（閩南師范大學(xué) 商學(xué)院，福建 漳州 363000）

一、引言

互聯(lián)網(wǎng)技術(shù)給資本市場(chǎng)的信息流動(dòng)帶來深遠(yuǎn)影響，上市公司無法再用傳統(tǒng)方式管理信息披露，一切都變得難以掌控和預(yù)測(cè)[1]。自從滬深交易所推出投資者關(guān)系互動(dòng)平臺(tái)①以來，互聯(lián)網(wǎng)為投資者提供了新型的管理層接觸方式[2]。盡管如此，互聯(lián)網(wǎng)技術(shù)并沒有改變上市公司與投資者之間的信息地位。作為內(nèi)部信息的知情人，上市公司牢牢掌握著互動(dòng)問答的主動(dòng)權(quán)。以2018 年疫苗事件為例，在事件曝光之前，多位投資者在“互動(dòng)易”平臺(tái)先后9 次詢問疫苗問題②，但長(zhǎng)生生物均以“謝謝關(guān)注”“以公告為準(zhǔn)”等方式敷衍搪塞，致使疫苗問題沒能被及時(shí)披露出來。那么，上市公司參與網(wǎng)絡(luò)互動(dòng)受到哪些因素影響？敷衍搪塞投資者會(huì)引起哪些后果？本文從問答博弈視角探討上市公司參與網(wǎng)絡(luò)互動(dòng)的動(dòng)機(jī)，驗(yàn)證回答行為對(duì)公司透明度的影響，最后提出規(guī)范上市公司參與網(wǎng)絡(luò)互動(dòng)的若干政策建議。

互聯(lián)網(wǎng)技術(shù)雖然拉近了投資者與上市公司之間的距離，但基于網(wǎng)絡(luò)的投資者關(guān)系管理依然難有改善。證監(jiān)會(huì)制定的《上市公司與投資者關(guān)系工作指引》指出，投資者關(guān)系工作是指上市公司通過信息披露與交流，加強(qiáng)與潛在投資者之間的溝通，以實(shí)現(xiàn)公司利益最大化和保護(hù)投資者合法權(quán)益。雖然溝通是投資者關(guān)系管理的有效方式[3]，但我國(guó)上市公司并不重視與投資者的溝通[4]，中小投資者的權(quán)益保障不到位[5]?！蹲C券日?qǐng)?bào)》的一項(xiàng)調(diào)查顯示，面對(duì)投資者的網(wǎng)絡(luò)提問，許多公司存在敷衍了事的現(xiàn)象[6]，一些公司還存在回答延遲時(shí)間較長(zhǎng)、回復(fù)內(nèi)容不明確等問題[7]。

造成上市公司與投資者溝通效率不高的原因較多，已有文獻(xiàn)主要關(guān)注約束機(jī)制、外部環(huán)境、公司治理與管理層理念等因素。由于缺乏有效的內(nèi)外部約束機(jī)制，上市公司的管理能力不足，通常不尊重投資者[8]。馬連福等[9]發(fā)現(xiàn)，公司所屬地區(qū)的外部治理環(huán)境越好，投資者關(guān)系管理水平越高。趙穎[10]認(rèn)為適當(dāng)?shù)墓蓹?quán)集中度和管理層持股能夠促進(jìn)投資者管理水平的提升。由于管理層理念淡薄，上市公司存在“重披露而輕溝通”現(xiàn)象，特別是與中小投資者的溝通[4]。由于互動(dòng)平臺(tái)的出現(xiàn)時(shí)間較短，研究上市公司參與網(wǎng)絡(luò)互動(dòng)的文獻(xiàn)不多。最新研究表明，績(jī)優(yōu)公司更愿意通過網(wǎng)絡(luò)披露更多的信息[11]，內(nèi)部控制質(zhì)量更高的公司愿意借助網(wǎng)絡(luò)與投資者溝通[12]。丁慧等[13-14]認(rèn)為社交媒體環(huán)境下投資者信息的獲取與解讀能力得到提升，但是實(shí)際情況并非如此。如果上市公司采取消極回答策略，投資者難以獲得準(zhǔn)確信息，市場(chǎng)信息效率也難以顯著改善。

鑒于投資者相對(duì)弱勢(shì)的信息地位，忽略上市公司的參與意愿是不妥當(dāng)?shù)摹，F(xiàn)實(shí)情境中，上市公司敷衍投資者的現(xiàn)象屢見不鮮。難怪有股民抱怨，“所謂投資者互動(dòng)，不過是上市公司對(duì)上敷衍監(jiān)管、對(duì)下忽悠股民的把戲”③。因此，有必要探究上市公司參與網(wǎng)絡(luò)互動(dòng)的動(dòng)因及其影響，特別是對(duì)公司信息透明度的影響。本文首先刻畫投資者與上市公司之間的問答博弈，在論證博弈報(bào)酬的基礎(chǔ)上建立單期與多期動(dòng)態(tài)博弈模型，推導(dǎo)問答博弈的基本性質(zhì)并提出對(duì)應(yīng)的研究假設(shè)。然后，基于2010—2017年深交所上市公司的互動(dòng)問答數(shù)據(jù)，實(shí)證檢驗(yàn)本文研究假設(shè)。最后，總結(jié)上市公司參與網(wǎng)絡(luò)互動(dòng)的動(dòng)因及對(duì)公司透明度的影響，為相關(guān)部門提出監(jiān)管建議。

相對(duì)于已有研究，本文的特色是構(gòu)建“問答博弈”模型，討論投資者提問內(nèi)容如何影響上市公司的回答策略、回答策略如何影響公司的信息透明度。本文的主要發(fā)現(xiàn)有：（1）當(dāng)互動(dòng)內(nèi)容涉及較多的利空信息時(shí)，上市公司不會(huì)立即采取消極應(yīng)對(duì)策略，直到利空信息占比超過一個(gè)臨界值。一些學(xué)者認(rèn)為公司管理層有動(dòng)機(jī)推遲披露壞消息[15]。按此邏輯，當(dāng)投資者提出負(fù)面問題時(shí)，上市公司拒絕回答或者保持沉默，直到負(fù)面信息積累到一定程度，這與本文發(fā)現(xiàn)并不一致。（2）利好信息占比不存在類似的臨界值，這可能因?yàn)槔招畔⑴c利好信息對(duì)投資者決策、市場(chǎng)的影響是不對(duì)稱的[16-17]。（3）利好信息與利空信息均能夠促使上市公司積極參與網(wǎng)絡(luò)互動(dòng)，相對(duì)而言，利好信息的影響更大。（4）上市公司參與網(wǎng)絡(luò)互動(dòng)的行為對(duì)公司信息透明度有顯著影響：積極參與網(wǎng)絡(luò)互動(dòng)顯著提升公司信息透明度，消極參與網(wǎng)絡(luò)互動(dòng)顯著降低公司信息透明度。

二、基于博弈模型的動(dòng)因分析

（一）基本設(shè)定

網(wǎng)絡(luò)互動(dòng)包含三個(gè)要素：場(chǎng)景、投資者與上市公司。

1.場(chǎng)景。場(chǎng)景為網(wǎng)絡(luò)互動(dòng)提供環(huán)境支持。在場(chǎng)景中，有1 家公司和N 個(gè)投資者（N>1），投資者與公司遵循“一問一答”互動(dòng)模式?；?dòng)結(jié)束后，問答內(nèi)容被記錄并保存。由于網(wǎng)絡(luò)平臺(tái)由證券交易所提供，公司在場(chǎng)景中說謊的概率被設(shè)定為零④。

2.投資者。投資者滿足以下假定：（1）投資者處于信息弱勢(shì)地位，信息識(shí)別是其提問的動(dòng)機(jī)⑤。信息識(shí)別是指投資者搜集、篩選、整理、判斷各類原始信息并轉(zhuǎn)化為決策信息的過程，也是投資者實(shí)現(xiàn)、保護(hù)自身利益的前提⑥[18]。（2）投資者的提問內(nèi)容分為利好與利空兩類，利空信息對(duì)投資者決策的影響更大[16]。（3）在獲得公司回答后，如果信息被準(zhǔn)確識(shí)別，投資者選擇交易；如果信息無法被準(zhǔn)確識(shí)別，投資者放棄交易⑦。

3.公司。公司滿足以下假定：（1）公司處于信息強(qiáng)勢(shì)地位，知曉所有提問的準(zhǔn)確答案⑧。（2）面對(duì)投資者的提問，公司可以選擇積極回答與消極回答兩種策略。積極回答幫助投資者準(zhǔn)確識(shí)別信息，消極回答無法幫助投資者完成信息識(shí)別。（3）公司的回答行為被實(shí)時(shí)公開，多次積極回答為公司累積正面聲譽(yù)，多次消極回答為公司累積負(fù)面聲譽(yù)。

（二）單期博弈模型的建立

在單期博弈中，只存在一次“問與答”，公司對(duì)回答策略的選擇不會(huì)對(duì)其聲譽(yù)造成影響。圖1 給出了單期博弈模型的報(bào)酬設(shè)定，下面對(duì)報(bào)酬設(shè)定依據(jù)給出詳細(xì)的說明。

圖1 單期博弈模型及報(bào)酬設(shè)定

1.利空信息對(duì)投資者、上市公司的影響比利好信息更大。已有大量研究證實(shí)，壞消息對(duì)人們決策行為的影響比好消息更大[16]。從心理學(xué)角度解釋，投資者是風(fēng)險(xiǎn)厭惡的，不喜歡的信息對(duì)其造成的影響比喜歡的信息造成的影響更大。

2.投資者的報(bào)酬取決于信息是否被有效識(shí)別。如果公司采取積極回答策略，在準(zhǔn)確獲取利好信息時(shí)，投資者交易獲1 個(gè)正報(bào)酬；在準(zhǔn)確獲取利空信息時(shí)，投資者交易獲2 個(gè)正報(bào)酬⑨。如果公司采取消極回答策略，投資者選擇不交易，其報(bào)酬為零。

3.公司的報(bào)酬僅與信息擴(kuò)散有關(guān)，與公司的回答策略無關(guān)。在網(wǎng)絡(luò)問答過程中，公司的“報(bào)酬”來自于股票在二級(jí)市場(chǎng)的短期表現(xiàn)，并非來自公司業(yè)績(jī)?cè)陂L(zhǎng)期上的盈利或者虧損。當(dāng)信息已經(jīng)出現(xiàn)，積極回應(yīng)或消極回應(yīng)，都難以阻止已經(jīng)出現(xiàn)的影響。大量已有研究證明，公司的解釋或者澄清難以挽回信息對(duì)股價(jià)造成的影響[19-22]。如果投資者提問是利好的，正面信息進(jìn)入公眾視野，公司獲得1 個(gè)正報(bào)酬。如果投資者提問是利空的，負(fù)面消息進(jìn)入公眾視野，公司獲得2 個(gè)負(fù)報(bào)酬。

4.其他說明。（1）公司無法事先知曉投資者的提問是利好還是利空。本文假定提問利空的概率為p，利好的概率為（1-p）。（2）公司對(duì)回答策略的選擇不受法規(guī)與監(jiān)管的約束⑩。對(duì)于利空提問，公司選擇積極策略的概率為a，選擇消極策略的概率為（1-a）；對(duì)于利好提問，公司選擇積極策略的概率為b，選擇消極策略的概率為（1-b）。

（三）單期博弈模型的求解

1.先分析投資者的決策。投資者有兩種純策略：交易與不交易。

如果選擇不交易，投資者獲得的期望報(bào)酬為零，E（不交易）=0。

如果選擇交易，投資者獲得的期望報(bào)酬為：

式（1）中，S1、S2、S3、S4分別對(duì)應(yīng)投資者位于四種狀態(tài)的概率。四種狀態(tài)即（利空、積極回答）、（利空、消極回答）、（利好、積極回答）、（利好、消極回答），其概率之和為1。

已知提問利空的概率為p（0＜p＜1）?，利好的概率為（1-p）。利空條件下公司積極回答的概率為a（0＜a＜1），消極回答的概率為（1-a）；利好條件下公司積極回答的概率為b（0＜b＜1），消極回答的概率為（1-b）。則S1可表示為p×a，S3可表示為（1-p）×b，式（1）可以轉(zhuǎn)化為：

顯然，交易的期望報(bào)酬大于零。由于E（不交易）=0，在公司積極回答的情況下，投資者確定選擇交易；在公司消極回答的情況下，投資者確定不交易。

2.再分析公司的決策。投資者提問直接決定公司的報(bào)酬，公司將采取混合策略。在單期博弈中，一個(gè)有利的狀態(tài)為（投資者提問、公司積極回答、投資者交易），其結(jié)果有利于投資者信息能力的提升、市場(chǎng)信息效率的改善。此時(shí)，需要保證公司選擇積極回答的期望報(bào)酬大于其選擇消極回答的期望報(bào)酬。由此，根據(jù)圖1 有：

令E（積極回答）＞E（消極回答），求解關(guān)于p 的不等式：

已知a、b、p 均屬于（0，1），假定a=b?，討論以下三種情形：

（1）a→1，b→1，則（4a+2b-3）＞0，2b-1＞0，式（5）等價(jià)于：

依據(jù)概率的性質(zhì)，0＜P1＜1，則有a＞0.5，條件可以滿足。

對(duì)P1求極限得到：

（2）a→0.5，b→0.5，則（4a+2b-3）＞0，2b-1＞0，式（5）等價(jià)于：

依據(jù)概率的性質(zhì)，0＜P2＜1，則有a＞0.5，條件可以滿足。

對(duì)P2求極限得到：

（3）a→0，b→0，則（4a+2b-3）＜0，2b-1＜0，式（5）等價(jià)于：

依據(jù)概率的性質(zhì)，0＜P3＜1，則有a＜0.5，條件可以滿足。

對(duì)P3求極限得到：

上述三種情形中，（1）與（2）可以相容，但它們與（3）存在矛盾。由于博弈均衡需要保證公司采取積極回答策略，a=b=0 是不合理的，情形（3）亦不能成立。

根據(jù)（1）與（2）的討論可知，存在一個(gè)臨界概率p#，當(dāng)利空概率p＜p#時(shí)，公司采取積極回答策略，從而達(dá)到{投資者愿意問，上市公司愿意答}的均衡狀態(tài)，此狀態(tài)標(biāo)記為G。當(dāng)利空概率p＞p#時(shí)，公司采取消極回答策略，從而達(dá)到{投資者愿意問，上市公司不愿答}的均衡狀態(tài)，此狀態(tài)標(biāo)記為B。雖然網(wǎng)絡(luò)提問的成本是微小的，但如果無法獲得積極回答，投資者最終會(huì)放棄提問，狀態(tài)B 會(huì)演變?yōu)椋顿Y者不愿問，上市公司不回答｝的狀態(tài)。對(duì)于上市公司信息披露和資本市場(chǎng)的信息流動(dòng)而言，狀態(tài)G 顯然好于狀態(tài)B。

（四）多期博弈模型的建立

多期博弈中，N 個(gè)投資者先后多次提問，公司的回答行為影響自身聲譽(yù)，具體為：

式（9）中，x 代表公司的回答次數(shù)。積極回答次數(shù)越多，公司聲譽(yù)越好；消極回答次數(shù)越多，公司聲譽(yù)越差。在報(bào)酬設(shè)定時(shí)，本文使用符號(hào)R（R＞0）表示良好聲譽(yù)給公司帶來的正報(bào)酬，而-R 則表示壞聲譽(yù)給公司帶來的負(fù)報(bào)酬。如圖2 所示，好聲譽(yù)帶來R的報(bào)酬，壞聲譽(yù)帶來-R 的報(bào)酬。除了聲譽(yù)帶來的報(bào)酬之外，圖2 的其他部分與圖1 完全一致。

圖2 多期博弈模型及報(bào)酬設(shè)定

（五）多期博弈模型的求解

多期博弈模型的求解過程與單期博弈模型基本一致，唯一差別是聲譽(yù)的激勵(lì)作用。公司選擇不同策略的期望報(bào)酬可分別表示為：

令式（10）＞式（11），可求解關(guān)于p 的不等式。由于聲譽(yù)會(huì)激勵(lì)公司采取積極回答策略，多期博弈模型均衡點(diǎn)對(duì)應(yīng)的臨界概率p#會(huì)被放寬。具體來講，如果單期博弈均衡點(diǎn)對(duì)應(yīng)的臨界概率為p#（單），多期博弈均衡點(diǎn)對(duì)應(yīng)的臨界概率為p#（多），則有：p#（單）＜1/3＜p#（多）。由于結(jié)果明顯，此處不再贅述證明。

三、問答博弈的性質(zhì)與研究假設(shè)的提出

（一）單期博弈模型

性質(zhì)1：給定利空信息，公司積極回答的概率為a（0＜a＜1）；給定利好信息，公司積極回答的概率為b（0＜b＜1）；則a＜b。

管理層選擇信息披露時(shí)點(diǎn)的影響因素較為復(fù)雜，但及時(shí)披露好消息、推遲披露壞消息已經(jīng)得到學(xué)術(shù)界的普遍認(rèn)同[15，23-25]。然而，管理層隱藏壞消息在網(wǎng)絡(luò)互動(dòng)情境中有所不同，因?yàn)閱栴}發(fā)起的主動(dòng)權(quán)掌握在投資者手中，管理層只能被動(dòng)地選擇積極回答或者消極回答策略。在這種特殊模式下，上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性必然受到提問內(nèi)容的影響。其中，利好信息促使公司積極參與互動(dòng)是顯然的，因?yàn)楹孟?duì)公司股價(jià)有正面影響[26]。如果將公司對(duì)利空提問的回應(yīng)看作特殊的“傳聞澄清”，則公司有動(dòng)機(jī)迅速澄清利空信息[21]。由于壞消息對(duì)人們決策行為的影響比好消息更大[16]，可得到本文的第一個(gè)研究假設(shè)：

H1：保持其他條件不變，利空信息越多，公司參與網(wǎng)絡(luò)互動(dòng)的積極性越高；利好信息越多，公司參與網(wǎng)絡(luò)互動(dòng)的積極性越高。相對(duì)而言，利好信息的影響更大。

性質(zhì)2：存在一個(gè)臨界的利空概率p#，當(dāng)p＜p#時(shí)，上市公司更愿意采取積極回答策略；當(dāng)p＞p#時(shí)，上市公司更愿意采取消極回答策略。

已有文獻(xiàn)證明好消息與壞消息對(duì)市場(chǎng)的影響是不同的，好消息對(duì)公司股價(jià)有正面影響[26]，壞消息給股票收益帶來下行壓力[27]。當(dāng)投資者的提問涉及利空信息時(shí)，可以將公司的回答看作一種特殊的“傳聞澄清”。從心理學(xué)角度看，傳聞為當(dāng)事人帶來了恐懼與不安，相關(guān)人員有強(qiáng)烈動(dòng)機(jī)評(píng)價(jià)傳聞內(nèi)容以消除不利影響[28]。從委托代理角度看，公司高管出于考慮個(gè)人職業(yè)生涯、薪酬待遇等原因，也有必要及時(shí)出面澄清負(fù)面信息，盡管效果并不理想[21]。然而，已有研究并沒有考慮到利空信息影響的“非線性”。根據(jù)本文提出的問答博弈模型，當(dāng)利空信息占比低于某個(gè)臨界值p#時(shí)，上市公司有動(dòng)機(jī)采取積極回應(yīng)策略；當(dāng)利空信息占比超過p#時(shí)，上市公司將采取“破罐子破摔”的消極回答策略。

由前文的模型推導(dǎo)可知，臨界值p#的存在源于上市公司的期望報(bào)酬滿足不等式：E（積極回答）＞E（消極回答）。此時(shí)，有利的市場(chǎng)均衡狀態(tài)G 會(huì)出現(xiàn)?。實(shí)際上，利空臨界概率的數(shù)值1/3 與報(bào)酬設(shè)定有關(guān)，這表明1/3 不是p#的唯一值。改變報(bào)酬的數(shù)值設(shè)定，并不影響p#存在的事實(shí)。假定利空、利好的影響是對(duì)稱的，具體為：（1）利空問題得到積極回答，投資者得到的報(bào)酬為1；（2）利好問題得到積極回答，投資者獲得的報(bào)酬也為1；（3）利空問題出現(xiàn)時(shí)，公司獲得報(bào)酬為-1；（4）利好問題出現(xiàn)時(shí)，公司獲得報(bào)酬為1。那么，p#將從1/3 變?yōu)?/2。由此，從性質(zhì)2 可得到第二個(gè)研究假設(shè)：

H2：保持其他條件不變，當(dāng)利空信息比例?小于p#時(shí)，利空比例越高，公司參與互動(dòng)的積極性越強(qiáng)；當(dāng)利空比例大于p#時(shí)，利空比例越高，公司參與互動(dòng)的積極性越低。

從實(shí)證分析角度看，只要存在一個(gè)p#即可，無論p#=1/3 或者p#=1/2，都可以觀察到研究假設(shè)H2得到驗(yàn)證，只不過結(jié)果的統(tǒng)計(jì)顯著性可能存在差異。當(dāng)然，借助實(shí)證結(jié)果的顯著性可以判斷p#更接近1/3還是更接近1/2，但這并不影響p#存在的事實(shí)。實(shí)際上，根據(jù)前文的多期博弈結(jié)果可以推斷，由于聲譽(yù)機(jī)制的存在，p#將會(huì)大于1/3，表明聲譽(yù)的存在提高了上市公司對(duì)問題利空信息比例的容忍程度。

（二）多期博弈模型

性質(zhì)3：消極回答降低公司信息透明度，積極回答提高公司信息透明度。

基于互聯(lián)網(wǎng)的互動(dòng)問答屬于投資者關(guān)系管理的范疇，中國(guó)證監(jiān)會(huì)制定的《上市公司與投資者關(guān)系工作指引》指出，“上市公司應(yīng)主動(dòng)聽取投資者的意見、建議，形成良性互動(dòng)”。公司信息透明度是指公司財(cái)務(wù)、管理等信息公開披露的程度，它是市場(chǎng)有效運(yùn)行的基本條件，更關(guān)系到資源配置的有效性和資本市場(chǎng)的健康發(fā)展[29]。由于投資者的注意力和信息處理能力是有限的，即便有些信息已經(jīng)公開，投資者仍然難以及時(shí)理解它們[30]。當(dāng)投資者借助網(wǎng)絡(luò)了解公司信息時(shí)，積極回答將有利于信息披露，消極回答不利于信息披露。由此，可得到第三個(gè)研究假設(shè)：

H3：保持其他條件不變，參與網(wǎng)絡(luò)互動(dòng)越積極的公司，其信息透明度越高。

四、實(shí)證分析與討論

（一）研究設(shè)計(jì)

1.研究方法。實(shí)證部分以面板數(shù)據(jù)回歸方法為主。首先選用混合面板回歸（POLS），其次通過診斷方法選取更加適宜的回歸模型，包括固定效應(yīng)模型或隨機(jī)效應(yīng)模型。為了完成研究假設(shè)H1后半部分，本文采用Wald 檢驗(yàn)比較解釋變量回歸系數(shù)的差異。

【癥狀】 患病魚攝食不良，體色全身黑化。嚴(yán)重的患病魚，可見患部表皮白化，體表、鰭條與鰓蓋內(nèi)側(cè)發(fā)紅和糜爛，鰓呈現(xiàn)貧血等癥狀。有時(shí)外觀上也看不到特別明顯的癥狀（限于患病部位在腦部的情況下）。

2.數(shù)據(jù)來源與樣本選擇。實(shí)證分析選取三類數(shù)據(jù)：上市公司參與網(wǎng)絡(luò)互動(dòng)的問答數(shù)據(jù)、上市公司的財(cái)務(wù)數(shù)據(jù)、股票交易數(shù)據(jù)。其中，財(cái)務(wù)數(shù)據(jù)與股票數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫(kù)。借鑒岑維等[31]、譚松濤等[2]的做法，互動(dòng)問答數(shù)據(jù)取自深交所的投資者關(guān)系互動(dòng)平臺(tái)。研究樣本選取2010—2017 年在深交所正常上市的公司，剔除了符合下列條件之一的樣本：（1）在一年內(nèi)，網(wǎng)絡(luò)互動(dòng)次數(shù)少于50 次的公司?；（2）在研究區(qū)間內(nèi)處于異常狀態(tài)的股票，例如ST 或*ST等；（3）在研究區(qū)間內(nèi)，數(shù)據(jù)出現(xiàn)大面積缺失的公司。經(jīng)過整理，最終得到“公司-年度”觀測(cè)值8912 個(gè)。

3.變量定義與構(gòu)造。（1）公司參與網(wǎng)絡(luò)互動(dòng)的積極性（ACTIVE）。本文使用“回答延遲天數(shù)”評(píng)價(jià)公司參與網(wǎng)絡(luò)互動(dòng)的積極性，采用回答日期與提問日期之間的工作日天數(shù)計(jì)算，用Delay 表示。如果公司當(dāng)天回答投資者的提問，則Delay=0；第2 天回答，則Delay=1；依次類推。如果公司超過12 個(gè)月沒有回答投資者的提問，設(shè)定Delay=365。實(shí)證分析中，采用Delay 的年度均值。Delay 越小，表明公司參與網(wǎng)絡(luò)互動(dòng)的積極性越高。Delay 越大，表明公司參與網(wǎng)絡(luò)互動(dòng)的積極性越低。

基于穩(wěn)健性考慮，本文選取另一個(gè)評(píng)價(jià)變量——投資者提問被公司回答的比例，用AnswerRate 表示。每一家公司對(duì)應(yīng)的問題回答比例按如下方法計(jì)算：

式（12）中，t 表示年份，從t 年5 月1 日開始至（t+1）年的4 月30 日，TOTALt表示t 年內(nèi)“投資者的提問總次數(shù)”，ANSWERt表示t 年內(nèi)“提問被公司回答的總次數(shù)”。AnswerRate 越大，表明公司參與網(wǎng)絡(luò)互動(dòng)的積極性越高。AnswerRate 越小，表明公司參與網(wǎng)絡(luò)互動(dòng)的積極性越差。

（2）利空信息與利好信息。借鑒Tetlock et al.[27]的做法，本文通過情感詞匯的比率度量互動(dòng)內(nèi)容?的利好與利空。在語(yǔ)言表達(dá)中，一些詞匯具有明顯的情感特征，或是正面（積極）的，或是負(fù)面（消極）的，它們可以用來度量文字資料的正面或者負(fù)面屬性。自2012 年以來，國(guó)內(nèi)學(xué)者整理了多個(gè)情感詞匯表，較早的文獻(xiàn)包括Li et al.[32]、汪昌云等[33]、易洪波等[34]、尹海員等[35]。其中，Li et al.[32]、汪昌云等[33]的詞匯表包含詞匯較為全面，且具有較強(qiáng)的財(cái)經(jīng)特色與傳媒特色?？紤]到情感詞匯的可獲取性與維護(hù)的可持續(xù)性，本文選取Li et al.[32]于2012 年開始整理并維護(hù)至今的FinDict?。

對(duì)于每一家公司，互動(dòng)內(nèi)容的利空信息計(jì)算方法如下：

式（13）中，t 表示年份，從t 年5 月1 日開始至（t+1）年的4 月30 日，Nt，NEG表示一年度內(nèi)全部互動(dòng)包含的負(fù)面詞匯個(gè)數(shù)，Nt，Total表示一年度內(nèi)全部互動(dòng)包含的詞匯總個(gè)數(shù)。

（3）利空比例（NP）。根據(jù)博弈模型的性質(zhì)2，p代表投資者提問為利空的概率。然而，確切界定一段文字是利好還是利空比較困難。一般認(rèn)為，如果利空信息相對(duì)于利好信息有明顯優(yōu)勢(shì)，該段文字有更大的可能是利空的。鑒于此，本文進(jìn)行簡(jiǎn)易處理。在每一家公司的t 年內(nèi)，“利空比例”指利空信息與利好信息的比例，由式（13）與式（14）相除得到?，可作為研究假設(shè)H2的解釋變量。從頻率角度考慮，利空比例（NP）與提問的利空概率無法等價(jià)，但是考慮p#不是一個(gè)精確數(shù)值，NP 與利空概率之間的差異是可以接受的?。

（4）信息披露考評(píng)（CREDIT）。自2001 年以來，深交所發(fā)布并多次修訂了《深圳證券交易所上市公司信息披露工作考核辦法》（以下簡(jiǎn)稱《考核辦法》）?！犊己宿k法》從真實(shí)性、準(zhǔn)確性、完整性、及時(shí)性、合法合規(guī)性和公平性共六個(gè)方面評(píng)價(jià)上市公司的信息披露水平，并給予A、B、C、D 四個(gè)檔次的評(píng)級(jí)。其中，A為最高等級(jí)，B 表示中等水平，C 等級(jí)稍差，D 等級(jí)最差。由于信息披露是上市公司立足于資本市場(chǎng)的核心工作，考評(píng)等級(jí)在很大程度上揭示了上市公司的信息披露水平。從2002 年開始，深交所對(duì)場(chǎng)內(nèi)的上市公司執(zhí)行每年一次的年度考核，十六年來未曾間斷。由于考核結(jié)果具有較強(qiáng)的權(quán)威性與廣泛的社會(huì)影響，本文選取信息披露考核等級(jí)作為上市公司信息透明度的代表，用于檢驗(yàn)研究假設(shè)H3。

4.控制變量。上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性與公司管理水平、公司經(jīng)營(yíng)業(yè)績(jī)有關(guān)，本文控制變量選取第一大股東持股比例、管理層持股、是否國(guó)有控股、CEO 權(quán)利、獨(dú)立董事占比、女性CEO、總資產(chǎn)收益率、公司規(guī)模、資產(chǎn)負(fù)債率、市值賬面比。此外，控制變量還包括分析師跟蹤、所屬行業(yè)、是否為融資融券標(biāo)的、是否為創(chuàng)業(yè)板公司、所在年份。表1 給出了全部變量的描述，所有連續(xù)變量均完成上下1%的winzorize 處理。

5.模型設(shè)定。為了檢驗(yàn)研究假設(shè)H1，本文設(shè)定如下模型：

式（15）中，t 表示年份，與Talk_NEG、Talk_POS 的年度劃分一致。Active 代表上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性，分別用LnDelay 和AnswerRate 代表。Talk_NEG代表互動(dòng)內(nèi)容的利空信息，Talk_POS 代表互動(dòng)內(nèi)容的利好信息，Controls 是表1 中的控制變量。

研究假設(shè)H2的檢驗(yàn)?zāi)Ｐ图尤肓私忉屪兞坷毡壤∟P），具體見式（16）。由于利好與利空是相對(duì)的，式（16）也會(huì)討論利好比例（PN）。在研究假設(shè)H3的模型中，被解釋變量替換為考核等級(jí)CREDIT，解釋變量替換為上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性，包括LnDelay 和AnswerRate，具體見式（17）。結(jié)合實(shí)證分析中的具體情形，上述回歸模型的解釋變量會(huì)有細(xì)微調(diào)整，此處不再贅述。

表1 變量介紹

（二）描述性統(tǒng)計(jì)分析

如表2 所示，幾個(gè)關(guān)鍵變量的統(tǒng)計(jì)結(jié)果揭示出一定的意義。LnDelay 的均值為1.965 9，折算成工作日天數(shù)為7.139 天，表明投資者的提問平均1.5 周后會(huì)得到答復(fù)。AnswerRate 的均值為0.932 4，表明有93.24%的提問可以得到回答。LnANALYST 的均值為1.460 5，折算成跟蹤團(tuán)隊(duì)約為4.3 個(gè)，表明公司普遍得到了分析師的關(guān)注。CREDIT 的均值為0.693 7，而考評(píng)等級(jí)B 的分?jǐn)?shù)為0.67 分，表明公司整體信息披露等級(jí)并不樂觀。Talk_POS 的均值為5.845 0，高于Talk_NEG 的均值2.065 0，說明互動(dòng)內(nèi)容的利好信息相對(duì)較多?。

表2 變量的描述性統(tǒng)計(jì)分析

（三）研究假設(shè)的檢驗(yàn)

1.研究假設(shè)H1。表3 給出了以LnDelay 為被解釋變量的回歸結(jié)果。在控制了相關(guān)變量之后，利空信息Talk_NEG 的系數(shù)為-0.197 3，利好信息Talk_POS的系數(shù)為-0.178 9，它們均在1%水平上顯著為負(fù)，表明利空信息與利好信息都會(huì)促使公司及時(shí)回答投資者的提問。表4 給出了以AnswerRate 為被解釋變量的回歸結(jié)果，利空信息Talk_NEG 的系數(shù)為0.028 4，利好信息Talk_POS 的系數(shù)為0.022 0，均在1%的水平上顯著，表明利空信息與利好信息均會(huì)促使公司更多地回答投資者的提問。綜合分析，表3 與表4 的回歸結(jié)果支持了研究假設(shè)H1的前半部分，即利空信息與利好信息都能促使公司積極參與網(wǎng)絡(luò)互動(dòng)。

表3 利空信息、利好信息與公司參與網(wǎng)絡(luò)互動(dòng)的積極性（LnDelay）

表4 利空信息、利好信息與公司參與網(wǎng)絡(luò)互動(dòng)的積極性（AnswerRate）

綜合分析，利空信息與利好信息都會(huì)促使公司積極參與網(wǎng)絡(luò)互動(dòng)，這是上市公司參與網(wǎng)絡(luò)互動(dòng)的外部動(dòng)因。然而，a 與b 之間的相對(duì)大小關(guān)系卻難以判斷。本文將在穩(wěn)健性分析部分選擇固定效應(yīng)模型或隨機(jī)效應(yīng)模型替換當(dāng)前的混合面板模型，進(jìn)一步探討a 與b 之間的大小關(guān)系。

2.研究假設(shè)H2。該假設(shè)的目標(biāo)是確認(rèn)利空比例（NP）是否存在一個(gè)臨界值p#，使得p#兩側(cè)的研究樣本出現(xiàn)截然相反的回歸結(jié)果。本文選取利空比例（NP）的1/3 分位數(shù)，得到NP1/3=0.275。采用LnDelay為被解釋變量，如表5 中的模型（1）和（2）所示：當(dāng)NP＜0.275 時(shí)，其回歸系數(shù)為負(fù)值（-4.146 7）且在1%的水平上顯著為負(fù)，表明利空比例越高，公司的回答延遲越短；當(dāng)NP＞0.275 時(shí)，其回歸系數(shù)為正值（0.117 2）且在5%的水平上顯著，表明利空比例越高，公司的回答延遲越長(zhǎng)。采用AnswerRate 為被解釋變量，如表5 中模型（3）和（4）所示：當(dāng)NP＜0.275時(shí)，其回歸系數(shù)為正值（0.910 3）且在1%的水平上顯著，表明利空比例越高，公司回答提問的比例越高；當(dāng)NP＞0.275 時(shí)，其回歸系數(shù)為負(fù)值（-0.015 6）且在1%的水平上顯著，表明利空比例越高，公司回答提問的比例越低。上述分析表明，利空概率存在一個(gè)臨界值p#，在其兩側(cè)，利空信息對(duì)上市公司參與網(wǎng)絡(luò)互動(dòng)的影響恰好相反，且至少在5%的水平上顯著，研究假設(shè)H2得到支持?。

表5 利空比例與公司參與網(wǎng)絡(luò)互動(dòng)的積極性（p#=1/3）

3.研究假設(shè)H3。本研究假設(shè)希望確認(rèn)公司參與網(wǎng)絡(luò)互動(dòng)的行為對(duì)其信息透明度有顯著影響。如表6 所示，CREDIT 是公司年度考評(píng)等級(jí)轉(zhuǎn)化的數(shù)值，代表公司信息透明度。結(jié)果顯示，LnDelay 的系數(shù)為負(fù)值（-0.010 3）且在1%的水平上顯著，AnswerRate的系數(shù)為正值（0.059 1）且在1%的水平上顯著，表明積極參與網(wǎng)絡(luò)互動(dòng)的上市公司，下一年度的考評(píng)等級(jí)對(duì)應(yīng)的數(shù)值越高，公司信息透明度越高，研究假設(shè)H3得到實(shí)證支持。

基于穩(wěn)健性的考慮，本文對(duì)表6 中的兩個(gè)模型進(jìn)行適當(dāng)調(diào)整。根據(jù)表6 的設(shè)計(jì)，解釋變量是被解釋變量的滯后一期。雖然這種做法的本意是緩解內(nèi)生性問題，但在本實(shí)證中存在一定的不足。根據(jù)《考核辦法》，被解釋變量CREDITt+1的年度考核時(shí)間是（t+1）年的5 月1 日至（t+2）年的4 月30 日，而解釋變量LnDelayt與AnswerRatet的年度時(shí)間范圍是t年5 月1 日至（t+1）年的4 月30 日。顯而易見，公司在t 年參與網(wǎng)絡(luò)互動(dòng)的行為沒有影響CREDITt+1的形成，因?yàn)橹虚g存在一個(gè)年度的時(shí)間差。

表6 公司參與網(wǎng)絡(luò)互動(dòng)對(duì)公司信息透明度的影響

對(duì)于研究假設(shè)H3而言，被解釋變量CREDIT 與解釋變量LnDelay 與AnswerRate 在同一年度不存在內(nèi)生性問題，因?yàn)榭荚u(píng)是事后工作，不會(huì)對(duì)公司已經(jīng)發(fā)生的行為產(chǎn)生影響。本文在表7 中做了對(duì)應(yīng)的調(diào)整，將被解釋變量與解釋變量放在同一個(gè)年度。回歸結(jié)果顯示，LnDelay 的系數(shù)為-0.0106，AnswerRate 的系數(shù)為0.068 6，二者均在1%的水平上顯著。表7 的回歸結(jié)果與表6 的回歸結(jié)果一致，研究假設(shè)H3得到進(jìn)一步證實(shí)。

表7 公司參與網(wǎng)絡(luò)互動(dòng)對(duì)公司信息透明度的影響（同期）

（四）穩(wěn)健性分析

前文實(shí)證分析過程中已經(jīng)完成了一些穩(wěn)健性分析，包括：采用AnswerRate 變量替換LnDelay，代表上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性；將式（17）中的被解釋變量與解釋變量放到同一個(gè)年度內(nèi)。

為了進(jìn)一步檢驗(yàn)實(shí)證結(jié)果的可靠性，本文更換計(jì)量回歸模型。雖然混合面板模型（POLS）控制了行業(yè)、年份、公司治理、公司業(yè)績(jī)等十多個(gè)變量，但也可能會(huì)遺漏關(guān)鍵變量，因而可以嘗試采用固定效應(yīng)模型或隨機(jī)效應(yīng)模型。本文使用R 語(yǔ)言plm 工具包中的phtest()函數(shù)對(duì)式（15）的模型進(jìn)行豪斯曼檢驗(yàn)，結(jié)果拒絕隨機(jī)效應(yīng)。進(jìn)一步使用plm 工具包中的plmtest()函數(shù)在個(gè)體固定效應(yīng)與時(shí)間固定效應(yīng)之中進(jìn)行選擇，結(jié)果支持個(gè)體固定效應(yīng)。

與混合面板相比，固定效應(yīng)的回歸結(jié)果并沒有太多變化。此外，通過Wald 系數(shù)約束條件檢驗(yàn)也支持了研究假設(shè)H1中的a＜b。由于篇幅所限，結(jié)果沒有匯報(bào)。最終，上述分析表明研究假設(shè)H1、H2都得到實(shí)證支持。

五、研究結(jié)論與政策建議

隨著網(wǎng)絡(luò)時(shí)代的到來，投資者關(guān)系互動(dòng)平臺(tái)已經(jīng)成為上市公司重要的非正式信息披露媒介，但監(jiān)管部門尚沒有出臺(tái)有針對(duì)性的管理細(xì)則。為了研究上市公司參與網(wǎng)絡(luò)互動(dòng)的行為，為有關(guān)部門提供必要的政策建議，本文建立并求解了投資者與上市公司之間的問答博弈模型，討論了博弈模型的基本性質(zhì)?；?010—2017 年深交所正常的上市公司的財(cái)務(wù)數(shù)據(jù)、股票交易數(shù)據(jù)、投資者關(guān)系互動(dòng)平臺(tái)的問答數(shù)據(jù)以及深交所的信息披露考評(píng)數(shù)據(jù)，本文實(shí)證檢驗(yàn)了博弈模型的三個(gè)基本性質(zhì)，有如下發(fā)現(xiàn)：（1）互動(dòng)內(nèi)容的利空信息與利好信息都能夠促使上市公司積極參與網(wǎng)絡(luò)互動(dòng)，相對(duì)而言，利好信息的影響比利空信息更大。（2）利空比例，即互動(dòng)內(nèi)容中利空信息與利好信息的比值，存在一個(gè)臨界值p#，當(dāng)利空比例小于p#時(shí)，利空比例越高，上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性越高；當(dāng)利空比例大于p#時(shí)，利空比例越高，上市公司參與網(wǎng)絡(luò)互動(dòng)的積極性越低。（3）上市公司參與網(wǎng)絡(luò)互動(dòng)的行為對(duì)公司信息透明度有顯著影響，積極參與互動(dòng)顯著改善上市公司信息透明度。

基于上述理論分析與實(shí)證分析，本文認(rèn)為監(jiān)管部門應(yīng)當(dāng)采取必要措施維持市場(chǎng)始終位于｛投資者愿意問，上市公司愿意答｝的均衡狀態(tài)，主要做好以下工作：（1）及時(shí)并嚴(yán)格處罰上市公司違規(guī)行為，增加公司違規(guī)成本，特別是聲譽(yù)成本。公司違規(guī)行為的減少可以降低投資者發(fā)起利空提問的可能性，使利空比例盡可能低于臨界值，防止觸發(fā)公司“破罐子破摔”的臨界點(diǎn)。（2）擴(kuò)大網(wǎng)絡(luò)互動(dòng)平臺(tái)的影響力，幫助投資者挖掘公司信息。隨著互動(dòng)平臺(tái)影響力的擴(kuò)大，投資者數(shù)量急劇增加。在可以挖掘到新信息的條件下，投資者提問熱情高漲，互動(dòng)行為對(duì)公司聲譽(yù)累積效果更加明顯。（3）不要處罰上市公司的消極回答行為。消極回答行為雖然與《上市公司與投資者關(guān)系工作指引》的要求不符，但處罰消極回答行為并不能導(dǎo)致積極回答行為的出現(xiàn)，還有可能陷入“上有政策、下有對(duì)策”的惡性循環(huán)。實(shí)際上，不處罰的做法可以給聲譽(yù)機(jī)制留下足夠的空間，不僅可以提升公司對(duì)利空信息的容忍程度，還能促進(jìn)公司采取積極回答策略。

本文亦存在諸多不足之處：（1）博弈模型的設(shè)定、求解還需要進(jìn)一步完善。（2）利好、利空的度量還有改進(jìn)空間。雖然詞頻統(tǒng)計(jì)方法已經(jīng)取得廣泛認(rèn)同，但網(wǎng)絡(luò)互動(dòng)與財(cái)經(jīng)新聞、分析師報(bào)告有很大不同，許多用詞不夠規(guī)范。筆者會(huì)在未來的研究中繼續(xù)尋求改善方法。

注釋：

①上交所推出網(wǎng)絡(luò)平臺(tái)是“e 互動(dòng)”，于2013 年上線運(yùn)營(yíng)；深交所推出網(wǎng)絡(luò)平臺(tái)是“互動(dòng)易”，于2010 年上線運(yùn)營(yíng)。

②9 次提問分別發(fā)生在2017 年11 月3 日、2017 年11月8 日、2017 年11 月23 日（2 次提問）、2017 年12 月6 日、2017 年12 月26 日、2018 年1 月23 日、2018 年1 月24 日、2018 年2 月11 日。

③出自東方財(cái)富股吧的“金健米業(yè)吧”一位投資者的網(wǎng)帖，該帖子得到了眾多網(wǎng)友的支持。

④公司不會(huì)留下對(duì)自己不利的說謊證據(jù)。此外，本文還假定公司不會(huì)違法泄露內(nèi)幕信息。

⑤由于信息需求是“個(gè)性化”的，投資者難以搜索到與自己需求完全匹配的問題和答案。

⑥準(zhǔn)確信息對(duì)投資者的交易行為是有利的。在信息被準(zhǔn)確識(shí)別后，投資者未來的股票交易、債券交易、參加股東答會(huì)等行為都會(huì)取得更好的結(jié)果。如果信息無法識(shí)別，投資者難以形成有效決策，不會(huì)發(fā)生后續(xù)的交易行為。

⑦該假定的本意是投資者可以從信息識(shí)別中獲益。如果信息無法被準(zhǔn)確識(shí)別，理性投資者不會(huì)選擇盲目交易。本文作者感謝第十四期廣州香樟經(jīng)濟(jì)學(xué)Seminar 各位學(xué)者給出的寶貴意見。

⑧在互動(dòng)問答中，由證券事務(wù)代表、董事會(huì)秘書或其他人員代表公司回答問題。對(duì)于不知曉答案的情形，本文假定回答者能夠向公司的控股股東、管理層或?qū)嶋H控制人求證實(shí)情。為了方便分析，本文博弈模型中的“公司”只是一個(gè)代號(hào)，其背后應(yīng)當(dāng)是實(shí)際控制人。本文作者感謝匿名審稿人提出的意見。

⑨需要特別指出的是，報(bào)酬的具體數(shù)值是1 或者2，甚至0.5，均不影響本文的主要結(jié)論。利空占比臨界值p#的存在是本文的核心結(jié)論之一。從后續(xù)p#的推導(dǎo)可知，只要利空與利好的影響是一致的，p#就會(huì)存在，無論相對(duì)大小是多少。

⑩實(shí)際上，當(dāng)前并沒有強(qiáng)制措施處罰上市公司敷衍投資者提問的行為。

?如果p=0，表明投資者只問利好問題、不問利空問題，這種情形與實(shí)際不符，故本文不考慮端點(diǎn)情形。

?在本部分的討論中，a 與b 之間的大小關(guān)系不影響推導(dǎo)結(jié)果，本文后續(xù)會(huì)討論a 與b 的相對(duì)大小。

?有利市場(chǎng)均衡狀態(tài)G 不僅是問答模型的推導(dǎo)結(jié)果，也是市場(chǎng)監(jiān)管部門、廣大投資者期待的且在實(shí)踐中存在的結(jié)果。

?本文采用利空比例近似替代利空概率，即便如此，利空概率與利空比例也不是等價(jià)的，但由于只要保證存在一個(gè)p#即可，二者的之間存在一定的差異也是可以接受的。

?一年內(nèi)大致有52 周，除去國(guó)慶與春節(jié)，剩余50 周，該條件保證投資者與公司之間平均每周至少有一次互動(dòng)。

?實(shí)際上，完整的互動(dòng)既包含提問也包含回答，但是，提問與回答合并到一起才能構(gòu)成一個(gè)完整的意思表達(dá)。因此，本文實(shí)證部分將提問與回答合并對(duì)待，統(tǒng)稱為“互動(dòng)內(nèi)容”。

?FinDict 由Li et al.（2014）發(fā)展而來。2016 年以來，作者團(tuán)隊(duì)閱讀了1 000 多份證券行業(yè)研究報(bào)告，10 萬多條財(cái)經(jīng)新聞，不僅增補(bǔ)、修正了原有情感詞匯，還增加了24 個(gè)證券行業(yè)專有詞匯，具體內(nèi)容可在作者主頁(yè)（www.tiejun.wang）獲取。

?當(dāng)分母為零時(shí)，直接使用分子替代。

?從計(jì)算過程看，利空概率=利空信息/（利空信息+利好信息），而利空比例=利空信息/利好信息。

?由于情感詞匯在財(cái)經(jīng)文字中的分布具有不對(duì)稱性，Talk_POS 大于Talk_NEG 不能等價(jià)于互動(dòng)內(nèi)容就是利好的。

?在穩(wěn)健測(cè)試中，本文調(diào)整了不同的分位數(shù)，結(jié)果顯示1/3 分位數(shù)只是一個(gè)近似臨界值。實(shí)際上，1/3 與本文假定的博弈報(bào)酬有關(guān)。研究假設(shè)H2是為了證明存在一個(gè)臨界值，而不是一個(gè)具體的數(shù)值。