在阅读此文前，诚邀您点击一下“关注”，既方便您进行讨论与分享，又给您带来不一样的参与感，更能方便随时回来阅读更多精彩内容，感谢您的支持。
随着互联网、智能手机为代表的新媒体迅速崛起，舆情信息由传统的单一渠道向多媒介融合并行的方向发展，网络舆情传播的速度和范围日渐更新，对经济社会的影响也不断扩大。
根据《2019第44次中国互联网络发展状况统计报告》，截至2019年6月底，我国的网民数量高达8.54亿，互联网普及率超过60%。网络舆情信息直接影响社会信用，因此以信用为基础的金融业运行受网络舆情的影响尤其深重。
在当前的网络信息化环境中，资金融通、支付和信息中介等金融业务模式发生了深刻变革，网络信息资讯的快速传播形成集聚式的网络舆情。而金融市场的股票、债券、期货及外汇等交易活动对网络舆情信息尤为敏感。
即使某些网络舆情信息具有碎片化、片面化的特点，金融市场的主体也无法对其进行精准判断，一旦出现偏向性的舆情，则更容易引发“蝴蝶效应”。网络舆情作为当代信息社会的温度计与晴雨表，能够潜移默化地影响金融市场参与者的行为决策，进而影响金融资产价格波动。
网络舆情的数据来源网络舆情数据来源主要包括通过搜索引擎直接获取计数数据和通过文本挖掘技术获取结构化的网络舆情信息数据两种方式。随着互联网的广泛应用，基于搜索引擎的海量在线搜索数据直接获取网络舆情信息成为新的可能。
Da等（2011）率先以谷歌趋势指数为代表的网络搜索量作为衡量投资者关注度的代理变量，并将其与传统见间接指标进行对比，发现网络搜索引擎指数能够更加真实和直接地反映投资者的关注程度。
此后，学者们纷纷效仿，通过谷歌搜索引擎指数刻画网络舆情热度。在国内，百度比谷歌搜索引擎占据更大的市场份额，随着百度公司自2011年以海量网民行为数据为基础推出百度指数以来，这一数据逐渐成为网络舆情信息的重要来源。
俞庆进和张兵（2012）以百度指数直接衡量投资者有关注，研究发现百度指数与创业板股票收益存在显著的想滑行，验证了投资者有限关注能够影响市场交易活动。李正辉等（2018）则从网络媒体与传统媒体信息的角度。
考察了媒体报道对金融资产价格波动的影响，结果发现以百度指数衡量的网络媒体关注度对金融资产价格存在显著影响，且媒体关注度与媒体情绪还能通过交互作用影响金融资产价格。
乔海曙等（2019）同样采用百度媒体指数衡量网络新闻报道研究了股票市场“媒体效应”的传导机理，即网络新闻媒体通过影响投资者“有限关注”影响股票收益。然而，搜索引擎数据仅能够反映网络舆情的量化信息数据获取结构化数据，深入挖掘了网络舆情的量化信息与质化信息。
Rao和Srivastava（2014）通过应用程序编程接口（ApplicationProgrammingInterface，API）获取了道琼斯工业平均指数、纳斯达克100以及11种其他大盘技术股共超过400万条推特（Twitter）文本数据，并分析了推特情绪与市场交易活动以及金融资产价格之间的复杂关系。
李金海等（2014）基于网络舆情数据与大数据的对比研究，构建了文本挖掘模块深入挖掘网络舆情信息，通过融合关系型与分布式数据库提高了系统可靠性与数据完整性，并运用改进的并行运算技术高效提取网络文本数据的特征向量，这一研究为大数据处理网络舆情数据提供了技术支持。
王夫乐和王相悦（2017）通过新浪微博开发平台提供的开放接口抓取微博日度数据，以此获得社会情绪的代理变量，研究了社会情绪与股市收益之间的相关性。
金秀等（2018）采用Excel中VBA语言编程抓取了新浪财经股吧中的舆情信息，并采用贝叶斯分类算法对股吧信息进行情感倾向分析，从极端收益视角研究了投资者请于与金融资产价格之间的关系。
利用爬虫软件采集了东方财富网中与上证指数相关的股吧帖子，研究发现投资者预期指数与金融资产价格存在显著的相关性以及长期均衡关系。尽管金融资产价格在金融系统中举足轻重，但是有关金融资产价格波动的监管调控方面的研究却相对匮乏，已有文献多集中在系统性金融风险的测度及预警方面。
目前国内外系统性风险测度与预警模型主要包括：指标法、网络模型、在险价值（VAR）及其扩展模型和相关违约法这四大类别。但是目前对于金融系统性风险的测度方法仍不够成熟和完善，并且学术界与监管机构之间尚未达成一致性。
通过对相关文献的系统梳理发现，已有文献重点关注于金融系统性风险的统计测度与预警机制的研究，较少研究金融资产价格波动的监管调控研究较少，尤其忽视了金融风险管理在信息环境下面临的压力与挑战。
关于网络舆情信息影响下如何有效防范金融资产价格波动并优化金融风险管理，己有的研究并没有给出明确的宏观调控框架。尽管金融资产价格波动是金融学研究中的永恒主题。
但与浩如烟海的资产价格文献比较，以网络舆情和金融资产价格波动为主题的研究相对较少，相关研究尚处于起步阶段。已有研究散见于从新闻媒体报道、社交网络媒体、搜索引擎指数与金融资产价格的文献之中，对二者关系进行系统研究的文献很少，且尚未达成一致观点。
现有文献中关于网络舆情影响金融资产价格的理论机制尚未形成统一的认识，但大多认为网络舆情的传播和演化能够通过作用于投资者行为，进而影响金融资产价格波动。
越来越多的研究表明，投资者的行为决策并不是理性的，投资者的认知、情绪、人格变量、社会互动、人际交往等诸多因素都能对其投资决策产生影响。随着互联网技术的发展，便捷的网络环境使得越来越多的人们通过网络新闻、微博、微信、股吧、论坛等网络平台获取各种市场信息；
同时，网络舆情的发生、演化以及爆发也对网民情绪产生冲击，从而影响投资者行为。本章将从网络舆情影响金融资产价格波动的作用效应与影响渠道两方面阐述相关的理论研究。
按照作用效应来说，网络舆情对投资者行为的影响效应主要表现为两种形式：信息效应和情绪效应。所谓网络舆情的信息效应，是指网络舆情的关注度或报道量能够提高市场信息透明度，降低投资者的信息获取成本，从而改变投资者认知，进而影响投资行为。
部分学者探讨了网络舆情信息对金融资产价格波动的影响渠道，但尚未形成统一的认识。相关文献主要围绕投资者认知、投资者关注、和投资者情绪三个方面进行相关研究。
首先，网络舆情对不同群体间信息传播、信息不对称程度的影响，资本市场信息的公开透明能够提升了投资者的认知能力，而投资者认知能力的高低能够显著影响资产价格收敛到理性预期均衡。
其次，网络舆情在传递信息的同时，也能够通过捕捉投资者注意力。根据传播学的议程设置理论，公众依靠媒体信息和媒体对各种问题的关注程度来安排事情的主次。因此，网络舆情通过传播信息和设置相关议题的先后主次吸引投资者的注意力。
并且通过投资者对网络舆情信息形成的“框架依赖偏差”不现形迹地影响投资者的行为决策，进而影响金融资产价格的波动。最后，学者们从投资者情绪渠道讨论了网络舆情对金融资产价格波动的影响。
并基于传播学中沉默的螺旋等相关理论厘清了这一影响路径的因果顺承，为金融资产价格波动打开了新的研究思路。网络新闻媒体舆情与金融资产价格波动的相关文献主要采用两类数据处理技术：定量分析技术（即网络新闻的数量）和文本处理技术。
通过定量分析技术探讨网络新闻的数量与金融市场的影响是相关文献的传统做法。许多研究将网络新闻报道的数量作为预测金融资产收益和交易量信息到达的直接指标。
Mitchell和Mulherin（1994）基于道琼斯公司每日报道的新闻公告数量研究了网络新闻媒体舆情与金融市场活动之间的关系，发现网络新闻数量与市场交易量和金融资产收益直接相关，但是这一关系并不牢固，新闻公告不能解释市场活动的季节性，并且指出了研究网络新闻数量与金融资产价格波动之间的关系存在难度。
Chan（2003）利用采用上市公司头条新闻的数量检验了网络新闻与金融资产月度收益之间的相关性，结果表明具有负面新闻的股票呈现较大的股票价格负漂移，而有正面新闻的股票呈现较小的股票价格负漂移网络舆情的金融资产价格波动效应具有显著的时变特征，两者的动态条件相关系数显著为正，且具有长记忆性。
相比而言，金融资产价格波动与网络社交媒体舆情之间的动态相关性更高，但是其对网络新闻媒体舆情的波动更敏感。
不同市场状态下，网络舆情与金融资产价格波动的时变相关性存在显著差异，相比牛市，熊市环境中金融资产价格波动对网络舆情信息更加敏感。
长期内，网络舆情与金融资产价格波动之间的时变相关系数与宏观经济变量之间存在协整关系，即网络舆情的金融资产价格波动效应与宏观经济运行密切相关；短期内，时变相关系数主要受国内生产总值增长率、同业拆借利率以及无风险收益率的影响，但是通货膨胀率的影响并不显著。
因此，提高金融市场和实体经济运行状况，并加强宏观调控对于缓解网络舆情的金融资产价格波动效应具有重要意义。当前，行为金融学、认知心理学、新闻传播学领域逐渐展开关于金融舆情资产价格波动效应的研究，但是在理论和实证领域都尚未成熟。
近年来，国外相关研究尝试对新媒体信息环境下的网络舆情进行探讨，从搜索引擎、股吧论坛、社交网站等媒体平台获取数据研究网络舆情信息对金融市场的影响。
但现有研究大多关注整体市场舆情对金融资产收益或交易量的影响，而关于网络舆情与金融资产价格波动之间的关系则鲜有研究，并且尚未形成一致结论。相比传统新闻媒体的研究，网络舆情涉及样本更大、时间更长、内容也更丰富。
新时代网络媒体的飞速发展，为考察网络舆情与金融资产价格波动规律之间的关系提供了更加广阔的视野。一方面，网络舆情信息的及时发布与快速传播，对金融资产价格变动产生了“催化剂”和“加速器”作用，影响着金融资产价格的动态波动特征。
另一方面，相较于传统媒体，网络新闻和网络社交媒体能够更加全面地反映出金融交易或服务过程行为主体的情感信息，使得投资者心理认知等因素成为金融资产价格波动的重要来源，打破了以往仅从财务数据考察金融资产价格波动及其影响因素的研究壁垒。
在网络信息与大数据技术的驱动下，网络媒体成为连接投资者情绪认知与行为决策的重要纽带，网络舆情信息对金融市场的渗透力与影响力持续增强。
近年来，随着中国金融创新的不断发展，金融风险变得越来越复杂，这表现为金融资产价格波动的频率和幅度不断增加，波动的时变和跳跃特性不断增强，从而加重了金融风险管理的难度。
例如，2015年6月至8月，中国资本市场经历了“千股跌停、千股停牌、千股涨停”的异常波动，股票价格“爆涨”和“急跌”让人触目惊心；2016年10月，中国债市经历大幅调整，惊心动魄的债市行情堪比股灾；
2020年上半年，新冠肺炎疫情影响下，全球股市暴跌，多达11个国家甚至爆发“熔断”。当前，在新冠肺炎疫情的冲击和国内经济“三期叠加”的双重考验下，中国金融与经济的稳定发展面临严峻挑战，合理应对金融资产价格波动并有效防控金融风险成为了影响中国经济金融运行的重要问题。
2020年5月22日，李克强总理在第十三届全国人民代表大会第三次会议上强调：“要加强重大风险防控，坚决守住不发生系统性风险底线”。
在新的形势下，通过理论创新考察网络舆情是否产生以及如何产生金融资产价格波动效应，建言后危机时代网络信息环境中调控金融资产价格波动，具有深刻的理论与现实意义。
述（最多18