكة رسومية غير متجانسة متعددة الطبقات يدمج الشبكات العصبية التكرارية (RNN) والشبكات العصبية الرسومية (GNN)، تصوّر الدراسة المشاعر كظاهرة متسلسلة ومضمنة في الشبكة. تشير النتائج إلى أن مشاعر وسائل الإعلام تعزز بشكل كبير من تقلبات الأسعار من خلال مشاعر المستثمرين، خاصة خلال فترات عدم اليقين العالية. بينما تؤثر مشاعر المستثمرين على الأسعار على المدى القصير، فإن نبرة وسائل الإعلام أكثر استمرارية ولكنها أقل كثافة، مع تصرف الشركات الرئيسية كمراكز للمشاعر التي تنشر الصدمات عبر الشبكة، مما يساهم في المخاطر النظامية.
تظهر التحليلات التجريبية، التي أجريت على سوق NEV في الصين من 2021 إلى 2024، أن نافذة المراقبة التي تمتد لثلاثين يومًا تلتقط بشكل مثالي التفاعل بين الصدمات قصيرة الأجل والمعلومات المستمرة. تقترح الدراسة أن التوضيح في الوقت المناسب للمعلومات المؤثرة في السوق والمراقبة المستهدفة خلال الأيام التجارية الأولى بعد الأحداث المهمة يمكن أن يعزز كفاءة السوق ويخفف من الآثار المزعزعة للاستقرار. يمكن أن تمتد الأبحاث المستقبلية إلى هذا الإطار في قطاعات وسياقات أخرى، مما يتطلب إعادة معايرة الشبكة وقياسات المشاعر لتناسب الظروف المحلية. بالإضافة إلى ذلك، يمكن أن توضح التقدمات المنهجية في نمذجة الشبكات الديناميكية المزيد من ديناميات الأسعار المدفوعة بالمشاعر، مما يعزز قابلية تطبيق النهج خارج قطاع NEV.
مقدمة
تسلط مقدمة الورقة الضوء على الدور الحاسم لسوق الأسهم في الأنظمة المالية والنقاش المستمر بشأن قابلية التنبؤ بعوائد الأسهم، خاصة في ضوء فرضية السوق الفعالة لفاما. تؤكد هذه الفرضية أن أسعار الأوراق المالية يجب أن تعكس جميع المعلومات المتاحة، مما يجعل تغييرات الأسعار غير قابلة للتنبؤ. ومع ذلك، توضح الحالات التاريخية، مثل جنون التوليب وجائحة COVID-19، أن الأسواق غالبًا ما تنحرف عن هذا المثالي بسبب مشاعر المستثمرين، التي يمكن أن تتأثر بالتحيزات النفسية مثل الثقة المفرطة وسلوك القطيع. تؤكد الورقة أن المشاعر تؤثر بشكل كبير على تسعير الأصول، خاصة في سياق قطاع المركبات الجديدة للطاقة (NEV)، حيث تخلق التقدمات التكنولوجية السريعة والتغيرات السياسية بيئة فريدة لدراسة التفاعل بين وسائل الإعلام ونتائج السوق.
يقترح المؤلفون نهجًا جديدًا لنمذجة مشاعر المستثمرين كوسيط ضمن شبكة متعددة الطبقات ديناميكية، باستخدام بنية هجينة من الشبكات العصبية التكرارية (RNN) والشبكات العصبية الرسومية (GNN). يهدف هذا الإطار إلى التقاط التفاعلات المعقدة والتأخيرات في انتشار المشاعر عبر طبقات السوق المختلفة. يركز التحليل على عينة تمثيلية من شركات NEV من يناير 2021 إلى أبريل 2024، وهي فترة تتميز بتغيرات سياسية كبيرة وديناميات سوقية. توضح الورقة هيكلها، مع تخصيص الأقسام التالية لمراجعة الأدبيات ذات الصلة، وتفصيل البيانات والمنهجية، وعرض النتائج التجريبية، ومناقشة آثار النتائج على السياسات والأبحاث المستقبلية.
النتائج
يستكشف التحليل التجريبي المقدم في هذا القسم التفاعل بين تأثير وسائل الإعلام ومشاعر المستثمرين في تحديد أسعار الأسهم للمركبات الجديدة للطاقة (NEVs). تشير النتائج إلى أن اكتشاف الأسعار يتأثر ببيئة معلومات بطيئة الحركة، تتشكل بشكل أساسي من قبل وسائل الإعلام، إلى جانب طلب المستثمرين الذي يتكيف بسرعة. يتم هيكلة التحليل في ثلاث خطوات رئيسية: أولاً، يتم تأكيد صلاحية البيانات وتوثيق الحقائق الأساسية؛ ثانياً، يتم وصف الديناميات الزمنية لمشاعر وسائل الإعلام ومشاعر المستثمرين من خلال تحليلات الاعتماد الديناميكي وغير الخطي؛ وثالثاً، يتم استخدام إطار شبكة متعددة الطبقات لتصور وقياس انتقال المشاعر عبر الشركات. يكشف هذا الإطار أن تقلبات القطاع مدفوعة بشكل أساسي بالصدمات التي تنتشر عبر عدد محدود من العقد المركزية داخل شبكة سلسلة التوريد.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على العلاقة المعقدة بين مشاعر وسائل الإعلام، ومشاعر المستثمرين، وأسعار الأسهم، خاصة في سياق قطاع المركبات الجديدة للطاقة (NEV). يجمع بين الأدبيات الموجودة التي تفحص كيف تؤثر الأخبار التي يتم تنسيقها بشكل احترافي على أسعار الشركات، مؤكدًا أن النبرة السلبية لوسائل الإعلام هي مؤشر موثوق على انخفاض العوائد اللاحقة وزيادة التقلبات. تؤكد هذه المجموعة من الأعمال على الدور الوسيط للصحافة التجارية في تشكيل معتقدات المستثمرين وردود أفعال السوق، مع الإشارة أيضًا إلى قيود تحليل الشركات بشكل معزول. يقترح المؤلفون نهجًا جديدًا يعامل نبرة وسائل الإعلام كمدخل متميز ضمن شبكة صناعية، مما يسمح بتقدير تأثيرات الانتشار عبر الشركات.
علاوة على ذلك، تناقش الورقة التقدمات المنهجية في قياس المشاعر وانتشارها عبر الشبكات. تنتقد طرق تحليل المشاعر التقليدية لعدم قدرتها على التقاط تفاصيل السياق واللغة الخاصة بالمجال، داعيةً إلى استخدام تقنيات التعلم الآلي المتقدمة لتعزيز دقة التنبؤ. يجادل المؤلفون بضرورة نمذجة مشاعر المستثمرين كوسيط صريح بين نبرة وسائل الإعلام وأسعار الأسهم، مما يتماشى مع الإشارات على تردد يومي لتقدير آليات التأثير تجريبيًا. تشير النتائج إلى أنه بينما تتطور مشاعر وسائل الإعلام ببطء وتمارس تأثيرًا مستمرًا على الأسعار، تتفاعل مشاعر المستثمرين بسرعة مع الأخبار، مما يؤدي إلى تأثيرات كبيرة ولكن عابرة على أسعار الأسهم. يشير هذا التفاعل الديناميكي إلى أن انتقال المشاعر معقد ويعتمد على الحالة، مما يعزز الحاجة إلى تحليل قائم على الشبكة لالتقاط هذه التأثيرات بشكل شامل.
DOI: https://doi.org/10.1057/s41599-026-06661-x
Publication Date: 2026-02-26
Author(s): Zhengning Pu et al.
Primary Topic: Financial Markets and Investment Strategies
Overview
This study investigates the interplay between media sentiment and investor sentiment in influencing price dynamics within the new energy vehicle (NEV) sector, characterized by its policy sensitivity and concentrated investor focus. Utilizing a multilayer heterogeneous graph network model that integrates recurrent neural networks (RNN) and graph neural networks (GNN), the research conceptualizes sentiment as a sequential and network-embedded phenomenon. The findings indicate that media sentiment significantly amplifies price volatility through investor sentiment, particularly during periods of high uncertainty. While investor sentiment impacts prices in the short term, media tone is more persistent but less intense, with key firms acting as sentiment hubs that propagate shocks across the network, contributing to systemic risk.
The empirical analysis, conducted on China’s NEV market from 2021 to 2024, reveals that a thirty-day monitoring window optimally captures the interaction between short-run shocks and persistent information. The study suggests that timely clarification of market-moving information and targeted monitoring during the initial trading days following significant events can enhance market efficiency and mitigate destabilizing effects. Future research could extend this framework to other sectors and contexts, requiring recalibration of the network and sentiment measures to account for local conditions. Additionally, methodological advancements in dynamic network modeling could further elucidate sentiment-driven price dynamics, enhancing the applicability of the approach beyond the NEV sector.
Introduction
The introduction of the paper highlights the critical role of the stock market in financial systems and the ongoing debate regarding the predictability of stock returns, particularly in light of Fama’s efficient market hypothesis. This hypothesis asserts that security prices should reflect all available information, rendering price changes unpredictable. However, historical instances, such as the tulip mania and the COVID-19 pandemic, illustrate that markets often deviate from this ideal due to investor sentiment, which can be influenced by psychological biases like overconfidence and herd behavior. The paper emphasizes that sentiment significantly impacts asset pricing, especially in the context of the new energy vehicle (NEV) sector, where rapid technological advancements and policy changes create a unique environment for studying the interplay between media and market outcomes.
The authors propose a novel approach to modeling investor sentiment as a mediator within a dynamic multilayer network, utilizing a hybrid recurrent neural network (RNN) and graph neural network (GNN) architecture. This framework aims to capture the complex interactions and delays in sentiment propagation across different layers of the market. The analysis focuses on a representative sample of NEV firms from January 2021 to April 2024, a period characterized by significant policy shifts and market dynamics. The paper outlines its structure, with subsequent sections dedicated to reviewing relevant literature, detailing data and methodology, presenting empirical results, and discussing the implications of the findings for policy and future research.
Results
The empirical analysis presented in this section investigates the interplay between media influence and investor sentiment in determining the stock prices of New Energy Vehicles (NEVs). The findings indicate that price discovery is influenced by a slow-moving information environment, primarily shaped by media, alongside a rapidly adjusting investor demand. The analysis is structured into three key steps: first, the validity of the data is confirmed, and essential stylized facts are documented; second, the temporal dynamics of media and investor sentiment are characterized through dynamic and nonlinear dependence analyses; and third, a multilayer network framework is utilized to visualize and quantify the transmission of sentiment across firms. This framework reveals that sector-wide volatility is predominantly driven by shocks that propagate through a limited number of central nodes within the supply chain network.
Discussion
The discussion section of the research paper highlights the intricate relationship between media sentiment, investor sentiment, and stock prices, particularly within the context of the new energy vehicle (NEV) sector. It synthesizes existing literature that examines how professionally curated news influences firm-level prices, emphasizing that negative media tone is a reliable predictor of lower subsequent returns and increased volatility. This body of work underscores the intermediary role of the business press in shaping investor beliefs and market reactions, while also noting the limitations of analyzing firms in isolation. The authors propose a novel approach that treats media tone as a distinct input within an industry network, allowing for the estimation of cross-firm diffusion effects.
Furthermore, the paper discusses the methodological advancements in measuring sentiment and its propagation through networks. It critiques traditional sentiment analysis methods for their inability to capture the nuances of context and domain-specific language, advocating for the use of advanced machine learning techniques to enhance forecasting accuracy. The authors argue for the necessity of modeling investor sentiment as an explicit mediator between media tone and stock prices, aligning signals at a daily frequency to empirically estimate the mechanisms of influence. The findings indicate that while media sentiment evolves slowly and exerts a persistent influence on prices, investor sentiment reacts rapidly to news, leading to significant but transient impacts on stock prices. This dynamic interplay suggests that sentiment transmission is complex and state-dependent, reinforcing the need for a network-based analysis to capture these effects comprehensively.