年報文本情緒與上市公司違規行為識別

李雙燕 蔣麗華 卞舒晨

摘要：隨著文本大數據分析的發展，非結構化數據的分析成為研究熱點，這為理解公司違規行為提供了新的研究視角。以2009—2019年深滬A股非金融類上市公司為樣本，通過機器學習的文本分析方法對11?040份上市公司年度財務報告中的“管理層討論與分析”（MD&A）的文本情緒進行測度，研究文本情緒與公司違規行為的關系。研究發現：整體而言，MD&A文本情緒與公司的違規行為負相關。對MD&A細分后發現，“展望”部分文本情緒與上市公司違規行為的負相關性弱于“經營情況概述”部分。進一步研究發現，較高的信息透明度增強了文本情緒與上市公司違規的負相關關系。在控制內生性和調整了MD&A文本情緒值之后，主要結論仍然穩健。此外，研究MD&A文本情緒與不同違規類型的關系發現，與領導人違規相比，MD&A文本情緒與信息披露和經營類違規的相關性更顯著。因此，上市公司和投資者都應該重視MD&A文本情緒的信息價值，監管部門應加強對上市公司信息披露的管控。

關鍵詞：文本情緒；財務報告；管理層討論與分析；違規行為；信息透明度；機器學習

文獻標識碼：A???文章編號：100228482023（06）009713

一、問題提出

上市公司違規行為嚴重干擾市場秩序，侵害廣大投資者利益，阻礙證券市場的良性發展。對國泰安數據庫中上市公司違規信息進行統計發現，近年來上市公司的違規行為呈現逐年上升趨勢，2010年上市公司違規處罰記錄為134條，2020年增至961條。然而，從監管機構披露的處罰報告來看，監管機構對上市公司違規行為的稽查和處罰往往具有滯后性，上市公司的違規行為不僅發生在當期，有些甚至可以追溯到以前的多個會計年度。中國作為新興的市場經濟國家，目前司法制度、資本市場監管仍處在不斷完善發展的階段。在過去的執法過程中，受制度和成本的限制，并非所有上市公司的違規行為均被發現并予以處罰，選擇性執法等問題大量存在［1］。2020年3月1日正式實施的《中華人民共和國證券法》（以下簡稱新《證券法》）要求進一步強化信息披露規范，規范信息披露義務人的自愿披露行為，強化信息披露義務人的民事賠償責任，加大投資者保護力度。在此背景下探究上市公司年報文本情緒對違規行為的識別作用，對于保護外部投資者利益，提升監督機構的執法效率，推動中國信用體系建設具有重要的意義。

公司違規行為主要源于管理層或者大股東的自利動機。目前，關于上市公司違規行為的研究主要集中在分析公司違規行為的影響因素，如從公司的治理結構［2］、所有權結構［3］、高管特征［4］以及外部監督［5］等角度，闡釋具有某一類特征的公司發生違規的可能性。隨著大數據和文本分析技術的發展，非財務信息及其文本特征受到理論界和實務界越來越多的關注，文本分析為研究公司經營情況和管理層行為提供了新的視角。

年度財務報告作為上市公司強制性、定期信息披露的主要途徑之一，是外部投資者了解上市公司經營現狀和未來發展趨勢的重要途徑。年報中的“管理層討論與分析”（management?discussion?and?analysis，MD&A）是上市公司定期財務報告的重要組成部分，反映了公司管理層對當前公司經營狀況的解釋與分析，傳遞了可預測的公司未來經營發展的有關信息。已有研究表明，財務報告的可讀性、語言的復雜性和保守度與公司的盈利水平和治理績效相關［6］，財務報告中管理層的語調與公司未來的業績相關［7］，同時也會影響外部信息使用者的信息解讀和決策能力，語調與未來股票市場的收益率、交易量、波動率及未預期盈利等市場變量相關［8］。Mai等［9］研究發現，財務披露中MD&A的文本信息在預測企業破產方面起到了重要的作用。Wei等［10］研究發現，財務報告中揭示的風險披露文本可以為公司將來的風險評估提供一定的參考。那么，MD&A文本情緒是否對中國上市公司的違規行為具有預警識別作用呢？

為回答上述問題，本文以2009—2019年中國滬深兩市?A?股上市公司年報為樣本，采用基于機器學習的文本分析方法，對公司年報中MD&A的文本情緒進行測度，研究MD&A文本情緒與公司違規行為的關系，致力于通過文本情緒識別公司可能的違規行為。相比于以往文獻，本文在以下兩個方面做了拓展：第一，不同于以往從公司內部治理［4］和外部監督環境［5］研究公司違規行為的影響因素，本文從文本情緒的視角研究公司年度財務報告中管理層語調與上市公司違規行為的相關性，拓展了公司違規行為識別的研究。第二，不同于國內其他學者采用情緒詞典的方法測度管理層語調［11］，本文專門針對中文環境下金融語言的特征，改進了使用機器學習的文本分析方法測度MD&A的文本情緒，拓寬了國內在該領域的研究范圍。

二、文獻綜述與理論分析

（一）公司違規行為影響因素

公司內部治理機制的視角。股權結構方面，陳國進等［3］研究發現，第一大股東集中持股能約束公司的違規行為；陸瑤等［12］研究發現，機構投資者的持股比例降低了公司的違規傾向，同時增加了違規行為被稽查的概率。董事會特征方面，Agrawal［4］認為具有會計專業背景的董事對公司的違規行為具有抑制作用；蔡志岳等［13］認為董事會規模過大會降低工作效率，獨立董事比例越高，公司經營越規范；劉振杰等［14］從董事會結構的角度分析，發現董事會非正式層級與公司的違規行為負相關。公司內部監審方面，McMullen［2］認為審計委員會的設置可以降低上市公司違規的可能性；周澤將等［15］從監事會經濟獨立性的角度，認為當監事會越獨立，企業違規的概率越低。

外部治理機制和監督環境的視角。在市場機制方面，滕飛等［16］認為公司所處行業的產品市場競爭越激烈，公司的違規傾向越高；孟慶斌等［17］認為相比防御型公司，進攻型公司的違規傾向更高，并且違規更頻繁。在制度環境方面，孟慶斌等［18］認為賣空機制的引入提高了公司的違規成本，從而降低了公司的違規傾向；曹春方等［19］認為司法獨立性能增加公司違規被查處的概率，并且其震懾作用減少了公司“掏空型”關聯交易行為。在外部監督方面，周開國等［5］認為媒體監督能夠顯著降低公司違規的頻率，?起到外部治理的作用。

（二）MD&A文本情緒的信息價值

MD&A文本情緒即管理層語調。Feldman等［20］認為管理層語調具有超出財務指標之外的增量信息，管理層語調與公司未來的業績正相關［21］，對于股票市場收益率有著較強的預測作用［8］。但是，管理層也時常通過語調管理以配合公司的經營活動和管理事件，利用戰略性的語調管理來誤導投資者［22］。曾慶生等［11］發現年報語調跟公司高管隨后的股票減持行為相關。朱朝暉等［23］認為管理者會在年報中進行語調操縱以配合公司的盈余管理。周波等［24］結合年報語調和股價崩盤風險發現，語調真實程度越低，語調越積極，崩盤風險越大。

綜上所述，探究MD&A的文本情緒有助于外部投資者更好地解讀公司的財務信息，了解管理層意圖和識別可能存在的風險，但目前國內關于管理層語調與公司違規行為識別的研究相對較少，本文將聚焦該問題。

（三）理論分析與研究假設

MD&A是上市公司年報中最重要的內容之一。具體而言，MD&A包含當期經營情況概述、主營業務分析、非主營業務分析、資產負債情況、投資情況、重大資產和股權出售情況、主要控股參股公司分析以及公司未來發展的展望等內容。

1.MD&A文本情緒與公司違規行為

MD&A反映了公司管理層對當前公司經營狀況的解釋與分析，以及對下一年度經營計劃及未來風險的說明，傳遞了公司可預測的未來經營發展的有關信息。在正常情況下，公司會確保MD&A文本信息的真實性，向投資者傳達公司內部的真實狀況，以確保公司的名譽，在投資人心中留下較為正面的形象，有利于公司后續發展。相對理性的公司管理層會選擇履行代理人義務，為投資人提供更多的信息，減少信息不對稱情況。在此情況下，公司年報是來自管理層真實的信號，有助于外部人員了解公司經營的真實情況。已有研究表明，MD&A文本情緒與公司的經營業績相關［20］，并與公司未來的業績及其企業價值正相關［25］。當MD&A文本情緒較消極時，往往表現為公司業績下滑，經營能力不足，市場競爭加劇，項目進展不順，未來經營風險增大等。公司的盈利能力和償債壓力對信息披露違規行為有著顯著的影響［26］，公司面臨的競爭壓力越大，公司的違規傾向越高［16］。消極的MD&A文本情緒很難給監管部門留下公司治理規范、發展良好、會計信息質量可靠的印象，增加了公司被調查和處罰的風險。基于上述分析，本文提出第一個假設：

H1：MD&A文本情緒越消極，公司發生違規行為的可能性越大。

2.MD&A概述、展望部分與公司違規行為

若假設H1得到驗證，即MD&A文本情緒與公司違規行為負相關，則本文將進一步對MD&A細化，探討其組成部分與公司違規行為的相關性。MD&A一般包括經營情況概述、主營業務分析、非主營業務分析、資產負債情況、未來發展的展望等模塊，除了概述和展望部分，其他模塊均是對公司主要財務數據的解釋，所披露的文本信息需要與公司的財務數據保持一致，具有較高的客觀性和準確性。MD&A概述和展望部分的內容相對來說限制較少，能提供較多的增量信息。

概述部分，也即MD&A的第一個模塊，經營情況討論和分析，主要是管理層對公司當期經營情況分析的文字表述，不同的公司表述方式差別很大，有些公司僅簡單地匯報當年的收益情況，有些公司則對過去一年的內外部經營環境、公司治理情況、投資項目等都做比較全面的匯報。這部分內容反映了公司過去一年的經營業績和發展狀況，有助于監管機構合理地評估公司的治理水平。

展望部分，也即MD&A中關于公司未來發展的討論與分析，更多體現為前瞻性信息，如行業發展趨勢、公司發展計劃以及集中提示公司可能面臨的宏觀風險、市場風險、財務風險、法律風險等風險事項以及相應的應對措施等。這部分內容反映的是公司未來的發展計劃，且一些風險揭示具有發展共性和行業普遍性。因此，展望部分的文本情緒揭示公司違規行為的可能性相對較小。基于上述分析，本文提出第二個假設：

H2：MD&A概述部分文本情緒與公司違規行為負相關，展望部分文本情緒與公司違規行為負相關，但相對概述部分相關性較弱。

3.信息透明度具有調節作用

信息透明度是證券交易所對上市公司每年歷次信息披露行為進行的年度考評，由及時性、完整性、準確性和合規性四個方面構成。Feldman等［20］指出，管理層語調變化所蘊含的增量信息依賴企業所處的信息環境。MD&A文本情緒正常情況下是公司真實信息的反映，但可能會與信息透明度相關。信號傳遞理論認為，內部人擁有外部人不具有的信息和知識，公司高管有能力決定信號的內容及質量，管理者可能會基于自身的利益向外界傳遞信息［27］。當高管薪酬與公司業績掛鉤時，管理層有動機為了兌現薪酬合同而操縱MD&A文本情緒，向市場傳遞更加積極的信息［25］。在一些情景下，管理者通常會使用語言策略來配合公司的經營活動或達到自己的目的［22］。因此，公司信息透明度越高，MD&A文本情緒越真實可信，反之，MD&A被操縱的可能性越大。基于上述分析，本文提出第三個假設：

H3：當上市公司信息透明度較高時，MD&A文本情緒與上市公司違規行為的負相關性增強；當信息透明度較低時，負相關性會受到抑制。

三、研究設計

（一）樣本選擇與數據來源

本文以2009—2019年滬深A股非金融類、非ST上市公司為初始研究樣本。本文的上市公司年度報告均來自東方財富網。文本情緒數據通過自然語言處理（SnowNLP）算法程序分析MD&A文本內容所得。模型中的其他數據均來源于國泰安（CSMAR）數據庫。通過剔除缺失值，最終包含1?393家上市公司11?040個年度—企業觀測值。為減少極端值對回歸結果的影響，本文對所有連續變量在1%和99%的分位數上進行了縮尾處理。

（二）關鍵變量定義

1.?MD&A文本情緒

文本情緒分析是文檔特征提取方法的一種，目前主要有詞典法和機器學習方法。詞典法以詞典為依據測定文本情緒，其準確性依賴所選擇的情緒詞典。然而，在中文情緒分類方面，詞典法目前仍然處于探索階段，多數學者采用翻譯已有的英文情緒詞典作為參照來構建中文情緒詞典，可能導致構建的詞典對中文語境缺乏針對性，無法應對復雜的中文語言環境。

機器學習由于其具有較高的適應性和準確性受到越來越多的關注，在分析MD&A文本情緒、分析師報告情緒、媒體情緒等方面均有應用。然而，與人工文本分析相比，基于計算機的單詞計數有時并不能準確理解和捕捉上下文內容的差異。此外，人工文本分析還允許研究人員區分文本語料庫（例如句子、從句或段落），這些語料庫往往傳達了特定的信息，或討論了特定的主題［7］。因此，為了適應中文環境下年報中金融語言的特征，提升計算機文本分析的準確性和獲得更多的文本信息，本文對MD&A文本情緒的計算方法進行了一定的改進，以句子為單位分析MD&A的文本情緒。相比前人采用整體分析的方法，最終只能得到一個整體的情緒值，本文的分析方法更加精細，不僅減少了計算機分析在理解上下文內容上的偏差，還得到了更多的情緒信息；相比Rahman［7］采用人工分析的方法，本文采用了自動分析的方法，能應用于大量文檔的自動化分析，提升了工作效率。具體實現過程如下：

（1）通過Python編寫程序獲取東方財富網上公布的上市公司年報，并提取MD&A部分內容及其細分部分，經營情況概述和未來展望部分。

（2）通過人工判讀整理得到2009—2019年的年報樣本中積極和消極語句各3?000條，作為訓練數據。

（3）使用自然語言處理（SnowNLP）

該程序通過讀取訓練數據集樣本，經過分詞和去暫停詞等處理之后根據訓練集學習文檔中詞語歸類關系，得到樸素貝葉斯分類器的先驗概率以及條件概率分布，在完成機器學習訓練之后，利用之前完成標記的語料和貝葉斯分類方法對測試集中的句子正向概率進行測算，得到一個＼[0，1＼]之間的情緒傾向得分，分數越高，表明情緒越積極。算法對樣本數據進行訓練和測試。本文使用10折交叉驗證來測試正確率，即將訓練集分解成10個折疊，每次留其中的1個折疊進行預測，剩余的折疊用來訓練。經測試，所有折疊交叉驗證的準確率（正確預測的比率）均超過90%，平均值為92.3%。

（4）計算MD&A的情緒得分。根據步驟（3）選出最優的情緒測度模型，將MD&A的句子分為積極、消極和中立三種類型，然后參考Rahman［7］對文本情緒的測度方法，計算得到MD&A的情緒得分Titj，公式如下：

Titj=（Pitj-Nitj）/（Pitj+Nitj）（1）

其中，Pitj和Nitj分別表示公司i在第t年的年報j中的積極和消極句子的總數。T的分數在［-1，1］之間，分數越大表明管理者情緒越積極。此外，本文還單獨計算了凈積極情緒（POSitj）和凈消極情緒（NEGitj）。凈積極（凈消極）情緒的計算方法為積極（消極）句子的總數除以文檔中的句子總數。

2.違規行為

由于上市公司年報在次年的1月1日—4月30日之間披露，為了考察2009—2019的年報文本情緒對公司違規行為的預警識別效果，參考錢愛民等［28］對違規處罰變量的選取方法，本文選取上市公司下一期的違規處罰數據，即以2010—2020年5月1日—12月31日公布的對上市公司違規處罰的數據衡量公司的違規行為，換言之，如果年報文本情緒為t年，違規處罰數據則為t+1年。

（1）違規處罰：衡量該年度上市公司是否因違規而受到監管部門的處罰。設置違規處罰虛擬變量（FR），如果上市公司當期被監管部門處罰取1，否則取0。

（2）違規嚴重程度：衡量上市公司因違規所受處罰嚴重程度的指標，依據上市公司當期所受處罰的類型確定。本文參考周澤將等［15］的方法，若上市公司當期未受到處罰，則取值為0；若受罰類型為批評或“其他”，則取值為1；若受罰類型為警告或譴責，則取值為2；若受罰類型為罰款或沒收非法收入，則取值為3；若同時受到多種處罰或者一年內多次受到處罰，則按照最嚴重的受罰類型進行取值。

主要變量定義見表1。

（三）模型設計

為減少公司財務特征、公司治理因素等對公司違規行為的影響，本文從公司財務指標、公司治理結構和其他相關指標中選取控制變量，建立以下模型：

FRit+1=α0+α1Tit+∑α2jXit+∑Ind+∑Ye+εit（２）

FDit+1=β0+β1Tit+∑β2jXit+∑Ind+∑Ye+εit（３）?

其中，Tit為公司i的t年度年報的MD&A文本情緒值，可根據需要設為MD&A概述部分或展望部分的文本情緒值（NTit或FTit）；Xit為控制變量；Ind為行業；Ye為年份；FRit+1和FDit+1為該公司在t+1年度受到的違規處罰和違規嚴重程度。

四、實證結果與分析

（一）主要變量的描述性統計

主要變量的描述性統計結果見表2，在樣本期間有15.1%的樣本因違規而受到監管部門的處罰，且樣本公司的平均違規嚴重程度為0186。MD&A文本情緒T的均值為0384，中位數為0403，標準差為0229；概述部分NT的均值為0535，中位數為0684，標準差為0470，而展望部分FT的均值為0386，中位數為0400，標準差為0337，說明大部分公司的經營狀況和對未來的展望都比較樂觀，但是NT的標準差更大，表明不同公司在概述部分的情緒差異更大。表中Fs為MD&A的文本規模的對數。

（二）相關性分析

本文對各個變量進行了相關性分析，主要變量的Pearson檢驗結果顯示，MD&A文本情緒（T）與公司的財務指標、治理結構等其他特征相關。T與違規處罰（FR）的相關系數在1%水平上顯著為負，與文本假設H1相符。相關系數矩陣顯示，絕大多數變量直接的相關系數小于0.3，說明模型不存在嚴重的多重共線性問題。因篇幅限制，表格予以省略。

（三）變量檢驗和分組檢驗

MD&A文本情緒與樣本公司是否因違規被處罰的分組檢驗情況見表3。可以看出，未被處罰的樣本，其MD&A文本情緒（T）、概述部分（NT）、展望部分（FT）的均值均顯著高于被處罰的分組。從該結果可以推測，MD&A文本情緒越消極，公司因違規被處罰的可能性越大。

MD&A文本情緒與樣本公司受到不同程度違規處罰的分組檢驗情況見表4。總體上違規越嚴重的分組，T的均值越消極，但是對于違規嚴重程度最高的組別其均值比違規嚴重程度次高的組別更積極。分別考察NT和FT，發現無違規組的NT和FT的均值均顯著高于違規組；違規越嚴重，NT的均值越消極；FT與無違規組的差異相對NT與無違規組的差異較小；在違規嚴重程度最高的組別中FT均值明顯高于違規嚴重程度次高的組別。從該結果可以推測，MD&A越消極，公司可能違規越嚴重；NT與樣本公司違規行為的相關性較高；FT的文本情緒有時候或存在被操縱的可能。

（四）MD&A文本情緒與公司違規行為

采用式（2）（3）檢驗MD&A文本情緒（T）與樣本公司當期是否因違規被處罰（FR）和違規嚴重程度（FD）之間的關系。為控制宏觀經濟波動和行業因素的影響，在回歸模型中加入年度固定效應和行業固定效應。由于被解釋變量FR為二元取值變量，因此采用Logit回歸分析，回歸結果見表5第（1）（2）列。而被解釋變量FD有4個取值，按嚴重程度從低到高分別是未處罰（FD=0），發生批評及其他（FD=1），警告及譴責（FD=2），罰款及沒收非法收入（FD=3），因此采用Ordered?Logit回歸分析，回歸結果見第（3）（4）列。

從表5可以看出，T的系數均在1%水平上顯著為負。以上結果說明，MD&A文本情緒能夠傳遞公司治理層面的相關信息，MD&A文本情緒越消極，公司發生違規行為的可能性越大，支持假設H1。

（五）MD&A概述、展望部分文本情緒與公司違規行為

MD&A概述和展望部分兩者的側重點不同，前者側重于公司當前經營狀況的討論和分析，后者則側重于公司未來的發展規劃以及可預期的風險揭示。下面分別使用MD&A概述部分（NT）和展望部分（FT）使用式（2）（3）對公司違規行為進行回歸分析，結果見表6和表7。從表6可以看出，概述部分與違規處罰和違規嚴重程度的系數均在1%水平上顯著為負。如前所述，MD&A概述部分正常情況下客觀地反映了公司的經營狀況，MD&A概述部分文本情緒與公司違規行為負相關，支持了假設H2前半部分。

表7第（1）（3）列中，展望部分（FT）的系數均在1%水平上顯著為負，而加入控制變量和行業固定效應之后回歸結果如第（2）（4）列所示，FT的負相關系數并不顯著。這表明，如前所述，展望部分主要反映的是公司未來的發展規劃和可能面臨的風險，由于很多風險揭示具有行業普遍性，受到宏觀經濟和政策的影響，因此跟個別公司違規的相關性相對較小。該結果支持了假設H2后半部分。

（六）信息透明度對MD&A文本情緒與違規行為相關性的影響

為驗證上市公司信息透明度對MD&A文本情緒與上市公司違規行為的調節作用，分別在式（2）（3）的基礎上增加信息透明度（Opa），以及MD&A文本情緒與信息透明度的交乘項（T×Opa）進行回歸檢驗。信息透明度缺失部分由中位數補充。從表8第（2）列可以看出，MD&A文本情緒的系數在10%水平上顯著為正，而交乘項的系數在5%水平上顯著為負。這說明信息透明度能調節MD&A文本情緒對違規行為的識別功能，當信息透明度較低時，MD&A文本情緒與上市公司的違規行為正相關，而信息透明度越高，MD&A文本情緒與公司違規行為的負相關性越強，即較高的信息透明度能夠強化MD&A文本情緒與上市公司違規行為的負相關性，以上結果支持了假設H3。而表8第（4）列中交乘項的負相關系數并不顯著，這說明信息透明度對MD&A文本情緒與上市公司違規嚴重程度的調節作用不顯著。造成上述現象的可能原因在于，信息透明度是上市公司治理水平的體現，信息透明度較低的公司存在隱瞞事實或者語調操縱的可能。

五、進一步分析

（一）內生性檢驗

1.信息披露監管政策的影響

治理良好、業績較好的公司往往信息披露更全面，文本情緒更積極，發生違規的概率較低；而治理較差、業績較差的公司發生違規的概率較大，并且可能會通過MD&A進行信息掩飾。因此，本文結論有可能存在遺漏關鍵變量所導致的偽相關問題，即內生性問題。為了控制內生性問題對研究結論的影響，參考孟慶斌等［29］的研究，本文選取MD&A披露規定的修訂作為外生沖擊，比較修訂前后MD&A文本情緒與公司違規行為的相關性。2012年9月，中國證券監督管理委員會進一步對MD&A?信息披露要求進行完善，對披露語言作出了規范，強調MD&A“語言表述平實，清晰易懂，力戒空洞、模板化”，要求上市公司在MD&A中不再簡單重復財務報告內容，而是著重披露公司的重大投資項目、并購重組、研發項目、人才計劃和未來計劃等，在展望部分還需要披露行業競爭格局和發展趨勢、公司發展戰略及可能面對的風險等前瞻性內容，從而使投資者可以更充分地了解公司的未來變化趨勢。本文預期修訂后MD&A的信息披露質量進一步提高，風險揭示作用有所增強。本文將樣本分為修訂前（2012年之前）和修訂后（2012年及以后）兩組，采用式（2）（3）進行回歸分析，回歸結果見表9。修訂后MD&A文本情緒與樣本公司當期違規處罰、違規嚴重程度均在1%水平上顯著負相關，而修訂前不顯著。這表明，在控制了內生性問題后，本文的研究結論依然成立。

2.工具變量法

本文可能存在反向因果關系的內生性問題，即當上市公司前期因違規受到處罰時，由于前期處罰的震懾作用，上市公司可能會調整當期MD&A信息披露的內容和語調。Loughran?等［30］認為文本規模可以

準確度量年報的可讀性，跟市場和分析師的估值具有一致性，并且當公司試圖掩蓋與收益相關的信息時，傾向于采用更長的文檔以達到隱藏信息的目的，同時，訴訟風險也會促使管理者使用更多的文字披露信息。MD&A文本情緒會受到文本規模的影響，但目前尚沒有證據表明MD&A的文本規模與公司的違規行為相關，故滿足外生性原則。因此，本文選取MD&A的文本規模Fs作為工具變量。

參考周澤將等［15］的研究，當被解釋變量為違規處罰（FR）時，使用工具變量進行IV?Probit回歸分析，當被解釋變量為違規嚴重程度（FD）時，使用工具變量進行?IV?Ordered?Probit?回歸分析。回歸結果見表10。

（二）替換文本情緒的回歸結果分析

本文以?MD&A?的凈積極情緒（POS）和凈消極情緒（NEG）替換T值，對模型進行穩健性檢驗。POS和NEG的計算方法分別如式（4）（5）所示，其中Pitj、Nitj和Mitj分別表示公司i在第t年的年報j中的積極、消極和中立句子的總數。POS和NEG的值均在［0，1］之間，數值越大表明管理者情緒越積極（或越消極）。回歸結果如表11所示，POS?與FR?和FD?的相關系數均在1%水平上顯著負相關;NEG與FR和FD的相關系數均在1%水平上顯著正相關。這說明，MD&A文本凈積極情緒值替換文本情緒以后，本文的主要結論依然穩健。

（三）MD&A文本情緒與不同類型的違規行為

研究發現MD&A文本情緒與樣本公司的違規行為之間存在著顯著的負相關關系，那么MD&A文本情緒與不同違規類型的相關性是否存在差異？參照中國證券監督管理委員會對公司違規行為的分類

根據中國證券監督管理委員會的規定，信息披露違規包括虛構利潤、虛列資產、虛假記載、推遲披露、重大遺漏、披露不實和一般會計處理不當7個次類；經營違規包括出資違規、擅自改變資金用途、占用公司資產、違規擔保和其他5個次類；領導人違規包括內幕交易、違規買賣股票和操縱股價3個次類。和孟慶斌等［18］的研究，本文將公司的違規行為劃分為信息披露違規（Vio=1）、經營違規（Vio=2）和領導人違規（Vio=3）三種類型。對不同的違規類型分別采用式（2）進行回歸分析，結果如表12所示。可以看出，MD&A文本情緒（T）與信息披露違規和經營違規均在1%水平上顯著負相關，?而與領導人違規MD&A文本凈積極情緒值替換文本情緒以后，本文的主要結論依然穩健。

（三）MD&A文本情緒與不同類型的違規行為

研究發現MD&A文本情緒與樣本公司的違規行為之間存在著顯著的負相關關系，那么MD&A文本情緒與不同違規類型的相關性是否存在差異？參照中國證券監督管理委員會對公司違規行為的分類

根據中國證券監督管理委員會的規定，信息披露違規包括虛構利潤、虛列資產、虛假記載、推遲披露、重大遺漏、披露不實和一般會計處理不當7個次類；經營違規包括出資違規、擅自改變資金用途、占用公司資產、違規擔保和其他5個次類；領導人違規包括內幕交易、違規買賣股票和操縱股價3個次類。和孟慶斌等［18］的研究，本文將公司的違規行為劃分為信息披露違規（Vio=1）、經營違規（Vio=2）和領導人違規（Vio=3）三種類型。對不同的違規類型分別采用式（2）進行回歸分析，結果如表12所示。可以看出，MD&A文本情緒（T）與信息披露違規和經營違規均在1%水平上顯著負相關， 而與領導人違規的相關性不顯著。這說明MD&A文本情緒對三類違規行為的反應程度并不是完全相同的，因為信息披露和經營違規跟公司的財務會計信息和經營行為相關，而領導人違規更多體現為個人行為，如違規買賣股票等，這些行為雖然是違規或者違法的，但是對公司整體經營的影響相對較小。因此，MD&A文本情緒可以識別公司違規行為，而不能識別領導人的個人違規行為。

六、研究結論與啟示

本文以2009—2019年滬深A股上市公司為樣本，采用機器學習的方法分析了年報中MD&A的文本情緒，并考察了MD&A文本情緒與公司違規行為的相關性。研究發現：整體而言，MD&A文本情緒與公司的違規行為負相關。對MD&A細分后發現，展望部分與公司違規行為的負相關性弱于概述部分。進一步研究發現，信息透明度在MD&A文本情緒與公司違規行為之間具有調節作用，在信息透明度較高時，其負相關性增強，而在信息透明度較低時，管理層語調越積極，公司違規的可能性越大。在控制內生性和調整了MD&A文本情緒值后，本文的結論依然穩健。此外，本文還發現MD&A文本情緒與不同違規類型的相關性也有差異，與信息披露類和經營類違規的相關性大于領導人違規。本文的研究拓寬了公司違規的研究范圍，同時具有以下現實啟示：

第一，上市公司應提升披露文本的信息價值。由于文字的多樣性，其表述更為自由，受到的限制相對較少。年報作為上市公司向公眾及投資人傳遞信息的重要途徑，上市公司應重視文本信息的披露，通過文本信息傳遞更多的增量信息以便于吸引潛在投資者。同時，公司應該提升信息披露的質量和信息透明度，公司高管應履行委托代理的責任，從公司的長遠發展考慮，真實地披露公司現狀，避免對外部投資者的誤導行為，減少信息不對稱。

第二，監管部門應加強對信息披露的管控。本文的研究表明，2012年信息披露要求的修訂對提高MD&A文本信息披露質量起到了積極的作用。因此，監管部門除了對文本披露的形式及數據信息方面的管控外，還應加強文本信息的監管力度，嚴格控制文本信息的真實性，并對文本披露進行規范。如加強對誤導性陳述和隱瞞重大信息等違規行為的懲罰力度，強制企業提升其信息披露的透明度，減少信息不對稱。監管機構通過嚴格的監管使市場有效運行，從而提升資金配置效率，促進證券市場的健康、平穩發展。

第三，投資者和公眾應重視對文本信息的解讀。投資者和公眾除對財務信息進行解讀外，還需要關注文本信息的價值，準確獲取來自公司管理層的信號，理性分析公司當前經營狀況，最終做出理性的投資行為。對于信息透明度較差的公司，要特別關注其文本信息的披露，結合財務數據分析其披露信息的真實性，做出理性的判斷后再進行投資決策。

本研究還存在著不足之處。首先，在MD&A文本情緒測度方面，本文采用機器學習的方法，其準確率不僅跟算法有關，還跟訓練樣本的數量和質量有關，在以后的研究中可通過改進算法、提升訓練樣本的數量和質量提高文本情緒測度的準確率。其次，在對解釋變量的使用中，本文僅考慮了文本情緒這一文本特征，在以后的研究中可使用更多的文本特征，如文本相似度、可讀性等豐富研究內容。最后，在模型設定中，本文僅分析了文本情緒與公司違規行為的相關性，在今后的研究中可優化研究模型，采用機器學習、深度學習等方法，繼續研究文本情緒及其他文本特征信息對公司違規的識別作用，深入探究文本信息的價值。

參考文獻：

［1］?黃锫.為什么選擇性執法：制度動因及其規制［J］.中外法學，2021（3）：783797.

［2］?MCMULLEN?D?A.?Audit?committee?performance：an?investigation?of?consequences?associated?with?audit?committees［J］.?Auditing：?A?Journal?of?Practice?and?Theory，?1996，?16（1）：?87103.

［3］?陳國進，林輝，王磊.公司治理、聲譽機制和上市公司違法違規行為分析［J］.南開管理評論，2005（6）：3540.

［4］?AGRAWAL?A，?CHADHA?S.?Corporate?governance?and?accounting?scandals［J］.?Journal?of?Law?and?Economics，?2005，?48（2）：?371406.

［5］?周開國，應千偉，鐘暢.媒體監督能夠起到外部治理的作用嗎：來自中國上市公司違規的證據［J］.金融研究，2016（6）：193206.

［6］?JAESCHKE?R，?LOPATTA?K，?YI?C.?Managers’use?of?language?in?corrupt?firms’?financial?disclosures：?evidence?from?FCPA?violators［J］.?Scandinavian?Journal?of?Management，?2018，?34（2）：170192.?

［7］?RAHMAN?S.Discretionary?tone，?annual?earnings?and?market?returns：?evidence?from?UK?interim?management?statements［J］.?International?Review?of?Financial?Analysis.?2019，65：101384.

［8］?JIANG?F，?LEE?J，?MARTIN?X，?et?al.?Manager?sentiment?and?stock?returns［J］.?Journal?of?Financial?Economics，2019，?132（1）：126149.

［9］?MAI?F，?TIAN?S，?LEE?C，?et?al.?Deep?learning?models?for?bankruptcy?prediction?using?textual?disclosures［J］.?European?Journal?of?Operational?Research，?2019，274（2）：743758.

［10］WEI?L，?LI?G，?ZHU?X，?et?al.Developing?a?hierarchical?system?for?energy?corporate?risk?factors?based?on?textual?risk?disclosures［J］.?Energy?Economics，?2019，80：452460.

［11］曾慶生，周波，張程，等.年報語調與內部人交易：“表里如一”還是“口是心非”？［J］.管理世界，2018（9）：143160.

［12］陸瑤，朱玉杰，胡曉元.機構投資者持股與上市公司違規行為的實證研究［J］.南開管理評論，2012（1）：1323.

［13］蔡志岳，吳世農.董事會特征影響上市公司違規行為的實證研究［J］.南開管理評論，2007（6）：6268.

［14］劉振杰，顧亮，李維安.董事會非正式層級與公司違規［J］.財貿研究，2019（8）：7687.

［15］周澤將，馬靜，胡劉芬.經濟獨立性能否促進監事會治理功能發揮：基于企業違規視角的經驗證據［J］.南開管理評論，2019（6）：6276.

［16］滕飛，辛宇，顧小龍.產品市場競爭與上市公司違規［J］.會計研究，2016（9）：3240.

［17］孟慶斌，李昕宇，蔡欣園.公司戰略影響公司違規行為嗎？［J］.南開管理評論，2018（3）：116129.

［18］孟慶斌，鄒洋，侯德帥.賣空機制能抑制上市公司違規嗎？［J］.經濟研究，2019（6）：89105.

［19］曹春方，陳露蘭，張婷婷.“法律的名義”：司法獨立性提升與公司違規［J］.金融研究，2017（5）：191206.

［20］FELDMAN?R，?GOVINDARAJ?S，?LIVNAT?J，?et?al.?Management’s?tone?change，?post?earnings?announcement?drift?and?accruals［J］.?Review?of?Accounting Studies，?2010，15（4）：915953.

［21］LI?F.?The?information?content?of?forwardlooking?statements?in?corporate?filings：?a?nave?Bayesian?machine?learning?approach［J］.?Journal?of?Accounting?Research，?2010，48（5）：1049102.

［22］HUANG?X，TEOH?S?H，?ZHANG?Y.?Tone?management［J］.?Accounting?Review，2014，89（3）：10831113.

［23］朱朝暉，許文瀚.上市公司年報語調操縱、非效率投資與盈余管理［J］.審計與經濟研究，2018（3）：6372.

［24］周波，張程，曾慶生.年報語調與股價崩盤風險：來自中國A股上市公司的經驗證據［J］.會計研究，2019（11）：4148.

［25］XIAO?W?;D，?YAO?X，?LUAN?G?J.?Is?textual?tone?informative?or?inflated?for?firm’s?future?value？?Evidence?from?Chinese?listed?firms［J］.?Economic?Modelling，?2021，94：513525.

［26］曾月明，?崔燕來，?陳云.?我國上市公司信息披露違規的影響因素研究：基于2006—2009年數據的實證分析［J］.?經濟問題，?2011（1）：?11620.

［27］CONNELLY?B?L，?CERTO?S?T，?IRELAND?R?D，?et?al.?Signaling?theory：a?review?and?assessment［J］.?Journal?of?Management，?2010，37（1）：3967.

［28］錢愛民，朱大鵬.財務報告文本相似度與違規處罰：基于文本分析的經驗證據［J］.會計研究，2020（9）：4458.

［29］孟慶斌，?楊俊華，?魯冰.?管理層討論與分析披露的信息含量與股價崩盤風險：基于文本向量化方法的研究［J］.?中國工業經濟，?2017（12）：?132150.

［30］LOUGHRAN?T，?MCDONALD?B.?Measuring?readability?in?financial?disclosures［J］.?The?Journal?of?Finance，2014，?69：?16431671.

［本刊相關文獻鏈接］

［1］

編輯：李再揚，高原