管理層語意與未來股價崩盤風險
——基于投資者情緒的中介效分析

楊七中 章貴橋 馬蓓麗

(1.南京財經(jīng)大學 會計學院，江蘇 南京 210023；2.上海大學 管理學院，上海 200444；3.江蘇理工學院 商學院，江蘇 常州 213001)

一、引言

中國資本市場上股價“暴漲暴跌”問題尤為突出，特別是“暴跌”所造成的股價崩盤風險給投資者的信心和財富、資本市場的安全以及實體經(jīng)濟的發(fā)展造成巨大沖擊和破壞。如何有效降低股價崩盤風險是近年來國內(nèi)外學術界研究的熱點。行為經(jīng)濟學框架下股價崩盤風險的意見分歧成因理論認為[1]，投資者信息獲取行為、信息處理行為能夠對股價崩盤現(xiàn)象產(chǎn)生影響。近年來隨著企業(yè)業(yè)績說明會的興起，投資者信息獲取水平提高，那么企業(yè)業(yè)績說明會上管理層所傳達的信息，能否被投資者所感知并影響投資者情緒，進而修正其前期認知和決策偏差，最終影響到未來股價崩盤風險呢？本文借助企業(yè)業(yè)績說明會上管理層和投資者之間的互動文本內(nèi)容,試圖找到答案并解釋三者的關系。

Jin和Myers(2006)從信息不對稱角度，闡述了公司管理層為了自身私利，往往會隱藏公司負面消息，而等到負面消息積聚到無法再隱藏的時候，一次性集中披露會導致股價崩盤發(fā)生，這就是所謂的“管理層捂盤假說”，此假說奠定了后續(xù)股價崩盤風險研究的理論基礎。在這一理論基礎上，后續(xù)的研究從如何改善信息披露質(zhì)量的視角展開，主要包括內(nèi)部控制信息披露[2]、社會責任信息披露[3]、新聞媒體監(jiān)督[4]、分析師和機構投資者預測偏差[5]、公司治理水平[6]、稅收規(guī)避[7]和法律管制[8]等對股價崩盤風險的影響。

與前期研究不同的是，本文基于企業(yè)業(yè)績說明會上管理層和投資者互動文本內(nèi)容，借助LSTM深度學習技術進行文本分析，直接追溯至“信息捂盤”的主體——企業(yè)管理層，來研究管理層所傳達的語意信息與未來股價崩盤風險之間的關系，以及投資者能否感知到管理層真實語意并發(fā)揮抑制股價崩盤風險的中介效應。由于企業(yè)業(yè)績說明會受到《深圳證券交易所中小企業(yè)板創(chuàng)業(yè)板上市公司規(guī)范運作指引》(深交所在2005年、2010年、2015年多次修訂)的嚴格約束，管理層與投資者問答互動的主題又涵蓋了企業(yè)的投融資行為、股利分配政策、股票減持與否、資本并購運作和多元化經(jīng)營策略等方方面面，直接研究管理層在回答投資者提問過程中的真實語意信息，有利于從根本上降低信息不對稱程度，化解未來股價崩盤風險。因此，本文的第一個研究問題是，企業(yè)管理層語意能否化解未來股價崩盤風險？

作為信息的受體，投資者對管理層語意的各種解讀，會反映在其情緒波動和決策行為上，并映射到整個資本市場，從而對股票價格產(chǎn)生顯著影響，甚至引發(fā)股價崩盤風險[9][10]。其中，機構投資者作為我國資本市場最重要的參與者，其持有A股市值占比為23.5%左右，并且該占比還在快速增長中，他們擁有專業(yè)的信息收集加工能力和分析師團隊，具備良好的信息感知能力，能解讀出管理層語意中所隱藏的真實信息，從而降低資本市場的信息不對稱程度。無論是個人還是機構投資者都參與到信息加工、傳遞和吸收的各個環(huán)節(jié)中，從而為管理層語意影響股價崩盤風險提供了有效途徑。為此，本文的第二個研究問題是，投資者情緒感知在管理層語意影響未來股價崩盤風險中是否發(fā)揮中介作用？

為了回答以上兩個問題，本文以我國上市公司2010～2014年度業(yè)績說明會上的管理層回復內(nèi)容為樣本，采用LSTM深度學習技術進行文本分析，測量管理層所表達的語意，研究管理層語意對股價崩盤風險的影響，以及投資者能否感知并發(fā)揮抑制股價崩盤風險的中介效應。結果發(fā)現(xiàn)，管理層語意越正向，越能化解未來股價崩盤風險，且這主要是由于投資者感知所做出的積極情緒反應所致，投資者能夠感知管理層語意并進一步化解未來股價崩盤風險，說明投資者情緒在管理層語意和未來股價崩盤風險之間發(fā)揮了中介效應。這些證據(jù)表明，管理層語意信息通過投資者情緒映射到資本市場，降低了信息不對稱程度，從而一定程度上化解了公司股價在未來發(fā)生崩盤的風險。

本文可能有以下幾方面的貢獻：一是采用的LSTM深度學習技術，考慮到詞語之間的因果關系，可以降低語意誤判率，避免陷入虛假回歸陷阱，是對傳統(tǒng)“詞袋法”文本分析技術的改進；二是發(fā)現(xiàn)投資者能夠感知管理層語意信息，并在管理層和未來股價崩盤風險之間發(fā)揮中介效應,這是從信息源頭對投資者情緒影響股價崩盤風險的文獻作進一步的研究；三是研究結果表明上市公司和投資者之間以業(yè)績說明會這樣的互動敞開方式進行溝通，起到了有效的信息披露作用，為監(jiān)管部門思考如何進一步提高管理層討論與分析質(zhì)量、完善投資者保護制度提供經(jīng)驗證據(jù)。

二、制度背景、文獻回顧與研究假設

(一)業(yè)績說明會的制度背景

上市公司業(yè)績說明會作為MD&A的一種補充，源于2004年深交所針對中小企業(yè)發(fā)布的《深圳證券交易所中小企業(yè)板塊上市公司誠信建設指引》規(guī)定:“上市公司應在每年年度報告披露后舉行年度報告說明會,向投資者真實、準確地介紹公司的發(fā)展戰(zhàn)略、生產(chǎn)經(jīng)營、新產(chǎn)品和新技術開發(fā)、財務狀況和經(jīng)營業(yè)績、投資項目等各方面情況。”深交所在2005年、2010年和2015年多次修訂的《深圳證券交易所中小企業(yè)板創(chuàng)業(yè)板上市公司規(guī)范運作指引》作了更為明確的規(guī)定:“……為使所有投資者均有機會參與，可以采取網(wǎng)上直播的方式”“公司董事長(或者總經(jīng)理)、財務負責人、獨立董事(至少一名)、董事會秘書、保薦代表人(至少一名)應當出席說明會”。除中小企業(yè)創(chuàng)業(yè)板之外，本來證監(jiān)會并不強制要求主板上市公司舉行業(yè)績說明會，但隨著互聯(lián)網(wǎng)自媒體快速發(fā)展，許多主板上市公司為了自身的發(fā)展，也自愿舉行業(yè)績說明會向資本市場傳遞當下和未來的經(jīng)營發(fā)展信息。隨著時間推移，每年越來越多的大公司借助互聯(lián)網(wǎng)，自愿舉行網(wǎng)上業(yè)績說明會，至此，網(wǎng)上業(yè)績說明會逐漸成為公司管理層和投資者之間交流的主要平臺。

相對于其他信息披露方式，管理層業(yè)績說明會受到各地證監(jiān)局的大力支持，由于上市公司自身的積極響應和深交所的嚴格管制，無論是披露時點、內(nèi)容還是形式都比較規(guī)范。另外，參會的管理層是實名的，而投資者是匿名的，雙方可就主要問題開誠布公交流，因而對相關問題的討論比較徹底，信息挖掘比較深入，甚至有的問題會經(jīng)過多輪重復博弈，特別是網(wǎng)絡在線、實時動態(tài)的交流方式，使得一些無法事先預設、即問即答的話題能夠原汁原味地呈現(xiàn)出來，所有這些使得業(yè)績說明會有別于其他信息披露渠道(如業(yè)績預告、臨時公告、定期報告和公司微博等)，有助于降低管理層和投資者之間潛在的信息選擇性偏差和道德風險，預期可以給資本市場帶來新的信息增量。因此，業(yè)績說明會為管理層語意研究提供了良好的樣本，有助于考察管理層語意是否具有信息增量等命題。

(二)文獻回顧與研究假設

近年來，國外學者通過計算機自然語言處理技術，提取出文本內(nèi)容包含的語意或情感變量，以此來研究文本信息與投資者行為、市場反應等的關系，結果發(fā)現(xiàn)文本信息與未來盈利水平、投資者行為、股票預期收益率甚至是管理層欺詐行為等存在關聯(lián)性，并認為分析師盈余電話會議、10—K年度報告和新聞媒體關注等文本信息是傳遞企業(yè)價值信息的重要方式，能夠引發(fā)資產(chǎn)價格調(diào)整和資本市場顯著反應[11][12]。迷霧指數(shù)越高的公司(即年報越難以讀懂)，其盈利水平越差[13]，報告越易讀懂，則小股東更愿意持股[14]。MD&A和盈余電話會議語意越正向，則股票收益率越高、波動性越低[15]；盈余電話會議中管理者特定語意與未來業(yè)績正相關，即語意越正向，未來四個季度的資產(chǎn)報酬率越高[16]。正向語意和負向語意與市場反應顯著相關[17]，甚至可以預測管理層欺詐[18]。特別是在經(jīng)濟蕭條時期，報紙金融專欄的新聞情感語意能預測股票未來收益率。

國內(nèi)會計與財務領域的文本分析研究處于剛剛興起階段，研究主題也集中在未來業(yè)績、市場反應、分析師預測等方面。謝德仁等(2015)基于業(yè)績說明會發(fā)現(xiàn)管理層正向語意與公司下一年業(yè)績正相關[19]；林樂等(2016)[20]、楊七中等(2019)發(fā)現(xiàn)投資者對管理層正向語意做出顯著的正向反應[21]。朱朝暉等(2018)基于A股上市公司MD&A樣本，檢驗管理層語調(diào)離差策略對分析師預測的影響，發(fā)現(xiàn)業(yè)績較差的公司會策略性地安排管理層語意詞的分布，且這樣安排對分析師預測有顯著影響?？紫栌畹?2016)挖掘了財經(jīng)新聞主題內(nèi)容與股市的相關性，發(fā)現(xiàn)國際貿(mào)易以及城市化新聞主題與股市變動密切相關。倪寧等(2015)發(fā)現(xiàn)創(chuàng)業(yè)身份清晰度與天使投資意向正相關。彭紅楓(2016)發(fā)現(xiàn)借款陳述的迷霧指數(shù)和文本長度都與借款成功率呈“倒U型”關系，并與實際借款利率存在線性正相關關系。

上市公司業(yè)績說明會是管理層向廣大投資者傳遞本公司的投融資行為、分配行為、股權激勵行為、資本運作以及多元化戰(zhàn)略等重要信息的渠道，業(yè)績說明會上管理層所傳達的語意具有信息含量，有助于降低投資者和管理層之間的信息不對稱程度。同時，外部投資者特別是機構投資者具有動機和能力來對管理層語意信息進行解讀和傳遞：一是監(jiān)督管理層動機，機構投資者一般持有公司大量股份，需要隨時掌握各種信息來加強對管理層的約束，并會將獲得的信息傳遞給其他投資者，形成權力制衡共同體；二是信息挖掘能力，機構投資者通常擁有雄厚的資金實力和專業(yè)人才隊伍，有較強的規(guī)模優(yōu)勢和信息挖掘能力；三是直接參與決策能力，機構投資者一般身份相對獨立，而且追求長期投資價值，甚至會直接參與公司在人事、財務以及發(fā)展戰(zhàn)略等方面的重大決策。因此投資者特別是機構投資者對管理層語意準確及時地解讀有助于知曉公司內(nèi)部真實經(jīng)營狀況，了解公司股價與真實價值的背離程度，并迅速做出投資或經(jīng)營決策的調(diào)整，減輕不利信息的累積，提高資本市場的有效性，從而緩解公司未來股價崩盤風險。基于此，本文提出如下研究假設H1：

H1：上市公司管理層正向語意比重越高，公司未來股價崩盤風險越低。

行為金融學和心理學認為，信念和偏好異質(zhì)的投資者常常是有限理性而又過度自信[22]，其容易受到易得性啟發(fā)式、代表性啟發(fā)式和情感啟發(fā)式等的影響，產(chǎn)生系統(tǒng)認知偏差[23](P82)，而認知偏差又會導致投資者情緒的大幅波動和情緒偏差，從而放大樂觀或悲觀的情緒，加上羊群效應的存在，致使資本市場產(chǎn)生價格劇烈波動的異象，國內(nèi)外學者們發(fā)現(xiàn)投資者情緒會引發(fā)資本市場波動和跨市場效應。還有學者研究社交媒體的投資者情緒影響股票未來收益以及高管的情緒影響IPO折價率[24]。張先治等(2012)認為，在投資者情緒的作用下，會計準則變革引發(fā)的企業(yè)財務行為的變化通過一種加速傳導機制作用于資本市場和宏觀經(jīng)濟。

然而投資者情緒并非憑空產(chǎn)生并且一成不變的，根據(jù)Pirolli(2007)的認知理論，投資者在投資決策前會反復進行信息獲取、信息解讀，并借助信息反饋機制，多次修正其前期認知和情緒偏差，周而復始地進行信息循環(huán)。近年來的研究表明，投資者的信息獲取行為、信息解讀水平能夠顯著地影響投資者的預期，投資者使用的信息集越綜合，盈余預期越接近真實盈余，市場效率越高[23][24]。因此，作為正式制度性交互平臺的業(yè)績說明會無疑給廣大投資者提供了進一步獲取和解讀企業(yè)私有信息的新渠道，根據(jù)“有效市場”理論和“人性自利”假說，投資者會對管理層在業(yè)績說明會上所釋放的經(jīng)營戰(zhàn)略和財務決策方面的文本信息進行充分感知和深度加工，判斷其真正語意，利用獲得的新增信息修正前期的情緒偏差，即獲得正向感知的投資者，會修正其前期的負向情緒偏差，再調(diào)整其投資交易策略，最終抑制未來股價崩盤風險。管理層語意與股價崩盤風險之間的傳導機制如圖1所示。

圖1 管理層語意與股價崩盤風險傳導機制

因此，本文認為管理層語意有利于投資者修正前期認知偏差，即當投資者感知到正向積極的語意時，會修正其前期的負向情緒偏差，并調(diào)整其投資決策行為，進而抑制未來股價崩盤風險?；诖?，本文提出如下研究假設H2：

H2：投資者情緒在管理層語意影響未來股價崩盤風險中發(fā)揮中介效應。

三、研究設計

(一)樣本與數(shù)據(jù)

本文樣本來自全景網(wǎng)投資者關系互動平臺(http://rs.p5w.net),考慮到T年是年報所屬年份，而管理層業(yè)績說明會是在下一個年度，即T+1年披露和進行的，以及需要剔除2008年全球金融危機和2016年股市熔斷這些外生事件對我國股市的沖擊效應。故本文利用Python程序抓取2010～2014年全景網(wǎng)所有上市公司年度業(yè)績說明會上管理層和投資者之間的問答文本，刪除ST公司和針對IPO前召開的業(yè)績說明會，經(jīng)過數(shù)據(jù)清洗，最終得到12萬余條文本，合計3242個公司年度觀測值。本研究所需的其他數(shù)據(jù)來源于CSMAR和Wind數(shù)據(jù)庫。在回歸前，對所有連續(xù)變量進行上下1%Winsorize處理，以避免異常值影響。數(shù)據(jù)清洗和統(tǒng)計分析使用Pandas庫和Stata統(tǒng)計軟件。

(二)主要變量定義

1.管理層語意(MEANING)

LSTM(Long Short-Term Memory)是一種特殊的RNN(循環(huán)神經(jīng)網(wǎng)絡)，能夠重復學習并記憶以前的信息，并連接到當前的任務中來?；诖?，作者雇傭10名會計和金融專業(yè)研究生，首先對2005～2007年業(yè)績說明會的文本進行人工標注(正面語意標注為1，負面語意標注為0)，先相互比對，再和玻森中文語義平臺(BosonNLP)的情感分析結果相互印證，構建人工標注語料庫(其中管理層正向語意20001條，負向語意20435條)①。隨后利用Python編寫的LSTM程序讀取語料庫并深度學習管理層語意特征，最后去識別2010～2014年度的業(yè)績說明會的管理層語意(實測LSTM的總預測準確率約86.25%，高于詞袋法的總預測準確率75.65%)。LSTM法避免了詞袋法沒有考慮上下文因果邏輯和普適性不足的缺陷，較好地契合了所研究樣本的語境特點，實現(xiàn)了文本分析法的改進。

借鑒林樂等(2016)的方法[20]，構建上市公司業(yè)績說明會管理層語意(MEANING)衡量指標如下：

MEANING=POSNUM/(POSNUM+NEGNUM)

(1)

式(1)中，POSNUM是管理層正向回答問題數(shù)目，NEGNUM是管理層負向回答問題數(shù)目。MEANING是t年第i家上市公司業(yè)績說明會管理層正向語意，等于管理層正向回答問題數(shù)目(POSNUM)占全部問題數(shù)目(POSNUM+NEGNUM)的比例。

2.股價崩盤風險(CRASH)

借鑒羅進輝等(2014)[4]、許年行等(2012)[5]、丁慧等(2018)[25]的方法，本文采用負收益偏態(tài)系數(shù)(NCSKEW)和收益上下波動率(DUVOL)，衡量從管理層業(yè)績說明會發(fā)布之后未來12個月的股價崩盤風險。具體算法如下：

首先,為了控制非同步交易的影響，加入市場收益率的滯后和超前各兩期建立回歸模型，并計算股票i第t周的股票特有收益率Wi,t：

Ri,t=αi+β1Rm,t-2+β2Rm,t-1+β3Rm,t+β4Rm,t+1+β5Rm,t+2+εi,t

(2)

式(2)中，Ri,t是股票i第t周的收益率，Rm,t是第t周經(jīng)流通市值加權的市場收益率，εi,t是殘差，表示個股收益未被市場所解釋的部分，若εi,t為負且絕對值越大，說明公司i的股票與市場收益相背離的程度越大。股票特有收益率是：Wi,t=Ln(1+εi,t)，然后，基于特有收益率Wi,t構造以下兩個變量：

(1)負收益偏態(tài)系數(shù)(NCSKEW)：

(3)

式(3)中，n是股票i每年的交易周數(shù)。NCSKEW的數(shù)值越大，股價崩盤風險越大。

(2)收益上下波動率(DUVOL)：

(4)

式(4)中，nUP和nDOWN分別是股票i的周特有收益率Wi,t大于和小于年平均收益率的周數(shù)。DUVOL數(shù)值越大，股價崩盤風險越大。

3.投資者情緒(CAR)

投資者情緒本質(zhì)上是反映投資者對當前和未來市場的心理預期程度，現(xiàn)有文獻使用的衡量指標主要有新股換手率、月新開戶數(shù)、封閉式基金折價、消費者信心指數(shù)等?？紤]到本文并非研究整個資本市場投資者的普遍情緒，而是單個公司投資者的特定情緒，因此公司業(yè)績說明會的市場反應應該可以捕捉到單個公司投資者特定的情緒波動。本文參考前期學者的研究[4][20]，考慮到中國資本市場尚處于弱勢有效市場，存在信息提前泄露情形，故本文分別以公司業(yè)績說明會舉辦日前后的[-3,3]和[-3,10]作為事件長短窗口期，計算公司事件窗口期股價超額累計回報率(CAR)作為衡量每家公司投資者情緒的指標：

(5)

式(5)中，[-n，n]代指[-3,3]和[-3,10]兩個事件窗口期，ARi,t是根據(jù)市場模型計算得到的公司i的超額收益率。CAR值為正且越大，表示投資者情緒越積極強烈。

(三)模型構建

為了檢驗假設H1，本文構建了以下模型：

CRASHi,t+1=α0+β1MEANINGi,t+γ∑Controlsi,t+∑Industry+εi,t+1

(6)

式(6)中，CRASHi,t+1分別用公司i在t+1年的NCSKEW和DUVOL來度量，MEANINGi,t是公司管理層語意，Controlsi,t為控制變量，Industry為行業(yè)啞變量。借鑒羅進輝等(2014)[4]、丁慧等(2018)[25]的研究，模型選擇如下控制變量：上一期股價崩盤風險(NCSKEWt和DUVOLt)、個股月平均超額換手率(MTURN)、年度周特有收益率的標準差(Sigma)、年度平均周特有收益率(RET)、公司規(guī)模對數(shù)(SIZE)、賬面市值比(BM)、資產(chǎn)負債率(LEV)、總資產(chǎn)收益率(ROA)、第一大股東持股比例(HOLD)、迪博內(nèi)部控制指數(shù)對數(shù)(ICI)。根據(jù)假設H1，式(6)中MEANINGi,t的系數(shù)β1應顯著為負。

為了檢驗假設H2，本文根據(jù)中介效應檢驗方法，對投資者情緒是否在管理層語意影響股價崩盤風險中發(fā)揮中介效應進行檢驗：第一步，檢驗管理層語意對股價崩盤風險的影響，即做因變量對自變量的回歸，考察模型(6)中系數(shù)β1的顯著性；第二步，檢驗投資者情緒對管理層語意的影響，即采用以下模型做中介變量對自變量的回歸：

CAR[-n,n]i,t=α0+β1MEANINGi,t+γ∑Controlsi,t+∑Industry+εi,t

(7)

式(7)中，Controls包括公司規(guī)模(SIZE)、賬面市值比(BM)、資產(chǎn)負債率(LEV)、總資產(chǎn)收益率(ROA)、上市年齡(AGE)、未預期盈余(SUE)、收入成長性(GROWTH)。第三步，同時檢驗管理層語意和投資者情緒對股價崩盤風險的影響，即采用以下模型做因變量對自變量和中介變量的回歸：

CRASHi,t+1=α0+β1MEANINGi,t+β2CARi,t+γ∑Controlsi,t+∑Industry+εi,t+1

(8)

本文預期第一步中的系數(shù)β1顯著為負，第二步中的系數(shù)β1顯著為正，第三步中的系數(shù)β1和β2均顯著為負。

四、實證結果及分析

(一)描述性統(tǒng)計分析

表1報告了股價崩盤風險指標、管理層語意、投資者情緒和控制變量的描述性統(tǒng)計結果。由表1可知，兩個股價崩盤風險指標NCSKEW和DUVOL的均值分別是-0.049和0.119(標準差分別是0.921和0.795)，表明在2010～2014年間，我國資本市場基本面相對較好。管理層語意指標MEANING的均值是0.510，表明管理層語意整體表現(xiàn)相對正向一些。投資者情緒指標CAR[-3,3]和CAR[-3,10]的均值分別是0.009和0.030，都顯著大于零(t值分別是5.22和10.86)，表明無論是短窗口期還是長窗口期，投資者情緒均積極強烈。資產(chǎn)負債率指標LEV的均值偏低，是由于2010～2014年間舉行業(yè)績說明會的公司主要是中小創(chuàng)業(yè)板公司(本文樣本中僅82個主板上市公司)，這類公司的一個顯著特點是“低資產(chǎn)負債率、高成長性和高回報率”，與主板市場50%左右的資產(chǎn)負債率相差較大。其余控制變量的描述性統(tǒng)計特征和現(xiàn)有文獻基本類似。

表1描述性統(tǒng)計分析

相關性分析的Pearson和Spearman系數(shù)顯示(限于篇幅，未列報)，MEANING與NCSKEW 的相關系數(shù)是-0.042，與DUVOL的相關系數(shù)是-0.059，均在1%水平上顯著，說明管理層語意越正向，股價崩盤風險越小。CAR[-3,3]和NCSKEW的相關系數(shù)是-0.118，和DUVOL的相關系數(shù)是-0.109，均在1%水平上顯著，說明投資者情緒越積極強烈，股價崩盤風險越小。NCSKEW 和DUVOL的相關系數(shù)是0.923，說明這兩種度量股價崩盤風險的指標具有較好一致性。為了排除多重共線性問題，本文計算了各變量的方差膨脹因子VIF，發(fā)現(xiàn)均小于5，故不存在嚴重多重共線性問題。

(二)管理層語意與股價崩盤風險

表2 報告了對假設H1的檢驗結果，列(1)和列(2)首先使用股價崩盤風險指標(NCSKEW)對管理層語意(MEANING)進行回歸。列(1)顯示管理層語意的系數(shù)是-0.231，在5%水平上顯著為負，在統(tǒng)計意義上，管理層語意每正向變動一個標準差，則股價崩盤風險降低4.15個百分點。列(2)顯示在加入控制變量后，管理層語意的系數(shù)是-0.357,在1%水平上顯著為負，表明管理層語意每正向變動一個標準差，則股價崩盤風險降低6.40個百分點。列(3)和列(4)是使用股價崩盤風險指標(DUVOL)對管理層語意(MEANING)進行回歸，其中管理層語意的系數(shù)和顯著性均保持良好的一致性和穩(wěn)健性。研究結果均支持假設H1，這充分說明了業(yè)績說明會這一新興的信息傳遞渠道，確實具有信息含量，有助于降低投資者和管理層之間的信息不對稱程度。投資者對管理層語意準確及時地解讀有助于知曉公司內(nèi)部真實經(jīng)營狀況，了解公司股價與真實價值的背離程度，并迅速做出決策調(diào)整，減少不利信息的累積，從而化解公司未來股價崩盤風險，即管理層語意越正向，公司股價崩盤風險越小。

表2管理層語意對股價崩盤風險的影響

注：***、**、*和分別表示在1%、5%和10%水平上顯著;括號內(nèi)為t值，經(jīng)過公司層面和年度層面的聚類調(diào)整，下表同。

對于控制變量，HOLD的系數(shù)顯著為負，表明股權集中度越高，股價崩盤風險越小，即大股東持股存在“監(jiān)督效應”。其他控制變量則不顯著。

(三)管理層語意與股價崩盤風險：投資者情緒的中介效應

表3報告了假設H2的檢驗結果。采用三個步驟來檢驗投資者情緒在管理層語意影響股價崩盤風險中的中介效應。首先是檢驗因變量股價崩盤風險(NCSKEWt+1和DUVOLt+1)與自變量管理層語意(MEANING)的關系，表2中Path A回歸結果表明自變量MEANING的系數(shù)在1%水平上顯著為負。其次是檢驗中介變量投資者情緒(CAR)與自變量管理層語意(MEANING)的關系，表3中Path B回歸的列(5)(6)表明，MEANING的系數(shù)均在5%水平上顯著為正，說明管理層語意越正向，投資者情緒越積極強烈。最后，運用式(8)檢驗因變量股價崩盤風險(NCSKEWt+1和DUVOLt+1)與自變量管理層語意(MEANING)和中介變量投資者情緒(CAR)的關系，表3中Path C回歸的列(1)～(4)表明，無論是用NCSKEW還是用DUVOL指標來衡量股價崩盤風險，其中長短窗口期的CAR系數(shù)均在1%水平上顯著為負，說明投資者情緒具有中介效應。在加入中介變量后，MEANING的系數(shù)仍顯著為負，利用Sobel法的中介效應檢驗結果均顯著(列(1)～(4)的中介效應占總效應比值分別為7.13%、16.95%、6.38%和14.51%)，說明投資者情緒發(fā)揮部分中介效應。

根據(jù)Pirolli(2007)的認知理論，投資者會對管理層在業(yè)績說明會上釋放的經(jīng)營戰(zhàn)略和財務決策方面的文本信息進行充分感知和深度加工，判斷其真正語意，利用獲得的新增信息修正前期的情緒偏差，即獲得正向感知的投資者，會修正其前期的負向情緒偏差，再調(diào)整其投資交易策略，最終抑制未來股價崩盤風險。故假設H2得到支持。

表3管理層語意與股價崩盤風險：投資者情緒的中介效應

(四)內(nèi)生性問題

為了處理互為因果、遺漏變量或樣本自選擇所導致的內(nèi)生性問題，本部分做進一步檢驗。

1.工具變量法。選取相同年度同行業(yè)以及同省份其他公司的管理層語意的均值(MEANING_2)，作為MEANING的工具變量。這個工具變量滿足相關性和外生性的要求：從相關性來看，同行業(yè)或同省份的公司面臨類似的行業(yè)特征和外部環(huán)境，因而它們的管理層語意具有一定的相關性。并且也沒有證據(jù)表明同行業(yè)或同省份其他公司的管理層語意會影響本公司的股票交易行為，故滿足外生性原則。表4列示了采用管理層語意MEANING的工具變量MEANING_2進行回歸的結果，可以看到，比表2中的結果更為顯著。

表4管理層語意(工具變量)對股價崩盤風險的影響

2.滯后2期估計。我們以管理層語意(MEANING)滯后2期作為工具變量，結論仍然保持不變(限于篇幅，未列報)。

3.遺漏變量問題。本文在模型(6)～(8)的控制變量中添加了公司透明度、機構投資者特征、宏觀經(jīng)濟不確定性指數(shù)等變量，結論仍然保持不變。

4.樣本自選擇問題。業(yè)績好的公司可能更愿意主動選擇召開業(yè)績說明會，因此可能存在自選擇問題。(1)采用PSM傾向得分匹配法做檢驗：首先將大于管理層語意中位數(shù)的樣本取值1，反之取值0，其次采用最近鄰匹配法，以SIZE、BM、LEV、ROA、HOLD、ICI等作為協(xié)變量，進行PSM匹配，最后計算股價崩盤風險的平均處理效應。表5結果表明無論是以NCSKEW還是以DUVOL衡量股價崩盤風險，平均處理效應(ATT)均在1%水平上顯著小于零，說明在考慮到自選擇情況下，管理層語意越正向公司股價崩盤風險越小這一結論仍然成立。(2)區(qū)分兩種企業(yè)樣本。將強制性召開業(yè)績說明會(如中小企業(yè))和自愿召開業(yè)績說明會(如大企業(yè))的樣本區(qū)分開，并檢驗這兩組樣本系數(shù)的差異，結果發(fā)現(xiàn)并不存在明顯差異。(3)Boostrap自抽樣。舉行業(yè)績說明會的公司主要是中小創(chuàng)業(yè)板公司，而中小創(chuàng)業(yè)板與主板的公司存在巨大差異，將中小創(chuàng)業(yè)板公司的結論應用于全部上市公司需要小心。因此針對主板上市公司樣本，采用Boostrap法有放回自抽樣1500次，用小樣本去模擬總體大樣本，結論仍基本不變。由此可見，上述內(nèi)生性檢驗為管理層語意化解未來股價崩盤風險提供了進一步的證據(jù)支持。

表5管理層語意的PSM分析結果

五、穩(wěn)健性分析

(一)自變量的替代變量

借鑒前期研究定義的凈語意：MEANINGt_net=(積極語意-消極語意)/(積極語意+消極語意)[26]，本文將其作為衡量管理層語意的第二種指標(即試圖利用凈語意將中性語意差分掉)。重復表2的檢驗，回歸結果與表2基本一致，即不論采用哪種方法度量管理層語意，管理層語意對股價崩盤風險的影響均具有統(tǒng)計意義上的顯著性。

(二)中介變量的替代變量

參考以往文獻[27]，本文用去趨勢化的流通股超額累計換手率(HSL)作為投資者情緒指標的替代變量，借鑒中介因子方法，進行中介變量的穩(wěn)健性分析?；貧w結果表明,管理層正向語意能夠顯著降低股票換手率，進一步考察管理層語意和換手率對股價崩盤的影響，結果顯示投資者情緒產(chǎn)生部分中介效應，結論保持不變。

(三)改變樣本選擇范圍

考慮到存在潛在崩盤風險的股票給研究帶來不利的影響，本文改變樣本選擇范圍，剔除上一年度Altman Z-score小于經(jīng)驗值2.675的公司，即公司經(jīng)營并不穩(wěn)定，處于“灰色地帶”，面臨嚴重的財務問題，甚至可能破產(chǎn)的潛在的“噪音樣本”，并重復表2的主回歸檢驗。研究結論仍保持不變，并且MEANING的系數(shù)變得更小，意味著剔除潛在“噪音樣本”后，管理層語意更能抑制股價崩盤風險。

六、研究結論、政策啟示與局限

本文基于2010～2014年度我國上市公司業(yè)績說明會這一非財務信息披露形式，采用LSTM深度學習技術對管理層回復內(nèi)容進行文本分析，研究管理層語意對股價崩盤風險的影響，以及投資者情緒能否發(fā)揮抑制股價崩盤風險的中介效應。結果發(fā)現(xiàn)，管理層語意越正向，越能化解股價崩盤風險，且這主要是通過投資者情緒所做出的積極反應所致，投資者能夠明顯感知管理層語意，并通過修正情緒偏差來緩解未來的股價崩盤風險，這說明投資者情緒在管理層語意和股價崩盤風險之間發(fā)揮了中介效應。這些證據(jù)表明，管理層語意信息通過投資者情緒映射到資本市場，降低了信息不對稱程度，在一定程度上化解了公司股價在未來發(fā)生崩盤的風險。

本文的研究結論對監(jiān)管部門具有一定的政策啟示：

第一，上市公司業(yè)績說明會這樣的非財務信息披露形式，是財務信息披露的有益補充。監(jiān)管部門未來可在非財務信息披露的形式多樣性、內(nèi)容互動性、現(xiàn)場即時性等方面做進一步拓展，積極引導上市公司實時、主動、全方位地披露財務和非財務信息，切實有效地保護公司外部投資者的利益。

第二，加大規(guī)范非財務信息披露的內(nèi)容和質(zhì)量。從目前業(yè)績說明會上管理層回答的內(nèi)容來看，并不是每家公司都會做全面細致的披露，存在避重就輕、欲說還休的情形。監(jiān)管部門應當在現(xiàn)有的“規(guī)范指引”基礎上，進一步規(guī)范公司非財務信息內(nèi)容的廣度和深度，加強約束、拉高準繩。

第三，完善技術手段，建立非財務信息預警體系。如果說公司非財務信息具有信息增量，能夠修正投資者情緒，那么對于建立非財務信息預警體系，化解未來股價崩盤風險具有重大實踐意義。隨著計算機自然語言處理技術的不斷進步，監(jiān)管部門應當積極利用先進的文本分析技術，建立包括非財務信息的金融風險預警體系，積極防范并化解金融風險。

第四，本文發(fā)現(xiàn)管理層語意的確具有信息含量，這為股價崩盤風險的誘因提供了最直接的證據(jù)。未來可考慮將管理語意等非財務信息作為影響資產(chǎn)定價的因子納入模型，這為行為金融量化風險研究提供了有益的啟示。

總之，政府監(jiān)管部門應著力完善制度環(huán)境建設，加強信息內(nèi)容規(guī)制，完善金融風險防范體系，避免發(fā)生股價暴跌現(xiàn)象，更好地保護投資者利益，促進我國資本市場穩(wěn)定有序地發(fā)展。

當然，本文的研究還存在一定的局限：首先，對于投資者情緒的衡量是否還有其他更好的衡量指標，譬如通過實驗研究法[28]，采用核磁共振技術[29]，直接獲得腦神經(jīng)感知參數(shù)等[30]。但鑒于數(shù)據(jù)的可得性，本文僅用業(yè)績說明會信息披露后的超額累計回報率進行度量。其次，投資者感知對投資者情感修正的實證檢驗，限于篇幅，本文并沒有沿此繼續(xù)展開，這些方面是本文的局限，也是未來深入探索的方向。

注釋：

①按照以下標準從MPACC專業(yè)的學生中擇優(yōu)：成績優(yōu)等，至少具有5年以上的證券、零售、制造、建筑、交通、醫(yī)藥等相關行業(yè)工作經(jīng)驗；擔任過董秘和財務經(jīng)理優(yōu)先；具有個人或單位股票、期貨投資經(jīng)驗；熟悉管理層業(yè)績說明會的內(nèi)容，并有過參考其內(nèi)容修正投資決策的經(jīng)驗。