网络媒体过度乐观情绪与上市公司股价崩盘风险

□ 张天骄 孙 谦

(复旦大学 管理学院, 上海 200433)

一、引言与文献综述

我国网络媒体规模近年来飞速发展。与传统纸质媒体相比网络媒体信息更易生产、复制和传播。当一篇吸引眼球的网络新闻被撰写出来便可迅速被其他媒体转载或模仿,受众规模将呈指数型增长。与此同时,随着我国资本市场的发展,上市公司和投资者数量不断扩大,财经新闻成为媒体上的重要板块和公众热议的话题。作为重要的信息传播中介,媒体对股票市场会产生不可忽视的影响。媒体向投资者传递了公司当期和未来盈余的信息,降低了市场摩擦,提高了投资者认知,缓解了信息不对称[1-6]。但也有研究指出媒体并非完美的信息传递者。媒体报道经常是模糊或陈旧的,并未包含很多价值相关的信息[7-8]。媒体报道也常常并非完全客观中立,而是会包含夸大、有偏的内容,这样做的原因有:(1)人们更倾向于相信与自己预期一致的信息,媒体为迎合这种心理而刻意进行夸大报道以吸引更多读者,竞争激烈的环境也促使媒体采取这种策略来防止读者流失;(2)媒体将夸大的报道作为利益交换,以便从被报道方处换取有价值的信息或实际的利益;(3)记者能力有限,轻信他们获得的有偏差的信息[4,9-11]。

行为金融学认为投资者具有非理性行为偏差。由于有限注意和过度自信,投资者会过于相信吸引眼球的、传闻性的、与事实相关性较低的信息并对其过度反应,而对抽象的、列举出统计数据的、与事实高度相关的信息反应不足[12]。投资者还可能表现出证实偏差,即倾向于寻找并相信能够支持自己信念的信息,在已对公司形成正面印象后会忽略之后出现的负面信号[13]。因此媒体对公司的报道(尤其是正面报道),无论其内容是否陈旧过时,都容易吸引投资者注意,使其过度反应或对公司前景形成过高预期,使股价短暂或长期高于基础价值[8,14-20]。但当公司实际经营问题被揭露或随时间推移投资者发现公司没有取得能够满足预期的相应业绩时,会产生失望情绪,股价将发生反转;当媒体报道有偏和夸大时,这一进程将会进一步被强化[16,19,20]。

在卖空限制条件下股价泡沫可能长期存在并最终通过崩盘的方式破裂。Hong和Stein[21]认为,由于投资者存在意见分歧,在卖空限制条件下悲观投资者不参与交易,股价无法反映他们掌握的负面信息,而只反映了乐观投资者的预期并表现为泡沫。当隐藏并累积的负面信息集中释放出来时将引发泡沫破裂、股价崩盘。实证研究证实了投资者意见分歧和股价高估都与股价崩盘风险具有显著的正相关性[22-25]。从行为金融学的角度,非理性投资者的行为偏差,如有限注意、过度自信等,会导致他们与理性投资者之间产生意见分歧[26]。杨威等[27]发现并购商誉引发了非理性投资者过度反应,使股价产生泡沫,增加了股价崩盘风险。但除此之外较少有文献从行为金融学角度来研究由投资者行为偏差导致的崩盘风险。

个人投资者在我国股市占主导地位,其与机构投资者相比更易表现出非理性行为偏差。当网络媒体情绪过度乐观时,非理性投资者易受其引导对公司前景过度乐观,从而与掌握真实负面信息的理性投资者产生意见分歧。在我国限制卖空的环境下,股价只反映了过度乐观投资者的预期并形成泡沫,而真实负面信息难以被反映到股价中,这些隐藏并累积的负面信息将增加未来的股价崩盘风险。虽然国外已有研究证实了媒体乐观情绪会导致股价高估和反转,但尚未有研究在媒体乐观情绪与卖空限制条件下股价泡沫可能发展出的极端后果——崩盘之间建立联系。本文填补了这一空白,发现网络媒体过度乐观情绪显著增加了公司未来的股价崩盘风险。本文的学术贡献有:(1)创新性地提出一种估计媒体合理情绪与过度乐观情绪的方法,为后续研究提供了新的思路。(2)丰富了媒体的资本市场效应这一领域的文献,提出了媒体过度乐观情绪可能在股市导致的一种极端后果,对于监管部门和投资者制定投资决策都具有参考价值。(3)本文是目前较少的从行为金融学角度解释股价崩盘风险的研究之一,在我国个人投资者占主导地位且卖空受到限制的环境下,投资者非理性过度乐观是导致股价泡沫和崩盘的重要原因,本文为此提供了新的依据。

二、研究设计

(一)样本选择与回归模型

选择A股公司2008—2019年的数据为样本,剔除了金融业公司、净资产为负的公司、当年刚上市的公司及变量缺失的观测值,得到22930个“公司—年度”观测值。网络财经新闻数据来自CNRDS,其余数据来自CSMAR。主回归模型为式(1)。因变量为t+1年的股价崩盘风险CrashRisk,自变量为t年的媒体过度乐观情绪MediaOpt。参考已有研究,控制如下变量:t年的股价崩盘风险CrashRisk,总资产的对数LnSize,市值账面比MB,杠杆率LEV,资产回报率ROA,销售增长率SG,股价年收益率Ret,去趋势的平均月换手率Dturn,周特有收益率的标准差Sigma,并控制了公司和年度固定效应。在估计标准误时进行了公司层面的聚类处理。

CrashRiski,t+1=α+β1MediaOpti,t+β2Controlsi,t+

FirmFE+YearFE+εi,t

(1)

(二)网络财经新闻数据概述

中国研究数据服务平台(CNRDS)中的“中国上市公司财经新闻数据库”包含了20家主流网络财经媒体及其他400余家网站的新闻报道,可以使我们较为全面、准确地估计网络媒体整体情绪。从中得到2007—2018年A股公司被网络新闻报道的数据,筛选出符合以下两个条件之一的新闻:(1)公司名称出现在新闻标题中;(2)公司名称未出现在新闻标题中但出现在新闻内容中,且该新闻只提及一家上市公司,提及的语句不少于5句。经过筛选得到A股公司被网络媒体进行专题报道的数据,各年度报道情况如表1所示。在早期阶段,网络媒体数量较少,对上市公司报道的规模也较小。随着时间推移,网络媒体数量和平均每家公司被报道的次数大体呈先增加后减少趋势。

表1 网络财经新闻逐年统计

(三)媒体过度乐观情绪的计算方法

统计出每家公司在一年中被正面报道的次数PosNum和被负面报道的次数NegNum,用二者的差值除以当年平均每家公司被报道的次数,得到该公司当年的媒体情绪MediaSent。媒体情绪必然会受到公司盈余信息的影响,为了衡量媒体过度乐观情绪,需要将由盈余信息引起的合理情绪部分去除。Ayers和Freeman[28]发现,公司规模越大、分析师关注度越高,股票价格会包含更多关于盈余的信息。同理可以推测,对于规模更大和分析师关注度更高的公司,媒体情绪也可能包含了更多的公司盈余信息。因此进行式(2)所示的回归,其中因变量为t年的媒体情绪MediaSent,方程右侧包括前后3年的盈利水平E,还包括t-1年的公司规模LnSize、分析师关注度LnAnaly(分析师数量加1的对数),以及二者与前后三年E的交叉项,并控制了行业和年度固定效应。盈利水平E分别用ROA、ROE和EPS来衡量。

αALnAnalyi,t-1+IndFE+YearFE+εi,t

(2)

回归结果如表2所示。列(1)、(3)、(5)为模型仅包含前后3年E时的回归结果,前后3年的E均与媒体情绪显著正相关。列(2)、(4)、(6)为加入LnSize和LnAnaly与E的交叉项时的回归结果,对于规模越大或分析师关注度越高的公司,它们的媒体情绪与过去盈余的正相关性越小,与当前盈余的正相关性越大。加入交叉项后,调整R2得到了明显提高,说明该方法能更准确地估计媒体合理情绪。本文用列(2)、(4)、(6)得到的三个残差的平均值ε_mean与0的较大值作为衡量媒体过度乐观情绪的变量MediaOpt。

表2 计算媒体过度乐观的回归结果

(四)股价崩盘风险的计算方法

根据已有研究计算两个常用的股价崩盘风险变量Ncskew和Duvol。首先将每一年度的个股周收益率用模型(3)进行回归,其中ri,k为股票i在当年第k周的收益率,rm,k为第k周的市场收益率。将得到的残差εi,k根据wi,k=ln (1+εi,k)计算股票i在第t周的周特有收益率wi,k,并根据式(4)(5)计算Ncskew和Duvol,其中n为股票i在第t年交易的周数,nu(nd)为股票i在第t年的周特有收益率大于(小于)年平均收益率的周数。Ncskew和Duvol越大,说明股价崩盘风险越大。

ri,k=αi+β1,irm,k-2+β2,irm,k-1+β3,irm,k+
β4,irm,k+1+β5,irm,k+2+εi,k

(3)

(4)

(5)

三、实证结果

(一)主回归

用t年的MediaOpt作为自变量,t+1年的Ncskew或Duvol作为因变量,进行式(1)所示的回归,结果如表3列(1)、(2)所示。自变量的系数估计均为正,且在1%的水平显著,说明网络媒体过度乐观情绪显著增加了上市公司下一年度的股价崩盘风险,与本文的预期相符。本文还计算了所有变量的方差膨胀因子,它们的值均小于2,因此回归不存在严重的多元共线性问题。

(二)稳健性检验

(1)用ε_mean与0的较小值构建了一个衡量媒体悲观情绪变量的MediaPes,将其与MediaOpt同时加入回归,结果如表3列(3)、(4)所示。MediaOpt的回归系数依然显著为正,而MediaPes不显著,说明只有超过合理情绪的过度乐观情绪才会加剧股价崩盘风险,而未超过合理情绪的部分对崩盘风险不会产生显著影响。(2)媒体报道分为原创新闻和转载新闻,将使用原创新闻构建的过度乐观情绪变量MediaOpt_origin与MediaOpt同时加入回归,结果如表3列(5)、(6)所示。MediaOpt的回归系数依然显著为正,而MediaOpt_origin不显著。说明媒体过度乐观导致股价崩盘主要是由于媒体对正面新闻大量跟风转载,使投资者对公司过度乐观导致的。

表3 主回归及稳健性检验

(三)内生性讨论

(1)一阶差分回归。将所有变量经一阶差分后进行回归,自变量系数估计分别为0.088(t=2.81)和0.061(t=2.82),依然显著为正。

(2)工具变量检验。使用同行业其他公司当年MediaOpt的平均值MediaOpt_Ind作为工具变量,进行两阶段OLS回归。在第一阶段回归中,MediaOpt_Ind的系数估计分别为0.889(t=8.80)和0.910(t=9.00),说明MediaOpt_Ind与MediaOpt具有显著的正相关性,是强工具变量。在第二阶段回归中,MediaOpt拟合值的系数估计分别为1.312(t=3.83)和1.059(t=4.50),依然显著为正。

(3)因果关系检验。为检验自变量与因变量是否存在反向因果关系,分别使用t+2、t+1、t、t-1及t-2年的MediaOpt作为自变量,进行式(1)所示的回归,结果如表4所示。

表4 因果关系检验

t+2年的自变量回归系数不显著;t+1年的自变量回归系数显著为负;而t、t-1和t-2年的自变量回归系数均显著为正,而显著性依次递减。这说明自变量与因变量之间不太可能存在反向因果关系。以上三种检验说明本文的主回归结果不存在严重的内生性问题。

(四)分组检验

1.处于垄断地位的公司更可能信息不透明,其投资者更易受媒体过度乐观情绪引导。本文将行业内市场份额超过年度中位数,且所处行业的集中度也超过年度中位数的公司定义为垄断型公司,其余公司定义为非垄断型公司。将总样本按照公司是否垄断分组后,回归结果如表5(分组检验1)所示。对于垄断型公司,媒体过度乐观情绪更容易加剧股价崩盘风险。

2.公司盈余操纵程度越大,投资者更不容易通过财务报表准确判断公司真实情况,也更容易受到媒体过度乐观情绪的影响。用修正Jones模型计算出的操纵性应计利润的三年均值来衡量盈余操纵程度。将总样本按照盈余操纵程度分为两组后,回归结果如表5(分组检验2)所示,对于盈余操纵程度更大的公司,媒体过度乐观更容易加剧股价崩盘风险。

3.游家兴和吴静[14]发现市场情绪乐观时,媒体乐观情绪更容易使股价高估。由此可以推测,市场情绪乐观时,媒体乐观情绪也更容易使公司负面信息难以反映到股价中,造成负面信息的隐藏。根据t年的市场收益率是否超过无风险收益率将样本分为熊市和牛市。分组回归结果如表5(分组检验3)所示,在市场为牛市,即市场情绪乐观时,媒体过度乐观更容易加剧未来的股价崩盘风险。

表5 分组检验

四、结 论

本文用上市公司网络新闻数据构建了媒体情绪变量,用公司盈余信息估计媒体合理情绪,发现超过合理情绪的媒体过度乐观情绪显著增加了公司未来的股价崩盘风险,而未超过合理情绪的部分不会产生显著影响。这种效应主要是由于网络媒体对正面新闻大量跟风转载,使投资者对公司过度乐观导致的。这种效应在垄断型公司中、盈余操纵程度较大的公司中,以及市场情绪乐观时更加显著。

本文对媒体监管部门的建议是,应进一步限制虚假报道和不对内容加以鉴别的跟风转载,警惕网络媒体的舆论误导行为,避免媒体成为资本逐利的工具;对证券监管部门的启示是,对于上市公司在媒体上主动投放的正面宣传应设置严格规定,严禁虚假宣传,保护投资者的权益。对投资者的启示是,在面对海量的新闻报道时应保持理性态度,避免受其影响产生非理性的狂热情绪和跟风行为。

对后续研究的启示是:

1.本文自变量的构建仍较为简单,后续研究可关注如何更准确地测定媒体情绪的信息含量并估计合理情绪。2.后续研究可更多关注在我国股市环境下,如何从行为金融学的角度解释股价崩盘。□