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

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11040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。