□ 張?zhí)祢?孫 謙

(復(fù)旦大學(xué) 管理學(xué)院, 上海 200433)

一、引言與文獻(xiàn)綜述

我國網(wǎng)絡(luò)媒體規(guī)模近年來飛速發(fā)展。與傳統(tǒng)紙質(zhì)媒體相比網(wǎng)絡(luò)媒體信息更易生產(chǎn)、復(fù)制和傳播。當(dāng)一篇吸引眼球的網(wǎng)絡(luò)新聞被撰寫出來便可迅速被其他媒體轉(zhuǎn)載或模仿,受眾規(guī)模將呈指數(shù)型增長。與此同時,隨著我國資本市場的發(fā)展,上市公司和投資者數(shù)量不斷擴大,財經(jīng)新聞成為媒體上的重要板塊和公眾熱議的話題。作為重要的信息傳播中介,媒體對股票市場會產(chǎn)生不可忽視的影響。媒體向投資者傳遞了公司當(dāng)期和未來盈余的信息,降低了市場摩擦,提高了投資者認(rèn)知,緩解了信息不對稱[1-6]。但也有研究指出媒體并非完美的信息傳遞者。媒體報道經(jīng)常是模糊或陳舊的,并未包含很多價值相關(guān)的信息[7-8]。媒體報道也常常并非完全客觀中立,而是會包含夸大、有偏的內(nèi)容,這樣做的原因有:(1)人們更傾向于相信與自己預(yù)期一致的信息,媒體為迎合這種心理而刻意進(jìn)行夸大報道以吸引更多讀者,競爭激烈的環(huán)境也促使媒體采取這種策略來防止讀者流失;(2)媒體將夸大的報道作為利益交換,以便從被報道方處換取有價值的信息或?qū)嶋H的利益;(3)記者能力有限,輕信他們獲得的有偏差的信息[4,9-11]。

行為金融學(xué)認(rèn)為投資者具有非理性行為偏差。由于有限注意和過度自信,投資者會過于相信吸引眼球的、傳聞性的、與事實相關(guān)性較低的信息并對其過度反應(yīng),而對抽象的、列舉出統(tǒng)計數(shù)據(jù)的、與事實高度相關(guān)的信息反應(yīng)不足[12]。投資者還可能表現(xiàn)出證實偏差,即傾向于尋找并相信能夠支持自己信念的信息,在已對公司形成正面印象后會忽略之后出現(xiàn)的負(fù)面信號[13]。因此媒體對公司的報道(尤其是正面報道),無論其內(nèi)容是否陳舊過時,都容易吸引投資者注意,使其過度反應(yīng)或?qū)厩熬靶纬蛇^高預(yù)期,使股價短暫或長期高于基礎(chǔ)價值[8,14-20]。但當(dāng)公司實際經(jīng)營問題被揭露或隨時間推移投資者發(fā)現(xiàn)公司沒有取得能夠滿足預(yù)期的相應(yīng)業(yè)績時,會產(chǎn)生失望情緒,股價將發(fā)生反轉(zhuǎn);當(dāng)媒體報道有偏和夸大時,這一進(jìn)程將會進(jìn)一步被強化[16,19,20]。

在賣空限制條件下股價泡沫可能長期存在并最終通過崩盤的方式破裂。Hong和Stein[21]認(rèn)為,由于投資者存在意見分歧,在賣空限制條件下悲觀投資者不參與交易,股價無法反映他們掌握的負(fù)面信息,而只反映了樂觀投資者的預(yù)期并表現(xiàn)為泡沫。當(dāng)隱藏并累積的負(fù)面信息集中釋放出來時將引發(fā)泡沫破裂、股價崩盤。實證研究證實了投資者意見分歧和股價高估都與股價崩盤風(fēng)險具有顯著的正相關(guān)性[22-25]。從行為金融學(xué)的角度,非理性投資者的行為偏差,如有限注意、過度自信等,會導(dǎo)致他們與理性投資者之間產(chǎn)生意見分歧[26]。楊威等[27]發(fā)現(xiàn)并購商譽引發(fā)了非理性投資者過度反應(yīng),使股價產(chǎn)生泡沫,增加了股價崩盤風(fēng)險。但除此之外較少有文獻(xiàn)從行為金融學(xué)角度來研究由投資者行為偏差導(dǎo)致的崩盤風(fēng)險。

個人投資者在我國股市占主導(dǎo)地位,其與機構(gòu)投資者相比更易表現(xiàn)出非理性行為偏差。當(dāng)網(wǎng)絡(luò)媒體情緒過度樂觀時,非理性投資者易受其引導(dǎo)對公司前景過度樂觀,從而與掌握真實負(fù)面信息的理性投資者產(chǎn)生意見分歧。在我國限制賣空的環(huán)境下,股價只反映了過度樂觀投資者的預(yù)期并形成泡沫,而真實負(fù)面信息難以被反映到股價中,這些隱藏并累積的負(fù)面信息將增加未來的股價崩盤風(fēng)險。雖然國外已有研究證實了媒體樂觀情緒會導(dǎo)致股價高估和反轉(zhuǎn),但尚未有研究在媒體樂觀情緒與賣空限制條件下股價泡沫可能發(fā)展出的極端后果——崩盤之間建立聯(lián)系。本文填補了這一空白,發(fā)現(xiàn)網(wǎng)絡(luò)媒體過度樂觀情緒顯著增加了公司未來的股價崩盤風(fēng)險。本文的學(xué)術(shù)貢獻(xiàn)有:(1)創(chuàng)新性地提出一種估計媒體合理情緒與過度樂觀情緒的方法,為后續(xù)研究提供了新的思路。(2)豐富了媒體的資本市場效應(yīng)這一領(lǐng)域的文獻(xiàn),提出了媒體過度樂觀情緒可能在股市導(dǎo)致的一種極端后果,對于監(jiān)管部門和投資者制定投資決策都具有參考價值。(3)本文是目前較少的從行為金融學(xué)角度解釋股價崩盤風(fēng)險的研究之一,在我國個人投資者占主導(dǎo)地位且賣空受到限制的環(huán)境下,投資者非理性過度樂觀是導(dǎo)致股價泡沫和崩盤的重要原因,本文為此提供了新的依據(jù)。

二、研究設(shè)計

(一)樣本選擇與回歸模型

選擇A股公司2008—2019年的數(shù)據(jù)為樣本,剔除了金融業(yè)公司、凈資產(chǎn)為負(fù)的公司、當(dāng)年剛上市的公司及變量缺失的觀測值,得到22930個“公司—年度”觀測值。網(wǎng)絡(luò)財經(jīng)新聞數(shù)據(jù)來自CNRDS,其余數(shù)據(jù)來自CSMAR。主回歸模型為式(1)。因變量為t+1年的股價崩盤風(fēng)險CrashRisk,自變量為t年的媒體過度樂觀情緒MediaOpt。參考已有研究,控制如下變量:t年的股價崩盤風(fēng)險CrashRisk,總資產(chǎn)的對數(shù)LnSize,市值賬面比MB,杠桿率LEV,資產(chǎn)回報率ROA,銷售增長率SG,股價年收益率Ret,去趨勢的平均月?lián)Q手率Dturn,周特有收益率的標(biāo)準(zhǔn)差Sigma,并控制了公司和年度固定效應(yīng)。在估計標(biāo)準(zhǔn)誤時進(jìn)行了公司層面的聚類處理。

CrashRiski,t+1=α+β1MediaOpti,t+β2Controlsi,t+

FirmFE+YearFE+εi,t

(1)

(二)網(wǎng)絡(luò)財經(jīng)新聞數(shù)據(jù)概述

中國研究數(shù)據(jù)服務(wù)平臺(CNRDS)中的“中國上市公司財經(jīng)新聞數(shù)據(jù)庫”包含了20家主流網(wǎng)絡(luò)財經(jīng)媒體及其他400余家網(wǎng)站的新聞報道,可以使我們較為全面、準(zhǔn)確地估計網(wǎng)絡(luò)媒體整體情緒。從中得到2007—2018年A股公司被網(wǎng)絡(luò)新聞報道的數(shù)據(jù),篩選出符合以下兩個條件之一的新聞:(1)公司名稱出現(xiàn)在新聞標(biāo)題中;(2)公司名稱未出現(xiàn)在新聞標(biāo)題中但出現(xiàn)在新聞內(nèi)容中,且該新聞只提及一家上市公司,提及的語句不少于5句。經(jīng)過篩選得到A股公司被網(wǎng)絡(luò)媒體進(jìn)行專題報道的數(shù)據(jù),各年度報道情況如表1所示。在早期階段,網(wǎng)絡(luò)媒體數(shù)量較少,對上市公司報道的規(guī)模也較小。隨著時間推移,網(wǎng)絡(luò)媒體數(shù)量和平均每家公司被報道的次數(shù)大體呈先增加后減少趨勢。

表1 網(wǎng)絡(luò)財經(jīng)新聞逐年統(tǒng)計

(三)媒體過度樂觀情緒的計算方法

統(tǒng)計出每家公司在一年中被正面報道的次數(shù)PosNum和被負(fù)面報道的次數(shù)NegNum,用二者的差值除以當(dāng)年平均每家公司被報道的次數(shù),得到該公司當(dāng)年的媒體情緒MediaSent。媒體情緒必然會受到公司盈余信息的影響,為了衡量媒體過度樂觀情緒,需要將由盈余信息引起的合理情緒部分去除。Ayers和Freeman[28]發(fā)現(xiàn),公司規(guī)模越大、分析師關(guān)注度越高,股票價格會包含更多關(guān)于盈余的信息。同理可以推測,對于規(guī)模更大和分析師關(guān)注度更高的公司,媒體情緒也可能包含了更多的公司盈余信息。因此進(jìn)行式(2)所示的回歸,其中因變量為t年的媒體情緒MediaSent,方程右側(cè)包括前后3年的盈利水平E,還包括t-1年的公司規(guī)模LnSize、分析師關(guān)注度LnAnaly(分析師數(shù)量加1的對數(shù)),以及二者與前后三年E的交叉項,并控制了行業(yè)和年度固定效應(yīng)。盈利水平E分別用ROA、ROE和EPS來衡量。

αALnAnalyi,t-1+IndFE+YearFE+εi,t

(2)

回歸結(jié)果如表2所示。列(1)、(3)、(5)為模型僅包含前后3年E時的回歸結(jié)果,前后3年的E均與媒體情緒顯著正相關(guān)。列(2)、(4)、(6)為加入LnSize和LnAnaly與E的交叉項時的回歸結(jié)果,對于規(guī)模越大或分析師關(guān)注度越高的公司,它們的媒體情緒與過去盈余的正相關(guān)性越小,與當(dāng)前盈余的正相關(guān)性越大。加入交叉項后,調(diào)整R2得到了明顯提高,說明該方法能更準(zhǔn)確地估計媒體合理情緒。本文用列(2)、(4)、(6)得到的三個殘差的平均值ε_mean與0的較大值作為衡量媒體過度樂觀情緒的變量MediaOpt。

表2 計算媒體過度樂觀的回歸結(jié)果

(四)股價崩盤風(fēng)險的計算方法

根據(jù)已有研究計算兩個常用的股價崩盤風(fēng)險變量Ncskew和Duvol。首先將每一年度的個股周收益率用模型(3)進(jìn)行回歸,其中ri,k為股票i在當(dāng)年第k周的收益率,rm,k為第k周的市場收益率。將得到的殘差εi,k根據(jù)wi,k=ln (1+εi,k)計算股票i在第t周的周特有收益率wi,k,并根據(jù)式(4)(5)計算Ncskew和Duvol,其中n為股票i在第t年交易的周數(shù),nu(nd)為股票i在第t年的周特有收益率大于(小于)年平均收益率的周數(shù)。Ncskew和Duvol越大,說明股價崩盤風(fēng)險越大。

ri,k=αi+β1,irm,k-2+β2,irm,k-1+β3,irm,k+
β4,irm,k+1+β5,irm,k+2+εi,k

(3)

(4)

(5)

三、實證結(jié)果

(一)主回歸

用t年的MediaOpt作為自變量,t+1年的Ncskew或Duvol作為因變量,進(jìn)行式(1)所示的回歸,結(jié)果如表3列(1)、(2)所示。自變量的系數(shù)估計均為正,且在1%的水平顯著,說明網(wǎng)絡(luò)媒體過度樂觀情緒顯著增加了上市公司下一年度的股價崩盤風(fēng)險,與本文的預(yù)期相符。本文還計算了所有變量的方差膨脹因子,它們的值均小于2,因此回歸不存在嚴(yán)重的多元共線性問題。

(二)穩(wěn)健性檢驗

(1)用ε_mean與0的較小值構(gòu)建了一個衡量媒體悲觀情緒變量的MediaPes,將其與MediaOpt同時加入回歸,結(jié)果如表3列(3)、(4)所示。MediaOpt的回歸系數(shù)依然顯著為正,而MediaPes不顯著,說明只有超過合理情緒的過度樂觀情緒才會加劇股價崩盤風(fēng)險,而未超過合理情緒的部分對崩盤風(fēng)險不會產(chǎn)生顯著影響。(2)媒體報道分為原創(chuàng)新聞和轉(zhuǎn)載新聞,將使用原創(chuàng)新聞構(gòu)建的過度樂觀情緒變量MediaOpt_origin與MediaOpt同時加入回歸,結(jié)果如表3列(5)、(6)所示。MediaOpt的回歸系數(shù)依然顯著為正,而MediaOpt_origin不顯著。說明媒體過度樂觀導(dǎo)致股價崩盤主要是由于媒體對正面新聞大量跟風(fēng)轉(zhuǎn)載,使投資者對公司過度樂觀導(dǎo)致的。

表3 主回歸及穩(wěn)健性檢驗

(三)內(nèi)生性討論

(1)一階差分回歸。將所有變量經(jīng)一階差分后進(jìn)行回歸,自變量系數(shù)估計分別為0.088(t=2.81)和0.061(t=2.82),依然顯著為正。

(2)工具變量檢驗。使用同行業(yè)其他公司當(dāng)年MediaOpt的平均值MediaOpt_Ind作為工具變量,進(jìn)行兩階段OLS回歸。在第一階段回歸中,MediaOpt_Ind的系數(shù)估計分別為0.889(t=8.80)和0.910(t=9.00),說明MediaOpt_Ind與MediaOpt具有顯著的正相關(guān)性,是強工具變量。在第二階段回歸中,MediaOpt擬合值的系數(shù)估計分別為1.312(t=3.83)和1.059(t=4.50),依然顯著為正。

(3)因果關(guān)系檢驗。為檢驗自變量與因變量是否存在反向因果關(guān)系,分別使用t+2、t+1、t、t-1及t-2年的MediaOpt作為自變量,進(jìn)行式(1)所示的回歸,結(jié)果如表4所示。

表4 因果關(guān)系檢驗

t+2年的自變量回歸系數(shù)不顯著;t+1年的自變量回歸系數(shù)顯著為負(fù);而t、t-1和t-2年的自變量回歸系數(shù)均顯著為正,而顯著性依次遞減。這說明自變量與因變量之間不太可能存在反向因果關(guān)系。以上三種檢驗說明本文的主回歸結(jié)果不存在嚴(yán)重的內(nèi)生性問題。

(四)分組檢驗

1.處于壟斷地位的公司更可能信息不透明,其投資者更易受媒體過度樂觀情緒引導(dǎo)。本文將行業(yè)內(nèi)市場份額超過年度中位數(shù),且所處行業(yè)的集中度也超過年度中位數(shù)的公司定義為壟斷型公司,其余公司定義為非壟斷型公司。將總樣本按照公司是否壟斷分組后,回歸結(jié)果如表5(分組檢驗1)所示。對于壟斷型公司,媒體過度樂觀情緒更容易加劇股價崩盤風(fēng)險。

2.公司盈余操縱程度越大,投資者更不容易通過財務(wù)報表準(zhǔn)確判斷公司真實情況,也更容易受到媒體過度樂觀情緒的影響。用修正Jones模型計算出的操縱性應(yīng)計利潤的三年均值來衡量盈余操縱程度。將總樣本按照盈余操縱程度分為兩組后,回歸結(jié)果如表5(分組檢驗2)所示,對于盈余操縱程度更大的公司,媒體過度樂觀更容易加劇股價崩盤風(fēng)險。

3.游家興和吳靜[14]發(fā)現(xiàn)市場情緒樂觀時,媒體樂觀情緒更容易使股價高估。由此可以推測,市場情緒樂觀時,媒體樂觀情緒也更容易使公司負(fù)面信息難以反映到股價中,造成負(fù)面信息的隱藏。根據(jù)t年的市場收益率是否超過無風(fēng)險收益率將樣本分為熊市和牛市。分組回歸結(jié)果如表5(分組檢驗3)所示,在市場為牛市,即市場情緒樂觀時,媒體過度樂觀更容易加劇未來的股價崩盤風(fēng)險。

表5 分組檢驗

四、結(jié) 論

本文用上市公司網(wǎng)絡(luò)新聞數(shù)據(jù)構(gòu)建了媒體情緒變量,用公司盈余信息估計媒體合理情緒,發(fā)現(xiàn)超過合理情緒的媒體過度樂觀情緒顯著增加了公司未來的股價崩盤風(fēng)險,而未超過合理情緒的部分不會產(chǎn)生顯著影響。這種效應(yīng)主要是由于網(wǎng)絡(luò)媒體對正面新聞大量跟風(fēng)轉(zhuǎn)載,使投資者對公司過度樂觀導(dǎo)致的。這種效應(yīng)在壟斷型公司中、盈余操縱程度較大的公司中,以及市場情緒樂觀時更加顯著。

本文對媒體監(jiān)管部門的建議是,應(yīng)進(jìn)一步限制虛假報道和不對內(nèi)容加以鑒別的跟風(fēng)轉(zhuǎn)載,警惕網(wǎng)絡(luò)媒體的輿論誤導(dǎo)行為,避免媒體成為資本逐利的工具;對證券監(jiān)管部門的啟示是,對于上市公司在媒體上主動投放的正面宣傳應(yīng)設(shè)置嚴(yán)格規(guī)定,嚴(yán)禁虛假宣傳,保護(hù)投資者的權(quán)益。對投資者的啟示是,在面對海量的新聞報道時應(yīng)保持理性態(tài)度,避免受其影響產(chǎn)生非理性的狂熱情緒和跟風(fēng)行為。

對后續(xù)研究的啟示是:

1.本文自變量的構(gòu)建仍較為簡單,后續(xù)研究可關(guān)注如何更準(zhǔn)確地測定媒體情緒的信息含量并估計合理情緒。2.后續(xù)研究可更多關(guān)注在我國股市環(huán)境下,如何從行為金融學(xué)的角度解釋股價崩盤?！?/p>