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。

摘要：Fama和French（1993，1996）的因素模型比资本资产定价模型更好地描述了横截面股票收益率的变动，我们采用深市最新的股票数据（1996.01－2003.12）对Fama和French（1993，1996）的三因素模型在我国证券市场上进行了检验。在国内我们首次论证检验了三因素模型在我国证券市场是成立的，而且我们对三因素模型回归系数的稳定性和模型的预测能力进行了实证研究。我们检验了我国证券市场上是否有“新年效应”现象，得到我国证券市场的低账面市场比公司（除小规模公司）具有的“一月效应”，但显著性不是很强，m/M组合具有“二月效应”。我们的研究结果为投资组合选择、预测、决策及其业绩评价提供了一定的依据，具有理论和实际应用参考价值。 Research and Test of The three factor-factor Model in Chinese Stock Market Deng Changrong Ma Yongkai (Management College, University of Electronic Science and Technology of China,Chengdu,Sichuan 610054) Abstract: The three factor-factor Model, established by Fama and French, is considered to describe cross-sectional stock returns better than CAPM. Based on the newest 96 month stock data from 01 1996 to 12 2003, we research and test the model. We found the model is suitable for Chinese Stock Market. Then we research the coefficient stability and the forecast ability of the model. At the same time, we test the so-called ‘new-year effect’. We drew the conclusions that the m/L and b/L portfolios have the ‘January effect’ and the m/M portfolio has the ‘February effect’. Our researches have important theoretical and practical valuation, provides some condition for the selection、forecast、and decision of investment portfolios.