社交媒体网络中心度对上市公司违规的影响

何 理，冯 科，陈蓓蓓

(1.中国社会科学院大学 应用经济学院，北京 102488；2.北京大学 a.经济学院；b.软件与微电子学院，北京 100871)

一、问题提出

中国证券市场成立时间较短，由于外部监管不足、公司自身治理欠缺、行业制度不完善等原因，上市公司难免出于保护自身利益或者化解内外部压力的目的，产生一些违法违规的动机与行为。目前中国证监会是资本市场最高的权力机关，同时领导上海和深圳两大交易所开展各自的证券监管工作。除了政府监管，媒体也是约束上市公司违规行为的重要补充力量。媒体可以借助自身的公信力，对上市公司中的违法违纪行为进行揭示和批评，起到震慑违规主体、约束其行为的作用。

随着互联网社交媒体的出现和普及，现在已有许多关于金融经济主题的社交媒体，并且有许多投资者利用社交媒体平台相互沟通交流。从社会网络分析法的角度出发，将使用社交媒体的用户以及处于社交媒体中的上市公司想象成众多的节点。无数节点之间相互联结形成一张承载着海量信息的巨型网络。在这个网络中有的节点处于重要位置，有的节点处于边缘地带。如果某些信息常常需要通过个别节点才能传达到其他节点上，那么这些处于重要位置上的节点就具有较高的网络中心度。

由于社交媒体具有使用人数多、信息量大和传播高效的特点，在中国资本市场呈现个人投资者居多的现状下，研究社交媒体对证券市场的影响意义重大。综合上述背景，本文探究2011—2020年A股上市公司的社交媒体网络中心度对上市公司违规行为的影响和作用机制。

本文研究的创新点主要有以下方面：第一，从社交媒体网络中心度的角度，研究上市公司的违规行为，补充了已有理论。已有研究对于上市公司违规主要影响因素的分析，主要包括外部环境、外部治理、内部治理等方面，尚未关注社交媒体网络对上市公司违规的影响。本文从社交媒体网络中心度这一新的角度出发，对上市公司违规行为进行解释，从而对已有理论进行补充。第二，拓展了社会网络分析的研究范围。经济及金融领域的已有文献对于社会网络分析方法的运用，主要包括董事网络、投资者网络、供应商网络等，而缺乏对于上市公司信息传递网络的研究，本文通过对上市公司信息传递网络的探讨，拓展了社会网络分析的研究范围。第三，对于上市公司的社交媒体网络中心度对其违规行为会产生何种影响，在利用爬虫程序Python对东方财富网个股股吧中的网友评论数据进行百万条量级的爬取，并计算各家上市公司的网络中心度指标的基础上展开了实证分析，研究结论可以为资本市场的投资者和监管机构做出相关决策提供有益的参考。

二、文献综述

(一)社交媒体的公共监督作用

媒体的公共监督作用是指对社会生活中的违法违纪行为进行揭露和批评，发挥自身的公信力，以发挥除了国家官方监管机构以外的补充监督作用。媒体在资本市场中的公共监督主要是指对上市公司隐藏和故意误导的坏消息进行揭露，对上市公司的违规行为产生约束，引导资本市场良性发展。

金融市场与人们的生活息息相关，金融市场和相关机构是许多媒体热衷报道的对象，媒体也在金融市场中发挥着重要的作用，扮演着多种角色，比如信息公开者、丑闻揭露者、未来预测者、重大事件调查者等[1]。

大部分学者在研究媒体的公共监督作用时，都认为媒体的公共监督效应有利于资本市场的健康有序发展。媒体的公共监督效应首先体现在能够吸引市场关注和政府关注。媒体将公司的负面消息报道出来后，会引起社会的热烈讨论，舆论压力会促使市场中的消费者采取用脚投票的方式表达抵抗，监管机构也会对违规公司给予相应的处罚。李培功和沈艺峰(2010)研究发现，媒体报道的监督作用是通过引起社会和监管机构的关注并介入，由监管机构的行政措施和社会环境倒逼公司进行治理改进[2]。米勒(Miller，2006)证明了媒体报道的监督作用在政府力量和市场反应之前就已经产生，数据显示有30%受到美国证券交易委员会处罚的美国上市公司，在受到处罚之前就有媒体对其违规行为进行报道[3]。媒体的公共监督效应其次体现在对公司本身的约束。媒体报道可以减少高管意图隐藏坏消息的机会[4]、促进上市公司董事会效率[5]，以及优化公司内部薪酬制度[6]。总而言之，有众多实证研究证明媒体报道对上市公司的违规行为发挥着积极的治理作用。

(二)社会网络分析

社会网络分析是社会学领域中常见的定量分析方法，该理论最初源自数学和图论相关方法。社会学家将个体之间的社会关系视作可视化网络，研究分析节点与节点、不同连线之间的关系，并利用一些网络分析指标更加准确地分析相关节点和关系，以此来解释网络的结构性特征。

使用最多的分析指标是网络中心度，用于刻画个体在网络中所处位置的中心程度。在实际运用中，网络中心度可以度量节点在社会网络中处于何种位置。已有文献证明，节点的网络中心度越高，其在网络中越具优势。巴杰等(Bajo et al.，2016)利用不同中心度测度指标，发现中心位置的公司在信息扩散和信息提取方面更加高效[7]。艾尔·卡迪布等(El-Khatib et al.，2015)认为网络中心节点在获取信息、控制其他个体方面更具优势[8]。

上市公司社交媒体网络中心度的高低实际上意味着企业是否位于社交媒体网络的中心位置。对于某些具备位置优势的上市公司，所有信息必须通过它们才能传递给其他上市公司，由此可见，这些上市公司具有极大的资源优势。在上市公司的社交媒体网络中，某企业的网络位置便可以描述为它在社交媒体网络中的影响力和该企业与其他企业的距离关系。

(三)上市公司违规行为的影响因素

学术界对上市公司的违规行为做了大量研究。现有研究普遍认为，公司违规的主要因素包括外部环境、外部治理以及内部治理。

外部环境方面，主要探究宏观经济、行业形势、产品竞争等外部因素给公司违规带来的影响。总体来看，外部环境的变化带来压力是公司违规的原因之一。波韦尔等(Povel et al.，2007)发现，企业的违规动机与经济环境不是简单的线性关系，在一定程度范围内呈现倒U型关系[9]。王等人(Wang et al.，2010)考虑投资者对行业的信心，发现投资者对公司所处行业的前景看好时，公司违规倾向则会提高，但当信念极高时反而会降低[10]。在产品竞争方面，滕飞等(2016)认为，产品竞争越激烈，公司的违规倾向越高，但该违规行为被发现的概率反而越低[11]。

外部治理方面，主要关注外部利益相关者对公司违规的影响。以往研究认为，分析师、机构投资者、媒体都可以起到外部监督作用。郑建明等(2015)研究发现，分析师跟踪带来的监督效应可以降低公司业绩预告违规的发生概率[12]。陆瑶等(2012)证明了机构投资者的积极作用，认为机构投资者持股可以减少公司违规倾向同时提高违规被稽查的概率[13]。媒体关注也是重要的外部治理方式。周开国等(2016)观察到媒体关注度越高，公司出现违规行为的概率越低[14]。

内部治理方面，主要关注股权结构和董事特征对上市公司违规的影响。梁杰等(2004)研究认为，财务舞弊与国有股份比重有正向关系，与股权集中度则为负向关系[15]。董事会层面，比斯利(Beasley，1996)认为，董事会规模越大，公司财务造假概率越高[16]。阿格拉瓦尔和查达哈(Agrawal & Chadha，2005)则验证了拥有财务专业知识的独立董事，财务违规概率更低[17]。全怡和陈冬华(2017)发现，具有多元法务背景和丰富实战经验的独立董事，对公司违规倾向能够产生抑制作用[18]。

(四)文献评论

社交媒体网络方面，现有文献仅限于社交媒体网络中心度对股价崩盘的影响，尚未研究其对公司违规的影响。已有研究是将社会网络分析方法运用在不同领域，比如董事网络、投资者网络以及供应商网络。考虑到现在已有众多上市公司开通了社交媒体账号，并在这些社交媒体平台中拥有大量用户，因而用户和上市公司就构成了巨型信息网络。在这个网络中，不同上市公司具有不同的地位，拥有不同的网络中心度。所以社交媒体网络中心度的研究具有可行性。

上市公司违规方面，总体来说，以往研究集中在违规后的监督处罚效果、影响违规的因素、中国证券市场的监管现状等方面。对于外部媒体的治理止步于媒体关注，还未涉及从社交媒体网络的角度对其进行研究。本文从社交媒体网络位置角度研究上市公司违规行为，可以为社交媒体对资本市场的舆论监督作用提供新的补充。

三、研究假设

(一)社交媒体网络中心度对上市公司违规的影响

基于认知心理学理论，对某一事物认知是通过信息收集、加工、输出以及反馈等阶段完成的。其中，信息收集和加工是认知的重要阶段，也是决策的重要依据[19]。使用社交媒体对上市公司进行关注和监督的人群多为个体投资者，而个体投资者在信息搜集、加工的过程中，往往存在渠道受限、分析不全面等问题，因此会对其理性投资决策产生不利的影响。而社交媒体的出现有利于提升个体投资者的信息收集和加工的能力。

首先，处于社交媒体网络中心位置的企业往往受到众多投资者的关注，有利于投资者听取多方声音，拓宽自身信息获取渠道。比如，投资者投资某家公司的目的是获得最大收益，所以往往许多投资者只关注公司的盈利性指标，而忽略其他同样具有价值的信息。当个人用户通过社交媒体与其他来自不同城市、从事不同工作的网友畅所欲言，分享各自的观察发现和互换信息时，关注的范围可能不再局限于单一的视角。并且社交媒体中往往存在一些意见领袖，即拥有一定粉丝数量和权威性的专业人士，可以给处于信息劣势的群体提供更多参考意见，方便用户更加全面立体地了解所投资的企业。显而易见，处于社交媒体网络中心的公司往往受到更多外界关注，无论是个体投资者还是意见领袖的个数都会比其他公司高，上述所阐述的影响也会更加大。

其次，处于社交媒体网络中心位置的企业往往会受到更多投资者重复的关注，有利于投资者提高效率，提升自身信息处理能力。当人们重复做一件事情后，人们对该事情的边际付出会递减，做事的效率会逐渐提高。例如，处于网络中心位置的公司，会受到众多投资者长期的关注，这些投资者在长期关注中不断提升自身的信息处理和分析能力及商业敏锐度，然后做出投资决策，并不断试错、纠错，自然会形成一套更加高效、更加专业的投资体系和思维方式。借助社交媒体平台，不同投资者还可以将这些长期积累的经验分享给他人，共同提升投资决策效率。

以往研究表明，衡量投资者信息获取、处理行为优劣程度的投资者信息能力是证券市场效率的微观基础[20]。投资者信息能力越高，市场效率越高[21]。随着投资者信息获取和加工能力的提升，一旦公司出现违规行为，众多投资者能更加理性地识别，并提前或在事件公布之际及时做出投资决策，执行用脚投票的权利，通过交易决策对公司的股价进行调整，无形之中增加公司的违规成本。

据此，本文提出以下假设：

假设H1：社交媒体网络中心度越高的公司，未来出现违规现象的概率越低。

(二)信息扩散速度的作用

通过社交媒体，投资者对处于社交媒体网络中心位置的上市公司，可以进行横向比较，并通过众多的投资者节点传递信息[22]。积极有利的信息可以为公司带来更加优秀的股价表现、更加良好的声誉；但消极不利的信息会使公司股价一落千丈，名誉受损[23]。在社交媒体中的投资者可以借助舆论的力量，维护自身的权益。互联网媒体具有传播快、传播成本低的特征，能够加快公司信息扩散的速度，扩大公司因出现违规行为带来的影响。为避免因自身违规带来难以估量的损失，企业倾向于选择规范自身行为，致力于正确合法地经营，以降低违规行为发生的概率。

当上市公司处于社交媒体网络的中心时，上市公司的违规信息在社交媒体网络的助力下传播更加迅速，在较短时间内大幅提升信息的影响力，给上市公司带来更多的不利影响。为了避免坏消息对公司带来的多重打击和额外隐性违规成本，公司选择约束自身行为，因而处于社交媒体网络中心位置的公司会受到更好的舆论监督。

据此，本文提出以下假设：

假设H2：社交媒体网络中心度越高的公司，由于信息扩散速度越快，因而可以抑制上市公司违规行为。

四、研究设计

(一)样本选择与数据来源

本文以2011—2020年A股上市公司为研究样本。参照已有研究成果[22]，剔除当年被标记为ST、上市不足一年、已退市或暂停上市的公司样本。同时还剔除了财务指标无法完整获取的样本，最终得到2 291家公司、16 265个数据样本(公司-年)。实际回归时，对连续变量进行1%缩尾处理以剔除异常值影响。公司违规和财务数据来自国泰安(CSMAR)数据库。网络中心度数据参照朱孟楠等(2020)[22]的方法，使用爬虫程序(Python)爬取的东方财富网个股股吧中百万条量级网友评论和用户数据，并对数据进行清理、分析后，再利用软件Ucinet计算得到[22]。

(二)变量定义

1.网络中心度

对于网络中心度的衡量已形成成熟的理论方法。根据社会学理论，网络中心度体现了该节点在整体网络中的影响力。网络节点中心度的详细指标有接近中心度、程度中心度、中间中心度以及特征向量中心度[24-25]。各个指标的含义有所不同，但整体来说，中心度指标越大说明个体在网络中的地位越重要。

为了计算网络中心度指标，首先需要构建信息网络，将选为研究样本的上市公司看作网络中的一个个节点，计算出节点之间的距离。针对上市公司在社交媒体中的网络构建方法，本文参考以往学者[22，26]的研究，使用共同用户数方法构建信息网络，具体方法如下。如果某网友某年在两家公司的股吧中都是活跃用户(将年发帖量大于10的用户定义为活跃用户)，说明这两家公司之间存在信息传导路径，可以认为这两家公司相互连接。网络中不同公司之间的距离用共同在这两家公司股吧上活跃发帖的网友数量的倒数表示。如果两家公司之间的距离越短，也就是共同拥有的活跃网友数量越多，说明信息在这两个节点之间传导越容易。

在计算出节点之间的距离后，接下来选取网络中心度指标，并利用软件Ucinet计算出每个节点的网络中心度。考虑回归结果的稳健性，本文采用程度中心度(Degree)和接近中心度(Closeness)表示上市公司社交媒体网络的中心度，定义如下。

程度中心度(Degree)反映某节点除间接关系外在整个网络中与其他节点的直接关系，表示该节点与其他所有节点的联系程度[27-28]，计算公式如下：

(1)

其中，i、j分别代表公司i和公司j，若公司i和公司j相互连接，即公司i和公司j的股吧里有共同的活跃用户，则Xij取1，否则为0。∑i≠jXij表示信息网络中与公司i有直接连接关系的其他公司总数目。n为研究样本中本年度的上市公司总数，n-1表示将其标准化。

接近中心度(Closeness)反映某节点到其他节点的距离，考虑了间接关系，体现该节点与其他节点关系的质量[29-30]，计算公式如下：

(2)

2.上市公司违规行为

对上市公司违规行为的衡量多采用是否违规来表示[31]。即若监管机构公告某上市公司违规，则在该年度(以公告日期为准)对该公司的这一变量赋值为1，否则为0。

为解决反向因果的问题，即排除因为公司的处罚公告披露导致公司处于风口浪尖(公司处于网络的中心地位)，本文采用下一年，即t+1时上市公司i是否违规的哑变量作为被解释变量，记作Defaulti，t+1。

3.控制变量

参考以往学者[12,14,22,31-32]的研究，本文选择公司规模、资产负债率、总资产收益率、营业总收入增长率、市账比、公司年龄、第一大股东持股比例、董事长与总经理是否两职合一、审计机构是否为“四大”会计师事务所、审计意见是否为“非标准无保留意见”作为控制变量。另外，本文还控制了年份和行业固定效应。

本文所有变量定义见表1。

表1 变量定义与计量口径

(三)模型设定

为了检验假设H1，社交媒体网络中心度是否会影响上市公司违规行为，本文构建以下回归方程：

(3)

由于本文的被解释变量是哑变量，所以选择多元概率比回归(Probit)模型。Defaulti，t+1表示上市公司下一年是否违规，Centralityi，t为公司网络中心度指标，包括程度中心度和接近中心度。Controlsi、t分别是控制变量。i、t分别表示企业和年份。Yeart、Indi为年份和行业固定效应。εi，t为随机扰动项。

五、实证结果与分析

(一)描述性统计

本文对于所有的变量数据进行描述性统计分析，结果如表2所示。

表2 描述性统计结果

在16 265个数据样本(公司-年)中，发生违规行为的有1 901个数据样本，占比约为11.690%。上市公司违规的平均值为0.117，标准差为0.326。程度中心度的平均值为0.132，标准差为0.141；接近中心度的平均值为0.439，标准差为0.387。由此可见，不同公司的社交媒体网络中心度存在的差异较大。控制变量方面，变量的分布与现有的研究成果相近。

(二)回归结果分析

对式(3)模型进行回归分析，得到的结果如表3所示。

表3 式(3)模型的回归结果

从回归结果可以看出，当对公司违规与程度中心度进行回归时，在无控制变量的情况下，系数为-1.062，在1%的水平上显著；在有控制变量的情况下，系数为-1.155，在1%的水平上显著。证明了无论是否有控制变量，上市公司网络中心度与公司违规均呈显著的负相关关系。

从回归结果可以看出，当对公司违规与接近中心度进行回归时，在无控制变量的情况下，系数为-0.137，在1%的水平上显著；在有控制变量的情况下，系数为-0.112，在1%的水平上显著。证明了无论是否有控制变量，上市公司网络中心度与公司违规均呈显著的负相关关系。

综上，说明在控制其他因素的影响后，处于社交媒体网络的中心位置可以约束上市公司的违规行为，即验证了假设H1。

(三)稳健性检验

1.模型稳健性

考虑本文模型只能对发生违规并已公布的公司样本进行观测，对于发生违规但未被监察机构稽查公布的公司样本存在可能的遗漏。为了防止估计参数偏差影响研究结论，参考万良勇等(2014)[33]的做法，选用部分可观测(Bivariate Probit)模型，引入违规倾向(Default_tend*)和违规稽查(Default_detect*)两个潜变量。前者表示公司i在年度t的违规倾向，后者表示公司i在年度t存在违规事实并被揭露的可能性。

根据违规事件，将两个潜变量转化为虚拟变量Default_tend和Detect_detect：当Default_tend*>0时，Default_tend=1，否则Default_tend=0；当Default_detect*>0时，Default_detect=1，否则Default_detect=0。实际观测的被解释变量是上述两个变量的乘积，即Default=Default_tend×Default_detect。为缓解互为因果的内生影响，采用未来一期的违规倾向和违规稽查。构建如下方程：

(8)

(9)

表4是社交媒体网络中心度对违规倾向和违规稽查的回归结果。回归结果显示，程度中心度在1%的水平上负显著，接近中心度在1%的水平上负显著。因此，处于社交媒体网络位置的中心度越高，公司的违规倾向越低，与本文之前的假设相符，再次验证了结论的稳健性。

表4 部分可观测模型回归结果

2.被解释变量稳健性

借鉴以往学者[34-35]的研究，采用违规频数(Default_freq)来表示被解释变量，即用公司t+1年违规次数来衡量公司违规行为。同时由于被解释变量变为非负整数数据，应采用负二项回归进行估计。得到的回归结果见表5。

表5 被解释变量稳健性检验的回归结果

从表5可以看出，在改变被解释变量的计量方式后，网络中心度的两个指标与公司违规频数均在1%的水平上显著负相关，说明处于社交媒体网络的中心位置对上市公司的违规行为存在约束，与前文结论保持一致。

(四)影响机制分析

在资本市场中，分析师作为信息传播者，在通过数据分析、实地调研等手段收集上市公司的各种信息后，会将信息转换成投资者易于接受的方式，并通过报纸、电视、网络、自媒体等媒介发表观点，向投资者传播信息，从而加快了上市公司相关信息的扩散速度。洪等人(Hong et al.，2000)指出，上市公司的分析师跟踪人数越多，其信息扩散速度越快[36]。刘星和陈西婵(2018)认为，分析师对上市公司的跟踪，增强了向投资者传递信息的速度[37]。

参考以往学者[12，37]的做法，本文用分析师跟踪(Analyst)来衡量信息扩散速度。具体计算方法为：对于每家上市公司，用跟踪它的分析师总人数加1，然后取自然对数。为检验信息扩散速度是否为社交媒体网络中心度抑制上市公司违规行为的影响机制，本文分别构建了社交媒体网络中心度与分析师跟踪的交互项(Degree×Analyst、Closeness×Analyst)，并进行影响机制分析，回归结果如表6所示。可以看出，社交媒体网络中心度的回归系数均显著为负，社交媒体网络中心度与分析师跟踪的交互项的系数也均显著为负，也就是说，随着信息扩散速度的加快，社交网络媒体中心度抑制上市公司违规的作用更加明显。

因此，在信息扩散速度快的公司中，社交网络媒体中心度约束上市公司违规行为的作用更强，说明信息扩散速度是社交网络媒体中心度约束上市公司违规行为的影响机制，假设H2通过验证。

表6 影响机制检验结果

六、研究结论与政策建议

(一)研究结论

本文将社会网络分析方法运用在上市公司违规的研究中，研究处于社交媒体网络中心位置是否对企业的违规行为有约束作用。本文首先对东方财富网股吧论坛的评论数据进行爬取，在获取百万条量级的数据后对其进行清理、分析，然后计算出2011—2020年中国A股上市公司的网络中心度，再结合公司其他财务数据，对公司的社交媒体网络中心度与其违规行为做全样本回归。同时为了探究社交媒体网络位置对上市公司违规行为影响的作用路径，引入信息扩散速度与社交媒体网络中心度的交互项，研究社交媒体网络位置对上市公司的影响机制。综上，本文得出如下结论：

第一，公司所处社交媒体中心位置的差异会影响公司未来的违规行为。处于社交媒体网络中心位置的公司，未来发生违规行为的概率较低。

第二，在讨论社交媒体网络中心位置抑制上市公司违规行为的作用路径时发现，增加信息扩散速度是其中的影响路径之一。其可以使上市公司的违规成本增加，从而起到抑制公司违规行为发生的作用。

以上结论符合实证逻辑，具有一定稳健性。总而言之，本文从新的视角研究上市公司违规的影响因素，研究结果表明，中国社交媒体用户具有一定的信息挖掘和市场监督功能，可以降低信息不对称问题；处于社交媒体网络中心的企业，由于违规成本的增加，未来发生违规行为的概率也会减少。本文对有效防范金融风险和促进资本市场健康有序、稳定长远的发展具有一定参考意义。

(二)政策建议

根据以上研究，本文提出以下政策建议：

第一，基于社交媒体平台在资本市场中产生的有益作用，媒体平台应努力为投资者提供更加安全可靠的信息平台和表达渠道，进一步发挥社交媒体的监督作用。社交媒体平台应进一步完善功能，通过多元化渠道为投资者的信息获取与交流提供便捷，确保信息扩散的广度和速度，以更好地抑制上市公司的违规行为。媒体平台还应借助相关技术来识别不实信息，正确引导用户合法合规使用网站，打造安全有序的线上交流平台。

第二，监管机构应针对上市公司创新性地构建全新统一平台，进一步融合公司内部治理、官方监管、外部治理等多元监督力量。尽管现在已有深交所“互动易”和上交所“上证e互动”为代表的官方平台为投资者搭建与上市公司沟通的桥梁，但上述平台的信息质量仍有待提高。监管机构应做好规章制度完善工作和投资者教育工作，建立更加完善的监督考核机制和创新性功能，增加平台用户规模，进一步发挥平台信息传递功能，调动投资者积极性并发挥其市场监督能力。

第三，上市公司应加强自我约束，积极接受外界监督。各大上市公司应根据国家标准和行业准则，切实落实自身经营的合法合规。基于社交媒体为外部监督带来新的力量，本文结论也验证了处于社交媒体网络中心位置的企业具有更好的公司治理表现，上市公司可以适当地开通官方的社交媒体账号，利用新模式与外部的中小投资者及时沟通、答疑解惑。主动接受外部的监督，让投资者更深刻地认识公司并形成理性投资预期，有利于公司股价估值更加稳定合理。