MD%26A纵向文本相似度与分析师盈余预测准确性.pdf

第 39 卷摇 第 2 期2024 年 3 月北京工商大学学报(社会科学版)JOURNAL OF BEIJING TECHNOLOGY AND BUSINESS UNIVERSITY(SOCIAL SCIENCES)Vol.39 No.2Mar.2024doi:10.12085/j.issn.1009鄄6116.2024.02.006引用格式:刘一寒,范慧敏,任晨煜.MD&A 纵向文本相似度与分析师盈余预测准确性J.北京工商大学学报(社会科学版),2024,39(2):71-84.LIU Yihan,FAN Huimin,REN Chenyu.MD&A longitudinal text similarity and analysts蒺 earnings forecast accuracyJ.Journal of Beijing Technology and Business University(Social Sciences),2024,39(2):71-84.MD&A 纵向文本相似度与分析师盈余预测准确性刘一寒1,摇 范慧敏2,摇 任晨煜2(1.对外经济贸易大学 国际商学院,北京摇 100029;2.北京工商大学 商学院,北京摇 100048)摇 摇 摘摇 要:注册制下,信息的真实、准确、完整是投资者合理判断证券价值的关键,分析师在信息作用于股价这一过程中扮演着重要的信息中介角色,而年报所披露的信息对分析师盈余预测至关重要。以 20122021 年沪深 A 股上市公司为样本,探究了管理层讨论与分析(MD&A)纵向文本相似度对分析师盈余预测准确性的影响。研究发现,MD&A 纵向文本相似度越高,分析师盈余预测准确性越低,证实了“增量信息冶假说。异质性分析表明,这种影响显著存在于规模小、高科技行业、媒体关注度低的公司中,并且公司位于市场化程度低省份时受此影响更大。进一步研究发现,MD&A 纵向文本相似度越高,分析师盈余预测的正向偏差越大。此外,分析师盈余预测准确性的下降会进一步降低资本市场的信息效率。因此,上市公司应重视文本信息披露,避免披露内容样板化;分析师和监管部门应加强对上市公司文本信息披露的监督,优化资本市场信息环境。关键词:管理层讨论与分析;纵向文本相似度;分析师盈余预测;增量信息;资本市场信息效率中图分类号:F832摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1009鄄鄄6116(2024)02鄄鄄0071鄄鄄14收稿日期:2023鄄鄄05鄄鄄11基金项目:国家自然科学基金项目“上市公司非公开发行引入战略投资者的价值创造机制与效果研究冶(7227020915);国家社会科学基金项目“中国上市公司股东资源研究冶(17BJY211)。作者简介:刘一寒(1995),女,安徽淮南人,对外经济贸易大学国际商学院博士研究生,研究方向为公司财务与公司治理;范慧敏(1998),女,河南卫辉人,北京工商大学商学院硕士研究生,研究方向为公司财务与公司治理;任晨煜(1971),女,河北南和人,北京工商大学商学院副教授,博士,研究方向为信息披露和公司治理;本文通信作者。一、问题的提出2023 年 2 月 1 日,注册制改革正式扩展至主板,至此中国资本市场进入了全面注册制时代。与核准制相比,注册制最重要的变化在于以信息披露为核心,强调信息的真实性、准确性和完整性,以保证投资者能够合理判断证券价值。而在信息作用于股价这一过程中,市场中的分析师扮演着重要的信息中介角色,其利用行业专长对公司特质信息进行挖掘,向投资者提供盈余预测和投资建议,促进股价变化及时反映公司价值变动。已有研究表明,信息披露质量是影响分析师预测准确性的重要因素,公司信息披露质量越高,信息获取成本越低,分析师预测的准确性越高1-2。由此可见,分析师盈余预测是否准确,主要取决于其掌握的信息数量和质量,故而年报所披露的信息对分析师盈余预测至关重要。随着计算机自然语言处理技术的发展,年报中的文本信息逐渐为人们所关注。相比于标准化的定量数据,文本信息的表达形式更加多样,向信息使用者传递了许多公司特质信息。已有文献主要从可读性、语调等文本特征进行研究,表明增量信息的获取、解读和使用是提高分析师盈余预测准确性的关键3-4。但除了语调和可读性外,管理层讨论与分析(MD&A)文本披露与以前年度的17北京工商大学学报(社会科学版)摇 摇 摇 摇 2024 年摇 第 2 期差异,即本文所说的纵向文本相似度,也是反映信息披露质量的重要特征。近年来,监管机构对信息披露的要求不断提高,年报文本的长度随之增加。Dyer et al.5发现,年报文本长度的中位数从1996 年的 2郾 3 万个单词增加到 2013 年的近 5 万个单词,年报信息的冗余化、样板化特征明显。鲁乔杉等6基于中国上市公司样本研究发现,公司MD&A 信息披露始终在时间序列上呈现出高度重复的惯性特征。较高的纵向文本相似度使信息披露的有用性和价值相关性备受争议,已有关于MD&A 纵向文本相似度的经济后果研究主要关注了资本市场反应、上市公司融资成本和各类风险等7-9,较少关注对分析师行为的影响。而分析师作为连接上市公司和投资者的信息中介,能够通过信息和声誉机制对资本市场的信息效率产生重要影响。因此,探究 MD&A 纵向文本相似度是否以及如何影响分析师盈余预测准确性,对规范上市公司信息披露、提高资本市场信息效率、全面落实注册制改革具有重要的理论和现实意义。本文的研究贡献包括以下两个方面。(1)丰富了分析师盈余预测准确性的影响因素研究。既往研究在文本特征层面主要关注了可读性和语调特征,本文则聚焦于文本的纵向相似度特征,证明了“提供增量信息冶是 MD&A 文本信息发挥作用的具体路径,打开了 MD&A 文本信息影响分析师盈余预测的“黑箱冶。(2)拓展了年报文本相似度的经济后果研究。不同于已有文献重点关注资本市场反应和上市公司行为等层面,本文聚焦于分析师这一外部信息使用者,为分析 MD&A 纵向文本相似度如何影响分析师盈余预测和资本市场效率等问题提供了新的经验证据。二、文献综述(一)MD&A 纵向文本相似度及其经济后果文本相似度主要指文本之间的差异程度,根据比较标准的不同划分为横向相似度和纵向相似度。其中,横向相似度是指企业所披露的文本信息与市场中其他企业或者同行业其他企业披露的文本信息之间的差异程度;纵向相似度是指企业所披露的文本信息与企业以前年度所披露的同类信息之间在文本内容及特征上的差异程度。本文主要关注纵向文本相似度,即上市公司本年度MD&A 文本信息披露与上一年度的差异,差异越大代表文本所包含的公司特质信息越多。关于年报纵向文本相似度的经济后果,已有文献主要从市场反应和公司行为两个层面展开研究。一方面,关于市场反应。Brown&Tucker7基于美国公司 19972006 年的年报分析发现,尽管 MD&A 文本的长度不断增加,但 MD&A 的变化幅度却在降低,且市场反应与 MD&A 文本变动幅度正相关,由此表明 MD&A 文本信息的有用性在不断下降。赵子夜等10进一步对披露主体进行分类,提出年报文本纵向样板化的经济后果呈现相机抉择性。当公司财务风险较高时,信息效应占优,样板化的报告会引发负面的市场评价;而当公司财务风险较低时,风险效应占优,样板化的报告则带来正面的市场评价。另一方面,关于公司行为。蒋艳辉、冯楚建11以创业板上市公司为样本,运用 Fama鄄French 四因子模型证明了 MD&A 文本相似度与股权资本成本之间存在正相关关系,说明文本信息含量的降低导致了公司融资成本的上升。不仅如此,MD&A 纵向文本相似度还会影响上市公司的市场、信用和违规风险。宋昕倍等12研究发现,较高的 MD&A 文本相似度通过减少公司增量信息的传递,提高了公司的股价同步性和股价崩盘风险,且较差的内外部信息环境质量加剧了这一影响。李成刚等9构建上市公司信用风险预警模型时也发现,相较于文本可读性,文本相似度包含的文本特征信息更能反映公司未来发生信用风险的概率。钱爱民、朱大鹏8从上市公司违规处罚的视角进行研究,发现上市公司 MD&A 披露内容相似度越高,非 MD&A 披露内容相似度越低,当期越有可能被监管机构调查并处罚,因为监管机构更重视 MD&A 披露内容的信息含量和非MD&A 披露内容的稳定性。以上研究均表明:纵向相似度特征是反映公司披露文本信息含量的重要指标,其对外部信息使用者的作用大小受上市公司信息环境差异的影响。(二)MD&A 文本对分析师行为的影响作为财务数据的重要补充,MD&A 文本提供了管理层对公司经营业绩的历史回顾和未来预期信息,对分析师了解公司经营和财务状况、预计未27第 39 卷摇 第 2 期刘一寒,范慧敏,任晨煜:MD&A 纵向文本相似度与分析师盈余预测准确性来风险具有重要作用。随着计算机技术的快速发展,学界对 MD&A 信息的量化方法逐渐从人工阅读与识别转向对文本大数据的挖掘与分析13。关于 MD&A 文本对分析师行为的影响研究,已有文献主要从文本特征和文本内容这两方面展开。一方面,关于文本特征,既有研究主要关注了文本的可读性和语调特征。当文本可读性较弱时,分析师阅读和处理文本信息的难度和成本增加,分析师预测更依赖于管理层预期,导致盈余预测分歧度增加、准确度降低3。此外,MD&A 文本语调可以传递管理层对公司未来业绩看法的增量信息,提高盈余预测准确性4。但是,为开展盈余管理、内幕交易等活动,管理层也可能故意操纵文本语调,大量有偏信息将误导分析师判断,降低盈余预测准确性14。另一方面,关于文本内容,相关文献主要关注了风险信息、研发信息等特定内容对分析师盈余预测的影响。王雄元等15发现,年报中风险信息的披露频率越高,分析师盈余预测准确度越高。何捷、陆正飞16针对供应链风险的研究发现,年报对公司未来供应链风险的披露吸引了更多分析师关注,公司风险披露能够降低分析师预测的乐观偏差,提高盈余预测准确度。李岩琼、姚颐17利用文本分析技术从年报中提取研发信息,证明在提高信息透明度的路径下,公司研发信息的披露显著降低了分析师盈余预测偏差及分歧度。总之,分析师能够利用行业专长更好地解读 MD&A文本中的增量信息,提高盈余预测准确性。(三)文献述评MD&A 文本信息的披露质量是影响分析师盈余预测准确性的重要因素,已有文献主要从可读性、语调等文本特征进行研究,表明增量信息的获取、解读和使用是提高分析师盈余预测准确性的关键,为理解 MD&A 文本信息如何影响分析师预测行为提供了有益启示。但除语调和可读性外,文本相似度也是反映文本信息披露质量的重要特征。现有关于 MD&A 文本相似度经济后果的研究主要关注资本市场反应、公司融资成本和各类风险等,较少关注对分析师行为的影响。因此,本文探究 MD&A 纵向文本相似度对分析师盈余预测的影响,从外部信息使用者的视角拓展MD&A 文本相似度的经济后果研究。三、理论分析与研究假说MD&A 披露的内容主要包括管理层对公司上一会计期间经营业绩的解释和分析,以及对下一会计期间经营业绩的展望和预测,具体涉及公司面临的宏观和行业环境、经营成果、财务状况、未来发展战略等方面,是上市公司年报文本信息披露的核心。纵向文本相似度用于衡量同一上市公司前后两年 MD&A 文本披露的变化程度,相似度高的原因可能包括:一是公司存在文本惯性披露,信息披露质量较差,MD&A 传递的增量信息有限12;二是公司发展战略相对稳定,经营状况平稳,公司基本面在当期没有发生较大改变。针对以上两种可能,本文分别提出“增量信息冶假说和“战略稳定冶假说,深入探索 MD&A 纵向文本相似度如何影响分析师对信息的获取与解读,进而影响盈余预测准确性。(一)“增量信息冶假说已有研究表明,MD&A 文本信息披露质量是影响分析师盈余预测的重要因素,高质量的文本信息能够缓解信息不对称,帮助信息使用者提高对公司未来业绩的预测效率3-4。关于年报文本信息的披露质量,已有研究所持观点可大致分为两类:一类从“信息供给冶动机出发,认为传统财务数据无法准确反映公司价值,管理层会倾向通过增加文本信息披露,以形成对定量信息的解释与补充,降低公司内外部的信息不对称;另一类从“信息模糊冶动机出发,认为在某些情况下管理层会出于自利动机,策略性地操纵文本信息披露,以降低负面消息反映到公司股价中的速度和程度,提高公司内外部的信息不对称。当 MD&A 纵向文本相似度较高时,文本传递的增量信息有限,会降低分析师盈余预测准确性。从信息供给方来看,MD&A 纵向文本相似度较高,一方面可能说明管理层进行增量信息披露的意愿不足。此时,文本披露流于形式,内容中存在大量与历史披露类似的信息,管理层不愿向外部信息使用者及时传达当期公司经营业务和所处内外部环境的关键增量信息,分析师所能依赖的公开 信 息 不 足,盈 余 预 测 准 确 性 随 之 降 低。MD&A 纵向文本相似度较高,另一方面也可能反映了管理层进行增量信息披露的能力欠缺。此时,公司信息披露环境较差,内部无法开展有效的37北京工商大学学报(社会科学版)摇 摇 摇 摇 2024 年摇 第 2 期信息传递,导致管理层无法全面了解公司经营状况,也就无法对公司未来发展方向进行有效分析。如此,公司特质信息不能及时传递给外部信息使用者,加剧了分析师与公司之间的信息不对称,降低了分析师盈余预测准确性。从信息需求方来看,分析师开展盈余预测主要依据两类信息 公开信息和私有信息。公开信息是指上市公司公开披露的,以及分析师通过解读上市公司所在行业情况所获得的信息;私有信息是指分析师利用自身专业能力,采用实地调研或访谈等形式挖掘的信息。Barron et al.18的研究表明,当上市公司信息披露质量较高时,分析师更依赖于公开信息,盈余预测分歧较小。相反,若上市公司信息披露质量较低时,分析师则更依赖于私有信息,盈余预测分歧较大。MD&A 所披露的文本信息正是管理层回顾过去、展望未来的公开信息,高质量的文本信息披露有助于分析师预测公司未来的存货变化、风险走向和发展潜力,提高盈余模型中参数估计的准确度。因此,MD&A 纵向文本相似度在一定程度上反映了上市公司信息披露的质量,纵向文本相似度高,意味着文本可能只是对历史披露进行简单的复制粘贴,涉及公司当期的特质信息较少,从而增加了分析师从中获取盈余预测所需增量信息的难度。基于“增量信息冶假说的理论分析,本文提出以下假说。H1a:上市公司 MD&A 纵向文本相似度越高,分析师盈余预测准确性越低。(二)“战略稳定冶假说公司战略是管理层基于公司内外部环境的现实状况和未来变化所制定的长远规划,战略制定的合理性将直接关系到公司能否在激烈的竞争环境中保持核心竞争力,实现可持续发展。因此,战略选择是影响公司经营业绩的重要因素。选择激进战略的公司更倾向于开发新产品、开拓新市场,自然面临着更大的不确定性和经营风险,导致公司盈余波动增加、盈余管理动机提升19。曲晓辉等20的研究表明,公司盈余的波动性、不可预测性,以及盈余管理行为均会加大分析师判断和评估公司经营活动和绩效的难度,降低盈余预测准确性。何玉润、徐云21则直接考察了公司战略对分析师盈余预测的影响,发现公司战略差异度增加了公司的业绩波动,使得分析师难以根据以往经验对公司业绩进行准确预测。MD&A 纵向文本相似度高可能意味着公司当期或未来期间的经营状况与以往相比没有重大变化,即公司发展战略和经营状态处在一个相对稳定的阶段,没有新增的重大投资项目,没有可行的兼并收购计划,没有产品研发的突破性进展等。在这种情况下,公司的盈余波动小、可预测性强,分析师掌握公司基本面信息的难度和成本降低,盈余预测准确性随之升高。不仅如此,当公司发展战略较为稳定时,文本的重复性披露还可以增强投资者对其他非重复文本信息的理解。也就是说,MD&A 文本与历史披露之间相似度总体上普遍较高,而差异性的内容正好清楚地反映了公司发生实质性变动的经营事项。因此,分析师能够更好地聚焦此类异质性信息,更高效地获取、关注和理解上市公司经营情况和未来风险的变动,从而提升其盈余预测的准确性。基于“战略稳定冶假说的理论分析,本文提出以下竞争性假说。H1b:上市公司 MD&A 纵向文本相似度越高,分析师盈余预测准确性越高。四、研究设计(一)样本选择与数据来源本文以中国沪深两市 A 股上市公司为研究对象。2012 年,证监会对 MD&A 披露内容和格式规范进行了全面修订,并首次提出了“表述平实,清晰易懂,力戒空洞、模板化冶的具体要求,此后上市公司 MD&A 披露才相对规范化,因而本文选取 20122021 年作为研究样本区间。同时,由于分析师进行盈余预测的依据为上一年年报,因此本文选取的分析师预测数据期间为 20132022年。本文按照如下原则对样本进行了筛选:(1)删除金融类上市公司;(2)删除样本期内被 ST、*ST 公司;(3)删除当年上市的公司;(4)删除数据缺失的公司。最终得到 18 595 个公司年度观测值。为控制极端值的影响,本文对连续变量进行了 1%和 99%分位点的缩尾处理。其中,上市公司年报信息来自巨潮资讯网,MD&A 纵向文本相似度数据通过对上市公司年报进行文本提取和分析得到,分析师盈余预测和其他公司财务数据均来自 CSMAR 数据库。47第 39 卷摇 第 2 期刘一寒,范慧敏,任晨煜:MD&A 纵向文本相似度与分析师盈余预测准确性(二)变量定义1郾 被解释变量被解释变量为分析师盈余预测准确性(Accu鄄racy)。借鉴徐经长等22的做法,本文采用公式(1)计算分析师盈余预测准确性(Accuracy),该值越大,分析师盈余预测准确性越高。其中,FEPS为分析师对上市公司每股盈余的预测值,MEPS为上市公司每股盈余的真实值,Price 为上市公司的年初开盘价,i 为公司,t 为年份。Accuracyi,t=-|FEPSi,t-MEPSi,t|Pricei,t(1)2郾 解释变量解释变量为 MD&A 纵向文本相似度(Sim)。借鉴钱爱民、朱大鹏8的做法,基于各家上市公司公开披露的年报,本文利用文本分析法构建 MD&A 纵向文本相似度(Sim),具体步骤如下。(1)提取 MD&A文本。从巨潮资讯网批量下载中国 A 股上市公司20122021 年的年报,按照年报中“管理层讨论与分摇 摇 摇析冶章节标识提取文本段落。(2)对 MD&A 文本进行清洗和分词。利用“jieba冶 分词开源工具,对MD&A 文本进行分词,并剔除标点符号、数字和一些常见停用词等。(3)将每篇文档表示为词向量。由于每个词对于文档的重要程度不同,本文在文档层面对于词向量进行TF鄄IDF加权。(4)利用文档的向量表示,测度纵向文本相似度。本文采用词向量间的余弦函数作为 MD&A 纵向文本相似度(Sim)的度量方式,该值越大,文本相似度越高。3郾 控制变量参照王雄元等15的做法,本文选取的控制变量 包 括 公 司 规 模(Size)、净 资 产 收 益 率(ROE)、营业收入增长率(Growth)、有形资产(PPE)、公司年龄(Age)、产权性质(SOE)、第一大股东持股比例(BIG)、独立董事占比(Direc鄄tor)、“四大冶审计(Auditor)、机构投资者持股比例(Inshold)和分析师跟踪(AnalystNum)。变量的定义和说明见表 1。表 1摇 变量定义变量类型变量名称变量符号变量说明被解释变量分析师盈余预测准确性Accuracy分析师每股盈余预测值均值与实际值差的绝对值除以年初开盘价的相反数解释变量MD&A 纵向文本相似度Sim本年 MD&A 与上年 MD&A 文本向量的余弦相似度公司规模Size总资产取自然对数净资产收益率ROE净利润除以净资产营业收入增长率Growth本年度与上年度营业收入之差除以上年度营业收入有形资产PPE固定资产的自然对数公司年龄Age公司成立年限加 1 取自然对数控制变量产权性质SOE国有企业取值为 1,否则为 0第一大股东持股比例BIG第一大股东持股数除以总股数独立董事占比Director独立董事数量除以董事总数“四大冶审计Auditor公司年报为国际“四大冶会计师事务所审计取值为 1,否则为 0机构投资者持股比例Inshold机构投资者持股数除以总股数分析师跟踪AnalystNum分析师跟踪人数加 1 取自然对数摇 摇(三)模型构建本文构建模型(2)对 MD&A 纵向文本相似度和分析师盈余预测准确性之间的关系进行实证检验。其中,Controls 为控制变量,着 为残差项。同时,为控制不随时间变化的因素和不可观测的遗漏变量,本文进一步加入了年份(Year)和公司(Firm)固定效应。本文主要关注系数 茁1的结果,如果 茁1显著小于 0,则表明上市公司 MD&A 纵向文本相似度降低了分析师盈余预测准确性,则H1a 得证;如果 茁1显著大于 0,则表明上市公司MD&A 纵向文本相似度提高了分析师盈余预测准确性,则 H1b 得证。57北京工商大学学报(社会科学版)摇 摇 摇 摇 2024 年摇 第 2 期Accuracyi,t+1=茁0+茁1Simi,t+A忆Controlsi,t+移Year+移Firm+着i,t(2)五、实证结果与分析(一)描述性统计分析表 2 报告了变量的描述性统计结果,从中可以看出:分析师盈余预测准确性(Accuracy)的均摇 摇值为-0郾 037,标准差为 0郾 050,说明分析师盈余预测的准确性在不同公司间存在差异;MD&A 纵向文本相似度(Sim)的均值为 0郾 726,标准差为0郾 132,样本整体波动较大,说明中国上市公司MD&A 纵向文本相似度普遍较高,且各公司之间的差异也较为明显。表 2摇 变量的描述性统计结果变量均值标准差最小值中位数最大值Accuracy-0郾 0370郾 050-0郾 373-0郾 0200郾 000Sim0郾 7260郾 1320郾 3160郾 7430郾 966Size22郾 4991郾 29820郾 17522郾 30326郾 695ROE0郾 0770郾 103-0郾 9830郾 0800郾 352Growth0郾 2812郾 399-13郾 3040郾 15615郾 234PPE20郾 5091郾 68716郾 17120郾 40325郾 298Age2郾 7840郾 4690郾 6152郾 8903郾 555SOE0郾 3460郾 476001BIG0郾 4650郾 1650郾 0910郾 4650郾 868Director0郾 3830郾 0710郾 2500郾 3640郾 600Auditor0郾 0720郾 258001Inshold0郾 4550郾 2510郾 0040郾 4840郾 918AnalystNum1郾 7941郾 1530郾 0001郾 7924郾 942摇 摇(二)基准回归结果分析表3 报告了上市公司 MD&A 纵向文本相似度对分析师盈余预测准确性影响的回归结果,回归系数的标准误在公司层面进行了 Cluster 调整。列(1)是未加入控制变量的回归结果,MD&A 纵向文本相似度(Sim)在 1%的水平下显著且系数为负;列(2)是加入控制变量后的回归结果,Sim 依然在1%的水平下显著且系数为负。本文进一步计算列(2)回归结果的经济显著性:MD&A 纵向文本相似度每增加1%,分析师盈余预测准确性会降低 4%。由此说明,上市公司 MD&A 纵向文本相似度与分析师盈余预测准确性负相关,H1a 得证,即“增量信息冶假说成立。可能的原因在于,上市公司惯性披露导致 MD&A 纵向文本相似度普遍偏高,文本内容中存在大量与历史披露类似的信息,MD&A 传递的增量信息有限,分析师所能依据的信息不够充分,盈余预测准确性因此降低。(三)内生性处理1郾 工具变量法对于可能存在的内生性问题,模型(2)中已通过控制公司个体固定效应在一定程度上解决了遗漏变量导致的内生性问题。此外,本文还借鉴曾庆生等4的做法,采用工具变量法进一步缓解解释变量和被解释变量互为因果导致的内生性问题。具体做法为:选取同行业同年度其他上市公司 MD&A 纵向文本相似度的均值(Sim_m)和 MD&A 纵向文本相似度的滞后项(Sim_l)作为工具变量,并采用两阶段最小二乘法进行回归。理论上,同行业上市公司和本公司下一年度的 MD&A 文本披露在一定程度上和本公司本年度的 MD&A 文本披露正相关,但不会影响下一年度的分析师盈余预测,因此工具变量满足相关性和外生性的要求。Wald 检验中的F 值大于临界值 10,Hansen J 检验的 p 值无法拒绝原假设,表明工具变量不存在弱工具变量和过度识别问题。表 4 的列(1)和列(2)分别报告了两阶段最小二乘法的回归结果。列(2)显示,在采用工具变量法缓解内生性问题后,MD&A 纵向文本相似度(Sim)仍然在 5%的水平下显著且系数为负,所得结论与基准回归结论一致。67第 39 卷摇 第 2 期刘一寒,范慧敏,任晨煜:MD&A 纵向文本相似度与分析师盈余预测准确性表 3摇 文本相似度影响分析师盈余预测准确性的基准回归结果(1)(2)Sim-0郾 012*-0郾 011*(-2郾 79)(-3郾 07)Size-0郾 024*(-12郾 97)ROE0郾 150*(16郾 55)Growth0郾 000*(2郾 39)PPE0郾 003*(2郾 06)Age-0郾 002(-0郾 82)SOE-0郾 010*(-2郾 03)BIG-0郾 003(-0郾 56)Director-0郾 001(-0郾 10)Auditor0郾 003(0郾 75)Inshold0郾 055*(9郾 85)AnalystNum0郾 003*(4郾 88)Year&Firm FE是是常数项-0郾 038*0郾 396*(-14郾 12)(10郾 99)观测值18 59518 595调整后 R20郾 0820郾 168摇 摇 注:*、*和*分别表示在 1%、5%和 10%的水平下显著;括号内为 T 值。摇 摇 2郾 Heckman 两阶段法为缓解样本自选择导致的内生性问题,本文借鉴宋昕倍等12的做法,采用 Heckman 两阶段法进行回归。在第一阶段,按照“行业年度冶均值构造 MD&A 纵向文本相似度的虚拟变量(Sim_dummy),当上市公司该年度 MD&A 纵向文本相似度的值高于行业均值时取值为 1,否则为 0。在第二阶段,将第一阶段得到的逆米尔斯比率(IMR)代入模型(2)中进行回归,表 4 的列(3)和列(4)分别报告了 Heckman 两阶段模型的回归结果。列(4)显示,MD&A 纵向文本相似度(Sim)在1%的水平下显著且系数为负,所得结论与基准回归结论保持一致。摇 摇(四)稳健性检验1郾 更换被解释变量关于分析师盈余预测准确性的度量,本文借鉴王玉涛、王彦超2的做法,进一步采用公式(3)重新计算分析师盈余预测准确性(Accuracy_1),将其作为被解释变量的替代指标,并代入模型(2)进行回归,结果如表 5 的列(1)所示。可以看出,MD&A 纵向文本相似度(Sim)仍在 5%的水平下显著且系数为负,说明在更换了被解释变量的度量方式后,基准回归结果不变。Accuracy_1i,t=-|FEPSi,t-MEPSi,t|MEPSi,t|(3)摇 摇 2郾 更换解释变量本文改变文本相似度的测度方法,采用LDA 模型对 MD&A 纵向文本相似度(Sim_lda)进行重新构造。表 5 的列(2)报告了 LDA 模型下的回归结果,结果显示 MD&A 纵向文本相似度(Sim_lda)在 1%的水平下显著且系数为负。此外,考虑到上市公司所处行业对文本披露特征的影响,本文进一步采用经“行业年度冶中位数调整后的纵向文本相似度(Sim_adj),将其代入模型(2)进行回归。表 5 的列(3)结果表明,MD&A 纵向文本相似度(Sim_adj)仍在 1%的水平下显著且系数为负,说明更换了解释变量的度量方式后,所得结论与基准回归结论保持一致。3郾 控制 MD&A 横向文本相似度Hanley&Hoberg23的研究表明,较低的横向相似度能够向投资者传递更多反映企业个体特征的信息,降低外部投资者的信息不对称,提高投资者盈余预测准确性。为排除 MD&A 文本披露中横向相似度对分析师盈余预测准确性的影响,本文在模型(2)的基础上进一步加入 MD&A 横向相似度(Sim_hori)这一控制变量,回归结果如表 577北京工商大学学报(社会科学版)摇 摇 摇 摇 2024 年摇 第 2 期摇 摇 摇表 4摇 工具变量法和 Heckman 两阶段法检验结果工具变量法Heckman 两阶段法SimAccuracySim_dummyAccuracy(1)(2)(3)(4)Sim_l0郾 089*(8郾 22)Sim_m0郾 261*(5郾 29)Sim-0郾 089*-0郾 011*(-2郾 03)(-3郾 06)IMR0郾 054(0郾 75)控制变量是是是是Year&Firm FE是是是是常数项0郾 422*0郾 492*-0郾 1930郾 344*(4郾 36)(9郾 38)(-0郾 51)(4郾 50)观测值13 36713 36718 59518 595调整后 R20郾 1610郾 0970郾 204伪 R20郾 012Wald F 值89郾 468*Hansen J p 值0郾 162摇 摇 注:*、*和*分别表示在 1%、5%和 10%的水平下显著;括号内为 T 值。表 5摇 稳健性检验结果Accuracy_1AccuracyAccuracyAccuracyAccuracy(1)(2)(3)(4)(5)Sim-0郾 469*-0郾 012*-0郾 011*(-2郾 27)(-3郾 14)(-2郾 63)Sim_lda-0郾 012*(-2郾 68)Sim_adj-0郾 013*(-3郾 37)Sim_hori-0郾 012*(-1郾 74)控制变量是是是是是Year&Firm FE是是是是是常数项7郾 098*0郾 399*0郾 389*0郾 397*0郾 430*(3郾 98)(11郾 01)(10郾 83)(11郾 04)(11郾 33)观测值18 59518 59518 59518 59517 108调整后 R20郾 1060郾 2040郾 2040郾 2040郾 212摇 摇 注:*、*和*分别表示在 1%、5%和 10%的水平下显著;括号内为 T 值。87第 39 卷摇 第 2 期刘一寒,范慧敏,任晨煜:MD&A 纵向文本相似度与分析师盈余预测准确性的列(4)所示。可以看出,MD&A 纵向文本相似度(Sim)仍在 1%的水平下显著且系数为负,说明在控制其他影响分析师预测准确性的变量后,所得结论与基准回归结论保持一致。4郾 更换样本区间2012 年,证监会对 MD&A 文本披露的内容和格式进行了全面修订,因此该年度 MD&A 的披露方式与上一年度相比发生较大改变,纵向文本相似度也相对偏低。为排除此部分样本对回归结果的影响,表 5 的列(5)报告了剔除 2012 年度观测值后的回归结果,MD&A 纵向文本相似度(Sim)仍在 1%的水平下显著且系数为负,说明在更换了样本区间后,所得结论与基准回归结论保持一致。摇 摇(五)异质性分析以上研究表明,上市公司 MD&A 纵向文本相似度与分析师盈余预测准确性负相关,说明纵向文本相似度主要通过增强上市公司增量信息的传递作用于分析师盈余预测行为。因此,上市公司所处的内外部环境信息质量不同,MD&A 纵向文本相似度对分析师盈余预测准确性的影响程度也存在差异。其中,公司规模、公司类型是影响公司信息披露制度的基础性因素,媒体关注度和市场化程度是影响上市公司信息披露意愿的重要外部因素。因此,本文将进一步探索在不同的公司规模、公司类型、媒体关注度和市场化程度下,MD&A 纵向文本相似度对分析师盈余预测准确性的异质性作用。当上市公司信息不对称程度更高时,MD&A 文本增量信息所能发挥的作用也更大,进而佐证了“提供增量信息冶是 MD&A 文本信息披露影响分析师盈余预测准确性的具体路径。1郾 基于公司规模的异质性分析通常而言,相比于大公司,小公司信息披露制度的完善程度相对较低,信息透明度不足,外部信息使用者获取公司内部信息的难度和成本更高。对分析师而言,他们通常会同时跟踪多家上市公司,很难掌握所关注对象的所有信息,在“成本收益冶的权衡下,往往会将更多的精力放在跟踪大公司上。因此,受到分析师“有限关注冶 的影响,小公司的信息不对称问题更加突出,年报文本信息含量的边际作用更重要。当 MD&A 纵向文本相似度越高时,分析师无法及时对小公司的经营业绩和未来发展状况做出准确判断,盈余预测准确性的下降幅度会越大。为检验这一预设,本文按照“行业年度冶中位数将样本分为大规模公司和小规模公司,并分别对两组样本进行回归。表 6 的列(1)和列(2)报告了公司规模的异质性检验结果:小规模公司MD&A 纵向文本相似度(Sim)在 1%的水平下显著且系数为负,大规模公司 MD&A 纵向文本相似度(Sim)不显著,两组的组间差异系数显著。由此说明,上市公司 MD&A 纵向文本相似度对分析师盈余预测准确性的影响显著存在于小规模公司中。表 6摇 内部信息环境异质性分析回归结果公司规模公司类型小大非高科技高科技(1)(2)(3)(4)Sim-0郾 015*-0郾 004-0郾 006-0郾 014*(-2郾 91)(-0郾 78)(-1郾 10)(-2郾 87)控制变量是是是是Year&Firm FE是是是是常数项0郾 522*0郾 401*0郾 490*0郾 360*(9郾 22)(6郾 66)(7郾 73)(8郾 17)观测值9 3479 2487 71510 880调整后 R20郾 2560郾 1470郾 2350郾 171Chowtest p 值0郾 000*0郾 011*摇 摇 注:*、*和*分别表示在 1%、5%和 10%的水平下显著;括号内为 T 值。97北京工商大学学报(社会科学版)摇 摇 摇 摇 2024 年摇 第 2 期摇 摇 2郾 基于公司类型的异质性分析与非高科技公司不同,高科技公司拥有大量的无形资产。作为影响公司成长的重要因素,无形资产是外部信息使用者判断公司未来业绩的关键因素之一。但无形资产的价值通常很难在财务报告中充分展现出来,导致财务报告的价值相关性降低,公司内外部之间的信息不对称增强17,外部信息使用者通常需要具备专业的产业知识以更好地了解公司发展的现实情况和未来潜力。在进行盈余预测时,分析师只有通过公开的文本信息补充掌握公司无形资产的基本情况,才能有效预估公司未来业绩走向,深入分析公司潜在价值。因此,对高科技公司而言,文本信息中所包含的增量信息对缓解信息不对称问题更加重要。当 MD&A 纵向文本相似度越高时,意味着文本信息中反映当期经营情况的增量信息越少,分析师预测业绩所能依据的公司基本面信息越少,盈余预测偏差会相对越大。为检验这一预设,本文借鉴彭红星、毛新述24对高科技公司的认定标准,将样本划分为非高科技公司和高科技公司分别进行回归。表6 的列(3)和列(4)报告了公司是否为高科技公司的异质性检验结果:非高科技公司的 MD&A纵向文本相似度(Sim)不显著,高科技公司的MD&A 纵向文本相似度(Sim)在 1%的水平下显著且系数为负,两组的组间差异系数显著。由此说明,上市公司 MD&A 纵向文本相似度对分析师盈余预测准确性的影响显著存在于高科技公司中。3郾 基于媒体关注度的异质性分析年报信息和媒体信息都是分析师获取公开信息的重要来源。周开国等25的研究表明,当市场中的媒体信息增多时,分析师可收集的与上市公司价值相关的信息数量增多,分析师盈余预测偏差随之降低。同时,大量的媒体报道可以有效降低信息的倾向性和分歧度,增加信息的准确性。分析师为维护声誉通常会追随媒体观点,避免发布与事实相左的报告。由此可见,媒体信息是年报信息的重要补充,二者共同构成分析师盈余预测的信息基础。媒体关注度较低,说明分析师从媒体渠道获得的信息有限,年报信息对分析师预测产生的影响相对更大。当 MD&A 纵