我们提出了一种新方法和一套词典，用于在公司层面分析金融和商业新闻标题中的情绪。 所提出的极性模式方法 (PPA) 捕获了上下文和句法的深层结构，并减少了以前对新闻标题中单词和句子的语气进行分类的方法中明显的测量误差。 我们使用样本外数据集证明了 PPA 的卓越预测有效性。 正如预期的那样，负面新闻标题与股票回报呈负相关，与交易量呈正相关，而正面新闻标题则与两者都呈正相关，尤其是金融新闻。 先前的研究报告了正面新闻和股票回报之间不显着或相反的负相关关系，我们将其归因于先前方法中的测量误差。 此外，利用市场活动，我们联合估计横截面回归，以比较 PPA 方法与常用方法的解释力。 我们展示了 PPA 的音调分配如何显着优于其他词典和方法，包括使用机器学习和深度学习的商业包 (RavenPack)。 PPA，包括词典，为金融研究人员提供了一种新的、更有效的媒体新闻情绪分析方法。PPA 语气分配数据集链接：https://www.whensentimentisnews.com
