Page 108 - 《北京工商大学学报(社会科学版)》2020年第3期
P. 108

第 35 卷摇 第 3 期摇 摇 摇 摇 摇 王运陈, 贺摇 康, 万丽梅: MD&A 语言真诚性能够提高资本市场定价效率吗?

   “恶劣冶所引发的市场投资者信息信任“危机冶 状                             H3:与产品市场竞争程度较高的地区相比,
   况,其在 MD&A 语言中会向投资者传递出更加真                        在产品市场竞争程度较低的地区,企业的 MD&A
   诚的信号,以增强市场投资者对企业披露信息的                           语言真诚性降低股价同步性的作用更加明显。
   信任和依赖,进而促使投资者在股票投资决策时                               三、模型设定

   更加看重 MD&A 信息。                                       (一)样本选择
       另一方面,从市场竞争环境层面来看,在产品                            为了避免新旧会计准则差异的影响,本文以
   市场竞争程度较高的环境下,市场的竞争压力使                           2007 年作为样本区间的起点。 以 2007—2017 年
   得管理层更有效率地管理企业,并且更加关注市                           沪深 A 股上市公司作为初始样本,剔除金融类公
   场投资者的利益诉求,为“俘获冶 投资者“芳心冶,                        司以及 控 制 变 量 数 据 缺 失 样 本 后, 最 终 获 得
   也会更加积极、有诚意地与投资者交流相关信息,                          16 319 个观测值。 MD&A 语言真诚性数据利用
   向市场传递出公司高效经营、未来雄伟蓝图等公                           Python 软件处理上市公司年报得到,上市公司年
   司特质信息。 同时,外部市场竞争程度高的环境                          报来源于巨潮资讯网,其余公司财务数据来源于
   也会对公司经营管理层形成有效的外部监督约                            CSMAR 数据库。 为减轻极端值的影响,对所有连
   束,避免管理层出于私利目的操纵上市公司发布                           续变量进行了上下 1% 的缩尾处理。
   的相关信息,尤其是自愿信息披露方面的内容,进                              (二)模型设定与变量定义
   而给市场投资者带来误导。 因此,在这样的环境                              借鉴钟覃琳、陆正飞          [12]  的研究,建立回归模
   下,市场投资者可以获得更加充分的、诚实可靠的                          型(1)来对 MD&A 语言真诚性与股价同步性的关
   信息,使得相应公司股票价格中的公司特质信息                           系进行检验,模型设计如下:
   含量较高。 在此条件下,高真诚性水平的 MD&A                           Synch    = 茁 + 茁 Sincere  +          +
                                                           i,t + 1  0  1    i,t 移 Controls i,t
   语言对降低股价同步性的作用有限。 相比而言,
                                                                移 Year +移 Ind + 着           (1)
   在产品市场竞争程度较低的地区,公司特质信息                                                         i,t
   生产及其质量保障水平的外部约束有限,并且公                               为了解决 MD&A 语言真诚性和股价同步性
   司的外部信息环境竞争不充分,公司特质信息产                           之间因可能存在的反向因果关系所导致的内生性
   生与传递的激励也存在不足。 在此情况下,与公                          问题,采用“领先—滞后冶方法(lead鄄lag approach)
   司有关的特质信息偏少,公司相应的信息透明度                           进行实证分析,即考察当期的 MD&A 语言真诚性
   较差,投资者面临的交易风险较大、不确定性较                           对下期股价同步性的影响。 模型(1)涉及的主要
   高,投资者会较少利用公司特质信息进行交易。                           变量如下。
                                                       1郾 被解释变量
   因此,在市场竞争不充分等制度环境较差的地区,
                                                       股价 同 步 性 ( Synch)。 借 鉴 陈 冬 华、 姚 振
   公司特质信息被反映到股价的可能性大大降低,
                                                                                           2
   其股价同步性往往较高            [3]  。 在市场竞争程度低           晔 [23] 的研究,运用模型(2) 得到拟合优度 R ,考
                                                         2
   的情景下,MD&A 语言真诚性水平的提高,可以                         虑到 R 的取值区间为(0,1),不具有明显的区分
                                                                          2
   增强信息市场中公司特质信息的供给,同时也会                           度,因此运用模型(3)对 R 进行对数转换,最终得
   增强市场投资者对公司经营状况信息的依赖程                            到股价同步性指标 Synch。 Synch 取值越大,表明

   度。 由于外部市场环境差而带来的信息“噪音冶                          股价同步性越高,资本市场信息效率越低。 其中,
   会因 MD&A 语言真诚性的增强,使得投资者在股                        R 和 R  m,t 分别为第 t 日的个股收益率和流通市值
                                                     i,t
   票投资决策判断中替代使用更多具有真实诚恳表                           加权平均同行业收益率,行业分类依据中国证监
   达的 MD&A 信息。 所以,在此条件下,MD&A 语                     会行业分类标准。
   言真诚性水平的提高更有助于股价同步性的降                                         R  i,t  = 琢 + 琢 R m,t  + 着 i,t  (2)
                                                                      0
                                                                          1
   低。 综上分析,本文提出如下假设。                                                         R 2 i
                                                                Synch = log  (  2 )         (3)
       H2:与社会信任水平较高的地区相比,在社                                          i     1 - R  i
   会信任水平较低的地区,企业的 MD&A 语言真诚                            2郾 解释变量
   性降低股价同步性的作用更加明显。                                    MD&A 语言真诚性(Sincere)。 真诚即真实诚

                                                                                       · 1 0 3 ·
   103   104   105   106   107   108   109   110   111   112   113