【资本市场信息披露对投资者的影响分析13000字（论文）】

资本市场信息披露对投资者的影响分析目录TOC\o"1-3"\h\u24494一、引言 123700二、资本市场信息披露基本概况 112988（一）社会责任披露多但时效性差 1681（二）财务数据披露少且带有选择性 212518（三）高管薪酬等敏感信息零披露 219601（四）正、负面重大事项披露严重失衡 217696三、变量选取与模型构建 231920（一）数据来源与数据处理 29843（二）相关变量的选取 3233651.被解释变量 3317932.解释变量 567073.控制变量 616650（三）计量模型 71011.模型构建 7172532.描述性统计 724864四、实证分析 921999（一）相关性检验 918163（二）回归分析 106466（三）稳健性分析 1214126五、总结与展望 1720491（一）研究结论 1723045（二）研究建议 18310011.对上市公司的建议 18298922.对投资者的建议 1918553.对监管机构的建议 1920169参考文献 21一、引言本文研究信息披露对投资者权益以及决策的影响，具有一定的理论意义。我国证券市场发展历程比西方发达国家晚，存在很多不规范，数据的真实性难以保证，投资者利用资本市场信息披露的内容权益和决策都会受到影响。研究信息披露和投资者针对信息披露发生的经济行为这两方面入手，一方面可以对投资者权益有所认识，另一方面也可使投资者从另一角度认识资本市场信息披露内容。分析影响资本市场信息披露的各种因素，以及资本市场信息披露内容对投资者决策行为的影响，对丰富信息披露理论，促进资本市场的发展是有利的，披露信息受众方如投资者和社会公众方便理解信息披露中内容，进一步让投资者更全面的看待信息披露，保护自身权益并更好的做出对于企业的投资决策。二、资本市场信息披露基本概况随着资本和证券市场的高速发展，信息依赖日益增加，上市公司的财务信息披露与股东利益和证券市场的稳定密切相关。虽然我国的市场经济得到了发展，但目前的市场还不是一个完整的有效的经济市场，存在着严重的信息不对称现象。中国已颁布了一系列法律法规，对中国上市公司财务信息披露的有关规定了各项规章制度，但由于各种政治、经济、社会等因素的影响，企业信息披露中仍然有诸多问题影响我国证券市场的健康发展的同时严重损害了许多投资者的利益，导致投资者的投资风险越来越大。对信息披露现状进行分析，发现有几下几个普遍存在特点。（一）社会责任披露多但时效性差结合当前社会公众对企业的质疑，企业要加强自身产品服务的有形竞争，应当披露企业社会责任信息，加强企业文化软实力传播，以公开透明的方式回应各种社会关注，并将公众放在真正利益相关者的所在地。而不是当常规监督机制失效，各种问题反而需要通过群众举报、或者媒体报道，引起了社会广泛关注不满后才被迫解决。监督制度失效，系统外的非正常的关注成为解决问题的关键，让公众失望，给企业形象带来负面影响。很多的企业社会责任报告仍在大篇幅的美化宣传，企业对核心业务，重大影响等问题回避社会关注的关键点，在重大事情发生时，仅披露正面消息，对负面消息不披露或推迟披露，削弱了企业社会信息传播该有的可信度和积极价值。（二）财务数据披露少且带有选择性在国内外，大部分的研究人员相信在中国上市公司财务信息披露的主要问题是，上市公司披露的财务信息不真实，可信度低，上市公司披露的财务信息不充分，透明度不高和随机，上市公司披露财务信息是不公平的，小投资者获得财务信息和财务信息的第一大股东有差异，上市公司披露财务信息不规范也导致了证券市场的不规范[3]。（三）高管薪酬等敏感信息零披露根据对企业公开信息披露内容整理分析，发现企业信息披露中对公司高层管理的薪水基本属于保密状态，这方面信息不完整。公司对高层管理的薪水发布原则以及考评没有具体的规章制度，高管薪水属于企业敏感范畴，而这方面的空白，给社会公众产生模糊印象。（四）正、负面重大事项披露严重失衡公司企业有责任对公司重大事件完整清晰及时向公众做出说明，而我国企业在这是趋利避害的，导致信息披露没有参考价值，或者说没有公信力。重大事件披露中企业倾向于报道赈灾捐款慈善等正面事件，对负面的产生消极影响的事件则是采取漠视回避态度。三、变量选取与模型构建（一）数据来源与数据处理本文主要研究的数据样本为深交所A股上市公司，样本的时间周期为2015年1月到2021年12月，共计7年的研究数据（二）相关变量的选取1.被解释变量本文研究的主要被解释变量为投资者情绪指标。投资者情绪是投资者对于股票未来预期的系统性偏离，反映了市场参与者的参与意图及其预期水平。当前对于投资者情绪的定义可以分为两类：（1）噪音交易者对未来股价预期与理性套利的偏离；（2）对于未来资金流入与投资风险投资者的理性预期。当前研究中对于投资者情绪指标的选取主要包括以下三个类型：（1）投资者情绪客观交易指标，这一指标的构建主要基于市场相关交易数据，如交易量、股票发行比例、新增开户数、封闭式基金折价等；（2）投资者情绪主观指标，这一指标主要基于调查数据得出，主要包括分析师情绪复合指数、行业协会指数等数据；（3）投资者情绪复合指标，即结合参考了主观、客观情绪指标，进一步运用主成分分析方法提取关键指标要素，以得出市场中投资者情绪的整体表现。本文研究也将基于主成分分析方法构建深交所股票交易的投资者情绪指标数据。主成分分析法（PCA）是基于统计手段对数据进行降维处理的主要方式，通过将原有随机向量协方差转换为对角形阵，形成新的正交坐标系，使其能以较高精度转化成低维变量系统。通过构建价值函数，把低维系统转换为一维系统。过程中存在的问题可能在于：（1）减少了原有指标的解释力度。这部分的影响可以通过在成分提取时要求前几位主成分具有较高累计贡献率来进行缓解，本文采取一般研究中常用累计贡献率数值，要求前几位指标累计贡献率达到80%以上才为有效的指标提取，满足了指标解释力度的要求；（2）构建指标的解释性。由于主成分分析是对所有指标主要成分的提取，因而需要对指标的可解释性加以考虑，使得指标构建具有现实解释意义。本文指标构建时参考了先前研究常使用的指标变量，指标构建充分考虑了市场交易数据与宏观经济数据等，在指标可解释性方面有良好的表现；（3）主成分个数m要比原始变量p小，才能使得指标构建具有有效降维的表现，本文的指标满足条件，因而利用主成分分析构建情绪指标能够得到有效结果。参考先前研究中对于投资者情绪指标相关代理变量的选取，本文使用的情绪数据共包含以下指标：（1）换手率（Turn）。参考陆静的研究，交易量是投资者情绪的有效代理变量，当市场交易量比较高时，投资者情绪表现也高。因此，选取日换手率作为本文情绪指标的正向代理变量。（2）成交额（Tvol）。成交金额是资本市场整体交易水平和流动性的反映。投资者对市场预期看多时，会更有意愿进行股票交易，市场交易额会提高；而当投资者对预期悲观时，更多的心态是持币关注，等待机会，市场交易额则降低。因此，选择日成交金额作为本文情绪指标的正向代理变量。（3）收盘价（Cpri）。投资者情绪高涨时，影响当期股票价格的上涨，股票收盘价可以作为投资者情绪表现的有效衡量。根据行为金融学理论，短期内投资者自身的情绪会对投资者所做的相关决策造成影响，从而影响股票表现；而在长期来看，投资者情绪与股票回报间的关系会逐渐减弱。因而，本文选择日收盘价数据作为投资者情绪指标的正向代理变量。（4）权益报酬率（Roe）。权益收益率反映了公司投资产生的利润指标，投资收益水平对于公司未来表现以及股价水平均具有正向影响，因而可以成为投资者情绪的正向代理变量。（5）新增开户数（Nnao）。黄宏斌等指出资本市场的繁荣程度能够有效反映出投资者情绪水平的高低，而新增开户数则是市场繁荣程度的有效衡量，因此本文选择新增开户数也作为投资者情绪的正向代理变量。本文基于这五个指标对投资者情绪代理变量的构建主要基于Python软件sklearn库中降维算法进行。当数据具有n维特征时，具体降维过程如下：（1）将原数据输入，则（m，n）是其结构，将n维空间V找出，该空间的组成部分是n所有的特征向量；（2）将降维以后K这一特征数量确认；（3）利用其中的某种变化，将n个新产生的特征向量寻出，同时寻出新产生的n维空间V；（4）把原始数据内能够跟新特征向量对应的值找出，也就是“把数据在新空间内进行映射”；（5）将处于前列的K个呈现出最大信息量的特征选出，将未被选中的特征删除，使n维空间转化成K维。通过最大似然估计自选超参数等三种方法，对K进行选择。为保证处理后的特征变量能够充分解释投资者情绪指标，本文选取按信息量占比选超参数法确定K值及各变量对应的权重，设定保留信息量超过97%，所得结果在表3-1中给出。表3-1投资者情绪对应特征变量权重特征变量TurnTvolCpriRoeNnao权重0.3100.2210.1780.1600.131本文最终得出的投资者情绪指标（Isent）为各指标加权之后结果，具体计算公式如3.1所示。其中换手率和总交易金额在情绪指标中占据相对较高的比重。Isent=0.310*Turn+0.221*Tvol+0.178*Cpri+0.160*Roe+0.131*Nnao（3.1）2.解释变量本文使用信息披露质量（Qis）来作为研究的主要解释变量。当前研究中共有三种方式对这一指标进行衡量：（1）研究者自建信披指标；（2）权威机构信披评级结果的使用；（3）其他指标作为衡量的代理变量。本文研究中对这一指标的构建同样使用主成分分析方法，基于先前研究，本文主要使用的数据包括上市公司公告数量、上市公司信息披露评级以及深交所互动易平台投资者提问的回复数据等多个代理变量，进一步基于Python软件sklearn库中降维算法为各代理变量赋予相应权重，得到上市公司信息披露质量数据。本文选取的代理变量指标如下所示：（1）公告数量（Noa）。上市公司公告数量作为企业信息披露质量代理指标的合理性在先前研究中已经得到了广泛的证明，因而本文也使用公告数量作为正向代理指标。（2）信息披露评级（Idr）。国内学者在测度和实证研究上市公司信息披露质量时，较常使用的指标为深交所公开公布的年度评判结果。一般来说，评价分为优秀、良好、合格、不合格来表示上市公司信息披露工作质量，本文在处理信息披露评级数据时，将其量化为1—4的数字，分别对应不合格、合格、良好、优秀，从而得到企业信息披露指标的可量化结果。（3）投资者回复数量（Nor）。深交所互动易是连接投资者和上市公司之间的有效平台。针对投资者提出的相关问题，上市公司回复问题的时效性以及回复问题的数量在一定程度上可以反映上市公司信息披露的质量。考虑到回复时效性难以量化的问题，本文主要采用投资者提问的回复数量作为上市公司信息披露的第三个代理指标。进一步，考虑到进行提问的投资者本身对于该上市公司已有较高的关注度，当其提问得到回复之后，对于其信息获取和交易行为的进一步强化均具有显著的影响，因而可以成为公司信息披露有效代理指标。本文同样根据信息量占比选参数法确定K值及各变量对应的权重，设定保留信息量超过99.99%，所得结果如表3-2所示。表3-2信息披露质量对应特征变量权重特征变量NoaIdrNor权重0.8740.1250.001从表3-2中结果可以看出，公告数量在信息披露整体表现中具有显著影响，其系数达到0.874，信息披露评级数据产生的影响系数为0.125，投资者提问回复数量影响系数为0.001。因此，本文得出的信息披露质量指标（Qis）如下：Qis=0.874*Noa+0.125*Idr+0.001*Nor（3.2）3.控制变量本文在研究中使用宏观经济数据作为了信息披露对投资者情绪指标影响的主要控制指标，主要使用的指标如下：（1）深证成分指数（SCI）。深证成分指数反映了个别代表性股票股价指数的走势，具有明显的异方差性、波动性和持续性等。而市场参与者也会受到该指数的涨跌幅的影响，因此本文选择深证成分指数作为其中一个控制变量。（2）居民消费价格指数（CPI）。居民消费价格指数是对国民经济进行核算时对经济服务价格变动进行分析的关键性指标，同时也是测量居民生活消费水平的经济指标。由于CPI呈现出的涨跌会对现阶段与社会经济活动相关国家宏观经济调控措施具体力度产生直接影响，从而影响到居民的消费行为和其对资本市场的关注，因而也成为投资者情绪的可能影响变量，而被包含在本文的控制变量中。（3）宏观经济景气指数（MBCI）。宏观经济景气指数是对我国经济未来发展变化进行预测的核心指标，企业家可以将所判断的企业生产情况以及大方向上的宏观经济运行情况进行有效刻画。基于这一研究，本文也将中国市场中宏观经济指数作为控制变量来分析其对投资者情绪产生的影响。（三）计量模型1.模型构建本文研究使用的数据样本为平衡面板，其中时间跨度T为84个月，股票个数N为191，属于短面板数据。基于前文构建的被解释变量、解释变量及控制变量，本文实证分析使用的计量模式如公式3.3所示。Isent=α+β∗Qis+γ其中，Isent为本文主要解释变量，投资者情绪指标；Qis为本文构建的信息披露质量指标；SCI，CPI，MBCI为控制变量，分别表示深证成分指数，居民消费价格指数和宏观经济景气指数；α为回归截距项，μ为误差项。2.描述性统计本文对2013年1月至2019年12月191家公司样本数据进行了描述性统计分析，结果在表3-3中给出。具体来说，表3-3中描述性统计数据包含了Isent，Qis，SCI，CPI，MBCI五个变量的标准差、最小值、最大值、变量总个数等统计指标，体现出面板数据整体表现（overall）、组间表现（between）、组内表现（within），以反映样本在时间上的变化以及不同个体间差异性。表3-3变量描述性统计变量名称均值标准差最小值最大值数量Isentoverall2.49e-070.4779-3.15705.1060N=16044between0.1904-0.52800.9077n=191within0.4385-3.08494.9364T=84Qisoverall0.00001310.8725-1.34806.6690N=16044between0.2791-0.54631.5678n=191within0.8269-2.49986.5714T=84SCIoverall-0.00007141.0000-1.52903.6570N=16044between0-0.0000714-0.0000714n=191within1.0000-1.52903.6570T=84CPIoverall-0.00001190.9999-2.91602.6570N=16044between0-0.0000119-0.0000119n=191within0.9999-2.91602.6570T=84MBCIoverall-0.00002380.9999-1.80802.9010N=16044between0-0.0000238-0.0000238n=191within0.9999-1.80802.9010T=84表3-3中结果显示变量SCI，CPI，MBCI的组间标准差均为0，即对于不同上市公司而言，宏观经济数据的表现没有差异性，这个结果是非常符合逻辑的。投资者情绪Isent指数的总体均值为2.49e-07，最大值为5.1060，最小值为-3.1570，标准差为0.4779，组间标准差为0.1904，组内标准差为0.4385，这一结果表明同一上市公司的投资者情绪数据在不同时间点具有较大的差异性，而同一时间点上不同上市公司之间存在的差异性相对较小。信息披露质量Qis的总体均值为0.0000131，最大值为6.6690，最小值为-1.3480，标准差为0.8725，组间标准差为0.2791，组内标准差为0.8269，这一结果表明上市公司不同时间点的信息披露质量波动较大，而同一时间点不同上市公司的信息披露质量差异性则较小。相较于投资者情绪指标，上市公司信息披露指标的波动性相对更大，两个主要变量较好的分散性也为本文的研究提供了有效的数据基础，因而可以通过回归分析的实证研究手段探索投资者情绪与上市公司信息披露质量之间的相互联系。四、实证分析（一）相关性检验本文在表4-1中给出了各变量之间相关系数的实证分析结果，以初步分析各变量间可能存在的关联关系。表4-1相关性分析结果IsentQisSCICPIMBCIIsent1.0000***Qis0.0394***1.0000***SCI0.3944***0.1057***1.0000***CPI0.1140***0.1797***0.0971***1.0000***MBCI0.1269***-0.0737***0.0758***0.0174**1.0000***其中，*表示10%显著，**表示5%显著，***表示1%显著。如上表所示，各变量之间有显著的关系，信息披露质量指标和三个控制变量可能成为投资者情绪指标的显著影响因素，且主要解释变量之间不存在多重共线性的潜在干扰。具体来看，投资者情绪（Isent）与信息披露质量（Qis）系数在1%下显著相关，信息披露质量可能成为投资者情绪指标的正向影响因素。此外，深证成分指数（SCI）、居民消费价格指数（CPI）、宏观经济景气指数（MBCI）与投资者情绪（Isent）的相关系数分别为0.3944，0.1140和0.1269，均为在1%的水平上正向显著，三个宏观经济指标均对投资者情绪表现具有显著影响，可以作为回归分析的有效控制变量。变量之间显著的相关性为本文实证回归分析奠定了基础，因而本文可以基于先前给出的计量模型对信息披露质量指标与投资者情绪数据进行有效分析。（二）回归分析为选定合适的面板数据回归模型，本文以2013年1月至2019年12月的191家深交所A股上市公司的数据为基础，进行个体随机效应检验。具体来说，本文基于MLE估计来判断面板数据是否存在个体随机效应，这部分结果在表4-2中给出。表4-2个体随机效应检验IsentCoefZ值Qis0.0075*1.94SCI0.1809***57.43CPI0.0349***10.99MBCI0.0468***14.96_cons0.0000150.00Likelihood-ratiotestofσμ=0，χ2其中，*表示10%显著，**表示5%显著，***表示1%显著。如表4-2所示，在判断该面板数据是否存在个体效应时，变量Qis，SCI，CPI，MBCI对应的系数分别为0.0075,0.1809,0.0349及0.0468且均显著，似然比检验（Likelihood-ratiotest）的P值为P=0.000，拒接原假设“H0:σμ=0本文进一步用豪斯曼检验（Hausmantest）进行了检验。表4-3豪斯曼检验FE（b）RE(B)b-BSqrt(diag(V_b-V-B))Qis0.008170.007460.00070.0003037SCI0.180800.18086-0.00060.0000253CPI0.034830.03494-0.00010.0000456MBCI0.046890.046840.000050.0000222_cons0.00001460.0000146-1.35e-08QUOTEχ2=5.44，P值为0.0658表4-3给出了面板数据回归分析中的结果。无论是固定还是随机效应，固定效益所获QUOTEβ估计值FE（b）均不会发生变化。而当原假设“H0:μi与xi,t,zi不相关（应使用随机效应模型）成立时，基于随机效应所得到估计值的有效度要大于基于固定效应的估计值，否则通过随机效应所获βQUOTE估计值RE（B）不一致。表4-3中b-B反映两种模型下的估计值差异，Sqrt(diag(V_b-V-B))给出了差异的波动水平。豪斯曼检验所得出的p=0.0658，高于0.05的显著性水平，可以接受原假设“H0:μi与xi,t,zi不相关”。因而本文选择随机效应模型对面板数据进行回归分析。本文使用信息披露质量对投资者情绪指标进行回归分析得出的结果如表4-4分析所示。表4-4投资者情绪与信息披露质量的回归结果变量系数Z值Qis0.00746*1.94SCI0.18086***57.41CPI0.03494***10.99MBCI0.04684***14.95常数项0.0000150.00χ2=4032.59QUOTER2R2:within=0.2029,between=0.0244,overall=0.1703其中，*表示10%显著，**表示5%显著，***表示1%显著。表4-4给出了基于随机效应模型进行回归分析的结果，包括各解释变量的系数值和对应的T值，以及该回归模型的p值以及解释力度QUOTER2R2QUOTE值。其中QUOTER2R2QUOTER2QUOTE包括三种结果，依次组内（within），组间（between）和整体（overall），QUOTER2R2QUOTE分别是0.2029，0.0244和0.1703，表明该回归模型具有较好的拟合性。信息披露质量（Qis）对投资者情绪指标（Isent）产生影响的系数值为0.00746，Z值为1.94，即在10%的置信水平下具有显著的正向相关关系，表明上市公司披露的信息质量对投资者情绪具有正向的影响：当信息披露质量较高时会促进投资者情绪提高，进而增加对其股票的购买行为；而当信息披露质量较差时，会影响投资者对其公司的情绪表现，降低其投资意愿。其余宏观变量对个体投资者情绪的影响也是显著的，深证成分指数（SCI）、居民消费价格指数（CPI）及宏观经济景气指数（MBCI）对投资者情绪指标产生的影响分别是0.18086、0.03494和0.04684，对应的Z统计量值分别为57.41、10.99和14.95，即宏观经济因素对投资者情绪有显著正向的影响，宏观经济因素表现越好，越有助于促进投资者情绪的提高，增强投资意愿；反之，整体宏观经济呈消极趋势时，则不利于各上市公司投资者维持现有投资或进一步增加投资。（三）稳健性分析本文在这一部分中替换了公司信息披露主要指标，以对4.2中实证分析结果进行稳健性检验。具体来说，本文使用上市公司的公告数量（Noa），投资者提问回复数量（Nor）及滞后一期的投资者提问回复数量（L.Nor）作为上市公司信息披露质量的代理变量，对各上市公司投资者情绪指标进行回归检验，以得出不同类型信息披露指标对投资者情绪产生的影响。这部分使用的回归模型如下所示：模型一：Isent=α+β∗Noa+γ1∗SCI+γ2∗CPI+γ3∗MBCI+μ1其中，Isent为被解释变量，代表投资者情绪；Noa为解释变量，表示的是上市公司呈现出来的公告数量，能够彰显出上市公司所披露相关信息的质量；SCI，CPI和MBCI为回归使用的控制变量，分别表示深证成分指数、居民消费价格指数和宏观经济景气指数；αQUOTE为截距项。模型二：Isent=α+β∗Nor+γ1∗SCI+γ2∗CPI+γ3∗MBCI+μ2其中，被解释变量是Isent，代表投资者情绪；解释变量是Nor，表示上市公司相关投资人员回复问题的数量，能够彰显出上市公司所披露相关信息的质量；SCI，CPI和MBCI为回归使用的控制变量，分别表示深证成分指数、居民消费价格指数和宏观经济景气指数；αQUOTE为截距项。模型三：Isent=α+β∗L.Nor+γ1∗SCI+γ2其中，Isent为被解释变量，代表投资者情绪；L.Nor为解释变量，代表上市公司滞后一期的投资者提问回复数量，能够彰显出上市公司所披露相关信息的质量；SCI，CPI和MBCI为回归使用的控制变量，分别表示深证成分指数、居民消费价格指数和宏观经济景气指数；αQUOTE为截距项。本文在回归分析前同样使用相关性检验对上市公司的公告数量（Noa）、投资者提问回复数量（Nor）及滞后一期的投资者提问回复数量（L.Nor）与投资者情绪指标进行检验，并得出了变量间存在的显著正相关关系。这部分结果在表4-5中给出。表4-5相关性分析结果IsentNoaSCICPIMBCI模型一Isent1.0000***Noa0.0392***1.0000***SCI0.3944***0.1072***1.0000***CPI0.1140***0.1789***0.0971***1.0000***MBCI0.1269***-0.0785***0.0758***0.0174**1.0000***IsentNorSCICPIMBCI模型二Isent1.0000***Nor0.0798***1.0000***SCI0.3944***0.0911***1.0000***CPI0.1140***0.0503***0.0971***1.0000***MBCI0.1269***0.0515***0.0758***0.0174**1.0000***IsentL.NorSCICPIMBCI模型三Isent1.0000***L.Nor0.0676***1.0000***SCI0.3944***0.0795***1.0000***CPI0.1140***-0.0089***0.0971***1.0000***MBCI0.1269***0.0498***0.0758***0.0174**1.0000***注：*表示10%显著，**表示5%显著，***表示1%显著。如表4-5所示，投资者情绪（Isent）与上市公司的公告数量（Noa）的相关系数为0.0392，投资者情绪与投资者问题回复数量（Nor）的相关系数为0.0798，投资者情绪与滞后一期的投资者问题回复数量（L.Nor）的相关系数为0.0676，三个相关系数均在1%统计水平下显著，表明投资者情绪与本文使用的稳健性检验中信息披露代理变量间存在正向相关关系，可以作为回归分析的研究基础。此外，表4-5中主要变量之间相关系数的绝对值大多低于0.3，本文的模型设定不存在多重共线性的影响。进一步，分别对三个模型进行个体随机效应检验，经检验得到的p值均为0.000，表明稳健性检验时三个模型所选面板数据不存在个体随机效应，拒绝了原假设“H0:σμ=0QUOTE（不存在个体随机效应）”，故不需进行混合回归。本文进一步对各模型进行豪斯曼检验，分析面板数据回归模型中随机效应与固定效应的选取依据，这部分结果在表4-6中给出。表4-6豪斯曼检验FE（b）RE(B)b-BSqrt(diag(V_b-V-B))模型一Noa0.006780.006170.00060.00028SCI0.180800.18088-0.00060.0000273CPI0.034900.03500-0.00010.0000479MBCI0.046900.046840.000050.0000249_cons0.00001460.0000146-9.97e-09χ2FE（b）RE(B)b-BSqrt(diag(V_b-V-B))模型二Noa0.037810.027890.00170.0005986SCI0.180820.18091-0.000090.0000473CPI0.031920.030240.0000250.000009MBCI0.042910.04253-0.000050.0000301_cons0.001460.0021057.97e-06χ2FE（b）RE(B)b-BSqrt(diag(V_b-V-B))模型三L.Nor0.042130.039900.00220.0007663SCI0.181360.18153-0.000170.0000575CPI0.032520.032480.0000320.000011MBCI0.043400.04398-0.000090.0000322_cons0.0024110.0024028.2e-06χ2表4-6给出了对上述三个模型对应的面板数据进行面板数据回归前固定效应和随机效应判断的结果。需要指出的是，不论存在随机效应的原假设是否能够成立，固定效益所获βQUOTE估计值也就是FE（b）均不会发生变化。若假设能够成立，那么随机效应产生估计值的有效度大于固定效应产生估计值，反之，通过随机效应所的估计值RE（B）与FE（b）不一致。b-B反映两种模型下的估计值差异，Sqrt(diag(V_b-V-B))给出了差异值的波动性。从表4-6中结果可以看出，三个模型豪斯曼检验的p值分别为0.0915，0.0132，0.0140，因而应该在稳健性检验模型一种使用随机效应，在模型二与模型三种使用固定效应。基于面板数据回归模型，本文对不同类型上市公司信息披露质量指标与投资者情绪指标间关系进行分析，所得出结论在表4-7中给出。表4-7稳健性检验回归结果模型一（随机效应）模型二（固定效应）模型三（固定效应）CoefZ值CoefZ值CoefZ值Noa0.006166*1.82Nor0.04557***11.43L.Nor0.04214***9.97SCI0.18088***57.40SCI0.17767***56.60SCI0.181258***55.47CPI0.03500***11.01CPI0.034173***10.96CPI0.032516***9.65MBCI0.04684***14.95MBCI0.044271***14.23MBCI0.043404***13.31_cons0.00001460.00_cons0.00001220.00_cons0.0024110.73其中，*表示10%显著，**表示5%显著，***表示1%显著。表4-7中的回归结果表明，以上市公司公告数量（Noa）作为解释变量时，其与投资者情绪回归系数为0.006166，相关显著性检验Z统计量值为1.82，在10%的水平下显著，表明上市公司公告数量对投资者情绪具有显著正向的影响。上市公司公告数量可以主观反映上市公司基本面及公司最新策略信息等，公告数量越多越有助于提高上市公司公开性，降低与投资者信息不对称现象，促进提升投资者对公司的看好情绪，并维持原有投资水平或进一步增加投资。以上市公司投资者提问回复数量（Nor）作为解释变量时，其与投资者情绪的回归系数为0.04557，相关显著性检验Z统计量值为11.43，在1%的水平下显著，说明上市公司回复投资者的问题数量越多，越有利于提升其对应的投资者情绪。深交所互易动平台作为上市公司与投资者之间沟通的有效渠道，积极回复投资者提问有助于该渠道的维护，进一步减少信息不对称程度，有助于投资者更好地了解公司并增强对公司的看好情绪。以滞后一期的投资者提问回复数量（L.Nor）作为解释变量时，其与投资者情绪的回归系数为0.04214，相关显著性检验Z统计量值为9.97，在1%的水平下显著，表明滞后一期的投资者提问回复对投资者情绪具有显著正向的影响。选择滞后一期的变量作为稳健性检验回归依据，主要原因在于投资者进行决策时存在存在获取信息的时滞性，因而前期相关信息水平同样会对投资者当期决策和判断产生影响，实证分析结果也表明上市公司上一期投资者提问回复数量会影响该上市公司的投资者情绪水平，且这一影响是显著为正的。综上，本文在这一小节使用上市公司的公告数量（Noa），投资者提问回复数量（Nor）及滞后一期的投资者提问回复数量（L.Nor）作为上市公司信息披露质量的代理变量，使用面板数据回归分析研究得出了其对投资者情绪指标产生的显著正向影响，这一稳健性检验的结果表明在中国股票市场中上市公司信息披露的重要作用，并验证了本文在4.2所得出的结论。五、总结与展望（一）研究结论通过对先前研究中对信息披露和投资者情绪指标构建相关研究结论的梳理和分析，本文基于深圳证券交易所A股上市公司的样本数据，实证分析了中国股票市场中上市公司信息披露质量对投资者情绪指标产生的影响。具体来说，本文研究对象为深交所A股主板中剔除CSRC金融业、标有特别处理与退市预警及数据不完整公司后，191只A股股票在2013年1月至2019年12月前的数据样本。主要被解释变量为基于换手率（Turn）、成交额（Tvol）、收盘价（Cpri）、权益报酬率（Roe）和新增开户数（Nnao)等五个市场交易指标，利用主成分分析方法得出的中国股票市场综合投资者情绪指标；主要被解释变量为基于上市公司公告数量、上市公司信息披露评级以及互动易平台投资者提问回复数量等指标，基于主成分分析方法得出的上市公司信息披露质量指标；同时在研究中控制了深证成分指数、居民消费价格指数、宏观经济景气指数等对投资者情绪产生的影响。本文采用的主要研究手段为面板数据回归，研究结果如下：（1）投资者情绪与信息披露质量存在显著的正向相关关系，信息披露质量越高，越有助于促进投资者情绪表现，增强投资者投资意愿；相反，信息披露质量降低，则会导致上市公司投资者情绪低迷，降低投资者投资意愿。（2）宏观经济变量对个体投资者情绪也具有显著影响。深证成分指数（SCI）、居民消费价格指数（CPI）、宏观经济景气指数（MBCI）等与投资者情绪均呈现显著正向关系，即宏观经济表现良好时，有助于提高投资者投资意愿，增强其交易行为；而当整体宏观经济呈消极趋势则对投资者主动投资具有削弱作用。（3）本文使用上市公司的公告数量（Noa），投资者提问回复数量（Nor）及滞后一期的投资者提问回复数量（L.Nor）作为信息披露代理变量进行稳健性检验得出了一致的结果，上市公司信息披露水平越高，对于投资者情绪的促进作用也越强，二者具有显著的正向相关关系。（二）研究建议1.对上市公司的建议（1）完善上市公司自身治理水平以及内部控制体系。对于一个企业而言，其“中枢神经”便是公司治理，高标准的公司治理水平和良好的内部控制体系是公司发布高水平信息披露、为资本市场投资者带来正向情绪影响的关键。作为上市公司经营团队及相关部门从业人员，应当通过完善内控体系和规范管理等提高公司治理水平，相关措施可实施包括同股同权、同股同利、同股同益等手段来提高股东利益，采取保证审计委员会独立性、提高权利与执行力的落实、通过股票期权等手段将经理人与企业股东利益进行捆绑，弱化代理冲突降低经理人操纵信息披露的动机等。（2）增加自愿性披露公告，使公司披露的信息具备更高质量。本文选取上市公司公告数量、深交所信息披露评级以及互动易平台投资者提问回复数量搭建信息披露质量指标，通过实证分析得出信息披露质量越高，该上市公司投资者情绪越高涨。因此，通过增加自愿性披露公告，一定程度可提高公司信息披露质量。同时，信息披露质量的高低与管理人员是否具备主动性的特征密切相关。公司增强信息披露意愿以及信息披露内容，可以进一步向全体股东反映主观提高公司运作透明度的决心，增强股东对公司的了解程度，缓解大股东与中小股东间信息不对称问题。与此同时，自愿性信息披露可以覆盖强制性信息披露所无法涉及的内容，将企业投资机会以及风险防控等向市场进行充分反馈，全方位呈现出公司所具备的价值，实现信息披露的完整性。最后，自愿性信息披露也将有助于增强对分析师等市场参与者的吸引，提高其关注度，从而对投资者情绪起到良性引导作用。2.对投资者的建议（1）提升专业能力，培养理性投资理念。与美国等发达资本市场相比较，我国的资本市场起步较晚且尚处于发展过程中，一定程度上导致市场参与者、尤其是中小投资者的非理性行为较多。羊群效应等群体非理性行为导致其在股票投资中追涨杀跌，不仅对其投资产生了显著负面的影响，更导致投资标的股票价格严重偏离其实际价值。因此对于投资者而言，要培养理性的投资理念，以投资标的经营业绩等真实价值来作为投资决策依据，同时考虑投资标的行业发展前景、特点及供需市场、公司经营业绩、发展战略等多维度因素对所投企业进行综合分析，提升专业投资能力。（2）提高意识，综合判断投资标的公司的信息披露质量水平。现阶段，资本市场参与者获取上市公司信息的途径越来越多元化，主要的信息渠道包括在巨潮资讯网、沪深两市官网获取上市公司公告，利用投资者热线电话联系进行咨询，在深圳证券交易所互动易平台与上市公司进行互动交流等。本文研究表明上市公司信息披露质量对投资者情绪有显著正向影响，上市公司可能会利用信息披露质量对投资者情绪的影响效应，有意择机或通过虚假披露误导投资者。因此作为投资者，要提高相关意识，不仅要关注上市公司披露的信息内容，同时还要注重分析上市公司信息披露所传递的及时性、完整性等，综合、全面、认真地研究上市公司对外披露的各类信息，对上市公司披露信息进行理性的判断，避免投资受损。3.对监管机构的建议（1）进一步完善统一上市公司信息披露质量评价体系。本文研究结果，上市公司信息披露质量对投资者情绪有显著影响。促进提高上市公司信息披露质量可对股票市场产生更为积极的效果，需要不断的完善信息披露质量的考评体系。目前，沪深两市各遵循各自的评价体系，尚未形成统一的指标，学术研究中对于上市公司信息披露评价指标的选择也并未达成一致意见，市场参与者难以对资本市场的所有上市公司形成一个有效对比。