Table of Contents
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
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：
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。 |
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：
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。
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。
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
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%*** |
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 |
圖 6：群組比較圖
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
柏頓．墨基爾(Burton G. Malkiel)成功選股法則
