投資者互動(dòng)能抑制企業(yè)過度負(fù)債嗎?

摘要：以投資者互動(dòng)平臺(tái)為背景，應(yīng)用多元回歸方法檢驗(yàn)在數(shù)字化時(shí)代投資者的外部監(jiān)督對(duì)企業(yè)過度負(fù)債行為的影響，以此研究投資者互動(dòng)平臺(tái)的政策效果。研究發(fā)現(xiàn)，投資者與上市公司間的高互動(dòng)次數(shù)顯著抑制了企業(yè)的過度負(fù)債，并且是通過提高企業(yè)的分析師關(guān)注度來抑制過度負(fù)債行為，以期為抑制企業(yè)過度負(fù)債、防范債務(wù)危機(jī)及建設(shè)投資者互動(dòng)平臺(tái)提供參考。

關(guān)鍵詞：投資者互動(dòng)平臺(tái)；過度負(fù)債；分析師關(guān)注度；互動(dòng)

0 引言

繼深交所打造的互動(dòng)易平臺(tái)于2010年1月1日上線，上交所推出的上證e互動(dòng)也于2013年7月5日正式上線試運(yùn)行。不同于東方財(cái)富網(wǎng)等股吧平臺(tái)，深圳互動(dòng)易平臺(tái)和上證e互動(dòng)受到證監(jiān)會(huì)的監(jiān)管，嚴(yán)格要求信息披露的準(zhǔn)確性，并且上市公司通過董秘或證券事務(wù)代表來回復(fù)投資者的提問，實(shí)現(xiàn)了投資者與上市公司間的互動(dòng)交流，特別是為中小投資者提供了信息溝通的渠道。杠桿率水平與企業(yè)生存息息相關(guān)，已有研究發(fā)現(xiàn)企業(yè)存在一個(gè)適合自身發(fā)展的負(fù)債水平，但其往往與企業(yè)的實(shí)際負(fù)債水平存在差異，而這種差異所形成的過度負(fù)債是企業(yè)需要警惕的問題。投資者互動(dòng)平臺(tái)的搭建建立了外部監(jiān)督機(jī)制，而投資者作為企業(yè)的利益相關(guān)者，是這一平臺(tái)的搭建否能夠抑制企業(yè)過度負(fù)債是值得研究的問題。

本文借助投資者互動(dòng)平臺(tái)中問答板塊的數(shù)據(jù)，實(shí)證檢驗(yàn)了投資者互動(dòng)對(duì)企業(yè)過度負(fù)債的影響。結(jié)果表明：投資者互動(dòng)降低了企業(yè)過度負(fù)債水平，并且是通過企業(yè)分析師關(guān)注度的提高來實(shí)現(xiàn)的。已有研究中，鮮有文獻(xiàn)從投資者互動(dòng)平臺(tái)的治理角度出發(fā)研究資本市場(chǎng)的微觀問題，本文的邊際貢獻(xiàn)在于拓展了投資者互動(dòng)平臺(tái)的研究，同時(shí)也為投資者互動(dòng)平臺(tái)這一制度安排提供了監(jiān)管支撐。

1 文獻(xiàn)綜述與研究假設(shè)

1.1 文獻(xiàn)綜述

通過梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，企業(yè)的資本結(jié)構(gòu)存在最優(yōu)解，即目標(biāo)負(fù)債率，受企業(yè)內(nèi)外部因素的影響，該負(fù)債率往往偏離于實(shí)際負(fù)債率，形成過度負(fù)債。Myers等［1］認(rèn)為過度負(fù)債會(huì)使得凈現(xiàn)值為正的項(xiàng)目回報(bào)流向債務(wù)人，從而難以支撐新項(xiàng)目的資金周轉(zhuǎn)。Ahn等［2］則發(fā)現(xiàn)在具有高增長(zhǎng)機(jī)會(huì)的企業(yè)中，過高的負(fù)債率降低了企業(yè)的價(jià)值。而企業(yè)過度負(fù)債的成因來源于企業(yè)內(nèi)部和外部?jī)蓚€(gè)方面。從內(nèi)部來看，控股股東擁有超額的控制權(quán)，其所擁有的股票是存量資本，在未對(duì)外出售前是無法變現(xiàn)獲利的，那么控股股東有動(dòng)機(jī)借入超額負(fù)債，利用與關(guān)聯(lián)方的交易進(jìn)行隧道挖掘以獲取私利［3］；此外，控股股東的股權(quán)質(zhì)押行為也會(huì)加劇企業(yè)的過度負(fù)債水平［4］。朱滔［5］研究發(fā)現(xiàn)國(guó)有企業(yè)縱向雙重兼職的董事長(zhǎng)在上市公司領(lǐng)取薪酬所產(chǎn)生的合謀效應(yīng)刺激了企業(yè)過度負(fù)債的增加。從外部來看，程敏英等［6］區(qū)分了長(zhǎng)短期視角發(fā)現(xiàn)，支持性的產(chǎn)業(yè)政策從長(zhǎng)遠(yuǎn)來看會(huì)導(dǎo)致過度負(fù)債的增加，但短期內(nèi)起到了抑制作用。蔡慶豐［7］則從金融機(jī)構(gòu)的地理位置分布角度出發(fā)衡量了企業(yè)的信貸資源可得性，發(fā)現(xiàn)鄰近企業(yè)的銀行網(wǎng)點(diǎn)數(shù)量越多，企業(yè)的過度負(fù)債水平越高。李志生等［8］發(fā)現(xiàn)企業(yè)的過度負(fù)債存在同群效應(yīng)，并且市場(chǎng)化程度和金融化程度會(huì)加劇這種同群效應(yīng)，進(jìn)而導(dǎo)致過度負(fù)債的增加。

隨著信息技術(shù)、媒體和資本市場(chǎng)的相互作用，影響著信息的產(chǎn)生、傳播和處理過程，學(xué)者逐漸意識(shí)到公司交流信息的方式對(duì)資本市場(chǎng)的影響效果不同，目前有關(guān)投資者互動(dòng)的研究主要集中在市場(chǎng)反應(yīng)、企業(yè)的行為選擇、分析師預(yù)測(cè)3個(gè)方面。從市場(chǎng)反應(yīng)的視角來看，Elliott等［9］指出通過在線視頻的互聯(lián)網(wǎng)披露方式回應(yīng)公司財(cái)務(wù)重述比傳統(tǒng)的紙質(zhì)披露方式更會(huì)增加投資者對(duì)公司的信心。張繼勛和韓冬梅［10］通過實(shí)驗(yàn)研究法發(fā)現(xiàn)公司管理層在互動(dòng)平臺(tái)上回復(fù)投資者及時(shí)性、明確性程度越大，投資者更愿意選擇該企業(yè)進(jìn)行投資。從企業(yè)的行為選擇來看，郭培燕和李艷［11］認(rèn)為投資者互動(dòng)平臺(tái)具有外部治理作用，通過對(duì)“上證e互動(dòng)”的問答文本分析發(fā)現(xiàn)可將上市公司在線問答社區(qū)信息披露質(zhì)量作為判斷企業(yè)績(jī)效的依據(jù)，二者呈現(xiàn)正相關(guān)關(guān)系。Zhang和Yang［12］研究發(fā)現(xiàn)投資者在投資者互動(dòng)平臺(tái)上發(fā)布的批評(píng)是一種有效的非正式工具，可以影響公司參與企業(yè)社會(huì)責(zé)任活動(dòng)的程度。從分析師預(yù)測(cè)的視角來看，丁慧等［13］研究發(fā)現(xiàn)社交媒體背景下的投資者信息獲取和解讀能力的提高可以降低市場(chǎng)信息不對(duì)稱，從而提高市場(chǎng)盈余預(yù)測(cè)的準(zhǔn)確性。

1.2 研究假設(shè)

代理理論認(rèn)為，企業(yè)的控股股東和中小股東之間存在代理沖突，控股股東有權(quán)運(yùn)用手中的權(quán)力對(duì)公司投融資活動(dòng)做出決策，甚至進(jìn)行隧道挖掘，侵占中小股東的利益，企業(yè)過度負(fù)債也會(huì)成為控股股東操縱公司攫取利益的工具。高敬忠和楊朝［14］指出交易所互動(dòng)平臺(tái)通過發(fā)揮對(duì)上市公司監(jiān)督治理機(jī)制來抑制企業(yè)金融化行為。并且如前所述，丁慧等［13］認(rèn)為投資者互動(dòng)平臺(tái)的出現(xiàn)提高了投資者的信息獲取和信息解讀能力，投資者互動(dòng)平臺(tái)作為上市公司與中小投資者溝通的官方通道，與電話會(huì)議、新聞稿等信息交流方式不同，上市公司無法預(yù)料投資者的問題，在一定程度上失去了對(duì)信息環(huán)境的控制力，面對(duì)投資者的發(fā)聲，公司不得不進(jìn)行相應(yīng)的回應(yīng)，在這一問一答的互動(dòng)模式中，投資者可獲得自己需求的信息，又由于平臺(tái)是公開的，上市公司也可以借此機(jī)會(huì)向外界傳達(dá)信息，減弱彼此間的信息不對(duì)稱，起到外部監(jiān)督作用，進(jìn)而規(guī)范自身行為，把負(fù)債率控制在合理范圍內(nèi)。若上市公司不回應(yīng)投資者的問題，保持沉默這一行為更會(huì)激發(fā)投資者在平臺(tái)上大量發(fā)問，企業(yè)的公共關(guān)系機(jī)構(gòu)不得不應(yīng)對(duì)聲譽(yù)危機(jī)，而聲譽(yù)資本是與企業(yè)價(jià)值緊密相聯(lián)的［15］，企業(yè)價(jià)值又影響中小投資者的投資意愿，引發(fā)中小投資者用腳投票，企業(yè)在衡量過度負(fù)債成本與收益后，會(huì)選擇降低過度負(fù)債水平。因此，提出假設(shè)1：

H1：在其他條件相同的情況下，投資者與上市公司在網(wǎng)絡(luò)互動(dòng)平臺(tái)上的互動(dòng)次數(shù)越多，越能抑制企業(yè)的過度負(fù)債行為。

對(duì)上市公司來說，分析師是一種重要的激勵(lì)手段，分析師有動(dòng)機(jī)做出準(zhǔn)確的預(yù)測(cè)來建立自己的聲譽(yù)，以此來獲得更高的報(bào)酬。為了實(shí)現(xiàn)這一目標(biāo)，分析師會(huì)仔細(xì)檢查上市公司信息披露情況，包括投資者互動(dòng)平臺(tái)上的信息，從而降低信息不對(duì)稱，提高股價(jià)的信息性。分析師的報(bào)道不是真空的，Amir Rubin和Eran Rubin［16］認(rèn)為投資者參與公司互聯(lián)網(wǎng)信息處理的程度越高，分析師的預(yù)測(cè)誤差越小，并且公司股票的買賣價(jià)差越大。分析師跟蹤顯著影響公司的資本結(jié)構(gòu)決策，并與較低的債務(wù)發(fā)行、較高的股權(quán)發(fā)行和總體較低的杠桿率相關(guān)［17］。對(duì)投資者來說，投資者互動(dòng)平臺(tái)上的海量互動(dòng)信息增加了信息處理難度，促使資本市場(chǎng)信息服務(wù)需求的產(chǎn)生，招致大量分析師的關(guān)注［18］。作為專業(yè)人士，分析師收集并傳播公司政策質(zhì)量的信息，董事會(huì)懲戒不當(dāng)行為并獎(jiǎng)勵(lì)更好政策的能力就會(huì)提高。因此，提出假設(shè)2：

H2：在其他條件相同的情況下，投資者互動(dòng)平臺(tái)是通過提高分析師關(guān)注度來抑制企業(yè)過度負(fù)債行為的。

2 研究設(shè)計(jì)

2.1 樣本選擇與數(shù)據(jù)來源

由于中國(guó)證監(jiān)會(huì)打造的投資者互動(dòng)平臺(tái)最早于2010年上線運(yùn)行，故選取2010—2021年A股上市公司作為研究樣本，又因?yàn)楸疚牡哪繕?biāo)負(fù)債率需要滯后一期的數(shù)據(jù)值，故實(shí)證分析中采用的2009—2021年的數(shù)據(jù)，其中樣本借鑒了李文貴和路軍［19］、程敏英等［6］的研究，進(jìn)行了以下篩選：①剔除了ST、PT及當(dāng)年新上市的公司；②剔除了金融行業(yè)的公司；③剔除了資產(chǎn)負(fù)債率大于1的公司；④剔除了數(shù)據(jù)缺失的樣本公司。最終得到了10 376個(gè)公司年度觀測(cè)值。為了減少極端值的影響，本文對(duì)所有連續(xù)性變量進(jìn)行了上下1%的縮尾處理。本文的數(shù)據(jù)除投資者互動(dòng)數(shù)據(jù)來源于CNRDS數(shù)據(jù)庫(kù)，其他的數(shù)據(jù)均來自于CSMAR數(shù)據(jù)庫(kù)。

2.2 變量選擇與度量

1.被解釋變量

本文所衡量的過度負(fù)債（EXLEVB）是基于陸正飛等［20］的研究來定義的，即用實(shí)際負(fù)債率與分年度分行業(yè)計(jì)算得到的目標(biāo)負(fù)債率之差衡量。其中目標(biāo)負(fù)債率的Tobit回歸模型如下

LEVBi，t=α0+α1ROAi，t-1+α2IND_LEVBi，t-1+

α3GROWTHi，t-1+α4FATAi，t-1+

α5SIZEi，t-1+

α6SOEi，t-1+α7Largesti，t-1+ε（1）

模型（1）中的控制變量分別滯后了一期，具體來說，有盈利能力（ROA）、行業(yè)負(fù)債率的中位數(shù)（IND_LEVB）、總資產(chǎn)周轉(zhuǎn)率（GROWTH）、固定資產(chǎn)占比（FATA）、企業(yè)規(guī)模（SIZE）、產(chǎn)權(quán)性質(zhì)（SOE）、第一大股東持股比例（Largest）。通過模型（1）的回歸結(jié)果計(jì)算出來的過度負(fù)債數(shù)值越大，說明企業(yè)的負(fù)債程度偏離程度越大。

2.解釋變量

投資者互動(dòng)（queq/replyq）是借鑒了高敬忠和楊朝［14］、岑維等［21］的研究，把投資者互動(dòng)平臺(tái)上的投資者提問數(shù)加1取自然對(duì)數(shù)得到互動(dòng)指標(biāo)1為queq，上市公司的回復(fù)數(shù)量加1取自然對(duì)數(shù)得到互動(dòng)指標(biāo)2為replyq。當(dāng)年投資者互動(dòng)平臺(tái)上的提問數(shù)量和回復(fù)數(shù)量越多，意味著投資者互動(dòng)程度越大。

3.中介變量

分析師關(guān)注度（Analyst）參照宋芳秀和劉榮澤［22］的研究，把上市公司分析師跟蹤數(shù)加1取自然對(duì)數(shù)得到外部治理指標(biāo)Analyst，跟蹤上市公司的分析師數(shù)量越多，意味著分析師的關(guān)注度越高。

4.控制變量

參照現(xiàn)有研究，本文選取了公司財(cái)務(wù)層面和公司治理層面的影響因素作為控制變量，并且控制了年度和行業(yè)效應(yīng)，具體變量定義及衡量方法見表1。

2.3 模型設(shè)計(jì)

為檢驗(yàn)投資者互動(dòng)是否能抑制企業(yè)過度負(fù)債，構(gòu)建如下模型

EXLEVBi，t=β0+β1queqi，t+β∑Controlsi，t+

β∑Industryi，t+β∑Yeari，t+ε（2）

EXLEVBi，t=γ0+γ1replyqi，t+γ∑Controlsi，t+

γ∑Industryi，t+

γ∑Yeari，t+ε（3）

針對(duì)模型（2）和模型（3）的回歸結(jié)果主要關(guān)注β1和γ1的正負(fù)和顯著性，根據(jù)理論分析，β1和γ1的符號(hào)預(yù)期顯著為負(fù)，即投資者互動(dòng)能抑制企業(yè)的過度負(fù)債行為。

同時(shí)為了檢驗(yàn)投資者互動(dòng)對(duì)企業(yè)過度負(fù)債的影響機(jī)制，本文借鑒溫忠麟［22］的研究采用中介檢驗(yàn)三步法構(gòu)建如下模型

Analysti，t=a0+a1queqi，t/replyqi，t+a∑Controlsi，t+

a∑Industryi，t+a∑Yeari，t+ε（4）

EXLEVBi，t=b0+b1queqi，t/replyqi，t+b2Analysti，t+

b∑Controlsi，t+b∑Industry+b∑Year+ε（5）

針對(duì)模型（4）和模型（5）的回歸結(jié)果主要關(guān)注a1和b1、b2的正負(fù)和顯著性，根據(jù)理論分析，a1的符號(hào)預(yù)期顯著為正，b1的符號(hào)預(yù)期顯著為負(fù)，b2的符號(hào)預(yù)期顯著為負(fù)，則假設(shè)2得證。

3 實(shí)證結(jié)果分析

3.1 描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果見表2，其中過度負(fù)債程度（EXLEVB）的最大值為0.312和最小值為-0.326，表明企業(yè)的過度負(fù)債程度存在較大的差異，投資者互動(dòng)平臺(tái)中的提問數(shù)queq的最大值為7.076，最小值為1.792，上市公司回復(fù)數(shù)replyq的最大值為7.041和最小值為1.386，這說明不同公司間的投資者互動(dòng)程度存在較大的差異，其他控制變量均在相應(yīng)的合理范圍內(nèi)。

3.2 基本回歸結(jié)果

投資者互動(dòng)影響過度負(fù)債的回歸結(jié)果見表3。由表3中的（1）（2）列結(jié)果可以看到，queq和replyq的系數(shù)均顯著為負(fù)，這表明無論是以投資者互動(dòng)平臺(tái)上的投資者提問數(shù)還是上市公司的回復(fù)數(shù)來衡量互動(dòng)程度，投資者互動(dòng)均會(huì)抑制企業(yè)的過度負(fù)債，從而驗(yàn)證了本文的假設(shè)1。從經(jīng)濟(jì)學(xué)意義上來講，queq的回歸系數(shù)表明投資者提問數(shù)每增加50%，企業(yè)的過度負(fù)債程度就會(huì)降低0.45%；replyq的回歸系數(shù)表明投資者提問數(shù)每增加50%，企業(yè)的過度負(fù)債程度就會(huì)降低0.35%?？傊顿Y者互動(dòng)平臺(tái)作為外部監(jiān)督機(jī)制有效的規(guī)范了企業(yè)的過度負(fù)債行為。在控制變量中，Largest的回歸系數(shù)顯著為正表明第一大股東持股比例越大，企業(yè)過度負(fù)債水平越高，這也印證了控股股東操縱公司利益的動(dòng)機(jī)。SOE的回歸系數(shù)顯著為負(fù)表明相比較于非國(guó)企而言，國(guó)企的過度負(fù)債水平低，可能的原因是國(guó)企將降杠桿作為業(yè)績(jī)?cè)u(píng)價(jià)的硬性指標(biāo)，在借助杠桿撬動(dòng)財(cái)務(wù)資源時(shí)，有意控制負(fù)債率的水平線。

3.3 中介效應(yīng)檢驗(yàn)

由上述實(shí)證結(jié)果可知，投資者互動(dòng)會(huì)抑制企業(yè)過度負(fù)債，那么投資者互動(dòng)是通過怎樣的傳導(dǎo)機(jī)制來影響企業(yè)過度負(fù)債的？本文基于分析師關(guān)注作為外部監(jiān)督機(jī)制中的專業(yè)人員，更有可能借助投資者互動(dòng)平臺(tái)上投資者的質(zhì)疑重點(diǎn)關(guān)注企業(yè)最近資金動(dòng)向，構(gòu)建了模型（4）和模型（5），檢驗(yàn)結(jié)果見表4。

表4的列（2）和列（5）為模型（4）的回歸結(jié)果，queq和replyq的回歸系數(shù)在1%的水平顯著為正，這表明間接效應(yīng)顯著，投資者互動(dòng)程度能提高公司外部分析師的關(guān)注，列（3）和列（6）為模型（5）的回歸結(jié)果，Analyst的回歸系數(shù)在1%的水平顯著為負(fù)，這表明投資者互動(dòng)平臺(tái)的互動(dòng)通過提高分析師關(guān)注度來降低企業(yè)的過度負(fù)債程度。同時(shí)，列（3）和列（6）中queq和replyq的回歸系數(shù)均顯著為負(fù)，這表明分析師關(guān)注在本文中是部分中介效應(yīng)。

4 穩(wěn)健性檢驗(yàn)

考慮到投資者互動(dòng)程度與過度負(fù)債之間的關(guān)系可能受到內(nèi)生性的影響，采用將解釋變量滯后一期和兩階段最小二乘法來解決可能存在的內(nèi)生性問題，以增強(qiáng)結(jié)論的可靠性。

4.1 將解釋變量滯后一期

企業(yè)過度負(fù)債水平較高可能會(huì)引起投資者互動(dòng)平臺(tái)上投資者的爭(zhēng)相發(fā)問，從而增加了平臺(tái)上的提問量和回復(fù)數(shù)，為了避免這種反向因果關(guān)系的干擾，把解釋變量做滯后一期的數(shù)據(jù)處理，利用lqueq和lreplyq替換queq和replyq重新進(jìn)行回歸分析，回歸結(jié)果見表5。根據(jù)表5的（3）（4）列回歸結(jié)果發(fā)現(xiàn)在把queq和replyq滯后一期后，投資者互動(dòng)與過度負(fù)債仍呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，這再次驗(yàn)證了投資者互動(dòng)平臺(tái)上的高互動(dòng)次數(shù)能降低企業(yè)的過度負(fù)債水平。

4.2 工具變量法

借鑒李文貴和路軍［19］的做法，以上一年度機(jī)構(gòu)投資者數(shù)量作為投資者互動(dòng)的工具變量執(zhí)行檢驗(yàn)，即用上一年度機(jī)構(gòu)投資者數(shù)量的自然對(duì)數(shù)ljgtzsl作為工具變量進(jìn)行兩階段（2SLS）回歸，具體結(jié)果見表6。該工具變量Kleibergen-Paap Wald F統(tǒng)計(jì)量為97.41，拒絕弱工具變量假設(shè)；Kleibergen-Paap LM統(tǒng)計(jì)量為95.83，拒絕識(shí)別不足假設(shè)，這說明本文選取的工具變量是有效的。通過表6列（1）可以看到ljgtzsl在第一階段中的回歸系數(shù)為0.106，且在1%水平顯著為正，這表明上年度的機(jī)構(gòu)投資者數(shù)量與投資者互動(dòng)高度正相關(guān)。并且通過表6的列（2）可知第二階段的queq的回歸系數(shù)-0.287在1%的水平顯著為負(fù)，因此，在使用工具變量控制可能存在的內(nèi)生性問題后，投資者互動(dòng)平臺(tái)上的投資者互動(dòng)與企業(yè)過度負(fù)債間仍存在負(fù)相關(guān)關(guān)系。

5 結(jié)語

本文以2010—2021年A股上市公司在投資者互動(dòng)平臺(tái)上的問答數(shù)據(jù)為樣本研究發(fā)現(xiàn)，投資者與上市公司之間的互動(dòng)次數(shù)越多，越能抑制企業(yè)的過度負(fù)債水平。通過探究二者之間的影響機(jī)制發(fā)現(xiàn)，這種負(fù)相關(guān)關(guān)系是通過提高分析師關(guān)注度實(shí)現(xiàn)的，對(duì)上述結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)后依然成立，這表明投資者互動(dòng)平臺(tái)為抑制企業(yè)過度負(fù)債提供了治理新路徑。

基于本文的研究結(jié)論，本文得到以下啟示：第一，上市公司應(yīng)加強(qiáng)投資者關(guān)系管理。在數(shù)字化時(shí)代，信息交流的方式出現(xiàn)巨大的轉(zhuǎn)變，單向輸出企業(yè)正面的信息已經(jīng)不能滿足投資者的需求，需要重視投資者互動(dòng)平臺(tái)上投資者的提問，并及時(shí)地給予反饋，保證中小投資者的知情權(quán)，形成強(qiáng)大的外部監(jiān)督機(jī)制，雙方合力把企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)降低到合理范圍內(nèi)，從而獲得持久收益。第二，證監(jiān)會(huì)應(yīng)加大對(duì)投資者互動(dòng)平臺(tái)的監(jiān)管力度，要求上市公司匯總相似問題并在規(guī)定時(shí)間內(nèi)回復(fù)網(wǎng)友的提問，以遏制上市公司屏蔽中小投資者參與公司決議的意圖，促進(jìn)投資者互動(dòng)平臺(tái)的信息治理效應(yīng)發(fā)揮到最大效用。與之相對(duì)應(yīng)地，企業(yè)也會(huì)把投資者互動(dòng)平臺(tái)上的投資者提問視為達(dá)摩克利斯之劍，不會(huì)為了一己私利做出過度負(fù)債的短視行為。第三，投資者應(yīng)充分利用投資者與公司的交流平臺(tái)，對(duì)于董秘回復(fù)的信息進(jìn)行甄別，并積極尋求分析師的幫助，發(fā)動(dòng)輿論監(jiān)督企業(yè)資金活動(dòng)，從而控制過度負(fù)債水平。

參考文獻(xiàn)

［1］MYERS S C. Determinants of corporate borrowing ［J］.Journal of Financial Economics，1977，5（2）：147-175.

［2］AHN S，DENIS D J，DENIS D K.Leverage and investment in diversified firms［J］. Journal of financial Economics，2006，79（2）：317-337.

［3］PENG Q W，WEI J K，YANG Z.Tunneling or propping：Evidence from connected transactions in China［J］.Journal of Corporate Finance，2010，17（2）：306-325.

［4］汪昌云，李宙甲，曾劍宇.控股股東股權(quán)質(zhì)押會(huì)導(dǎo)致上市公司過度負(fù)債嗎？［J］.投資研究，2022，41（3）：21-44.

［5］朱滔.國(guó)有企業(yè)董事長(zhǎng)領(lǐng)薪安排與管理層薪酬激勵(lì)：基于“委托-監(jiān)督-代理”三層代理框架的研究［J］.當(dāng)代財(cái)經(jīng)，2020（7）：124-137.

［6］程敏英，李恒，劉駿.支持型產(chǎn)業(yè)政策引致企業(yè)過度負(fù)債了嗎？——基于長(zhǎng)短期視角的再檢驗(yàn)［J］.商業(yè)研究，2022（4）：1-8.

［7］蔡慶豐，陳熠輝，林焜.信貸資源可得性與企業(yè)創(chuàng)新：激勵(lì)還是抑制？——基于銀行網(wǎng)點(diǎn)數(shù)據(jù)和金融地理結(jié)構(gòu)的微觀證據(jù)［J］.經(jīng)濟(jì)研究，2020，55（10）：124-140.

［8］李志生，蘇誠(chéng)，李好，等.企業(yè)過度負(fù)債的地區(qū)同群效應(yīng)［J］.金融研究，2018（9）：74-90.

［9］ELLIOTT W B，HODGE F D，SEDOR L M. Using online video to announce a restatement： Influences on investment decisions and the mediating role of trust ［J］. The Accounting Review，2012，87（2）：513-535.

［10］張繼勛，韓冬梅.網(wǎng)絡(luò)互動(dòng)平臺(tái)溝通中管理層回復(fù)的及時(shí)性、明確性與投資者投資決策：一項(xiàng)實(shí)驗(yàn)證據(jù) ［J］. 管理評(píng)論，2015，27（10）：70-83.

［11］郭培燕，李艷.在線問答社區(qū)信息披露質(zhì)量與公司績(jī)效的相關(guān)性：基于“上證e互動(dòng)” ［J］.情報(bào)理論與實(shí)踐，2021，44（10）：151-157.

［12］ZHANG Y，YANG F. Corporate social responsibility disclosure：responding to investors’ criticism on social media ［J］. International Journal of Environmental Research and Public Health，2021，18（14）：73-96.

［13］丁慧，呂長(zhǎng)江，黃海杰.社交媒體、投資者信息獲取和解讀能力與盈余預(yù)期：來自“上證e互動(dòng)”平臺(tái)的證據(jù)［J］.經(jīng)濟(jì)研究，2018，53（1）：153-168.

［14］高敬忠，楊朝.網(wǎng)絡(luò)平臺(tái)互動(dòng)能夠抑制實(shí)體企業(yè)金融化嗎？：來自交易所互動(dòng)平臺(tái)問答的經(jīng)驗(yàn)證據(jù)［J］.上海財(cái)經(jīng)大學(xué)報(bào)，2021，23（5）：50-64.

［15］CHAKRAVARTHY J，DEHAAN E，RAJGOPAL S. Reputation repair after a serious restatement ［J］. The Accounting Review，2014，89（4）：1329-63.

［16］RUBIN A，RUBIN E. Informed investors and the internet ［J］. Journal of Business Finance amp; Accounting，2010，37（7-8）：841-865.

［17］ MOUSELLI S，HUSSAINEY K. Corporate governance，analyst following and firm value［J］. Corporate Governance，2014，14（4）：453-466.

［18］楊凡，張玉明.網(wǎng)絡(luò)媒介、互動(dòng)式信息披露與分析師行為：來自“上證e互動(dòng)”的證據(jù)［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，42（11）：113-126.

［19］李文貴，路軍.網(wǎng)絡(luò)平臺(tái)互動(dòng)與股價(jià)崩盤風(fēng)險(xiǎn)：“溝通易”還是“操縱易”［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2022（07）：178-196.

［20］陸正飛，何捷，竇歡.誰更過度負(fù)債：國(guó)有還是非國(guó)有企業(yè)？［J］.經(jīng)濟(jì)研究，2015，50（12）：54-67.

［21］岑維，李士好，童娜瓊.投資者關(guān)注度對(duì)股票收益與風(fēng)險(xiǎn)的影響：基于深市“互動(dòng)易”平臺(tái)數(shù)據(jù)的實(shí)證研究［J］.證券市場(chǎng)導(dǎo)報(bào)，2014（07）：40-47.

［21］宋芳秀，劉榮澤.賣空機(jī)制、過度負(fù)債與企業(yè)債務(wù)結(jié)構(gòu)調(diào)整：基于融資融券的準(zhǔn)自然實(shí)驗(yàn)［J］.學(xué)習(xí)與探索，2022，328（11）：153-160.

［22］溫忠麟，張雷，侯杰泰，等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用［J］.心理學(xué)報(bào)，2004，36（5）：614-620.

收稿日期：2023-02-20

作者簡(jiǎn)介：

石暖暖，女，1997年生，碩士研究生在讀，主要研究方向：公司財(cái)務(wù)與會(huì)計(jì)。