分析师研究报告负面信息含量与股价同步性.pdf

12现 代 金 融2023年第10期 总第488期金融观察摘要：本文基于文本分析法，选取2019-2021年A股上市公司相关数据，实证检验分析师研究报告负面信息含量与股价同步性之间的关系。研究结果表明：（1）分析师研究报告负面信息含量越高越能显著抑制公司的股价同步性；（2）当研究报告由明星分析师分析撰写时，分析师研究报告负面信息含量与股价同步性的负相关关系更加显著；（3）负面信息含量越高，引起投资者关注度越高，真实信息更容易融入股价，从而降低了股价同步性；（4）在公司信息透明度较低时，分析师研究报告负面信息含量对股价同步性的抑制作用越强。本文对了解分析师在资本市场中发挥的作用以及维持资本市场的健康发展具有重要的理论和实践意义。关键词：分析师研究报告 负面信息含量 股价同步性一、引言党的二十大提出要充分发挥市场在资源配置中的决定性作用，提高资源配置效率。显然只有在资本市场充分实现资源合理配置，即公司股价能反映上市公司的真实经营情况时，中国资本市场才能实现健康稳定发展。分析师作为资本市场中的信息解读及传递的专业人员，能够提高股价中所含的真实信息，抑制股价同步性。中国自改革开放以来，资本市场虽快速发展，但仍存在着股价同步性高、股价泡沫以及股价崩盘风险较高等问题，因此研究分析师研究报告中的负面信息含量与股价同步性关系是十分有必要的。股价同步性是衡量公司股价与市场股价同幅度涨跌的情况，该指标越低，反映出公司特质性信息体现在股价中的程度越低（Morck et al.，2000；Jin and Myers，2006；张大永等，2020）。已有文献研究表明分析师能够降低投资者与公司间信息不对称程度，从而降低股价崩盘风险（伊志宏等，2019a）。本文侧重关注分析师研究报告中所含的负面信息含量对于股价同步性的影响。证券分析师作为资本市场信息传递中介，其主要职能是分析撰写研究报告。其相较于普通投资者具有更强的信息挖掘和信息分析能力，因此能够通过向投资者传递公司真实信息降低信息不对称性，有助于降低股价同步性。已有文献表明管理层存在隐藏公司负面信息的动机和能力，这可能导致负面信息的不对称程度更高，因此从分析师研究报告中负面信息的披露对股价同步性的影响，更能够揭露分析师与股价同步性的关系。但就现有文献而言，针对分析师研究报告负面信息含量与股价同步性之间的关联性的研究仍存在些许不足：（1）已有文献大多从分析师跟踪人数、分析师盈余预测准确度等定量指标衡量分析师在资本市场中的信息传递活动中的作用，以此研究其与股价同步性之间的关系。如Xu等（2013）基于明星分析师异质性角度研究发现明星分析师能够披露更真实可靠的信息，显著抑制公司的股价同步性。基于以上研究可知，现有文献从分析师相关数值型信息进行分析，但忽视了分析师研究报告中定性的文本信息，这部分恰是研报的重要组成成分，也是投资者获取信息的重点关注内容之一。（2）由于分析师分析撰写的研究报告通常根据语调分为正面、中立和负面语调，同时根据内容分为特质信息和非特质信息，因此将分析师研究报告内容定义为无差别信息进行分析并不能产生准确的研究结论，但现有文献大多忽略对分析师研究报告文本的具体分析，只有对文本内容具体分类分析，才能得出不同语调、信息对于资本市场的作用路径及影响程度。在中国独特的资本市场背景下，分析师研究报告中负面信息是否能抑制股价同步性？如果分析师研究报告中负面信息含量较多更能够降低公司股价同步性，那么其作用机理是什么？本文针对上述问题展开一系列研究。本文选取2019-2021年分析分析师研究报告负面信息含量与股价同步性 彭艺璇 黄政13现 代 金 融2023年第10期 总第488期金融观察师发布的76628份原始研究报告，基于文本分析法计算出分析师研究报告负面信息含量，进一步分析其与股价同步性之间的关系。本文丰富了分析师研究报告及股价同步性相关文献，并且有利于我国资本市场稳定健康发展。二、文献综述和研究假设（一）分析师研究报告负 面信息含量与股价同步性已有研究表明，由于代理问题和信息不对称的存在，导致投资者不能获取公司的真实信息，从而导致投资者不能获取真实信息，只能对股价做出平均估计，提高股价同步性（Jin and Myers，2006；Hutton et al.,2009；宫晓莉等，2022）。根据研究对象，已有文献对股价同步性的研究方向大致分为两类：一是对投资者反应的研究，二是对公司管理层的行为研究。首先，投资者的投资行为会对股价同步性造成一定的影响。投资者是基于已获取的信息加以分析做出投资决策，进而形成股票交易价格，因而探讨何种影响因素会对投资者的投资行为产生影响是抑制股价同步性的重要研究方向。基于信息不对称理论，投资者由于不能完全获取公司内外部的相关信息，在投资过程中存在被虚假信息欺骗的可能，导致公司股价被高估或低估，形成较高的股价同步性（游家兴和汪立琴，2012；郭白滢和李瑾，2018）。随着互联网时代的发展，信息传播途径不再停留在报纸、期刊等传统媒介，而发展为分析师等专业人员的研究报告。基于外部信息传播渠道的增多，投资者能获取更多通俗易懂的信息，从而降低股价同步性（胡军和王甄，2015；李新丽和万寿义，2019；吴武清等，2020；潜力和龚之晨，2021）。其次，管理层的利己主义会提高股价同步性。基于代理理论，管理层会出于自身升职加薪等利己动机选择性地进行信息披露，因而导致公司股价不能真实代表公司的经营情况，形成较高的股价同步性。已有众多研究表明，如果公司存在管理层“答非所问”、超额乐观语调等问题时，会导致公司股价存在较高的同步性（夏芳，2012；乔霓和顾伟忠，2017；刘瑶瑶等，2021；张震等，2022；郭慧婷和王昭茜，2023）。结合上述文献分析，本文认为分析师研究报告可能降低股价同步性。伊志宏等（2019b）研究发现分析师研究报告中的公司特质信息能够提高投资者关注度，抑制股价同步性。朱琳等（2021）研究表明当投资者对于公司负面信息关注度越高时，分析师研究报告中的负面信息对股价特质性波动的抑制作用更加显著。理论上，分析师作为资本市场上信息解读和传播者，具有专业的信息挖掘和分析能力，通过向市场传递公司特质信息，提高股价信息含量（Huang et al.，2014；Cheng et al.，2016），降低股价同步性。Piotroski和Roulstone（2004）最早发现分析师与股价同步性之间存在相关性，实证发现分析师关注人数越多，公司股价同步性越高。随后，Chan和 Hameed（2006）研究发现分析师关注度会提高公司股价同步性，二者认为分析师并未获取公司特质信息，造成股价同步性变高。但这一研究结论并未得到学术界的认可。近年来，学者针对分析师与股价同步性之间的关系展开研究，基于理论分析和实证结果均发现研究结论与Piotroski和Roulstone（2004）和Chan和Hameed（2006）的结论不一致。伊志宏等（2015）研究发现女性分析师对公司关注度越高，公司股价同步性越低。由此可见，学术界关于分析师与股价同步性之间的关系仍存在争议。仅仅从分析师关注度研究其对股价同步性的关系有一定的狭隘性，而对分析师研究报告进行文本分析可以基于语调、内容特质分类讨论，可以有效避免从单一的定量角度分析导致研究结果偏差等问题，更重要的是从分析师报告文本中挖掘的负面信息更能够引起投资者关注，能够有效抑制股价同步性。综上，本文主要从分析师研究报告负面信息含量探讨分析师与股价同步性之间的关系。首先，分析师研究报告的负面信息含量会直接影响投资者的关注度，最终作用于股价同步性。由于代理问题的存在，管理层完全理性进行自愿信息披露的较少（Kothari et al.,2008），而投资者出于缺乏直接从公司获取信息的渠道以及较高的信息获取成本等原因，普遍依赖信息中介。分析师作为信息中介，在公司与投资者的信息传播过程中起到至关重要的作用（魏志华等，2020；余海宗和朱慧14现 代 金 融2023年第10期 总第488期金融观察娟，2021）。分析师可以通过专业的信息获取和分析能力揭露更多的公司的特质信息，使得投资者进一步了解公司的真实情况，缓解信息不对称从而提高股价同步性。并且相较于分析师研究报告中的正面信息，其负面信息更能够降低信息不对称从而引起投资者的关注并产生相应的投资行为（Kothari et al.,2009）。因此负面信息含量能够显著降低公司与投资者之间的信息不对称，引导投资者理性投资，降低股价同步性（Winchel，2015；伊志宏等，2019b）。其次，分析师研究报告负面信息含量会影响公司管理层信息披露行为，降低股价同步性。目前大多研究针对分析师的外部监督职能进行分析得出分析师在资本市场中能够作为信息中介降低股价同步性，但鲜少研究分析师研究报告负面信息含量在资本市场中发挥的作用（危平和曾高峰，2018；官峰等，2018）。当分析师研究报告向市场披露负面信息时，会引起投资者关注，且会引起外部监管机构的高度重视。与此同时，管理层想继续隐藏负面信息的成本提高，从而降低公司与投资者之间的信息不对称，降低股价同步性（伊志宏等，2019b）。综上所述，分析师研究报告负面信息含量高不仅会引起投资者关注，也会进一步抑制管理层的利己主义行为，使公司股价得到合理的估值，降低股价同步性。因此提出假设：H1：在一定条件下，分析师研究报告中负面信息可以降低公司股价同步性。（二）分析师专业能力、分析师研究报告负面信息含量与股价同步性已有研究表明分析师存在个体差异性，因此在研究分析师与股价同步性时不能将分析师同质化（周铭山等，2016）。国内外依据分析师的专业能力划分为明星分析师和一般分析师。Xu等（2013）认为明星分析师是形容预测盈余准确性更高的一类分析师，能够提供更多公司特质信息。并且夏范社和何德旭（2021）基于分析师研究报告视角分析得出明星分析师能有效识别公司价值，降低信息不对称程度。因此本文预测当分析师能提供更多公司特质信息时，能够提高市场信息透明度，降低股价同步性。据此提出假设：H2：当分析师为明星分析师时，分析师研究报告负面信息含量对股价同步性的抑制作用显著加强。（三）信息披露质量、分析师研究报告负面信息含量与股价同步性已有研究表明，信息因素是造成股价波动的主要原因，分析师研究报告中的负面信息会导致公司股价减少与资本市场股价“同涨同跌”的现象，抑制股价同步性。然而在信息不对称的市场大环境下，投资者无法充分获取真实的公司信息，降低了公司价值在股价中的反映程度。如West（1988）的研究发现公司的信息透明度与股价波动呈现出显著负相关，即当信息披露较为充分时，股票价格可以较为充分体现出公司真实价值。并且由于代理问题的存在，管理层出于利己主义行为动机会主动选择向投资者披露更多的好消息而隐藏坏消息，因此投资者难以获取公司的负面信息。而分析师研究报告能够有效提高公司信息透明度，缓解信息不对称，最终作用于股价同步性（伊志宏等，2015；肖浩和詹雷，2016）。据此提出假设：H3：当公司信息披露质量较低时，分析师研究报告负面信息含量对股价同步性的负相关关系显著增强。三、研究设计（一）样本选取与数据来源本文选取2019-2021年我国A股上市公司为研究对象。从东方财富网获取2019-2021年共76628份分析师研究报告。然后利用文本分析法提取分析师研究报告中的负面情感的词语并量化，以衡量其负面信息含量；网络财经新闻以及信息披露质量等级数据源于CNRDS；是否为明星分析师数据来源于新财富最佳分析师排名；其他数据均来自CSMAR数据库。参照已有文献对初始样本按以下步骤进行筛选处理：（1）剔除每年交易周数小于30的样本；（2）剔除金融行业样本；（3）剔除数据缺失样本。最终本文得到5549个公司年度观测值。为了排除极端值的影响，本文对模型中所有的连续变量在1%和99%的水平上进行缩尾处理。（二）主要变量的定义和计算15现 代 金 融2023年第10期 总第488期金融观察1.股价同步性本文参考Roll（1988）的做法，用以下回归模型的拟合系数R2衡量股价同步性：Ri,t=+Rm,t+i,t （1）模型（1）中，Ri,t和Rm,t分别表示研究期间第t个交易日的收益率和市场收益率。按年分别对研究样本按照模型（1）回归，得到每家公司每年的R2，由于R2的取值范围为0,1，因此本文定义股价同步性指标为：（2）2.分析师研究报告负面信息含量本文参考伊志宏等（2019b）、朱琳等（2021）的研究，采用分析师研究报告中的负面信息词语的量化指标来衡量分析师研究报告负面信息含量。具体操作为对每份分析师研究报告中的语句依据中文金融情感词典进行信息情感分类。在上述分析之后，首先构建衡量分析师研究报告负面信息含量的指标为：（3）其次，计算出每个公司年度NEGRi,t,j的均值记为Avenegri,t作为本文主要解释变量衡量指标。3.明星分析师参考王宇熹等（2012）、夏范社和何德旭（2021）的做法，依据新财富杂志评选的明星分析师名单，以年度内公司受明星分析师关注人数为评判标准，若年度内公司受明星关注人数大于0，则Star为1；反之则为0。4.信息披露质量本文参照辛清泉等（2014）的做法，将公司信息透明度（Trans）定义为盈余质量（DD）、深交所对各年上市公司信息披露考评分（DSCORE）、分析师跟踪人数（ANALYST）、分析师盈余预测准确度（ACCURACY）以及是否聘用国际四大（BIG4）的样本百分等级的平均值。具体计算步骤如下：如果公司信息透明度（Trans）高于样本中位数（Median_Trans），则Trans为1，反之取0。5.控制变量借鉴Piotroski等（2004）、伊志宏等（2019b）的做法，本文控制变量包括个股年换手率TURN、年度内分析师研究报告总语句数量均值的自然对数LNSEN、总资产自然对数Size、资产负债率Lev、总资产利润率ROA、经营活动现金流量净额占总资产比例Cashflow、TobinQ、年度内分析师研究报告负面语句占总语句比值的标准差STDNEG、行业Industry。（三）实证模型本文采取以下模型检验分析师研究报告中的负面信息含量与股价同步性之间的关联性：SYNi,t=+1Avenegr1i,t+Control Variablesi,t+Industry+i,t （4）表1 主要变量定义表变量类型变量名称变量代码变量含义及说明因变量股价同步性SYN市场和行业因素对个股收益的解释程度自变量分析师研究报告负面信息含量Avenegr文本中负面信息词语数量/总词语数量*100%分组变量明星分析师Star采用虚拟变量，如果年度内公司受明星分析师关注人数大于 0 则取为 1，反之为 0信息透明度Trans采用虚拟变量，如果信息透明度高于中位数则为 1，反之则为 0控制变量个股年换手率TURN(年度内的成交量)/(发行总股数)x100%年度内分析师研究报告总语句数量均值的自然对数LNSENLn(年度内分析师研究报告总语句数/年度内该公司分析师研究报告份数)总资产自然对数SizeLn（总资产）资产负债率Lev总负债/总资产总资产利润率ROA税后净利/平均总资产 100%经营活动现金流量净额占总资产比例Cashflow经营活动现金流净值/总资产托宾 Q 值TobinQ（流通股市值+优先股的价值+负债净值）/总资产账面值年度内分析师研究报告负面语句占总语句比值的标准差STDNEGSd(年度内分析师研究报告负面语句数量/总语句数量)行业虚拟变量Industry按照 wind 一级行业（10 个）分类标准生成行业虚拟变量四、实证结果分析（一）描述性统计表2为本文主要变量的描述性统计结果，由表可见，股价同步性SYN标准差约为1.379，表明不同公司之间股价同步性差异较大；分析师研究报告负面信息含量Avenegr的均值为0.190，意味着分析师研究报告文本中负面信息含量显著低于正面和中立信息含量。表2 主要变量描述性统计结果variableNmeanp50sdminmaxSYN5549-1.828-1.6151.379-8.2560.767Avenegr55490.1900.1490.1290.03930.991TURN554933.0016.9661.401.745195916现 代 金 融2023年第10期 总第488期金融观察LNSEN55499.7789.7930.5837.69511.36Size554922.7422.511.36120.4226.90Lev55490.4080.4040.1910.05060.872ROA55490.06280.05880.0707-0.2740.295Cashflow55490.06860.06600.0670-0.1360.281TobinQ55492.2961.7211.8700.64129.17STDNEG46340.001100.0007000.0011000.00560（二）主要实证结果1.分析师研究报告负面信息含量与股价同步性表3是分析师研究报告负面信息含量与股价同步性之间的主回归结果。从表3可得，分析师研究报告负面信息含量Avenegr的回归系数均在1%的水平上显著为负，即分析师研究报告负面信息含量对公司股价同步性有显著的抑制作用，这印证本文的研究假设H1。表3 分析师研究报告负面信息含量与股价同步性(1)(2)(3)(4)VariablesSYNSYNSYNSYNAvenegr-2.334*-2.331*-1.040*-0.979*(-16.68)(-16.58)(-3.49)(-3.27)TURN-0.003*-0.003*(-7.74)(-7.82)LNSEN0.0410.049(0.90)(1.07)Size0.214*0.225*(12.43)(12.43)Lev-0.552*-0.488*(-4.12)(-3.51)ROA-0.420-0.501(-1.14)(-1.34)Cashflow0.871*1.135*(2.59)(3.30)TobinQ-0.017-0.017(-1.44)(-1.43)STDNEG-261.968*-262.839*IndustryNOYES(-8.69)NO(-8.72)YESConstant-1.385*-1.001*-6.270*-6.542*(-43.08)(-9.77)(-10.43)(-10.30)Observations5,5495,5494,6344,634R-squared0.0480.0580.1350.145r2_a0.04760.05510.1340.140F278.118.9980.4730.04注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平2.考虑分析师专业水平调节作用考虑出具研究报告的分析师是否为明星分析师。表4第（1）-（2）列表示在明星分析师关注的组别里，分析师研究报告负面信息含量对股价同步性的抑制作用比一般分析师关注度的组别更加强烈，即支持本文研究假设H2。3.考虑信息披露质量调节作用考虑到公司本身的信息透明度的影响，表4第（3）-（4）列表明，当公司信息透明度较低时，分析师研究报告中负面信息含量与股价同步性二者之间的负向关系更加显著，即印证本文研究假设H3。表4 调节效应检验(1)(2)(3)(4)VariablesSYNStar=1SYNStar=0SYNTrans=1SYNTrans=0Avenegr-2.423*-0.435-0.323-1.206*(-4.23)(-1.23)(-0.63)(-3.15)TURN-0.001*-0.004*-0.002*-0.005*(-3.20)(-8.27)(-5.85)(-5.86)LNSEN0.1180.0260.0560.066(1.38)(0.48)(0.79)(1.08)Size0.237*0.207*0.204*0.206*(8.18)(8.79)(8.84)(6.09)Lev-0.891*-0.403*-0.630*-0.376*(-3.61)(-2.40)(-3.33)(-1.81)ROA0.753-1.006*-0.758-0.267(1.12)(-2.24)(-1.15)(-0.54)Cashflow0.7331.230*0.7721.457*(1.22)(2.94)(1.60)(2.90)TobinQ-0.045*-0.004-0.014-0.071*(-2.20)(-0.27)(-1.06)(-2.35)STDNEG-180.429*-291.080*-406.094*-139.873*Industry(-3.51)YES(-7.81)YES(-8.27)YES(-3.47)YESConstant-7.139*-5.973*-5.843*-6.468*(-6.67)(-7.40)(-6.31)(-6.56)Observations1,3993,2352,5592,075R-squared0.1800.1470.1790.122r2_a0.1650.1400.1710.112F12.0821.3321.3011.43注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平（三）稳健性检验为确保本文的主要实证结果的可靠，本文针对模型进行以下几种稳健性检验：1.控制公司固定效应为降低遗漏变量对本文实验结果的影响，本文控制公司固定效应对模型（4）重新回归，回归结果如表5所示，在控制公司固定效应时，研究结论仍保持不变。表5 稳健性检验1(1)(2)(3)(4)(5)VariablesSYNSYNStar=1SYNStar=0SYNTrans=1SYNTrans=0Avenegr-0.976*-2.401*-0.5591.133-2.984*(-1.82)(-1.82)(-0.79)(1.20)(-3.20)TURN0.000-0.0000.001-0.0000.004(0.23)(-0.13)(0.58)(-0.07)(0.77)LNSEN0.120*-0.1400.174*0.434*0.038(1.72)(-0.73)(1.91)(3.78)(0.31)Size-1.196*-1.156*-1.174*-0.950*-1.604*(-9.22)(-4.11)(-6.25)(-5.37)(-5.81)17现 代 金 融2023年第10期 总第488期金融观察Lev0.082-1.3530.163-0.097-0.040(0.18)(-1.35)(0.27)(-0.15)(-0.05)ROA1.569*1.6381.2301.4452.029*(2.37)(1.06)(1.41)(1.11)(2.00)Cashflow1.341*0.9911.339*2.252*1.707(2.39)(0.76)(1.77)(2.70)(1.63)TobinQ-0.055*-0.040-0.099*-0.027-0.286*(-2.40)(-0.69)(-2.67)(-1.01)(-3.34)STDNEG-150.927*-98.719-141.719*-323.300*121.077Industry/id(-3.08)YES/YES(-0.93)YES/YES(-2.11)YES/YES(-3.94)YES/YES(1.38)YES/YESConstant22.576*31.660*26.185*18.835*26.049*(6.20)(4.09)(5.14)(3.92)(3.99)Observations4,6341,2773,2352,5592,075R-squared0.6320.7530.6910.6720.787r2_a0.2600.3030.2320.2790.235F1.7001.6731.5071.7111.425注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平2.考虑潜在遗漏变量对实验结果的影响代理冲突的存在可能会影响分析师研究报告的负面信息含量，进一步影响公司股价同步性，因此参考现有文献（陈克兢，2019），控制代理成本，采用经营费用率来衡量股东与管理层之间的第一类代理成本（Agency1）；用其他应收款与总资产的比值衡量第二类代理成本（Agency2）。由表6可见，在控制代理成本时，研究结论依然成立。表6 稳健性检验2(1)(2)(3)(4)(5)VariablesSYNSYNStar=1SYNStar=0SYNTrans=1SYNTrans=0Avenegr-0.919*-2.313*-0.466-1.162-1.695*(-1.74)(-2.10)(-0.76)(-1.54)(-2.77)TURN-0.557*-0.461-0.537*-0.561*-0.364(-2.74)(-0.93)(-2.34)(-2.18)(-1.10)LNSEN-1.432-1.359-1.410-0.288-3.171*(-1.33)(-0.59)(-1.12)(-0.18)(-2.32)Size-0.005*-0.004*-0.005*-0.001*-0.004*(-6.07)(-3.13)(-5.08)(-1.99)(-3.86)Lev-0.117*-0.288*-0.072-0.187*0.077(-2.13)(-2.47)(-1.14)(-2.40)(1.08)ROA0.202*0.214*0.189*0.189*0.246*(9.74)(6.40)(6.92)(7.43)(5.81)Cashflow-0.380*-0.487*-0.373*-0.623*-0.199(-2.39)(-1.75)(-1.91)(-3.04)(-0.78)TobinQ0.080-1.0400.3470.4840.104(0.19)(-1.25)(0.68)(0.65)(0.18)STDNEG0.3080.0760.397-0.4900.927Industry(0.80)YES(0.11)YES(0.84)YES(-0.91)YES(1.60)YESConstant-4.190*-2.486*-4.454*-2.956*-7.302*(5.56)(-1.71)(-4.79)(-2.94)(-6.19)Observations2,8738392,0341,6921,299R-squared0.0870.1300.0740.0830.100r2_a0.07760.1010.06160.06740.0809F9.6294.4725.7645.3655.231注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平3.更换分析师研究报告负面信息含量的衡量方式本文使用分析师研究报告中负面信息语句数量的平均值与1之和的自然对数lnN EG衡量Avenegri,t（朱琳等，2021），并代入模型（4）重新回归，由表7可见，研究结论依然成立。表7 稳健性检验3(1)(2)(3)(4)(5)VariablesSYNSYNStar=1SYNStar=0SYNTrans=1SYNTrans=0lnNEG-0.185*-0.419*-0.103-0.077-0.218*(-3.41)(-3.55)(-1.60)(-0.91)(-2.85)TURN-0.003*-0.006*-0.005*-0.005*-0.007*(-7.76)(-6.69)(-8.40)(-8.34)(-6.93)LNSEN0.233*0.442*0.128*0.1400.230*(4.12)(3.34)(1.83)(1.44)(2.86)Size0.228*0.221*0.206*0.209*0.173*(12.63)(7.38)(8.74)(8.98)(5.10)Lev-0.498*-0.853*-0.408*-0.673*-0.259(-3.58)(-3.29)(-2.42)(-3.51)(-1.24)ROA-0.5030.342-0.885*-0.293-0.528(-1.35)(0.45)(-1.95)(-0.44)(-1.05)Cashflow1.139*0.7371.206*0.3171.795*(3.31)(1.19)(2.87)(0.64)(3.58)TobinQ-0.016-0.008-0.0020.012-0.076*(-1.39)(-0.34)(-0.14)(0.75)(-2.57)STDNEG-303.463*-316.085*-299.807*-405.309*-209.694*Industry(-13.63)YES(-7.13)YES(-10.88)YES(-12.08)YES(-6.41)YESConstant-7.942*-8.824*-6.667*-6.555*-6.741*(-13.01)(-6.65)(-8.30)(-6.64)(-6.59)Observations4,6341,2773,2352,4652,047R-squared0.1450.2100.1490.1970.138r2_a0.1400.1940.1420.1880.127F30.0813.3021.6423.0012.46注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平4.heckman两阶段法考虑到并非所有上市公司均受到分析师关注，并且受到分析师关注的公司，其自身的股价同步性较低，导致本文实证结果受样本选择偏误的影响。本文参照伊志宏等（2019a）的做法，采用heckman两阶段方法对主回归结果进行稳健性检验。首先，使用上市公司是否受到分析师关注为哑变量，进行Probit回归，并计算逆米尔斯比（imr）；其次在第二阶段时，将第一阶段计算得出的imr带入以下模型进行回归。回归结果显示，分析师研究报告中负面信息含量与股价同步性仍在1%的水平上显著，前文的研究结论依旧成立。SYNi,t=+1Avenegr1i,t+2TURN+3LNSEN+4Size+5Lev+6ROA+7Cashflow+8Growth+9TobinQ+Industry+i,t （5）18现 代 金 融2023年第10期 总第488期金融观察表8 稳健性检验4(1)(2)VariablesACDSYNAvenegr-2.886*(-13.96)imr1.071*(4.86)TURN0.015*-0.003*(4.08)(-8.14)LNSEN0.997*0.127*(14.67)(2.35)Size0.596*0.227*(9.63)(11.72)Lev0.330-0.494*(1.05)(-3.46)ROA1.708*-0.751*(2.24)(-1.89)Cashflow0.6041.399*(0.78)(3.99)Growth0.546*0.000(3.90)(0.40)TobinQ0.504*-0.024*Industry(6.58)YES(-1.97)YESConstant-22.017*-7.278*(-13.95)(-9.37)Observations5,4914,469R-squared00.138注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平五、进一步研究在前文的研究中，本文发现分析师研究报告负面信息含量与股价同步性之间存在显著的负向关系。但已有文献研究发现，分析师研究报告中的负面信息会引起投资者、媒体关注，那么投资者关注、媒体关注度是否会对分析师研究报告负面信息含量与股价同步性二者的关系造成影响？分析师研究报告负面信息含量对股价同步性的影响的作用机理是什么？本文将进一步讨论。（一）媒体关注度、负面信息含量与股价同步性已有研究表明，媒体在资本市场中承担着重要的信息中介角色，能提高市场信息传播效率。在媒体关注的影响下，分析师研究报告的负面信息能够更加有效地传递给外部投资者（周开国等，2014；张宗新和吴钊颖，2021）。同时媒体关注能够使公司股价披露更多的特质信息，从而降低股价同步性（黄俊和郭照蕊，2014；肖奇和沈华玉，2021）。那么，媒体同样作为信息媒介是否会削弱分析师研究报告中负面信息的传递效果呢？为此本文参考朱琳等（2021）的做法，以公司年度内负面信息数量除以总新闻数量的平均值来衡量媒体关注度。然后，根据媒体负面报道的中位数进行分组，大于中位数的视为媒体关注度较高组别，Media_neg取值为1，反之取为0。最后分组检验分析师研究报告负面信息含量对股价同步性的作用。结果如表9第（1）、（2）列所示，在媒体关注度较低的组别中，分析师研究报告负面信息含量Avenegr的系数在1%的条件下显著为负，且在媒体关注度高低不一致的组内，Avenegr的系数具有显著差异。因此媒体关注在一定程度上会削弱分析师研究报告中负面信息的传递效果。表9 进一步研究(1)(2)(3)(4)(5)VariablesSYNMedia_neg=1SYNMedia_neg=0mIASYNSYNAvenegr-0.144-1.305*0.016*-0.979*-0.847*(-0.30)(-3.10)(3.12)（-3.27）(-2.85)mIA-8.260*（-9.70）TURN-0.005*-0.005*0.000*-0.003*-0.002*(-6.23)(-7.74)(7.35)(-7.82)(-6.81)LNSEN0.108-0.0080.0000.0490.050(1.58)(-0.11)(0.29)(1.07)(1.12)Size0.199*0.205*-0.008*0.225*0.158*(7.80)(7.65)(-26.35)(12.43)(8.19)Lev-0.502*-0.532*0.009*-0.488*-0.416*(-2.61)(-2.54)(3.63)(-3.51)(-3.02)ROA0.459-1.427*0.042*-0.501-0.150(0.91)(-2.25)(6.64)(-1.34)(-0.40)Cashflow0.7631.321*-0.014*1.135*1.020*(1.57)(2.62)(-2.35)(3.30)(2.99)TobinQ-0.002-0.029-0.003*-0.017-0.039*(-0.12)(-1.34)(-13.63)(-1.43)(-3.33)STDNEG-294.975*-257.520*-1.026*-262.839*-271.313*Industry(-6.32)YES(-5.73)YES(-1.99)YES(-8.72)YES(-9.08)YESConstant-6.732*-5.280*0.213*-6.542*-4.787*(-7.19)(-5.39)(19.53)（-10.30）(-7.31)Observations2,1742,2454,63446344,634R-squared0.1340.2020.2120.1450.162r2_a0.1230.1930.2080.1400.157F12.7422.4047.7730.0433.00注：括号内为t值。*、*、*分表代表10%、5%、1%的显著水平（二）投资者关注度的中介作用投资者作为资本市场信息的接收者，分析师研究报告中负面信息可能会引起投资者较高关注度进而对股价同步性产生较大的抑制作用。那么投资19现 代 金 融2023年第10期 总第488期金融观察者关注度究竟是如何影响分析师研究报告负面信息与股价同步性二者的关系还有待进一步考究。为此，本文参考权小锋和吴世农（2010）的做法，采用盈余公告前30天交易日的平均换手率来衡量投资者关注度（mIA），并参考温忠麟等（2004）的研究方法，构建如下中介模型：mIAi,t=0+1Avenegri,t+3Control Variablesi,t+i,t （6）SYNi,t=4+5Avenegri,t+6Control Variablesi,t+i,t （7）SYNi,t=7+8Avenegri,t+9mIA+6Control Variablesi,t+i,t （8）表9