年报文本情绪与上市公司违规行为识别——基于机器学习文本分析方法的实证研究

作者：李双燕^*; 蒋丽华; 卞舒晨

来源：当代经济科学, 2023, 45(06): 97-109.

DOI：10.20069/j.cnki.DJKX.202306008

• 文本情绪
• 财务报告
• 管理层讨论与分析
• 违规行为
• 信息透明度
• 机器学习

随着文本大数据分析的发展，非结构化数据的分析成为研究热点，这为理解公司违规行为提供了新的研究视角。以2009—2019年深沪A股非金融类上市公司为样本，通过机器学习的文本分析方法对11 040份上市公司年度财务报告中的“管理层讨论与分析”(MD&A)的文本情绪进行测度，研究文本情绪与公司违规行为的关系。研究发现：整体而言，MD&A文本情绪与公司的违规行为负相关。对MD&A细分后发现，“展望”部分文本情绪与上市公司违规行为的负相关性弱于“经营情况概述”部分。进一步研究发现，较高的信息透明度增强了文本情绪与上市公司违规的负相关关系。在控制内生性和调整了MD&A文本情绪值之后，主要结论仍然稳健。此外，研究MD&A文本情绪与不同违规类型的关系发现，与领导人违规相比，MD&A文本情绪与信息披露和经营类违规的相关性更显著。因此，上市公司和投资者都应该重视MD&A文本情绪的信息价值，监管部门应加强对上市公司信息披露的管控。

• 单位
  西安交通大学; 经济管理学院; 苏州农业职业技术学院