媒體報道、分析師關注及股價崩盤風險

崔 兵，散崇文

(湖北工業大學經濟與管理學院，湖北 武漢 430068)

股價崩盤指股市整體或個股在毫無征兆下大幅下跌的現象。在我國股市蓬勃發展時期，股價崩盤嚴重損害股民財產利益，打擊股民信心，破壞金融市場穩定，預防和降低股價崩盤風險是維護證券市場健康穩定發展的必然要求。

媒體和分析師作為重要的信息中介，在金融市場中搜集、挖掘信息，改善信息不對稱程度(朱紅軍，2007；黃俊，2014)[1-2]。然而，也有研究表明媒體及分析師關注會對管理層產生壓力，導致其隱瞞公司負面信息，從而惡化資本市場信息環境(王昶，2017；韓艷錦，2021)[3-4]。由此可見，現有研究對于媒體報道、分析師關注與股價崩盤風險三者的相關性存在理論分歧?；诖耍疚耐ㄟ^實證分析，檢驗媒體報道及分析師關注對股價崩盤風險的影響，以期彌合現有理論分歧。

1 理論分析與研究假設

對股價崩盤風險的研究主要源自信息隱藏假說：在缺乏信息透明度的公司中，內部知情人出于自身利益考慮，可能會對風險信息進行隱瞞。當負面消息最終曝光時，股價暴跌的現象就會發生。媒體和分析師作為信息中介，在資本市場的價格發現過程中發揮作用，是股價崩盤風險的重要影響因素。本文試圖結合兩者對股價崩盤風險進行解釋。

1.1 媒體報道和股價崩盤風險

媒體作為承擔社會輿論監督責任的“第四種權力”，在資本市場扮演著重要角色。首先，媒體發揮著信息中介的作用，羅增輝(2013)[5]證明了上市公司的股價信息會隨著媒體曝光而增多。其次，媒體充當著公司外部治理的角色，媒體會通過聲譽機制監督管理層行為(Dyck A,2002)[6]。然而，我國媒體行業的監管機制尚未成熟，媒體的治理作用可能面臨如下障礙：

1)媒體存在有偏報告，才國偉(2015)[7]發現媒體在上市公司的操縱下向市場傳達偏差信息；

2)媒體會給管理層帶來維持自身利益的壓力，管理層會通過盈余管理的方式滿足市場預期(應千偉，2017)[8]；

3)市場充斥著大量非理性投資者，媒體提及更多的股票會誘發更多投資者關注，從而驅使過度交易，導致短期內股價面臨上升壓力(饒育蕾，2010)[9]。

綜上，上市公司媒體曝光度的提高可能會激發管理層的盈余管理動機、促使投資者的非理性行為，從而導致公司真實信息堵塞，故本文提出第一個研究假設

H1：媒體關注度越高，公司股價崩盤風險越大。

1.2 分析師跟蹤與股價崩盤風險

分析師作為另一個重要的信息媒介，在資本市場上搜集公開信息并向投資者傳遞信號，從而增加上市公司股價信息，降低股價同步性(李春濤等，2016)[10]。

然而，分析師能否發揮信息中介的功能還取決于其他因素。Degeorge等(2013)[11]研究發現，分析師關注和盈余管理的關系會受到金融發展程度的影響；裴平等(2021)[12]發現分析師覆蓋會強化現金流風險對股價崩盤風險的加劇作用。由此可見，分析師跟蹤并沒有改善信息不對稱程度，反而會惡化信息環境?；诖?，本文提出第二個研究假設

H2：分析師關注度越高，公司股價崩盤風險越大。

1.3 媒體報道和分析師跟蹤行為

媒體和分析師共同作為連接投資者和公司的信息中介，兩者之間存在怎樣的關系？

根據Ravi Bhushan提出的分析師服務供求模型，分析師的跟隨程度取決于分析師服務總需求和總供給的均衡數量，且該供求狀況會受到信息披露程度的影響。一方面，媒體為分析師提供了報告素材，分析師在搜集信息時更注重市場公開信息，尤其親睞各種財經媒體的新聞報道，較少采用私人接觸的方式(胡奕明，2003)[13]，因此媒體關注對中國證券分析服務的供給具有正向影響作用。另一方面，中國資本市場上云集大量散戶，需要分析師提供預測報告，而媒體報道會增加分析師報告的信息含量，因此媒體關注度越高，市場對中國證券分析服務的需求也會越高。所以，媒體會從供需兩方面對分析師跟進行為產生影響。

同時，媒體在對公司進行報道時經常采取分析師報告的建議，且分析師也愿意自己的觀點被商業媒體引用，因為這樣可以提高自身知名度，從而導致分析師關注度越高的公司受到更多的媒體曝光。綜上所述，本文提出第三個研究假設

H3：分析師關注與媒體關注之間存在相互促進關系。

1.4 媒體關注、分析師跟蹤及股價崩盤風險

媒體與分析師關注均有可能加劇股價崩盤風險，需要進一步探究二者通過怎樣的路徑對風險產生影響。一方面，媒體報道越多的公司會引起更多分析師關注，進而加大了管理層壓力，促使其進行信息操縱行為；另一方面，分析師關注較高的公司會引起更多媒體報道，從而造成投資者的注意力偏差，加劇了市場信息不對稱程度?；诖耍疚奶岢龅谒膫€競爭性研究假設

H4a：媒體通過增強分析師關注進而加劇股價崩盤風險。

H4b：分析師通過增強媒體關注進而加劇股價崩盤風險。

2 實證設計

2.1 研究樣本及來源

本文選取2011-2020年A股所有上市公司的數據作為初始樣本，為進行有效估計做出以下處理：1)剔除ST或PT公司；2)剔除金融行業公司；3)剔除年交易周數小于30的樣本公司；4)對變量進行上下1%分位數的 winsorize 處理。最終獲得18595個有效樣本。

本文相關財務數據來源于CSMAR數據庫；媒體報道數據來自中國研究數據服務平臺。樣本數據采用STATA16.0處理。

2.2 變量定義與指標構建

2.2.1股價崩盤風險本文選取兩種不同指標對股價崩盤風險進行測度。首先采取如下回歸：

ri,k=αi+β1rm,k-2+β2rm,k-1+β3rm,k+

β4rm,k+1+β5rm,k+2+εi,k

(1)

其中：ri,k為公司i在第k周的收益率；rm,k為所有股票第k周的平均收益率。選取殘差項εi,k，令Wi,k=ln(1+εi,k)得到周特質收益率Wi,k，并據此構建2個度量指標:

(2)

(3)

2.2.2媒體關注互聯網的高速發展使網絡媒體比報刊更具有普及力，且隨著各種財經網站的建設，網絡財經新聞的專業性也在不斷提升，故本文選擇網絡媒體報道作為研究對象，并以中國研究數據服務平臺中CFND數據庫作為數據來源。將所獲得的網絡媒體報道總數加1后取自然對數，記作公司年度媒體關注Media。

2.2.3分析師關注分析師關注通常被定義為預測某家上市公司的分析師人數。為了方便統計，分析師只要在一年內發布過某家上市公司的一份預測報告，就算關注過該公司。將得到的分析師人數加1后取自然對數，得到分析師關注Analyst。

2.2.4控制變量在控制變量方面，本文根據主流研究選取以下控制變量：股票年度平均周收益率(Ret)、股票年度周收益率的標準差(Sigma)、資產規模(Size)、資產回報率(Roa)、資產負債率(Lev)、公司透明度(Opaque)、月均超額換手率(Turnover)、年度虛擬變量(Year)、行業虛擬變量(Industry)。具體的變量定義及測度見表1。

表1 變量定義

2.3 模型設計

Crashi,t=α0+α1Mediai,t-1+

∑Controlsi,t-1+ε

(4)

Crashi,t=α0+α1Analysti,t-1+

∑Controlsi,t-1+ε

(5)

Analysti,t=α0+α1Mediai,t+ε

(6)

Crashi,t=α0+α1Mediai,t-1+α2Analysti,t-1+

α3Mediai,t-1×Analysti,t-1+∑Controlsi,t-1+h

(7)

在上述模型中，模型(4)和模型(5)用于驗證假設H1、H2，主要關注Media和Analyst的系數顯著性及方向；模型(6)用于驗證假設H3，主要關注媒體及分析師關注的相互系數；模型(7)用于驗證假設H4、H5，主要關注交互項Media×Analyst的系數，用來驗證兩者作用的相關機制。

3 實證結果

3.1 描述性統計分析

各個變量的描述性統計結果列示在表2中。由表2可知，在近10年中：1)股價崩盤風險NCSKEW、DUVOL的均值分別-0.28、-0.19，標準差分別為0.73、0.49，說明我國上市公司的股價崩盤風險存在較大的差異；2)媒體關注Media均值為5.35，說明網絡媒體的覆蓋面較廣，幾乎涉及所有A股上市公司；3)分析師關注指標Analyst的均值為2.01，標準差為0.91，說明不同公司受分析師的關注情況存在較大差異。

表2 描述性統計

3.2 多元回歸分析

3.2.1假設H1、H2首先，驗證股價崩盤風險是否會受到媒體及分析師關注的影響，回歸結果如表3所示。表中回歸(1)是對媒體關注的檢驗，在控制其他因素不變的情況下，Mediat-1的回歸系數為0.027，在1%的水平下顯著，表明媒體關注越高，公司的股價崩盤風險越高，證實了假設H1?；貧w(2)將解釋變量更換為分析師關注后發現，Analystt-1的回歸系數也在1%的水平下顯著為正，說明分析師關注度的上升加劇了股價崩盤風險，證實了假設H2。同樣以DUVOL為衡量標準時，也能得到相同結論。

表3 媒體關注、分析師關注對股價崩盤風險影響的回歸結果

通過實證發現，媒體及分析師均對股價崩盤風險存在加劇效應，但兩者的共同作用會對股價崩盤產生什么影響，值得進一步論證。

3.2.2假設H3將媒體關注Media及分析師關注Analyst依次作為解釋變量相互進行回歸，結果列示在表4中。由回歸(3)和(4)可知，兩者之間的回歸系數均在1%水平上顯著為正，說明媒體關注度越高的公司會引起更多證券分析師跟蹤，同時分析師關注較高的公司也會受到更多媒體報道，證明了假設H3。

表4 媒體關注和分析師關注相互影響的回歸結果

3.2.3假設H4第一步，同時加入媒體及分析師關注兩個解釋變量對股價崩盤風險進行回歸。將回歸(5)與回歸(1)對比發現，在保持其他變量不變并加入分析師關注后，媒體關注度的系數變小且不再顯著，而分析師關注系數仍然在1%水平上顯著，說明媒體關注無法對股價崩盤風險直接產生影響，而是通過分析師關注這一渠道發揮作用。

第二步在上述模型中加入兩者的交互項?；貧w(6)顯示交互項的系數顯著為正，這表明媒體關注度上升會引起更多分析師跟蹤，管理層在分析師密切關注的壓力下隱瞞公司負面信息，從而加劇股價崩盤風險，證實了假說H4。

表5 加入交互項后的回歸結果

3.3 分組進一步分析

相對于正面報道，公司的負面新聞可能提供目標企業更準確、更全面的信息，從而引起更多分析師關注(馮勇等，2021)[14]。為了檢驗媒體報道是否確如前文論述一樣，可以通過分析師關注來加劇股價崩盤風險，本文根據媒體報道的內容將媒體報道分為正面報道及負面報道，并采用如下公式定義媒體語氣：

(8)

當MediaTonei,t>0，可認為i公司在t年的整體媒體情緒為正；當MediaTonei,t<0，可認為i公司在t年的整體媒體情緒為負?；诖?，將樣本分為兩組，依次進行回歸(表6)。

表6 不同媒體情緒下的回歸分析

由表6可知，當媒體為負面情緒時，分析師關注及交互項的系數依然在5%水平上顯著；媒體為正面情緒時，交互項系數不再顯著，說明媒體的負面報道更易引起分析師關注，在分析師的關注壓力下導致未來的股價崩盤。該結果支持了前文的論證。

3.4 穩健性檢驗

綜上分析，媒體報道通過影響分析師關注加劇了股價崩盤風險，但分析師因個體不同也會持有不同預期。當分析師持有樂觀心理預期時，其往往處于信息弱勢的一方，對市場上的公開信息會更為敏感(周開國，2014)[15]，同時分析師的樂觀偏差會傳遞到股價波動中。為了消除分析師普遍存在的樂觀偏差對研究的影響，本節加入分析師樂觀偏差這一控制變量進行穩健性檢驗。

表7記錄了加入分析師樂觀偏差后的穩健性檢驗結果。如表7所示，媒體及分析師關注的交互項系數依然顯著為正，說明分析師的情緒偏差不會影響傳導路徑，在消除分析師的主觀樂觀性后，媒體報道依舊可以通過增強分析師關注度這一途徑加劇股價崩盤風險。同樣，將被解釋變量換為DUVOL，結論依然成立。

表7 加入樂觀偏差后的回歸結果

4 結論及建議

4.1 結論

1)我國資本市場上的媒體和分析師難以充當有效信息中介的角色，媒體及分析師關注度上升會加劇上市公司的股價崩盤風險。

2)分析師關注和媒體關注之間存在相互促進的關系，媒體報道的增加會增強分析師關注，反之亦然。

3)媒體關注度上升無法直接作用于股價崩盤風險，而是通過增強分析師關注度間接發揮效果。媒體覆蓋越多的公司，會吸引更多證券分析師跟蹤，分析師持續關注會給管理層施加壓力，導致其刻意隱瞞公司風險消息，加劇股價崩盤風險。在控制分析師情緒后，結論仍然穩健。

4.2 建議

1)現階段我國新聞媒體僅充當了資本市場上傳遞信息的角色，并不能有效改善信息不對稱程度并發揮外部監督的功能，應加強對媒體行業尤其是網絡媒體的監管，樹立媒體的權威性和公信力。

2)分析師應充分發揮其專業職能，挖掘上市公司信息，加強對公開媒體的引導，為投資者提供更有價值的信息和建議。