本文在中国股票市场中，针对上市公司公告文本数据，采用文本分析机器学习方法进行信息提取，研究了上市公司公告信息与资产预期回报之间的关系，并探讨其对资本市场的影响渠道。本文首先依据监督式训练方法构造了基于公告的文本情感词典，并以此为基础使用机器学习方法对公告效应进行实证分析。其次，本文探究了公告效应的预测来源，并进行了异质性分析。本文研究发现，基于机器学习的公告文本情感倾向能够显著正向预测股票收益，在全样本中多空投资组合的平均年化收益达到了 20.04%。公告效应在小规模、成长型公司中溢价显著；与国企相比，民营企业的公告效应更显著。在对公告效应的来源分析中，本文发现金融机构关注度和公司信息披露质量较高的公司，公告效应相对较弱，而散户投资者的关注度会加强公告效应。

2018年受去杠杠政策影响，大量民营企业陷入流动性危机，为此，国家号召各地政府成立纾困基金纾困上述民营企业。本文以政府对民营上市公司股权纾困的130个样本为例，基于各地政府响应国家号召对民营企业纾困这一准自然实验，用DID等方法检验了政府纾困民营上市公司的经济后果，研究发现：（1）在短期内，政府纾困起到了稳定市场的作用。具体而言，接受政府纾困的民营上市公司公告之后市场有显著的正面反应，同时被纾困方股权质押风险得到了缓解。（2）但在长期来看，政府纾困并没有改善被纾困民营上市公司的经营绩效，这体现在纾困完成后，公司的经营业绩表现更差。（3）并且，在纾困中，纾困双方信息不对称程度越高、代理问题越严重，政府的长期纾困效果越差。换言之，纾困方越有可能成为“接盘侠”。本文为政府维护金融市场稳定发展提供了实证依据，也为后续进一步规范政府纾困行为提供指导性的政策参考。