楊七中 章貴橋 馬蓓麗

(1.南京財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，江蘇 南京 210023；2.上海大學(xué) 管理學(xué)院，上海 200444；3.江蘇理工學(xué)院 商學(xué)院，江蘇 常州 213001)

一、引言

中國(guó)資本市場(chǎng)上股價(jià)“暴漲暴跌”問(wèn)題尤為突出，特別是“暴跌”所造成的股價(jià)崩盤(pán)風(fēng)險(xiǎn)給投資者的信心和財(cái)富、資本市場(chǎng)的安全以及實(shí)體經(jīng)濟(jì)的發(fā)展造成巨大沖擊和破壞。如何有效降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)是近年來(lái)國(guó)內(nèi)外學(xué)術(shù)界研究的熱點(diǎn)。行為經(jīng)濟(jì)學(xué)框架下股價(jià)崩盤(pán)風(fēng)險(xiǎn)的意見(jiàn)分歧成因理論認(rèn)為[1]，投資者信息獲取行為、信息處理行為能夠?qū)蓛r(jià)崩盤(pán)現(xiàn)象產(chǎn)生影響。近年來(lái)隨著企業(yè)業(yè)績(jī)說(shuō)明會(huì)的興起，投資者信息獲取水平提高，那么企業(yè)業(yè)績(jī)說(shuō)明會(huì)上管理層所傳達(dá)的信息，能否被投資者所感知并影響投資者情緒，進(jìn)而修正其前期認(rèn)知和決策偏差，最終影響到未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)呢？本文借助企業(yè)業(yè)績(jī)說(shuō)明會(huì)上管理層和投資者之間的互動(dòng)文本內(nèi)容,試圖找到答案并解釋三者的關(guān)系。

Jin和Myers(2006)從信息不對(duì)稱角度，闡述了公司管理層為了自身私利，往往會(huì)隱藏公司負(fù)面消息，而等到負(fù)面消息積聚到無(wú)法再隱藏的時(shí)候，一次性集中披露會(huì)導(dǎo)致股價(jià)崩盤(pán)發(fā)生，這就是所謂的“管理層捂盤(pán)假說(shuō)”，此假說(shuō)奠定了后續(xù)股價(jià)崩盤(pán)風(fēng)險(xiǎn)研究的理論基礎(chǔ)。在這一理論基礎(chǔ)上，后續(xù)的研究從如何改善信息披露質(zhì)量的視角展開(kāi)，主要包括內(nèi)部控制信息披露[2]、社會(huì)責(zé)任信息披露[3]、新聞媒體監(jiān)督[4]、分析師和機(jī)構(gòu)投資者預(yù)測(cè)偏差[5]、公司治理水平[6]、稅收規(guī)避[7]和法律管制[8]等對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響。

與前期研究不同的是，本文基于企業(yè)業(yè)績(jī)說(shuō)明會(huì)上管理層和投資者互動(dòng)文本內(nèi)容，借助LSTM深度學(xué)習(xí)技術(shù)進(jìn)行文本分析，直接追溯至“信息捂盤(pán)”的主體——企業(yè)管理層，來(lái)研究管理層所傳達(dá)的語(yǔ)意信息與未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間的關(guān)系，以及投資者能否感知到管理層真實(shí)語(yǔ)意并發(fā)揮抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的中介效應(yīng)。由于企業(yè)業(yè)績(jī)說(shuō)明會(huì)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(yùn)作指引》(深交所在2005年、2010年、2015年多次修訂)的嚴(yán)格約束，管理層與投資者問(wèn)答互動(dòng)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(gòu)運(yùn)作和多元化經(jīng)營(yíng)策略等方方面面，直接研究管理層在回答投資者提問(wèn)過(guò)程中的真實(shí)語(yǔ)意信息，有利于從根本上降低信息不對(duì)稱程度，化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。因此，本文的第一個(gè)研究問(wèn)題是，企業(yè)管理層語(yǔ)意能否化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)？

作為信息的受體，投資者對(duì)管理層語(yǔ)意的各種解讀，會(huì)反映在其情緒波動(dòng)和決策行為上，并映射到整個(gè)資本市場(chǎng)，從而對(duì)股票價(jià)格產(chǎn)生顯著影響，甚至引發(fā)股價(jià)崩盤(pán)風(fēng)險(xiǎn)[9][10]。其中，機(jī)構(gòu)投資者作為我國(guó)資本市場(chǎng)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(zhǎng)中，他們擁有專業(yè)的信息收集加工能力和分析師團(tuán)隊(duì)，具備良好的信息感知能力，能解讀出管理層語(yǔ)意中所隱藏的真實(shí)信息，從而降低資本市場(chǎng)的信息不對(duì)稱程度。無(wú)論是個(gè)人還是機(jī)構(gòu)投資者都參與到信息加工、傳遞和吸收的各個(gè)環(huán)節(jié)中，從而為管理層語(yǔ)意影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)提供了有效途徑。為此，本文的第二個(gè)研究問(wèn)題是，投資者情緒感知在管理層語(yǔ)意影響未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)中是否發(fā)揮中介作用？

為了回答以上兩個(gè)問(wèn)題，本文以我國(guó)上市公司2010～2014年度業(yè)績(jī)說(shuō)明會(huì)上的管理層回復(fù)內(nèi)容為樣本，采用LSTM深度學(xué)習(xí)技術(shù)進(jìn)行文本分析，測(cè)量管理層所表達(dá)的語(yǔ)意，研究管理層語(yǔ)意對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，以及投資者能否感知并發(fā)揮抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的中介效應(yīng)。結(jié)果發(fā)現(xiàn)，管理層語(yǔ)意越正向，越能化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，且這主要是由于投資者感知所做出的積極情緒反應(yīng)所致，投資者能夠感知管理層語(yǔ)意并進(jìn)一步化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，說(shuō)明投資者情緒在管理層語(yǔ)意和未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間發(fā)揮了中介效應(yīng)。這些證據(jù)表明，管理層語(yǔ)意信息通過(guò)投資者情緒映射到資本市場(chǎng)，降低了信息不對(duì)稱程度，從而一定程度上化解了公司股價(jià)在未來(lái)發(fā)生崩盤(pán)的風(fēng)險(xiǎn)。

本文可能有以下幾方面的貢獻(xiàn)：一是采用的LSTM深度學(xué)習(xí)技術(shù)，考慮到詞語(yǔ)之間的因果關(guān)系，可以降低語(yǔ)意誤判率，避免陷入虛假回歸陷阱，是對(duì)傳統(tǒng)“詞袋法”文本分析技術(shù)的改進(jìn)；二是發(fā)現(xiàn)投資者能夠感知管理層語(yǔ)意信息，并在管理層和未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間發(fā)揮中介效應(yīng),這是從信息源頭對(duì)投資者情緒影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)的文獻(xiàn)作進(jìn)一步的研究；三是研究結(jié)果表明上市公司和投資者之間以業(yè)績(jī)說(shuō)明會(huì)這樣的互動(dòng)敞開(kāi)方式進(jìn)行溝通，起到了有效的信息披露作用，為監(jiān)管部門(mén)思考如何進(jìn)一步提高管理層討論與分析質(zhì)量、完善投資者保護(hù)制度提供經(jīng)驗(yàn)證據(jù)。

二、制度背景、文獻(xiàn)回顧與研究假設(shè)

(一)業(yè)績(jī)說(shuō)明會(huì)的制度背景

上市公司業(yè)績(jī)說(shuō)明會(huì)作為MD&A的一種補(bǔ)充，源于2004年深交所針對(duì)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(chéng)信建設(shè)指引》規(guī)定:“上市公司應(yīng)在每年年度報(bào)告披露后舉行年度報(bào)告說(shuō)明會(huì),向投資者真實(shí)、準(zhǔn)確地介紹公司的發(fā)展戰(zhàn)略、生產(chǎn)經(jīng)營(yíng)、新產(chǎn)品和新技術(shù)開(kāi)發(fā)、財(cái)務(wù)狀況和經(jīng)營(yíng)業(yè)績(jī)、投資項(xiàng)目等各方面情況?！鄙罱凰?005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(yùn)作指引》作了更為明確的規(guī)定:“……為使所有投資者均有機(jī)會(huì)參與，可以采取網(wǎng)上直播的方式”“公司董事長(zhǎng)(或者總經(jīng)理)、財(cái)務(wù)負(fù)責(zé)人、獨(dú)立董事(至少一名)、董事會(huì)秘書(shū)、保薦代表人(至少一名)應(yīng)當(dāng)出席說(shuō)明會(huì)”。除中小企業(yè)創(chuàng)業(yè)板之外，本來(lái)證監(jiān)會(huì)并不強(qiáng)制要求主板上市公司舉行業(yè)績(jī)說(shuō)明會(huì)，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(jī)說(shuō)明會(huì)向資本市場(chǎng)傳遞當(dāng)下和未來(lái)的經(jīng)營(yíng)發(fā)展信息。隨著時(shí)間推移，每年越來(lái)越多的大公司借助互聯(lián)網(wǎng)，自愿舉行網(wǎng)上業(yè)績(jī)說(shuō)明會(huì)，至此，網(wǎng)上業(yè)績(jī)說(shuō)明會(huì)逐漸成為公司管理層和投資者之間交流的主要平臺(tái)。

相對(duì)于其他信息披露方式，管理層業(yè)績(jī)說(shuō)明會(huì)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(yīng)和深交所的嚴(yán)格管制，無(wú)論是披露時(shí)點(diǎn)、內(nèi)容還是形式都比較規(guī)范。另外，參會(huì)的管理層是實(shí)名的，而投資者是匿名的，雙方可就主要問(wèn)題開(kāi)誠(chéng)布公交流，因而對(duì)相關(guān)問(wèn)題的討論比較徹底，信息挖掘比較深入，甚至有的問(wèn)題會(huì)經(jīng)過(guò)多輪重復(fù)博弈，特別是網(wǎng)絡(luò)在線、實(shí)時(shí)動(dòng)態(tài)的交流方式，使得一些無(wú)法事先預(yù)設(shè)、即問(wèn)即答的話題能夠原汁原味地呈現(xiàn)出來(lái)，所有這些使得業(yè)績(jī)說(shuō)明會(huì)有別于其他信息披露渠道(如業(yè)績(jī)預(yù)告、臨時(shí)公告、定期報(bào)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(fēng)險(xiǎn)，預(yù)期可以給資本市場(chǎng)帶來(lái)新的信息增量。因此，業(yè)績(jī)說(shuō)明會(huì)為管理層語(yǔ)意研究提供了良好的樣本，有助于考察管理層語(yǔ)意是否具有信息增量等命題。

(二)文獻(xiàn)回顧與研究假設(shè)

近年來(lái)，國(guó)外學(xué)者通過(guò)計(jì)算機(jī)自然語(yǔ)言處理技術(shù)，提取出文本內(nèi)容包含的語(yǔ)意或情感變量，以此來(lái)研究文本信息與投資者行為、市場(chǎng)反應(yīng)等的關(guān)系，結(jié)果發(fā)現(xiàn)文本信息與未來(lái)盈利水平、投資者行為、股票預(yù)期收益率甚至是管理層欺詐行為等存在關(guān)聯(lián)性，并認(rèn)為分析師盈余電話會(huì)議、10—K年度報(bào)告和新聞媒體關(guān)注等文本信息是傳遞企業(yè)價(jià)值信息的重要方式，能夠引發(fā)資產(chǎn)價(jià)格調(diào)整和資本市場(chǎng)顯著反應(yīng)[11][12]。迷霧指數(shù)越高的公司(即年報(bào)越難以讀懂)，其盈利水平越差[13]，報(bào)告越易讀懂，則小股東更愿意持股[14]。MD&A和盈余電話會(huì)議語(yǔ)意越正向，則股票收益率越高、波動(dòng)性越低[15]；盈余電話會(huì)議中管理者特定語(yǔ)意與未來(lái)業(yè)績(jī)正相關(guān)，即語(yǔ)意越正向，未來(lái)四個(gè)季度的資產(chǎn)報(bào)酬率越高[16]。正向語(yǔ)意和負(fù)向語(yǔ)意與市場(chǎng)反應(yīng)顯著相關(guān)[17]，甚至可以預(yù)測(cè)管理層欺詐[18]。特別是在經(jīng)濟(jì)蕭條時(shí)期，報(bào)紙金融專欄的新聞情感語(yǔ)意能預(yù)測(cè)股票未來(lái)收益率。

國(guó)內(nèi)會(huì)計(jì)與財(cái)務(wù)領(lǐng)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(lái)業(yè)績(jī)、市場(chǎng)反應(yīng)、分析師預(yù)測(cè)等方面。謝德仁等(2015)基于業(yè)績(jī)說(shuō)明會(huì)發(fā)現(xiàn)管理層正向語(yǔ)意與公司下一年業(yè)績(jī)正相關(guān)[19]；林樂(lè)等(2016)[20]、楊七中等(2019)發(fā)現(xiàn)投資者對(duì)管理層正向語(yǔ)意做出顯著的正向反應(yīng)[21]。朱朝暉等(2018)基于A股上市公司MD&A樣本，檢驗(yàn)管理層語(yǔ)調(diào)離差策略對(duì)分析師預(yù)測(cè)的影響，發(fā)現(xiàn)業(yè)績(jī)較差的公司會(huì)策略性地安排管理層語(yǔ)意詞的分布，且這樣安排對(duì)分析師預(yù)測(cè)有顯著影響?？紫栌畹?2016)挖掘了財(cái)經(jīng)新聞主題內(nèi)容與股市的相關(guān)性，發(fā)現(xiàn)國(guó)際貿(mào)易以及城市化新聞主題與股市變動(dòng)密切相關(guān)。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(guān)。彭紅楓(2016)發(fā)現(xiàn)借款陳述的迷霧指數(shù)和文本長(zhǎng)度都與借款成功率呈“倒U型”關(guān)系，并與實(shí)際借款利率存在線性正相關(guān)關(guān)系。

上市公司業(yè)績(jī)說(shuō)明會(huì)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(quán)激勵(lì)行為、資本運(yùn)作以及多元化戰(zhàn)略等重要信息的渠道，業(yè)績(jī)說(shuō)明會(huì)上管理層所傳達(dá)的語(yǔ)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(duì)稱程度。同時(shí)，外部投資者特別是機(jī)構(gòu)投資者具有動(dòng)機(jī)和能力來(lái)對(duì)管理層語(yǔ)意信息進(jìn)行解讀和傳遞：一是監(jiān)督管理層動(dòng)機(jī)，機(jī)構(gòu)投資者一般持有公司大量股份，需要隨時(shí)掌握各種信息來(lái)加強(qiáng)對(duì)管理層的約束，并會(huì)將獲得的信息傳遞給其他投資者，形成權(quán)力制衡共同體；二是信息挖掘能力，機(jī)構(gòu)投資者通常擁有雄厚的資金實(shí)力和專業(yè)人才隊(duì)伍，有較強(qiáng)的規(guī)模優(yōu)勢(shì)和信息挖掘能力；三是直接參與決策能力，機(jī)構(gòu)投資者一般身份相對(duì)獨(dú)立，而且追求長(zhǎng)期投資價(jià)值，甚至?xí)苯訁⑴c公司在人事、財(cái)務(wù)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(jī)構(gòu)投資者對(duì)管理層語(yǔ)意準(zhǔn)確及時(shí)地解讀有助于知曉公司內(nèi)部真實(shí)經(jīng)營(yíng)狀況，了解公司股價(jià)與真實(shí)價(jià)值的背離程度，并迅速做出投資或經(jīng)營(yíng)決策的調(diào)整，減輕不利信息的累積，提高資本市場(chǎng)的有效性，從而緩解公司未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)?；诖耍疚奶岢鋈缦卵芯考僭O(shè)H1：

H1：上市公司管理層正向語(yǔ)意比重越高，公司未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)越低。

行為金融學(xué)和心理學(xué)認(rèn)為，信念和偏好異質(zhì)的投資者常常是有限理性而又過(guò)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(rèn)知偏差[23](P82)，而認(rèn)知偏差又會(huì)導(dǎo)致投資者情緒的大幅波動(dòng)和情緒偏差，從而放大樂(lè)觀或悲觀的情緒，加上羊群效應(yīng)的存在，致使資本市場(chǎng)產(chǎn)生價(jià)格劇烈波動(dòng)的異象，國(guó)內(nèi)外學(xué)者們發(fā)現(xiàn)投資者情緒會(huì)引發(fā)資本市場(chǎng)波動(dòng)和跨市場(chǎng)效應(yīng)。還有學(xué)者研究社交媒體的投資者情緒影響股票未來(lái)收益以及高管的情緒影響IPO折價(jià)率[24]。張先治等(2012)認(rèn)為，在投資者情緒的作用下，會(huì)計(jì)準(zhǔn)則變革引發(fā)的企業(yè)財(cái)務(wù)行為的變化通過(guò)一種加速傳導(dǎo)機(jī)制作用于資本市場(chǎng)和宏觀經(jīng)濟(jì)。

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(rèn)知理論，投資者在投資決策前會(huì)反復(fù)進(jìn)行信息獲取、信息解讀，并借助信息反饋機(jī)制，多次修正其前期認(rèn)知和情緒偏差，周而復(fù)始地進(jìn)行信息循環(huán)。近年來(lái)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(yù)期，投資者使用的信息集越綜合，盈余預(yù)期越接近真實(shí)盈余，市場(chǎng)效率越高[23][24]。因此，作為正式制度性交互平臺(tái)的業(yè)績(jī)說(shuō)明會(huì)無(wú)疑給廣大投資者提供了進(jìn)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(chǎng)”理論和“人性自利”假說(shuō)，投資者會(huì)對(duì)管理層在業(yè)績(jī)說(shuō)明會(huì)上所釋放的經(jīng)營(yíng)戰(zhàn)略和財(cái)務(wù)決策方面的文本信息進(jìn)行充分感知和深度加工，判斷其真正語(yǔ)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(huì)修正其前期的負(fù)向情緒偏差，再調(diào)整其投資交易策略，最終抑制未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。管理層語(yǔ)意與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間的傳導(dǎo)機(jī)制如圖1所示。

圖1 管理層語(yǔ)意與股價(jià)崩盤(pán)風(fēng)險(xiǎn)傳導(dǎo)機(jī)制

因此，本文認(rèn)為管理層語(yǔ)意有利于投資者修正前期認(rèn)知偏差，即當(dāng)投資者感知到正向積極的語(yǔ)意時(shí)，會(huì)修正其前期的負(fù)向情緒偏差，并調(diào)整其投資決策行為，進(jìn)而抑制未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。基于此，本文提出如下研究假設(shè)H2：

H2：投資者情緒在管理層語(yǔ)意影響未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)中發(fā)揮中介效應(yīng)。

三、研究設(shè)計(jì)

(一)樣本與數(shù)據(jù)

本文樣本來(lái)自全景網(wǎng)投資者關(guān)系互動(dòng)平臺(tái)(http://rs.p5w.net),考慮到T年是年報(bào)所屬年份，而管理層業(yè)績(jī)說(shuō)明會(huì)是在下一個(gè)年度，即T+1年披露和進(jìn)行的，以及需要剔除2008年全球金融危機(jī)和2016年股市熔斷這些外生事件對(duì)我國(guó)股市的沖擊效應(yīng)。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(jī)說(shuō)明會(huì)上管理層和投資者之間的問(wèn)答文本，刪除ST公司和針對(duì)IPO前召開(kāi)的業(yè)績(jī)說(shuō)明會(huì)，經(jīng)過(guò)數(shù)據(jù)清洗，最終得到12萬(wàn)余條文本，合計(jì)3242個(gè)公司年度觀測(cè)值。本研究所需的其他數(shù)據(jù)來(lái)源于CSMAR和Wind數(shù)據(jù)庫(kù)。在回歸前，對(duì)所有連續(xù)變量進(jìn)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(jì)分析使用Pandas庫(kù)和Stata統(tǒng)計(jì)軟件。

(二)主要變量定義

1.管理層語(yǔ)意(MEANING)

LSTM(Long Short-Term Memory)是一種特殊的RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))，能夠重復(fù)學(xué)習(xí)并記憶以前的信息，并連接到當(dāng)前的任務(wù)中來(lái)。基于此，作者雇傭10名會(huì)計(jì)和金融專業(yè)研究生，首先對(duì)2005～2007年業(yè)績(jī)說(shuō)明會(huì)的文本進(jìn)行人工標(biāo)注(正面語(yǔ)意標(biāo)注為1，負(fù)面語(yǔ)意標(biāo)注為0)，先相互比對(duì)，再和玻森中文語(yǔ)義平臺(tái)(BosonNLP)的情感分析結(jié)果相互印證，構(gòu)建人工標(biāo)注語(yǔ)料庫(kù)(其中管理層正向語(yǔ)意20001條，負(fù)向語(yǔ)意20435條)①。隨后利用Python編寫(xiě)的LSTM程序讀取語(yǔ)料庫(kù)并深度學(xué)習(xí)管理層語(yǔ)意特征，最后去識(shí)別2010～2014年度的業(yè)績(jī)說(shuō)明會(huì)的管理層語(yǔ)意(實(shí)測(cè)LSTM的總預(yù)測(cè)準(zhǔn)確率約86.25%，高于詞袋法的總預(yù)測(cè)準(zhǔn)確率75.65%)。LSTM法避免了詞袋法沒(méi)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(yǔ)境特點(diǎn)，實(shí)現(xiàn)了文本分析法的改進(jìn)。

借鑒林樂(lè)等(2016)的方法[20]，構(gòu)建上市公司業(yè)績(jī)說(shuō)明會(huì)管理層語(yǔ)意(MEANING)衡量指標(biāo)如下：

MEANING=POSNUM/(POSNUM+NEGNUM)

(1)

式(1)中，POSNUM是管理層正向回答問(wèn)題數(shù)目，NEGNUM是管理層負(fù)向回答問(wèn)題數(shù)目。MEANING是t年第i家上市公司業(yè)績(jī)說(shuō)明會(huì)管理層正向語(yǔ)意，等于管理層正向回答問(wèn)題數(shù)目(POSNUM)占全部問(wèn)題數(shù)目(POSNUM+NEGNUM)的比例。

2.股價(jià)崩盤(pán)風(fēng)險(xiǎn)(CRASH)

借鑒羅進(jìn)輝等(2014)[4]、許年行等(2012)[5]、丁慧等(2018)[25]的方法，本文采用負(fù)收益偏態(tài)系數(shù)(NCSKEW)和收益上下波動(dòng)率(DUVOL)，衡量從管理層業(yè)績(jī)說(shuō)明會(huì)發(fā)布之后未來(lái)12個(gè)月的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。具體算法如下：

首先,為了控制非同步交易的影響，加入市場(chǎng)收益率的滯后和超前各兩期建立回歸模型，并計(jì)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(quán)的市場(chǎng)收益率，εi,t是殘差，表示個(gè)股收益未被市場(chǎng)所解釋的部分，若εi,t為負(fù)且絕對(duì)值越大，說(shuō)明公司i的股票與市場(chǎng)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(gòu)造以下兩個(gè)變量：

(1)負(fù)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(jià)崩盤(pán)風(fēng)險(xiǎn)越大。

(2)收益上下波動(dòng)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(jià)崩盤(pán)風(fēng)險(xiǎn)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(duì)當(dāng)前和未來(lái)市場(chǎng)的心理預(yù)期程度，現(xiàn)有文獻(xiàn)使用的衡量指標(biāo)主要有新股換手率、月新開(kāi)戶數(shù)、封閉式基金折價(jià)、消費(fèi)者信心指數(shù)等?？紤]到本文并非研究整個(gè)資本市場(chǎng)投資者的普遍情緒，而是單個(gè)公司投資者的特定情緒，因此公司業(yè)績(jī)說(shuō)明會(huì)的市場(chǎng)反應(yīng)應(yīng)該可以捕捉到單個(gè)公司投資者特定的情緒波動(dòng)。本文參考前期學(xué)者的研究[4][20]，考慮到中國(guó)資本市場(chǎng)尚處于弱勢(shì)有效市場(chǎng)，存在信息提前泄露情形，故本文分別以公司業(yè)績(jī)說(shuō)明會(huì)舉辦日前后的[-3,3]和[-3,10]作為事件長(zhǎng)短窗口期，計(jì)算公司事件窗口期股價(jià)超額累計(jì)回報(bào)率(CAR)作為衡量每家公司投資者情緒的指標(biāo)：

(5)

式(5)中，[-n，n]代指[-3,3]和[-3,10]兩個(gè)事件窗口期，ARi,t是根據(jù)市場(chǎng)模型計(jì)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(qiáng)烈。

(三)模型構(gòu)建

為了檢驗(yàn)假設(shè)H1，本文構(gòu)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(lái)度量，MEANINGi,t是公司管理層語(yǔ)意，Controlsi,t為控制變量，Industry為行業(yè)啞變量。借鑒羅進(jìn)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(jià)崩盤(pán)風(fēng)險(xiǎn)(NCSKEWt和DUVOLt)、個(gè)股月平均超額換手率(MTURN)、年度周特有收益率的標(biāo)準(zhǔn)差(Sigma)、年度平均周特有收益率(RET)、公司規(guī)模對(duì)數(shù)(SIZE)、賬面市值比(BM)、資產(chǎn)負(fù)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(duì)數(shù)(ICI)。根據(jù)假設(shè)H1，式(6)中MEANINGi,t的系數(shù)β1應(yīng)顯著為負(fù)。

為了檢驗(yàn)假設(shè)H2，本文根據(jù)中介效應(yīng)檢驗(yàn)方法，對(duì)投資者情緒是否在管理層語(yǔ)意影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)中發(fā)揮中介效應(yīng)進(jìn)行檢驗(yàn)：第一步，檢驗(yàn)管理層語(yǔ)意對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，即做因變量對(duì)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(yàn)投資者情緒對(duì)管理層語(yǔ)意的影響，即采用以下模型做中介變量對(duì)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(fù)債率(LEV)、總資產(chǎn)收益率(ROA)、上市年齡(AGE)、未預(yù)期盈余(SUE)、收入成長(zhǎng)性(GROWTH)。第三步，同時(shí)檢驗(yàn)管理層語(yǔ)意和投資者情緒對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，即采用以下模型做因變量對(duì)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(yù)期第一步中的系數(shù)β1顯著為負(fù)，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(fù)。

四、實(shí)證結(jié)果及分析

(一)描述性統(tǒng)計(jì)分析

表1報(bào)告了股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)、管理層語(yǔ)意、投資者情緒和控制變量的描述性統(tǒng)計(jì)結(jié)果。由表1可知，兩個(gè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)NCSKEW和DUVOL的均值分別是-0.049和0.119(標(biāo)準(zhǔn)差分別是0.921和0.795)，表明在2010～2014年間，我國(guó)資本市場(chǎng)基本面相對(duì)較好。管理層語(yǔ)意指標(biāo)MEANING的均值是0.510，表明管理層語(yǔ)意整體表現(xiàn)相對(duì)正向一些。投資者情緒指標(biāo)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(wú)論是短窗口期還是長(zhǎng)窗口期，投資者情緒均積極強(qiáng)烈。資產(chǎn)負(fù)債率指標(biāo)LEV的均值偏低，是由于2010～2014年間舉行業(yè)績(jī)說(shuō)明會(huì)的公司主要是中小創(chuàng)業(yè)板公司(本文樣本中僅82個(gè)主板上市公司)，這類(lèi)公司的一個(gè)顯著特點(diǎn)是“低資產(chǎn)負(fù)債率、高成長(zhǎng)性和高回報(bào)率”，與主板市場(chǎng)50%左右的資產(chǎn)負(fù)債率相差較大。其余控制變量的描述性統(tǒng)計(jì)特征和現(xiàn)有文獻(xiàn)基本類(lèi)似。

表1描述性統(tǒng)計(jì)分析

相關(guān)性分析的Pearson和Spearman系數(shù)顯示(限于篇幅，未列報(bào))，MEANING與NCSKEW 的相關(guān)系數(shù)是-0.042，與DUVOL的相關(guān)系數(shù)是-0.059，均在1%水平上顯著，說(shuō)明管理層語(yǔ)意越正向，股價(jià)崩盤(pán)風(fēng)險(xiǎn)越小。CAR[-3,3]和NCSKEW的相關(guān)系數(shù)是-0.118，和DUVOL的相關(guān)系數(shù)是-0.109，均在1%水平上顯著，說(shuō)明投資者情緒越積極強(qiáng)烈，股價(jià)崩盤(pán)風(fēng)險(xiǎn)越小。NCSKEW 和DUVOL的相關(guān)系數(shù)是0.923，說(shuō)明這兩種度量股價(jià)崩盤(pán)風(fēng)險(xiǎn)的指標(biāo)具有較好一致性。為了排除多重共線性問(wèn)題，本文計(jì)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(yán)重多重共線性問(wèn)題。

(二)管理層語(yǔ)意與股價(jià)崩盤(pán)風(fēng)險(xiǎn)

表2 報(bào)告了對(duì)假設(shè)H1的檢驗(yàn)結(jié)果，列(1)和列(2)首先使用股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)(NCSKEW)對(duì)管理層語(yǔ)意(MEANING)進(jìn)行回歸。列(1)顯示管理層語(yǔ)意的系數(shù)是-0.231，在5%水平上顯著為負(fù)，在統(tǒng)計(jì)意義上，管理層語(yǔ)意每正向變動(dòng)一個(gè)標(biāo)準(zhǔn)差，則股價(jià)崩盤(pán)風(fēng)險(xiǎn)降低4.15個(gè)百分點(diǎn)。列(2)顯示在加入控制變量后，管理層語(yǔ)意的系數(shù)是-0.357,在1%水平上顯著為負(fù)，表明管理層語(yǔ)意每正向變動(dòng)一個(gè)標(biāo)準(zhǔn)差，則股價(jià)崩盤(pán)風(fēng)險(xiǎn)降低6.40個(gè)百分點(diǎn)。列(3)和列(4)是使用股價(jià)崩盤(pán)風(fēng)險(xiǎn)指標(biāo)(DUVOL)對(duì)管理層語(yǔ)意(MEANING)進(jìn)行回歸，其中管理層語(yǔ)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(jié)果均支持假設(shè)H1，這充分說(shuō)明了業(yè)績(jī)說(shuō)明會(huì)這一新興的信息傳遞渠道，確實(shí)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(duì)稱程度。投資者對(duì)管理層語(yǔ)意準(zhǔn)確及時(shí)地解讀有助于知曉公司內(nèi)部真實(shí)經(jīng)營(yíng)狀況，了解公司股價(jià)與真實(shí)價(jià)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(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，即管理層語(yǔ)意越正向，公司股價(jià)崩盤(pán)風(fēng)險(xiǎn)越小。

表2管理層語(yǔ)意對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響

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

對(duì)于控制變量，HOLD的系數(shù)顯著為負(fù)，表明股權(quán)集中度越高，股價(jià)崩盤(pán)風(fēng)險(xiǎn)越小，即大股東持股存在“監(jiān)督效應(yīng)”。其他控制變量則不顯著。

(三)管理層語(yǔ)意與股價(jià)崩盤(pán)風(fēng)險(xiǎn)：投資者情緒的中介效應(yīng)

表3報(bào)告了假設(shè)H2的檢驗(yàn)結(jié)果。采用三個(gè)步驟來(lái)檢驗(yàn)投資者情緒在管理層語(yǔ)意影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)中的中介效應(yīng)。首先是檢驗(yàn)因變量股價(jià)崩盤(pán)風(fēng)險(xiǎn)(NCSKEWt+1和DUVOLt+1)與自變量管理層語(yǔ)意(MEANING)的關(guān)系，表2中Path A回歸結(jié)果表明自變量MEANING的系數(shù)在1%水平上顯著為負(fù)。其次是檢驗(yàn)中介變量投資者情緒(CAR)與自變量管理層語(yǔ)意(MEANING)的關(guān)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(shuō)明管理層語(yǔ)意越正向，投資者情緒越積極強(qiáng)烈。最后，運(yùn)用式(8)檢驗(yàn)因變量股價(jià)崩盤(pán)風(fēng)險(xiǎn)(NCSKEWt+1和DUVOLt+1)與自變量管理層語(yǔ)意(MEANING)和中介變量投資者情緒(CAR)的關(guān)系，表3中Path C回歸的列(1)～(4)表明，無(wú)論是用NCSKEW還是用DUVOL指標(biāo)來(lái)衡量股價(jià)崩盤(pán)風(fēng)險(xiǎn)，其中長(zhǎng)短窗口期的CAR系數(shù)均在1%水平上顯著為負(fù)，說(shuō)明投資者情緒具有中介效應(yīng)。在加入中介變量后，MEANING的系數(shù)仍顯著為負(fù)，利用Sobel法的中介效應(yīng)檢驗(yàn)結(jié)果均顯著(列(1)～(4)的中介效應(yīng)占總效應(yīng)比值分別為7.13%、16.95%、6.38%和14.51%)，說(shuō)明投資者情緒發(fā)揮部分中介效應(yīng)。

根據(jù)Pirolli(2007)的認(rèn)知理論，投資者會(huì)對(duì)管理層在業(yè)績(jī)說(shuō)明會(huì)上釋放的經(jīng)營(yíng)戰(zhàn)略和財(cái)務(wù)決策方面的文本信息進(jìn)行充分感知和深度加工，判斷其真正語(yǔ)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(huì)修正其前期的負(fù)向情緒偏差，再調(diào)整其投資交易策略，最終抑制未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。故假設(shè)H2得到支持。

表3管理層語(yǔ)意與股價(jià)崩盤(pán)風(fēng)險(xiǎn)：投資者情緒的中介效應(yīng)

(四)內(nèi)生性問(wèn)題

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

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(yǔ)意的均值(MEANING_2)，作為MEANING的工具變量。這個(gè)工具變量滿足相關(guān)性和外生性的要求：從相關(guān)性來(lái)看，同行業(yè)或同省份的公司面臨類(lèi)似的行業(yè)特征和外部環(huán)境，因而它們的管理層語(yǔ)意具有一定的相關(guān)性。并且也沒(méi)有證據(jù)表明同行業(yè)或同省份其他公司的管理層語(yǔ)意會(huì)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(yǔ)意MEANING的工具變量MEANING_2進(jìn)行回歸的結(jié)果，可以看到，比表2中的結(jié)果更為顯著。

表4管理層語(yǔ)意(工具變量)對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響

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

3.遺漏變量問(wèn)題。本文在模型(6)～(8)的控制變量中添加了公司透明度、機(jī)構(gòu)投資者特征、宏觀經(jīng)濟(jì)不確定性指數(shù)等變量，結(jié)論仍然保持不變。

4.樣本自選擇問(wèn)題。業(yè)績(jī)好的公司可能更愿意主動(dòng)選擇召開(kāi)業(yè)績(jī)說(shuō)明會(huì)，因此可能存在自選擇問(wèn)題。(1)采用PSM傾向得分匹配法做檢驗(yàn)：首先將大于管理層語(yǔ)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(jìn)行PSM匹配，最后計(jì)算股價(jià)崩盤(pán)風(fēng)險(xiǎn)的平均處理效應(yīng)。表5結(jié)果表明無(wú)論是以NCSKEW還是以DUVOL衡量股價(jià)崩盤(pán)風(fēng)險(xiǎn)，平均處理效應(yīng)(ATT)均在1%水平上顯著小于零，說(shuō)明在考慮到自選擇情況下，管理層語(yǔ)意越正向公司股價(jià)崩盤(pán)風(fēng)險(xiǎn)越小這一結(jié)論仍然成立。(2)區(qū)分兩種企業(yè)樣本。將強(qiáng)制性召開(kāi)業(yè)績(jī)說(shuō)明會(huì)(如中小企業(yè))和自愿召開(kāi)業(yè)績(jī)說(shuō)明會(huì)(如大企業(yè))的樣本區(qū)分開(kāi)，并檢驗(yàn)這兩組樣本系數(shù)的差異，結(jié)果發(fā)現(xiàn)并不存在明顯差異。(3)Boostrap自抽樣。舉行業(yè)績(jī)說(shuō)明會(huì)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(jié)論應(yīng)用于全部上市公司需要小心。因此針對(duì)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(jié)論仍基本不變。由此可見(jiàn)，上述內(nèi)生性檢驗(yàn)為管理層語(yǔ)意化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)提供了進(jìn)一步的證據(jù)支持。

表5管理層語(yǔ)意的PSM分析結(jié)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(yǔ)意：MEANINGt_net=(積極語(yǔ)意-消極語(yǔ)意)/(積極語(yǔ)意+消極語(yǔ)意)[26]，本文將其作為衡量管理層語(yǔ)意的第二種指標(biāo)(即試圖利用凈語(yǔ)意將中性語(yǔ)意差分掉)。重復(fù)表2的檢驗(yàn)，回歸結(jié)果與表2基本一致，即不論采用哪種方法度量管理層語(yǔ)意，管理層語(yǔ)意對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響均具有統(tǒng)計(jì)意義上的顯著性。

(二)中介變量的替代變量

參考以往文獻(xiàn)[27]，本文用去趨勢(shì)化的流通股超額累計(jì)換手率(HSL)作為投資者情緒指標(biāo)的替代變量，借鑒中介因子方法，進(jìn)行中介變量的穩(wěn)健性分析。回歸結(jié)果表明,管理層正向語(yǔ)意能夠顯著降低股票換手率，進(jìn)一步考察管理層語(yǔ)意和換手率對(duì)股價(jià)崩盤(pán)的影響，結(jié)果顯示投資者情緒產(chǎn)生部分中介效應(yīng)，結(jié)論保持不變。

(三)改變樣本選擇范圍

考慮到存在潛在崩盤(pán)風(fēng)險(xiǎn)的股票給研究帶來(lái)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(yàn)值2.675的公司，即公司經(jīng)營(yíng)并不穩(wěn)定，處于“灰色地帶”，面臨嚴(yán)重的財(cái)務(wù)問(wèn)題，甚至可能破產(chǎn)的潛在的“噪音樣本”，并重復(fù)表2的主回歸檢驗(yàn)。研究結(jié)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(yǔ)意更能抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

六、研究結(jié)論、政策啟示與局限

本文基于2010～2014年度我國(guó)上市公司業(yè)績(jī)說(shuō)明會(huì)這一非財(cái)務(wù)信息披露形式，采用LSTM深度學(xué)習(xí)技術(shù)對(duì)管理層回復(fù)內(nèi)容進(jìn)行文本分析，研究管理層語(yǔ)意對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，以及投資者情緒能否發(fā)揮抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的中介效應(yīng)。結(jié)果發(fā)現(xiàn)，管理層語(yǔ)意越正向，越能化解股價(jià)崩盤(pán)風(fēng)險(xiǎn)，且這主要是通過(guò)投資者情緒所做出的積極反應(yīng)所致，投資者能夠明顯感知管理層語(yǔ)意，并通過(guò)修正情緒偏差來(lái)緩解未來(lái)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，這說(shuō)明投資者情緒在管理層語(yǔ)意和股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間發(fā)揮了中介效應(yīng)。這些證據(jù)表明，管理層語(yǔ)意信息通過(guò)投資者情緒映射到資本市場(chǎng)，降低了信息不對(duì)稱程度，在一定程度上化解了公司股價(jià)在未來(lái)發(fā)生崩盤(pán)的風(fēng)險(xiǎn)。

本文的研究結(jié)論對(duì)監(jiān)管部門(mén)具有一定的政策啟示：

第一，上市公司業(yè)績(jī)說(shuō)明會(huì)這樣的非財(cái)務(wù)信息披露形式，是財(cái)務(wù)信息披露的有益補(bǔ)充。監(jiān)管部門(mén)未來(lái)可在非財(cái)務(wù)信息披露的形式多樣性、內(nèi)容互動(dòng)性、現(xiàn)場(chǎng)即時(shí)性等方面做進(jìn)一步拓展，積極引導(dǎo)上市公司實(shí)時(shí)、主動(dòng)、全方位地披露財(cái)務(wù)和非財(cái)務(wù)信息，切實(shí)有效地保護(hù)公司外部投資者的利益。

第二，加大規(guī)范非財(cái)務(wù)信息披露的內(nèi)容和質(zhì)量。從目前業(yè)績(jī)說(shuō)明會(huì)上管理層回答的內(nèi)容來(lái)看，并不是每家公司都會(huì)做全面細(xì)致的披露，存在避重就輕、欲說(shuō)還休的情形。監(jiān)管部門(mén)應(yīng)當(dāng)在現(xiàn)有的“規(guī)范指引”基礎(chǔ)上，進(jìn)一步規(guī)范公司非財(cái)務(wù)信息內(nèi)容的廣度和深度，加強(qiáng)約束、拉高準(zhǔn)繩。

第三，完善技術(shù)手段，建立非財(cái)務(wù)信息預(yù)警體系。如果說(shuō)公司非財(cái)務(wù)信息具有信息增量，能夠修正投資者情緒，那么對(duì)于建立非財(cái)務(wù)信息預(yù)警體系，化解未來(lái)股價(jià)崩盤(pán)風(fēng)險(xiǎn)具有重大實(shí)踐意義。隨著計(jì)算機(jī)自然語(yǔ)言處理技術(shù)的不斷進(jìn)步，監(jiān)管部門(mén)應(yīng)當(dāng)積極利用先進(jìn)的文本分析技術(shù)，建立包括非財(cái)務(wù)信息的金融風(fēng)險(xiǎn)預(yù)警體系，積極防范并化解金融風(fēng)險(xiǎn)。

第四，本文發(fā)現(xiàn)管理層語(yǔ)意的確具有信息含量，這為股價(jià)崩盤(pán)風(fēng)險(xiǎn)的誘因提供了最直接的證據(jù)。未來(lái)可考慮將管理語(yǔ)意等非財(cái)務(wù)信息作為影響資產(chǎn)定價(jià)的因子納入模型，這為行為金融量化風(fēng)險(xiǎn)研究提供了有益的啟示。

總之，政府監(jiān)管部門(mén)應(yīng)著力完善制度環(huán)境建設(shè)，加強(qiáng)信息內(nèi)容規(guī)制，完善金融風(fēng)險(xiǎn)防范體系，避免發(fā)生股價(jià)暴跌現(xiàn)象，更好地保護(hù)投資者利益，促進(jìn)我國(guó)資本市場(chǎng)穩(wěn)定有序地發(fā)展。

當(dāng)然，本文的研究還存在一定的局限：首先，對(duì)于投資者情緒的衡量是否還有其他更好的衡量指標(biāo)，譬如通過(guò)實(shí)驗(yàn)研究法[28]，采用核磁共振技術(shù)[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(jī)說(shuō)明會(huì)信息披露后的超額累計(jì)回報(bào)率進(jìn)行度量。其次，投資者感知對(duì)投資者情感修正的實(shí)證檢驗(yàn)，限于篇幅，本文并沒(méi)有沿此繼續(xù)展開(kāi)，這些方面是本文的局限，也是未來(lái)深入探索的方向。

注釋：

①按照以下標(biāo)準(zhǔn)從MPACC專業(yè)的學(xué)生中擇優(yōu)：成績(jī)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(guān)行業(yè)工作經(jīng)驗(yàn)；擔(dān)任過(guò)董秘和財(cái)務(wù)經(jīng)理優(yōu)先；具有個(gè)人或單位股票、期貨投資經(jīng)驗(yàn)；熟悉管理層業(yè)績(jī)說(shuō)明會(huì)的內(nèi)容，并有過(guò)參考其內(nèi)容修正投資決策的經(jīng)驗(yàn)。