201505 - page 8

北京工商大学学报( 社会科学版 )摇 摇 摇 摇 2015 年摇 第 5 期
很多公司属于相对初创的企业, 业务模式还处于
相对不稳定的状态, 与主板上市公司的企业生命
周期阶段不尽相同, 混合在一起研究其管理控制
系统的能力会为研究引入不必要的噪音。 同样 ,
ST 企业往往具有其特定的经营管理问题, 并且这
些问题相对比较严重, 很多公司只是沦为“ 壳资
源冶, 并不具有真实的经营业务,将其纳入研究体
系同样会造成不必要的干扰。 金融企业的管理控
制和实体企业是迥然不同的,因此本文也排除了
金融企业样本。 经过这些标准筛选, 剩余的样本
上市公司一共 1 209 家,3 年的收集数据 ,共 3 627
个公司年度观测。
在本文的数据收集过程中, 所收集的数据根
据时间维度来划分可以分为根据时间改变的数据
变量,比如公司年度定期报告中所收集而来的数
据和不随时间改变的变量,比如从网络上收集而
来的变量。 对于不随时间改变的变量, 虽然在收
集过程中只收集了一份,但是考虑到这些内容代
表着公司制度性或者理念性的差异, 本文直接将
其复制到所有的年度中, 即 2011—2013 年 3 个公
司财年。 而从是否为数值变量的维度看, 本文收
集的数据既包括数值变量,即收集到的数值数据
以及经过编码的 0 / 1 哑变量数据 ,也包括纯文本
数据。 文本数据需要进行后续处理, 转化成数值
数据才能纳入指数的编制过程, 本文主要采用监
督式机器学习的办法对其进行编码转换。 机器学
习被定义为是一门基于人工智能 AI 的科学 ,这个
学科的主要研究对象是人工智能, 特别是如何利
用计算的具体算法来改善其经验学习能力。 具体
的文本处理和转换方法详见数据字典和处理方法
部分。
( 二) 手工收集数据字典和处理方法
根据数据特点的不同, 数据字典部分分为基
于文本生成的部分和纯数值生成的部分, 并在每
个变量介绍后简要介绍其选取的原因。 本文指数
构建所采用数据来自手工收集,收集规范见表 1。
表 1摇 手工收集信息数据规范
数据项 说明
管理层讨论文本 文本存为股票代码 A 年度. txt, 如 000012A2013. txt
内控报告文本 文本存为股票代码 B 年度. txt, 如 600001B2012. txt
社会责任报告文本 文本存为股票代码 C 年度. txt, 如 600001C2011. txt
是否设有财务公司 0 / 1 值,0 代表无财务公司,1 代表有财务公司
公司是否有管理信息系统 0 / 1 值,0 代表无,1 代表有
是否有预算管理 0 / 1 值,0 代表无预算管理,1 代表有预算管理
是否有生产信息系统 ( ERP, CRM) 0 / 1 值,0 代表无,1 代表有
高管硕士以上学历人数 整数值[ 0 ,999),如无数据用 - 1 表示
高管人数 整数值[ 0 ,999),如无数据用 - 1 表示
高管平均年龄 整数值[ 0 ,99),如无数据用 - 1 表示
是否有新浪微博账号 0 / 1 值,0 代表无,1 代表有
是否有微信账号 0 / 1 值,0 代表无,1 代表有
摇 摇 文本变量的处理方法如下。
管理层的未来经营的情态( 变量代码 mgmt _
op):管理层讨论文本是公司定期财务报告中信息
含量最丰富的内容,包含了公司高层对外部环境、
竞争格局、公司未来发展战略等大量内容,并且所
有上市公司的年报中都包含此段内容, 因而最值
得深度挖掘。 国外已有研究针对上市公司管理层
讨论文本内容根据词典进行情态分析, 以区分管
理层对未来是乐观还是悲观的, 研究发现管理层
讨论文本具有显著的信息含量 ( Davis et al. ,
2012) [14] 。 从这个研究可以看出 ,对管理层讨论
文本的情态分析是具有良好的信息含量的,因此
本文在研究时对管理层讨论文本的分析方法也同
样是进行情态分析, 对全文表达的意思抽象为编
码,将积极的情态定义为 1,消极的情态定义为 0。
然而在实现过程中, 本文无法完全模仿该研究的
·8·