Page 7 - MFB22JudyOK
P. 7
對於房地產市場基本資訊，投資人更傾向以個人的經驗做判斷依
據；Marcato and Nanda (2016) 則採用 Architecture Billings Index 以及
NAHB/Wells Fargo Housing Market Index 1988 年到 2010 年的問卷
調查結果來編制情緒指標，並發現該情緒指標的確能夠提升房地產報
酬率的預測能力。
近年隨著各種演算法的快速演進，且可獲得更廣泛之即時性資
料，使文字資訊的處理變得更加迅速，因此愈來愈多的研究領域開始
運用文字探勘技術，其中常見的應用為情緒指標，其方法大多參考
Loughran and McDonald (2011)，除了將文字分類，還給予不同的權
重，該作法可以減弱高頻詞的影響，使較少出現的詞產生更大的影
響，可以更佳的提升模型解釋力。而在房地產市場亦有此相關應用，如
Hui and Wang (2014) 根據香港 1991 年至 2011 年的房地產交易記
錄建立情緒指標，發現住宅市場的投資者更容易受到情緒的影響，且
該市場情緒指標能夠有效預測房地產價格、報酬率及交易量；在進一
步的研究中，Hui et al. (2017) 透過建構買賣雙方的情緒指標及開發商
情緒指標，發現兩種情緒指標在短期及長期對房地產報酬率均有一定
影響；Soo (2018) 則透過擷取美國各城市當地之新聞資料，轉換為數
字資料後編制情緒指標，並發現此情緒指標對於未來房價走勢具有預
測能力，且領先房價走勢近兩年；Zhu et al. (2018) 從微博論壇中擷
取 文 字 資 料 ， 並 使 用 深 度 學 習 和 自 然 語 言 處 理 (natural language
processing) 整理分析，分別為過去和未來的房價變化建立了單獨的情
緒指標，發現未來指數每增加一個標準差，將導致下個月房價約
0.09% (相當於 0.2 個標準差) 的上漲，可以正向預測房價變化，而
過去的情緒指標和房價變化是相互影響的，代表人們的情緒不僅是對
市場運動的反應，還可能影響市場走勢；Wu and Brynjolfsson (2015)
則是利用 Google 搜索引擎建立住宅搜索指標，並發現此指對未來房
地產市場的銷售和價格具有很強的預測性，每一個百分點房屋搜索指
5
