交易所網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量
——基于管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用

孫 漢，陳 華，沈胤鴻

（1.華東師范大學(xué) 經(jīng)濟(jì)與管理學(xué)部，上海 200062；2.南京財經(jīng)大學(xué) 會計學(xué)院，江蘇 南京 210046）

一、引言

信息化建設(shè)是助力資本市場高質(zhì)量發(fā)展和保障監(jiān)管市場化落地實施的重要舉措，交易所網(wǎng)絡(luò)互動平臺是落實資本市場信息化建設(shè)的具體體現(xiàn)。深交所和上交所分別于2010年、2013年創(chuàng)建了“互動易”和“上證e互動”。交易所網(wǎng)絡(luò)互動平臺是上市公司與中小投資者之間構(gòu)建聯(lián)系的重要渠道，是保護(hù)投資者利益的又一創(chuàng)新舉措。公開數(shù)據(jù)顯示，參與網(wǎng)絡(luò)平臺互動的上市公司已超過3 900 家，上市公司平均回復(fù)率超過90%，互動雙方討論的具體內(nèi)容涉及投資者的傳聞求證、針對公司重大戰(zhàn)略的建議和咨詢等。

現(xiàn)有文獻(xiàn)著重探討了網(wǎng)絡(luò)平臺互動的治理作用，包括降低股價崩盤風(fēng)險［1-2］、降低公司費(fèi)用粘性［3］、抑制實體企業(yè)金融化和緩解融資約束等［4-5］。作為資本市場的重要參與者，證券分析師根據(jù)所獲取的公開信息和私有信息進(jìn)行盈余預(yù)測，并為投資者提供決策參考［6］。網(wǎng)絡(luò)平臺互動信息不僅在很大程度上滿足了投資者的決策需求，也成為分析師獲悉公司經(jīng)營細(xì)節(jié)、做出盈余預(yù)測的重要依據(jù)［7］。一方面，網(wǎng)絡(luò)平臺互動所引致的信息透明度效應(yīng)和治理能力可能會改善盈余預(yù)測環(huán)境，提高分析師盈余預(yù)測質(zhì)量；另一方面，高實時互動的海量信息可能具有信息過載效應(yīng)，從而增加分析師的資源投入，未能起到改善盈余預(yù)測質(zhì)量的作用?；诖?，本文主要研究以下問題：網(wǎng)絡(luò)平臺互動能否改善分析師盈余預(yù)測質(zhì)量？管理層回復(fù)相關(guān)度能否影響網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量之間的關(guān)系？在不同的情境因素下，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的影響是否存在異質(zhì)性？

為解決上述問題，本文選取2013—2020 年滬深A(yù) 股非金融上市公司為樣本開展研究，結(jié)果發(fā)現(xiàn)：網(wǎng)絡(luò)平臺互動強(qiáng)度越高，分析師盈余預(yù)測誤差和分歧度越高；管理層回復(fù)文本相關(guān)度可以緩解網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤差和分歧度的正向影響；當(dāng)管理層披露更多的風(fēng)險和競爭文化信息時，網(wǎng)絡(luò)平臺互動越不利于分析師盈余預(yù)測質(zhì)量的提升。本文可能的創(chuàng)新在于：將本土化背景下特有的制度安排納入分析師盈余預(yù)測質(zhì)量的研究框架，從信息增量效應(yīng)和信息過載效應(yīng)的角度，拓展了分析師盈余預(yù)測質(zhì)量前置影響因素的相關(guān)研究；采用文本分析法，探究在管理層回復(fù)質(zhì)量異質(zhì)性角度下，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的差異化影響；在演繹網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的理論影響路徑時，引入傳播學(xué)領(lǐng)域中的信息過載效應(yīng)。此外本文基于交叉學(xué)科角度，對管理層回復(fù)文本中風(fēng)險識別點(diǎn)和競爭文化指標(biāo)進(jìn)行構(gòu)建，為管理層回復(fù)文本的后續(xù)深入研究提供了新的思路。

二、文獻(xiàn)綜述

上市公司的信息披露方式逐漸從陳述式向互動式轉(zhuǎn)變［8-9］，互動式信息往往包括企業(yè)價值和風(fēng)險等內(nèi)容，因而具有更豐富的信息含量［10］。雙向溝通的信息互動媒介包括電話會議［11-12］、上市公司實地調(diào)研［13］、業(yè)績說明會互動等［14］。隨著股民和網(wǎng)民的高度耦合，互動式信息越來越依托新興的網(wǎng)絡(luò)信息媒介進(jìn)行傳播。關(guān)于交易所網(wǎng)絡(luò)互動平臺治理作用的研究，主要圍繞其能夠提高信息透明度、發(fā)揮監(jiān)督治理作用等角度［1-3］。網(wǎng)絡(luò)平臺互動內(nèi)容和主題方面，張繼勛和韓冬梅（2015）［15］研究發(fā)現(xiàn)，管理層回復(fù)內(nèi)容越明確、及時性越高，越能提高投資者投資意愿；投資者針對產(chǎn)業(yè)政策信息的反饋能夠增加企業(yè)并購產(chǎn)業(yè)政策支持項目的比重［16］；投資者提問的負(fù)面語氣能夠降低股價崩盤風(fēng)險［17］。從網(wǎng)絡(luò)平臺互動的影響因素角度，Charles 和Zhong（2022）［18］研究發(fā)現(xiàn)，管理層盈余預(yù)測、分析師報告等與信息披露相關(guān)聯(lián)的活動均能解釋網(wǎng)絡(luò)平臺互動頻率和回復(fù)長度，但模型解釋力度不足。

作為資本市場上的重要信息中介，證券分析師主要通過向外部投資者解釋、傳遞公司層面的財務(wù)和非財務(wù)信息，預(yù)測公司的未來發(fā)展，從而影響整個資本市場的信息效率和資源配置［5，13，19］。就公司層面而言，上市公司的信息披露是影響分析師盈余預(yù)測的重要因素。信息披露透明度越高，分析師對會計盈余數(shù)據(jù)的依賴程度越低，預(yù)測準(zhǔn)確性也隨之提高［20］，預(yù)測樂觀程度和預(yù)測分散度顯著降低［21］。年報是分析師進(jìn)行決策的重要信息集，朱丹等（2021）［22］研究發(fā)現(xiàn)，我國分析師對復(fù)雜年報的態(tài)度更加謹(jǐn)慎，預(yù)測分歧程度明顯增加；研發(fā)文本信息的披露能夠降低分析師預(yù)測偏差及分歧度［23］；MD&A 部分因果語言強(qiáng)度能夠增加分析師跟進(jìn)度和盈余預(yù)測準(zhǔn)確性并降低其預(yù)測離散度［24］。非財務(wù)信息的信息披露方面，智力資本信息披露具有增量效應(yīng)［25］，并作為年報的信息補(bǔ)充［26］，其中關(guān)系資本信息披露能夠降低分析師盈余預(yù)測誤差［27］。Yang 等（2020）［28］發(fā)現(xiàn)，若企業(yè)對投資者關(guān)系管理的細(xì)節(jié)進(jìn)行及時披露，非實地訪問的分析師盈余預(yù)測質(zhì)量將得到提高。

綜上所述，現(xiàn)有文獻(xiàn)從財務(wù)信息披露與非財務(wù)信息披露等層面討論了分析師盈余預(yù)測質(zhì)量的影響因素，但對于上市公司自愿性披露中基于官方的、即時的互動信息與分析師盈余預(yù)測質(zhì)量的研究尚不夠深入。已有研究檢驗了網(wǎng)絡(luò)平臺互動的微觀治理作用，而針對網(wǎng)絡(luò)平臺互動與其他外部中介機(jī)構(gòu)（如分析師決策）關(guān)系的研究尚不足。與本文最相關(guān)的研究驗證了網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的負(fù)向影響［7］，但并沒有將管理層回復(fù)質(zhì)量指標(biāo)納入網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測行為影響的整體框架?；诖?，本文從網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)和信息過載效應(yīng)角度，考察其對分析師盈余預(yù)測質(zhì)量的影響，并進(jìn)一步考察管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用。

三、理論分析與研究假設(shè)

（一）網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測質(zhì)量

除傳統(tǒng)的財務(wù)信息外，分析師廣泛使用各種非財務(wù)信息進(jìn)行盈余預(yù)測［25，27-28］，盈余預(yù)測質(zhì)量往往取決于信息的決策含量。本文認(rèn)為，網(wǎng)絡(luò)平臺互動能同時傳遞信息增量效應(yīng)和信息過載效應(yīng)，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的影響取決于兩者的凈效應(yīng)。

（1）交易所網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)。管理層在網(wǎng)絡(luò)媒介中公開披露的信息是分析師的重要決策依據(jù)，并能吸引分析師跟進(jìn)［7］。網(wǎng)絡(luò)平臺互動至少能夠通過提高信息透明度和減少信息獲取成本兩個方面來改善分析師盈余預(yù)測質(zhì)量。一方面，信息透明度是降低分析師有偏預(yù)測的重要因素［29］，良好的信息披露質(zhì)量也使得不同分析師盈余預(yù)測結(jié)果更趨同［20，30］。而網(wǎng)絡(luò)平臺互動增加了資本市場上公開信息供給，能夠發(fā)揮輿論治理的作用［4］，成為分析師盈余預(yù)測的重要依據(jù)［7］。另一方面，與閱讀專業(yè)化的資料相比，網(wǎng)絡(luò)平臺互動信息更直接，剔除干擾信息的腦力成本更低，信息獲取結(jié)果也能得到優(yōu)化［1］。分析師還可以就其關(guān)注的問題直接向管理層發(fā)聲，信息需求導(dǎo)向的發(fā)問方式能夠幫助其全面理解相關(guān)信息［3］。作為傳統(tǒng)強(qiáng)制信息披露的有益補(bǔ)充，網(wǎng)絡(luò)互動平臺在豐富分析師決策信息源的同時，也降低了分析師的信息獲取成本，有助于更準(zhǔn)確地評價企業(yè)真實狀況，進(jìn)而降低解讀信息的誤差和分歧程度。

（2）交易所網(wǎng)絡(luò)平臺互動的信息過載效應(yīng)。網(wǎng)絡(luò)平臺互動信息本質(zhì)屬于自愿性披露范疇，這類信息通常具有很強(qiáng)的自我服務(wù)意圖［12］，信息的選擇性披露等行為往往導(dǎo)致信息不對稱和環(huán)境不確定性，并降低分析師的盈余預(yù)測質(zhì)量。從信息供給角度來看，由于代理問題，管理層提供的信息往往具有樂觀傾向［31］，其并不會將真實信息傳達(dá)給外部利益相關(guān)者，更多的是通過樂觀語氣來掩蓋負(fù)面信息［17］。此外，管理層在回復(fù)時間和內(nèi)容上均具有較大的裁量權(quán)，既可以采取延遲回復(fù)的方式［15］，也可以采取“您好，感謝關(guān)注”等答非所問策略［14］，因此，網(wǎng)絡(luò)平臺互動難以傳遞有效的增量信息，不利于分析師盈余預(yù)測質(zhì)量提升。從分析師的信息需求角度來看，相關(guān)數(shù)據(jù)顯示，互動雙方留言次數(shù)超過700萬余次，海量的混雜信息往往引致信息過載效應(yīng)［7］。分析師首先需要對互動內(nèi)容進(jìn)行分類篩選以獲取有價值的信息，根據(jù)有限關(guān)注理論，時間、精力以及成本的約束等因素限制了分析師獲取和深度解讀信息的能力，重復(fù)或者過量的無關(guān)信息容易影響分析師的注意力和判斷，導(dǎo)致其對重要信息的關(guān)注不足［30，32］。證券分析師通常根據(jù)所獲取的各種公開和私有信息進(jìn)行盈余預(yù)測［6］，當(dāng)分析師難以從網(wǎng)絡(luò)平臺互動中獲取高質(zhì)量的公開信息時，會增加對私有信息的依賴程度。其在處理各種來源的私有信息過程中，采用的決策方法和主觀判斷加劇了盈余預(yù)測的分歧度。

綜上所述，交易所網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)改善了上市公司信息披露質(zhì)量，降低了分析師預(yù)測誤差，也使得不同分析師盈余預(yù)測結(jié)果更趨同。而網(wǎng)絡(luò)平臺互動所引致的信息過載效應(yīng)增加了信息不對稱以及環(huán)境的復(fù)雜性，從而增加分析師盈余預(yù)測偏差和分歧度?；诖?，本文提出網(wǎng)絡(luò)平臺互動程度對分析師盈余預(yù)測質(zhì)量影響的競爭性假設(shè)1a、假設(shè)1b。

H1a：交易所網(wǎng)絡(luò)平臺互動程度越高，分析師盈余預(yù)測誤差、盈余預(yù)測分歧度越低；

H1b：交易所網(wǎng)絡(luò)平臺互動程度越高，分析師盈余預(yù)測誤差、盈余預(yù)測分歧度越高。

（二）管理層回復(fù)相關(guān)度的調(diào)節(jié)作用

交易所網(wǎng)絡(luò)平臺互動以文字作為載體，文本信息在表達(dá)上更加隱晦，難以規(guī)范和受法律限制，因此網(wǎng)絡(luò)平臺互動的溝通效果更多受管理層回復(fù)質(zhì)量的影響。已有研究從信息披露的時效性和文本長度兩個方面探討了網(wǎng)絡(luò)平臺互動質(zhì)量的經(jīng)濟(jì)后果［2，5，15］。研究發(fā)現(xiàn)，管理層回復(fù)質(zhì)量高可以反映較弱的負(fù)面信息隱瞞動機(jī)，并且向投資者傳遞正面信號。本文從管理層回復(fù)文本相關(guān)性的角度重新定義網(wǎng)絡(luò)平臺互動質(zhì)量。若上市公司管理層能夠針對投資者關(guān)注的問題給予真實的評價和建議，此時網(wǎng)絡(luò)平臺互動確實能夠發(fā)揮信息增量效應(yīng)，在上市公司與投資者之間搭建信息溝通的橋梁。如果管理層出于構(gòu)建商業(yè)帝國等自利動機(jī)，則在面臨投資者發(fā)問時，往往會采用答非所問的消極回應(yīng)策略以掩蓋公司經(jīng)營狀況的隱患［14，33］。因此，在管理層真實履責(zé)時，網(wǎng)絡(luò)平臺互動的信息增量效應(yīng)使得分析師的信息搜尋成本和解讀難度降低，從而獲得更及時、更有價值和更可靠的私有信息［20-21］。分析師通過使用高質(zhì)量信息來減輕從網(wǎng)絡(luò)平臺互動中獲取公開信息的依賴，并對盈余預(yù)測進(jìn)行動態(tài)修正和調(diào)整，從而減少盈余預(yù)測的誤差和分歧度。而在管理層私利動機(jī)的情況下，較弱的答復(fù)文本相關(guān)度能夠?qū)π畔⑦^載效應(yīng)下的網(wǎng)絡(luò)平臺互動信息起到“推波助瀾”的負(fù)面作用，進(jìn)而強(qiáng)化互動式信息對分析師預(yù)測質(zhì)量的不利影響?；谏鲜龇治觯疚奶岢黾僭O(shè)2a、假設(shè)2b。

H2a：管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)交易所網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測誤差、盈余預(yù)測分歧度之間的負(fù)相關(guān)關(guān)系；

H2b：管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)交易所網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測誤差、盈余預(yù)測分歧度之間的正相關(guān)關(guān)系。

四、研究設(shè)計

（一）樣本選取與數(shù)據(jù)來源

深交所和上交所分別于2010年和2013年開通網(wǎng)絡(luò)互動平臺，因此，本文選擇的研究區(qū)間為2013—2020年，并進(jìn)行如下處理：剔除存在缺失的樣本；剔除樣本期間被特殊處理或者退市的樣本；剔除金融類公司；剔除上市不滿一年的公司；剔除分析師在年報公布后的無效預(yù)測數(shù)據(jù)。最終得到14 616個公司-年份樣本觀測值，并對所有連續(xù)變量進(jìn)行縮尾處理。網(wǎng)絡(luò)平臺互動數(shù)據(jù)來源于CNRDS 數(shù)據(jù)庫，其他數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。

（二）變量定義

借鑒已有研究［7］，選取盈余預(yù)測誤差（Ferror）和分歧度（Fdisp）測度分析師盈余預(yù)測質(zhì)量。具體計算過程如式（1）、式（2）所示。由于分析師往往會在后期修正自己的預(yù)測，因此只保留分析師的最新預(yù)測，并計算不同分析師每股收益最新預(yù)測的中位數(shù)（Feps），Eps 為實際每股收益；SdFeps為分析師每股收益預(yù)測的標(biāo)準(zhǔn)差，將分母加上0.5 以緩解變量離散度。Ferror 的值越大，表明分析師預(yù)測誤差越大；Fdisp 的值越大，表明分析師預(yù)測的分歧度越高。

借鑒已有研究［1，5］，使用網(wǎng)絡(luò)平臺互動頻率（Frequency）和管理層回復(fù)總字?jǐn)?shù)（Allword）作為網(wǎng)絡(luò)平臺互動程度的代理變量。具體而言，采用投資者與上市公司年互動次數(shù)加1 的自然對數(shù)來衡量Frequency；使用管理層答復(fù)總字?jǐn)?shù)加1取自然對數(shù)定義Allword，互動次數(shù)、字?jǐn)?shù)越多，則網(wǎng)絡(luò)平臺互動程度越高。借鑒管理層“答非所問”指標(biāo)［14］，構(gòu)建文本相關(guān)性程度（Cosine），將預(yù)處理后的文本以向量化的形式進(jìn)行表示，得到模型（3）和模型（4）。

其中：Q和A分別為投資者提問和管理層回答的文本向量；n為文本中出現(xiàn)的不重復(fù)詞的個數(shù)；元素qi和ai分別是詞語i在文本中出現(xiàn)的次數(shù)；模型（5）為文本相關(guān)度（Cosine）計算過程，數(shù)值越高，管理層的回復(fù)質(zhì)量也越高。

借鑒已有研究［22，29，34］，本文變量設(shè)計具體見表1所列。

（三）模型設(shè)定

為驗證交易所網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測質(zhì)量的影響以及管理層回復(fù)相關(guān)度的調(diào)節(jié)作用，分別設(shè)定以下主回歸模型（6）和調(diào)節(jié)效應(yīng)模型（7）。若H1a成立，也即網(wǎng)絡(luò)平臺互動有利于提高分析師盈余預(yù)測質(zhì)量，則模型（6）中的α1應(yīng)該顯著為負(fù)；反之，若網(wǎng)絡(luò)平臺互動降低了分析師盈余預(yù)測質(zhì)量，具體表現(xiàn)為網(wǎng)絡(luò)平臺互動增加了分析師預(yù)測誤差（Ferror）和盈余預(yù)測分歧度（Fdisp），則模型（6）中的α1應(yīng)該顯著為正，也即支持H1b。調(diào)節(jié)效應(yīng)部分，若H2a 成立，管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測誤差、盈余預(yù)測分歧度之間的負(fù)相關(guān)關(guān)系，則模型（7）中的β2應(yīng)該顯著為負(fù)；若管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測誤差、盈余預(yù)測分歧度之間的正相關(guān)關(guān)系，則β2應(yīng)顯著為負(fù)。式中，Controls為控制變量，Industry、Year分別表示行業(yè)和年度固定效應(yīng)。

五、實證分析結(jié)果

（一）描述性統(tǒng)計

表2 報告了各變量的描述性統(tǒng)計。由表2 可知，互動頻率（Frequency）的均值為4.351，中位數(shù)為4.466；管理層回復(fù)字?jǐn)?shù)（Allword）的均值和中位數(shù)分別為8.445、8.602，與高敬忠和楊朝（2021）［4］的研究基本保持一致。盈余預(yù)測誤差（Ferror）的均值為0.338，中位數(shù)為0.166；盈余預(yù)測分歧度（Fdisp）的均值為0.244，中位數(shù)為0.169，與已有研究基本類似［6］。管理層回復(fù)相關(guān)度（Cosine）的均值和中位數(shù)為0.341，最小值為0.200，最大值為0.490，表明管理層普遍存在“答非所問”的傾向。其他控制變量的描述性統(tǒng)計結(jié)果與現(xiàn)有文獻(xiàn)基本一致。

表2 變量描述性統(tǒng)計

（二）假設(shè)檢驗

1.網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量

表3 匯報了網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測質(zhì)量的回歸結(jié)果。列（1）—列（4）顯示，網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測誤差、分歧度存在顯著的正向關(guān)系?；貧w結(jié)果表明，網(wǎng)絡(luò)平臺互動更多地表現(xiàn)出信息過載效應(yīng)而非信息增量效應(yīng)，從而降低了分析師盈余預(yù)測質(zhì)量。由此，H1a 不成立，H1b 得到驗證?？刂谱兞坎糠郑砷L性（Roa）、固定資產(chǎn)比例（Ppe）、上市年限（Listage）、機(jī)構(gòu)投資者持股比例（Insti）以及產(chǎn)權(quán)性質(zhì)（State）均與分析師盈余預(yù)測誤差和分歧度負(fù)相關(guān)，與現(xiàn)有文獻(xiàn)基本保持一致［29，34］；市賬比（Mb）、管理層持股比例（Ghold）與分析師盈余預(yù)測誤差和分歧度正相關(guān)，與楊凡和張玉明（2020）［7］的研究結(jié)論一致。上述分析表明，交易所網(wǎng)絡(luò)平臺互動降低分析師盈余預(yù)測質(zhì)量的估計結(jié)果具有一定的可靠性。

2.網(wǎng)絡(luò)平臺互動、管理層回復(fù)文本相關(guān)度與分析師盈余預(yù)測質(zhì)量

表4 匯報了管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用。列（1）和列（2）顯示，網(wǎng)絡(luò)平臺互動程度與分析師盈余預(yù)測誤差（Ferror）正向關(guān)系顯著，并且管理層回復(fù)相關(guān)度（Cosine）負(fù)向影響盈余預(yù)測誤差（Ferror），這表明管理層回復(fù)質(zhì)量的提高能減少分析師盈余預(yù)測誤差。本文所關(guān)注的交互項Frequency×Cosine 以及Allword×Cosine 的系數(shù)均顯著為負(fù)，研究結(jié)果證明，在管理層回復(fù)文本相關(guān)度越高的情況下，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤差的正向影響有所緩解。列（3）和列（4）的回歸結(jié)果依舊能夠證明管理層回復(fù)相關(guān)度能夠負(fù)向調(diào)節(jié)網(wǎng)絡(luò)平臺互動與分析師盈余預(yù)測分歧度的正向關(guān)系。由此，H2a 不成立，H2b 得到驗證（限于篇幅，表4 的控制變量以及內(nèi)生性處理、穩(wěn)健性檢驗部分的具體回歸結(jié)果未予列示，留存?zhèn)渌鳎?/p>

表4 管理層回復(fù)文本相關(guān)度的調(diào)節(jié)作用

（三）內(nèi)生性處理與穩(wěn)健性檢驗

本文分別采用工具變量法、傾向得分匹配法以緩解內(nèi)生性問題。使用滯后一期的網(wǎng)絡(luò)平臺互動L.Frequency 和L.Allword 作為工具變量，從相關(guān)性來看，滯后一期的變量與當(dāng)期變量存在高度相關(guān)性；從外生性來看，尚未有證據(jù)表明滯后一期的網(wǎng)絡(luò)平臺互動直接影響當(dāng)期的分析師盈余預(yù)測質(zhì)量。因此，工具變量在理論上是合理的。未匯報的回歸結(jié)果顯示，L.Frequency 和L.Allword 的回歸系數(shù)均正向顯著，且弱工具變量檢驗F統(tǒng)計量均大于經(jīng)驗值10。在考慮工具變量有效性后，網(wǎng)絡(luò)平臺互動的系數(shù)依舊正向顯著，因此模型不存在嚴(yán)重的反向因果關(guān)系。考慮網(wǎng)絡(luò)平臺互動強(qiáng)度不同的公司在某些特征上可能存在重大差異，參考楊凡和張玉明（2020）［7］的研究，使用傾向得分匹配法來修正樣本選擇偏誤。具體而言，分別以網(wǎng)絡(luò)平臺互動程度的均值劃分高低互動程度組，通過logit 模型對其進(jìn)行傾向打分，協(xié)變量選取與主回歸相同的控制變量，然后采用1∶1 最近鄰匹配法為實驗組尋找配對樣本。使用匹配后的樣本后，依舊能夠驗證本文的穩(wěn)健性。穩(wěn)健性檢驗部分，分別使用替換因變量和更換樣本跨度法進(jìn)行測試。以Ferror1=|Feps -Eps |/Price 和Fdisp1=SdFeps/Price 進(jìn)行因變量替換，其中，Price 為公司期初股價。考慮滬深兩市開通網(wǎng)絡(luò)互動平臺的時間并不相同，為避免開通時間較短的不穩(wěn)定性，選取2016—2020 年的樣本重新進(jìn)行回歸。上述回歸結(jié)果表明，網(wǎng)絡(luò)平臺互動依舊正向影響分析師盈余預(yù)測誤差和分歧度。

（四）拓展性分析

1.管理層風(fēng)險信息披露的異質(zhì)性作用

風(fēng)險信息趨同觀主要強(qiáng)調(diào)風(fēng)險信息披露能夠改善信息環(huán)境，如張淑惠等（2021）［35］研究發(fā)現(xiàn)，年報風(fēng)險信息披露能夠增加異質(zhì)性信息融入股價的程度；風(fēng)險信息趨異觀則強(qiáng)調(diào)風(fēng)險信息披露會增加外部利益相關(guān)者的風(fēng)險感知和理解難度，如吳武清等［36］研究發(fā)現(xiàn)，債券募集說明書的風(fēng)險信息披露與風(fēng)險溢價存在正向關(guān)系。借鑒相關(guān)研究［35］，以管理層回復(fù)文本中出現(xiàn)的“風(fēng)險”“不確定性”和“可能”等詞頻的自然對數(shù)作為風(fēng)險信息披露指標(biāo)，該指標(biāo)越大，則表示管理層披露了更多的風(fēng)險信息。按中位數(shù)劃分高、低風(fēng)險信息披露組并進(jìn)行回歸，表5 列（1）—列（4）顯示，網(wǎng)絡(luò)平臺互動的回歸系數(shù)均在1%水平下正向顯著，但組間系數(shù)存在顯著差異，在低風(fēng)險信息披露組中，網(wǎng)絡(luò)平臺互動對分析師預(yù)測誤差的正向影響有所緩解；列（5）—列（8）的回歸結(jié)果同樣表明，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測分歧度的正向影響有所削弱。上述結(jié)果明確顯示，管理層針對互動文本的風(fēng)險信息披露向市場傳遞了異質(zhì)性信息，從而增加信息的理解難度和復(fù)雜度，驗證了風(fēng)險信息披露的趨異觀。

表5 風(fēng)險信息披露的異質(zhì)性作用

2.管理層競爭信息披露的異質(zhì)性作用

代理成本視角下的競爭文化觀強(qiáng)調(diào)，高度競爭導(dǎo)向的氛圍容忍不穩(wěn)定性并強(qiáng)調(diào)個人主義［2，37］；而監(jiān)督機(jī)制下的競爭觀認(rèn)為，組織內(nèi)部之間存在距離感，代理人與委托人之間呈現(xiàn)真正的監(jiān)督與被監(jiān)督關(guān)系［38］。借鑒已有研究［2，38］，提取管理層回復(fù)文本中的競爭文化關(guān)鍵詞構(gòu)造競爭信息披露指標(biāo)，并按中位數(shù)劃分高、低競爭信息披露組并進(jìn)行回歸。表6 列（1）—列（4）顯示，網(wǎng)絡(luò)平臺互動的系數(shù)均正向顯著，組間系數(shù)存在顯著差異，表明在高競爭信息披露組中，網(wǎng)絡(luò)平臺互動對分析師預(yù)測誤差的正向影響更強(qiáng)；列（5）—列（8）的回歸結(jié)果同樣表明，在高競爭信息披露組中，網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測分歧度的正向影響更顯著。上述結(jié)果驗證了代理成本視角下的管理層競爭信息披露觀，競爭信息披露通過催生機(jī)會主義行為增加了信息不對稱和環(huán)境的復(fù)雜程度，從而負(fù)向影響分析師盈余預(yù)測質(zhì)量。

表6 競爭信息披露的異質(zhì)性作用

六、結(jié)論與建議

本文基于2013—2020 年中國資本市場滬深A(yù)股非金融上市公司樣本數(shù)據(jù)，考察了交易所網(wǎng)絡(luò)平臺互動程度對分析師盈余預(yù)測誤差和分歧度的影響，得出以下結(jié)論：①網(wǎng)絡(luò)平臺互動程度越高，分析師盈余預(yù)測誤差、分析師盈余預(yù)測分歧度越高，這說明網(wǎng)絡(luò)平臺互動所傳遞的信息過載效應(yīng)大于信息增量效應(yīng)，雖然網(wǎng)絡(luò)平臺互動信息成為分析師盈余預(yù)測的重要決策信息集，但也會因其缺乏信息含量而負(fù)面影響分析師盈余預(yù)測質(zhì)量；②網(wǎng)絡(luò)平臺互動對分析師盈余預(yù)測誤差和分歧度的正向影響并非同質(zhì)性，管理層回復(fù)文本相關(guān)度能夠負(fù)面調(diào)節(jié)兩者的正向關(guān)系；③當(dāng)管理層披露更多的風(fēng)險信息和競爭文化信息時，網(wǎng)絡(luò)平臺互動越不利于分析師盈余預(yù)測質(zhì)量的提升。

基于上述結(jié)論，本文提出以下政策建議：①監(jiān)管機(jī)構(gòu)層面。在互動過程中，監(jiān)管機(jī)構(gòu)應(yīng)該限制投資者頻繁發(fā)帖，并改變當(dāng)前以上市公司回復(fù)的數(shù)量和及時性等為主而忽視回復(fù)質(zhì)量的考核方式，提高對互動質(zhì)量的要求。此外，監(jiān)管機(jī)構(gòu)還需要重視對資本市場信息披露監(jiān)管方式創(chuàng)新，積極鼓勵并引導(dǎo)和推進(jìn)上市公司開展多渠道、多樣化而非模式化、樣板化的信息披露方式。②上市公司層面。在網(wǎng)絡(luò)平臺互動以及其他互動形式中，管理層需要重點(diǎn)關(guān)注互動內(nèi)容的質(zhì)量和內(nèi)涵，如信息披露的及時性、相關(guān)性等特征，以避免利益相關(guān)者的決策偏差。此外，還需要提請利益相關(guān)者注意公司現(xiàn)有的以及未來可能存在的風(fēng)險關(guān)鍵點(diǎn)和競爭指標(biāo)等。③分析師等外部利益相關(guān)者層面。分析師等利益相關(guān)者應(yīng)努力提升搜集信息、處理信息以及解讀信息的專業(yè)知識和能力，更多地關(guān)注上市公司公開披露信息的質(zhì)量內(nèi)涵，從而降低受不實傳聞和謠言影響的可能性。