邱 靜，楊 妮

(貴州財(cái)經(jīng)大學(xué) 會計(jì)學(xué)院，貴州 貴陽 550025)

一、引言

前期研究認(rèn)為業(yè)績說明會是企業(yè)與投資者信息交流的平臺，信息真實(shí)可靠。一方面，說明會上高管根據(jù)投資者實(shí)時(shí)提問作答，信息難以操縱。[1]另一方面，說明會提問主體廣泛，反映信息全面。[2]然而本研究認(rèn)為，說明會上高管可采取“問官答花”策略，隱瞞企業(yè)消極信息和誤導(dǎo)投資者。“問官答花”(即策略性回答)是指回答者采取答非所問、避重就輕方式作答。如提問者問：“公司未來并購重組有什么想法？”管理層回答：“公司會選擇合適時(shí)機(jī)和方式利用可利用資源制定有利規(guī)劃。”管理層的回答看似非常積極，包含較多積極詞匯，但其實(shí)質(zhì)是高管的答非所問、未包含實(shí)質(zhì)有用信息，甚至存在誤導(dǎo)性。那短期內(nèi)策略性回答是否能有效掩蓋消極信息？長期來看又會為企業(yè)發(fā)展帶來何種不利后果呢？

本研究以2005到2020年A股企業(yè)為樣本，利用文本分析檢驗(yàn)說明會上管理層策略性回答的經(jīng)濟(jì)后果和作用機(jī)制。結(jié)果發(fā)現(xiàn)，管理層可采取策略性回答手段隱藏壞消息，并利用好壞消息披露非對稱性提升非理性投資者情緒，然而卻以增加股價(jià)崩盤風(fēng)險(xiǎn)為后果。進(jìn)一步分析表明，高管針對前瞻信息(戰(zhàn)略規(guī)劃和持續(xù)經(jīng)營)問題采取策略性回答會顯著地增加股價(jià)崩盤風(fēng)險(xiǎn)。說明“問官答花”的確是短視性的策略手段。

本研究的貢獻(xiàn)在于：其一，深化了高管信息操縱的經(jīng)濟(jì)后果相關(guān)研究。以“高管披露行為-投資者反應(yīng)-企業(yè)經(jīng)濟(jì)后果”為邏輯，探索了操縱性信息披露引發(fā)的消極后果及投資者在其中發(fā)揮的作用。其二，再次驗(yàn)證了基于股價(jià)崩盤風(fēng)險(xiǎn)的負(fù)面信息隱藏理論。通過構(gòu)建策略性回答指標(biāo)衡量了高管隱瞞負(fù)面信息的程度，并檢驗(yàn)了高管捂盤信息對股價(jià)崩盤風(fēng)險(xiǎn)的影響。其三，利用LDA模型對問題分類，并檢驗(yàn)不同主題問題管理層策略性應(yīng)對經(jīng)濟(jì)后果的異質(zhì)性，為市場監(jiān)管和投資者決策提供了啟示。

二、文獻(xiàn)回顧與假設(shè)提出

(一)文獻(xiàn)回顧

Hutton等指出股價(jià)崩盤風(fēng)險(xiǎn)是由于壞消息蓄積爆發(fā)，引致短期內(nèi)股價(jià)出現(xiàn)大幅下跌的可能性風(fēng)險(xiǎn)。[3]既往文獻(xiàn)基于信息隱藏理論，分析了影響股價(jià)崩盤風(fēng)險(xiǎn)的主觀和客觀因素。首先，客觀因素。李增泉等[4]和Kim等[5]認(rèn)為企業(yè)較高信息不對稱性，增加未披露壞消息和股價(jià)暴跌風(fēng)險(xiǎn)。其次，主觀因素。一方面，管理層出于聲譽(yù)維護(hù)、薪酬契約達(dá)標(biāo)、避稅等被動動機(jī)，隱瞞消極消息，繼而增加股價(jià)崩盤風(fēng)險(xiǎn)。[5-7]另一方面，高管為實(shí)現(xiàn)巨額超募資金和操縱交易等主觀目的，傾向隱瞞壞消息，繼而增加股價(jià)崩盤風(fēng)險(xiǎn)。[8,9]部分學(xué)者認(rèn)為非理性人預(yù)期和賣空管制下分析師選擇性的評級行為等是引致股價(jià)過高和崩盤風(fēng)險(xiǎn)的因素。[10,11]因此，本研究綜合信息和估值因素，從高管和投資者維度分析信息披露對股價(jià)崩盤風(fēng)險(xiǎn)的影響是具有理論意義的。

而文本信息的相關(guān)研究則主要基于信號傳遞假說和機(jī)會主義假說展開。一方面，基于信號傳遞假說，前期學(xué)者認(rèn)為盈余報(bào)告和年報(bào)等陳述性信息是真實(shí)可信的。[12,13]另一方面，基于機(jī)會主義假說，研究發(fā)現(xiàn)語調(diào)膨脹度[14]、可讀性策略[15]和語調(diào)離散度[16]均是高管可用的文本信息披露策略。更有學(xué)者指出文本信息操縱，如年報(bào)的延遲披露[17]和年報(bào)語調(diào)的操縱[18]均為高管隱藏負(fù)面信息創(chuàng)造條件，會加劇股價(jià)崩盤風(fēng)險(xiǎn)。而基于業(yè)績說明會，學(xué)者普遍認(rèn)為其具備實(shí)時(shí)交流和提問不可預(yù)期的特征，發(fā)布信息真實(shí)可信。楊七中等證實(shí)了說明會高管語調(diào)能顯著緩解股價(jià)崩盤風(fēng)險(xiǎn)。[19]而本研究則認(rèn)為說明會上，高管可采取答非所問方式調(diào)整及時(shí)回答信息，達(dá)到隱瞞壞消息和影響投資者反應(yīng)的目的。

(二)理論分析與假設(shè)

說明會上管理層“問官答花”是其就投資者提問，采取答非所問、不直接作答的策略，目的是發(fā)布積極信息、掩蓋消極信息，實(shí)現(xiàn)印象管理。[20]當(dāng)然，這既可能是動機(jī)驅(qū)使的行為也可能是認(rèn)知偏差的結(jié)果。一方面，管理層出于扭轉(zhuǎn)市場評價(jià)、維護(hù)個(gè)人聲譽(yù)或獲取超額自利收益的目的，傾向“問官答花”，掩蓋消極信息。[6,14]另一方面，高管也可能由于個(gè)人較樂觀的認(rèn)知偏差，而非蓄意地掩飾或忽視了壞消息、采取策略性回答。[21]那管理層“問官答花”會引發(fā)何種經(jīng)濟(jì)后果呢？

股價(jià)崩盤風(fēng)險(xiǎn)是指不受先兆信息影響，短期內(nèi)股票價(jià)格或市場指數(shù)大幅下跌的概率和可能性。[17,22]本研究認(rèn)為，說明會上高管“問官答花”會增加未來股價(jià)崩盤風(fēng)險(xiǎn)。一方面，若高管出于扭轉(zhuǎn)市場評價(jià)目的或受樂觀情緒影響，針對提問“報(bào)喜不報(bào)憂”，則會導(dǎo)致投資者接受積極和消極信息時(shí)間的非對稱，使其價(jià)值判斷偏高。[23]相應(yīng)的，未來新信息與原公布信息不一致概率更高，可能引發(fā)投資者短期內(nèi)修正估值預(yù)期和集中拋售，增加股價(jià)暴跌風(fēng)險(xiǎn)。另一方面，若高管為獲取超額私利，采取“問官答花”回答策略，目的則是誤導(dǎo)投資者，甚至操縱市值。[14]隨著新信息出現(xiàn)，高管操縱信息和尋機(jī)利己則會被洞悉[18]，“憤怒成本”和短期內(nèi)拋售概率增大，增加崩盤風(fēng)險(xiǎn)。由此，本研究提出H1假設(shè)：

H1：高管策略性回答與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)顯著正相關(guān)。

股價(jià)崩盤風(fēng)險(xiǎn)是由投資者大量賣出股票引發(fā)的后果。[24]投資者勢必在股價(jià)崩盤風(fēng)險(xiǎn)中發(fā)揮關(guān)鍵作用。其中，投資者情緒反映了其投機(jī)傾向和過偏樂觀或悲觀的預(yù)期，會影響其投資決策。[25]那投資者情緒在策略性回答與股價(jià)崩盤風(fēng)險(xiǎn)間發(fā)揮何種作用呢？

管理層“問官答花”將會顯著提升非理性投資者情緒。一方面，“問官答花”影響的是非理性投資者情緒。其一，理性投資者會基于全面信息理性估值，而非理性投資者則傾向接受直觀易解讀信息。[26]因此，相較于理性投資者，非理性投資者更可能受“問官答花”影響產(chǎn)生對股價(jià)估值過偏樂觀的預(yù)期，即非理性投資者情緒。其二，市場非理性情緒主要反映了噪聲交易者的預(yù)期。噪聲交易者是信息劣勢方，容易被高管認(rèn)證信息左右[27]，受“問官答花”策略的影響。另一方面，高管“問官答花”會顯著增加非理性投資者情緒。其一，策略性回答導(dǎo)致投資者接收到好、壞消息時(shí)間上的非對稱[28]，非理性投資者會因接收到較實(shí)際偏積極信息的影響，估值較偏樂觀。其二，策略性回答隱瞞了部分壞消息，降低投資者風(fēng)險(xiǎn)感知，抑制其預(yù)期謹(jǐn)慎性。其中，噪聲交易者傾向依據(jù)個(gè)人感知調(diào)整決策，引致估值和交易偏樂觀。[26]其三，受情緒傳染效應(yīng)影響，投資者群體易產(chǎn)生從眾心理、跟風(fēng)交易[29]，在獲悉偏積極信息時(shí)，群體情緒易受樂觀預(yù)期者影響，過偏樂觀、估值過高。

管理層“問官答花”通過提升非理性投資者情緒，增加股價(jià)崩盤風(fēng)險(xiǎn)。其一，我國資本市場以散戶投資者居多，股價(jià)估值更傾向是非理性投資者情緒的產(chǎn)物。[26]說明會上高管“問官答花”導(dǎo)致噪聲交易者接受好壞信息時(shí)間上的非對稱，產(chǎn)生偏樂觀的股價(jià)估值預(yù)期。[30]然而，未來新信息出現(xiàn)可能導(dǎo)致壞消息短期內(nèi)集中暴露，投資者估值快速修正，引致股價(jià)崩盤風(fēng)險(xiǎn)增加。其二，受先驗(yàn)信念和認(rèn)知偏差作用[31]，高管答非所問導(dǎo)致投資者預(yù)期差異。而信念差異和賣空限制，使股價(jià)主要反映的是樂觀交易者(非理性投資者)預(yù)期[11]，偏高于實(shí)際。然而，新信息出現(xiàn)會導(dǎo)致投資者集中獲悉壞消息，引發(fā)短期拋售和崩盤風(fēng)險(xiǎn)增加。其三，若高管“問官答花”目的是掩蓋壞信息，誤導(dǎo)投資者產(chǎn)生偏樂觀情緒，繼而實(shí)現(xiàn)市值操縱和私利獲取。隨著掩飾信息的曝光，投資者極易洞察高管掩蓋信息、尋機(jī)獲利的操縱行為，則會加劇其“憤怒成本”，引發(fā)集中股票拋售，增加股價(jià)下跌風(fēng)險(xiǎn)。由此，本研究提出H2假設(shè)：

H2：非理性投資者情緒是高管策略性回答增加企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的中介機(jī)制。

三、研究設(shè)計(jì)

(一)樣本選擇與數(shù)據(jù)來源

研究對象是2005至2020年A股企業(yè)，刪除金融、ST和PT、資不抵債及數(shù)據(jù)不全企業(yè)，最終樣本12,589個(gè)。數(shù)據(jù)來自國泰安CSMAR和中國研究數(shù)據(jù)服務(wù)平臺CNRDS數(shù)據(jù)庫。分析軟件是Stata15和Python，并對連續(xù)變量進(jìn)行1%縮尾處理。

(二)變量定義

1.被解釋變量：股價(jià)崩盤風(fēng)險(xiǎn)(Ncskew和Duvol)

負(fù)收益偏態(tài)系數(shù)(Ncskew)和收益率上下波動比率(Duvol)是反應(yīng)短期內(nèi)出現(xiàn)極大負(fù)收益率概率的指標(biāo)，即股價(jià)崩盤風(fēng)險(xiǎn)的正指標(biāo)。負(fù)收益偏態(tài)系數(shù)越大，反映出現(xiàn)極大負(fù)(正)收益率概率更高(更低)。而收益率波動比率反映股價(jià)下降和上升波動性的差異，差異越大說明收益率更為左偏。[10]參考許年行等做法，擬合并求殘差衡量特質(zhì)收益率。

ri,t=αj+β1,irm,t-1+β2,irj,t-1+β3,irm,t+β4,irj,t+β5,irm,t+1+β6,irj,t+1+εi,t

(1)

其中，ri,t、rm,t和rj,t是包含現(xiàn)金紅利再投資的股票周收益率、流通市值加權(quán)市場周收益率和除本公司外行業(yè)流動市值加權(quán)的行業(yè)周收益率。并采取模型(2)測算周特定收益率。

Wi,t=ln(1+εi,t)

(2)

在此基礎(chǔ)上計(jì)算Ncskew和Duvol指標(biāo)。

(1)負(fù)收益偏態(tài)系數(shù)(Ncskew)

其中，n是年度內(nèi)交易周數(shù)。

(2)收益率上下波動比率(Duvol)

首先，按公司和年度計(jì)算周特質(zhì)收益率均值，高于(低于)均值為上漲周(下降周)。其次，計(jì)算上漲周(下降周)周特質(zhì)收益率標(biāo)準(zhǔn)差。最后，計(jì)算收益率上下波動比率(Duvol)。

其中，nu和nd分別為股票上漲周數(shù)和下跌周數(shù)。

2.解釋變量：策略性回答指標(biāo)(Tactics)

前期學(xué)者卞世博和閻志鵬[32]及卞世博等[33]均通過測算問答文本余弦相似性衡量高管“答非所問”的程度，認(rèn)為相似性越低，說明回答與問題相關(guān)性越小，即“問官答花”程度越高。本研究也參考其做法，構(gòu)建策略性回答指標(biāo)。首先，對文本去除停用詞基礎(chǔ)上，利用TF-IDF算法構(gòu)建問答文本向量矩陣，計(jì)算問與答的余弦相似性。

其中，Q和A是問和答TF-IDF向量矩陣，n是詞語數(shù)，而qi和ai則為詞語對應(yīng)TF-IDF頻率。cosine similarity取值為0到1，越接近于0，反映回答“問官答花”程度越高。

其次，考慮到余弦相似性越低，意味著管理層“問官答花”的程度越高。因此，我們采取如下方法測算管理層針對每一個(gè)問題的策略性回答程度。

Tactic=1-cosinesimilarity

(6)

最后，按年度計(jì)算公司高管策略性回答程度均值，作為策略性回答指標(biāo)(Tactics)：

Tacticsi.t=Sum_Tacticsi,t/Num_Tacticsi,t

(7)

其中，Sum_Tactics和Num_Tactics是企業(yè)策略回答值之和及問題數(shù)。

為驗(yàn)證指標(biāo)測算的合理性，本研究列示部分“問-答”文本測試結(jié)果(表1)。不難發(fā)現(xiàn)，針對1到4號問題，高管明顯有意回避、不針對作答，測算所得指標(biāo)值均較高，甚至存在完全答非所問的情況(指標(biāo)值等于1)。同時(shí)，這些問題大多涉及敏感話題(業(yè)績變臉和股價(jià)下挫等)，更可能是高管刻意掩飾消極信息的結(jié)果。而針對5到8號問題，高管明顯回答更具針對性。然而，其回答并未包括大量增量信息，甚至十分簡短或是已披露信息，其指標(biāo)值均較低?？梢?，計(jì)算指標(biāo)有效衡量的是“問官答花”程度而非信息披露充分性。

表1 業(yè)績說明會“問-答”文本分析結(jié)果舉例

3.中介變量：非理性投資者情緒(Positive和Sentiment)

非理性投資者情緒是指投資者對股價(jià)估值過于偏樂觀或悲觀的預(yù)期。[29]而前期學(xué)者認(rèn)為股價(jià)反映了基本面信息和非理性投資者情緒因素[26]，采用企業(yè)市值的回歸殘差(剔除基本面因素)衡量非理性投資者情緒是更合理的方式[34]。因此，本研究參考張慶和朱迪星[35]做法計(jì)算非理性投資者情緒指標(biāo)(Positive)。同時(shí)，考慮到非理性股價(jià)估值和股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)衡量方式可能存在重疊性問題，本研究借鑒了汪昌云和武佳薇[36]做法測算股吧發(fā)帖的凈積極情感指數(shù)，間接衡量非理性投資者情緒(Sentiment)。

(1)非理性投資者情緒變量(Positive)

孫鯤鵬和肖星采用了股吧帖子情感分析衡量非理性投資者情緒，認(rèn)為發(fā)帖情感越積極，更可能引致股價(jià)非理性上漲[29]，且這種間接測算方式有效緩解了與股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)的重疊性風(fēng)險(xiǎn)。同時(shí)，本研究利用CNRDS數(shù)據(jù)庫獲取股吧數(shù)據(jù)，在此基礎(chǔ)上測算非理性投資者情緒(Positive)，確保數(shù)據(jù)準(zhǔn)確性。要說明的是，若高管策略性回答增加了投資者預(yù)期的樂觀程度，反映的是投資者被披露策略誤導(dǎo)，預(yù)期和信念產(chǎn)生較偏樂觀的系統(tǒng)偏差，即非理性情緒。具體測算借鑒汪昌云和武佳薇[36]做法。

Negtive_newsi,t、Positive_newsi,t和Total_newsi,t分別是消極、積極和總帖子數(shù)。

(2)非理性投資者情緒變量(Sentiment)

借鑒張慶和朱迪星[35]做法，構(gòu)建企業(yè)托賓Q值擬合回歸，按年度和行業(yè)進(jìn)行回歸計(jì)算殘差衡量市場錯(cuò)誤定價(jià)，對殘差進(jìn)行z標(biāo)準(zhǔn)化得到投資者情緒指標(biāo)(Sentiment)。該指標(biāo)側(cè)重反映的是非理性投資者情緒引發(fā)的股票定價(jià)系統(tǒng)偏誤。其他變量測算見表2。

Qi,t=β0+β1Sizei,t+β2Levi,t+β3Roai,t+εi,t

(9)

(三)模型設(shè)定

借鑒許年行等[10]方法，本研究構(gòu)建行業(yè)和時(shí)間的固定效應(yīng)回歸模型?？紤]到當(dāng)年業(yè)績說明會將在次年舉辦，故解釋變量采取滯后處理。具體回歸模型如下：

Crashi,t=α0+α1Tacticsi,t-1+∑Control+∑Year+∑Industry+ε

(10)

其中，Crash分別是Ncskew和Duvol。

Investori,t=γ0+γ1Tacticsi,t-1+∑Control+∑Year+∑Industry+ε

(11)

其中，Investor分別是Positive和Sentiment。

Crashi,t=δ0+δ1Investori,t+δ2Tacticsi,t-1+∑Control+∑Year+∑Industry+ε

(12)

表2 變量定義

四、實(shí)證分析

(一)描述性分析

表3是描述性分析結(jié)果。投資者情緒(Positive)均值是0.070，說明我國投資者情緒較為樂觀。股價(jià)崩盤風(fēng)險(xiǎn)(Ncskew和Duvol)均值為-0.277和-0.180，而標(biāo)準(zhǔn)差分別是0.700和0.467，說明不同企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)存在異質(zhì)差異。而管理層策略性回答(Tactics)均值和標(biāo)準(zhǔn)差為0.977和0.013，說明高管的確存在策略回答的情況，且因企業(yè)不同存在差距。

表3 主要變量描述性分析

(二)相關(guān)性分析

表4是主要變量相關(guān)性分析。可見，策略性回答(Tactics)與非理性投資者情緒(Sentiment)在10%顯著性水平上正相關(guān)，說明高管策略性回答會引致投資者估值偏誤上升。而策略性回答與股價(jià)崩盤指標(biāo)正相關(guān)但不顯著，假設(shè)結(jié)論仍需檢驗(yàn)。

表4 主要變量相關(guān)性分析

(三)實(shí)證檢驗(yàn)

表5是實(shí)證檢驗(yàn)結(jié)果?？芍呗孕曰卮鹬笜?biāo)(Tactics)分別在5%和10%水平上與股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)(Ncskew和Duvol)顯著正相關(guān)，說明“問官答花”短期內(nèi)雖能隱瞞壞消息、實(shí)現(xiàn)印象管理，但以增加股價(jià)崩盤風(fēng)險(xiǎn)為后果，驗(yàn)證了H1假設(shè)。

表5 實(shí)證分析結(jié)果

而策略性回答(Tactics)分別在1%和10%顯著水平上與非理性投資者情緒(Positive、Sentiment)正相關(guān)。在策略性回答(Tactics)與負(fù)收益偏態(tài)系數(shù)(Ncskew)回歸中，分別加入非理性投資者情緒指標(biāo)后，管理層策略性回答的系數(shù)均有所下降，說明非理性投資者情緒發(fā)揮中介作用，證實(shí)高管“問官答花”，通過掩飾壞消息提升了非理性投資者的情緒，引致股價(jià)偏高于實(shí)際。但隨著新信息流出現(xiàn)，壞消息集中釋放的可能加劇，導(dǎo)致股價(jià)估值理性回歸和投資者情緒反轉(zhuǎn)，繼而增加投資者拋售和股價(jià)崩盤風(fēng)險(xiǎn)，驗(yàn)證了H2假設(shè)。

(四)穩(wěn)健性估計(jì)

1.IV工具變量法

考慮到該選題可能存在反向因果風(fēng)險(xiǎn)，本研究采取了工具變量法加以緩解，選取同年度同省份(剔除企業(yè)自身)公司策略性回答均值作為工具變量進(jìn)行回歸。表6是IV工具變量回歸結(jié)果，管理層策略性回答(Tactics)分別在5%和10%水平上與股價(jià)崩盤風(fēng)險(xiǎn)(Ncskew和Duvol)顯著正相關(guān)。而Kleibergen-Paap rk LM和Kleibergen-Paap rk Wald F的結(jié)果證實(shí)工具變量選取合理?；貧w結(jié)果與主回歸高度一致。

表6 IV工具變量法回歸結(jié)果

2.替代解釋變量

考慮到中文是帶有語義情景的復(fù)雜語言，解釋變量構(gòu)建可能忽略了詞匯順序和近義詞的情況。穩(wěn)健性估計(jì)中我們利用doc2vec機(jī)器學(xué)習(xí)方法獲取文本詞向量、計(jì)算余弦相似性，構(gòu)建替代變量(Tactics2)。表7是替換解釋變量回歸結(jié)果，回歸結(jié)果與原回歸大體一致，但顯著性下降。原因可能在于，采用doc2vec方法獲取句子、段落的向量表達(dá)，雖將語義信息納入指標(biāo)，但不同句子關(guān)鍵性和信息含量存在差異，對結(jié)果可能存在影響和干擾。

表7 替換解釋變量的回歸結(jié)果

3.增加控制變量的穩(wěn)健性估計(jì)

考慮到主回歸可能存在遺漏變量內(nèi)生性風(fēng)險(xiǎn)。本研究在原回歸基礎(chǔ)上增加情感語調(diào)指標(biāo)(Tone，采取清華大學(xué)褒貶義、Hownet和NTUSD詞典比對，計(jì)算正面詞匯與負(fù)面詞匯之差與兩者之和之比)、文本可讀性指標(biāo)(Readability，計(jì)算回答文本所含字符數(shù)量的對數(shù))、是否高科技行業(yè)啞變量(Hightech)和是否政府重點(diǎn)支持行業(yè)啞變量(Support)，以便控制管理層回答文本信息特征、行業(yè)特征及政策導(dǎo)向的影響。表8回歸結(jié)果與主回歸高度一致。

表8 替代被解釋變量的回歸結(jié)果

五、進(jìn)一步分析

說明會上，參會者提問涉及范圍廣泛，可針對不同關(guān)心主題，有側(cè)重進(jìn)行提問。參考張淑惠和陳珂瑩[37]做法，運(yùn)用LDA主題模型對說明會問題進(jìn)行分類。

首先，利用LDA模型訓(xùn)練問題文本，反復(fù)調(diào)整主題個(gè)數(shù)參數(shù)，并根據(jù)分類結(jié)果和每個(gè)主題出現(xiàn)頻率最高的50個(gè)主題詞匯，由2名會計(jì)專業(yè)學(xué)生初步判定不同主題內(nèi)容。其次，將問答文本和多次人工分類結(jié)果交給3名會計(jì)學(xué)相關(guān)專業(yè)教師判斷，最終確認(rèn)最優(yōu)主題個(gè)數(shù)參數(shù)(8個(gè))及其對應(yīng)的主題核心內(nèi)容。表9是LDA模型分類結(jié)果及實(shí)例。再次，參照前文策略性回答指標(biāo)構(gòu)建方式，計(jì)算每個(gè)主題問題策略性回答程度的均值(TopicM)，衡量管理層針對不同主題問題的策略性回答程度。

TopicMi.t=Sum_MTacticsi,t/Num_MTacticsi,t

(14)

其中，M取值1到8，對應(yīng)不同主題；Sum_MTactics和Num_MTactics是主題M策略性回答數(shù)值之和及問題數(shù)。最后，將不同主題問題的策略性回答均值變量(TopicM)作為解釋變量，進(jìn)行回歸。

表9 LDA主體模型分類及實(shí)例

表10是各主題問題策略性回答檢驗(yàn)結(jié)果。結(jié)果可知，針對主題3的策略性回答程度(Topic3)在5%顯著性水平上與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)(Ncskew)正相關(guān)；而針對主題5的策略性回答程度(Topic5)與企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)(Ncskew和Duvol)均在1%顯著性水平上正相關(guān)，說明若管理層基于戰(zhàn)略布局和規(guī)劃及持續(xù)經(jīng)營和成長性問題采取策略性應(yīng)對，掩蓋企業(yè)未來經(jīng)營和戰(zhàn)略規(guī)劃的負(fù)面信息。某一天新出現(xiàn)的信息流與原公布信息不一致可能性更高，則會導(dǎo)致股價(jià)回歸和投資者情緒反轉(zhuǎn)，繼而顯著增加股價(jià)崩盤風(fēng)險(xiǎn)。

表10 各主題問題策略性回答檢驗(yàn)結(jié)果

六、結(jié)論與啟示

本研究以2005到2020年A股企業(yè)為樣本，發(fā)現(xiàn)高管利用策略性回答掩蓋壞消息，提升了非理性的投資者情緒，最終卻以增加企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)為后果。異質(zhì)性檢驗(yàn)結(jié)果發(fā)現(xiàn)，高管針對企業(yè)戰(zhàn)略規(guī)劃和持續(xù)經(jīng)營(前瞻信息)主題問題采取策略性回答會顯著增加股價(jià)崩盤風(fēng)險(xiǎn)?？梢姽芾韺佣唐趦?nèi)可通過“問官答花”掩蓋企業(yè)壞消息、誤導(dǎo)投資者，但長期則是以加劇企業(yè)風(fēng)險(xiǎn)為代價(jià)。特別是若管理層針對涉及企業(yè)前瞻信息問題采取策略性披露，將會導(dǎo)致更嚴(yán)重的投資者“憤怒”和股價(jià)下跌風(fēng)險(xiǎn)。

本研究的結(jié)論為監(jiān)管部門、企業(yè)及投資者提供如下啟示。首先，監(jiān)管部門應(yīng)完善業(yè)績說明會的舉辦和監(jiān)督制度，積極拓展線上和線下平臺建設(shè)，采取多種方式開展說明會。同時(shí)，制定完善的監(jiān)管和懲罰機(jī)制，對說明會信息違規(guī)實(shí)施實(shí)質(zhì)性懲罰。其次，公司應(yīng)自覺提升說明會公布信息可靠性，杜絕違規(guī)披露和信息造假行為，確保有效解答投資者的疑問。最后，投資者需全面搜集和解讀說明會信息，理智制定交易決策，做理性投資者。