论文部分内容阅读
【摘要】以上市公司在全景网召开的2007 ～ 2018年年度业绩说明会为研究对象， 探究分析师预测偏差是否会影响投资者的问题语调。 研究发现： 分析师预测偏差越小， 投资者问题语调越积极， 且经过一系列的稳健性检验， 该结论仍然成立。 进一步地， 在业绩较好、无明星分析师跟踪及管理层自信程度较高时， 分析师预测偏差与投资者问题语调之间的负相关关系更显著。 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系， 公司股价同步性随投资者问题语调积极程度的提高而降低。 该结论从问题角度说明了业绩说明会这项制度安排的有效性， 对相关监管机构投资者教育和上市公司投资者关系管理有重要的参考价值。
【关键词】投资者语调;分析师预测偏差;信息效率;业绩说明会;文本分析
【中图分类号】F272; F275 【文献标识码】A 【文章编号】1004-0994（2021）15-0041-9
一、引言
在我国， 网络社交媒体已经成为普通投资者与上市公司管理层互动沟通的重要平台， 已有研究较为一致地发现投资者与上市公司管理层的网络互动平台是有效的， 但这些研究都是基于网络互动平台的整体性[1-4] 或从管理层回答端的文本信息[5-9] 做出的， 他们忽略了互动沟通是始于问题才有的管理层信息披露， 是随投资者信息需求而做出的反应式披露。 与机构投资者、分析师等具有高水平的信息处理能力不同， 普通投资者处于信息环节较弱势的地位， 其具有信息获取途径有限、信息处理能力低和成本高等特点， 其与管理层的互动沟通效果如何， 有待实证检验。 本文的不同之处在于， 选取互动问题端的语调， 探讨普通投资者尤其是不成熟的投资者提问是否足够理性， 是否受到外部分析师预测偏差的影响。
本文以上市公司在全景网召开的2007 ～ 2018年年度业绩说明会为研究对象， 探究分析师预测偏差是否会影响投资者在业绩说明会上的问题语调。 研究发现， 分析师预测偏差越小， 在业绩说明会上投资者的问题语调越积极。 进一步地， 在业绩较好、无明星分析师跟踪以及管理层自信程度较高时， 两者之间的负相关关系更显著。 本文还发现， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系， 且股价同步性随问题语调积极程度的提高而降低。
本文的研究贡献主要体现在以下方面： 首先， 从投资者问题语调视角对业绩说明会的相关研究进行了拓展。 其次， 为投资者信息需求与信息确认相关领域添加了新的经验证据。 以往研究主要从投资者信息搜寻（比如Google或EDGAR年报搜索）等方面展开相关的研究， 本文则通过业绩说明会互动环节投资者的提问， 反映出投资者在资本市场上信息需求和信息确认的特征， 拓展了这一相关领域的研究。 最后， 对资本市场投资者专业性水平及其结构进行了有益的探索， 为监管机构深入了解个体投资者的成熟度及其差异提供了经验证据， 为将来开展个体投资者的教育培训工作提供了有价值的参考。
二、制度背景、文献回顾与研究假设
（一）业绩说明会制度背景
业绩说明会最早始于2000年少数主板上市公司（如万科）的自愿召开， 但上市公司成规模地召开业绩说明会这一现象始于2005年， 是由深圳证券交易所（简称“深交所”）对中小板上市公司做出的强制性制度安排， 继而又对创业板上市公司进行了强制性要求。 2009年开始， 相继有陕西、宁夏、山西、河北等地的地方证监局借助“全景网互动平台”积极召集所管辖地域的上市公司召开集体业绩说明会。
（二）文献回顾
1. 网络互动平台相关文献简述。 在我国， 监管机构推出了网络形式的与上市公司管理层进行互动的平台信息披露实践， 主要有定期举行的年度业绩说明会、定期或不定期的网上投资者活动日、IPO等重大事件的网络路演、供日常交流使用的深交所互动易和上海证券交易所（简称“上交所”）的e互动。 关于业绩说明会的相关研究， 主要集中在管理层回答语调具有增量信息[5-7] 和降低股权资本成本[8] 。 有关网上路演， 卞世博、阎志鹏[9] 发现， IPO网上路演管理层的“答非所问”与IPO抑价率、首日流动性和中长期表现均负相关。 对于深交所的互动易， 研究发现， 互动易平台设立后， 深交所上市公司股价非同步性的提升幅度以及分析师盈余预测绝对偏差的降低幅度都比上交所公司大[1] ， 以及投资者提问的负面语气能够显著降低公司的股价崩盘风险， 但董秘回复的负面语气则与股价崩盘风险不相关[4] 。 关于上交所的e互动， 主要研究发现有e互动平台互动字数可以提高市场盈余预期准确性和降低盈余公告期的信息不对称[3] ， 顯著降低股价崩盘风险[2] 。 最后， 张继勋、韩冬梅[10] 利用实验研究发现公司管理层在网络互动平台上回复投资者提问的及时性和明确性与投资者的投资意愿正相关。
2. 语调相关文献简述。 文本语调算是较早被财经学界用来做实证研究的， 已有很丰富的研究成果。 在文本语调的信息作用方面， 利用不同的文本来源均较一致地发现上市公司管理层语调具有增量信息含量作用[11-14] ， 即资本市场对文本语调做出了与语调含义方向一致的市场反应[6，15-17] ， 可以用来预测未来业绩[5，18，19] ， 以及对分析师预测产生重要影响[7，20 ] 。 当语调真实程度低时， 年报语调越积极， 股价崩盘风险越大[21] 。 网络论坛同伴观点中的负面信息是其影响股票未来收益的主要原因[22] 。 媒体报道语气越正面， 股价同步性越高[23] 。
在经济后果方面， 管理层语调的信息增量可以作用于公司投融资决策， 如管理层语调可以降低公司回报波动率和公司资本成本[24，25] ， 有助于提升财务危机预测性能[26，27] 。 管理层语调还能够提高短期市场回报率[16，19] 。 在影响因素方面， 研究发现， 拥有CFO经验的董事会表达出的语调更加消极和具有不确定性， 但审计委员会的财务会计专长能够减少MD&A过度乐观的语调[28] 。 当公司存在异常审计费用时， 分析师会在下一年降低分析报告中语调的积极程度， 这一结果主要出现在存在负向异常审计费用时[29] 。
另外， 基于管理层动机方面的研究发现， 利用投资者注意力不够这一条件， 管理层有动机提前发布或者偏于乐观地发布利好消息， 而在高成长性、当期恰好满足或刚刚够上盈余基准的公司， 管理层在其盈余发布稿里会运用更低比例的总消极语言[30] 。 管理层会对语调进行“语调管理”[31，32] ， 与被感知向上的管理层活动（比如刚好吻合盈余门槛、未来盈余重述、再融资以及收购与并购等）呈正相关关联， 与被感知向下的管理层活动（如股票期权授予）呈负相关关联[31] 。 此外， 为了利用语调来达到经理人机会主义行为的目的， CEO有更强的逆语调—内幕交易模式[33] 。
（三）研究假设
投资者及时准确地获取信息是市场信息效率实现的前提[1] 。 为了降低与公司内部人之间的信息不对称， 处于信息劣势地位的投资者往往会进行信息搜寻。 公司主动披露的信息、媒体和分析师报告是投资者的主要信息来源。 信息环境好的公司能够及时、完整和准确地披露信息， 可以使投资者以较低成本获取信息， 减少信息不对称[34] 。 除此之外， 投资者还可以通过与上市公司管理层接触， 主动挖掘公司信息。 传统的管理层接触方式主要集中于电话会议和投资者见面会。
本文所研究的业绩说明会， 就是投资者与上市公司管理层进行互动沟通和交流的一种新型方式， 召开业绩说明会为满足投资者的信息需求与帮助其进行信息确认提供了一个很好的平台。 通过业绩说明会， 投资者提出关心的问题， 从而获得更多信息以进行投资决策。 在提问前， 投资者一般会利用已知信息， 其中就包括分析师预测相关信息。 那么， 分析师预测偏差如何影响投资者问题语调呢？ 从直接影响的角度讲， 当多个分析师对一个公司的盈余预测出现较大的分歧和偏差时， 投资者会利用该类信息和公司披露的盈余信息等进行核对和比较， 有可能产生疑问， 此时会进行更多的信息搜寻和验证， 在业绩说明会上提出相关问题， 其语调表现得就会更加消极。 从间接影响的角度讲， 分析师预测偏差和分歧较大反映出市场对公司当前和未来盈余的看法与反应相对不一致， 这时， 投资者对公司当前和未来业绩看法的不确定性也较为强烈， 在业绩说明会上提问时体现为更偏消极的语气。 基于此， 提出本文的研究假设：
在其他条件同等的情况下， 分析师预测偏差越大， 业绩说明会上投资者的问题语调越消极。
三、研究设计
（一）样本选取与数据来源
本文以2007 ～ 2018年间召开年度业绩说明会的公司为研究对象， 为了避免异常样本的影响， 对初始样本进行如下处理： 剔除金融行业企业; 剔除被ST或?ST的公司; 剔除相关变量数据缺失样本， 最终得到有效观测值7010个。 另外， 对连续变量进行上下1%的缩尾处理。 本文数据来自文构文本（WinGo）数据库和国泰安（CSMAR）数据库。
（二）模型构建
为了检验本文的假设， 建立模型（1）如下：
QTONE=β0+β1FERR+CONTROLS+
FIRM+YEAR+εit （1）
被解释变量为投资者问题语调（QTONE）， 采用WinGo数据库的投资者问题语调衡量数据。 解释变量为分析师预测偏差（FERR）， 本文参考方军雄[35] 、周开国等[36] 、杨青等[37] 的研究， 定义四个分析师预测特征： 离散度（DISPERSION）、精确度（AFACCURACY）、分歧度（BIAS）和乐观度（OPTIMISM）。 控制变量则借鉴林乐和谢德仁[7] 、钟凯等[20] 的研究选取。 具体各变量名称和定义如表1所示。 此外， 本文还控制了公司（FIRM）和年度（YEAR）效应。
四、实证结果与分析
（一）描述性统计
表2列示了变量的描述性统计结果。 可以看到： 投资者问题语调指标QTONE1均值为0.473， 投资者提问的平均积极语调是消极语调的3倍， 可见大部分公司的发展被投资者所看好; 标准差为0.212， 最大值和最小值分别为1和-0.133， 说明投资者在进行提问时的语调会有较大差异。 语调指标QTONE2也有类似的结论。 分析师预测偏差离散度（DISPERSION）和分歧度（BIAS）的标准差分别为0.024和0.018， 说明分析师对不同公司的盈余预测存在差别; 精确度（AFACCURACY）的最小值为0.008， 最大值达到25.443， 说明分析师对不同公司的预测精确度差异很大; 乐观度（OPTIMISM）的均值为1.685， 为正数， 说明分析师的预测值整体高于实际值， 即分析师的盈余预测偏乐观， 且对不同公司表现出的乐观度差异明显。
（二）相关性分析
从变量的Pearson相关性检验结果（表格备索）可以看出， 投资者问题语调与分析师预测偏差变量基本在1%的水平上负相关， 表明分析师预测偏差越小， 投资者的问题语调越积极， 这与本文的初步预期一致。 控制变量方面， 总资产收益率与投资者问题语调显著正相关， 说明业绩越好， 投资者语调越积极; 无形资产占比代表公司的不确定性， 与投资者问题语调显著负相关， 说明无形资产占比越高， 公司不确定性越大， 投資者语调越消极。 其他变量之间的相关性也基本符合预期。 此外， 各变量之间的相关系数均未超过0.5， 回归中的方差膨胀因子（VIF）值均不大， 说明不存在严重的共线性问题。 （三）多元回归分析
表3给出了模型（1）的回归结果。 被解释变量是以QTONE1衡量的投资者问题语调， 分析师预测偏差变量的系数分别为： -0.458， -0.004， -1.012和
-0.004， 且均在1%的水平上显著。 这与本文假设的预期一致， 即分析师预测偏差越小， 投资者问题语调越积极。 在以QTONE2衡量投资者语调时， 各变量系数及t值、p值分别为： -0.025（t=-1.84， p=0.066）， -0.000（t=-3.77， p=0.000），
-0.047（t=-2.40， p=0.016）， -0.000（t=2.89， p=0.004）， 可以得出相同的结论， 以下各表仅列示QTONE1的结果， QTONE2的结论同QTONE1， 不再赘述。
五、稳健性检验
（一）内生性检验
本文结果中， 投资者问题语调与分析师预测偏差可能相互影响， 也可能受其他因素影响， 即两者之间存在内生性问题。 本文采取以下方法来解决内生性问题。
借鉴Chen等[38] 和李春涛等[39] 的研究， 利用券商关闭和合并的自然实验， 通过双重差分方法考察二者之间的影响。 券商的关闭和合并事件会导致部分分析师被解聘， 从而使得分析师跟踪人数减少， 预测准确度降低， 但不会影响投资者语调， 是一个理想的外部冲击。 本文通过整理分析师所在券商名录信息和百度查询相关报道， 得到5个符合条件的事件。
为排除不可观测因素的干扰， 本文控制公司固定效应， 设计如下模型（2）：
QTONE=β0+β1TREAT+β2POST+
β3TREAT×POST+β4CONTROLS+ FIRM+εit
（2）
其中， TREAT区分处理组和对照组， POST表示券商关闭或合并之后的变量。 回归结果如表4所示， 交乘项系数为-0.217， 表明当有券商退出后， 该公司与对照组公司相比， 投资者问题语调的积极程度有所下降。 这印证了本文的结论。
模型（1）采用差分模型进行回归， 可以消除不随时间变化的不可观测因素的影响， 以缓解内生性问题， 结果如表5所示。 由表5可以看出， 各系数基本在1%的水平上显著为负， 与前文回归结果一致， 说明结论具有稳健性。
（二）将没有分析师跟踪预测的公司纳入样本
本文样本局限于有分析师跟踪预测的公司， 可能导致结果会有所偏差。 因此， 本文将没有分析师跟踪的公司的分析师预测相关变量取值为0， 对结论进行检验， 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的相关系数分别为-0.278、-0.003、-0.518和-0.003， t值分别为-1.93、-3.66、-2.57和-2.36， 且分别在10%、1%、5%和5%的水平上显著。 结论不变。
（三）控制年报语调的稳健性检验
作为公司信息披露的重要部分， 年报中的信息会被投资者和分析师所利用， 研究发现年报语调具有一定的信息含量， 因此年报语调可能对本文的结果产生影响。 因此， 本文控制年报语调进行回归， 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的系数分别为-0.449、
-0.004、-0.983和-0.004， t值分别为-2.30、
-3.58、-3.90和-3.07， 分别在5%、1%、1%和1%的水平上显著， 结论不变。
（四）去掉自愿召开业绩说明会的观测
由于召开业绩说明会的这项制度安排并非是对所有上市公司强制要求的， 而自愿召开的公司本身信息透明度就更高， 分析师预测偏差可能更小， 在这些观测值里更有可能得出本文的结果， 因此需要排除掉这些观测值之后看本文结果是否依旧成立。 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的系数分别为
-0.467、-0.004、-0.986和-0.004， t值分别为-2.78、
-4.27、-4.09和-3.02， 且均在1%的水平上显著， 结论不变。
（五）安慰剂检验
本文将分析师预测偏差变量在各企业间随机变换， 或将没有召开业绩说明会的公司的分析师预测偏差变量随机分配给样本公司， 分别进行模型回归。 若结果不显著， 说明本文结论并非遗漏变量导致。 回归结果如表6所示。 结果表明， 分析师预测偏差特征变量的系数均不显著， 安慰剂检验通过。
六、进一步分析
（一）基于定量信息（业绩）的分组检验
表7列示了基于业绩分组的检验情况。 根据以往的研究， 用ROA衡量业绩， 将样本分为好、中、差三组， 并对业绩好与差的组进行比较。 结果显示， 分析师预测偏差与投资者问题语调的关系在业绩好的组中更显著。 这主要是因为： 业绩好的公司给予投资者对公司未来发展更多的信心， 对公司年报等披露的信息更加确定， 这种情况下， 分析师预测偏差特征变量的情况越好， 投资者提问的情感语调会越积极; 而业绩差的公司本身面临的投资风险更大， 投资者对公司业绩可能存在质疑， 分析师预测偏差对投资者问题语调的调整会相对减弱。
（二）基于分析师特征的分组检验
盈余预测的准确度是投资者评价分析师预测能力的标准之一， 就理论而言， 分析师为了获得投资者青睐， 必须具备挖掘公司信息的能力; 且学者研究发现， 明星分析师的预测能力及其预测准确度高于其他分析师[40] 。 因此， 预期分析师预测偏差对投资者问题语调的影响在没有明星分析师跟踪时更明显。
本文按照有无明星分析师跟踪设置分组变量， 如果公司被明星分析師跟踪则取1， 否则取0。 回归结果如表8所示， 除分析师预测偏差的分歧度（BIAS）外， 分析师预测偏差其他三个变量的回归系数均在非明星分析师组显著为负， 与预期相符。 （三）基于管理层自信程度的分组检验
从管理层角度而言， 过度自信的管理者对投资环境更乐观， 对公司发展信心更强， 会向外界传达公司发展前景好的信号， 与分析师预测（偏差较小）较为一致， 从而增强投资者的信心， 投资者问题语调就更积极。 因此， 预期本文结论在管理层自信程度较高组中更明显。 参考易靖韬等[41] 的研究， 采用高管薪酬的相对比例（最高的前三名高管薪酬之和除以所有高管薪酬之和）来衡量管理层过度自信。 表9结果显示， 分析师预测偏差的精确度（AFACCURACY）、乐观度（OPTIMISM）在管理层自信程度较高组显著为负， 与预期相符。
（四）投资者问题语调的信息效率检验
本文得出分析师预测偏差越小， 投资者问题语调越积极。 这一结论印证了业绩说明会投资者问题在语调上表现出一定的理性。 进一步地， 投资者问题语调会产生何种市场反应？ 本文将从以下两个方面对投资者问题语调的信息效率进行检验。
1. 管理层回答语调的一致表现。 业绩说明会上， 针对投资者的随机提问， 管理层需要进行回答。 那么在投资者提问时， 管理层回答语调与投资者问题语调是否会有一致的情感偏向？ 本文将管理层回答语调（ATONE1）作为被解释变量， 与投资者问题语调进行回归， 结果如表10所示。 结果表明， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系。
2. 投资者问题语调的市场反应。 在股票市场中， 投资者的问题语调具体会产生何种影响？ 本文以股票市场信息传递效率的相关指标——股价同步性进行检验。 股价同步性是指个股价格波动与市场价格波动之间的关联性， 一般情况下， 股价同步性越低， 代表公司股价信息含量越高。
对于股价同步性的衡量， 借鉴Durnev等[42] 的做法， 运用模型（3）来估计个股R2：
RETi，t=α0+α1MARETt+β1INDRETj，t+εi，t
（3）
其中： RETi，t代表股票收益率; MARETt为市场收益率; INDRETj，t为公司所在行业收益率， 以流通市值为权重加权平均计算; R2为模型的年度回归拟合优度。
得到R2后， 对其进行对数变换， 得到股价同步性指标SYN = log[R2/（1-R2）]。
以股价同步性考察投资者问题语调产生的市场反应， 结果如表11所示。 本文将投资者问题语调分为积极与消极两组， 具体地， HQTONE1表示积极的语调， 在语调大于行业年度均值时取原值， 小于时取0; 类似地， LQTONE1表示消极的语调， 在语调小于行业年度均值时取原值， 大于时取0。 结果表明， 积极语调组的回归系数显著为负， 而消极语调组的回归系数为负但不显著， 说明股价同步性随着问题语调积极程度的提高而降低， 即积极语调组的信息含量更高。
七、结论与启示
为了加强上市公司信息披露与投资者关系管理， 深交所要求年报披露之后召开年度业绩说明会这一项制度安排应运而生。 业绩说明会的召开， 为上市公司管理层和外部投资者之间的沟通搭建了一个很好的平台， 可以看出业绩说明会对投资者而言有着很大的现实意义。 本文以2007 ～ 2018年召开业绩说明会的公司为研究样本， 运用文本分析方法， 以业绩说明会上投资者问题语调作为切入点， 探究分析师预测偏差是否会影响投资者问题语调。 研究发现： 分析师预测偏差与投资者问题语调负相关， 即分析师预测偏差越小， 投资者问题语调越积極。 两者之间的负相关关系在公司业绩较好、无明星分析师跟踪和管理层自信程度较高的情况下更显著。 进一步研究表明， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系， 且股价同步性随着投资者问题语调积极程度的提高而降低。
本文的研究结论表明， 业绩说明会这项制度安排在一定程度上是有效的， 为投资者与管理层的互动搭建了桥梁， 为投资者的信息搜寻提供了最直接的途径。 这一结论对于相关监管机构有着重要的参考价值， 各监管机构应该继续完善相关制度， 以加强投资者与上市公司之间的交流与沟通。 另外， 本文也说明了公司信息披露的重要性， 上市公司应积极主动披露相关信息， 提高公司的信息透明度。
【 主 要 参 考 文 献 】
[1] 谭松涛，阚铄，崔小勇.互联网沟通能够改善市场信息效率吗？——基于深交所“互动易”网络平台的研究[ J].金融研究，2016（3）：174 ～ 188.
[2] 丁慧，吕长江，陈运佳.投资者信息能力：意见分歧与股价崩盘风险——来自社交媒体“上证e互动”的证据[ J].管理世界，2018（9）：161 ～ 171.
[3] 丁慧，吕长江，黄海杰.社交媒体、投资者信息获取和解读能力与盈余预期——来自“上证e互动”平台的证据[ J].经济研究，2018（1）：153 ～ 168.
[4] 孟庆斌，黄清华，赵大旋，鲁冰.互联网沟通与股价崩盘风险[ J].经济理论与经济管理，2019（11）：50 ～ 67.
[5] 谢德仁，林乐.管理层语调能预示公司未来业绩吗？——基于我国上市公司年度业绩说明会的文本分析[ J].会计研究，2015（2）：20 ～ 27+93.
[6] 林乐，谢德仁.投资者会听话听音吗？——基于管理层语调视角的实证研究[ J].财经研究，2016（7）：28 ～ 39.
[7] 林乐，谢德仁.分析师荐股更新利用管理层语调吗？——基于业绩说明会的文本分析[ J].管理世界，2017（11）：125 ～ 145+188.
[8] 甘丽凝，陈思，胡珉，王俊秋.管理层语调与权益资本成本——基于创业板上市公司业绩说明会的经验证据[ J].会计研究，2019（6）：27 ～ 34. [9] 卞世博，阎志鹏.“答非所问”与IPO市场表现——来自网上路演期间的经验证据[ J].财经研究，2020（1）：49 ～ 63.
[10] 张继勋，韩冬梅.网络互动平台沟通中管理层回复的及时性、明确性与投资者投资决策——一项实验证据[ J].管理评论，2015（10）：70 ～ 83.
[11] Henry E.. Market reaction to verbal components of earnings press releases： Event study using a predictive algorithm[ J].Journal of Emerging Technologies in Accounting，2006（1）：1 ～ 19.
[12] Henry E.. Are investors influenced by how warnings press releases are written？[ J].International Journal of Business Communication，2008（4）：363 ～ 407.
[13] Loughran T.， Mcdonald B.. When is a liability not a liability？ Textual analysis， dictionaries， and 10-Ks[ J].Journal of Finance，2011（1）：35 ～ 65.
[14] Jegadeesh N.， Wu D.. Word power： A new approach for content analysis[ J].Journal of Financial Economics，2013（3）：712 ～ 729.
[15] Henry E.， Leone A.. Measuring qualitative information in capital markets research[R].SSRN Working Paper No.1470807，2009.
[16] Feldman R.， Govindaraj S.， Livnat J.， Segal B.. Management's tone change， post earnings announcement drift and accruals[J]. Review of Accounting Studies，2010（4）：915 ～ 953.
[17] Price S. M.， Doran J. S.， Peterson D. R.， Bliss B. A.. Earnings conference calls and stock returns：The incremental informativeness of textual tone[ J].Journal of Banking & Finance，2012（4）：992 ～ 1011.
[18] Li F.. The information content of forward-looking statements in corporate filings： A na?ve Bayesian machine learning approach[ J].Journal of Accounting Research，2010（5）：1049 ～ 1102.
[19] Davis A. K.， Piger J. M.， Sedor L. M.. Beyond the numbers：Measuring the information content of earnings press release language[ J].Contemporary Accounting Research，2012（3）：845 ～ 868.
[20] 鐘凯，董晓丹，陈战光.业绩说明会语调与分析师预测准确性[ J].经济管理，2020（8）：120 ～ 137.
[21] 周波，张程，曾庆生.年报语调与股价崩盘风险——来自中国A股上市公司的经验证据[ J].会计研究，2019（11）：41 ～ 48.
[22] 金德环，李岩.投资者互动与股票收益——来自社交媒体的经验证据[ J].金融论坛，2017（5）：72 ～ 80.
[23] 周冬华，魏灵慧.媒体报道、环境不确定性与股价同步性[ J].财务研究，2017（3）：54 ～ 64.
[24] Kothari S. P.， Xu L.， Short J. E.. The effect of disclosures by management， analysts， and business press on cost of capital， return volatility， and analyst forecasts： A study using content analysis[ J].Social Science Electronic Publishing，2008（5）：1639 ～ 1670.
[25] 甘丽凝，陈思，胡珉，王俊秋.管理层语调与权益资本成本——基于创业板上市公司业绩说明会的经验证据[ J].会计研究，2019（6）：27 ～ 34.
[26] 苗霞，李秉成.管理层超额乐观语调与企业财务危机预测——基于年报前瞻性信息的分析[ J].商业研究，2019（2）：129 ～ 137.
[27] 陈艺云.基于信息披露文本的上市公司财务困境预测：以中文年报管理层讨论与分析为样本的研究[ J].中国管理科学，2019（7）：23 ～ 34. [28] Lee J.， Park J.. The impact of audit committee financial expertise on management discussion and analysis （MD&A） tone[ J].European Accounting Review，2018（6）：1 ～ 22.
[29] 王永海，汪芸倩，唐榕氚.异常审计费用与分析师语调——基于分析师报告文本分析[ J].审计研究，2019（4）：39 ～ 47.
[30] Davis A. K.， Tama-Sweet I.. Managers' use of language across alternative disclosure outlets：Earnings press release versus MD&A[ J].Contemporary Accounting Research，2012（3）：804 ～ 837.
[31] Huang X.， Teoh S. H.， Zhang Y. L.. Tone management[ J].The Accounting Review，2014（3）：1083 ～ 1113.
[32] 王华杰，王克敏.应计操纵与年报文本信息语气操纵研究[ J].会计研究，2018（4）：45 ～ 51.
[33] 曾庆生，周波，张程，陈信元.年报语调与内部人交易：“表里如一”还是“口是心非”？[ J].管理世界，2018（9）：143 ～ 160.
[34] 辛清泉，孔东民，郝颖.公司透明度与股价波动性[ J].金融研究，2014（10）：193 ～ 206.
[35] 方军雄.我国上市公司信息披露透明度与证券分析师预测[ J].金融研究，2007（6）：136 ～ 148.
[36] 周开国，应千伟，陈晓娴.媒体关注度、分析师关注度与盈余预测准确度[ J].金融研究，2014（2）：139 ～ 152.
[37] 杨青，吉赟，王亚男.高铁能提升分析师盈余预测的准确度吗？——来自上市公司的证据[ J].金融研究，2019（3）：168 ～ 188.
[38] Chen T.， Harford J.， Lin C.. Do analysts matter for governance？ Evidence from natural experiments[ J].Journal of Financial Economics，2015（2）：383 ～ 410.
[39] 李春涛，赵一，徐欣，李青原.按下葫芦浮起瓢：分析师跟踪与盈余管理途径选择[ J].金融研究，2016（4）：144 ～ 157.
[40] 李麗青.《新财富》评选的最佳分析师可信吗？——基于盈利预测准确度和预测修正市场反应的经验证据[ J].投资研究，2012（7）：54 ～ 64.
[41] 易靖韬，张修平，王化成.企业异质性、高管过度自信与企业创新绩效[ J].南开管理评论，2015（6）：101 ～ 112.
[42] Durnev A.， Morck R.， Zarowin Y. P.. Does greater firm-specific return variation mean more or less informed stock pricing？[ J].Journal of Accounting Research，2003（5）：797 ～ 836.
【关键词】投资者语调;分析师预测偏差;信息效率;业绩说明会;文本分析
【中图分类号】F272; F275 【文献标识码】A 【文章编号】1004-0994（2021）15-0041-9
一、引言
在我国， 网络社交媒体已经成为普通投资者与上市公司管理层互动沟通的重要平台， 已有研究较为一致地发现投资者与上市公司管理层的网络互动平台是有效的， 但这些研究都是基于网络互动平台的整体性[1-4] 或从管理层回答端的文本信息[5-9] 做出的， 他们忽略了互动沟通是始于问题才有的管理层信息披露， 是随投资者信息需求而做出的反应式披露。 与机构投资者、分析师等具有高水平的信息处理能力不同， 普通投资者处于信息环节较弱势的地位， 其具有信息获取途径有限、信息处理能力低和成本高等特点， 其与管理层的互动沟通效果如何， 有待实证检验。 本文的不同之处在于， 选取互动问题端的语调， 探讨普通投资者尤其是不成熟的投资者提问是否足够理性， 是否受到外部分析师预测偏差的影响。
本文以上市公司在全景网召开的2007 ～ 2018年年度业绩说明会为研究对象， 探究分析师预测偏差是否会影响投资者在业绩说明会上的问题语调。 研究发现， 分析师预测偏差越小， 在业绩说明会上投资者的问题语调越积极。 进一步地， 在业绩较好、无明星分析师跟踪以及管理层自信程度较高时， 两者之间的负相关关系更显著。 本文还发现， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系， 且股价同步性随问题语调积极程度的提高而降低。
本文的研究贡献主要体现在以下方面： 首先， 从投资者问题语调视角对业绩说明会的相关研究进行了拓展。 其次， 为投资者信息需求与信息确认相关领域添加了新的经验证据。 以往研究主要从投资者信息搜寻（比如Google或EDGAR年报搜索）等方面展开相关的研究， 本文则通过业绩说明会互动环节投资者的提问， 反映出投资者在资本市场上信息需求和信息确认的特征， 拓展了这一相关领域的研究。 最后， 对资本市场投资者专业性水平及其结构进行了有益的探索， 为监管机构深入了解个体投资者的成熟度及其差异提供了经验证据， 为将来开展个体投资者的教育培训工作提供了有价值的参考。
二、制度背景、文献回顾与研究假设
（一）业绩说明会制度背景
业绩说明会最早始于2000年少数主板上市公司（如万科）的自愿召开， 但上市公司成规模地召开业绩说明会这一现象始于2005年， 是由深圳证券交易所（简称“深交所”）对中小板上市公司做出的强制性制度安排， 继而又对创业板上市公司进行了强制性要求。 2009年开始， 相继有陕西、宁夏、山西、河北等地的地方证监局借助“全景网互动平台”积极召集所管辖地域的上市公司召开集体业绩说明会。
（二）文献回顾
1. 网络互动平台相关文献简述。 在我国， 监管机构推出了网络形式的与上市公司管理层进行互动的平台信息披露实践， 主要有定期举行的年度业绩说明会、定期或不定期的网上投资者活动日、IPO等重大事件的网络路演、供日常交流使用的深交所互动易和上海证券交易所（简称“上交所”）的e互动。 关于业绩说明会的相关研究， 主要集中在管理层回答语调具有增量信息[5-7] 和降低股权资本成本[8] 。 有关网上路演， 卞世博、阎志鹏[9] 发现， IPO网上路演管理层的“答非所问”与IPO抑价率、首日流动性和中长期表现均负相关。 对于深交所的互动易， 研究发现， 互动易平台设立后， 深交所上市公司股价非同步性的提升幅度以及分析师盈余预测绝对偏差的降低幅度都比上交所公司大[1] ， 以及投资者提问的负面语气能够显著降低公司的股价崩盘风险， 但董秘回复的负面语气则与股价崩盘风险不相关[4] 。 关于上交所的e互动， 主要研究发现有e互动平台互动字数可以提高市场盈余预期准确性和降低盈余公告期的信息不对称[3] ， 顯著降低股价崩盘风险[2] 。 最后， 张继勋、韩冬梅[10] 利用实验研究发现公司管理层在网络互动平台上回复投资者提问的及时性和明确性与投资者的投资意愿正相关。
2. 语调相关文献简述。 文本语调算是较早被财经学界用来做实证研究的， 已有很丰富的研究成果。 在文本语调的信息作用方面， 利用不同的文本来源均较一致地发现上市公司管理层语调具有增量信息含量作用[11-14] ， 即资本市场对文本语调做出了与语调含义方向一致的市场反应[6，15-17] ， 可以用来预测未来业绩[5，18，19] ， 以及对分析师预测产生重要影响[7，20 ] 。 当语调真实程度低时， 年报语调越积极， 股价崩盘风险越大[21] 。 网络论坛同伴观点中的负面信息是其影响股票未来收益的主要原因[22] 。 媒体报道语气越正面， 股价同步性越高[23] 。
在经济后果方面， 管理层语调的信息增量可以作用于公司投融资决策， 如管理层语调可以降低公司回报波动率和公司资本成本[24，25] ， 有助于提升财务危机预测性能[26，27] 。 管理层语调还能够提高短期市场回报率[16，19] 。 在影响因素方面， 研究发现， 拥有CFO经验的董事会表达出的语调更加消极和具有不确定性， 但审计委员会的财务会计专长能够减少MD&A过度乐观的语调[28] 。 当公司存在异常审计费用时， 分析师会在下一年降低分析报告中语调的积极程度， 这一结果主要出现在存在负向异常审计费用时[29] 。
另外， 基于管理层动机方面的研究发现， 利用投资者注意力不够这一条件， 管理层有动机提前发布或者偏于乐观地发布利好消息， 而在高成长性、当期恰好满足或刚刚够上盈余基准的公司， 管理层在其盈余发布稿里会运用更低比例的总消极语言[30] 。 管理层会对语调进行“语调管理”[31，32] ， 与被感知向上的管理层活动（比如刚好吻合盈余门槛、未来盈余重述、再融资以及收购与并购等）呈正相关关联， 与被感知向下的管理层活动（如股票期权授予）呈负相关关联[31] 。 此外， 为了利用语调来达到经理人机会主义行为的目的， CEO有更强的逆语调—内幕交易模式[33] 。
（三）研究假设
投资者及时准确地获取信息是市场信息效率实现的前提[1] 。 为了降低与公司内部人之间的信息不对称， 处于信息劣势地位的投资者往往会进行信息搜寻。 公司主动披露的信息、媒体和分析师报告是投资者的主要信息来源。 信息环境好的公司能够及时、完整和准确地披露信息， 可以使投资者以较低成本获取信息， 减少信息不对称[34] 。 除此之外， 投资者还可以通过与上市公司管理层接触， 主动挖掘公司信息。 传统的管理层接触方式主要集中于电话会议和投资者见面会。
本文所研究的业绩说明会， 就是投资者与上市公司管理层进行互动沟通和交流的一种新型方式， 召开业绩说明会为满足投资者的信息需求与帮助其进行信息确认提供了一个很好的平台。 通过业绩说明会， 投资者提出关心的问题， 从而获得更多信息以进行投资决策。 在提问前， 投资者一般会利用已知信息， 其中就包括分析师预测相关信息。 那么， 分析师预测偏差如何影响投资者问题语调呢？ 从直接影响的角度讲， 当多个分析师对一个公司的盈余预测出现较大的分歧和偏差时， 投资者会利用该类信息和公司披露的盈余信息等进行核对和比较， 有可能产生疑问， 此时会进行更多的信息搜寻和验证， 在业绩说明会上提出相关问题， 其语调表现得就会更加消极。 从间接影响的角度讲， 分析师预测偏差和分歧较大反映出市场对公司当前和未来盈余的看法与反应相对不一致， 这时， 投资者对公司当前和未来业绩看法的不确定性也较为强烈， 在业绩说明会上提问时体现为更偏消极的语气。 基于此， 提出本文的研究假设：
在其他条件同等的情况下， 分析师预测偏差越大， 业绩说明会上投资者的问题语调越消极。
三、研究设计
（一）样本选取与数据来源
本文以2007 ～ 2018年间召开年度业绩说明会的公司为研究对象， 为了避免异常样本的影响， 对初始样本进行如下处理： 剔除金融行业企业; 剔除被ST或?ST的公司; 剔除相关变量数据缺失样本， 最终得到有效观测值7010个。 另外， 对连续变量进行上下1%的缩尾处理。 本文数据来自文构文本（WinGo）数据库和国泰安（CSMAR）数据库。
（二）模型构建
为了检验本文的假设， 建立模型（1）如下：
QTONE=β0+β1FERR+CONTROLS+
FIRM+YEAR+εit （1）
被解释变量为投资者问题语调（QTONE）， 采用WinGo数据库的投资者问题语调衡量数据。 解释变量为分析师预测偏差（FERR）， 本文参考方军雄[35] 、周开国等[36] 、杨青等[37] 的研究， 定义四个分析师预测特征： 离散度（DISPERSION）、精确度（AFACCURACY）、分歧度（BIAS）和乐观度（OPTIMISM）。 控制变量则借鉴林乐和谢德仁[7] 、钟凯等[20] 的研究选取。 具体各变量名称和定义如表1所示。 此外， 本文还控制了公司（FIRM）和年度（YEAR）效应。
四、实证结果与分析
（一）描述性统计
表2列示了变量的描述性统计结果。 可以看到： 投资者问题语调指标QTONE1均值为0.473， 投资者提问的平均积极语调是消极语调的3倍， 可见大部分公司的发展被投资者所看好; 标准差为0.212， 最大值和最小值分别为1和-0.133， 说明投资者在进行提问时的语调会有较大差异。 语调指标QTONE2也有类似的结论。 分析师预测偏差离散度（DISPERSION）和分歧度（BIAS）的标准差分别为0.024和0.018， 说明分析师对不同公司的盈余预测存在差别; 精确度（AFACCURACY）的最小值为0.008， 最大值达到25.443， 说明分析师对不同公司的预测精确度差异很大; 乐观度（OPTIMISM）的均值为1.685， 为正数， 说明分析师的预测值整体高于实际值， 即分析师的盈余预测偏乐观， 且对不同公司表现出的乐观度差异明显。
（二）相关性分析
从变量的Pearson相关性检验结果（表格备索）可以看出， 投资者问题语调与分析师预测偏差变量基本在1%的水平上负相关， 表明分析师预测偏差越小， 投资者的问题语调越积极， 这与本文的初步预期一致。 控制变量方面， 总资产收益率与投资者问题语调显著正相关， 说明业绩越好， 投资者语调越积极; 无形资产占比代表公司的不确定性， 与投资者问题语调显著负相关， 说明无形资产占比越高， 公司不确定性越大， 投資者语调越消极。 其他变量之间的相关性也基本符合预期。 此外， 各变量之间的相关系数均未超过0.5， 回归中的方差膨胀因子（VIF）值均不大， 说明不存在严重的共线性问题。 （三）多元回归分析
表3给出了模型（1）的回归结果。 被解释变量是以QTONE1衡量的投资者问题语调， 分析师预测偏差变量的系数分别为： -0.458， -0.004， -1.012和
-0.004， 且均在1%的水平上显著。 这与本文假设的预期一致， 即分析师预测偏差越小， 投资者问题语调越积极。 在以QTONE2衡量投资者语调时， 各变量系数及t值、p值分别为： -0.025（t=-1.84， p=0.066）， -0.000（t=-3.77， p=0.000），
-0.047（t=-2.40， p=0.016）， -0.000（t=2.89， p=0.004）， 可以得出相同的结论， 以下各表仅列示QTONE1的结果， QTONE2的结论同QTONE1， 不再赘述。
五、稳健性检验
（一）内生性检验
本文结果中， 投资者问题语调与分析师预测偏差可能相互影响， 也可能受其他因素影响， 即两者之间存在内生性问题。 本文采取以下方法来解决内生性问题。
借鉴Chen等[38] 和李春涛等[39] 的研究， 利用券商关闭和合并的自然实验， 通过双重差分方法考察二者之间的影响。 券商的关闭和合并事件会导致部分分析师被解聘， 从而使得分析师跟踪人数减少， 预测准确度降低， 但不会影响投资者语调， 是一个理想的外部冲击。 本文通过整理分析师所在券商名录信息和百度查询相关报道， 得到5个符合条件的事件。
为排除不可观测因素的干扰， 本文控制公司固定效应， 设计如下模型（2）：
QTONE=β0+β1TREAT+β2POST+
β3TREAT×POST+β4CONTROLS+ FIRM+εit
（2）
其中， TREAT区分处理组和对照组， POST表示券商关闭或合并之后的变量。 回归结果如表4所示， 交乘项系数为-0.217， 表明当有券商退出后， 该公司与对照组公司相比， 投资者问题语调的积极程度有所下降。 这印证了本文的结论。
模型（1）采用差分模型进行回归， 可以消除不随时间变化的不可观测因素的影响， 以缓解内生性问题， 结果如表5所示。 由表5可以看出， 各系数基本在1%的水平上显著为负， 与前文回归结果一致， 说明结论具有稳健性。
（二）将没有分析师跟踪预测的公司纳入样本
本文样本局限于有分析师跟踪预测的公司， 可能导致结果会有所偏差。 因此， 本文将没有分析师跟踪的公司的分析师预测相关变量取值为0， 对结论进行检验， 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的相关系数分别为-0.278、-0.003、-0.518和-0.003， t值分别为-1.93、-3.66、-2.57和-2.36， 且分别在10%、1%、5%和5%的水平上显著。 结论不变。
（三）控制年报语调的稳健性检验
作为公司信息披露的重要部分， 年报中的信息会被投资者和分析师所利用， 研究发现年报语调具有一定的信息含量， 因此年报语调可能对本文的结果产生影响。 因此， 本文控制年报语调进行回归， 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的系数分别为-0.449、
-0.004、-0.983和-0.004， t值分别为-2.30、
-3.58、-3.90和-3.07， 分别在5%、1%、1%和1%的水平上显著， 结论不变。
（四）去掉自愿召开业绩说明会的观测
由于召开业绩说明会的这项制度安排并非是对所有上市公司强制要求的， 而自愿召开的公司本身信息透明度就更高， 分析师预测偏差可能更小， 在这些观测值里更有可能得出本文的结果， 因此需要排除掉这些观测值之后看本文结果是否依旧成立。 结果表明， 分析师预测偏差的离散度、精确度、分歧度、乐观度与投资者问题语调的系数分别为
-0.467、-0.004、-0.986和-0.004， t值分别为-2.78、
-4.27、-4.09和-3.02， 且均在1%的水平上显著， 结论不变。
（五）安慰剂检验
本文将分析师预测偏差变量在各企业间随机变换， 或将没有召开业绩说明会的公司的分析师预测偏差变量随机分配给样本公司， 分别进行模型回归。 若结果不显著， 说明本文结论并非遗漏变量导致。 回归结果如表6所示。 结果表明， 分析师预测偏差特征变量的系数均不显著， 安慰剂检验通过。
六、进一步分析
（一）基于定量信息（业绩）的分组检验
表7列示了基于业绩分组的检验情况。 根据以往的研究， 用ROA衡量业绩， 将样本分为好、中、差三组， 并对业绩好与差的组进行比较。 结果显示， 分析师预测偏差与投资者问题语调的关系在业绩好的组中更显著。 这主要是因为： 业绩好的公司给予投资者对公司未来发展更多的信心， 对公司年报等披露的信息更加确定， 这种情况下， 分析师预测偏差特征变量的情况越好， 投资者提问的情感语调会越积极; 而业绩差的公司本身面临的投资风险更大， 投资者对公司业绩可能存在质疑， 分析师预测偏差对投资者问题语调的调整会相对减弱。
（二）基于分析师特征的分组检验
盈余预测的准确度是投资者评价分析师预测能力的标准之一， 就理论而言， 分析师为了获得投资者青睐， 必须具备挖掘公司信息的能力; 且学者研究发现， 明星分析师的预测能力及其预测准确度高于其他分析师[40] 。 因此， 预期分析师预测偏差对投资者问题语调的影响在没有明星分析师跟踪时更明显。
本文按照有无明星分析师跟踪设置分组变量， 如果公司被明星分析師跟踪则取1， 否则取0。 回归结果如表8所示， 除分析师预测偏差的分歧度（BIAS）外， 分析师预测偏差其他三个变量的回归系数均在非明星分析师组显著为负， 与预期相符。 （三）基于管理层自信程度的分组检验
从管理层角度而言， 过度自信的管理者对投资环境更乐观， 对公司发展信心更强， 会向外界传达公司发展前景好的信号， 与分析师预测（偏差较小）较为一致， 从而增强投资者的信心， 投资者问题语调就更积极。 因此， 预期本文结论在管理层自信程度较高组中更明显。 参考易靖韬等[41] 的研究， 采用高管薪酬的相对比例（最高的前三名高管薪酬之和除以所有高管薪酬之和）来衡量管理层过度自信。 表9结果显示， 分析师预测偏差的精确度（AFACCURACY）、乐观度（OPTIMISM）在管理层自信程度较高组显著为负， 与预期相符。
（四）投资者问题语调的信息效率检验
本文得出分析师预测偏差越小， 投资者问题语调越积极。 这一结论印证了业绩说明会投资者问题在语调上表现出一定的理性。 进一步地， 投资者问题语调会产生何种市场反应？ 本文将从以下两个方面对投资者问题语调的信息效率进行检验。
1. 管理层回答语调的一致表现。 业绩说明会上， 针对投资者的随机提问， 管理层需要进行回答。 那么在投资者提问时， 管理层回答语调与投资者问题语调是否会有一致的情感偏向？ 本文将管理层回答语调（ATONE1）作为被解释变量， 与投资者问题语调进行回归， 结果如表10所示。 结果表明， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系。
2. 投资者问题语调的市场反应。 在股票市场中， 投资者的问题语调具体会产生何种影响？ 本文以股票市场信息传递效率的相关指标——股价同步性进行检验。 股价同步性是指个股价格波动与市场价格波动之间的关联性， 一般情况下， 股价同步性越低， 代表公司股价信息含量越高。
对于股价同步性的衡量， 借鉴Durnev等[42] 的做法， 运用模型（3）来估计个股R2：
RETi，t=α0+α1MARETt+β1INDRETj，t+εi，t
（3）
其中： RETi，t代表股票收益率; MARETt为市场收益率; INDRETj，t为公司所在行业收益率， 以流通市值为权重加权平均计算; R2为模型的年度回归拟合优度。
得到R2后， 对其进行对数变换， 得到股价同步性指标SYN = log[R2/（1-R2）]。
以股价同步性考察投资者问题语调产生的市场反应， 结果如表11所示。 本文将投资者问题语调分为积极与消极两组， 具体地， HQTONE1表示积极的语调， 在语调大于行业年度均值时取原值， 小于时取0; 类似地， LQTONE1表示消极的语调， 在语调小于行业年度均值时取原值， 大于时取0。 结果表明， 积极语调组的回归系数显著为负， 而消极语调组的回归系数为负但不显著， 说明股价同步性随着问题语调积极程度的提高而降低， 即积极语调组的信息含量更高。
七、结论与启示
为了加强上市公司信息披露与投资者关系管理， 深交所要求年报披露之后召开年度业绩说明会这一项制度安排应运而生。 业绩说明会的召开， 为上市公司管理层和外部投资者之间的沟通搭建了一个很好的平台， 可以看出业绩说明会对投资者而言有着很大的现实意义。 本文以2007 ～ 2018年召开业绩说明会的公司为研究样本， 运用文本分析方法， 以业绩说明会上投资者问题语调作为切入点， 探究分析师预测偏差是否会影响投资者问题语调。 研究发现： 分析师预测偏差与投资者问题语调负相关， 即分析师预测偏差越小， 投资者问题语调越积極。 两者之间的负相关关系在公司业绩较好、无明星分析师跟踪和管理层自信程度较高的情况下更显著。 进一步研究表明， 管理层回答语调与投资者问题语调表现一致， 呈显著正相关关系， 且股价同步性随着投资者问题语调积极程度的提高而降低。
本文的研究结论表明， 业绩说明会这项制度安排在一定程度上是有效的， 为投资者与管理层的互动搭建了桥梁， 为投资者的信息搜寻提供了最直接的途径。 这一结论对于相关监管机构有着重要的参考价值， 各监管机构应该继续完善相关制度， 以加强投资者与上市公司之间的交流与沟通。 另外， 本文也说明了公司信息披露的重要性， 上市公司应积极主动披露相关信息， 提高公司的信息透明度。
【 主 要 参 考 文 献 】
[1] 谭松涛，阚铄，崔小勇.互联网沟通能够改善市场信息效率吗？——基于深交所“互动易”网络平台的研究[ J].金融研究，2016（3）：174 ～ 188.
[2] 丁慧，吕长江，陈运佳.投资者信息能力：意见分歧与股价崩盘风险——来自社交媒体“上证e互动”的证据[ J].管理世界，2018（9）：161 ～ 171.
[3] 丁慧，吕长江，黄海杰.社交媒体、投资者信息获取和解读能力与盈余预期——来自“上证e互动”平台的证据[ J].经济研究，2018（1）：153 ～ 168.
[4] 孟庆斌，黄清华，赵大旋，鲁冰.互联网沟通与股价崩盘风险[ J].经济理论与经济管理，2019（11）：50 ～ 67.
[5] 谢德仁，林乐.管理层语调能预示公司未来业绩吗？——基于我国上市公司年度业绩说明会的文本分析[ J].会计研究，2015（2）：20 ～ 27+93.
[6] 林乐，谢德仁.投资者会听话听音吗？——基于管理层语调视角的实证研究[ J].财经研究，2016（7）：28 ～ 39.
[7] 林乐，谢德仁.分析师荐股更新利用管理层语调吗？——基于业绩说明会的文本分析[ J].管理世界，2017（11）：125 ～ 145+188.
[8] 甘丽凝，陈思，胡珉，王俊秋.管理层语调与权益资本成本——基于创业板上市公司业绩说明会的经验证据[ J].会计研究，2019（6）：27 ～ 34. [9] 卞世博，阎志鹏.“答非所问”与IPO市场表现——来自网上路演期间的经验证据[ J].财经研究，2020（1）：49 ～ 63.
[10] 张继勋，韩冬梅.网络互动平台沟通中管理层回复的及时性、明确性与投资者投资决策——一项实验证据[ J].管理评论，2015（10）：70 ～ 83.
[11] Henry E.. Market reaction to verbal components of earnings press releases： Event study using a predictive algorithm[ J].Journal of Emerging Technologies in Accounting，2006（1）：1 ～ 19.
[12] Henry E.. Are investors influenced by how warnings press releases are written？[ J].International Journal of Business Communication，2008（4）：363 ～ 407.
[13] Loughran T.， Mcdonald B.. When is a liability not a liability？ Textual analysis， dictionaries， and 10-Ks[ J].Journal of Finance，2011（1）：35 ～ 65.
[14] Jegadeesh N.， Wu D.. Word power： A new approach for content analysis[ J].Journal of Financial Economics，2013（3）：712 ～ 729.
[15] Henry E.， Leone A.. Measuring qualitative information in capital markets research[R].SSRN Working Paper No.1470807，2009.
[16] Feldman R.， Govindaraj S.， Livnat J.， Segal B.. Management's tone change， post earnings announcement drift and accruals[J]. Review of Accounting Studies，2010（4）：915 ～ 953.
[17] Price S. M.， Doran J. S.， Peterson D. R.， Bliss B. A.. Earnings conference calls and stock returns：The incremental informativeness of textual tone[ J].Journal of Banking & Finance，2012（4）：992 ～ 1011.
[18] Li F.. The information content of forward-looking statements in corporate filings： A na?ve Bayesian machine learning approach[ J].Journal of Accounting Research，2010（5）：1049 ～ 1102.
[19] Davis A. K.， Piger J. M.， Sedor L. M.. Beyond the numbers：Measuring the information content of earnings press release language[ J].Contemporary Accounting Research，2012（3）：845 ～ 868.
[20] 鐘凯，董晓丹，陈战光.业绩说明会语调与分析师预测准确性[ J].经济管理，2020（8）：120 ～ 137.
[21] 周波，张程，曾庆生.年报语调与股价崩盘风险——来自中国A股上市公司的经验证据[ J].会计研究，2019（11）：41 ～ 48.
[22] 金德环，李岩.投资者互动与股票收益——来自社交媒体的经验证据[ J].金融论坛，2017（5）：72 ～ 80.
[23] 周冬华，魏灵慧.媒体报道、环境不确定性与股价同步性[ J].财务研究，2017（3）：54 ～ 64.
[24] Kothari S. P.， Xu L.， Short J. E.. The effect of disclosures by management， analysts， and business press on cost of capital， return volatility， and analyst forecasts： A study using content analysis[ J].Social Science Electronic Publishing，2008（5）：1639 ～ 1670.
[25] 甘丽凝，陈思，胡珉，王俊秋.管理层语调与权益资本成本——基于创业板上市公司业绩说明会的经验证据[ J].会计研究，2019（6）：27 ～ 34.
[26] 苗霞，李秉成.管理层超额乐观语调与企业财务危机预测——基于年报前瞻性信息的分析[ J].商业研究，2019（2）：129 ～ 137.
[27] 陈艺云.基于信息披露文本的上市公司财务困境预测：以中文年报管理层讨论与分析为样本的研究[ J].中国管理科学，2019（7）：23 ～ 34. [28] Lee J.， Park J.. The impact of audit committee financial expertise on management discussion and analysis （MD&A） tone[ J].European Accounting Review，2018（6）：1 ～ 22.
[29] 王永海，汪芸倩，唐榕氚.异常审计费用与分析师语调——基于分析师报告文本分析[ J].审计研究，2019（4）：39 ～ 47.
[30] Davis A. K.， Tama-Sweet I.. Managers' use of language across alternative disclosure outlets：Earnings press release versus MD&A[ J].Contemporary Accounting Research，2012（3）：804 ～ 837.
[31] Huang X.， Teoh S. H.， Zhang Y. L.. Tone management[ J].The Accounting Review，2014（3）：1083 ～ 1113.
[32] 王华杰，王克敏.应计操纵与年报文本信息语气操纵研究[ J].会计研究，2018（4）：45 ～ 51.
[33] 曾庆生，周波，张程，陈信元.年报语调与内部人交易：“表里如一”还是“口是心非”？[ J].管理世界，2018（9）：143 ～ 160.
[34] 辛清泉，孔东民，郝颖.公司透明度与股价波动性[ J].金融研究，2014（10）：193 ～ 206.
[35] 方军雄.我国上市公司信息披露透明度与证券分析师预测[ J].金融研究，2007（6）：136 ～ 148.
[36] 周开国，应千伟，陈晓娴.媒体关注度、分析师关注度与盈余预测准确度[ J].金融研究，2014（2）：139 ～ 152.
[37] 杨青，吉赟，王亚男.高铁能提升分析师盈余预测的准确度吗？——来自上市公司的证据[ J].金融研究，2019（3）：168 ～ 188.
[38] Chen T.， Harford J.， Lin C.. Do analysts matter for governance？ Evidence from natural experiments[ J].Journal of Financial Economics，2015（2）：383 ～ 410.
[39] 李春涛，赵一，徐欣，李青原.按下葫芦浮起瓢：分析师跟踪与盈余管理途径选择[ J].金融研究，2016（4）：144 ～ 157.
[40] 李麗青.《新财富》评选的最佳分析师可信吗？——基于盈利预测准确度和预测修正市场反应的经验证据[ J].投资研究，2012（7）：54 ～ 64.
[41] 易靖韬，张修平，王化成.企业异质性、高管过度自信与企业创新绩效[ J].南开管理评论，2015（6）：101 ～ 112.
[42] Durnev A.， Morck R.， Zarowin Y. P.. Does greater firm-specific return variation mean more or less informed stock pricing？[ J].Journal of Accounting Research，2003（5）：797 ～ 836.