互联网沟通与股价崩盘风险*

奥鹏网院作业

互联网沟通与股价崩盘风险*
孟庆斌 黄清华 赵大旋 鲁 冰
[提 要] 本文采用2010年第1季度—2015年第3季度深交所上市公司作为研究对象，对“互动易”问答平台上企业与投资者沟通的内容与股价崩盘风险之间的关系进行了研究，具体而言，研究投资者提问以及董秘回复的负面语气是否能够降低相应公司股价崩盘风险。研究发现：首先，投资者提问的负面语气能够显著降低公司的股价崩盘风险，董秘回复的负面语气则与股价崩盘风险不相关。其次，机构投资者持股比例较高或持股户数较多的股票，公司股价崩盘风险与投资者提问的负面语气之间的负向关系更强。此外，进一步的分析表明，投资者提问的语气越负面，机构投资者下期的持仓越小，越倾向于卖出股票，且投资者提问的负面语气能够显著地降低信息不对称；投资者正面语气与股价崩盘风险之间不存在显著的相关性。本文为管理层与投资者信息交流机制方面的研究以及股价崩盘风险方面的文献提供了有益的补充。
[关键词] “互动易”平台；股价崩盘风险；负面语气
一、引言
股价崩盘严重影响股票市场的健康发展和投资者的财富安全，受到了学者和业界的广泛关注。目前学者主要从交易机制、管理层的动机和公司的外部因素等角度研究股价崩盘风险的影响因素。Hong & Stein(2003)从交易机制的角度出发，认为在存在卖空限制的情况下投资者异质性信念会导致未来股价崩盘，主要由于卖空限制使得悲观的投资者不能通过卖空的方式反映其悲观情绪或负面消息，只有乐观投资者参与交易，使得股价被高估，当负面信息积累到一定程度，超过某一临界值，将集中释放到市场中，导致股价崩盘。部分学者从管理层的角度出发研究发现，股价崩盘产生的主要原因是在信息不对称的情况下(Jin & Myers, 2006; Hutton et al., 2009)，管理层基于保护自己的职位和薪酬(Verrecchia, 2001; Graham et al., 2005; Ball, 2009)、晋升(Piotroski & Wong, 2011)、期权(Kim et al., 2011a)、掏空(Kim et al., 2011b)、企业社会责任(权小峰等，2015)等动机隐藏公司的负面信息，当隐藏的负面信息超过一定阈值时，负面信息集中释放，导致股价暴跌。还有部分学者从公司的外部因素出发研究发现，分析师面临的利益冲突(许年行等，2012)、机构投资者的羊群效应(许年行等，2013)和机构投资者(曹丰等，2015)加大了公司与投资者之间的信息不对称，隐藏负面信息，加剧了崩盘风险。王化成等(2015)发现大股东持股比例越大，监督效应越强，降低了崩盘风险。
随着互联网技术的快速发展，深圳证券交易所于2010年1月1日利用互联网技术建立了“上市公司投资者关系互动平台”，为投资者提供了与上市公司更为直接、快捷的沟通方式，使投资者与上市公司之间的互动交流、信息获取、信息鉴别更加容易。2011 年11 月12 日深交所推出基于Web 2.0 平台的升级版，并更名为“互动易”。投资者可以在“互动易”平台上针对上市公司提出问题，公司董秘代表公司根据投资者提出的问题做出相应的回复。“互动易”平台的推出为投资者通过管理层互动方式获取深交所上市公司信息提供了新的渠道，缓解了投资者与上市公司之间的信息不对称，提升了市场的信息效率水平(谭松涛等，2016)。但现有研究更多的是针对“互动易”平台的开通进行研究，对于上市公司与投资者沟通的内容鲜有涉及。同时，仅对开通事件进行研究无法排除其他市场因素的干扰，结论的稳健性存在一定问题。
本文采用2010年第1季度—2015年第3季度深交所上市公司作为研究对象，考察了“互动易”平台上企业同投资者之间的沟通对股价崩盘风险的影响，即投资者提问和董秘回复的负面语气对股价崩盘风险的影响。之所以考察问答中的负面语气，是由于：一方面，前人(Das & Chen, 2007; Tetlock, 2007; Tetlock et al., 2008; Li, 2008; Loughran & McDonald, 2011; Davis et al., 2012)研究发现，负面词汇更能捕捉到文章的基调；另一方面，股价崩盘主要是由于管理层对负面信息的隐藏导致的，考察“互动易”平台上的问答负面情绪有助于对二者之间的关系及其作用机理获得更加清晰的理解。之所以将股价崩盘风险作为研究对象，是由于股价崩盘对股票市场的健康发展影响巨大，而深交所设立这种投资者与管理层之间的沟通平台有助于降低投资者与上市公司之间的信息不对称，促进信息的快速传播，从而缓解股价崩盘风险。
本文发现：首先，投资者提问的负面语气能够显著降低公司的股价崩盘风险，董秘回复的负面语气与股价崩盘风险不相关。这说明投资者提问的负面语气中包含了更多的负面信息，而公司方面的回复则更多流于形式，即使其中也表达出一定的负面语气，也无助于公司负面信息的释放和股价风险的下降，说明企业并没有通过与投资者的线上沟通传达出更多的信息，而投资者则能够通过线上沟通披露出其掌握的负面信息。其次，对于机构投资者持股比例较高或持股户数较多的股票，公司股价崩盘风险与投资者提问的负面语气之间的负向关系更强。这说明机构投资者的存在有助于平台上投资者披露的信息更好地融入股价，提高了股票信息效率。此外，进一步的分析表明，投资者提问的语气越负面，机构投资者下期的持仓越小，越倾向于卖出股票，且投资者提问的负面语气能够显著降低信息不对称。
本文的理论贡献体现在如下方面：其一，以往学者对于企业与投资者沟通的研究主要基于业绩说明会等传统的沟通方式， “互动易”平台则是中国证券市场新兴的一种投资者与企业之间的线上沟通方式。本文通过研究平台上投资者提问与董秘回复的负面语气对未来股价崩盘风险的影响，证明了这一平台的确有助于稳定市场，降低股价的异常波动，补充了企业与投资者信息交流机制相关的文献。其二，以往学者更多从公司内部管理层的角度出发研究股价崩盘风险的影响因素，而本文则从公司外部信息机制的角度研究了其对股价崩盘风险的影响，发现外部投资者的负面语气能够降低股价崩盘风险，且投资者的负面语气能够通过影响其他投资者的交易行为对股价崩盘风险产生影响。其三，以往的学者大多针对机构投资者进行研究，认为股票市场的价格发现功能由机构投资者主导，少数学者(Chen et al., 2014)发现普通投资者也是有信息发现能力的。本文证明普通投资者的负面提问能够通过加速负面信息融入股价的速度，从而对资本市场产生影响，丰富了普通投资者方面的理论。
本文剩余部分的结构安排如下：第二部分进行文献综述和理论分析，并提出研究假说；第三部介绍主要的变量、数据描述以及研究方法；第四部分对研究假说进行检验并分析其结果；第五部分和第六部分分别做进一步研究和稳健性检验；最后一部分为研究结论并提出相应政策启示。
二、文献综述与研究假设
(一)文献综述与制度背景
学术界对股价崩盘风险的影响因素进行了深入的研究，主要分为市场机制、管理层的动机和公司的外部因素这三个方面。其一是通过市场机制进行研究。Hong & Stein(2003)最早在理论上提出，在存在卖空限制的情况下投资者异质性信念会导致未来股价崩盘，这是由于卖空限制使得悲观的投资者不能通过卖空的方式反映其悲观情绪或负面消息，只有乐观投资者参与交易使得股价被高估。当负面信息积累到一定程度，超过某一临界值后集中释放到市场上，导致股价崩盘。之后学者通过一系列的实证研究(Chen et al., 2001; Bris et al., 2007)证明了这一理论。其二是通过对公司管理层的动机进行研究。学者们发现，管理层基于保护自己的职位和薪酬、晋升、期权、掏空、企业社会责任等动机隐藏公司的负面信息。当隐藏的负面信息超过一定阈值时，负面信息集中释放到市场，最终造成股价崩盘。并且Jin & Myers(2006)和Hutton et al.(2009)认为对于信息不透明的公司，管理层更容易隐藏负面信息，引起股价崩盘。其三是从公司的外部因素出发进行研究。研究表明，分析师面临的利益冲突、机构投资者的羊群效应和机构投资者加大了公司与投资者之间的信息不对称，隐藏负面信息，都会加大股价崩盘风险。大股东持股比例越大，监督效应越强，会降低崩盘风险。综上所述，卖空限制和投资者异质性信念、管理层的代理问题和信息不对称是引起股价崩盘风险的重要原因。由于本文主要研究深交所“互动易”平台上投资者提问和董秘回复的负面语气对公司未来股价崩盘风险的影响，并不涉及市场交易机制，所以本文主要集中于从管理层的代理问题和信息不对称这两个层面进行分析。
深圳证券交易所于2010年1月1日正式推出“互动易”平台。投资者可以在“互动易”平台上针对某个公司提出问题，相应公司的董秘则会针对所提出的问题进行回复。同时，历史的问答信息被保留在平台网站上，其他投资者也可以通过浏览这些记录获取信息。“互动易”平台的推出极大地缓解了投资者与公司之间的信息不对称问题(谭松涛等，2016)。
不同于以往投资者与公司之间的交流方式，“互动易”平台构建了一种更加快速、便捷的交流方式。以往投资者获取信息的主要来源是公司的一些定期报告。除此之外，投资者还可以通过电话沟通、投资者会议、路演、分析师或投资者日、调研等方式获取信息(Soltes, 2014;Solomon & Soltes, 2015)，但这些方式成本较高，因此更多被分析师和机构投资者所利用，而大部分中小投资者则被排除在外。深圳证券交易所推出的“互动易”平台服务使所有的投资者(个人投资者和机构投资者)都能够通过平台向上市公司提问，并浏览其他投资者的提问和董秘的回复。这样一方面投资者能够从董秘的回复获取信息，另一方面可以通过阅读其他投资者的提问获取信息。
(二)理论分析与研究假设
以往研究普遍认为股价崩盘风险与公司负面信息的累积存在紧密的关系。管理层基于保护自己的职位和薪酬、晋升、期权、掏空、企业社会责任等动机隐藏公司的负面信息，随着管理层等内部人隐藏负面信息的逐渐累积，一旦超过临界点，大量负面信息终将集中释放，从而导致股价暴跌致使崩盘。可见，在信息不对称的情况下，坏消息的累积及瞬间释放是导致股价崩盘风险的一个重要原因。
而深交所 “互动易”平台的推出一方面有利于加深投资者对公司晦涩难懂的定期披露文件的理解，有助于投资者更好地解读公司投资、融资、股利分配等方面的信息；另一方面，有利于投资者之间信息的交流，使得信息流通更加快捷，从而提高公司的信息透明度。具体而言，“互动易”平台上投资者提问的负面语气对未来股价崩盘风险的影响机制可以从以下几个方面进行分析。
首先，随着互联网的发展，越来越多的学者对基于互联网沟通的方式进行了一系列研究，前人通过对雅虎股票讨论版、谷歌搜索以及推特等研究发现，这些互联网沟通方式的确能够有效地传递信息(Antweiler & Frank, 2004; Blankespoor et al., 2014; Chen et al., 2014)，而且相当一部分信息包含在投资者所发表文章和评论的内容和语气当中。相比于微博、论坛等平台，本文所研究的“互动易”平台是投资者与上市公司之间的官方沟通平台，在“互动易”上提问的投资者态度更加严肃和正式，因而有可能包含更多的信息。
其次，Miller & Skinner(2015)指出，基于互联网的信息沟通交流方式优化了投资者获取信息、处理信息的方式、方法，提高了投资者的信息处理能力。与微博、论坛等相似，“互动易”也是一个公开的互联网平台，当投资者在该平台上的提问包含了公司可能的负面信息时，就有可能吸引其他投资者的注意，诱发他们针对相关问题进行更加深入的信息收集和挖掘，更利于他们处理信息，从而使得投资者及时通过交易将负面信息反映到股价当中，从而提高公司的透明度，降低未来的股价崩盘风险。基于以上分析，本文提出假说1：
假说1 投资者提问的语气越负面，公司未来的股价崩盘风险越低。
董秘作为公司的管理层，一方面由于代理问题不会将真实信息传达给投资者，更多的是通过乐观语气掩盖公司的负面信息；另一方面，部分公司董秘对投资者提出的问题不认真回复，而是以敷衍的态度回复，其回复内容不足以传递出足够的信息，因此难以缓解公司与投资者之间的信息不对称问题，有的甚至会加大信息不对称程度。所以笔者认为董秘回复的负面语气并不能显著影响公司未来的股价崩盘风险。基于以上分析，本文提出假说2：
假说2 公司未来的股价崩盘风险与董秘回复的负面语气不相关。
如果假说1和假说2得以验证，说明由于投资者提问的负面语气传达的负面信息更多，其他投资者意识到公司可能存在负面信息，对公司的信息进行收集和挖掘，使得负面信息提前反映在股价中，降低公司未来的股价崩盘风险。那么到底是机构投资者还是个人投资者在收集和挖掘公司的负面信息呢？
首先，不同于个人投资者，机构投资者具有更多的专业知识，更能够挖掘出报表中所隐藏的负面信息。同时，机构投资者的信息来源更为广泛，当他们面对不确定的信息时，有更好的渠道与公司沟通。因此，大多数学者认为机构投资者的信息挖掘能力比个人投资者更强(Boehmer & Kelley, 2009; Irvine et al., 2007; Campbell et al., 2009; Hendershott et al., 2015)。由此可以推测出，当机构投资者持股比例较高或持股户数较多时，投资者提问的语气越负面公司未来的股价崩盘风险越低。基于以上分析，本文提出假说3a：
假说3a 机构投资者持股比例较高或持股户数较多的股票，股价崩盘风险与投资者提问的负面语气之间的负向关系更强。
虽然大多数学者认为机构投资者的信息收集和挖掘能力比个人投资者强，但是近年来有部分文章认为个人投资者也并非完全不具有信息获取能力。如Kaniel et al.(2012)发现个人投资者的买(卖)能够显著预测盈余公告附近的正向(负向)异常收益，认为个人投资者也具有信息优势。Kelley & Tetlock (2013)发现激进(市价)和被动(限价)的个人投资者的净买入均能正向预测股票的未来收益率，激进的个人投资者的净买入能预测主要由于其具有信息优势，而被动的则由于个人投资者提供流动性因而受益于股价的临时反转。Kelley & Tetlock(2017)使用来自不同经纪商的个人投资者的交易数据发现个人投资者的卖空行为能够显著地负向预测股票的未来收益率，并且能够持续长达一年。Chen et al.(2014)通过对美国个人投资者社交平台(seeking alpha)进行文本分析，发现社交平台上发布的文章和评论均能显著地预测股票收益和盈余意外。综上所述，个人投资者也具有一定的信息收集和挖掘能力。
更为重要的是，机构投资者具有更好的信息渠道，当对特定信息感兴趣时，可以对企业进行深入调研，甚至可以直接致电公司高管，因此可能对“互动易”平台依赖性较弱。而个人投资者的信息收集途径更少，“互动易”平台更是他们为数不多的与公司高管直接沟通的渠道，因此他们可能更加依赖于“互动易”，更关注网络平台上投资者提问的内容。基于以上分析，本文提出对立假说3b：
假说3b 个人投资者持股比例较高或持股户数较多的股票，股价崩盘风险与投资者提问的负面语气之间的负向关系更强。
三、研究设计
(一)变量定义与数据描述
鉴于深交所“互动易”平台(网址为http://irm.cninfo.com.cn/szse/index.html)是2010年1月1日正式运行的，并且本文的被解释变量股价崩盘风险使用季度数据进行衡量，所以本文选取2010年第1季度—2015年第3季度深圳证券交易所中的所有A股股票作为研究对象。同时，虽然上海证券交易所于2013年7月5日建立了有相似功能的“上海e互动”平台，但由于“上海e互动”平台上只包含董秘回复日期，而无投资者提问日期，无法对投资者提问进行分析，因此本文仅采用深交所的“互动易”平台进行研究。在数据处理过程中，本文剔除了金融行业的公司以及相关数据缺失的样本，共得到19 154个公司—季度的观测值。其中投资者的提问内容和董秘的回复内容均来自深交所“互动易”平台网站，其余的数据来自CSMAR数据库、Resset数据库和Wind数据库。
1.被解释变量：股价崩盘风险。借鉴已有的研究(Hutton et al., 2009; Kim et al., 2011a; Kim et al., 2011b; 许年行等，2012；许年行等，2013；王化成等，2015；孟庆斌等，2018)，本文采用以下方法构建两个衡量股价崩盘风险的指标。
首先，本文利用股票i的日收益数据计算股票i经过市场调整后的收益率。本文之所以采用日度收益率主要参考孟庆斌等(2018)的做法，是因为若使用周度收益率来计算季度股价崩盘风险，会导致每只股票每个季度的估计值最多仅有12个，使得模型估计的结果存在较大的偏差。本文计算方法如下：
ri,t=αi+β1,irM,t-2+β2,irM,t-1
+β3,irM,t+β4,irM,t+1
+β5,irM,t+2+εi,t
(1)
式中，ri,t为每个季度股票i在第t天的收益率；rM,t为市场在第t天的经流通市值加权的平均收益率。本文在式(1)中加入市场收益的滞后项和超前项，以调整股票非同步性交易的影响(Dimson, 1979)。因此，股票i在第t天经过市场调整后的收益率Wi,t为: Wi,t=ln(1+εi,t)，其中εi,t为残差。
第一个衡量股价崩盘风险的指标是股价上升和下降阶段波动性的差异(DUVOLi,t)。根据股票i经过市场调整后日收益率(Wi,t)是否大于季度平均收益将股票收益数据分为上升阶段(up weeks) 和下降阶段(down weeks) 两个子样本。DUVOLi,t计算如下：

(2)
式中，nu和nd分别表示经市场调整后的日度收益率(Wi,t)大于和小于季度平均收益的交易日数。DUVOLi,t的数值越大，代表收益率分布更倾向于左偏、崩盘风险越大。
第二个衡量股价崩盘风险的指标为股票i 经过市场调整后周收益率的负偏度(NCSKEWi,t) ，计算方法如下：


(3)
式中，n为股票i 每个季度的交易日数。NCSKEWi,t 的值越大，表示偏态系数负的程度越严重，股价崩盘风险越大。
2.解释变量：投资者提问和董秘回复的负面语气。以往学者均通过使用正负面的金融词汇提取出文章中包含的负面词汇，但是由于中文语法相对更加复杂，仅仅用词库得出文章的正负面性并不准确。为此，本文参考汪昌云和武佳薇(2015)、Bowen et al.(2018)等的研究，以北京理工大学张华平教授开发的大数据搜索与挖掘共享平台(NLPIR)(1)网址为http://ictclas.nlpir.org/nlpir。为工具，对互动文本信息逐条进行语义情感分析，逐条得出负面得分，最终得出投资者提问和董秘回复的负面得分。以NLPIR为工具进行的情感分析原理如下：第一步，根据已有字典对负面词汇进行自动识别，但已有字典的定义具有一定的主观性而且可能遗漏大量的词汇，因此需要第二步，即根据语意，训练和识别新的负面词汇。这一步主要采用两种方法：一是利用共现关系，采用Bootstrapping的策略反复迭代，生成新的情感词及权重；二是情感判别的深度神经网络，基于深度神经网络对情感词进行扩展计算，综合为最终的结果。第三步，重复对以上两步进行迭代，训练出特定语料范围内的负面词汇。第四步，利用人工神经网络进行深度学习，确定负面词汇的权重，并计算出每一段话的语气。需要注意的是，一段语料的语气负面程度并非各个负面词汇打分的叠加，而是这些词汇作为输入变量，利用非线性算法得到的整段语料的负面得分，这个过程当中不仅要考虑负面词汇，还要考虑上下文的关系。本文对部分样本通过人工阅读，将人工阅读的结果与用NLPIR为工具进行的情感分析结果进行对比，匹配率达到了85%以上。
为了控制提问和回复长短对负面情感的影响，本文用负面得分除以总字数进行标准化。然后本文根据每个季度的投资者提问负面语气中位数将每条投资者提问的负面语气(Neg_Questioni,t)定义为“非常负面”和“一般负面”，分别赋值为1和0；同理，将董秘回复的负面语气(Neg_Answeri,t)定义为“非常负面”和“一般负面”，同样赋值为1和0。
3.主要控制变量。
(1)投资者提问和董秘回复的其余控制变量。为了控制投资者提问和董秘回复的其余特征对股价崩盘风险的影响，本文将每季度投资者提问与董秘回复之间平均间隔时间(Intervali,t)、投资者提问和董秘回复的平均语句长度(Len_Questioni,t和Len_Answeri,t)、投资者提问和董秘回复的总次数(Frequency_Questioni,t和Frequency_Answeri,t)作为控制变量。
(2)机构投资者持股比例与持股户数。本文分别从机构投资者持股比例(机构投资者持股数除以流通股股数)和机构投资者持股户数来衡量机构投资者，定义方式如下：每个季度根据所有公司机构投资者持股比例的中位数将样本分为两组，如果公司i的机构投资者比例高于中位数，则Insti_Fractioni,t为1，否则为0；每个季度根据所有公司机构投资者持股户数的中位数将样本分为两组，如果公司i的机构投资者比例高于中位数，则Insti_Numi,t为1，否则为0。
(3)个人投资者持股比例与持股户数。本文从两个方面衡量个人投资者，分别为个人投资者持股比例和个人投资者持股户数，由于本文无法直接计算个人投资者持股比例，所以粗略地认为个人投资者持股比例等于(1-机构投资者持股比例)，之后每个季度根据所有公司机构投资者持股比例的中位数将样本分为两组，如果公司i的机构投资者比例低于中位数，则Indi_Fractioni,t为1，否则为0。同理，个人投资者持股户数等于总股东户数-机构投资者持股户数，之后每个季度根据所有公司个人投资者持股户数的中位数将样本分为两组，如果公司i的个人投资者持股户数比例高于中位数，则Indi_Numi,t为1，否则为0。
4.其他控制变量。借鉴已有文献(Hutton et al., 2009; Kim et al., 2011a; Kim et al., 2011b; 许年行等, 2012; 许年行等，2013；王化成等，2015)，本文在模型中加入如下控制变量：去趋势的股票换手率(Dturni,t)、股票的平均日特有收益率(Reti,t)、股票经市场调整后日收益率Wi,t的标准差(Sigmai,t)、公司规模(Sizei,t)、资产负债率(Levi,t)、成长性(MBi,t)、总资产收益率(Roai,t)、公司透明度(ABACCi,t)。此外，本文在模型中还控制了上一期的股价崩盘风险、行业哑变量、年度哑变量、季度哑变量。具体定义见表1。
(二)实证模型
检验假说1是否成立，即投资者提问的语气越负面公司未来的股价崩盘风险越小：
CrashRiski,t=α+β1×Neg_Questioni,t-1
+γ×ControlVariablesi,t-1
(4)
式中，CrashRiski,t为股价崩盘风险，由DUVOLi,t和NCSKEWi,t来度量；Neg_Questioni,t-1表示滞后一期的投资者提问的负面语气；ControlVariablesi,t-1为一组滞后一期的控制变量。如果假说1成立，则β1显著为负。
检验假说2是否成立，即公司未来的股价崩盘风险与董秘回复的负面语气不相关：
表1 变量定义

CrashRiski,t=α+β1×Neg_Answeri,t-1
+γ×ControlVariablesi,t-1
(5)
式中，Neg_Answeri,t-1表示滞后一期的董秘回复的负面语气。如果假说2成立，则β1不显著。
为了检验假说3a，根据机构投资者持股比例(Insti_Fractioni,t)或机构投资者持股户数(Insti_Numi,t)将样本分为两个子样本，采用式(4)分别对两个子样本(较高机构投资者持股比例或持股户数、较低机构投资者持股比例或持股户数)进行估计，得到投资者提问的负面语气(Neg_Questioni,t-1)的系数β1,high_insit和β1,low_insti。如果假说3a成立，则β1,high_insit明显小于β1,low_insti。
为了检验假说3b，根据个人投资者持股比例(Indi_Fractioni,t)或个人投资者持股户数(Indi_Numi,t)将样本分为两个子样本，采用式(4)分别对两个子样本(较高个人投资者持股比例或持股户数、较低个人投资者持股比例或持股户数)进行估计得出Neg_Questioni,t-1的系数β1,high_indi和β1,low_indi。如果假说3b成立，则β1,high_indi明显小于β1,low_indi。
另外，本文借鉴Peterson(2009)的方法，对本文所有回归模型的标准误差进行了公司层面的群聚调整(cluster at firm)，且控制了年度效应、季度效应和行业效应。
四、实证结果
(一)描述性统计分析
表2为变量的基本描述性统计。由表2可以看到，DUVOLi,t和NCSKEWi,t的均值分别为-0.416和-0.534，标准差分别为0.469和0.701，说明这两个指标对样本公司存在较大变异性。Intervali,t-1的均值为3.650，投资者提问与董秘回复之间平均相差3.65个工作日，说明董秘回复还是比较及时的。投资者提问的平均字数(Len_Questioni,t-1)为66.351个字，每季度投资者平均提问次数(Frequency_Questioni,t-1)为46.228次。董秘回复的平均字数(Len_Answeri,t-1)为80.942，每季度董秘平均回复次数(Frequency_Answeri,t-1)为46.049次。
表2 基本描述性统计

此外，DUVOLi,t与NCSKEWi,t的Pearson相关系数是0.876，在1%的水平下显著，说明这两个衡量股价崩盘风险的指标具有较好的一致性。投资者提问的负面语气(Neg_Questioni,t-1)与未来股价崩盘风险(DUVOLi,t和NCSKEWi,t)之间的Pearson相关系数分别为-0.027和-0.026，且在1%的水平下显著，说明在不控制其他因素的影响下，投资者提问的语气越负面，未来的股价崩盘风险越低，初步证明了假说1。董秘回复的负面语气(Neg_Answeri,t-1)与未来股价崩盘风险(DUVOLi,t和NCSKEWi,t)之间的Pearson相关系数分别为-0.007和-0.006，并不显著，说明在不控制其他因素的影响下，董秘回复的负面语气对未来的股价崩盘风险没有显著影响，初步证明了假说2。(2)限于篇幅，相关性检验结果未在文中列示，感兴趣的读者请向笔者索取。
(二)投资者提问的负面语气、董秘回复的负面语气与股价崩盘风险
利用式(4)对假说1进行检验，结果见表3。表3第(1)列和第(3)列显示在不控制投资者提问的其他 特 征 的 情 况 下，Neg_Questioni,t-1的系数
表3 投资者提问的负面语气与未来股价崩盘风险

说明: (1)括号内为t统计量。(2)t值已经经过公司层面的群聚调整。(3)*，**和***分别表示10%，5%和1%的显著性水平。下表同。
分别为-0.023和-0.03，且均在1%的水平下显著。第(2)列和第(4)列控制了投资者提问的其他特征，Neg_Questioni,t-1的系数仍然显著为负，证明了本文的假说1，即投资者提问的语气越负面，公司未来的股价崩盘风险越小。这些结果说明“互动易”平台上投资者的提问的确具有信息含量，有助于股票隐藏的负面信息的提前反映，降低股票市场暴跌的可能性，稳定市场。
利用式(5)对假说2进行检验，检验结果见表4。表4第(1)列和第(3)列显示在不控制董秘回复的其他特征的情况下，Neg_Answeri,t-1的系 数 均 为-0.007，但 不 显 著。第(2)列 和 第(4)列控制了董秘回复的其他特征，Neg_Answeri,t-1的系数均为-0.007，仍然不显著，证明了本文提出的假说2，即董秘回复的负面语气并不能降低未来的股价崩盘风险。这说明由于迫于公司的压力无法披露更多信息，或者对投资者的提问做出的回复根本就是敷衍，董秘回复的内容信息含量较低，对股价崩盘风险不具有显著的影响。
表4 董秘回复的负面语气与未来股价崩盘风险

(三)机构投资者持股、投资者提问负面语气与股价崩盘风险
上文证明了投资者提问的语气越负面则公司未来的股价崩盘风险越小，说明“互动易”平台中投资者提问能够揭示公司的负面信息，降低未来的股价崩盘风险。那么进一步地，到底是机构投资者在这个过程中进行信息收集和挖掘，还是个人投资者在起作用？针对这个问题，本文在不同机构投资者持股比例或持股户数下，利用式(4)来考察投资者提问的负面语气对公司未来股价崩盘风险的影响是否有明显差异，从而对该问题进行检验，结果见表5。
表5 投资者提问的负面语气与未来股价崩盘风险(不同机构投资者持股比例)

说明：限于篇幅，本文不再汇报方程中其他解释变量的回归结果。下表同。
表5的第(1)列和第(2)列显示，在机构投资者持股比例较低的子样本中，Neg_Questioni,t-1的系数为-0.006，并不显著；而在机构投资者持股比例较高的子样本中，Neg_Questioni,t-1的系数为-0.035，且在1%的水平下显著。且经卡方检验，这两个系数在5%的水平下存在显著差异。这就说明，投资者提问的负面语气对公司未来股价崩盘风险的负向影响主要在机构投资者持股比例高的样本中起作用，这证明了假说3a。即机构投资者通过观察互动易平台上投资者的负面提问，针对可能存在的负面信息做进一步的信息收集和挖掘，从而使得负面信息提前反映在股价中，降低了公司未来的股价崩盘风险。这也证明了机构投资者确实起到了信息收集和挖掘的能力，加速信息融入股价的速度，与前人(Boehmer & Kelley, 2009;Irvine et al., 2007; Campbell et al., 2009; Hendershott et al., 2015)的观点是一致的。第(3)列和第(4)列使用NCSKEWi,t作为股价崩盘风险的衡量指标，结论一致。
利用机构投资者持股户数进行同样的分组对假说3a进行检验，结果显示，在机构投资者持股户数较低的子样本中，Neg_Questioni,t-1的系数为-0.002，并不显著，而在机构投资者持股户数较高的子样本中，Neg_Questioni,t-1的系数为-0.034，且在1%的水平下显著。且经卡方检验这两个系数在5%的水平下具有明显差异，说明投资者提问的负面语气对未来股价崩盘风险的负向影响主要在机构投资者持股户数较高的样本中起作用。表5第(3)列和第(4)列使用NCSKEWi,t作为股价崩盘风险的衡量指标，得出的结论与DUVOLi,t一致。这一结果再次证明了假说3a。
以上结果发现，在机构投资者持股比例较高或持股户数较多的样本中，投资者提问的负面语气对未来股价崩盘风险的抑制作用更强，说明机构投资者更善于处理和分析“互动易”平台上的信息。但是上述结果也可能是由于机构投资者和个人投资者关注的股票不同所造成的，即机构投资者持股比例多与持股少的公司基本面的特征存在差异。为此，本文采用倾向性匹配得分方法(PSM)将每个机构投资者持股比例较多的股票匹配一个基本性质与其最为接近的样本，以降低样本自选择造成的影响。以匹配后的样本重新进行分样本回归，结果显示，在机构投资者持股比例较高或机构投资者持股户数较多的样本中，投资者提问负面语气对未来股价崩盘风险的抑制作用更强，说明本文的研究结果不受样本自选择的影响。
(四)个人投资者持股、投资者提问负面语气与股价崩盘风险
本部分对假说3b进行检验，即在不同个人投资者持股比例和户数的样本中，投资者提问的负面语气与股价崩盘风险之间的关系是否有所不同。采用式(4)对不同个人投资者持股比例的样本进行估计，估计结果见表6。由于本文采用(1-机构投资者持股比例)作为个人投资者持股比例的代理变量，因此这里的结果与前文正好相反，本文仍然将此结果罗列在表6中。表6第(1)列和第(2)列显示在个人投资者持股比例较低的子样本中，Neg_Questioni,t-1的系数为-0.035，且在1%的水平下显著，而在个人投资者持股比例较高的子样本中，Neg_Questioni,t-1的系数为-0.006，并不显著。且经卡方检验这两个系数在5%的水平下有明显差异，说明投资者提问的负面语气对未来股价崩盘风险的负向影响主要在个人投资者持股比例较低的样本中起作用，驳斥了假说3b。第(3)列和第(4)列使用NCSKEWi,t作为股价崩盘风险的衡量指标，得出的结论与DUVOLi,t是一致的。
采用式(4)对不同个人投资者持股户数的样本进行估计，估计结果显示，在个人投资者持股户数较少的样本中，Neg_Questioni,t-1的系数为-0.019，在5%的水平下显著，在个人投资者持股户数较多的样本中，Neg_Questioni,t-1的系数为-0.016，在10%的水平下显著。且经卡方检验Neg_Questioni,t-1的系数在这两个子样本中没有明显差异，驳斥了假说3b。采用NCSKEWi,t衡量股价崩盘风险得出的结论与DUVOLi,t的结论是一致的。
表6 投资者提问的负面语气与未来股价崩盘风险(不同个人投资者持股比例)

五、进一步研究
(一)投资者提问的负面语气能否影响机构投资者的交易行为？
上文的回归分析结果显示，机构投资者在投资者提问的负面语气影响公司未来股价崩盘风险的过程中起到了更加重要的作用。为了加深对其影响机理的认识，本文将直接考察投资者提问的负面语气是否会影响到机构投资者的持仓或交易。本文分别以机构投资者的持股比例(Insti_Fractioni,t)和机构投资者持股比例的变化率(Insti_Changei,t)作为被解释变量，将投资者提问的负面语气作为解释变量，进行回归分析，结果见表7。
表7 投资者负面语气与机构投资者交易行为

表7第(1)列结果显示，在控制其他变量的情况下，投资者提问的语气越负面则下一期机构投资者的持股比例越小，说明投资者提问的负面语气的确会促使机构投资者卖出股票。第(2)列结果显示，在控制其他变量的情况下，投资者提问的语气越负面，则机构投资者卖出股票的幅度越大。这两个结果说明，投资者提问的负面语气的确会影响机构投资者的交易行为，促使机构投资者减持相应股票的持股比例，并加大减持的幅度。
(二)投资者提问的负面语气是否降低了公司的信息不对称程度？
以往学者发现，股价崩盘风险产生的主要原因是管理层与投资者之间的信息不对称，信息不对称程度越高，管理层越容易隐藏公司的负面信息，致使公司的股价崩盘风险越大(Jin & Myers, 2006; Hutton et al., 2009；潘越等，2011)。基于此，本文进一步探讨投资者提问的负面语气对公司的信息不对称程度的影响。
参考Xiao(2013)的做法，将股票收益率分为两部分：市场收益率和超额收益率。超额收益率的波动性衡量了公司内部和外部投资者之间的特质性信息的信息不对称程度，超额收益率的波动性越大，则信息不对称程度越大。因此，本文采用每个季度每只股票的收益率与市场收益率之间差值的标准差(STDi,t)衡量信息不对称。将STDi,t作为被解释变量，Neg_Questioni,t-1作为解释变量进行回归，结果见表8。表8结果显示，Neg_Questioni,t-1的系数为-0.000 2，在5%的水平下显著，说明投资者提问的语气越负面，则公司的信息不对称程度越小。
(三)不同分析师覆盖下，投资者提问的负面语气与股价崩盘风险
上文证明，投资者负面语气主要是通过机构投资者的分析与挖掘体现到股价当中。为了进一步加深该结论，本文考察机构投资者的主要信息提供方——券商分析师在该信息传导过程中的作用。作为资本市场的重要信息挖掘和提供者，与机构投资者类似，分析师观察到投资者负面提问时，也应做进一步的信息收集和挖掘。因此，分析师覆盖多的股票，投资者提问的负面语气与未来股价崩盘风险之间的负向关系也应更加强烈。
表8 投资者提问的负面语气与公司信息不对称

为了验证以上推测，本文按照每个季度公司的分析师跟踪人数(Analyst_Numi,t)的中位数进行分组，并分别对分析师跟踪人数较多的样本和较少的样本中利用式(4)进行回归分析，结果见表9。对Analyst_Numi,t的定义如下：如果公司i在t季度的分析师跟踪人数大于t季度所有公司的分析师跟踪人数的中位数，则Analyst_Numi,t为1，否则为0。
表9第(1)列和第(2)列显示，分析师跟踪人数较多的和分析师跟踪人数较少的样本Neg_Questioni,t-1的系数分别为-0.034(在1%的水平下显著)和-0.004(不显著)，并且经卡方检验这两个系数存在显著的差异。这说明投资者提问的负面语气对未来股价崩盘风险的负向作用主要在分析师跟踪人数多的股票中起作用，证明了上边的推测。进一步地，采用NCSKEWi,t衡量股价崩盘风险，并进行相同回归，得出的结论一致。
表9 投资者提问的负面语气与股价崩盘风险(不同分析师覆盖)

(四)投资者提问和董秘回复的正面语气是否影响股价崩盘风险？
虽然以往学者认为，文章中的负面词汇能够传递更多的信息，但为了增强本文结果的可靠性，本文仍对投资者提问和董秘回复的正面语气对公司未来的股价崩盘风险的影响进行考察。
投资者提问的正面语气(Pos_Questioni,t-1)和董秘回答的正面语气(Pos_Answeri,t-1)的定义与上文二者的负面语气(Neg_Questioni,t-1和Neg_Answeri,t-1)相同。本文分别将Pos_Questioni,t-1和Pos_Answeri,t-1作为解释变量，将DUVOLi,t和NCSKEWi,t作为被解释变量，利用式(4)和式(5)进行回归分析，回归结果见表10。从第(1)列和第(2)列可以看到，在控制其他变量的情况下，虽然投资者提问的正面语气会显著影响DUVOLi,t，但是对NCSKEWi,t的影响不显著，总体上来说投资者提问的正面语气对未来股价崩盘风险的正向影响是不稳健的。从第(3)列和第(4)列也可以看到，在控制其他变量的情况下，董秘回复的正面语气不会显著影响公司未来的股价崩盘风险。综合该结果与表3和表4可以看到，投资者提问的负面预期有助于传递更多的信息，而投资者对正面语气则不敏感，与以往学者的观点是一致的。
表10 投资者提问和董秘回复的正面语气与股价崩盘风险

六、稳健性检验
(一)内生性
虽然尽管式(4)中解释变量已经滞后一期，在一定程度上克服了内生性对研究结论的影响，但出于稳健性考虑，本文还将采用两种方法，进一步排除内生性对研究结论的干扰。
1.工具变量回归。本文采用上一期的市场收益率作为工具变量，其主要原因是：一方面，由于当市场环境越差时，投资者对公司的负面情绪越严重，因此市场收益率与投资者提问的负面语气应存在正相关关系，即市场收益越低，投资者提问的语气越负面，满足了工具变量与内生变量相关的条件。另一方面，由于计算股价崩盘风险时使用的是经过市场调整后的收益率，所以股价崩盘风险与市场收益率没有相关性，满足了工具变量与被解释变量显著不相关的条件。
以上一期的市场收益率作为工具变量进行两阶段最小二乘法(2SLS)，得出的结果见表11。表11第(1)列结果显示，市场收益率越高，投资者提问的语气越负面，说明了本文工具变量选择的有效性。第(2)列和第(3)列结果显示在控制内生性之后，投资者提问的负面语气仍然与未来股价崩盘风险显著负相关，证实了假说1，说明本文的结果是稳健的。
表11 两阶段最小二乘法

2.固定效应模型。为控制可能遗漏的公司的固定因素对本文结果的影响，本文采用固定效应模型对式(4)进行回归分析，结果不变。(3)② 由于篇幅限制，回归结果省略，感兴趣的读者可来信向笔者索取。
(二)其他稳健性检验变换时间区间
为了验证上文实证结果的可靠性，本文还进行了如下的稳健性检验②：
第一，本文的研究区间为2010年第1季度—2015年第3季度，但是2015年中国股票市场经历了大幅的上涨和下跌，可能对本文的结果产生一定影响。因此，本文将2015年的样本删除，以2010年第1季度—2014年第4季度为研究样本，重新对本文的主要结果进行检验，结果不变。
第二，参考Petersen(2009)的做法，采用更加稳健的标准误算法通过在公司层面和时间层面上进行双重聚类，重新估计式(4)，结果显示，采用了双重聚类法后的结果不变。
第三，前文按照投资者提问语气的负面程度，将样本分为2组。为了保证本文结果的稳健性，本文对Neg_Questioni,t-1进行重新定义，按照投资者语气的负面程度从大到小，将其分为5组，分别取值4，3，2，1，0。然后，本文用重新定义的Neg_Questioni,t-1对DUVOLi,t和NCSKEWi,t分别进行回归分析，结果不变。
第四，虽然本文采用了固定效应模型控制了其他遗漏变量对本文结果的影响，但是仍然可能存在本文结果受诸如新闻媒体等影响的可能性，而由于本文使用的是季度数据，因此无法准确区分。为了解决这个问题，本文对投资者提问后的短期效应进行了考察，即控制新闻媒体的情况下，研究投资者提问能否对市场产生一定的影响。结果显示，投资者提问的语气越负面，未来股票累计异常收益率越低，说明在控制了公开的媒体信息之后，投资者提问仍然具有信息含量，其所传达的负面信息或负面情绪能够影响其他投资者，从而降低了股票的未来累计异常收益率。
七、结论与政策启示
本文以2010年第1季度—2015年第3季度深交所上市公司作为研究对象，考察了深交所“互动易”网站上企业同投资者沟通对股价崩盘风险的影响，主要是代表公司的董秘和投资者的问答的负面语气能否降低股价崩盘风险。
研究发现：首先，投资者提问的负面语气能够显著降低公司的股价崩盘风险，董秘回复的负面语气则与股价崩盘风险不相关。这说明投资者提问的负面语气中包含了更多的负面信息，而公司方面的回复则更多流于形式，即使其中也表达出一定的负面语气，也无助于公司负面信息的释放和股价风险的下降，说明企业并没有通过与投资者的线上沟通传达出更多的信息，而投资者则能够通过线上沟通披露出其掌握的负面信息。其次，机构投资者持股比例较高或持股户数较多的股票，公司股价崩盘风险与投资者提问的负面语气之间的负向关系更强。这说明机构投资者有助于促进信息更好地融入股价，提高了股价信息效率。此外，进一步的分析表明，投资者提问的语气越负面，机构投资者下期的持仓越小，越倾向于卖出股票，且投资者提问的负面语气能够显著地降低信息不对称；投资者正面语气与股价崩盘风险之间不存在显著的相关性。
本文的研究在理论上对管理层与投资者信息交流机制和股价崩盘风险方面的研究起到了有益的补充和发展。同时，从本文的研究中还可以得到如下的政策启示：首先，之前不少人刻板地认为，普通投资者缺乏对资本市场的理解，除了提供流动性之外对市场信息效率的提高以及市场的稳定毫无贡献。而本文的研究发现，事实上并不是之前我们所认为的那样，普通投资者也能能够为股票市场的发展提供增量信息，只是由于这些投资者缺乏可靠的信息获取与表达渠道，他们的这种作用未能充分体现而已。因此，未来的市场建设不仅应该继续强调对普通投资者利益的保护，充分调动他们的积极性并发挥其信息挖掘能力也应是监管部门的工作重点。另一方面，本文的研究结论发现，深交所“互动易”平台中投资者提问很好地起到了降低股价崩盘风险，提高信息效率的作用，但企业的回复却未能起到类似的作用。其原因不外乎迫于公司压力，代表公司的董秘无法通过平台传递更多的信息，或董秘根本就只是对投资者提问敷衍了事。因此，建立监督和考核机制，对“互动易”平台上董秘回答进行规范和评价，充分发挥其信息传递功能，避免其流于形式，也应引起交易所和监管部门的足够重视。
参考文献
曹丰、鲁冰、李争光、徐凯，2015：《机构投资者降低了股价崩盘风险吗?》，《会计研究》第11期。
孟庆斌、侯德帅、汪叔夜，2018：《融券卖空与股价崩盘风险——基于中国股票市场的经验证据》，《管理世界》第4期。
潘越、戴亦一、林超群，2011：《信息不透明、分析师关注与个股暴跌风险》，《金融研究》第9期。
权小锋、吴世农、尹洪英，2015：《企业社会责任与股价崩盘风险:“价值利器”或“自利工具”?》，《经济研究》第11期。
谭松涛、阚铄、崔小勇，2016：《互联网沟通能够改善市场信息效率吗?——基于深交所“互动易”网络平台的研究》，《金融研究》第3期。
汪昌云、武佳薇，2015：《媒体语气、投资者情绪与IPO定价》，《金融研究》第9期。
王化成、曹丰、叶康涛，2015：《监督还是掏空:大股东持股比例与股价崩盘风险》，《管理世界》第2期。
许年行、江轩宇、伊志宏、徐信息，2012：《分析师利益冲突、乐观偏差与股价崩盘风险》，《经济研究》第7期。
许年行、于上尧、伊志宏，2013：《机构投资者羊群行为与股价崩盘风险》，《管理世界》第7期。
Antweiler, W., and M.Z.Frank, 2004, “Is All That Talk Just Noise? The Information Content of Internet Stock Message Boards”, Journal of Finance, 59(3): 1259-1294.
Ball, R., 2009, “Market and Political/Regulatory Perspectives on the Recent Accounting Scandals”, Journal of Accounting Research, 47(2): 277-323.
Blankespoor, E., B.P.Miller, and H.D.White, 2014, “Initial Evidence on the Market Impact of the XBRL Mandate”, Review of Accounting Studies, 19(4): 1468-1503.
Boehmer, E., and E.K.Kelley, 2009, “Institutional Investors and the Informational Efficiency of Prices”, Review of Financial Studies, 22(9): 3563-3594.
Bowen, R.M., S.Dutta, S.Tang, and P.Zhu, 2018, “Inside the ‘Black Box’ of Private In-house Meetings”, Review of Accounting Studies, 23(2): 487-527.
Bris, A., W.N.Goetzmann, and N.Zhu, 2007, “Efficiency and the Bear: Short Sales and Markets around the World”, Journal of Finance, 62(3): 1029-1079.
Campbell, J.Y., T.Ramadorai, and A.Schwartz, 2009, “Caught on Tape: Institutional Trading, Stock Returns, and Earnings Announcements”, Journal of Financial Economics, 92(1): 66-91.
Chen, H., P.De, Y.Hu, and B.H.Hwang, 2014, “Wisdom of Crowds: The Value of Stock Opinions Transmitted through Social Media”, Review of Financial Studies, 27(5): 1367-1403.
Chen, J., H.Hong, and J.C.Stein, 2001, “Forecasting Crashes: Trading Volume, Past Returns, and Conditional Skewness in Stock Prices”, Journal of Financial Economics, 61(3): 345-381.
Das, S.R., and M.Y.Chen, 2007, “Yahoo! for Amazon: Sentiment Extraction from Small Talk on the Web”, Management Science, 53(9):1375-1388.
Davis, A.K., J.M.Piger, and L.M.Sedor, 2012, “Beyond the Numbers: Measuring the Information Content of Earnings Press Release Language”, Contemporary Accounting Research, 29(3): 845-868.
Dimson, E., 1979, “Risk Measurement When Shares Are Subject to Infrequent Trading”, Journal of Financial Economics, 7(2): 197-226.
Graham, J.R., C.R.Harvey, and S.Rajgopal, 2005, “The Economic Implications of Corporate Financial Reporting”, Journal of Accounting and Economics, 40(1): 3-73.
Hendershott, T., D.Livdan, and N.Schürhoff, 2015, “Are Institutions Informed about News?”, Journal of Financial Economics, 117(2): 249-287.
Hong, H., and J.C.Stein, 2003, “Differences of Opinion, Short-sales Constraints, and Market Crashes”, Review of Financial Studies, 16(2): 487-525.
Hutton, A.P., A.J.Marcus, and H.Tehranian, 2009, “Opaque Financial Reports, R2, and Crash Risk”, Journal of Financial Economics, 94(1): 67-86.
Irvine, P., M.Lipson, and A.Puckett, 2007, “Tipping”, Review of Financial Studies, 20(3): 741-768.
Jin, L., and S.C.Myers, 2006, “R2 around the World: New Theory and New Tests”, Journal of Financial Economics, 79(2): 257-292.
Kaniel, R., S.Liu, G.Saar, and S.Titman, 2012, “Individual Investor Trading and Return Patterns around Earnings Announcements”, Journal of Finance, 67(2):639-680.
Kelley, E.K., and P.C.Tetlock, 2013, “How Wise Are Crowds? Insights from Retail Orders and Stock Returns”, Journal of Finance, 68(3):1229-1265.
Kelley, E.K., and P.C.Tetlock, 2017, “Retail Short Selling and Stock Prices”, Review of Financial Studies, 30(3): 801-834.
Kim, J.B., Y.Li, and L.Zhang, 2011a, “CFOs versus CEOs: Equity Incentives and Crashes”, Journal of Financial Economics, 101(3):713-730.
Kim, J., Y.Li, and L.Zhang, 2011b, “Corporate Tax Avoidance and Stock Price Crash Risk: Firm-level Analysis”, Journal of Financial Economics, 100(3): 639-662.
Li, F., 2008, “Annual Report Readability, Current Earnings, and Earnings Persistence”, Journal of Accounting and Economics, 45(2-3): 221-247.
Loughran, T., and B.McDonald, 2011, “When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks”, Journal of Finance, 66(1): 35-65.
Miller, G.S., and D.J.Skinner, 2015, “The Evolving Disclosure Landscape: How Changes in Technology, the Media, and Capital Markets Are Affecting Disclosure”, Journal of Accounting Research, 53(2): 221-239.
Petersen, M.A., 2009, “Estimating Standard Errors in Finance Panel Data Sets: Comparing Approaches”, Review of Financial Studies, 22(1): 435-480.
Piotroski, J.D., and T.J.Wong, 2011, “Institutions and Information Environment of Chinese Listed Firms”, National Bureau of Economic Research.
Solomon, D.H., and E.F.Soltes, 2015, “What Are We Meeting for? The Consequences of Private Meetings with Investors”, Journal of Law and Economics, 58(2): 325-355.
Soltes, E., 2014, “Private Interaction between Firm Management and Sell-side Analysts”, Journal of Accounting Research, 52(1): 245-272.
Tetlock, P.C., 2007, “Giving Content to Investor Sentiment: The Role of Media in the Stock Market”, Journal of Finance, 62(3): 1139-1168.
Tetlock, P.C., M.Saar-Tsechansky, and S.Macskassy, 2008, “More Than Words: Quantifying Language to Measure Firms’ Fundamentals”, Journal of Finance, 63(3): 1437-1467.
Verrecchia, R.E., 2001, “Essays on Disclosure”, Journal of Accounting and Economics, 32(1): 97-180.
Xiao, G., 2013, “Legal Shareholder Protection and Corporate R&D Investment”, Journal of Corporate Finance, 23(C): 240-266.
INTERNET COMMUNICATION AND STOCK CRASH RISK
MENG Qing-bin1 HUANG Qing-hua1 ZHAO Da-xuan1 LU Bing2
(1. School of Business, Renmin University of China; 2. Chinese Institute of Certified Public Accountants)
Abstract: Using all the A-share companies listed in Shenzhen Stock Exchange between the first quarter of 2010 and the third quarter of 2015, this paper studies the relationship between stock crash risk and negative tone of investors’ questions, board secretaries’ answers on the “Hudongyi” Online Communication System. We find that the negative tone of investors’ questions can significantly decrease stock crash risk but the negative tone of board secretaries’ answers can’t. Moreover, the negative relationship between the negative tone of investors’ questions and stock crash risk is more pronounced in stocks which are owned by more institutions. Additional analysis show that institutions hold few shares and are prone to sell stocks when the tone of investors’ questions is more negative; the negative tone of investors’ questions can significantly decrease information asymmetry; there is no significant correlation between positive tone of investors’ questions and stock crash risk. This paper enriches literature related to information communication between management and investors and stock crash risk.
Key words: “Hudongyi” online communication system; stock crash risk; negative tone
* 孟庆斌、黄清华(通讯作者)、赵大旋，中国人民大学商学院，邮编：100872，电子信箱： huangqinghua@ruc.edu.cn；鲁冰，中国注册会计师协会。本文得到中国人民大学决策咨询及预研委托项目(2019030220)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：张雨潇)