從新聞到市場：媒體報導的投資訊號(上) — TCRI 看門狗「N 新聞媒體」事件實證分析
前言：新聞作為事件面的市場訊號
在高度即時化且資訊爆炸的市場環境中，新聞媒體早已不只是事後解釋價格波動的背景素材，而是市場預期形成與情緒擴散的重要管道。相較於主管機關的正式裁罰或公開資訊觀測站中的結構化公告，新聞往往更早揭露企業經營變化、潛在風險或產業風向，使其在實務上常被視為「最先出現、卻最難判讀」的資訊來源。也正因新聞內容高度多元、敘事語境不一，投資人長期面臨的關鍵問題並非「要不要看新聞」，而是「該如何判斷新聞是否真的具有投資訊號」。
TCRI 看門狗（TCRI Watchdog, WD）將原本高度非結構化的新聞事件，依其對企業信用風險的影響程度，轉換為一致且可比較的事件強度分數（-3 至 +3）。透過系統化的事件定義與量化流程，新聞得以從仰賴主觀判讀的文字敘述，轉化為可分析、可比較的量化數據。基於此，本研究進一步採用事件研究法（Event Study），以實證方式檢視新聞事件在不同強度下對股價的影響，並進一步釐清新聞在投資決策中實際扮演的角色。
📍領先市場的決策關鍵：TCRI 看門狗結合 20 年信用指標經驗，為您解讀重大事件 ➡️ 了解更多有關TCRI看門狗
TCRI 看門狗產品：將新聞轉化為可量化的事件資料
在資訊快速流動的市場中，投資人需要的不只是「知道事件發生」，而是能即時量化事件的市場影響力。 TCRI 看門狗（WD） 將公告、主管機關資訊與新聞等非結構化文本資料轉化為可觀察、可比較、可追蹤的事件信號（Event Intensity）。
TCRI WD 每日收錄台灣所有上市櫃公司（含已下市公司）的事件，來源包括：
- 公開資訊觀測站（MOPS）：重大訊息與公告。
- 主管機關公告：金管會、經濟部、公平會等機構發布的官方訊息。
- 新聞媒體與網路平台：涵蓋主流財經與產業新聞。
每則事件經 TEJ 分析團隊與模型雙重校正後，依其對企業信用風險之潛在影響程度，給予 –3 至 +3 的事件強度分數，並進一步劃分為 5 大構面與 逾 100 個細分類 。這套架構讓投資人能以統一標準量化市場事件的性質與方向，不論是監控個股風險，或評估整體市場風險情緒，皆能在相同尺度下比較。
表 1：TCRI WD 事件五大類
代碼 事件大類 涵義 A 會計／財報分析（Accounting） 與財務報導、會計處理、公告揭露相關的事件，反映企業財務透明度與財務穩健程度。 I 產業前景（ Industry ） 反映公司經營環境、產能、成本、研發進度、資金籌措等面向的事件，揭示企業營運動能與產業趨勢。 M 經營層（ Management） 涉及公司治理、董監高層動態、內外部詐欺、勞資爭議、資訊安全與內控缺失等事件，反映公司治理風險與經營穩定度。 F 市場交易 與資本市場交易、公司評等變動、股價異常、上市櫃狀態變化等有關的事件，反映市場對公司信用與流動性的直接反應。 R 危機 涉及公司財務危機、違約、下市、破產重整等事件，是最直接影響信用風險的訊號。
TCRI 看門狗的核心特性：
- Systemic Monitoring：以事件為基礎的每日監控架構（Event-based），可用於投資池監控與主題篩選。
- Quantitative Consistency：保留完整公告日與版本資訊，避免 look-ahead bias；涵蓋已下市公司，消除 survivorship bias。
- Sentiment Signal：事件強度可視為市場情緒因子（Sentiment Factor），補足傳統財報資料時效不足的缺口。
- Risk Integration：事件資料可整合至信用風險模型與量化投資策略，提升即時判斷力。
研究動機與方法：用事件研究法捕捉市場的即時反應
相較於制度化程度較高、揭露格式相對一致的資訊來源，新聞事件在資訊來源、敘事角度與揭露時點上具有高度異質性，其市場影響也因此更難以事前判斷。有些新聞僅是對既有資訊的整理或延伸，對股價影響有限；但也有部分新聞在正式公告出現之前，已提前反映企業經營風險、治理問題或潛在變化，成為價格調整的前導訊號。這種「同為新聞，卻可能承載截然不同資訊含量」的特性，使新聞長期處於投資實務中被高度關注、卻又難以系統性運用的位置。
正因新聞的影響並非來自「是否被報導」，而在於其所隱含的風險程度與資訊強度，單靠個別案例或主觀經驗，難以回答新聞是否真的具有穩定的市場預測力。因此，本研究的核心動機，在於透過事件強度的量化設計，將不同新聞置於同一可比較的尺度上，並進一步以事件研究法檢驗其對股價的實際影響。藉由實證結果，本研究嘗試釐清新聞在投資決策中究竟扮演的是短期情緒觸發因子，還是能被納入系統性分析的有效資訊來源。
基於上述研究動機，本文進一步透過明確的研究範圍設定與事件分類設計，建立可供實證檢驗的分析架構，並確保不同新聞事件能在一致的基準下進行比較。
研究範圍與事件設定如下：
1. 研究範圍：台灣上市櫃公司
2. 事件來源：「N 來源」－新聞媒體
3. 樣本年度：2018 年1月1日至 2025 年8月31日
4. 事件數量：約 30,000 筆新聞事件，
5. 事件類別： A、I、M、F、R 五大類。
每則新聞事件皆附有事件強度分數，並依其強度進行分組，以觀察市場是否會根據新聞所隱含的風險程度，展現出有系統性的反應模式，例如提前反應、延遲反應，或事後修正。
表 2 : 事件強度分組定義
Group 事件強度條件 negative <0 -1 =-1 -2 =-2 -3 =-3 positive >0 1 =1 2 =2 3 =3 neutral =0
在研究方法上，本文採用事件研究法（Event Study Methodology），衡量新聞事件發生前後，公司股價相對於正常水準的異常表現。
研究設定如下：
- Estimation window：250個交易日，使用 Fama–French 三因子模型估計正常報酬率。
- Gap days：10（避免估計期與事件期重疊）
- Event window：(-10, +10)，計算異常報酬率(AR)與累計異常報酬率(CAR)。
在多事件的分析情境下，進一步計算平均異常報酬（AAR）與平均累積異常報酬（CAAR），以觀察整體市場對特定事件強度或事件類型的平均反應。
為了更細緻地理解市場反應發生的時點結構，後續分析亦將事件期間的反應拆解為事前、事件當下與事後三個階段，並透過相關比例指標與邊際反應衡量方式，說明市場對新聞資訊的吸收速度與反應型態。相關指標的計算目的，在於協助判斷市場反應究竟集中於事件發生前、事件日，或持續延伸至事件後，相關結果將於後續實證分析中一併說明。
實證分析：新聞事件如何被市場吸收與修正
本節實證分析聚焦於新聞媒體（N 來源）事件的市場反應特性，從整體事件強度分組出發，進一步拆解事件發生前後的價格反應結構，並檢視不同事件類別下，新聞資訊對股價所造成的影響是否存在系統性差異。
新聞事件的整體分布與樣本特性
圖 3 顯示樣本中事件強度的分布情形。由圖可見，整體事件分布以 0 分（中性事件）與 +1 分（輕微正面事件）為主，分別佔 51.5% 與 30.9%；–1 分事件則佔 15.8%。
嚴重負面事件（–2、–3 分）及強烈正面事件（+2 以上）比例極低，合計僅佔約 2%。
圖 3：事件分布圖
整體事件強度的市場反應
從整體事件強度的實證結果來看，新聞事件仍展現出明確的方向性與區分能力。負面新聞事件的最終累積異常報酬（Final CAAR，表示事件期間結束時的(t+10)的累計報酬率）呈現隨事件強度遞增而擴大的趨勢，-1、-2、-3 組的最終 CAAR 分別為 -1.89%、-4.43% 與 -7.97%，顯示市場對於新聞中隱含的風險程度，確實會反映於後續股價表現之中。儘管極端負面事件（-3 組）的統計顯著性相對較弱，主要受限於樣本數較少，但其經濟意義仍相當明確。
相對而言，正面新聞事件亦能帶來正向市場反應，但效應幅度明顯弱於負面事件。+1 組的 CAAR 約為 +1.40%，而更高強度的正面事件並未呈現線性放大的效果，顯示市場對利多新聞的反應相對保守。中性新聞事件則幾乎不對股價造成持續影響，其最終 CAAR 僅約 +0.14%，反映市場對資訊含量有限的新聞具有高度的快速消化能力。
表 4：詳細統計結果
Group Event Count Mean AAR (%) Final CAAR (%) -1 4691 -0.09% -1.89%*** -2 452 -0.20% -4.43%*** -3 58 -0.38% -7.97% 1 9179 0.07% 1.40%*** 2 45 0.02% 0.50% negative 5201 -0.11% -2.25%*** neutral 15311 0.01% 0.14% positive 9224 0.07% 1.40%*** 註：Mean AAR (%) ：將事件期間內每天的AAR再取平均。
Final CAAR (%)：表示事件期間結束時（t+10）的CAAR。
市場反應的時間結構：事前反應是否已提前發生？
進一步以事件窗口分析探討不同事件強度分組於事件前，事件日與事件後的市場反應結構，發現新聞事件最顯著的特徵，在於市場反應高度集中於事件發生之前。以負面新聞為例，-1 與 -2 組在事件日前（t-1）即已實現約六至七成的最終 CAAR，而 -3 組更出現事前反應超過 100% 的現象，顯示價格調整在新聞正式成為市場焦點之前，往往已部分完成。
事件當日（t=0）的邊際反應相對有限，多數情況下呈現明顯的衝擊遞減，反映市場在事件日前即已提前吸收相關資訊。事後反應則呈現分化結果：中度負面事件（-1 與 -2 組）仍存在小幅但持續的負向漂移，而極端負面新聞（-3 組）則在事件後出現明顯的反向修正，顯示先前可能存在過度反應的情況。
正面新聞的時間結構亦呈現相似特性。正向 CAAR 多半在事件日前已快速累積，事件後反而出現回落，進一步凸顯新聞事件在市場中更接近「提前反應型訊號」，而非「事後持續發酵型資訊」。
表 5：效果分布表
Group CAAR(t-1)% CAAR(t=0)% CAAR(t+10)% AAR(t-1)% AAR(t=0)% Pre% t=0% Post% Marginal% Post-Ret% -1 -1.25 -1.43 -1.89 -0.47 -0.18 66.2 9.4 24.4 -62.4 -0.46 -2 -3.14 -4.11 -4.43 -1.33 -0.97 70.9 21.8 7.3 -27.1 -0.32 -3 -9.25 -10.39 -7.97 -3.20 -1.14 116.0 14.4 -30.4 -64.2 2.42 1 1.77 1.82 1.40 0.48 0.05 126.6 3.6 -30.2 -89.6 -0.42 2 0.82 0.86 0.50 -0.48 0.04 165.4 7.5 -72.9 -107.7 -0.36 negative -1.54 -1.81 -2.25 -0.58 -0.27 68.6 11.9 19.5 -53.9 -0.44 neutral 0.64 0.62 0.14 0.19 -0.02 457.6 -11.6 -346.0 -108.3 -0.48 positive 1.77 1.82 1.40 0.48 0.05 126.6 3.6 -30.2 -89.5 -0.42 註：Pre-event Ratio（事前比重）：CAAR(t-1) / CAAR(t+10) × 100%
t=0 Ratio（事件當日比重）：AAR(t=0) / CAAR(t+10) × 100%
Post-event Ratio（事後比重）： [CAAR(t+10) - CAAR(t=0)] / CAAR(t+10) × 100%
Marginal Effect（邊際反應強度）： [AAR(t=0) / AAR(t-1) - 1] × 100%
Post-Event Return（事後報酬）：CAAR(t+10) - CAAR(t=0)
圖 6：群組比較圖
新聞整體有效，但影響方式高度依賴事件性質
綜合以上分析可見，本次研究係以 TCRI 看門狗（TCRI Watchdog, WD）資料庫中的新聞事件為研究基礎，透過事件強度的量化設計，將原本高度非結構化的新聞資訊轉換為可比較的量化資料，並進一步實證檢視新聞事件對市場價格的影響方式。結果顯示，新聞確實能對股價產生系統性的市場反應，但其效果高度依賴事件所隱含的風險強度與反應時點。
在確認新聞事件整體具備可辨識的市場影響後，下一步的關鍵問題便在於：不同類型的新聞，是否承載著不同程度的資訊含量？ 因此，下一篇將進一步依據事件性質，將新聞事件拆解為五大類，從事件類別的角度出發，深入檢視不同新聞類型對股價影響的差異。
📍看下篇 ➡️ 從新聞到市場：媒體報導的投資訊號(下) — TCRI 看門狗「N 新聞媒體」事件實證分析
延伸閱讀
柏頓．墨基爾(Burton G. Malkiel)成功選股法則