基于文本挖掘的管理层语调对公司债券信用利差的影响

基于文本挖掘的管理层语调对公司债券信用利差的影响*
姚 潇 吴冬晓 庞守林
[提 要] 本文选取2012—2017年在中国A股市场发行债券的非金融企业为样本，探讨了会计文本语调对债券信用利差的影响。本文建立了适用于中国金融市场的情感词典，并使用文本挖掘技术量化了管理层语调。研究发现：积极的管理层语调能够显著降低债券信用利差。且分析师关注度越高，管理层语调与债券信用利差之间的负向关系越弱。此外，债券市场对国有性质和低股权集中度企业的管理层语调反应更强烈。本文为会计文本语调与债券定价研究提供了有益的启示。
[关键词] 管理层语调；债券信用利差；信息不对称；分析师关注度
一、引言
成本低、发行额度大、资金来源稳定的公司债券已成为上市公司重要的融资方式。债券定价的核心与难点则在于确定投资者的风险补偿水平——信用利差。自2014年11月超日债违约打破刚性兑付以来，债券违约事件时有发生。截至2018年底，我国全年共计52家发行主体的123只债券违约，违约规模达1 223亿元人民币，违约主体数量和规模均创历史新高。2019年第一季度债券违约金额累计已达392亿元人民币，为2018年同期金额的3倍以上。在这一背景下，投资者对公司债券高度信任被打破，债券信用利差的重要性也随着违约事件的爆发急剧上升。那么，债券发行人如何准确判断市场需求、设定合理债券信用利差、保证债券市场平稳发展则尤为重要。
已有研究表明，债券信用利差的影响因素主要包括发债企业的信用评级(沈红波和廖冠民，2014)、信息环境(Bharath et al.，2008)、股权结构(Anderson et al.，2003)、公司治理(周宏等，2018)和政治关联(Borisova et al.，2015)等微观因素，以及无风险利率(Longstaff & Schwartz，1995)、国债收益率(Duffee，1998)、所属行业(Garay et al.，2019)、政策不确定性(Kaviani et al.，2017)和投资者情绪(Nayak，2010)等宏观因素。尚无文献探讨会计文本语调这一重要文本特征信息对债券融资成本的影响。早期观点认为，会计文本是基于通用模版的无价值信息。但是现有大量实证研究已证明，会计文本对资本市场有显著的影响(Loughran & McDonald，2011；Price et al.，2012；林乐和谢德仁，2016；曾庆生等，2018)。那么在中国这样一个“说话听声、锣鼓听音”的高语境社会，会计文本语调是否和如何影响债券市场？
基于上述分析，本文提出如下几个亟待解决的问题：(1)中文背景下的会计文本语调如何测量？(2)债券市场是否会对会计文本中包含的语调产生显著的反应？(3)这一反应会受到哪些条件的影响？
本文以2012—2017年间中国A股市场中所有发行过债券的非金融企业作为研究样本，探讨公司年报中管理层讨论与分析所包含的文本语调(以下以管理层语调为代称)对债券信用利差的影响。本文参考了Loughran & McDonald(2011)和曾庆生等(2018)的做法，构建消极词、积极词、程度词三类单词列表，使用“词典法”测量管理层语调。参考Gong et al.(2018)的做法，本文使用债券到期收益率与剩余期限相同的国债到期收益率之差的对数作为因变量。经实证研究发现，管理层语调与债券信用利差显著负相关。这一结果表明，积极的管理层语调可以显著降低企业的债券融资成本。另一方面，证券分析师作为资本市场重要的信息中介，在投资者和上市公司之间具有重要的“信息传递”作用。因此，笔者选择从分析师关注度入手，深入探讨管理层语调对债券信用利差的作用机理。最后，考虑到所有权性质、股权集中度、两权分离程度不同情况下，上市公司代理问题及治理机制均存在差异，本文对以上情况通过分组检验做了进一步的分析。
本文的贡献主要包含以下几个方面。首先，本文丰富了国内外关于债券信用利差影响因素的研究(周宏等，2018；Kaviani et al.，2017；Gong et al.，2018；Garay et al.，2019)。本文首次使用会计文本信息——公司年报中管理层语调作为自变量，探索其对债券信用利差的影响。通过实证分析发现，即使在控制了可能影响公司融资成本的其他变量后，管理层语调依旧对债券信用利差起到了重要的解释作用。管理层语调越积极，公司使用债券融资的成本越低。
其次，笔者发现分析师关注度不仅与媒体负面报道呈现互补关系(刘笑霞和李明辉，2018)，分析师关注度也会弱化债券投资者对管理层语调的依赖程度。证券分析师可以有效降低市场信息不对称程度。分析师对企业的关注度越高，债券市场对管理层语调的反应越弱。同时，笔者进一步拓展了曾庆生等(2018)关于股票市场对不同所有权性质企业年报语调的异质性反应研究。笔者发现，债券市场对股权集中度较低、国有性质的企业呈现的管理层语调反应更加强烈。
最后，本文进一步扩展了会计文本语调的研究。一方面，为获取管理层语调，本文推进了中文金融情感词典的编制和文本语调测量工作。本文首先以Loughran & McDonald(2011)字典(LM字典)为参考形成初步的中文金融情感词典，随后随机选取2 000份MD&A文本作为样本集，通过人工挑选样本集中的情感词汇对词典进行扩充和完善，最后获得了2 678个积极词、2 127个消极词、246个程度词和24个否定词。同时，在基于词典法的文本语调测量中，已有研究大多通过简单统计积极(消极)词出现的频率获取会计文本语调(曾庆生等，2018；Jiang et al.，2019)。笔者则通过引入否定词、程度词、情感词出现在文章中的位置属性，以求获取更加合理的管理层语调。另一方面，本文扩展了会计文本语调与资本市场反应的相关研究。已有的会计文本语调对资本市场的反应大多集中于股票交易量(Price et al.，2012)、股票未来收益(Li，2010)、股票市场回报率(Jiang et al.，2019)等股票市场反应，本文则开拓性地探索了债券市场对会计文本语调的反应。
本文的结构如下：第二部分对已有文献进行梳理总结，并阐述本文的研究假设；第三部分详细介绍本文的研究设计；第四部分对本文的研究假设进行实证分析；第五部分对主假设做进一步分析与讨论；第六部分对全文进行总结并提出相关建议。
二、文献综述与研究假设
(一)文献综述
债券信用利差是债券融资成本最直接的体现，是债券价格中对投资者的风险补偿。已有研究表明，债券信用利差的影响因素主要包括两个部分：发债企业的内部因素以及外部因素。其中内部因素包括发债企业的信用评级、信息环境、股权结构、公司治理及企业社会责任承担等。(1)信用评级较高的企业，其债券信用利差较低(沈红波和廖冠民，2014)。相类似的，当分析师对发债企业的预测较积极时，债券差价较低(Mansi et al.，2011)。值得注意的是，市场中机构投资者比例越高，评级机构对发债企业的评级越客观；个人投资者比例越高，发债企业获得虚高评级的可能性越大(Hirth，2014)。(2)当公司拥有较高的信息透明度(Yu，2005)或较高的会计信息质量(Bharath et al.，2008)时，市场对公司违约风险的疑虑降低，债券的融资成本也随之减小。(3)当创始人家庭持股比例较高时，债券利差较低；但是，过高的创始人家庭持股比率可能引起股东与债权人之间的代理冲突，进而推高债券信用利差(Anderson et al.，2003)。同时，政府持股较高的公司面临较大的政治风险，因而其债券融资成本较高。但这一由政府持股导致的债券利差上涨的现象会因为经济环境的变化受到影响(Borisova et al.，2015)。(4)良好的公司治理可以通过改善公司业绩、信息不对称来减少债券信用利差，且这一影响在民营企业中更为显著(周宏等，2018)。(5)企业社会责任信息披露质量与债券融资成本显著负相关，且这一负相关关系在公司治理薄弱的公司和环境治理薄弱的地区更为明显(Gong et al.，2018)。
影响债券信用利差的外部因素主要包括无风险利率、所属行业、政治不确定性以及投资者情绪等。(1)无风险利率对信用利差具有显著影响。无风险利率越低(Longstaff & Schwartz，1995)、国债收益率越高(Duffee，1998)时，债券融资成本越高。(2)能源、基础材料和通信部门的融资债务成本显著异于其他行业的融资成本(Garay et al.，2019)。(3)政策不确定性也会显著影响发债企业的融资成本，且这一现象在容易受到政府政策影响的公司尤为显著(Kaviani et al.，2017)。(4)与股票市场类似，投资者情绪也会显著影响债券定价，积极的投资者情绪会降低债券融资成本，反之增加信用利差(Nayak，2010)。
综上所述，现有与债券信用利差相关的研究，主要关注微观财务数据和宏观经济数据等“硬信息”对公司债券融资成本的影响，而关于会计文本所呈现的管理层语调等“软信息”如何影响信用利差的研究非常有限。已有大量学者充分验证了会计文本对股票交易量(Price et al.，2012)、股票未来收益(Li，2010)、股票市场回报率(Jiang et al.，2019)以及股票出售规模(曾庆生等，2018)等市场反应的显著影响。因此，探讨会计文本语调这种“软信息”如何影响债券信用利差对我国债券市场发展具有非常重要的研究意义。
(二)研究假设
公司年报作为上市公司信息披露中最重要的组成部分，是市场直接获取公司信息的有效渠道。相较于年报中的财务信息，年报中所呈现的文本语调向市场提供了用以评估企业未来业绩及现金流相关风险的有效增量信息(Loughran & McDonald，2011)。投资者能够正确解读文本语调中所传递的信号，并对其做出与文本语调方向相一致的反应(Loughran & McDonald，2011；Price et al.，2012；Bochkay & Levine，2019)。“管理层讨论与分析”作为公司年报中财务数据的定性补充，是公司年报中语言色彩最浓郁的部分，向外界生动地展示了公司管理层对于公司过去经营状况的分析总结以及对公司未来发展前景的展望。积极的“管理层讨论与分析”文本语调会促使公司未来盈余显著增加(Bochkay & Levine，2019)。这一效应在机构投资者占比较低的中国资本市场更加适用。首先，不具备专业财务分析能力的中小投资者对年报中的非数字信息反应更加敏感(Baginski et al.，2016)。其次，中国作为 “说话听声、锣鼓听音”的高语境国家，这一文化背景也会促使投资者更加关注和猜测企业信息披露中所暗含的语调。因此在债券市场，债券发行人的潜在投资者受积极的“管理层讨论与分析”文本语调的影响，也会对该公司呈现乐观的预期。那么市场对于该公司所发行债券的需求会随着投资者情绪的上涨而显著增加，从而减低信用利差。基于以上分析，本文提出如下假设：
假设1: 管理层语调越积极，公司债券信用利差越低。
债券信用利差对管理层语调的反应并不能一概而论，上市公司自身的特征以及所处的外部环境特征都会影响债券市场对企业信息披露的识别和判断(Sapra et al.，2014)。债券市场投资者对公司管理层语调的反应，是基于对公司相关信息搜集和分析进行的。投资者不参与企业经营，只能通过其他途径直接或间接获取企业信息用以判断企业价值。证券分析师作为上市公司与投资者间的信息中介, 在信息的筛选、分析和传递中起着重要的桥梁作用。因此，本文从如下两个方面探讨分析师关注度对管理层语调与信用利差的影响。
一方面，如Baginski et al.(2016)所述，相较于财务信息，年报中的文字信息对不具备财务专业分析能力的中小投资者影响更大。也就是说，企业与投资者之间信息不对称程度会影响到投资者对管理层语调的依赖程度。信息不对称程度越高，投资者越依赖会计年报语调所传递的“软信息”，管理层语调对信用利差的影响也就越明显。但是，作为上市公司与投资者之间的信息中介，证券分析师具有挖掘信息和解读信息的专业能力，为客户提供相应的盈利预测、目标价格以及买入卖出建议，向市场传递公司特质信息，缓解了投资者与公司之间的信息不对称问题(刘笑霞和李明辉，2018)。因此，证券分析师对公司的高关注度会削弱投资者对会计文本语调的依赖程度。分析师关注度越高，市场关于公司的特质信息越多，信息不对称程度越低，债券市场对管理层语调的反应越弱。
另一方面，根据投资者有限关注理论，由于有限的时间和资源约束，个人投资者很难直接从债券市场中选中目标企业。因此，投资者往往遵循“有限关注”驱动的投资模式——将投资范围锁定于引起他们关注的目标公司集合(Barber & Odean，1999)。信息对市场的影响是通过投资者实现的，只有被投资者关注到的信息才能通过交易行为的产生反映到股市中，因此获得投资者的关注是市场反应的前提条件(Huberman & Regev，2001)。因此本文认为，上一年公司分析师关注度越高，投资者对该公司的关注度也越高。当本年度公司年报中“管理层与讨论分析”文本呈现较积极的语调时，投资者对该语调的反应也越大。
基于上述分析，本文提出如下对立假设：
假设2a: 较高的分析师关注度削弱了管理层语调对债券信用利差的负向影响。
假设H2b: 较高的分析师关注度增强了管理层语调对债券信用利差的负向影响。
三、研究设计
(一)样本选择与数据来源
为了研究管理层讨论与分析的文本语调对公司债券信用利差的影响，本文的初始样本涵盖了2012—2017年A股市场的所有已发行债券的上市公司。由于金融企业具有不同于其他行业的严格的财务数据制定标准，本文剔除了金融企业。本文使用Python语言抓取和分析公司年报中管理者语言色彩最浓郁的部分——管理层讨论与分析，并采用Jieba词库(1)资料来源：https://pypi.org/project/jieba/。对会计文本进行分词处理，进而获得文本语调的代理变量。本文的股票市场数据和公司主要财务数据来自CSMAR(国泰安)数据库，债券数据来自于WIND(万德)数据库。行业划分依据中国证监会行业分类指导标准，由于制造行业占总样本比例过高，按其二级行业进行分类，其他行业则全部按照大类进行分类，共计20个行业。
(二)主要变量定义与计算
1.解释变量——管理层语调。本文参考Loughran & McDonald(2011)，使用“词典法”对管理层讨论与分析的文本语调进行量化，并通过设计一个更为客观的算法模型解决词性反转与情感程度问题。由于中国缺乏像Loughran & McDonald(2011)字典(L&M字典)这样公认的、开源的会计文本情感词库，较常见的中文情感字典(如台湾大学情感字典、HowNet情感字典)并不适合应用到财经领域的语调分析。(2)将企业年报文本的词语列表与HowNet 情感词典进行匹配，发现 HowNet 情感词典上的词语出现在年报用语中不多，匹配度很差。因此，本文基于2 000份公司年报人工筛选出初步的情感词汇表，并参考L&M英文情感词典和知网情感字典，建立了适用于中国金融市场会计文本信息披露的词汇表，包括否定词、情感词(积极词和消极词)和程度词三个类别。(3) 篇幅限制，不列出词汇表，如需要的读者请与笔者联系。
已有研究对于会计文本语调的测量都是直接使用简单比例加总权重的方法，将积极词与消极词数之差，与积极词与消极词数之和做比(Price et al., 2012)；或积极词与消极词数之差，与年报总词数做比(曾庆生等，2018)。但这种方法过于简单，无法解决情感表达程度(大幅\增加，小幅\下滑)等问题。
本文通过引入词性反转和程度词发现，这一处理方式能够进一步提高文本情感得分的精度。首先，词语的词性不一定只由该词本身决定，一些否定词的使用会让词语的词性发生反转，如“没有\降低”、“无\异常波动”等。基于此，本文在情感词语的位置向前搜索1或2个位置来查找否定词并确认是否存在词性反转。其次，对于不同的情感词，每个情感词的分数绝对值的大小取决于程度词。类似于词性反转，程度词的搜索采取相同的模式，在情感词的位置向前搜索1或2个位置，根据程度词的程度大小，对情感值乘以不同的系数。本文对该系数进行了如下设定：根据程度词的强烈程度分为五个子类，并从1至5分别对其进行赋值：“1”代表“不充分”(如“微弱”和“轻微”)；“2”代表“弱”(如“一些”和“些许”)；“3”代表“中等”(如“更加”和“更进一步”)；“4”代表“强”(如“特别”和“格外”)；“5”代表“最”(如“百分之百”和“充分”)。每个词组的情感得分计算如下：
sj=(-1)t×k×d
(1)
式中，t代表向前搜索所获取的否定词的个数；k代表的是程度词的程度。若情感词本身为消极词，d=1；若情感词本身为积极词，d=-1。
那么整句话的情感得分为其所包含的词组的情感得分之和：

(2)
相类似的，每段话的情感得分则为：

(3)
根据Luchins(1958)的首要效应和近因效应理论，文本的开头和结尾部分比中间部分更重要。因此，本文使用计算机领域的“文本分块(text chunking)”方法来分块衡量年度报告的语调。同时，根据Loughran & McDonald(2011)的研究，本文还在语调衡量模型中考虑了管理层讨论与分析中积极词和消极词出现的频率。最后，文本语调测量如下：
Tone=w1×sp,1×f1+w2×sp,2
×f2+w3×sp,3×f3
(4)
式中，w1, w2和w3分别代表开始、中间和结尾部分的权重；(4)笔者参考机器学习中计算最优超参数组合的方法——网格搜索法，通过循环历遍所有候选权重，得到首尾权重组合的最优解。sp,1, sp,2和sp,3分别表示开始、中间和结尾部分各自的情感得分；f1, f2和f3则分别表示了积极词或消极词在开始、中间和结尾部分出现的频率；Tone代表了管理层讨论与分析所呈现的总体语调，Tone值越高，管理层讨论与分析所呈现的语调越积极。
2.被解释变量——债券信用利差。本文的被解释变量为信用利差(LogSpread)，参考Gong et al.(2018)的做法，笔者选取债券到期收益率与同期可比的国债到期收益率之差的对数作为债券信用利差的代理变量。
3.调节变量——分析师关注度。参考宋常等(2016)的做法，本文分别使用跟踪分析某一公司的分析师团队之和加1的对数(AnalystFollow)和跟踪分析该公司研究报告份数加1的对数(AnalystReport)作为分析师关注度的代理变量。
4.控制变量。为了确定实证结果的准确性，本文在回归模型中加入了可能影响债券信用利差的控制变量。公司层面，本文使用托宾Q值(TobinQ)来代表公司价值。价值越高的公司，投资者越倾向于购买其发行的债券，企业的债券利差越小。本文使用杠杆率(Lev)控制公司现有的债务水平。杠杆比率越高的公司，违约风险越高，借贷成本越高，债券信用利差越大(Gong et al.，2018)。参考林晚发等(2019)的做法，本文加入流动负债比例(LiquidityLiabiliy)和流动资产比例(LiquidityAsset)控制公司的短期债务及其偿还能力。公司面临的短期债务压力越大、偿还能力越弱，公司的融资成本越高。另一方面，利润率较高的公司违约风险则较低，债务成本也较低，因此本文参考Bharath et al.(2008)的做法使用总资产回报率(ROA)作为公司盈利能力变量。同时，笔者使用账面市值比(BM)代表公司的增长潜力。一般而言，高增长公司更具有获取大量未来现金流的潜力，从而使得融资成本降低。但是已有研究表明，成长型公司可能更容易受到财务困境的影响。因此，公司增长潜力对公司债券成本的影响尚无定论。参考Gong et al.(2018)的做法，笔者还加入了可能影响公司债务融资能力的有形资产占比(Tangible)作为公司层面的控制变量。债券层面，由于长期债务具有更高的利率风险敞口，其债券利差更高，因此笔者参考了Gong et al.(2018)和周宏等人(2018)的做法，选取债券存续年限(Maturity)作为债券层面的控制变量。最后，本文选择在模型中加入年份和行业的虚拟变量进一步控制宏观因素对信用利差的影响。综上所有变量的定义如表1所示。
表1 变量定义

四、实证结果分析
(一)描述性统计
表2报告了样本中所使用变量的描述性统计分析结果。债券信用利差的平均值为0.721 1，平均期限为2.606 8年。债券信用利差的标准差为0.513 4，债券信用利差在不同公司间存在显著的差异。公司年报中管理层语调(Tone)最小值为0.056 3，最大值为13.971 9，标准差为2.709 7。管理层语调在不同公司间存在显著差异。就公司特征而言，账面市值比(BM)的均值为0.998 3，流动性资产占比的均值为0.558 5，流动性负债的均值为0.808 5，有形资产比例为0.927 5，总资产收益率的均值为0.066 7，且总资产约55.75%的融资来源来自债务。国有企业占样本的49.35%，18.23%的公司存在董事长与总经理兼任情况，第一大股东平均持股比例为37.06%。各种绩效和风险指标表明，本文所选取的样本公司财务状况良好。
表2 描述性统计

资料来源：通过Stata计算整理。
(二)管理层讨论与分析语调与债券信用利差
为了检验假设1，本文采用式(5)验证管理层语调对债券信用利差的影响：
LogSpreadi,t=β0+β1×Tonei,t-1+β2
×ControlVariablesi,t-1+βx
×Yeari,t-1+βy×Industryi,t-1
+εi,t
(5)
式中，LogSpread衡量了本年度公司发行债券的信用利差；Tone表示上一年度公司年报中MD&A所呈现的语调；ControlVariables代表控制变量。
全样本回归结果如表3所示。其中，表3的列(1)列示了不包含控制变量情况下，管理层语调与信用利差的回归结果，结果显示Tone与LogSpread间存在显著的负相关关系。为验证表3中列(1)的可信性，本文进一步加入行业和年份的虚拟变量，结果如表3中列(2)所示。Tone 系数的绝对值降低但依旧显著为负，模型的R-square显著增加。参考前人的研究，在表3列(3)中加入可能影响LogSpread的控制变量，Tone系数的绝对值变大。为避免异方差影响估计值的标注误差，使用稳健标准误重新估计式(5)，Tone的系数如表3的列(4)所示并未发生明显改变。最后，由于各公司之间存在差异，本文加入聚群标准误以获取更加合理的估计值，结果如表3的列(5)所示，Tone的系数依旧显著为负。
如上所述，与假设1预期相一致，在控制债券存续年限(Maturity)、公司业绩(ROA)、财务杠杆(Lev)、账面市值比(BM)、公司价值(TobinQ)、流动负债比例(LiquidityLiabiliy)、流动资产比例(LiquidityAsset)、有形资产占比(Tangible)、年份(Year)、行业(Industry)，并控制稳健和聚群标准误(clustered standard error)后，管理层语调与债券信用利差之间的负相关关系依旧显著(如表3中列(5)所示)。管理层讨论与分析的语调越积极，公司发行债券的信用利差越低。与Bochkay & Levine(2019)的结论相似，乐观的会计文本语调会引起积极的市场反应。在积极的管理层语调作用下，债券的潜在投资者对债券发行人未来发展呈乐观态度，从而使债券的需求上升，信用利差下降。假设1得到了验证。
表3 主效应检验结果

说明：括号内为T值；*,**和***分别表示变量在10%,5%和1%的显著水平上显著；Y表示已控制,N表示未控制；下表同。
(三)分析师关注度的调节效应
为了检验假设2a与假设2b，本文采用式(6)和式(7)检验分析师关注度是否会影响管理层语调对债券信用利差的作用强度：
LogSpreadi,t=β0+β1×Tonei,t-1+β2
×Tonei,t-1×AnalystFollowi,t-1
+β3×AnalystFollowi,t-1+β4
×ControlVariablesi,t-1+βx
×Yeari,t-1+βy
×Industryi,t-1+εi,t
(6)
LogSpreadi,t=β0+β1 ×Tonei,t-1+β2
×Tonei,t-1×AnalystReporti,t-1
+β3×AnalystReporti,t-1+β4
×ControlVariablesi,t-1+βx
×Yeari,t-1+βy
×Industryi,t-1+εi,t
(7)
式中，LogSpread表示公司发行债券的信用利差；Tone表示管理层讨论与分析的语调；AnalystFollow和AnalystReport表示分析师关注度的代理变量；ControlVariables代表控制变量。回归结果如表4所示。
表4 调节效应检验结果

与假设2a的预期相一致，无论是选取分析师跟踪数量(AnalystFollow)还是研报份数(AnalystReport)衡量分析师关注度，管理层语调与债券信用利差依旧显著负相关。在控制债券存续年限(Maturity)、公司业绩(ROA)、财务杠杆(Lev)、账面市值比(BM)、公司价值(TobinQ)、流动负债比例(LiquidityLiabiliy)、流动资产比例(LiquidityAsset)、有形资产占比(Tangible)、年份(Year)和行业(Industry)后，表4的列(1)中交互项AnalystFollow×Tone估计系数为0.021 8，表4的列(2)中交互项AnalystReport×Tone估计系数为0.016 0，分别在5%和10%的显著水平显著。这些研究结果表明，分析师关注度对管理层语调与信用利差关系起到了负向调节作用。也就是说，分析师关注度较高时，管理层语调对信用利差的负向影响会被弱化，假设2a得到验证，假设2b不成立。这一结果与刘笑霞和李明辉(2018)得到的结论相似，证券分析师可以有效降低市场信息不对称程度。
五、进一步分析
(一)所有权性质
为了进一步研究管理层语调对债券信用利差的影响，本部分根据公司所有权性质将全样本分为国有企业和非国有企业进行分组回归。结果如表5的列(1)和列(2)所示。在国有企业组，管理层语调与债券信用利差显著负相关；而在非国有企业组两者关系则不显著。且经SUEST系数差异性检验发现，Chi2(1)=6.26，Prob>Chi2=0.01，国有企业和非国有企业组间管理层语调对信用利差的作用系数存在显著的差异。作为中国经济主体，国有企业未来的发展直接影响国家经济形势，其所披露的信息更能引起市场的关注和反应。因此，相较于民营企业，国有企业所呈现的积极的管理层语调也就更能影响其债券的信用利差。
(二)股权集中度
本部分以公司第一大持股比例作为股权集中度的代理变量，将第一大股东持股比例低于其平均值的样本划分为低股权集中度组；将第一大股东持股比例高于其平均值的样本划分为高股权集中度组。实证结果如表5的列(3)和列(4)所示。管理层语调与债券信用利差仅在低股权集中度组显著负相关，且两组MD&A系数均通过系数性差异检验。(5) 股权集中度的分组差异系数检验的显著水平接近10%。这表明，股权集中度越低时，公司越不容易受到大股东的控制，投资者对公司披露的信息越信任，管理层语调对债券信用利差的影响也越显著。
(三)两权分离度
如表2所示，本文所选取的样本中18.23%的公司存在董事长与总经理兼任情况，因此本文根据董事长与总经理兼任情况对全样本进行分组检验。检验结果如表5的列(5)和列(6)所示。当公司董事长与总经理不是同一人时，管理层语调显著负向影响债券信用利差；当公司董事长与总经理是同一人时，管理层语调与债券信用利差无显著关联。但是，由于未能通过SUEST检验，本文无法证明管理层语调在两组的系数存在显著差异。因此，两权分离度并不能影响管理层语调对信用利差的作用强度。
表5 分组效应检验结果

六、稳健性检验
(一)内生性检验
管理层语调可能受年度、行业、地理位置等公司外部环境特征的影响而产生内生性问题(曾庆生等，2018)。因此，本文参考曾庆生等(2018)的做法，分别采用经过同年同行业、同年同省份、同年同省份同行业的平均数调整后的管理层语调作为管理层语调新的代理变量，分三次重复验证式(5)。回归结果如表6所示。
表6 内生性检验结果

表6的列(1)列示了经同年、同行业调整后的管理层语调(Adjusted Tone_1)与信用利差(LogSpread)的回归结果，经调整的语调与信用利差在5%的显著水平上依旧呈负相关关系，管理层语调与债券信用利差的负相关关系并未受到公司所处年份及行业特征的干扰。
表6的列(2)列示了经同年、同省份调整后的管理层语调(Adjusted Tone_2)的回归结果。经调整的语调依旧与债券融资成本显著负相关。这一结果表明，同年份及同省份地理特征对管理层语调与债券信用利差的关系亦无法造成影响。
表6的列(3)列示了经同年、同省份、同行业调整后的管理层语调(Adjusted Tone_3)的实证结果。结果表明，在更加严格的限制下，语调与债券信用利差之间的显著负相关关系依旧不变。
(二)债券类型
本文样本的债券类型包括四种：企业债、公司债、中期票据和短期融资券。为了使得本文的结论更加严谨可信，本文将债券类型的虚拟变量(Type)加入模型中，再次对式(5)～式(7)进行稳健性检验。结果如表7所示，管理层语调的系数依旧显著为负，分析师关注度与管理层语调的交互项依旧显著为正，假设1和假设2a再次得到验证。
七、结论
本文以2012—2017年中国上市A股发行过公司债券的非金融公司为研究样本，通过测量公司年报中最具情感色彩的MD&A部分所呈现的管理层语调，验证了管理层语调与债券发行利率之间的相关性。实证结果显示，管理层语调越积极，公司债券融资成本越低。这表明管理层语调会影响市场对公司未来发展与盈利水平等的预期，降低企业发行债券的信用利差。同时，本文发现分析师关注度会影响管理层语调与债券信用利差间的关系。分析师对发债企业的关注度较高时，管理层语调对债券信用利差的负向影响会被弱化。分析师为市场提供的参考信息影响着债券市场在下一年对公司债券的需求。上述结论均通过了内生性检验和增加控制变量等稳健性检验。
表7 稳健性检验结果

为了进一步研究管理层语调对债券信用利差的影响，本文对管理层语调与信用利差这一主效应分别进行了基于公司所有权性质、股权分离度和两权分离度的分组检验。结果表明：首先，相较于国企，债券市场对民营企业管理层语调的反应较弱；其次，市场对高股权集中度公司所发行的债券需求较低，但并无证据证明两权分离度可以影响管理层语调与债券信用利差间的关系。
综上所述，本文的研究结果对债券市场发展具有重要且深远的意义。首先，本文证实并深入分析了管理层语调在债券市场中的信息含量，这些结论可以有效帮助债券投资者和发债方更好地理解公司的文本信息。
同时，根据本文所得出的结论，笔者得到如下政策启示：首先，本文证实了管理层语调在债券市场中的信息价值，管理层语调会显著影响上市公司债券信用利差。因此，未来的信息披露规范准则不仅应该强调数字信息披露的全面和准确性，也应该重视会计信息中文字部分的披露规则。其次，由于公司高管为了获取个人利益，可能会在信息披露过程中夸大有利信息，掩盖不利信息。管理层为了快速降低债券融资成本，也存在语调操纵的可能性。因此，笔者建议在债券市场建设中，通过促进分析师信息披露和规范监管两种方式提高债券市场信息透明度，抑制管理层机会主义行为。一方面，根据本文的结论可知，分析师可以有效降低债券市场信息不对称程度。因此，笔者建议监管机构制定相应的规则，促进分析师向市场提供更多的中小投资者难以获取的增量信息，帮助债券投资者更加理性地进行债券投资活动。另一方面，本文建议相关监管机构重视和加强对上市公司信息披露中管理层语调等文本特征的监管。应进一步规范管理层讨论与分析部分的披露细则，对管理层乐观预期的凭据、企业潜在风险应对措施的细节等，都应设定细致的规范和指引，避免企业避重就轻，泛泛而谈。最后，由于目前审计师对公司的审计范围主要集中于财务报表，往往忽视对年报中文本信息的审计。因此，笔者建议相关部门通过提高审计师对管理层讨论与分析的审计规范，进一步完善金融市场对管理层语调信息披露的监管机制。
参考文献
林乐、谢德仁，2016：《投资者会听话听音吗?——基于管理层语调视角的实证研究》，《财经研究》第7期。
林晚发、刘颖斐、赵仲匡，2019：《承销商评级与债券信用利差——来自〈证券公司分类监管规定〉的经验证据》，《中国工业经济》第1期。
刘笑霞、李明辉，2018：《媒体负面报道、分析师跟踪与税收激进度》，《会计研究》第9期。
沈红波、 廖冠民，2014：《信用评级机构可以提供增量信息吗——基于短期融资券的实证检验》，《财贸经济》第8期。
宋常、杨华领、李沁洋，2016：《证券分析师关注与上市公司成本黏性》，《经济理论与经济管理》第12期。
周宏、周畅、林晚发、李国平，2018：《公司治理与企业债券信用利差——基于中国公司债券2008—2016年的经验证据》，《会计研究》第5期。
曾庆生、周波、张程、陈信元，2018：《年报语调与内部人交易:“表里如一”还是“口是心非”?》，《管理世界》第9期。
Anderson, R.C., S.A.Mansi, and D.M.Reeb, 2003, “Founding Family Ownership and the Agency Cost of Debt”, Journal of Financial Economics, 68(2):263-285.
Baginski, S., E.Demers, C.Wang, and J.Yu, 2016, “Contemporaneous Verification of Language: Evidence from Management Earnings Forecasts”, Review of Accounting Studies, 21(1):165-197.
Barber, B.M., and T.Odean, 1999, “The Courage of Misguided Convictions”, Financial Analysts Journal, 55(6):41-55.
Bharath, S.T., J.Sunder, and S.V.Sunder, 2008, “Accounting Quality and Debt Contracting”, Accounting Review, 83(1):1-28.
Bochkay, K., and C.B.Levine, 2019, “Using MD&A to Improve Earnings Forecasts”, Journal of Accounting, Auditing, and Finance, 34(3):458-482.
Borisova, G., V.Fotak, K.Holland, and W.L.Megginson, 2015, “Government Ownership and the Cost of Debt: Evidence from Government Investments in Publicly Traded Firms”, Journal of Financial Economics, 118(1):168-191.
Duffee, G.R., 1998, “The Relation between Treasury Yields and Corporate Bond Yield Spreads”, Journal of Finance, 53(6):2225-2241.
Garay, U., M.González, and J.Rosso, 2019, “Country and Industry Effects in Corporate Bond Spreads in Emerging Markets”, Journal of Business Research, 102:191-200.
Gong, G., S.Xu, and X.Gong, 2018, “On the Value of Corporate Social Responsibility Disclosure: An Empirical Investigation of Corporate Bond Issues in China”, Journal of Business Ethics, 150(1):227-258.
Hirth, S., 2014, “Credit Rating Dynamics and Competition”, Journal of Banking and Finance, 49:100-112.
Huberman, G., and T.Regev, 2001, “Contagious Speculation and a Cure for Cancer: A Nonevent That Made Stock Prices Soar”, Journal of Finance, 56(1):387-396.
Jiang, F., J.Lee, X.Martin, and G.Zhou, 2019, “Manager Sentiment and Stock Returns”, Journal of Financial Economics, 132(1):126-149.
Kaviani, M., L. Kryzanowski, H.Maleki, and P.G.Savor, 2017, “Policy Uncertainty and Corporate Credit Spreads”, Fox School of Business Research Paper No.17-020.
Li, F., 2010, “The Information Content of Forward-looking Statements in Corporate Filings——A Naïve Bayesian Machine Learning Approach”, Journal of Accounting Research, 48(5):1049-1102.
Longstaff, F.A., and E.S.Schwartz, 1995, “A Simple Approach to Valuing Risky Fixed and Floating Rate Debt”, The Journal of Finance, 50(3):789-819.
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.
Luchins, A.S., 1958, “Definitiveness of Impression and Primacy-recency in Communications”, Journal of Social Psychology, 48(2):275-290.
Mansi, S.A., W.F.Maxwell, and D.P.Miller, 2011, “Analyst Forecast Characteristics and the Cost of Debt”, Review of Accounting Studies, 16(1):116-142.
Nayak, S., 2010, “Investor Sentiment and Corporate Bond Yield Spreads”, Review of Behavioral Finance, 2(2):59-80.
Price, S.M., J.S.Doran, D.R.Peterson, and B.A.Bliss, 2012, “Earnings Conference Calls and Stock Returns: The Incremental Informativeness of Textual Tone”, Journal of Banking and Finance, 36(4): 992-1011.
Sapra, H., A.Subramanian, and K.V.Subramanian, 2014, “Corporate Governance and Innovation: Theory and Evidence”, Journal of Financial and Quantitative Analysis, 49(4): 957-1003.
Yu, F., 2005, “Accounting Transparency and the Term Structure of Credit Spreads”, Journal of Financial Economics, 75(1): 53-84.
THE INFLUENCE OF MANAGEMENT TONE ON CORPORATE BOND CREDIT SPREAD BASED ON TEXT MINING
YAO Xiao WU Dong-xiao PANG Shou-lin
(School of Business, Central University of Finance and Economics)
Abstract: We select non-financial companies that issue bonds in Shanghai and Shenzhen A-share market from 2012 to 2017 as our sample and explore the influence of text tone on bond credit spreads. According to the characteristics of Chinese accounting textual disclosure, we have established a dictionary suitable for Chinese financial market accounting text analysis, and applied textual analysis to obtaining the tone of “Management Discussion and Analysis” in the annual reports of A-share non-financial listed companies in China. Empirical results show that the more positive the accounting textual tone is, the smaller the bond credit spread tends to be. We also find that the influence of accounting textual tone on bond credit spreads is limited by analyst coverage. A higher level of analyst coverage would weaken the influence of textual tone on bond financing cost. Further subsample analysis shows that the bond market reacts more strongly to the state-owned companies and companies with lower equity concentration The empirical evidence provides implications to bond pricing.
Key words: textual tone; corporate bond credit spread; information asymmetry; analyst coverage
*姚潇、吴冬晓(通讯作者)、庞守林，中央财经大学商学院，邮政编码：100081，电子信箱：yaoxiao18@cufe.edu.cn。本文得到了国家自然科学基金青年项目(71901230)和中央财经大学商学院博士生重点选题项目的资助。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:刘舫舸)