管理层语调操纵(异常语调残差法)
「管理层语调操纵(异常语调残差法)」，覆盖 2002-2024 年，频率 年度，上市公司层级，含 18 个变量，样本量约 49,953。 衡量管理层在财务报告中通过文本措辞进行语调操纵的程度。
| 时间跨度 | 2002-2024 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 18 |
| 样本量 | 49,953 |
| 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 [年度] — 会计年度
- 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
- PosCount [MD&A正面词数] — 使用姜富伟等(2021, 经济学季刊)CFSD词典(3173个正面词)在MD&A中匹配到的正面词数(含否定词翻转)。单位：个
- NegCount [MD&A负面词数] — 使用姜富伟等(2021, 经济学季刊)CFSD词典(5600个负面词)在MD&A中匹配到的负面词数(含否定词翻转)。单位：个
- TONE [管理层净乐观语调] — 参考谢德仁&林乐(2015,会计研究)和曾庆生等(2018,管理世界)的方法，计算公式为：(正面词数-负面词数)/(正面词数+负面词数)，取值范围[-1,1]，值越大代表管理层用词越积极乐观。单位：比例
- ABTONE [管理层语调操纵(OLS残差)] — 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
- NormalTone [正常语调(OLS拟合值)] — 参考Huang, Teoh & Zhang(2014,TAR)的方法，计算公式为：管理层净乐观语调回归的OLS拟合值，代表由公司基本面因素决定的正常语调水平
- ABTONE_FE [管理层语调操纵(固定效应残差)] — 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相同控制变量进行公司固定效应+年度固定效应回归(Within-Estimator)，残差项即为异常语调，计算公式为：管理层净乐观语调的面板固定效应回归残差。作为异常语调的稳健性检验，控制了公司层面不随时间变化的特征
- NormalTone_FE [正常语调(FE拟合值)] — 参考Huang, Teoh & Zhang(2014,TAR)的方法，计算公式为：管理层净乐观语调的固定效应回归拟合值，包含公司固定效应捕获的持续性语调特征
常见问题
- 「管理层语调操纵(异常语调残差法)」是什么数据集？
- 管理层语调操纵(异常语调残差法)，隶属信息环境。衡量管理层在财务报告中通过文本措辞进行语调操纵的程度。
- 该数据集的时间范围是？
- 覆盖 2002-2024 年。
- 包含哪些变量/指标？
- 共 18 个变量。核心指标包括：MD&A正面词数、MD&A负面词数、管理层净乐观语调、管理层语调操纵(OLS残差)、正常语调(OLS拟合值)、管理层语调操纵(固定效应残差)、正常语调(FE拟合值)。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 49,953 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 管理层语调操纵是指管理层在财务报告（如管理层讨论与分析，MD&A）的文本披露中，使用超出公司基本面所决定的正常水平的乐观或悲观措辞，以达到影响投资者判断的目的。为衡量这种操纵行为，研究借鉴了文本分析中的语调测算方法，通过构建管理层净乐观语调指标，并剥离其中可由公司基本面特征解释的部分，将回归残差定义为异常语调或语调操纵程度。 首先，基于MD&A文本，使用经学术验证的词典（如CFSD词典）统计正面词和负面词的数量。管理层净乐观语调（$TONE$）的计算公式为： $$TONE = \frac{PosCount - NegCount}{PosCount + NegCount}$$ 其中$PosCount$为MD&A文本中的正面词数量，$NegCount$为负面词数量。该指标取值范围为[-1, 1]，值越大表示管理层用词越积极乐观。 然而，$TONE$本身包含了公司基本面状况所驱动的正常语调成分。为了分离出异常的、可能带有操纵意图的语调部分，需要构建回归模型。参考主流文献，以$TONE$为被解释变量，对一系列反映公司业绩、风险、成长性和其他特征的控制变量进行回归。控制变量集包括：总资产收益率（$ROA$）、股票年度回报率（$RET$）、公司规模（取总市值的自然对数$Ln(MV)$）、账面市值比（$BM$）、股票年度回报率的标准差（$STD\RET$）、总资产收益率的标准差（$STD\ROA$，通常计算过去五年的标准差）、公司上市年限（$AGE$）、是否发生亏损（$LOSS$，哑变量）、总资产收益率的变化（$D\ROA$）以及未来一期的总资产收益率（$F\ROA$）。 本数据集提供了两种回归模型估计的异常语调指标。第一种采用普通最小二乘法（OLS）并控制年度与行业的交叉固定效应，其残差即为管理层语调操纵（$ABTONE$），拟合值即为正常语调（$NormalTone$）。第二种采用包含公司固定效应和年度固定效应的面板回归模型（Within Estimator），其残差即为$ABTONE\FE$，拟合值即为$NormalTone\FE$。两个$ABTONE$指标值越大，均代表管理层语调超出基本面预期的程度越高，即语调操纵程度越高。$ABTONE\FE$作为稳健性检验，进一步控制了公司层面不随时间变化的异质性特征。 补充说明 - 样本处理基于中国A股上市公司。 - 在构建控制变量（如$STD\RET$, $STD\ROA$）及进行回归时，对连续变量在1%和99%分位数上进行了缩尾处理以缓解极端值影响。 - 回归模型要求每个年度-行业组合或公司个体具有足够的观测值。 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. - 姜富伟, 胡逸驰, 黄楠. 媒体文本情绪与股票回报预测[J]. 经济学(季刊), 2021, 21(4): 1323-1344. - 谢德仁, 林乐. 管理层语调能预示公司未来业绩吗?——基于我国上市公司年度业绩说明会的文本分析[J]. 会计研究, 2015(2): 20-27.
- 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。