1、75公司治理摘要 本文基于股价特质性波动的“非信息观”解释，检验了分析师报告负面信息披露与股价特质性波动之间的关系。研究发现：（1）分析师报告负面信息披露与股价特质性波动显著负相关；（2）当被跟踪公司信息透明度越低、分析师报告信息含量越高、投资者对负面信息的关注度越高时，二者的负向关系越强；（3）减少噪音交易、抑制盈余管理，是分析师报告负面信息披露降低股价特质性波动的重要途径；（4）媒体负面报道并未削弱分析师报告负面信息的影响力；（5）分析师报告负面信息披露主要向市场提供了有关企业未来基本面的信息。关键词 分析师报告；负面信息；股价特质性波动；非信息因素引言股价特质性波动指的是无法被系统性风险
2、及公开信息所解释的股价异常波动，通常被用来衡量股价的特质风险。Roll通过观察美国市场的股价波动情况，对股价特质性波动的成因给予了解释，并将其总结为公司特质信息融入和非信息因素干扰这两大因素。1前者简称为“信息观”，后者简称为“非信息观”。其中，“信息观”认为，在充分有效的市场中，信息是造成股价变动的主导因素。知情交易者的套利行为使得大量的公司特质信息融入股价，增加了股价特质性波动。在“信息观”的逻辑下，股价特质性波动越高，公司特质信息融入得越充分，市场信息效率越高。早期的文献大多基于“信息观”的视角对股价特质性波动进行了验证。2,3而“非信息观”认为，市场并非是充分有效的，股价的变动并不能被
3、信息完全解释，会受到噪音、盈余质量恶化等非信息因素的干扰，使得股价偏离基本面价值，从而导致较高的股价特质性波动。在“非信息观”理论的解释下，高股价特质性波动意味着市场中存在较多的非信息因素干扰，是市场信息效率低的表现。近年来，越来越多的研究对股价特质性波动的“信息观”解释提出了质疑，研究发现股价特质性波动受到众多非信息因素的影响，4-8支持了股价特质性波动的“非信息观”解释。现有关于分析师对股价特质性波动影响的研究，主要围绕“信息观”这一维度展开，重点关注分析师能否向市场传递公司特质信息。降低股价同步性（提升股价特质性波动），但并未取得一致的研究结论。部分研究认为，分析师能够传递公司特质信息，
4、9-11降低股价同步性（提升股价特质性波动），促进资本市场信息效率提升；另一部分研究却认为，分析师未能传递公司特质信息，12-14反而加剧了股价同步性（降低股价特质性波动），对提升资本市场信息效率发挥的作用有限。值得注意的是，鲜有研究从“非信息观”这一维度出发，探索分析师与股价特质性波动之间的关系。事实分析师报告负面信息披露与股价特质性波动基于文本分析的研究朱琳 陈妍羽 伊志宏作者简介 朱琳，无锡太湖学院、上海国家会计学院副教授，研究方向为资本市场、公司金融；陈妍羽（通讯作者），广东财经大学金融学院、中国人民大学商学院讲师，研究方向为资本市场、公司金融；伊志宏，中国人民大学商学院教授、博士生导
5、师，研究方向为资本市场、公司金融基金资助 本文受中国博士后科学基金第 73 批面上项目（2023M732185）、江苏高校哲学社会科学研究重大项目（2023SJZD009）、江苏省“青蓝工程”（苏教师函202251 号）资助75-85Nankai Business ReviewVol.26,2023,No.3,pp76公司治理上，非信息因素也是形成股价特质性波动的重要原因。例如，Skaife等比较了5 个不同国家资本市场的股价波动情况，15发现股价波动的驱动因素在不同的地区有所不同。他们认为，采用股价同步性测度股价信息含量的合理性在不同国家存在显著差别。这表明，股价特质性波动在某些国家代表的是
6、信息流动，表现为较高的信息效率。而在另一些国家，股价特质性波动代表的是非信息因素，表现为较低的信息效率。Schutte等的研究指出，股价的日常波动大多由噪音所驱动。16Lee等考察了股价特质性波动与噪音交易之间的关系，研究发现二者显著正相关。4Rajgopal等研究发现盈余质量与股价特质性波动显著负相关，盈余质量的恶化将会导致更高的股价特质性波动。5虽然中国资本市场经历了近三十年的快速发展，但仍属于新兴资本市场。17法律法规和资本市场制度建设尚不完善，信息披露质量较低，且市场上存在大量偏好短期投机交易的个人投资者。18这些因素均可能导致非信息因素主导中国市场的股价特质性波动。因此，股价特质性波
7、动的“非信息观”可能比“信息观”更适用于解释中国的股价特质性波动。那么，在此背景下，分析师能否发挥有效的信息中介作用，降低股价特质性波动，提升资本市场信息效率呢？为了回答上述问题，本文采用文本分析方法，提取分析师报告中的负面信息，检验其对股价特质性波动的影响。选取分析师报告文本负面信息作为考察对象主要有以下两个方面的原因。首先，不论在何种解释观下，信息不对称都是影响股价特质性波动的重要因素。3,5特别是管理层存在隐藏公司负面信息的动机和能力，2,19这可能导致负面信息的不对称问题更为严重。因此，从负面信息的角度检验分析师对股价特质性波动的影响，能够更加清晰地揭示分析师与股价特质性波动之间的关系
8、。其次，现有关于分析师与股价特质性波动的研究，主要使用分析师跟踪人数及分析师报告中的定量预测信息来衡量分析师的信息效率，对分析师报告文本信息的关注不足。而文本信息也是分析师报告的重要组成部分，对投资者的影响甚至超过定量预测信息。20但值得注意的是，分析师报告文本信息既包括正面积极的信息，也包括负面消极的信息，且不同情感属性的信息对投资者及资本市场的影响并不相同。例如，Huang等的研究发现，21相比正面信息，分析师报告负面信息具有更高的信息含量，对投资者的影响更大。Loughran等对文本分析在财务金融领域内的应用进行综述时，曾呼吁研究者应重点关注文本中的负面信息。22因此，从分析师报告文本负
9、面信息的角度检验分析师对股价特质性波动的影响，不仅能够更为全面地揭示分析师对信息不对称尤其是负面信息不对称问题的缓解，还有利于我们对分析师的信息效率进行更为客观的评价。为此，本文选取 2009-2018 年中国A股上市公司共超过 39 万份分析师报告作为研究对象，通过文本分析方法提取其中的负面信息，检验分析师报告负面信息披露与股价特质性波动之间的关系。研究发现：（1）分析师报告负面信息披露与股价特质性波动之间存在显著的负向关系。（2）当被跟踪公司信息透明度越低，分析师报告信息含量越高，及投资者对负面信息的关注度越高时，二者的负向关系越强。（3）中介效应的检验结果显示，缓解非信息因素的干扰，如减
10、少噪音交易、抑制盈余管理，是分析师报告负面信息披露降低股价特质性波动的重要途径。（4）媒体负面报道并未削弱分析师报告负面信息的影响力。（5）分析师报告负面信息披露主要向市场提供了有关企业未来基本面的信息，帮助投资者更准确地判断企业未来的经营情况，引导投资者进行价值投资。本文的研究贡献主要体现在以下三个方面：第一，从非信息观的角度，为分析师降低股价特质性波动、提升资本市场信息效率提供了证据支持。现有关于分析师对股价特质性波动影响的研究主要基于“信息观”来检验二者之间的关系。9-14而本文立足于股价特质性波动的“非信息观”解释，研究发现分析师报告负面信息披露降低了股价特质性波动，为分析师与股价特质
11、性波动的研究提供了新的视角，拓展了分析师与资本市场信息效率的相关研究。第二，丰富了分析师报告文本信息含量方面的文献。已有研究在考察分析师报告的信息含量时，大多将分析师报告中的信息视为一个整体，忽视了分析师报告中不同情感属性信息的信息含量异质性。本文的研究结论表明，分析师披露负面信息不仅能够减少市场噪音交易，还能约束管理层盈余管理，提升上市公司盈余质量，进而缓解非信息因素对股价特质性波动的干扰，提升资本市场信息效率。这有助于我们全面认识分析师的信息活动及其对资本市场的影响。第三，为中国股价特质性波动的“非信息观”解释提供了新的经验证据。已有文献围绕股价特质性波动的“信息观”和“非信息观”展开了大
12、量研究，并积累了丰富的研究成果。就国内已有的研究情况来看，虽然存在一批文献基于“信息观”的视角对股价特质性波动进行了验证，9,23但也存在部分学者支持中国股价特质性波75-85第26卷,2023年第3期第 页 77公司治理动的“非信息观”解释。6,7,24,25本文的研究亦为中国股价特质性波动的“非信息观”解释提供了证据支持。一、理论分析在充分有效的资本市场中，信息是驱动股价变动的主要因素。此时，股价中公司特质信息融入得越充分，股价特质性波动越高，资本市场信息效率也就越高。然而，大量的研究表明，市场并非是充分有效的，26,27信息和非信息因素都会引发股价变动。这将导致股价特质性波动既会受到公司
13、特质信息融入的影响，也会受到如噪音、盈余管理等非信息因素的干扰。值得注意的是，当不同的因素主导股价特质性波动时，信息的增加对股价特质性波动的影响方向并不相同。具体而言，当信息因素主导市场股价特质性波动时，信息的增加将会促进公司特质信息融入股价，增加股价特质性波动，提升资本市场信息效率（即“信息观”）。2而当非信息因素主导市场股价特质性波动时，信息的增加将会减少公司未来发展的不确定性，减少非信息因素对股价的干扰，降低股价特质性波动，提升资本市场信息效率（即“非信息观”）。4因此，分析师报告所提供的公司负面信息究竟会对股价特质性波动产生何种影响，需要结合市场情况进行分析。具体地，如果信息因素是驱动
14、股价波动的主要因素，即“信息观”更能解释股价特质性波动时，分析师报告负面信息披露将会增加股价特质性波动。“信息观”认为，股价的变动主要是由信息流动造成的。知情交易者的套利行为使得大量的公司特质信息融入股价，从而导致较高的股价特质性波动。在“信息观”的解释下，股价特质性波动越高，股价中公司特质信息的融入越充分，市场信息效率越高。然而，信息不对称的存在使得投资者无法充分、及时地获取公司特质信息，降低了公司特质信息在股价中的反映效率，抑制了股价特质性波动。例如，Hutton等的研究发现，公司财务报告信息透明度越差，股价特质性波动越低。3他们认为，信息透明度越低的公司，信息不对称程度越高，投资者难以获
15、取公司特质信息，进而导致股价无法完全反映公司特质信息。具体表现为个股波动与市场波动的同步性较高，而股价特质性波动较低。特别是公司比投资者拥有更多信息，且有动机向投资者披露“好消息”而隐藏“坏消息”，2,19因此负面信息的不对称问题可能更为严重。这削弱了公司特质负面信息在股价中的反映效率，抑制了股价特质性波动。而分析师的信息活动能够有效缓解信息不对称，在传递公司负面信息方面发挥着重要作用。21,28通过搜集与分析上市公司招股说明书、财务报告等公开信息及实地调研、与管理层沟通等方式获得的私有信息，29分析师能够获取公司特质负面信息，并将这些信息写入研究报告传递给投资者。因此，如果股价特质性波动主要
16、由信息因素所驱动，那么分析师报告负面信息披露可能会增加投资者对公司特质负面信息的获取，使得股价中融入更多的公司特质信息，增加股价特质性波动。如果股价波动主要由非信息因素所驱动，即“非信息观”更能解释股价特质性波动时，分析师报告负面信息披露将会降低股价特质性波动。在“非信息观”的理论框架下，股价波动并不能被信息完全解释，会受到噪音、盈余质量恶化等非信息因素的干扰，使得股价偏离基本面价值，从而导致较高的股价特质性波动。此时，股价特质性波动越高，表明非信息因素的干扰越严重，市场信息效率越低。例如，Lee等的研究发现，4噪音交易与股价特质性波动显著正相关，市场中的噪音交易越频繁，股价特质性波动越高。类
17、似地，Aabo等的研究发现，30股价特质性波动与多种错误定价的衡量方式显著正相关，表明非信息因素对股价特质性波动的影响越来越大。Rajgopal等的研究发现，5盈余质量的恶化加剧了投资者对公司盈利状况看法的分歧，提升了股价特质性波动。而分析师报告负面信息披露，一方面能够促使更多的公司特质信息融入股价，降低公司股价未来发展的不确定性。而这种不确定性的降低能够减少噪音交易对股价特质性波动的干扰，从而降低股价特质性波动。31另一方面，分析师报告负面信息披露还能发挥一定的治理作用，抑制管理层盈余管理。32当分析师向市场披露公司负面信息时，将会引起投资者及其他利益相关者的持续关注。此时，管理层进行盈余管
18、理的成本将上升，可能会减少或放弃盈余管理。这将会提升被关注公司的盈余质量，降低盈余质量恶化导致的投资者分歧，5,7降低股价特质性波动。结合上述分析，本文构建了分析师报告负面信息披露影响股价特质性波动的理论框架，如图 1 所示。值得注意的是，对中国市场而言，非信息因素是股价波动的重要影响因素，甚至是主导因素。与发达资本市场不同，中国资本市场仍处于新兴加转轨的发展阶段。法律法规、资本市场制度建设均有待进一步完善，公司信息披露质量较低，且市场上存在大量热衷于短期投机交易的个人投资者。8这些都将加剧非信息因素对股价特质性波动的干扰。例如，许年行等的研究发现，24中国股价波动同步性在降低的同时，股价的“
19、反转”效应也更加强烈。他们指出，中国股价特质性波动并不支持“信息效率观”。Hu等的研究也发现，8中国资本市场的股价特质性波动75-85Nankai Business ReviewVol.26,2023,No.3,pp78公司治理与信息因素相关性较低。因此，“非信息观”可能要比“信息观”更适用于解释中国市场的股价特质性波动。如此，根据Lee等的理论模型，4当非信息因素主导市场股价特质性波动时，信息的增加将会减少非信息因素的干扰，降低股价特质性波动，提升市场信息效率。33据此，本文提出如下研究假设：H：当其他条件相同时，分析师报告负面信息披露与股价特质性波动显著负相关。?二、研究设计1.样本选取与
20、数据来源本文选取 2009-2018 年沪深两市A股上市公司为研究对象。本文从深圳市今日投资数据科技有限公司获取了2009-2018 年共计 398641 份分析师研究报告原文，然后利用计算机人工智能学习的技术对其进行文本分析，提取分析师报告文本中包含负面情感的语句并量化，以衡量分析师报告负面信息披露。机构投资者持股数据来自WIND数据库；股吧帖子、网络财经新闻及上市公司信息披露质量评级的数据来自CNRDS；三因子数据来自RESSET数据库；其他数据均来自CSMAR数据库。首先，对于原始分析师报告，按照如下步骤进行筛选：（1）剔除盈利预测数据缺失样本；（2）剔除总句子数量小于 3 的样本；（3
21、）剔除非A股上市公司样本；（4）剔除金融行业样本。经过上述处理，最终得到 354035份有效分析师报告。其次，提取有效分析师报告文本中的负面信息并量化，然后按照公司年进行汇总，得到 15708 个公司年观测值。最后，对这些公司年观测值按照如下步骤进行筛选：（1）为了有效估计股价特质性波动，剔除每年股票交易周数小于 30 的样本；（2）剔除相关数据缺失的样本。经过上述处理，最终得到13824 个有效的公司年观测值。同时，为减少变量异常值对研究结论的干扰，对模型中的相关连续变量在 1%和 99%的水平上进行Winsorize处理。2.主要实证模型和变量定义本文采用回归模型（1）来检验分析师报告负面
22、信息披露对股价特质性波动的影响：IVi,t=+1NEGi,t+Control Variablesi,t+i,t（1）模型（1）中变量的具体定义如下。（1）股价特质性波动参考已有文献，主要采用以下两种方式进行衡量：参考肖浩等及Durnev等的方法，7,34每一年用股票i的周收益率数据按照模型（2）进行回归，并利用回归得到的残差，取其月度标准差的均值与 100 的乘积来衡量股价特质性波动IV1。Ri,w,t=+1RM,w1,t+2RM,w,t+3RI,w1,t+4RI,w,t+i,w,t（2）其中，Ri,w,t为股票i第t年第w周考虑现金红利再投资的收益率；RM,w,t为A股所有股票在第t年第w周
23、经流通市值加权的平均收益率；RI,w,t为股票i第t年第w周所在行业剔除股票i后其他股票经流通市值加权的平均收益率。参考Zhang及钟凯等，35,36对股票i的周收益率数据，使用Fama-French三因子模型进行回归，得到回归残差。然后，取其月度标准差的均值与 100 的乘积来衡量股价特质性波动IV2。Ri,w,t-rt=+1MKTw,t+2SMBw,t+3HMLw,t+i,w,t （3）其中，Ri,w,t为股票i第t年第w周考虑现金红利再投资的收益率；rt为第t年无风险利率，参考肖浩等的研究，7本文使用银行定期存款年利率替代；MKTw,t、SMBw,t、HMLw,t分别对应第t年第w周的三
24、因子数据。（2）分析师报告负面信息披露参考伊志宏等的研究，32本文采用分析师报告中负面语句的量化指标来衡量分析师报告负面信息披露。具体地，本文采用了基于情感词典的方法对每份分析师报告中的每个句子进行情感分类。20,32首先，参照知网HowNet情感词典给定的正面词典和负面词典，并结合语句中的否定词和程度副词对分析师报告进行逐句分析，判断每个句子的情感属性是正面、中性或是负面。其次，考虑到分析师报告是专业文本，为了提高情感分析的准确度，本文还增加了分析师报告特有的专业情感词汇，如“企稳、扭亏、拉低、走弱”等。在上述文本分析的基础上，本文构建了衡量分析师报告负面信息披露的量化指标：（4）（5）NE
25、GR1i,t,j表示公司i第t年第j份分析师报告中负75-85第26卷,2023年第3期第 页 79公司治理面语句数量与总语句数量的比值；NEGR2i,t,j表示公司i第t年第j份分析师报告中负面语句数量与正面语句数量的比值。其次，按照公司年汇总计算NEGR1i,t,j、NEGR2i,t,j的年度均值AVG_NEGR1i,t、AVG_NEGR2i,t。此外，本文还统计了公司i第t年内分析师报告文本负面语句的年度均值AVG_NEGi,t，并将AVG_NEGi,t与 1 之和取自然对数得到LNAVG_NEGi,t。最后，本文将使用AVG_NEGR1i,t、AVG_NEGR2i,t及LNAVG_NE
26、Gi,t来衡量分析师报告文本负面信息披露。具体地，在主回归中，采用AVG_NEGR1i,t来衡量分析师报告负面信息披露NEGi,t。在稳健性检验部分，采用AVG_NEGR2i,t及LNAVG_NEGi,t作为分析师报告负面信息披露的替代指标，进行稳健性测试。（3）其他控制变量借鉴已有文献的做 法，7,36本文 还控制了如下变量：年度内分析师报告总句子 数 量均值的自然对 数LNSEN、年度内分析师报告负面语句占总语句比值的标准差STDNEG、个股年换手率TURN、机构投资者持股比例INS、分析师跟踪人数与 1 之和的自然对数LNAF、股票收益率RET、产权性质SOE、总资产的自然对数SIZE、
27、资产负债率LEV、总资产利润率ROA、市值账面比MB、经营活动现金流量净额占总资产的比例OCTA。此外，还加入了年度哑变量及行业哑变量，以分别控制年度和行业固定效应。三、实证结果1.描述性统计表 1 报告了主要变量的描述性统计结果，从中可见，分析师报告负面信息披露NEG的均值（标准差）为 0.05（0.04）。这说明，平均而言分析师报告中大约有 5%的文本内容属于负面信息。且据未报告的数据显示，分析师报告中的正面文本占比均值为 37.23%。这表明，分析师报告中的负面信息占比较少，而正面信息和中性信息占据了分析师报告文本内容的主要篇幅。2.主要实证结果表 2 列式了分析师报告负面信息披露与股价
28、特质性波动的回归结果。从中可见，不论使用IV1 还是IV2 来衡量股价特质性波动，分析师报告负面信息披露NEG的系数均显著为负。这表明，分析师报告负面信息披露能够抑制股价特质性波动，从而验证了本文的研究假设。从控制变量来看，分析师报告总句子数量LNSEN与股价特质性波动显著正相关，而负面信息披露NEG表1 主要变量的描述性统计变量样本数量均值标准差中位数最小值最大值IV1138243.8362 1.5292 3.5878 1.2302 9.1907 IV2138245.2484 2.1148 4.9413 1.6798 12.5104 NEG138240.0496 0.0380 0.0390
29、0.0024 0.1923 LNSEN138243.8397 0.4583 3.8067 2.8332 5.0154 STDNEG138240.0478 0.0289 0.0410 0.0043 0.1453 TURN138245.5136 4.0170 4.4536 0.4853 20.4087 INS138247.1951 7.3098 4.8482 0.0555 39.3964 LNAF138242.2543 0.7637 2.2499 0.6931 3.8067 RET138240.1915 0.6235 0.0028-0.5657 2.6187 SOE138240.3600 0.48
30、00 0.0000 0.0000 1.0000 SIZE1382422.3975 1.3003 22.2053 20.1367 26.3262 LEV138240.4327 0.2042 0.4291 0.0515 0.8623 ROA138240.0514 0.0467 0.0455-0.0977 0.2005 MB138242.8115 1.9453 2.2378 0.6479 11.6092 OCTA138240.0504 0.0711 0.0484-0.1521 0.2482 表2 分析师报告负面信息披露与股价特质性波动IV1IV2NEG-2.2229*-1.9423*(-3.76)(
31、-2.61)LNSEN0.1561*0.1793*(5.24)(4.94)STDNEG1.2793*1.0488*(3.37)(1.91)TURN0.1138*0.1562*(9.28)(19.17)INS0.0197*0.0174*(8.54)(4.40)LNAF-0.00020.0609*(-0.01)(2.47)RET0.9651*1.0029*(9.27)(10.21)SOE-0.1417*-0.0601(-2.66)(-1.27)SIZE-0.2848*-0.1631*(-11.33)(-4.99)LEV0.6151*0.2920*(8.32)(2.89)ROA-2.7761*-3.
32、3282*(-6.36)(-4.23)MB0.0502*0.0871*(4.06)(9.97)OCTA-0.5023*-0.5677*(-3.85)(-2.82)截距6.9375*6.4217*(12.89)(9.10)Year控制控制Industry控制控制样本数1382413824Adj.R20.62300.7645注：括号内为经公司年度层面聚类调整的 T 值。*、*、*分别表示 10%、5%和 1%的显著性水平，下同的系数显著为负，这意味着，分析师报告非负面信息占比越多，股价特质性波动越大。本文认为可能的原因是由于非负面信息的信息不对称程度较低，投资者往往不需要通过分析师就能从管理层公开
33、披露的信息中获取公司非负面信息。而分析师报告中的非负面信息披露可能会进一步加剧投资者对公司基本面价值的利好误判，从而导致了更高的股价特质性波动。其他变量的回归结果与现有研究基本保持一致。75-85Nankai Business ReviewVol.26,2023,No.3,pp80公司治理3.稳健性检验为确保研究结论可靠，本文还从如下五个方面进行了稳健性检验。（1）排除管理层信息披露的影响由于管理层信息披露不仅会影响分析师的信息传递效果，38也会影响公司的股价特质性波动，可能会对本文的研究结论产生干扰。因此，参考马黎珺等的方法，20本文剔除了管理层业绩预测发布时间段（每年 1-4 月）内的分析
34、师报告，重新计算分析师报告负面信息披露指标并对模型（1）进行回归，研究结论保持不变。（2）控制公司固定效应为降低遗漏变量对研究结论的影响，本文控制公司固定效应对模型（1）重新回归，研究结论保持不变。（3）更换分析师报告负面信息披露的衡量方式本文使用分析师报告负面语句数量与正面语句数量比值的年度均值AVG_NEGR2、分析师报告负面语句数量平均值与 1 之和的自然对数LN_AVGNEG衡量NEG，并代入模型（1）重新回归，研究结论保持不变。（4）更换股价特质性波动的衡量方式参考辛清泉等的做法，6采用股票周收益率月度方差的平均值与 100 的乘积来衡量股价特质性波动对模型（1）重新回归，研究结论保
35、持不变。（5）PSM配对检验分析师报告负面信息披露较多的公司，其基本面不确定性可能较大。而负面信息披露较少的公司基本面不确定性可能较小。本文的研究结果可能是由两组公司之间存在的系统性差异导致的。然而，如果分析师报告负面信息披露较多的公司基本面不确定性更大，那么该类公司的股价特质性波动可能更高。例如，Wei等的研究指出，39更高的股价特质性波动往往反映了公司更高的基本面风险。换言之，分析师报告负面信息披露与公司基本面不确定性的正相关性应该不利于本文发现分析师报告负面信息披露与股价特质性波动之间显著负相关的结果。因此，二者之间的相关性不会对本文的研究结论造成干扰。为了进一步缓解这一问题，本文采用P
36、SM配对方法对研究结论进行稳健性检验。第一，根据每一年分析师报告负面信息披露NEG的中位数，将全样本分为负面信息披露较多组和较少组。第二，以每一年负面信息披露较多组公司为实验组，负面信息披露较少组公司为参照组，基于模型（1）中的控制变量，用PSM最邻近匹配法进行 1:1 无放回匹配。为确保负面信息披露较多组和较少组公司在上述变量之间均不存在显著差异，参考朱琳等的做法，40本文将两组之间P-score值的差异限定在 0.002 之内，配对后两组样本在公司层面的基本特征无显著差异。利用PSM 配对后的样本进行检验，结论与前文研究保持一致。（相关结果略去备索）四、进一步研究1.影响分析师报告负面信息
37、传递效果的因素考虑到分析师的信息活动顺序为：搜集与公司股价相关的信息；分析整理信息并形成研究报告；公开发布研究报告，将信息传递给投资者。因此，分析师报告负面信息的传递效果可能会在上述三个环节受到影响。基于此，本文将围绕这三个环节，分别从被跟踪公司信息透明度、分析师报告信息含量及投资者关注度三个角度对分析师报告负面信息披露与股价特质性波动之间的关系展开分析。（1）信息透明度的影响如果企业信息透明度较高，管理层的信息披露比较充分，则投资者不需要通过分析师就能够获取上市公司充分、准确的信息。此时，分析师报告负面信息披露将不会对投资者决策产生重要影响，也就不会影响股价特质性波动。相反，如果企业信息透明
38、度较低，管理层的信息披露有限，投资者只能依赖分析师等信息中介所提供的补充信息。一方面，分析师报告负面信息披露能够向投资者传递公司负面信息，减少投资者基于非信息因素进行交易的投资行为。另一方面，投资者对分析师提供的信息依赖程度更高，分析师报告负面信息披露对投资者的影响也更大。因此，本文预期，当被跟踪公司信息透明度越低时，分析师报告负面信息的传递效果越好，对股价特质性波动的抑制作用越强。为了对此进行验证，本文采用以下两种方式衡量公司信息透明度（OPA）。上市公司信息披露质量RANK。借鉴已有文献的做法，40,41本文采用上市公司信息披露质量总体评级RANK衡量公司信息透明度。RANK取值为 1、2
39、、3、4，分别对应信息披露质量评级“不及格”“及格”“良好”“优秀”。RANK越大，公司信息透明度越高。盈余操纵水平DA。借鉴已有文献的常用做法，3本文采用修正的琼斯模型计算的操纵性应计的绝对值来衡量盈余操纵水平（DA），越高的盈余操纵水平意味着越低的信息透明度。回归结果如表 3 所示。从中可见，当以RANK正向衡量OPA时，NEGOPA的回归系数均显著为正。当以DA负向衡量OPA时，NEGOPA的回归系数均显著为负。这表明，当被跟踪公司的信息透明度越低（越高）时，分析师报告负面信息的传递效果越好（越差），对股价特质75-85第26卷,2023年第3期第 页 81公司治理性波动的抑制作用越强（
40、越弱），与前述理论预期相吻合。表3 考虑信息透明度的影响IV1IV2IV1IV2以RANK衡量OPA以DA衡量OPANEG-6.4947*-8.3442*-1.2999-1.3245(-10.59)(-3.97)(-1.62)(-1.62)NEGOPA1.4694*2.1718*-1.3602*-0.9221*(4.39)(3.51)(-3.88)(-2.22)OPA-0.1983*-0.2308*0.1877*0.1439*(-8.93)(-5.16)(7.28)(5.08)控制变量控制控制控制控制样本数12424124241382413824Adj.R20.63640.77880.6247
41、0.7650注：为了列示简洁，后续表格只保留主要变量的回归结果，其余控制变量的设置与表 2 相同（2）分析师报告信息含量的影响信息含量是影响分析师报告信息传递效果的关键因素。当分析师报告的信息含量越高时，传递的信息越准确，对投资者的影响也越大。众多研究从明星分析师、42实地调研等角度43对此提供了证据支持。因此，本文预期，当分析师报告信息含量越高时，分析师报告负面信息披露对股价特质性波动的抑制作用越强。为了对此进行验证，本文采用以下两种方式衡量分析师报告信息含量（INFORM）。明星分析师报告占比。已有研究表明，分析师报告的信息含量与分析师累积的声誉有关。明星分析师发布的报告能够引起更强烈的市
42、场反应，44因而被认为传递了更具有信息含量的信息。因此，本文使用明星分析师报告占比来衡量分析师报告信息含量。具体地，如果分析师报告的前 3 位作者中含有明星分析师，则将该报告视为明星分析师报告。然后，计算公司年度内明星分析师报告数量占所有分析师报告数量的比例STARRATIO。STARRATIO越大，明星分析师报告占比越高，分析师报告信息含量越高。调研报告和深度报告占比。首先，Cheng等的研究指出，43实地调研是分析师获取信息的重要方式，能够提高分析师报告的信息含量。因此，调研报告往往被认为更具有信息含量。其次，深度报告是分析师结合宏观、市场及公司层面的信息对上市公司进行的深入分析，不仅在文
43、字论证的强度上优于一般分析师报告，且在论证形式上更具多样性。深度报告通常也能传递更多的信息。因此，本文采用公司年度内调研报告和深度报告数量之和占所有分析师报告数量的比例INFORMRATIO来衡量分析师报告信息含量。INFORMRATIO越大，调研报告和深度报告占比越高，分析师报告信息含量越高。具体回归结果如表 4 所示，NEGINFORM的回归系数均为负，且在后三列中显著为负。这表明，当分析师报告信息含量越高时，负面信息的传递效果越好，对股价特质性波动的抑制作用越强。表4 考虑分析师报告信息含量的影响IV1IV2IV1IV2以STARRATIO衡量INFORM以INFORMRATIO衡量IN
44、FORMNEG-1.8990*-1.4577*-0.0839-0.1352(-2.87)(-1.73)(-1.30)(-1.63)NEGINFORM-1.3153-2.1015*-5.6112*-5.5846*(-0.77)(-2.02)(-1.90)(-1.77)INFORM0.2349*0.3124*0.3480*0.3422*(2.98)(3.00)(2.19)(2.44)控制变量控制控制控制控制样本数13824138241382413824Adj.R20.63500.77800.62270.7645（3）投资者负面信息关注度的影响作为分析师报告的最终接受者，投资者对负面信息关注度的差异
45、可能会对分析师报告负面信息披露与股价特质性波动之间的关系产生不同方向的影响。一方面，较高的投资者负面信息关注度可能会加剧二者之间的负向关系。这是因为，对负面信息关注度较高的投资者能够迅速地捕捉到分析师报告中的负面信息，并将其反映在投资决策上，促使股价更多地反映公司基本面信息，降低股价特质性波动。但另一方面，对负面信息关注度较高的投资者对公司负面信息较为敏感，会通过各种渠道搜集公司负面信息。这可能会削弱他们对分析师报告负面信息披露的依赖程度，从而降低分析师报告负面信息披露对股价特质性波动的影响。如此，投资者负面信息关注度究竟会对二者之间的关系产生何种影响，是一个有待实证的话题。为此，本文参考伊志
46、宏等的做法，32以东方财富网股吧中负面帖子的数量作为投资者负面信息关注度（ATTENTION）的衡量依据。投资者在股吧中发布的负面帖子越多，表明投资者对负面信息的关注度越高。具体地，本文使用公司年度内负面帖子数量的平均值与 1之和的自然对数衡量ATTENTION。回归结果如表 5 所示。从中可见，NEGATTENTION的回归系数均显著为负。这表明，投资者对负面信息的关注度越高，分析师报告负面信息的传递效果越好，对股价特质性波动的抑制作用越强。2.分析师报告负面信息披露抑制股价特质性波动的作用机制检验在前文的研究假设中，本文论及当非信息因素主导市场股价波动时，分析师报告负面信息披露不仅能够缓解
47、噪音交易对股价特质性波动的干扰，还能发挥一定的公司治理作用，约束管理层的盈余管理行为，从而降低75-85Nankai Business ReviewVol.26,2023,No.3,pp82公司治理股价特质性波动。在这一部分，本文尝试对分析师报告负面信息披露影响股价特质性波动的作用机理提供进一步的经验证据。表5 考虑投资者负面信息关注度的影响IV1IV2NEG-0.24190.3209(-0.36)(0.36)NEGATTENTION-1.2460*-1.4282*(-3.54)(-3.27)ATTENTION0.3029*0.2953*(4.72)(4.29)控制变量控制控制样本数13824
48、13824Adj.R20.62730.7665（1）减少噪音交易为了检验分析师报告负面信息披露能否通过减少噪音交易来降低股价特质性波动，本文借鉴肖浩等及French等的方法，7,44采用股票收益率的年度方差减去月度方差累积值的绝对值来衡量噪音交易NOISE。并借鉴温忠麟等的研究方法，46构建如下中介效应模型：IVi,t=+1NEGi,t+ControlVariablesi,t+i,t（6）NOISEi,t=+1NEGi,t+ControlVariablesi,t+i,t（7）IVi,t=+1NEGi,t+2NOISEi,t+ControlVariablesi,t+i,t（8）表 6 列式了回归
49、模型（7）及（8）的回归结果。从中可见，在第（1）列中，NOISE对NEG的回归系数显著为负。这表明，分析师报告负面信息披露减少了噪音交易。在第（2）列和第（3）列中，NOISE的回归系数均显著为正。这表明，噪音交易的存在确实增加了股价特质性波动，与Kumar等的研究发现保持一致。47在控制了NOISE后，NEG的回归系数依然显著为负。根据温忠麟等中介效应显著性的判断依据，46上述结果表明，减少噪音交易是分析师报告负面信息披露降低股价特质性波动的部分中介因子。（2）抑制盈余管理为了检验分析师报告负面信息披露能否通过发挥治理作用，抑制管理层盈余管理，进而降低股价特质性波动，本文以盈余操纵水平（D
50、A）为中介变量，对该路径进行检验，具体模型如下：IVi,t=+1NEGi,t+ControlVariablesi,t+i,t（9）DAi,t=+1NEGi,t+ControlVariablesi,t+i,t（10）IVi,t=+1NEGi,t+2DAi,t+ControlVariablesi,t+i,t（11）其中，盈余操纵水平（DA）的计算与前文一致，不再赘述。表 7 列示了模型（10）及（11）的回归结果，在第（1）列中，DA对NEG的回归系数显著为负。这表明，分析师报告负面信息披露显著抑制了盈余管理。在第（2）列和第（3）列中，DA的回归系数均显著为正。这表明，盈余管理的存在确实增加了股
