主讲人：乐国安 南开大学社会心理学系

1. 基于微博平台的行为规律探究—— 以一项启动实验和股市实证研究为例 主讲人：乐国安 南开大学社会心理学系

2. 网络突发群体事件的特点及其发展过程 首先，是议题的产生与发展。伴随着网络讨论的不断深入，议题从最初事实层面上的探讨上升到价值层面，表现出强烈的泛民族主义或泛政治化的倾向。 接着，信息在群体暗示与群体感染下迅速传播。在网络传播过程中，任何事件的阐述与评论都存在情绪性甚至成为部分网友情绪发泄的平台，让事实本身变得面目全非。在暗示与感染机制作用之下群体成员相互模仿，网络群体犹如处在现实状态下集合的群体，每一个个体失去了独立思考的能力，很快形成群体意见。 然后，信息持续地立体传播。网络群体已经冲破单纯利用网络进行信息传播的局限，将传统与新兴的各种媒体充分调动起来，形成立体式传播，将传播效果最大化。QQ群、MSN和BBS论坛社区等网络空间的回帖转帖是主要的传播途径。同时将各种信息再通过手机短信的形式采用滚雪球的方式进一步传播，并促使越来越多的人参与到网络讨论。

3. 但是，这一过程中同时夹杂的理性少数派声音。在一片几乎一边倒的舆论洪流中还可以看到部分理智的反对的声音。这些理性的声音虽然很快湮没在群体的声讨中，但也促使一部分人冷静下来思考问题，在一定程度上缓解了群体情绪的进一步激化。 最后，议题不断被强化，最终可能转化为实际行动。 网络突发群体事件通常有三种结果： （1）随着群体情绪的激发、释放，集群随之解体； （2）集群未能解决现实困境，进而转化为有组织、有明确目的、有一定结构的社会运动； （3）集群者与其抗争对象协商，通过改变现状或达成共识获得相互妥协。

4. 网络突发群体事件与现实突发性群体事件的差异网络突发群体事件与现实突发性群体事件的差异 ——从网络的发展和普及视角看： 1. 网络传播是多层面的； 2. 引发网络群体性事件的潜在不稳定因素增多； 3. 群体规模日趋扩大化； 4. 群体的参与主体日益多元化； 5. 群体形式越来越“合法化”； 6. 引发网络群体事件的国际背景更加复杂化。 ——从信息传播视角看： 1. 集群行为风险的泛化与不确定性增加； 2. 网络社会中亲密关系与信任关系出现变革； 3. 参与群体在信息冲击下的有限理性； 4. 信息的双面性与信息传递的反控制性。

5. 中国的微博平台 • 迅速崛起的中国微博平台 • CNNIC（中国互联网络信息中心）的报告显示，截止到2011年底，中国的网民规模达到5.13亿，其中微博用户达到2.5亿人，占网民总人数的比例达48.7% • DCCI（中国互联网数据中心）的最新调查显示，截止到2012年中国微博用户总量约为3.27亿，中国微博市场用户规模已基本稳定和成熟 • 基于微博平台的行为规律研究 • 微博改变用户心理与行为的启动试验 • 微博情绪与股票市场关系的实证研究 5

6. 研究一 微博改变女性？ —— 安全型冒险的启动实验 6

7. Google “我有这么一种不舒服的感觉，感觉有个人或者有种什么东西正在改变我的大脑，重新定义我的神经通路，改编我的记忆程序。” ---- Ncholas Carr, 2008 Google对记忆的影响: 信息唾手可得时代下的认知结果 （By Betsy Sparrow et al., Science, 2011.） 四个研究: • 记得信息储存的位置而不是信息内容本身 • 互联网→ 外部性记忆方式 7

8. 社交媒体 • 社交媒体的诱惑 Facebook Is as Tempting as Cigarettes and Sex(October, 2012) • 社交媒体对人们心理的影响 How is Facebook Addiction Affecting Our Minds?(November, 2012) 8

9. 中国微博用户的感受 9

11. 研究问题 • 探索问题 微博的使用是否会影响个体的社会认知或行为倾向？ • 研究构想 在相关领域首次尝试设计心理学行为实验，探究因果关系，突破问卷调查相关关系研究的局限 11

12. Study 1 • 被试与实验设计： 招募82名大学生被试，其中男性被试32名，随机分配到两组，即微博阅读组和文本阅读组 • 实验过程 阅读实验材料（通过新浪微博或者打印文本册）→ 问卷测量 • 问卷测量工具 • 冒险行为倾向（Risk behavior Scale, 改编自Elke U. Weber, 2003; Dohmen et al., 2005） • 对未来社会地位估计 • 正性负性情绪量表（PANAS，Watson et al., 1988） • 自尊量表（改编自Rosenberg, 1965 ） • 自我效能感量表（改编自J. X. Zhang et al., 1994） • 自我控制感量表（改编自Lachman，1998） 12

13. Study 1 • 研究结果 两组被试在冒险行为倾向、对未来社会地位估计、正向情绪、负向情绪、自尊、自我效能感、自我控制感等变量上皆无显著差异。 13

14. Study 2 • 被试与实验设计：249名大学生被试，其中男性被试106名，随机分成三组，即微博实验组（可评论、转发），微博阅读组（不可评论、转发），控制组 • 实验过程： 阅读实验材料（可自由评论和转发） 阅读实验材料（不可自由评论和转发） → 问卷测量（同study 1） 不阅读任何实验材料 14

15. Study 2 • 实验结果 在安全型冒险上， F（2,246）=5.207（p=0.006 < 0.01） 15

16. 安全型冒险 • 男性 F（2,103）=0.754（p=0.473 > 0.05） • 女性 F（2,140）=5.435（p=0.005 < 0.01） • 其他变量 对未来社会地位估计、正向情绪、负向情绪、自尊、自我效能感、自我控制感均无显著性差异 16

17. 结论和讨论 • 结论 • 仅从阅读材料内容来看，与阅读文本内容相比，阅读微博并不能显著改变个体的某种社会认知或行为倾向。 • 评论、转发微博可启动女性更强的安全型冒险行为倾向，并且这种效果并不受情绪、自尊、自我效能感、自我控制感等可能的中介变量影响。 • 可能的原因 • 自我披露行为 → 多巴胺脑区（Diana et al., 2012） • 使用满足理论：内容满足感、过程满足感（Gina, 2011） • 具体内在机制仍需继续探究 17

18. 研究二 微博网络情绪与中国股市的相关性探究 18

19. 几个已经发现的网络词汇搜索数据与现实事件相关的例子几个已经发现的网络词汇搜索数据与现实事件相关的例子 • (1)美国心理学家曾发现，利用谷歌网站公开的在线应用软件“Google Trends”记录的2004年至2007年间网民对于自杀、自残、抑郁类词汇的搜索量数据，发现其与美国疾病控制与预防中心（the Centers for Disease Control and Prevention, CDC）记载2004年至2007年期间大众现实自杀、自残数据呈显著统计相关关系：在大众群体中呈显著负相关，在青少年群体中呈显著正相关。 McCarthy, M. J. (2010). Internet monitoring of suicide risk in the population. Journal of Affective Disorders, 122, 277-279.

20. (2) 美国信息科学家利用心理学情绪量表设定的情绪分类标准，分析了2008年美国微博网站Twitter上的海量数据，发现Twitter用户微博条目中的“镇定(calm)”类情绪词汇量变化趋势可以成功预测2-6天后美国道琼斯工业指数的升降趋势，对于指数升降的预测准确率可达到87%。

21. (3) 美国康奈尔大学心理学家通过分析2008年2月至2010年1月之间微博客网站Twitter.com上正向情绪类词汇与负向情绪类词汇出现频率的波动趋势，发现正向情绪随季节变化而逐渐变化的趋势，验证了心理学中有关情绪与季节关联的“阶段转换假说(phase-shift hypothesis)”，而没有获得“情绪随日照时间变化”的竞争假说证据。 Golder, S. A., & Macy, M. W.(2010). Diurnal and Seasonal Mood Vary with Work, Sleep, and Daylength Across Diverse Cultures. Science, 333, 1878-1881.

22. 股票暴涨暴跌、经济波动的原因 “非理性的动物精神，是造成经济波动的主要原因。” —— 凯恩斯，1936 22

23. 行为金融学 23 • 个体层面 • 个人信念 • 认知偏差：代表性直觉、可得性直觉、锚定效应等（以Kahnema为代表的研究） • 过度自信：高估自己能力和成功的机会，成功内归因，低估运气和环境的作用 • 选择偏好 • 前景理论（Kahneman and Tversky, 1979）：价值函数（风险和收益）、决策权重 • 后悔理论（Kahneman and Tversky, 1979 ）、心理账户（Thaler, 1999） • 群体层面 • 羊群效应：源于Asch（1972）的从众行为研究 • 检验羊群效应的实证研究（Grinblatt et al., 1995; 李洪涛, 2002; 姜新, 黄静, 2005） • 关注投资者互动和聚变效应： • Levy(2000)引入群体动力学的Lotka-Volterra模型，分析市场的波动和演化特性

24. 情绪影响金融决策的理论基础 情绪对金融决策有显著影响，尤其是存在不确定性和风险的情况下（Schwarz, 1990; Forgas, 1995; Isen, 2000; Loewenstein et al., 2001） 低情绪唤起策略 &高情绪唤起策略（Forgas, 1995) 风险条件下的情绪影响金融决策模型（改编自Loewenstein et al., 2001） 24

25. 情绪对股市影响的实证研究 情绪与股市关系实证研究中的情绪指标体系 25

26. 一般社会情绪代理变量研究 26 • 消费者信心指数 美国：会议委员会和密歇根大学 中国：国家统计局惊奇监测中心编制 • 消费者信心指数和股票收益总体是负相关（Fisher and Statman, 2000） • 薛斐（2005）国内消费者信心指数比封闭式基金折价能更好地度量投资者情绪 • 王汝芳和田业钧（2009）发现消费者信心指数与股市收益具有较强的相关性 • 气候环境 • Saunders（1993）研究表明纽约阴天时，纽约证券交易所股指收益倾向于为负 • Akhtari（2011）的研究认为，纽约市的日照时间长短确实与股票收益之间存在显著的关系 • 高清辉（2006）发现中国股市收盘指数与气温、相对湿度、气压等气候变量存在相关 • 仪垂林和王家琪（2005）研究发现湿度、风速等变量确实能影响上证指数收益 • 球赛比赛结果 • 球队赢得比赛时的股票月收益要高于球队输掉比赛时的收益（Boyleand Walter, 2003） • Garciaand Norli（2006）通过对34个国家样本的研究也表明，国家足球队在国际性比赛中失败后该国股票市场收益会显著下跌。

27. 互联网社会情绪指标 27 • Facebook (Karabulut, 2011) • 方法：利用Facebook平台数据，由积极情绪与消极情绪差值构造的国民幸福指数GNH • 结果：GNH指数能预测美国股票市场的日收益率和交易量的变化； GNH指数每增加一个单位的标准差，股票市场下一交易日的收益能增加0.11%； 该效应在股市动荡期和针对小盘股效果更显著。 • Micro-Blogging (Gilbert et al.,2010) • 方法：LiveJournal博客平台的数据，采用信息科学处理技术构建了焦虑情绪指数 • 结果：博客中表达的焦虑情绪指数能反向预测标准普尔500指数的走势； 焦虑情绪指数每增加一个单位的标准差，股票指数的实际收益率会下降0.4% • Twitter （Bollen et al., 2011） • 方法：利用Twitter数据，分别利用OpinionFinder和GPOMS社会情绪测量工具构造情绪指标 • 结果：GPOMS的平静类情绪对2~6天后的道琼斯工业平均指数的预测能力最强； 联合平静、快乐情绪的预测模型对道琼斯工业平均指数可达87.6%的方向预测准确性

28. 微博网络情绪与中国股市的关系 本研究： 微博网络情绪 & 中国股市 大量的证据普遍表明：情绪与股票市场是有关系的 但大众网络情绪与宏观股票市场到底存在什么关系？ • 网络情绪能预测股市的关系在中国微博和股市环境下是否也存在？ • 积极情绪与消极情绪与股市存在什么关系？ • 不同种类的情绪是否与股市存在什么关系？ • …… 28

29. 初步研究结果（2009.11 – 2011.6 ） r = 0.62 29

30. 初步研究结果（2009.11 – 2011.6 ） 2010年4月16日，股指期货正式推出，沪深300股指期货正式上市 难点：跨心理学、金融学、计算机等三大领域，对相关学科知识、统计技术等各方面都具有较高要求。 具备的优势：在数据方面得到了信息科学领域专业团队的支持。目前在微博初期数据的基础上，已经得到了一些简单的结果。 下一步研究计划：继续着手构建一套相对科学可靠的情绪指标，然后探究与股票市场之间的关系。 2010年7月15日，农行上市，中国大型商业银行全部上市 r = -0.82 30

31. 初步研究结果（2011.7 – 2011.12 ） 紧张指数与上证指数相关矩阵（Date：7/1/2011-12/15/2011） 上证指数（及各类日均指数）与紧张日指数（及其各类日均指数）总体呈负相关 31

32. 基本情绪与上证指数 快乐情绪指数与上证指数的关系走势图（样本区间：7/1/2011-12/15/2011） 基本情绪与上证指数的相关关系（样本区间同上） 32

33. 谢谢大家！