MD&A异常语调(Huang残差法)
「MD&A异常语调(Huang残差法)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 14 个变量，样本量约 59,972。 衡量管理层讨论与分析（MD&A）文本中与公司基本面无关的语调操纵程度。
| 时间跨度 | 2001-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 14 |
| 样本量 | 59,972 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- ABTONE [异常语调] — 参考Huang, Teoh & Zhang(2014,TAR)和曾庆生等(2018,管理世界)的方法，以管理层净乐观语调对ROA/RET/规模项/账面市值比/STD_RET/STD_ROA/AGE/LOSS/D_ROA/F_ROA进行OLS回归(含年度x行业交叉固定效应)，残差项即为异常语调，计算公式为：管理层净乐观语调的OLS回归残差。值越大代表管理层语调超出基本面预期越多，用作研究变量，越大代表语调操纵程度越高。单位：比例
- RawTone [原始语调] — 参考Huang, Teoh & Zhang (2014, TAR)。来自D327的MD&A净语调，计算公式为：(NTUSD积极词频-NTUSD消极词频)/(NTUSD积极词频+NTUSD消极词频)。单位：比例
- NormalTone [正常语调] — 参考Huang, Teoh & Zhang (2014, TAR)的方法，基于公司基本面和年度/行业固定效应回归拟合的正常语调水平。单位：比例
常见问题
- 「MD&A异常语调(Huang残差法)」是什么数据集？
- MD&A异常语调(Huang残差法)，隶属信息环境。衡量管理层讨论与分析（MD&A）文本中与公司基本面无关的语调操纵程度。
- 该数据集的时间范围是？
- 覆盖 2001-2025 年。
- 包含哪些变量/指标？
- 共 14 个变量。核心指标包括：异常语调、原始语调、正常语调。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 59,972 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 管理层讨论与分析（MD&A）的语调是公司管理层向市场传递信息的重要渠道。然而，语调不仅反映公司基本面，也可能包含管理层的主观操纵成分。为了分离出语调中与基本面无关的部分，即“异常语调”，本研究参考Huang, Teoh & Zhang (2014)的方法，从原始语调中剥离由公司基本面决定的正常语调成分。 首先，原始语调（RawTone）定义为管理层在MD&A文本中使用的净乐观词汇比例，具体计算公式为： $$RawTone = \frac{P - N}{P + N}$$ 其中$P$为MD&A文本中积极词汇（根据NTUSD词典）的出现频率，$N$为消极词汇的出现频率。 为了得到异常语调，需要估计由公司基本面决定的正常语调水平（NormalTone）。为此，构建如下回归模型，以原始语调为因变量，以一系列刻画公司基本面、业绩波动及生命周期的财务与市场变量为自变量，并控制年度与行业的交叉固定效应。回归模型如下： $$RawTone{i,t} = \alpha + \beta1 ROA{i,t} + \beta2 RET{i,t} + \beta3 Size{i,t} + \beta4 BM{i,t} + \beta5 STD\RET{i,t} + \beta6 STD\ROA{i,t} + \beta7 AGE{i,t} + \beta8 LOSS{i,t} + \beta9 D\ROA{i,t} + \beta{10} F\ROA{i,t} + Year \times Industry FE + \epsilon{i,t}$$ 其中，$ROA$为总资产收益率（净利润/总资产），$RET$为年度股票收益率，$Size$为公司规模（总市值的自然对数），$BM$为账面市值比（净资产/总市值），$STD\RET$为过去12个月股票收益率的标准差，$STD\ROA$为过去三年$ROA$的标准差，$AGE$为公司上市年限，$LOSS$为虚拟变量（若当年净利润为负则取1，否则为0），$D\ROA$为$ROA$的一阶差分，$F\ROA$为未来一期$ROA$。行业分类按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组。 通过上述模型进行OLS回归，得到的拟合值即为正常语调（NormalTone），它代表了基于公司基本面和行业年度特征所预期的语调水平。回归的残差项即为异常语调（ABTONE），其计算公式为： $$ABTONE{i,t} = RawTone{i,t} - NormalTone{i,t}$$ 该指标衡量了管理层语调中超出（或低于）基本面预期的部分。值越大，通常被认为管理层语调操纵的程度越高。 补充说明 - 用于计算异常语调的年度横截面回归，要求每个年度-行业分组内至少有10个有效观测值。 - 连续变量在回归前进行了1%和99%分位数的缩尾处理，以减轻极端值的影响。 参考文献 - Huang X, Teoh S H, Zhang Y. Tone management[J]. The Accounting Review, 2014, 89(3): 1083-1113. - 曾庆生, 周波, 张程, 等. 年报语调与内部人交易:“表里如一”还是“口是心非”?[J]. 管理世界, 2018, 34(9): 143-160.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。