（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)給資本市場的信息流動帶來深遠影響，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[1]。自從滬深交易所推出投資者關(guān)系互動平臺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問答的主動權(quán)。以2018 年疫苗事件為例，在事件曝光之前，多位投資者在“互動易”平臺先后9 次詢問疫苗問題②，但長生生物均以“謝謝關(guān)注”“以公告為準”等方式敷衍搪塞，致使疫苗問題沒能被及時披露出來。那么，上市公司參與網(wǎng)絡(luò)互動受到哪些因素影響？敷衍搪塞投資者會引起哪些后果？本文從問答博弈視角探討上市公司參與網(wǎng)絡(luò)互動的動機，驗證回答行為對公司透明度的影響，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，加強與潛在投資者之間的溝通，以實現(xiàn)公司利益最大化和保護投資者合法權(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券日報》的一項調(diào)查顯示，面對投資者的網(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間較長、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，已有文獻主要關(guān)注約束機制、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]認為適當?shù)墓蓹?quán)集中度和管理層持股能夠促進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]。由于互動平臺的出現(xiàn)時間較短，研究上市公司參與網(wǎng)絡(luò)互動的文獻不多。最新研究表明，績優(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，投資者難以獲得準確信息，市場信息效率也難以顯著改善。

鑒于投資者相對弱勢的信息地位，忽略上市公司的參與意愿是不妥當?shù)摹，F(xiàn)實情境中，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，不過是上市公司對上敷衍監(jiān)管、對下忽悠股民的把戲”③。因此，有必要探究上市公司參與網(wǎng)絡(luò)互動的動因及其影響，特別是對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，在論證博弈報酬的基礎(chǔ)上建立單期與多期動態(tài)博弈模型，推導(dǎo)問答博弈的基本性質(zhì)并提出對應(yīng)的研究假設(shè)。然后，基于2010—2017年深交所上市公司的互動問答數(shù)據(jù)，實證檢驗本文研究假設(shè)。最后，總結(jié)上市公司參與網(wǎng)絡(luò)互動的動因及對公司透明度的影響，為相關(guān)部門提出監(jiān)管建議。

相對于已有研究，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）當互動內(nèi)容涉及較多的利空信息時，上市公司不會立即采取消極應(yīng)對策略，直到利空信息占比超過一個臨界值。一些學(xué)者認為公司管理層有動機推遲披露壞消息[15]。按此邏輯，當投資者提出負面問題時，上市公司拒絕回答或者保持沉默，直到負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，這可能因為利空信息與利好信息對投資者決策、市場的影響是不對稱的[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，相對而言，利好信息的影響更大。（4）上市公司參與網(wǎng)絡(luò)互動的行為對公司信息透明度有顯著影響：積極參與網(wǎng)絡(luò)互動顯著提升公司信息透明度，消極參與網(wǎng)絡(luò)互動顯著降低公司信息透明度。

二、基于博弈模型的動因分析

（一）基本設(shè)定

網(wǎng)絡(luò)互動包含三個要素：場景、投資者與上市公司。

1.場景。場景為網(wǎng)絡(luò)互動提供環(huán)境支持。在場景中，有1 家公司和N 個投資者（N>1），投資者與公司遵循“一問一答”互動模式?；咏Y(jié)束后，問答內(nèi)容被記錄并保存。由于網(wǎng)絡(luò)平臺由證券交易所提供，公司在場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地位，信息識別是其提問的動機⑤。信息識別是指投資者搜集、篩選、整理、判斷各類原始信息并轉(zhuǎn)化為決策信息的過程，也是投資者實現(xiàn)、保護自身利益的前提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，如果信息被準確識別，投資者選擇交易；如果信息無法被準確識別，投資者放棄交易⑦。

3.公司。公司滿足以下假定：（1）公司處于信息強勢地位，知曉所有提問的準確答案⑧。（2）面對投資者的提問，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確識別信息，消極回答無法幫助投資者完成信息識別。（3）公司的回答行為被實時公開，多次積極回答為公司累積正面聲譽，多次消極回答為公司累積負面聲譽。

（二）單期博弈模型的建立

在單期博弈中，只存在一次“問與答”，公司對回答策略的選擇不會對其聲譽造成影響。圖1 給出了單期博弈模型的報酬設(shè)定，下面對報酬設(shè)定依據(jù)給出詳細的說明。

圖1 單期博弈模型及報酬設(shè)定

1.利空信息對投資者、上市公司的影響比利好信息更大。已有大量研究證實，壞消息對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)險厭惡的，不喜歡的信息對其造成的影響比喜歡的信息造成的影響更大。

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

3.公司的報酬僅與信息擴散有關(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“報酬”來自于股票在二級市場的短期表現(xiàn)，并非來自公司業(yè)績在長期上的盈利或者虧損。當信息已經(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股價造成的影響[19-22]。如果投資者提問是利好的，正面信息進入公眾視野，公司獲得1 個正報酬。如果投資者提問是利空的，負面消息進入公眾視野，公司獲得2 個負報酬。

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）公司對回答策略的選擇不受法規(guī)與監(jiān)管的約束⑩。對于利空提問，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酬為零，E（不交易）=0。

如果選擇交易，投資者獲得的期望報酬為：

式（1）中，S1、S2、S3、S4分別對應(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酬，公司將采取混合策略。在單期博弈中，一個有利的狀態(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、市場信息效率的改善。此時，需要保證公司選擇積極回答的期望報酬大于其選擇消極回答的期望報酬。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P2求極限得到：

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

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，存在一個臨界概率p#，當利空概率p＜p#時，公司采取積極回答策略，從而達到{投資者愿意問，上市公司愿意答}的均衡狀態(tài)，此狀態(tài)標記為G。當利空概率p＞p#時，公司采取消極回答策略，從而達到{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，投資者最終會放棄提問，狀態(tài)B 會演變?yōu)椋顿Y者不愿問，上市公司不回答｝的狀態(tài)。對于上市公司信息披露和資本市場的信息流動而言，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 個投資者先后多次提問，公司的回答行為影響自身聲譽，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，公司聲譽越好；消極回答次數(shù)越多，公司聲譽越差。在報酬設(shè)定時，本文使用符號R（R＞0）表示良好聲譽給公司帶來的正報酬，而-R 則表示壞聲譽給公司帶來的負報酬。如圖2 所示，好聲譽帶來R的報酬，壞聲譽帶來-R 的報酬。除了聲譽帶來的報酬之外，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，唯一差別是聲譽的激勵作用。公司選擇不同策略的期望報酬可分別表示為：

令式（10）＞式（11），可求解關(guān)于p 的不等式。由于聲譽會激勵公司采取積極回答策略，多期博弈模型均衡點對應(yīng)的臨界概率p#會被放寬。具體來講，如果單期博弈均衡點對應(yīng)的臨界概率為p#（單），多期博弈均衡點對應(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點的影響因素較為復(fù)雜，但及時披露好消息、推遲披露壞消息已經(jīng)得到學(xué)術(shù)界的普遍認同[15，23-25]。然而，管理層隱藏壞消息在網(wǎng)絡(luò)互動情境中有所不同，因為問題發(fā)起的主動權(quán)掌握在投資者手中，管理層只能被動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是顯然的，因為好消息對公司股價有正面影響[26]。如果將公司對利空提問的回應(yīng)看作特殊的“傳聞澄清”，則公司有動機迅速澄清利空信息[21]。由于壞消息對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)互動的積極性越高；利好信息越多，公司參與網(wǎng)絡(luò)互動的積極性越高。相對而言，利好信息的影響更大。

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

已有文獻證明好消息與壞消息對市場的影響是不同的，好消息對公司股價有正面影響[26]，壞消息給股票收益帶來下行壓力[27]。當投資者的提問涉及利空信息時，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，傳聞為當事人帶來了恐懼與不安，相關(guān)人員有強烈動機評價傳聞內(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人職業(yè)生涯、薪酬待遇等原因，也有必要及時出面澄清負面信息，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，當利空信息占比低于某個臨界值p#時，上市公司有動機采取積極回應(yīng)策略；當利空信息占比超過p#時，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酬滿足不等式：E（積極回答）＞E（消極回答）。此時，有利的市場均衡狀態(tài)G 會出現(xiàn)?。實際上，利空臨界概率的數(shù)值1/3 與報酬設(shè)定有關(guān)，這表明1/3 不是p#的唯一值。改變報酬的數(shù)值設(shè)定，并不影響p#存在的事實。假定利空、利好的影響是對稱的，具體為：（1）利空問題得到積極回答，投資者得到的報酬為1；（2）利好問題得到積極回答，投資者獲得的報酬也為1；（3）利空問題出現(xiàn)時，公司獲得報酬為-1；（4）利好問題出現(xiàn)時，公司獲得報酬為1。那么，p#將從1/3 變?yōu)?/2。由此，從性質(zhì)2 可得到第二個研究假設(shè)：

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

從實證分析角度看，只要存在一個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得到驗證，只不過結(jié)果的統(tǒng)計顯著性可能存在差異。當然，借助實證結(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。實際上，根據(jù)前文的多期博弈結(jié)果可以推斷，由于聲譽機制的存在，p#將會大于1/3，表明聲譽的存在提高了上市公司對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)的互動問答屬于投資者關(guān)系管理的范疇，中國證監(jiān)會制定的《上市公司與投資者關(guān)系工作指引》指出，“上市公司應(yīng)主動聽取投資者的意見、建議，形成良性互動”。公司信息透明度是指公司財務(wù)、管理等信息公開披露的程度，它是市場有效運行的基本條件，更關(guān)系到資源配置的有效性和資本市場的健康發(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理解它們[30]。當投資者借助網(wǎng)絡(luò)了解公司信息時，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，可得到第三個研究假設(shè)：

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

四、實證分析與討論

（一）研究設(shè)計

1.研究方法。實證部分以面板數(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。實證分析選取三類數(shù)據(jù)：上市公司參與網(wǎng)絡(luò)互動的問答數(shù)據(jù)、上市公司的財務(wù)數(shù)據(jù)、股票交易數(shù)據(jù)。其中，財務(wù)數(shù)據(jù)與股票數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫。借鑒岑維等[31]、譚松濤等[2]的做法，互動問答數(shù)據(jù)取自深交所的投資者關(guān)系互動平臺。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”觀測值8912 個。

3.變量定義與構(gòu)造。（1）公司參與網(wǎng)絡(luò)互動的積極性（ACTIVE）。本文使用“回答延遲天數(shù)”評價公司參與網(wǎng)絡(luò)互動的積極性，采用回答日期與提問日期之間的工作日天數(shù)計算，用Delay 表示。如果公司當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 個月沒有回答投資者的提問，設(shè)定Delay=365。實證分析中，采用Delay 的年度均值。Delay 越小，表明公司參與網(wǎng)絡(luò)互動的積極性越高。Delay 越大，表明公司參與網(wǎng)絡(luò)互動的積極性越低。

基于穩(wěn)健性考慮，本文選取另一個評價變量——投資者提問被公司回答的比例，用AnswerRate 表示。每一家公司對應(yīng)的問題回答比例按如下方法計算：

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)互動的積極性越高。AnswerRate 越小，表明公司參與網(wǎng)絡(luò)互動的積極性越差。

（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內(nèi)容?的利好與利空。在語言表達中，一些詞匯具有明顯的情感特征，或是正面（積極）的，或是負面（消極）的，它們可以用來度量文字資料的正面或者負面屬性。自2012 年以來，國內(nèi)學(xué)者整理了多個情感詞匯表，較早的文獻包括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，且具有較強的財經(jīng)特色與傳媒特色?？紤]到情感詞匯的可獲取性與維護的可持續(xù)性，本文選取Li et al.[32]于2012 年開始整理并維護至今的FinDict?。

對于每一家公司，互動內(nèi)容的利空信息計算方法如下：

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)全部互動包含的負面詞匯個數(shù)，Nt，Total表示一年度內(nèi)全部互動包含的詞匯總個數(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。一般認為，如果利空信息相對于利好信息有明顯優(yōu)勢，該段文字有更大的可能是利空的。鑒于此，本文進行簡易處理。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，但是考慮p#不是一個精確數(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（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》（以下簡稱《考核辦法》）。《考核辦法》從真實性、準確性、完整性、及時性、合法合規(guī)性和公平性共六個方面評價上市公司的信息披露水平，并給予A、B、C、D 四個檔次的評級。其中，A為最高等級，B 表示中等水平，C 等級稍差，D 等級最差。由于信息披露是上市公司立足于資本市場的核心工作，考評等級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，深交所對場內(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)果具有較強的權(quán)威性與廣泛的社會影響，本文選取信息披露考核等級作為上市公司信息透明度的代表，用于檢驗研究假設(shè)H3。

4.控制變量。上市公司參與網(wǎng)絡(luò)互動的積極性與公司管理水平、公司經(jīng)營業(yè)績有關(guān)，本文控制變量選取第一大股東持股比例、管理層持股、是否國有控股、CEO 權(quán)利、獨立董事占比、女性CEO、總資產(chǎn)收益率、公司規(guī)模、資產(chǎn)負債率、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)互動的積極性，分別用LnDelay 和AnswerRate 代表。Talk_NEG代表互動內(nèi)容的利空信息，Talk_POS 代表互動內(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?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的，式（16）也會討論利好比例（PN）。在研究假設(shè)H3的模型中，被解釋變量替換為考核等級CREDIT，解釋變量替換為上市公司參與網(wǎng)絡(luò)互動的積極性，包括LnDelay 和AnswerRate，具體見式（17）。結(jié)合實證分析中的具體情形，上述回歸模型的解釋變量會有細微調(diào)整，此處不再贅述。

表1 變量介紹

（二）描述性統(tǒng)計分析

如表2 所示，幾個關(guān)鍵變量的統(tǒng)計結(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，折算成跟蹤團隊約為4.3 個，表明公司普遍得到了分析師的關(guān)注。CREDIT 的均值為0.693 7，而考評等級B 的分數(shù)為0.67 分，表明公司整體信息披露等級并不樂觀。Talk_POS 的均值為5.845 0，高于Talk_NEG 的均值2.065 0，說明互動內(nèi)容的利好信息相對較多?。

表2 變量的描述性統(tǒng)計分析

（三）研究假設(shè)的檢驗

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，表明利空信息與利好信息都會促使公司及時回答投資者的提問。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。

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

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

綜合分析，利空信息與利好信息都會促使公司積極參與網(wǎng)絡(luò)互動，這是上市公司參與網(wǎng)絡(luò)互動的外部動因。然而，a 與b 之間的相對大小關(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)模型或隨機效應(yīng)模型替換當前的混合面板模型，進一步探討a 與b 之間的大小關(guān)系。

2.研究假設(shè)H2。該假設(shè)的目標是確認利空比例（NP）是否存在一個臨界值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NP＜0.275 時，其回歸系數(shù)為負值（-4.146 7）且在1%的水平上顯著為負，表明利空比例越高，公司的回答延遲越短；當NP＞0.275 時，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。采用AnswerRate 為被解釋變量，如表5 中模型（3）和（4）所示：當NP＜0.275時，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NP＞0.275 時，其回歸系數(shù)為負值（-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，利空概率存在一個臨界值p#，在其兩側(cè)，利空信息對上市公司參與網(wǎng)絡(luò)互動的影響恰好相反，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)互動的積極性（p#=1/3）

3.研究假設(shè)H3。本研究假設(shè)希望確認公司參與網(wǎng)絡(luò)互動的行為對其信息透明度有顯著影響。如表6 所示，CREDIT 是公司年度考評等級轉(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)互動的上市公司，下一年度的考評等級對應(yīng)的數(shù)值越高，公司信息透明度越高，研究假設(shè)H3得到實證支持。

基于穩(wěn)健性的考慮，本文對表6 中的兩個模型進行適當調(diào)整。根據(jù)表6 的設(shè)計，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)互動的行為沒有影響CREDITt+1的形成，因為中間存在一個年度的時間差。

表6 公司參與網(wǎng)絡(luò)互動對公司信息透明度的影響

對于研究假設(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，因為考評是事后工作，不會對公司已經(jīng)發(fā)生的行為產(chǎn)生影響。本文在表7 中做了對應(yīng)的調(diào)整，將被解釋變量與解釋變量放在同一個年度?；貧w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得到進一步證實。

表7 公司參與網(wǎng)絡(luò)互動對公司信息透明度的影響（同期）

（四）穩(wěn)健性分析

前文實證分析過程中已經(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)互動的積極性；將式（17）中的被解釋變量與解釋變量放到同一個年度內(nèi)。

為了進一步檢驗實證結(jié)果的可靠性，本文更換計量回歸模型。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)績等十多個變量，但也可能會遺漏關(guān)鍵變量，因而可以嘗試采用固定效應(yīng)模型或隨機效應(yīng)模型。本文使用R 語言plm 工具包中的phtest()函數(shù)對式（15）的模型進行豪斯曼檢驗，結(jié)果拒絕隨機效應(yīng)。進一步使用plm 工具包中的plmtest()函數(shù)在個體固定效應(yīng)與時間固定效應(yīng)之中進行選擇，結(jié)果支持個體固定效應(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。最終，上述分析表明研究假設(shè)H1、H2都得到實證支持。

五、研究結(jié)論與政策建議

隨著網(wǎng)絡(luò)時代的到來，投資者關(guān)系互動平臺已經(jīng)成為上市公司重要的非正式信息披露媒介，但監(jiān)管部門尚沒有出臺有針對性的管理細則。為了研究上市公司參與網(wǎng)絡(luò)互動的行為，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務(wù)數(shù)據(jù)、股票交易數(shù)據(jù)、投資者關(guān)系互動平臺的問答數(shù)據(jù)以及深交所的信息披露考評數(shù)據(jù)，本文實證檢驗了博弈模型的三個基本性質(zhì)，有如下發(fā)現(xiàn)：（1）互動內(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，相對而言，利好信息的影響比利空信息更大。（2）利空比例，即互動內(nèi)容中利空信息與利好信息的比值，存在一個臨界值p#，當利空比例小于p#時，利空比例越高，上市公司參與網(wǎng)絡(luò)互動的積極性越高；當利空比例大于p#時，利空比例越高，上市公司參與網(wǎng)絡(luò)互動的積極性越低。（3）上市公司參與網(wǎng)絡(luò)互動的行為對公司信息透明度有顯著影響，積極參與互動顯著改善上市公司信息透明度。

基于上述理論分析與實證分析，本文認為監(jiān)管部門應(yīng)當采取必要措施維持市場始終位于｛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）及時并嚴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。（2）擴大網(wǎng)絡(luò)互動平臺的影響力，幫助投資者挖掘公司信息。隨著互動平臺影響力的擴大，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，互動行為對公司聲譽累積效果更加明顯。（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、下有對策”的惡性循環(huán)。實際上，不處罰的做法可以給聲譽機制留下足夠的空間，不僅可以提升公司對利空信息的容忍程度，還能促進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、求解還需要進一步完善。（2）利好、利空的度量還有改進空間。雖然詞頻統(tǒng)計方法已經(jīng)取得廣泛認同，但網(wǎng)絡(luò)互動與財經(jīng)新聞、分析師報告有很大不同，許多用詞不夠規(guī)范。筆者會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)平臺是“e 互動”，于2013 年上線運營；深交所推出網(wǎng)絡(luò)平臺是“互動易”，于2010 年上線運營。

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

⑤由于信息需求是“個性化”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準確信息對投資者的交易行為是有利的。在信息被準確識別后，投資者未來的股票交易、債券交易、參加股東答會等行為都會取得更好的結(jié)果。如果信息無法識別，投資者難以形成有效決策，不會發(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別中獲益。如果信息無法被準確識別，理性投資者不會選擇盲目交易。本文作者感謝第十四期廣州香樟經(jīng)濟學(xué)Seminar 各位學(xué)者給出的寶貴意見。

⑧在互動問答中，由證券事務(wù)代表、董事會秘書或其他人員代表公司回答問題。對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控制人求證實情。為了方便分析，本文博弈模型中的“公司”只是一個代號，其背后應(yīng)當是實際控制人。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#就會存在，無論相對大小是多少。

⑩實際上，當前并沒有強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，這種情形與實際不符，故本文不考慮端點情形。

?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)會討論a 與b 的相對大小。

?有利市場均衡狀態(tài)G 不僅是問答模型的推導(dǎo)結(jié)果，也是市場監(jiān)管部門、廣大投資者期待的且在實踐中存在的結(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的，但由于只要保證存在一個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。

?實際上，完整的互動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)成一個完整的意思表達。因此，本文實證部分將提問與回答合并對待，統(tǒng)稱為“互動內(nèi)容”。

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

?當分母為零時，直接使用分子替代。

?從計算過程看，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。

?由于情感詞匯在財經(jīng)文字中的分布具有不對稱性，Talk_POS 大于Talk_NEG 不能等價于互動內(nèi)容就是利好的。

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