夏克扎提?努力木

摘? 要：本文基于A股上市公司的管理層討論與分析（MD&A）和業(yè)績說明會構建管理層綜合語調(diào)，研究其對未來業(yè)績的預測能力。筆者發(fā)現(xiàn)管理層綜合語調(diào)與未來業(yè)績顯著正相關，說明管理層綜合語調(diào)中包含了關于未來業(yè)績預測方面的增量信息。當比較管理層綜合語調(diào)、MD&A語調(diào)以及業(yè)績說明會語調(diào)，發(fā)現(xiàn)管理層綜合語調(diào)的預測能力顯著優(yōu)于其他兩者，說明MD&A和業(yè)績說明會文本存在互補關系。本文的研究結果來看，對管理層文本分析師以及信息披露監(jiān)管具有一定參考意義。

關鍵詞：MD&A;業(yè)績說明會;詞袋法;文本分析;業(yè)績預測;互補

中圖分類號：F832.5? ? ?文獻標識碼：A

一、引言

隨著移動互聯(lián)網(wǎng)的發(fā)展，媒體傳播媒介不斷多元化，投資者獲取上市公司信息的渠道也越來越多。除財務報表中的財務信息，投資者還希望管理層通過文本或語言的分析說明（王嘯，2002）。MD&A是當前定期報告中研究最多的非財務內(nèi)容，管理層探討公司經(jīng)營狀況、未來戰(zhàn)略、發(fā)展趨勢等，減少管理層與投資者之間的信息不對稱。業(yè)績說明會則是從管理層獲取信息的另一通道，增量信息的獲取，疊加較強的互動性，業(yè)績說明會頗受投資者歡迎。

過往文獻對管理層文本的研究限于MD&A和業(yè)績說明會文本分別進行研究。但是，兩者對公司非財務信息方面可能存在一定的互補性。鑒于此，本文選取2012-2019年上市公司年報MD&A文本和業(yè)績說明會文本，參考Jiang et al（2019）、LI J. et al（2019）構建公司層面的管理層綜合語調(diào)指標，研究其對上市公司未來業(yè)績的影響。

本文的研究貢獻主要有以下幾點：第一，本文構建公司層面的管理綜合語調(diào)指標，結合MD&A和業(yè)績說明會文本，證實了兩者存在一定的互補性。第二，綜合管理層語調(diào)分別與MD&A和業(yè)績說明會文本語調(diào)對比，發(fā)現(xiàn)綜合管理層語調(diào)對未來業(yè)績的預測能力更強，投資者在做決策時，應該同時參考MD&A和業(yè)績說明會。

二、文獻綜述與研究假設

（一）金融文本分析方法的相關研究

上市公司披露文本代表的定性信息是投資者了解公司近況的重要來源，其中含有重要增量信息，便于預測公司未來業(yè)績或者影響公司股價（Loughran 、McDonald，2011;謝德仁、林樂，2014;2015）。隨著科學技術的發(fā)展，基于計算機的文本分析為文本信息的量化提供了可行的路徑。當前，對于分析金融文本的情感語調(diào)主要有兩種方法：詞袋方法和機器學習方法。

（二）MD&A和業(yè)績說明會的國外文獻

美國資本市場的年報MD&A披露和分析師盈利電話會相關研究方面成果早于國內(nèi)，相對更加成熟（謝德仁、林樂，2015）。Bryan （1997）采用非指數(shù)法根據(jù)MD&A披露信息評估信息含量，研究其與未來資本支出、業(yè)績表現(xiàn)及投資決策的關聯(lián)性。Li（2010）采用樸素貝葉斯機器學習得到管理層討論與分析（MD&A）中的管理層語調(diào)，發(fā)現(xiàn)MD&A前瞻性部分與未來公司業(yè)績以及流動性呈正相關。Price et al（2012）分析季度盈余電話會語調(diào)（詞袋法）與市場反應，發(fā)現(xiàn)盈余電話會語調(diào)顯著預測市場異?；貓蠛徒灰琢?。還有其他學者基于公司10-K文件（Loughran 、Mcdonald，2011）、盈余公告（Davis et al，2012），均得出類似的結果。

（三）關于MD&A和業(yè)績說明會的國內(nèi)研究

2015年前，中國學者基于管理層文本的研究相對較少，只有少數(shù)學者關注管理層討論與分析（MD&A）對公司業(yè)績的影響（李常青，2005;李鋒森、李常青，2008;薛爽，2008），而對業(yè)績發(fā)布會語調(diào)的相關研究非常少。

2015年后，借助于計算機技術的發(fā)展，國內(nèi)研究金融文本語調(diào)的進展迅速，研究對象涵蓋MD&A、業(yè)績發(fā)布會（謝德仁、林樂，2015;楊七中、馬蓓麗，2017）、社會責任報告（黃萍萍，2020）、并購重組報告（李曉溪，2019）、媒體文本（姜富偉，2021）等，對文本信息量化，研究上市公司管理層披露信息對公司未來的可預測性。

MD&A方面，孟慶斌等（2017）通過文本向量化提取文本信息，發(fā)現(xiàn)管理層討論與分析中的信息與公司股價崩盤顯著負相關，信息含量越高，未來股價崩盤風險越低。周波等（2019）采用“詞袋法”構建語調(diào)指標，發(fā)現(xiàn)語調(diào)積極程度與披露后崩盤風險沒有顯著影響，而在考慮語調(diào)真實性后，語調(diào)越積極，股價崩盤風險越大。此外，年報MD&A所攜帶的語調(diào)信息與上市公司盈余管理活動（黃超，2019）、財務困境預測（陳藝云，2019）、企業(yè)社會責任（周建等，2021）均顯著相關，證實MD&A中存在預測公司未來相關的非財務信息。

業(yè)績發(fā)布會方面，謝德仁、林樂（2014、2015、2016、2017）以2005-2012年的全景網(wǎng)業(yè)績發(fā)布會為樣本，通過“詞袋法”得到管理層語調(diào)，發(fā)現(xiàn)管理層凈積極語調(diào)與股票市場反應、未來業(yè)績預測、投資者反應、賣方分析師評級水平均有顯著正的影響，認為管理層語調(diào)可以提供關于公司的增量信息。

（四）研究假設

雖然，國內(nèi)已有較多文獻已經(jīng)基于披露信息文本分析研究對公司或市場的預測能力，但我們發(fā)現(xiàn)很少有學者研究兩種及以上文本來源對預測公司業(yè)績方面的協(xié)同效應，MD&A和業(yè)績說明會的增量信息相結合是否比單一變量具有更好的預測能力。Jiang et al（2019）市場層面等權平均MD&A和業(yè)績說明會（Conference Call）的管理層語調(diào)，再通過4個月窗口的移動平均，得到市場管理層情緒指標。LI J. et al（2019）先分別用詞典法、支持向量機（SVM）和卷積神經(jīng)網(wǎng)絡（CNN）得到的中國股市投資者的情緒，再用等權平均和22天窗口移動平均構建日度市場投資者情緒指標。

基于以上分析，本文參考Jiang el al（2019）、LI J. et al（2019）構建基于MD&A和業(yè)績說明會的公司層面管理層綜合語調(diào)指標（MTone），研究其對公司業(yè)績的可預測性，以及與單一指標的比較，探究本文構建的管理層綜合語調(diào)是否攜帶更多的增量信息。本文提出兩個待檢驗的研究假設H1，H2：

H1：其他條件不變時，（T年）管理層綜合語調(diào)指標（MTone）與上市公司下一年（T+1）的業(yè)績呈正相關。

H2：其他條件不變時，MD&A或業(yè)績說明會所包含信息存在互補關系，管理層綜合語調(diào)對未來業(yè)績的預測能力更強。

三、實證分析

（一）金融文本語調(diào)指標的構建

本文中，介于“詞袋法”的大樣本適用性和可復制性，采取“詞袋法”構建管理層綜合語調(diào)（Loughran and Mcdonald，2016）。筆者結合姜富偉等（2021）、Bian et al （2018）已構建好并經(jīng)過實證的中文金融情感詞典，合并去重后得到6387個消極詞以及3699個消極詞，構成本文的情感詞典。采用python的jieba分詞模塊對MD&A和業(yè)績發(fā)布會文本作分詞處理，用哈工大停用詞表去除文本中的停用詞，再根據(jù)情感詞典統(tǒng)計積極詞和消極詞的詞頻。參考Herry（2008）、謝德仁、林樂（2015）、Jiang et al（2019）等構建語調(diào)指標方法，文本中積極詞與消極詞之和占總詞數(shù)的比例作為凈語調(diào)指標：

其中，Posi，t表示t年公司i相關文本中積極詞的數(shù)目，Negi，t表示t年公司i相關文本中消極詞的數(shù)目，Tonei，t表示該文本的凈語調(diào)，數(shù)值-1<Tone<1，Tone越大表示文本語調(diào)越積極，MD&A和業(yè)績發(fā)布會中的管理層語調(diào)越積極。

參考Jiang et al（2019），將管理層綜合語調(diào)定義為MD&A和業(yè)績發(fā)布會文本語調(diào)的平均值：

其中FTonei，t是基于MD&A的管理層語調(diào)，CTonei，t表示業(yè)績說明會的管理層語調(diào)，管理層綜合語調(diào)MTonei，t即為兩者的等權平均值。因為在形成過程復雜且變化的條件下，指標選擇簡單等權平均優(yōu)于復雜的最有加權預測（Jiang et al，2019;Baker、Wurgler ，2006）。

（二）模型建立

借鑒謝德仁、林樂（2015），本文建立了如下模型：

其中，被解釋變量ROEiT+1和DROEiT+1分別為T+1年的加權平均凈資產(chǎn)收益率及其相對T年的變動量。

解釋變量：T年管理層綜合語調(diào)（MToneiT）及其變動（DMToneiT），T年年報MD&A中的管理層語調(diào)（FToneiT）及其變動（DFToneiT），T年業(yè)績說明會管理層語調(diào)（CToneiT）及其變動（DCToneiT）。本文研究管理層綜合語調(diào)MToneiT系數(shù)β1的方向與顯著性，考察其是否含有更多的增量信息。

控制變量：選取T年公司業(yè)績（WROE）及其變動（WROE），公司股票市場回報率（Yret），公司規(guī)模的代理指標對數(shù)流通市值（SIZE），第一大股東的持股比例（FHS），公司股權集中度（HFD5），歸母凈利潤同比增長率（NetProfGrRt），公司平均資產(chǎn)負債率（Liv），市場回報日波動率（MRETSTD），最后控制了年度變量（YEAR）和19個證監(jiān)會行業(yè)（IND）。

（三）樣本選取與數(shù)據(jù)來源

本文研究以2012-2019年A股上市公司披露的年報管理層討論與分析（MD&A）和當年業(yè)績說明會文本作為觀測對象。對樣本做以下處理：（1）刪除ST公司;（2）刪除當年沒有召開業(yè)績說明會的上市公司;（3）刪除文本處理后積極詞和消極詞數(shù)量均為0的公司。最終得到2069家上市公司的10368個有效觀測值。MD&A和業(yè)績說明會文本取自CNRDS數(shù)據(jù)庫，其他相關數(shù)據(jù)取自銳思數(shù)據(jù)庫。避免異常值干擾，對所有變量均作了上下1%的winsorize處理。本文采用Python進行相關數(shù)據(jù)處理，并用STATA做回歸分析。

（四）實證分析

1、描述性統(tǒng)計

表2中列示了主要變量的描述性統(tǒng)計，MD&A語調(diào)、業(yè)績說明會語調(diào)以及管理層綜合語調(diào)都是以積極語調(diào)主導，均值分別為0.7187、0.6899、0.7479，說明管理層對外公開發(fā)言傾向于積極表態(tài)，即使是經(jīng)營狀況不佳（ROE為負）的公司，與其他學者研究中管理層傾向于“報喜不報憂”相一致。管理層綜合語調(diào)變化（DMTone）、MD&A語調(diào)（DFTone）、業(yè)績說明會語調(diào)（DCTone）均值分別為0.0071、0.0084、0.0066。WROE（T+1）的均值和中值分別為0.0597、0.0652。DWROE（T+1）的均值和中值分別為-0.0156、-0.0031，均為負，與謝德仁、林樂（2015）一致。

2、多元回歸檢驗結果及分析

參考謝德仁、林樂（2015），本文多元回歸分析中，控制年度、行業(yè)固定效應，并對t值做了公司層面的聚類穩(wěn)健標準誤調(diào)整。表3給出了研究假設H1和H2的檢驗成果。

1、假說1的檢驗結果。不管是ROE（T+1）還是DWROE（T+1）作為被解釋變量，綜合管理層語調(diào)（MTone）對T+1年的業(yè)績及其變化均呈正相關。以T+1年的WROE（T+1）為例，MTone對其回歸系數(shù)為0.081，t值為5.33，在1%水平上顯著。MTone值越大，意味著T+1年的WROE（T+1）越大。此外，MD&A語調(diào)（FTone）與業(yè)績發(fā)布會語調(diào)（CTone）對WROE（T+1）也呈正相關，與謝德仁、林樂（2015）等結果一致。以上結果，驗證了本文假說H1，在其他因素不變的條件下，管理層綜合語調(diào)MTone與上市公司未來業(yè)績呈顯著正相關，MTone指標中包含了關于未來業(yè)績預測方面的增量信息。

2、假說2的驗證結果。當WROE（T+1）作為被解釋變量時，同一模型下MTone、FTone、CTone的回歸系數(shù)分別為0.081、0.049、0.053，對應t值分別為5.33、3.55、4.67。從經(jīng)濟意義上看，MTone、FTone、CTone三者均對T+1的業(yè)績WROE（T+1）有解釋力，而且本文構建的管理層綜合指標MTone的解釋力強于其他兩個指標。因此，研究假設H2通過檢驗，說明MD&A語調(diào)（FTone）與業(yè)績發(fā)布會語調(diào)（CTone）均對公司未來業(yè)績有預測能力的同時，兩者之間還存在互補的增量信息含量，管理層綜合指標對未來業(yè)績的解釋力高于單一文本的管理層語調(diào)。

3、穩(wěn)健性檢驗

本文為了確保以上檢驗結果的穩(wěn)健性，進行了進一步的檢驗。分別采用投入資本回報率（ROIC）、總資產(chǎn)凈利率（ROA）作為被解釋變量。發(fā)現(xiàn)本文構建的管理層綜合語調(diào)與未來業(yè)績?nèi)猿曙@著正相關，并且其對未來業(yè)績的解釋能力優(yōu)于MD&A語調(diào)或業(yè)績說明會語調(diào)，研究假設H1、H2通過檢驗。

四、結果與建議

本文基于2012-2019年A股2069家上市公司發(fā)布的管理層討論與分析（MD&A）和業(yè)績說明會的文本，以構建代表上市公司管理層綜合語調(diào)的指標（MTone）。發(fā)現(xiàn)當年管理層綜合語調(diào)越積極，下一年的公司業(yè)績越好，此結果與Loughran & McDonald（2011）、謝德仁&林樂（2015）、唐少清（2020）相一致。進一步分析，發(fā)現(xiàn)管理層綜合語調(diào)的解釋力優(yōu)于MD&A或業(yè)績說明會單獨指標的情形，MD&A和業(yè)績說明會的信息含量具有一定的互補性。

因此，管理層綜合語調(diào)包含了兩者互補的信息含量。投資者在預測公司未來業(yè)績或相關投資策略時，MD&A和業(yè)績說明會是公司與投資減少“信息差”的有效途徑，有利于提升企業(yè)透明度，減少信息不對稱。建議監(jiān)管部門未來繼續(xù)鼓勵上市公司的自愿性披露，加強與投資的溝通，使得溝通途徑更加多元化。本文研究結果對綜合分析非財務信息預測能力具有一定的借鑒意義。

參考文獻

[1]陳藝云，2019;《基于信息披露文本的上市公司財務困境預測：以中文年報管理層討論與分析為樣本的研究》，《中國管理科學》第7期：23-34

[2]黃萍萍，李四海，2020;《社會責任報告語調(diào)與股價崩盤風險》，《審計與經(jīng)濟研究》第1期：69-78

[3]黃超、王敏，2019;《管理層利用年報語調(diào)配合盈余管理了嗎？》，《當代經(jīng)濟管理》第6期：90-97

[4]姜富偉、孟令超、唐國豪，2021;《媒體文本情緒與股票回報預測》，《經(jīng)濟學（季刊）》第4期：1323-1344

[5]李常青等，2005;《管理層討論與分析：借給投資者的一雙“慧眼”》，《上海證券報》：

[6]李鋒森、李常青，2008;《上市公司“管理層討論與分析”的有用性研究》，《證券市場導報》第12期：67-73

[7]李曉溪、楊國超、饒品貴，2019;《交易所問詢函有監(jiān)管作用嗎？ ———基于并購重組報告書的文本分析》，《經(jīng)濟研究》第5期：181-198

[8]孟慶斌、楊俊華、魯 冰，2017;《管理層討論與分析披露的信息含量與股價崩盤風險——基于文本向量化方法的研究》，《中國工業(yè)經(jīng)濟》第12期：132-150

[9]唐少清、 詹細明、李俊林、 羅 妍，2020;《管理層語調(diào)與創(chuàng)業(yè)板上市公司業(yè)績關系研究》，《中國軟科學增刊（ 上）》：32-40

[10]王嘯，2002;《美國“管理層討論與分析”及對我國的借鑒》，《證券市場導報》8月號：24-28

[11]薛爽，2010;《管理層討論與分析是否提供了有用信息？ ——基于虧損上市公司的實證探索》，《管理世界（月刊）》第5期：130-140

[12]謝德仁、林樂，2014;《市場對管理層語調(diào)有反應嗎？——基于業(yè)績說明會的文本分析》，2014 海峽兩岸會計學術研討會

[13]謝德仁、林樂，2015;《管理層語調(diào)能預示公司未來業(yè)績嗎？——基于我國上市公司年度業(yè)績說明會的文本分析》[J].《會計研究》第2期：20-27

[14]謝德仁、林樂，2016;《投資者會聽話聽音嗎？——基于管理層語調(diào)視角的實證研究》，《財經(jīng)研究》第7期：28-39

[15]謝德仁、林樂，2017;《分析師薦股更新利用管理層語調(diào)嗎？——基于業(yè)績說明會的文本分析》，《管理世界（月刊）》第11期：125-145

[16]楊七中、馬蓓麗，2019;《管理層的“弦外之音”，投資者能聽得懂嗎？——基于管理層語意的LSTM深度學習研究》，《財經(jīng)論叢》第6期：63-72

[17]周 波、張 程、曾慶生，2019：《年報語調(diào)與股價崩盤風險——來自中國 A 股上市公司的經(jīng)驗證據(jù)》，《會計研究》第11期：41-48

[18]周 建、原東良、馬雨飛，2021;《MD&A 語調(diào)會影響企業(yè)履行社會責任嗎？——基于信息增量與印象管理的視角》，《管理學刊》第6期：88-107

[19]Bryan S ， 1997. Incremental Information Content of Required DisclosuresContained inM anagem entDiscussion and Analysis [J]. The Accounting Review. （April）：285-301

[20]Baker M ， Wurgler J， 2006. Investor Sentiment and the Cross-Section of Stock Returns [J]. The Journal of Finance 61：1645–1680

[21]Bian， Shibo and Jia， Dekui and Li， Feng and Yan， Zhipeng， 2019. A New Chinese Financial Sentiment Dictionary for Textual Analysis in Accounting and Finance . Available at SSRN： https：//ssrn.com/abstract=3446388

[22]Davis A K ，? Piger J ，? Sedor L M， 2012. Beyond the Numbers： Measuring the Information Content of Earnings Press Release Language[J]. Contemporary Accounting Research， 29（3）： 845-868

[23]Fuwei Jiang， Joshua Lee， Xiumin Martin， and Guofu Zhou， 2019.“Manager Sentiment and Stock Returns” Journal of Financial Economics 132（1）：126-149

[24]Li， F， 2010. The Information Content of Forward-looking Statements in Corporate Filings—a Na?ve Bayesian Machine Learning Approach. Journal of Accounting Research 48： 1049-1102

[25]Li J ，? Chen Y ，? Shen Y ， et al， 2019. Measuring China's Stock Market Sentiment[J]. Working Paper.

[26]Loughran T ，? Mcdonald B，? 2011. When Is a Liability Not a Liability？ Textual Analysis， Dictionaries， and 10-Ks[J]. Journal of Finance， 66（1）：35-65.

[27]Loughran T ，? Mcdonald B， 2016. Textual Analysis in Accounting and Finance： A Survey[J]. Journal of Accounting Research 54.

[28]Price M K， Doran J S， Peterson D R， et al， 2012. Earnings conference calls and stock returns： the incremental informativeness of textual tone. Journal of Banking & Finance， 36（ 4）： 992-1011.

作者簡介：

夏克扎提·努力木（1995-），男，新疆伊寧縣人，南開大學金融學院金融學碩士研究生。