新闻资讯
测试不一致模型
我们为投资者在资产定价上的分歧提供了可信的证据。我们的自然实验利用了电子数据采集、分析和检索系统的错开实现,这减少了投资者的分歧。与投资者意见分歧的模式一致,埃德加包容性有助于解决信息事件中的意见分歧,导致股价修正。在埃德加整合后减少意见分歧也降低了股价崩溃风险,特别是在具有约束力的空头限制和投资者高度乐观的股票中。
投资者之间的分歧 是金融市场泡沫的无限理性和行为模式的一个关键因素。假设存在短期销售约束,不一致被用来模拟资产价格的高估和投机泡沫(米勒) 1977 )、哈里森及克雷斯( 1978 ), Morris ( 1996 )、谢克曼及熊( 2003 ),以及解释股票回报率较高的订单时刻特征,例如崩溃风险(香港及斯坦恩)( 2003 )。广义而言,分歧提供了一个统一的框架,为投资者过度自信、注意力有限和逐步传播信息等其他密切相关的机制提供了庇护(洪和斯坦) 2007 )). 1
我们的目的是为资产价格分歧的作用提供有说服力的证据。以往的实证研究通常探讨投资者分歧的衡量指标(如分析师预测的色差)与资产定价变量(如估值过高或股价崩溃风险)之间的跨部门相关性。采用这一方法的研究虽然内容丰富,但通常没有一项识别战略,以充分控制可能同时影响投资者意见分歧和资产价格的遗漏变量(如披露质量)。一个干净的识别策略需要随机分配的冲击投资者的分歧。这种冲击有助于通过使用差异差或工具变量设计来追踪不同意见变化对资产价格的影响。
我们利用证券交易委员会(SEC)对电子数据收集、分析和检索系统的错开实施,作为对投资者意见分歧的冲击。在埃德加之前,投资者只能通过订阅商业数据提供商或亲自访问美国证券交易委员会在芝加哥、纽约或华盛顿的参考资料室,以较高的成本查阅公司的强制性文件(如10公斤、10公斤或8公斤)。 2000 )。从1993年4月n开始,SEC要求美国.公司通过埃德加系统以电子方式提交强制性披露。
熊的( 2013 分类学提出了三种主要方法,通过埃德加提供公司的SEC文件可以减少投资者之间的分歧,而不会(正如我们所显示的)被公司基本原则或披露政策的变化所混淆。首先,埃德加允许投资者获得标准化的公司文件,减少了对相同信号的异质解释引起的分歧(坎德尔和皮尔森)。 1995 )。第二,埃德加可以减少过度自信和反过来的分歧(谢克曼和熊) 2003 ),向投资者提供硬信息,用以判断其交易决定背后的信念(埃因霍恩 1980 )、格里芬及特弗斯基( 1992 )。第三,随着分析师行为的改变,分歧可能会减少。熊( 2013 )认为,分析师的战略行为助长了纳迪姆和老练投资者之间的分歧。张、容奎斯特及曾( 2021 )发现埃德加的包容性会让分析师减少策略性行为,减少投资者的分歧。除了这三种机制之外,在线查阅公司文件使股价信息更加丰富(高和黄)。 2020 ),这本身就应该减少分歧。
有益的是,为了确定身份,美国证券交易委员会将公司随机分配到10个执行浪潮中的一个,从而在1993年至1996年的三年时间里,将其纳入埃德加。 2 因此,我们可以比较随机列入埃德加季度的公司 t 对于那些没有被纳入埃德加计划的相似的控制公司。有条件的随机分配和错开的执行大大减少了内生性的担忧(洛伊和威索基)( 2016)。至关重要的是,遗漏的变量需要与逐步加入的日期相吻合,才能使我们的研究结果发生实质性的混乱。同样有益的是,美国证券交易委员会改变了推出计划的主要特征,暗示公司加入埃德加可能会被视为意外,从而减少了公司、分析师或投资者在预期中改变行为的担忧。
使用一种以即将接受治疗的公司为清洁控制的堆叠的DS方法,我们开始比较被处理的公司和控制的公司之间围绕埃德加包容性的投资者分歧的变化。我们使用三种替代性的代理人来表示不同意见:分析师收益预测的分散性、短期利率和围绕收益公告的交易量。对于每一个代理人,我们发现投资者的意见分歧在一个公司被纳入埃德加之后,要比没有被纳入埃德加的类似公司低很多。这种效应的规模在统计上是有意义的,在经济上也是有意义的:根据我们使用的代理,与埃德加之前的平均值相比,分歧在3.7%到25.3%之间。量化的回归显示,不管最初的分歧程度如何,分歧的减少是显著的,而且最初的分歧程度越大,分歧就越大。与对埃德加波的随机分配一致,我们没有发现不同的前置子的证据,这间接地支持了在一个DD设置中识别所必需的平行趋势假设。
在确定了埃德加的包容性影响标准不一致措施之后,我们调查了不一致对股票回报的影响。例如米勒( 1977 ),股票定价过高,是因为悲观的投资者由于空头限制而无法充分表达他们的观点。现金流消息促使投资者重新评估他们的观点,从而减少分歧,降低股价。我们预测并发现,根据现金流消息,与尚未加入埃德加的公司相比,加入埃德加的公司股价下跌幅度更大,这与米勒的( 1977 ) model.
最后,我们研究了包含埃德加和投资者意见分歧对一个关键资产定价量的影响,即股价崩溃风险。洪和斯坦( 2003 )建议一个模式,让投资者同意对公司的基本价值持不同意见,而这又会导致公司崩溃风险上升。当最初的意见分歧很大时,悲观的投资者,通过卖空来表达他们的观点,最多只能卖出他们的股票。然后市场价格主要反映乐观的观点。当市场了解到悲观投资者手中的负面信息的程度时,价格的小幅下跌往往会揭示负面信息。因此,股票价格的波动是不对称的:它们在市场低迷时经历了大幅度的下跌(或崩溃),但反之则并非如此。
我们首先通过估计DS回归来调查股票价格暴跌风险。文献提出了各种各样的崩溃风险的代理,我们发现所有这些代理的结果是一致的。陈、洪和史坦( 2001 )两个衡量崩溃风险的指标--回报偏斜性和向下波动性--在包含埃德加后的四个季度都显著下降,分别比其前期水平下降36.7%和38.2%。赫顿、马库斯和德黑兰( 2009 崩溃度量--一个识别股票回报率为极端负的公司的虚拟模型--同样大幅下降,在6.1%(第一百分点为负回报)和31.6%(最百分点为0.01%)之间。
埃德加的加入导致投资者分歧和股价崩溃风险的减少,这一结果表明,分歧的因果影响了崩溃风险。为了检验因果关系,我们估计了两个阶段的最小二乘回归(2sl),其中投资者的意见分歧是用埃德加冲击来测量的。 3 与洪和斯坦的一致( 2003 )模型,我们发现投资者的意见分歧对股票价格崩溃风险有积极影响,不管我们使用哪种衡量方法来衡量投资者的意见分歧和股票价格崩溃风险。 4
对这些结果的因果解释要求埃德加的包含只通过其对分歧的影响,而不是直接或通过其他渠道来影响崩溃风险。我们通过对崩溃风险的主要替代解释的镜头来调查这个识别假设的合理性,这个解释并不涉及不同意见: 2006 )、赫顿、马库斯和特赫朗尼亚( 2009 )。我们没有发现任何证据表明埃德加的加入触发了自愿披露政策或收益管理做法的变化,而这些变化与糟糕的新闻囤积相关。
为了进一步增加我们的发现的细微差别,我们探索了两个碰撞风险模型的横断面预测。第一个问题是短期销售限制。利用三差模型,我们发现,随着埃德加的加入,一个公司的短期销售约束越多,崩溃风险就越小。第二个预测来自米勒的( 1977 )模型,这意味着投资者的乐观在将分歧和崩溃风险联系起来方面发挥着关键作用。直觉上,边缘投资者的乐观放大了分歧对资产价格的影响。当乐观情绪高涨时,资产价格更容易崩溃。在我们的背景下,我们预计埃德加的包容性对崩溃风险的影响对于那些边缘投资者更为乐观的公司来说会更大。衡量投资者乐观情绪的标准是,公司的股价在多大程度上基于未来的增长机会而不是现有的资产对公司进行估值。( 2003 ),我们发现结果与米勒一致( 1977 ) model.
我们的论文是最近一系列工作的一部分,这些工作利用了埃德加实施的错开方式。我们与这项工作不同之处在于,我们侧重于埃德加的资产定价后果的不同模型。张、容奎斯特及曾( 2021 ),最接近我们的论文,显示埃德加包容约束了战略分析师的行为。埃米和格林( 2019 )及高及黄( 2020 )认为埃德加是一个IT的改进,并表明它有助于在线折扣经纪人的零售客户克服他们的家庭偏见,提高他们的交易的信息性。郭等人。( 2019 ),一篇与我们的论文部分重在崩溃风险的文章,发现会计保守主义增加了埃德加之后的情况,这与崩溃风险的坏消息囤积渠道是一致的,但与我们的发现相反。 5
我们对文学有两大贡献.首先,我们系统地测试了不一致模型对高估和股票价格崩溃风险的影响,在一个统一的环境中使用单一的识别策略,利用随机分配的冲击,投资者的不一致,当企业加入埃德加。我们认为以往关于分歧的实证研究不完整,原因有二:它侧重于单独的高估或崩溃风险,使得它们之间的相互作用难以评估,而且它是跨部门的,引起了内生性的担忧,因而难以得出因果推论(陈、洪和斯坦)。 2001)。我们使用合理识别的证据重新审视了这些文献,并提供了一个统一的环境,可以同时分析过高的估值和崩溃风险。我们的研究结果为广泛的投资者分歧模型提供了实证支持。
第二,我们的研究有助于关于强制披露的文献。关于增加强制性披露的成本和收益,如减少信息制作成本,一直存在着许多争论(Vercia, 1982 )、金和韦雷奇( 1994 ),股票价格不确定性(戈尔茨坦和杨( 2017 ),获得信息的好处(杜加斯特和福柯( 2018 ),及资讯超负荷(巴伯及奥丁)( 2008 )。我们为这场辩论作出了贡献,表明改进强制性披露会减少分歧,减少崩溃风险,从而有助于稳定市场。这一发现应引起证券监管机构和公司披露学者的兴趣。
该文件的编排如下。节 我 提供机构背景,概述我们的经验战略,并讨论我们的样本和数据.节 二 记录信息存取对投资者分歧的影响.节 三 调查分歧和股价的影响.节 四 考察分歧与股价崩溃风险之间的因果关系.节 V 结束。
我。经验战略和数据
A.机构背景
确定投资者对资产价格意见分歧的因果影响需要对意见分歧的冲击,这种分歧是随机分配给一些公司的,而其他公司则不受影响,因此可以作为反事实。我们的识别策略依赖于埃德加系统的引入。在埃德加之前,必须接受证券交易委员会注册的公司必须向证券交易委员会提交强制性的书面文件。为了获得这些文件,投资者可以实际访问三证交易委员会参考室之一(位于芝加哥、纽约和华盛顿特区),或者以高昂的成本订阅Mead数据中心等商业数据供应商。 6 1993年2月nt23日,美国证券交易委员会(SEC)面对接收、储存和分发大量供公众使用的公司文件的费用不断增加,在拉尔夫·纳德的"纳税人资产项目"和国会高级议员的游说下,该委员会宣布了一项计划,要求所有注册公司以电子方式提交文件。秒释放号。33-6977包括初步的逐步加入时间表,注册公司在1993年4月n26日至1996年5月n6日n的三年内,分10波加入埃德加。第五波至第十波的公司直到加入前几个月才知道他们的加入日期。 7
张建军、容奎斯特和曾志军( 2021 )注意,电子申报本身预计不会影响投资者获得强制性披露的成本。对信息存取的实际冲击是由于1993年10月美国国家科学基金会(NSF)决定获取Mead数据中心的埃德加历史档案,并资助由纽约大学(纽约大学)主办的提供埃德加档案的免费在线项目。 8 1994年1月n17日,在美国证券交易委员会的头四个实施浪潮(以及以前的自愿提交人)中,公司的历史性和当前的文件通过纽约大学的在线存取系统提供。 9 在第5至第10波中,企业都加入了埃德加,并同时将其历史和当前的文件公布在网上。图形 1 说明事件的时间表。
详情在图片后面的标题中
图1
在图形查看器中打开
幻灯片
实施时间表。图中显示了SEC实施埃德加的主要里程碑。证券交易委员会第33-6977号发布会是美国证券交易委员会(SEC)宣布其计划,要求所有注册公司以电子方式提交文件,最终将以10波方式提交。该出版物载有四个"重要试验组"的逐步采用日期,然后在1994年上半年进行六个月的评价,从而就其余公司的逐步采用日期作出最后规定。SEC第33-7122版包含了埃德加实施的最终规则,包括剩余六波的日期。1993年10月22日,美国国家科学基金会宣布为纽约大学斯特恩商学院主办的一个项目提供资金,使埃德加的所有文件都能在网上免费查阅。证券交易委员会于1995年10月接管了在线访问。
B.识别战略
通过第一个纽约大学和最后的埃德加(此后稍有滥用术语,即简单的"埃德加纳入")提供了一个吸引人的实证环境,研究投资者意见分歧对资产价格的因果影响。正如导言中所指出的,埃德加包容性可以通过其对三种渠道的影响来减少投资者之间的分歧:异质的前科、过度自信和信息传递。
首先,大量的文献探讨了不同的投资者对相同信号的解释意见不一的影响(哈里森和克雷普斯)。 1978 ), Varian ( 1989 ), Romer ( 1993 )、哈里斯及雷夫( 1993 )、金和韦雷奇( 1994 )、康德尔及皮尔森( 1995 ), Odean ( 1998 )、洪及斯坦( 2003 )、谢克曼及熊( 2003 ),以及班纳吉和克瑞默( 2010 )). As Xiong ( 2013)注意到,在学习成本较低的情况下,投资者持有异质资产的空间更有限。在我们的背景下,埃德加向投资者提供的标准化企业文件可以降低学习成本,从而减少投资者的分歧。
第二,过度自信可以在两个方面导致分歧:通过引导过度自信的投资者夸大其信号的准确性(Odian) 1998 )、谢克曼及熊( 2003 ),以及防止拥有不同私人信号的过于自信的投资者通过交易相互学习,这有助于在股市上减缓新闻的传播。 1999 , 2007 )。先前的文献显示,当决策反馈含糊不清时,投资者的过度自信更为严重。 1980 )、格里芬及特弗斯基( 1992 )。一旦一只股票加入埃德加的行列,投资者就可以获得硬数据来评估他们的交易决定。这类反馈的可能性可以减少过度自信,从而减少投资者之间的分歧(但以理、赫希莱弗和苏拉曼亚姆)( 1998 )).
三,熊( 2013 )提出,有偏见的分析师收益预测会在纳迪福投资者(不去分析师预测)和老练的投资者(更有能力去分析师预测)之间造成分裂。张、容奎斯特及曾( 2021 )显示埃德加限制了分析师的战略行为,导致了更少的偏颇和更准确的收益预测,尤其是那些有更大的理由采取战略性行动的分析师(如关联分析师和那些主要为零售客户服务的分析师)。 10 这反过来又有助于缩小纳维和老练投资者之间的分歧。
证券交易委员会实施埃德加的三个特点大大减少了对内生性的关注。首先,美国证券交易委员会将注册公司随机分配到10个实施波,但仅以规模为条件(张、永奎斯特和曾)( 2021)。第二,尽管所有注册公司最终都加入了埃德加,但埃德加的错开为我们提供了一套控制公司,以建立一种反事实的办法,这种办法似乎不存在可能影响投资者意见分歧的未观察到的当时因素的混淆效应,例如整个市场的监管和情绪变化或宏观经济新闻。这些混淆因素不仅要与埃德加的逐步加入时间表(以及NSF的在线访问时间表)相吻合,而且要在处理(但不是控制)企业的文件在网上发布时左右影响这些企业--虽然并非不可能,但我们认为这是不可能的。第三,第一波至第四波的公司不知道他们的文件会被放到网上,再加上第5至第10波中的公司在短时间内被告知其逐步加入日期,大大降低了因公司、分析师或投资者在治疗前改变行为而造成混乱的风险。
随机分配、惊人和缺乏预期效果对确保埃德加实验的内在有效性大有帮助。与以往一样,在DD设计背景下的识别假设是并行趋势,我们可以用通常的方式直接评估它。在IV设计的背景下,识别假设是埃德加实验满足排除限制,也就是说,埃德加的包含只通过投资者分歧的渠道影响利益的资产定价变量。从这个意义上说,一个IV设计比一个DS设计更有限制性,使研究人员在一个特定的渠道上排除其他人。我们更详细地研究了排除限制的合理性 四 .
C.样本和数据
C.1。处理和控制公司
我们的样本处理和控制公司如下。除了一个重要的例外,企业从他们被纳入埃德加的财政季度开始处理。这一例外涉及到第一至第四阶段的公司,这些公司的电子文件直到1994年1月n17日才在网上公开,因此被认为是从这一天起才为我们的目的进行处理。 11 按照标准惯例,我们排除公用事业公司(SIC代码49)和金融服务公司(SIC代码6),因为受监管公司的会计规则和披露要求不同。我们还将样本限于在纽交所、纳斯达克或AMEX交易的公司,并排除具有CRSP股票代码大于11的公司(外国发行商、房地产投资信托、有限责任总合伙等)。
最后,所有非正式注册的公司都得到了处理,因为每个发行人都必须在1996年5月n6日n通过埃德加提交文件。为了避免在带时变治疗和治疗效果异质性(贝克、拉克尔和王( 2021 ),我们从未来处理过的公司中挑选"清洁"控制公司。 12 很自然,最后的埃德加波缺乏干净的控制,并且(由于接近美国证券交易委员会(SEC)逐步介入计划的末尾)第8波和第9波也是如此。这给我们留下了四个错开的治疗日期:1994年1月n17日、1995年1月n30日、1995年3月n6日v和1995年5月n1日n。
鉴于美国证券交易委员会(SEC)将企业分配给埃德加分阶段波动的随机条件是规模大小,因此选择规模相似的控制企业是至关重要的,否则,最终会将大型企业与小型控制企业进行比较,这是一个典型的应用到技术领域的问题。实际上,在没有匹配的情况下,我们发现在测试中存在严重的差异,从根本上破坏了无与伦比研究设计结果的内在有效性。 13 我们采用邻近邻居倾向评分法选择控制公司,匹配股市市值(水平和日志)和财政季度。使用0.05卡尺,只有在公共支持下匹配才被认为有效。这将我们的估计样本限制在总共1694个处理和1694个控制公司。
我们跟踪每个处理过的公司及其相匹配的9个财政季度的控制权,以处理过的公司的埃德加包容性季度为中心。再加上我们只使用清洁控制,我们的研究设计相当于森吉兹等人。( 2019 )的回归估计,由贝克、拉克尔和王( 2021 )用模拟来演示是不带偏见的。
作为桌子 我 结果显示,在接受治疗前的本财政季度,该公司的平均市值为1.594亿美元。这一平均值比美国上市公司7.919亿美元的平均市值要小得多。公司在1993年第一季度第一波前。图形 2显示了原因。证券交易委员会在前两次交易中对大公司进行了严重扭曲。由于前两个波只发生了三个月的时间间隔,因此没有几个未经处理的大公司得到共同支持:在前两个波的351家公司中,只有73家公司有有效的控制措施,否则就能满足我们的样品过滤器。如果较小的公司受到高于平均水平的投资者意见分歧的影响,我们的经验估计可能夸大了意见分歧对美国平均水平的资产定价量的影响。-上市公司。换句话说,我们的估计应该被认为是局部平均治疗效果(迟)。
表一 埃德加相移波
表格提供了美国上市公司的分布情况.企业与经埃德加分阶段波处理的企业样本。美国上市公司公司是那些在纽交所、纳斯达克或AMEX上市,拥有10或11CRSP股票代码的公司。被处理的公司不包括金融类(SIC代码6)和公用事业类(SIC代码49),并要求有一个有效的控制公司,使用与股票市场资本化(在水平和日志中)和财政季度相匹配的近邻倾向得分方法。使用0.05卡尺,只有在公共支持下匹配才被认为有效。市值在纳入埃德加之前的财政季度进行衡量。
全部列入美国名单。公司 全部列入美国名单。公司(不包括金融和公用事业) 经处理的公司
相位进入波号。 名称 阶段性日期 不。各公司 平均市值(百万美元) 不。各公司 平均市值(百万美元) 不。各公司 平均市值(百万美元)
1 CF-01 April 26, 1993 105 8,418.5 79 10,114.1 23 538.1
2 CF-02 July 19, 1993 405 4,450.6 272 5,139.6 50 1,007.8
3 CF-03 October 4, 1993 416 952.0 325 961.4 171 374.3
4 CF-04 December 6, 1993 599 326.7 474 354.5 397 217.4
5 CF-05 January 30, 1995 664 198.6 564 189.6 441 119.5
6 CF-06 March 6, 1995 566 91.4 486 80.0 372 66.6
7 CF-07 May 1, 1995 458 97.1 343 55.3 240 55.2
8 CF-08 August 7, 1995 246 79.1 182 84.9
9 CF-09 November 6, 1995 132 191.1 63 141.1
10 CF-10 May 6, 1996 905 356.9 677 336.4
全部的 4,496 860.5 3,465 890.2 1,694 179.4
详情在图片后面的标题中
图2
在图形查看器中打开
幻灯片
埃德加的波。图中显示了在10个埃德加分阶段的波动中,每一个都包含的公司的平均股本市场资本。见桌 我 关于进一步的细节。[颜色图可浏览於 wileyonlinelibrary.com ]
C.2。投资者异议措施
投资者的分歧不直接观察.为了代表投资者的不同意见,我们遵循了三个方面的文献.第一个开始是迪特、马洛伊和舍尔比纳( 2002 关于投资者意见分歧的有影响的著作。二醚、马洛伊和舍比纳( 2002)显示分析师预测的分散度是投资者意见分歧的良好代表,而这一代表已成为衡量投资者意见分歧的广泛手段。这一代理背后隐含的识别假设是,投资者利用分析师的收益预测来预测公司未来的现金流,从而说明其市值。对于经纪公司的客户来说,投资者更有可能形成乐观的预期,而那些拥有悲观分析师客户的投资者则更有可能形成悲观的预期,其他都是一样的。因此,投资者的分歧越大,分析师的收益预测的分散度就越大。张、容奎斯特和曾( 2021 文件后埃德加减少了分析师预测的分散性,也就是说,在投资者的分歧中。
文献以两种方式实现了预测分布,即使用分析师收益预测的标准差(迪特、马洛伊和雪尔比纳)( 2002 )或最高预测与最低预测之间的差额(德邦德和福布斯( 1999 ),按季末股价调整。我们把这些变量分别称为色散和范围.我们根据下一个财政季度或本财政年度的预测,在两个范围内衡量色散度和范围。这给了我们四个基于分析的衡量投资者分歧的方法。(所有不同的定义及其架构的详情均可在 附录 ).
我们遵循的第二部分文献用短期利益衡量投资者的分歧。跟随卡波夫和卢( 2010 ),我们衡量不正常的短期兴趣,作为公司在规模、帐面对市场、势头和行业等方面的短期兴趣比率的横断面回归的剩余。
我们所采用的衡量指标中的最后一类文献对围绕收益公告的交易量持不同意见(坎德尔和皮尔森)。 1995 )、但以理、赫希列弗、苏拉马尼雅( 1998 )、理发师及奥丁( 2008 )。众所周知,在投资者处理收益公告所包含的信息时,收益公告是推动股价和交易量的最重要因素之一。康德尔和皮尔森( 1995)发现即使是在没有导致股价变化的收益公告中,交易量也会增加。注意到现有的异种投资者模型假定投资者对信息的解释完全相同,无法解释这种模式,在排除了其他解释之后,坎德尔和皮尔森提出了一个模型,投资者同意不同意他们对相同公共信号的解释。对其模型的一个关键预测是,围绕收益公告的交易强度会增加分歧。这使得围绕收益公告的交易量成为分歧的潜在替代因素.
桌子 二 报告截至治疗前财政季度我们的不同意见措施的统计数据,分别针对治疗公司和控制公司。经过处理和控制的公司在处理前一个季度的收益公告周围有几乎相同的分布、区间、异常短期利息和交易量,无论是在水平上,还是--更重要的是为了识别的目的--的变化。… t -最后一栏中的测试证实,没有不同的预处理条件,即处理和控制之间的预处理变化差异对于我们的任何不一致措施都没有统计意义。
Table II. 统计摘要
该表报告了我们分析中使用的变量的汇总统计数据,分别针对处理过的公司和控制过的公司,并在处理前一个季度按级别或变化来衡量。被处理的公司是包括在埃德加中的公司;控制公司是在股票市场资本化(在水平和日志中)和财政季度使用0.05卡尺匹配的邻近地区。所有变量都是在公司/财务季度水平上测量的。有关可变定义及其构造的详情,请参阅 附录 .最后两栏报告了对不同的预处理剂的测试,也就是说,处理和控制之间的预处理变化的平均差异是否具有统计学意义。
预处理水平 预处理变化(自 t −2 to t −1)
经处理的公司 管制公司 经处理的公司 管制公司 已处理-控制
# obs. 卑鄙的 标准数据集 # obs. 卑鄙的 标准数据集 # obs. 卑鄙的 标准数据集 # obs. 卑鄙的 标准数据集 差异 t -统计
不一致措施:
分散(下季度) 452 0.268 0.354 583 0.250 0.386 399 0.000 0.289 517 0.022 0.257 −0.022 −1.196
分散(财政年度) 794 0.915 1.497 948 0.907 1.631 762 −0.017 0.903 900 0.009 1.177 −0.026 −0.502
范围(下季度) 452 0.375 0.444 583 0.331 0.439 399 −0.040 0.437 517 0.009 0.329 −0.049 −1.942
范围(财政年度) 794 1.757 2.594 948 1.709 2.891 762 −0.178 1.830 900 −0.040 2.014 −0.138 −1.455
异常短期利息 1,685 −0.152 0.438 1,664 −0.235 0.388 1,671 −0.004 0.165 1,633 −0.003 0.173 −0.001 −0.103
环经交易量 1,336 8.337 4.732 1,299 8.838 4.782 1,178 0.458 3.256 1,125 0.481 3.275 −0.023 −0.172
碰撞风险措施:
倾斜() 1,677 −0.109 0.701 1,653 −0.038 0.718 1,668 −0.034 0.947 1,626 −0.049 1.026 0.015 0.441
下降的伏拉() 1,677 −0.068 0.438 1,653 −0.015 0.450 1,668 −0.023 0.579 1,626 −0.026 0.618 0.003 0.149
极端负回报
0.01% () 1,677 0.079 0.270 1,653 0.085 0.279 1,668 −0.002 0.362 1,626 −0.008 0.380 0.006 0.433
0.1% () 1,677 0.168 0.374 1,653 0.174 0.379 1,668 −0.011 0.520 1,626 −0.012 0.517 0.001 0.050
1% () 1,677 0.544 0.498 1,653 0.565 0.496 1,668 −0.043 0.706 1,626 −0.018 0.688 −0.025 −1.017
跳跃措施:
极高回报率
0.01% () 1,677 0.113 0.316 1,653 0.098 0.297 1,668 0.014 0.416 1,626 0.014 0.407 0.000 0.018
0.1% () 1,677 0.274 0.446 1,653 0.255 0.436 1,668 0.017 0.618 1,626 0.017 0.585 0.000 0.008
1% () 1,677 0.705 0.456 1,653 0.687 0.464 1,668 −0.007 0.614 1,626 0.003 0.649 −0.010 −0.439
控制:
市场资本化 1,694 179.4 362.5 1,694 181.0 378.3 1,678 6.805 50.927 1,647 6.389 60.070 0.417 0.216
C.3控制变量
由于有条件的随机分配给治疗,处理和控制公司之间的特点只是随机的。虽然这排除了在这一领域的经验工作中有时需要的控制变量种类,但我们仍然需要处理两个问题。第一个问题是证券交易委员会的治疗任务是 有条件地 随机的,也就是说,以市值为条件。在选择控制公司时,我们通过匹配规模来考虑这一点。作为桌子 二 展示,处理和控制公司是相当精确的匹配规模。我们还将日志市场上限作为控制变量纳入我们的经验规范.
第二个问题是,众所周知,分析师的预测具有季节性。在公司的财政年度里,盈利预测往往会变得更加准确(理查森、泰和威索斯基)。 2004 ),特别是(但不只是)全年收益预测(而不是季度)。财政年度末的差异可能会使我们的估计值产生混乱,或者至少会使它们更吵。 14 为了避免偏倚和减少噪音,我们的研究设计在选择控制公司时将在财政年度年终进行匹配。此外,我们还将财政季度的固定效应作为控制变量纳入我们的经验规范。
最后,我们在我们的规范中包括了通常的坚定性和时间固定的效果,以确保在一个DD上下文中一致地估计治疗效果。由于在我们的环境中,时间是以季度来衡量的,所以我们包括了年季度的固定效果。这些时间效应消除了任何共同冲击的影响,如宏观经济新闻或整个市场的监管变化或投资者情绪。
二.投资者意见分歧和信息获取
我们从实证分析开始,研究埃德加包容(或者更确切地说,在线查阅公司文件)对投资者分歧的影响。为了研究当强制性文件在网上发布时,投资者意见分歧是如何变化的,我们估计下面的堆叠d回归。( 2019 )):
(1)
在哪里
对公司来说 我 加入埃德加的波浪 w 四分之一 t 是用预测色散、短期利息或围绕收益公告的交易量来衡量的;
和
一个公司加入埃德加和接下来的四个季度分别等于一个季度的待遇指标;
包括本节所述的控制变量 I.C.3 ;及
,
,以及
是波特有的坚定,日历时间,和财政季度固定效果。标准误差集中在公司层面,因为我们利用了公司层面的冲击,我们的小组的时间比公司层面小得多。 2009 ), Section 3). 15
桌子 三 报告结果。埃德加包容的影响在我们的六项不同措施中是一致消极的。在我们的六项措施中,有四项在本季度治疗明显呈阴性,而在治疗后的四个季度,所有六项措施在统计上持续呈阴性。 16 在经济上,估计的治疗效果是不平凡的。例如,第(1)栏所示的点估计数表明,与预处理平均值相等,且与预处理平均值相比,在处理的四分之一时,包含将平均四分之一的预测色散降低7.5%( P =0.109)及未来四个季的18%( P &l;0.001)。其他三种基于分析的不一致衡量的经济规模相似。与预处理的平均值相比,异常短期利息在埃德加包容的四分之一下降13.2%( P =0.01)及继续下跌21.7%( P =0.002)如文献所述,假设分析师预测的分散性和短期利益是投资者意见分歧的合理替代因素,我们将这些结果解释为与预测一致的,即更容易获得强制性披露会减少市场上的意见分歧。
Table III. 强制性披露对投资者分歧的影响:发展司估计
该表报告了列入埃德加标准投资者分歧的六项标准衡量标准的差异估计:分析师对下一财政季度或下一财政年度收益的预测分散,分析师对下一财政季度或下一财政年度收益的预测范围小至低,异常短期利息,以及在公布收益前后三天的股票交易量。被处理的公司是包括在埃德加中的公司;控制公司是在股票市场资本化(在水平和日志中)和财政季度使用0.05卡尺匹配的邻近地区。我们包含了9个财政季度窗口的数据,该窗口以一个被处理的企业埃德加融入的财政季度为中心。所有规格都是使用OLS估算的,并包括控制(测井市场盖度的四分之一滞后以及对日历季度、财务季度和公司的固定影响)。对预处理器的测试是对在相应事件--研究动态DS规范中估计的每个预处理季度的系数共同为零的空的WALD测试。有关可变定义及其构造的详情,请参阅 附录 .不同类型的标准误差聚集在公司层面,以斜体显示在系数估计下面。***、**和*分别表示1%、5%和10%的重要性。
分散(下季度) 分散(前年) 范围(下季度) 范围(年份前) 异常短期利息 环经交易量 环经交易量
(1) (2) (3) (4) (5) (6) (7)
包括四分之一 −0.020 −0.099** −0.030* −0.242*** −0.020*** −0.038 −0.108
0.012 0.050 0.017 0.079 0.007 0.095 0.119
0.022
0.015
接下来的四个季度 −0.054*** −0.228*** −0.064*** −0.406*** −0.033*** −0.307*** −0.255**
0.015 0.058 0.020 0.101 0.010 0.093 0.106
−0.005
0.009
−0.004
0.005
控制器? 是的 是的 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的 是的 是的
R 2 67.2% 66.6% 64.3% 69.7% 79.6% 75.9% 76.4%
Pretrends (p-value) 0.333 0.825 0.258 0.102 0.091 0.224 0.317
No. of firms 1,582 2,059 1,582 2,059 3,388 3,235 3,235
No. of firm-quarters 9,237 15,141 9,237 15,141 28,907 23,099 22,126
在治疗季,在财报公布前后三天内的交易量平均下跌0.5%( P =0.691)及未来四个季度增长3.7%( P =0.001),相对于匹配控件。康德尔和皮尔森( 1995 )注意,交易强度的变化很难与要求投资者在提供相同信息(如收益公告)时同意的模型相协调。 17 因此,我们发现在埃德加融入后交易强度的降低与投资者分歧的减少是一致的。康德尔和皮尔森( 1995)进一步表明,即使没有附带的消息,投资者的分歧也会有所不同。用收益公告周围的绝对异常回报作为新闻的替代,第(7)栏显示,即使在没有新闻的情况下(即绝对公告回报率为零时),交易量也随着埃德加的包含而下降,而交易量的影响与回报的大小也没有显著的关系。
桌子 三 报告了从事件研究动态DS规范(贝克、拉克尔和王)( 2021 )。这些都证实了在95%的水平上,我们所有五个不一致的措施都没有预处理效果,这是我们的CDD方法内部有效性所必需的。图形 3 在围绕埃德加包容性的九个季度窗口上,将事件研究的六个不同度量中的每一个动态估计值,以及95%的置信区间想象出来。这一数字证实了在所有情况下,除了财政年度的预测范围之外,没有不同的预测,我们认为财政年度的预测在统计上有显著下降。.
详情在图片后面的标题中
图3
在图形查看器中打开
幻灯片
治疗效果的动态。图中显示了埃德加对投资者分歧的影响的动态差异估计。被处理的公司是那些包括在埃德加时间0;控制公司是近邻的倾向性得分匹配股票市场资本(在水平和日志)和财政季度使用0.05卡尺。我们包含了9个财政季度窗口的数据,该窗口以一个被处理的企业埃德加融入的财政季度为中心。所有规格都是使用OLS估算的,并包括控制(测井市场盖度的四分之一滞后以及对日历季度、财务季度和公司的固定影响)。有关可变定义及其构造的详情,请参阅 附录 .[颜色图可浏览於 wileyonlinelibrary.com ]
图形 4研究埃德加包合物对不同意见的影响大小与预处理意见的不同程度。具体而言,图中的点估计值和95%的自生信心区间从我们投资者对埃德加包容性意见分歧的六种计量指标中的每一个量化DS回归中获得。这产生了两个重要的见解。首先,在埃德加之后,无论最初的分歧程度如何,分歧都会下降:我们六项措施中的每一项措施的估计治疗效果都是显著的负面影响。其次,斜率在十分之一之间是负的,这意味着分歧的减少更大,初始分歧水平越大。对于基于财政年度预测的两项措施而言,这种模式尤为明显,接下来是基于季度前预测的两项措施,短期利率和交易量测量的斜率较低。
详情在图片后面的标题中
图4
在图形查看器中打开
幻灯片
量化回归:不一致计量。图中的数字是埃德加对投资者意见分歧的影响估计数。被处理的公司是那些包括在埃德加时间0;控制公司是近邻的倾向性得分匹配股票市场资本(在水平和日志)和财政季度使用0.05卡尺。所有规格均使用量化回归法估算(康克和贝塞特)( 1978 ),并包括控制措施(日志市值的四分之一滞后,以及对日历季度、财务季度和公司的固定影响)。虚线表示95%自启动的置信区间。有关可变定义及其构造的详情,请参阅 附录 .[颜色图可浏览於 wileyonlinelibrary.com ]
总体而言,结果见表 三 数字 3 和 4 这与投资者的意见分歧在经济和统计上大幅下降是一致的,因为投资者通过埃德加获得强制性公司披露文件的成本降低了。
三.投资者意见分歧及股价
接下来我们将重点放在埃德加包容对回报的影响上。文学作品中的工作者模型是米勒( 1977 )。在米勒家( 1977 )模型,股票定价过高,因为投资者对公司价值持有不同意见,悲观的投资者被禁止进行卖空。因此,股票价格不成比例地反映了乐观主义者的估值。通过盈利新闻来减少分歧(或者正如米勒所写的那样,它"随着公司获得盈利历史或缺乏盈利历史而减少")。因此,由于投资者意见分歧而导致的过高定价得到了纠正,因为新的信息迫使乐观的投资者下调估值,导致股票价格出现负面影响,博克曼等人对此做出了预测。( 2009找到经验支持。
测试米勒( 1977 在我们的背景下,我们围绕两个主要信息事件,即收益公告和分析师预测,集中关注股价的变化。收益公告在实证文献中被广泛用于研究对错误定价的纠正。 18 此前的实证研究表明,随着收益消息引导投资者更新其以往投资记录,围绕收益公告的大量投资者分歧得以解决。巴斯等人。( 2020),例如,发现30%的分歧是围绕着收益公告解决的。在我们的背景下,埃德加的包容性有助于人们查阅公司的历史档案,因此可能会减少投资者对当前盈利消息的异质解释的范围。因此,我们预计收益消息会解决更多的投资者对对待股票(包括埃德加股票)的分歧,而不是对控制股票(那些还没有包括在埃德加股票)的分歧。因此,收益公告应引发受处理股票比受控制股票更大幅度的股价下跌。
类似的论点也适用于我们调查的第二类信息事件,即分析师的收益预测。与业绩公告一样,分析师的预测传达的是现金流消息,但与披露公司实际历史业绩的业绩公告不同,分析师的预测往往是有偏见的信号:在职业关注和讨好管理层的愿望的推动下,分析师发布的预测有助于公司对市场产生积极影响(弗朗西斯和菲尔布里克) 1993 ),麦尼克和奥布莱恩( 1997 )、、、( 2000 )). 19 信号越不偏倚,它解决的分歧就越大(安德拉德,比恩,伯奇) 2013 )。张、容奎斯特及曾( 2021 )表明埃德加的包容限制了分析师的战略行为。因此,我们预计分析师的预测会在埃德加整合后解决更多投资者的分歧,从而导致被处理股票的更大的股价修正。
我们的测试在治疗季度或前一季度的第一个盈利公告或分析师预测前后,比较了处理和控制公司在[-1,1]交易日的未经处理和经市场调节的累计回报。桌子 四 报告结果。证据支持不同的模式,如米勒( 1977 )。与埃德加公司上市后投资者意见分歧的预测得到更大的解决一致,我们发现,与控制公司相比,在埃德加上市(A小组)上市后的收益公告(第(1)栏和第(2)栏)和分析师预测(第(3)栏和第(4)栏)(B小组)前后,被处理公司的回报受到负面影响。 20经济规模是有意义的:在第一个盈利公告前后,被治疗公司的股价比控制公司下跌1.9个百分点,在治疗季度第一个分析师预测前后,下跌70-90个基点。在三个点估计数的5%或以上水平和第四点估计数的5.6%水平上,这些回报率差异在统计上是显著的。在埃德加加入前一季度,回报差在经济上很小,统计上为零,正如预期的那样。
Table IV. 强制性披露对当时收益的影响
该表格报告了两个信息事件(收益公告和分析师预测)的股票价格回报的横断面事件研究回归,使用两个回报指标,
(公司的原始股票回报率)和
(其经市场调整的股票回报率),每一项衡量标准均从信息事件发生前的交易日至信息事件发生后的交易日[-1,1]。利益系数反映了被处理公司和控制公司之间的平均回报差。如米勒( 1977)预测负收益差。埃德加的包容性有助于投资者查阅公司的历史档案,从而减少了投资者对当前盈利消息或分析师预测的异质解释。因此,收益新闻和分析师的预测解决了投资者对处理过的股票(包括埃德加股票)的意见分歧,而不是对控制性股票(还没有包括在埃德加股票上)的意见分歧,导致处理过的股票比控制性股票更大的股价下跌。小组B报告安慰剂测试估计在埃德加包容前的一个季度,当回报差为零。C小组利用治疗季度之前机构所有权的变化来替代短期销售限制。经处理的公司是包括在埃德加之中的公司;控制公司是与股票市场资本化(在水平和日志中)和财政季度(使用0.05卡尺)相匹配的近邻倾向得分。所有的规格都是使用OLS和控制来估算的,因为它是日志市场帽的四分之一滞后期。有关可变定义及其构造的详情,请参阅 附录 .不同类型的标准误差聚集在公司层面,以斜体显示在系数估计下面。***、**和*分别表示1%、5%和10%的重要性。
收益公告 分析师预测
[−1,1]
[−1,1]
[−1,1]
[−1,1]
(1) (2) (3) (4)
小组A:治疗区()
经处理的负控制 −0.019** −0.019** −0.007* −0.009**
0.009 0.009 0.004 0.004
R 2 1.2% 1.1% 0.4% 0.5%
不。各公司 1,253 1,253 1,217 1,217
面板B:预处理组()
经处理的负控制 −0.007 −0.008 −0.001 −0.001
0.006 0.006 0.004 0.004
R 2 0.4% 0.4% 0.0% 0.0%
不。各公司 1,188 1,188 1,049 1,049
小组C:治疗区()
经处理的负控制 −0.022** −0.021** −0.008** −0.010**
0.010 0.009 0.004 0.004
*机构所有权的变化 0.416*** 0.469*** 0.141 0.140
0.159 0.167 0.095 0.092
R 2 1.6% 1.7% 0.6% 0.8%
不。各公司 1,253 1,253 1,217 1,217
由米勒( 1977 ),在每一个分歧模型中,一个重要的假设是,至少有些投资者面临短期销售限制。从理论的角度来看,短期销售约束是必要的(但不充分),以产生资产定价后果,如过高定价和股价崩溃风险(Di醚、马洛伊和谢尔比纳)。 2002 )、陈、红及斯坦( 2001 ):投资者对公司现金流的不同看法,只有在短期销售限制具有约束力时才会起作用,这样(一些)悲观的投资者最多只能出售他们已经拥有的股票。因此,我们预期围绕信息事件的价格修正会越大,越短线的销售就会受到约束。
众所周知,短期销售约束很难衡量,特别是在20世纪90年代初,这一时期是在当今文献所青睐的短期销售约束的代理类型可用性之前。 21 20世纪90年代初可以利用的一个代理是机构所有权。由于机构是股票贷款的主要供应者,在进入埃德加包容性季度时机构所有权下降的公司可能受到更短期的限制。 2002)。如果是这样的话,我们预计,就机构所有权下降的股票而言,埃德加的参与对我们两个信息事件周围股票价格回报的影响将会更大,而机构所有权增加的股票则会更弱。与这一预测相一致的是,C小组显示,在埃德加入股后,公司的股价下跌不那么明显,因为机构所有权的变化所代表的对短期销售限制的约束力越小,在公布收益时也是如此。
最后,桌子 IA.I 在互联网附录中,标准日历-时间投资组合ALPSTS将测试3个月、6个月和12个月的更长窗口的回报可预测性。我们的研究结果支持了二乙醚、马洛伊和雪尔比纳( 2002 )、陈、红及斯坦( 2002 ),以及于( 2011 ).
四.投资者意见分歧和股价崩溃风险
投资者的分歧被认为是股票价格暴跌风险的一个可能解释.洪和斯坦( 2003 )建立一个市场模型,在这个市场中,投资者之间的分歧可能导致股价更容易大幅度下跌,而不是大幅度上升,即崩溃风险。洪和斯坦( 2003)假设投资者对公司的未来前景意见不一,一些(但并非全部)投资者面临短期销售限制。当最初的分歧是巨大的时,悲观的投资者受到空头约束,只能出售他们的股票。因此,他们的意见没有完全纳入公司的股价中:众所周知,他们的估值低于目前的股价,但不是多少。然而,如果股价开始下跌(因为市场低迷或更乐观的投资者改变了主意),悲观主义者被压抑的信息开始通过他们对开始买入股票的价格的决定被纳入股价。当股价上涨时,乐观意见的整合并没有相应的延迟,因为乐观的投资者可以自由购买股票。这种不对称性意味着回报率正倾斜的条件是价格上涨,而负倾斜的条件是价格下跌。
陈、洪和斯坦( 2001 )提供与香港及斯坦因( 2003 )模型,显示交易量(我们投资者异议的代理人之一)与股价崩溃风险正相关。这种关系是否是因果关系仍然是一个悬而未决的问题。我们在本节中的分析提供了我们认为合理确定的证据,证明分歧和崩溃风险之间的因果关系。
A.实证措施
A.1.股价崩溃风险措施
为了代替股价崩溃风险,我们采用了五项广泛使用的措施.前两个来自陈、洪和斯坦( 2001 ):是返回偏斜的负系数,以及 是"下降到上升的波动性"("下降"期间的波动性与"上升"期间的波动性的比率)。最后三个措施是赫顿、马库斯和特赫朗尼亚( 2009 ),并记录极端负股价回报率的发生率,以"极端"来表示底部0.01%,0.1%,或正常分布的1%:,,以及 分别。(见 附录 正式定义)。较高的数值,,以及 与更大的股价崩溃风险相对应。表中的简要统计数字 二 在治疗前,显示、处理和控制公司在财政季度有非常相似的崩溃风险。 22 例如,7.9%的处理过的公司和8.5%的控制公司在一个季度中经历了一天或多天,回报分布的左边0.01%。更重要的是,为了识别的目的,我们发现在处理和控制之间的预处理变化没有显著的差异,表明在预处理方面没有显著的差异。
A.2.股价上涨措施
为了测试不同意见对股价影响的不对称性,我们使用了赫顿、马库斯和德黑兰( 2009 )以0.01%、0.1%及1%的水平来衡量股价上涨的发生率(,,以及)。这些措施类似于,,以及 ,但它们反映了极端正收益的发生率。桌子 二 确认我们的样本表现良好,即在治疗前的财政季度,处理和控制公司之间的差异不大。
B. Difference-in-Differences Results
我们对股票价格暴跌风险的调查的出发点是堆叠的DS回归,
(2)
在哪里
是用我们在节中介绍的五个代理之一测量的 IV.A.1 我们控制了动力(哈维和西迪克) 2000 )及该公司与上一次财政季度末相比的滞后股价(尚和托马斯( 2011 )与方程(1)中使用的其他右手边变量一起使用。
桌子 V 报告结果。在所有五项指标中,我们发现埃德加的综合性导致了股票价格暴跌风险的统计学上的显著降低,所有其他因素都是相等的,从治疗后的一个季度开始。例如,第(1)栏显示: 平均下跌0.049( P =0.014)当公司的强制性披露可在网上自由查阅时,相对于披露信息的成本仍然很高的规模匹配的公司。在经济上,这种处理效果相当大,比抽样平均数减少45.0%。 表中报告 二 . 23 第(2)栏显示: 平均下跌0.031( P =0.012)符合埃德加的标准,相当于比样品的意思。极端负回报率(回报率分别为0.01%、0.1%和1%(各有高度统计学意义),比相应的平均值下降34.2%、25.0%和7.0%。
表五 强制性披露对股价崩溃风险的影响
该表报告了对纳入埃德加标准的五项股票价格崩溃风险标准的影响的差异估计:陈、洪和斯坦( 2001 )两个指标-回报的负偏斜性()及回归的波动性下降( )-以及赫顿、马库斯和特赫朗尼亚( 2009 )按0.01%、0.1%及1%的水平评估碰撞频率(,,以及 )。被处理的公司是包括在埃德加中的公司;控制公司是在股票市场资本化(在水平和日志中)和财政季度使用0.05卡尺匹配的邻近地区。我们包括了一个以财政季度为中心的9财政季度的数据,在这个季度中,一家被处理的公司被纳入其中。所有的规格都是使用OLS估算的,包括控制(测井市场的四分之一滞后、势头、股价以及对日历季度、财务季度和公司的固定影响)。对预处理器的测试是对在相应事件--研究动态DS规范中估计的每个预处理季度的系数共同为零的空的WALD测试。有关可变定义及其构造的详情,请参阅 附录.不同类型的标准误差聚集在公司层面,以斜体显示在系数估计下面。***、**和*分别表示1%、5%和10%的重要性。
倾斜() 下跌波动() 极端负回报,0.01%() 极端负回报,0.1%() 极负回报率,1%()
(1) (2) (3) (4) (5)
包括四分之一 0.007 0.000 −0.003 −0.005 −0.011
0.022 0.014 0.008 0.012 0.016
接下来的四个季度 −0.049** −0.031** −0.027*** −0.042*** −0.038***
0.020 0.012 0.007 0.010 0.014
控制器? 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的
R 2 17.4% 19.1% 15.8% 15.8% 13.9%
( P -value) 0.562 0.141 0.957 0.816 0.397
不。各公司 3,366 3,366 3,366 3,366 3,366
不。公司单位 28,652 28,652 28,652 28,652 28,652
表中报告的不同的前置体的正式测试 V ,确认所有五项碰撞风险措施都没有预处理效果,这是我们的数据交换方法内部有效性所必需的。图形 5 研究埃德加对碰撞风险的影响随预处理碰撞风险的水平而变化。如图所示 4 ,我们的图点估计和95%的自约束信心区间从量化的DS回归。出于明显的原因,我们把重点放在两个连续的碰撞措施上,和 .这为表中的调查结果提供了重要的细微差别。 V :埃德加对崩溃风险的影响,虽然所有十分之一等级都是负的,但对于分布上半部的公司来说,这一影响仅具有统计意义。这表明在表中报告的埃德加诱导的平均碰撞风险的降低 V 集中在最初崩溃风险高于平均水平的公司。
详情在图片后面的标题中
图5
在图形查看器中打开
幻灯片
量化回归:股票价格崩溃风险度量。图为我们两个连续崩溃措施中,包含在埃德加中对股价崩溃风险的影响估计值。被处理的公司是那些包括在埃德加时间0;控制公司是近邻的倾向性得分匹配股票市场资本(在水平和日志)和财政季度使用0.05卡尺。所有规格均使用量化回归法估算(康克和贝塞特)( 1978 ),并包括控制(日志市值、势头和股价的四分之一滞后,以及对日历季度、财务季度和公司的固定影响)。虚线表示95%自启动的置信区间。有关可变定义及其构造的详情,请参阅 附录 .[颜色图可浏览於 wileyonlinelibrary.com ]
考虑到准随机分配、错开实施和没有不同的预备程序,结果见表 V 数字化 5 允许合理的因果解释,即标准代理人衡量的,以强制提交SEC文件的形式更容易获取公司信息,从而降低了股价崩溃风险。鉴于我们早些时候的证据表明,更容易获得公司信息也能减少投资者的分歧,因此我们很容易得出结论,认为所观察到的分歧减少导致所观察到的崩溃风险减少:然而,这样的结论还为时过早----埃德加公司的破产风险减少可能是由其他一些当时的变化引起的。
C.两级最小二乘结果
要研究围绕埃德加包容性的分歧是否会导致崩溃风险下降,就需要从一个d框架(无法调查具体渠道)转向一个2sl框架,在这个框架中,利益渠道----投资者的分歧----是利用埃德加冲击来实现的。 24 本节讨论的DS规范 二 形成我们的2sl模型的第一阶段,并建立第四术语中所谓的埃德加冲击的"相关性",因为分歧。剩下的确认假设是,埃德加包含只通过其对分歧的影响来影响崩溃风险,而不是因为它与其他一些当时的变化相关。我们在这一节中考虑对这种排除限制的挑战。 IV.E .基于诸如洪和斯坦等崩溃风险模型( 2003 ),在我们的2sl模型中,投资者意见分歧的正系数为:较高的意见分歧会导致较高的崩溃风险。
桌子 六 报告了投资者意见分歧对股价崩溃风险影响的2SLS回归结果。桌子的布局很不寻常.从餐桌上召回 三 我们使用六种衡量投资者意见分歧的方法,从表中召回 V 我们使用了五个崩溃风险度量标准。因此我们估计 回归。桌子 六 通过以矩阵形式报告30个投资者分歧系数(以及在公司一级集中的标准误差)、30个弱工具测试和30个观测计数,总结了这30个回归的结果。表格上半部的30个"单元格" 六 因此代表一个单独的回归。
Table VI. 投资者意见分歧对股价崩溃风险的影响:四.估计
该表报告了投资者意见分歧对股价崩溃风险的影响。在桌子上 三 ,我们采用六项衡量投资者意见分歧的措施,如表格所示 V ),我们使用五项措施来衡量碰撞风险。表格以矩阵形式报告了30个投资者----意见分歧系数(以及在公司一级聚集的与异质----一致的标准误差)、30个弱项测试和30个观测计数,从而总结了这些5×6=30的回归。因此,表上半部的30个"单元"中的每个都是单独的回归。所有规格都是用2sl估算的,并包括控制(日志市值和股价的四分之一滞后,以及对日历季度、财务季度和公司的固定影响)。每一个规格中的工具是一套指标,等于1,如果该公司在前四个财政季度被列入埃德加。桌子 三第(1)至(6)栏,报告相应的第一阶段结果。关于可变定义及其构造的细节,请参阅附录。***、**和*分别表示1%、5%和10%的重要性。
本款为您提供的
倾斜() 下跌波动() 极端负回报,0.01%() 极端负回报,0.1%() 极负回报率,1%()
(1) (2) (3) (4) (5)
不一致措施
分散(下季度) 1.063 0.833* 0.573* 0.621 0.972*
0.801 0.491 0.319 0.410 0.545
分散(财政年度) 0.340** 0.189** 0.159*** 0.199** 0.193**
0.146 0.086 0.060 0.077 0.091
范围(下季度) 0.946 0.741* 0.510* 0.552 0.864*
0.719 0.450 0.293 0.372 0.502
范围(财政年度) 0.209** 0.116** 0.098*** 0.122** 0.119**
0.090 0.053 0.037 0.048 0.056
异常短期利息 1.822** 1.103** 0.954** 1.470** 1.226**
0.904 0.556 0.389 0.574 0.616
Trading volume around EA 0.184** 0.077 0.101*** 0.138*** 0.131**
0.092 0.051 0.038 0.052 0.063
Weak-instrument test statistics
Dispersion (next quarter) 15.2 15.2 15.2 15.2 15.2
Dispersion (fiscal year) 20.4 20.4 20.4 20.4 20.4
Range (next quarter) 10.3 10.3 10.3 10.3 10.3
Range (fiscal year) 17.2 17.2 17.2 17.2 17.2
Abnormal short interest 10.8 10.8 10.8 10.8 10.8
Trading volume around EA 13.9 13.9 13.9 13.9 13.9
No. of firm-quarters
Dispersion (next quarter) 9,034 9,034 9,034 9,034 9,034
Dispersion (fiscal year) 14,947 14,947 14,947 14,947 14,947
Range (next quarter) 9,034 9,034 9,034 9,034 9,034
Range (fiscal year) 14,947 14,947 14,947 14,947 14,947
异常短期利息 28,589 28,589 28,589 28,589 28,589
环经交易量 22,789 22,789 22,789 22,789 22,789
正如预测的那样,30个2sl系数中的每个系数都是正数,其中25个系数在常规水平上具有统计意义。 25 (相对)最薄弱的结果来自说明,使用的是四分之一前预测的分散性或范围,以代替意见分歧,而基于财政年度预测和异常短期利益的措施对我们的五项崩溃风险措施中的每一项措施都具有一致的强有力和统计学意义重大的影响。有关收益公告的交易量也是如此,但 ( P =0.134)。在30个规格中的每一个中,埃德加包涵仪在统计上都很强, F -超过经验值10的统计数字。这缓解了我们担心我们的2SLS估计会受到弱工具偏差的影响。
表中报告的正系数 六 与洪和斯坦的( 2003 崩溃风险模型。为了了解它们的经济规模,我们计算了六个不同的测量方法中每一个增加1%的弹性,与它们各自的预处理平均值不同。预测措施和异常短期利息的估计弹性在1.1至4.4之间,但下列情况除外: ,弹性在0.3至0.6%之间。 26 交易量计量的估计弹性要大得多,在2.0之间不等。)及第14.1条(适用)).
桌子 组织三 在互联网附录中,使用两种不太常见的崩溃风险度量方法来探讨这些发现的稳健性:金和迈尔斯( 2006 ) 和,每项评估均在 或者1%的水平。 27 我们发现,对于崩溃风险的不同意见在每一个回归和统计学上的显著影响。
整体而言,我们在表格中的估计 六 和 组织三 向将崩溃风险与投资者分歧联系起来的崩溃风险文献中的模型提供贷款支持.
D.发展不对称
投资者意见分歧对股价崩溃风险的影响模型预测了一个不对称的关系:意见分歧的变化影响崩溃风险,但不影响价格上涨。我们接下来的测试是,在埃德加加入后,极端正回报率是否也变得更有可能。如本节所述 IV.A.2 ,我们使用赫顿、马库斯和特赫兰尼亚( 2009 ) 测试的方法。桌子 七. 报告估计数。这18项估计中的每一项在统计上与零没有什么不同,而且大多数在经济上都很小。因此,我们可以拒绝埃德加包容导致极端回报率对称上升的假设。
Table VII. 不对称:股价上涨
表中报告了投资者意见分歧对股价上涨的影响的2sps测试,而不同模型预测的影响应该是零。我们跟着赫顿,马库斯和特赫朗尼亚( 2009 ),并按0.01%、0.1%及1%的水平衡量股价波动的频率(,,以及 )。投资者意见分歧的六项指标(见下表) 三 ),我们估计 回归。下表以矩阵形式报告了18个投资者----意见分歧系数(以及在公司一级聚集的与异质----一致的标准误差)、18个弱项测试和18个观察计数,从而总结了这18个回归。因此,表上半部的18个"单元"中的每个都是单独的回归。所有规格都是用2sl估算的,并包括控制(日志市值和股价的四分之一滞后,以及对日历季度、财务季度和公司的固定影响)。每一个规格中的工具是一套指标,等于1,如果该公司在前四个财政季度被列入埃德加。桌子 三 第(1)至(6)栏报告相应的第一阶段结果。有关可变定义及其构造的详情,请参阅 附录 . ***, **, and * denote significance at the 1%, 5%, and 10% level, respectively.
跳跃式测量
收益率极高,0.01%() 收益率为0.1%() 回报率极高,1%()
(1) (2) (3)
不一致措施
分散(下季度) −0.023 −0.417 −0.239
0.280 0.413 0.431
分散(财政年度) −0.004 −0.022 −0.048
0.049 0.069 0.074
范围(下季度) −0.020 −0.371 −0.212
0.249 0.370 0.384
范围(财政年度) −0.003 −0.013 −0.029
0.030 0.042 0.045
异常短期利息 0.237 0.244 −0.093
0.297 0.423 0.425
环经交易量 0.009 0.015 0.013
0.030 0.043 0.044
测试统计数字
分散(下季度) 15.2 15.2 15.2
分散(财政年度) 20.4 20.4 20.4
范围(下季度) 10.3 10.3 10.3
范围(财政年度) 17.2 17.2 17.2
异常短期利息 10.8 10.8 10.8
环经交易量 13.9 13.9 13.9
不。公司单位
分散(下季度) 9,034 9,034 9,034
分散(财政年度) 14,947 14,947 14,947
范围(下季度) 9,034 9,034 9,034
范围(财政年度) 14,947 14,947 14,947
异常短期利息 28,589 28,589 28,589
环经交易量 22,789 22,789 22,789
不对称意味着埃德加的包容性不仅仅减少了波动性--它减少了波动性。 向下的 波动性(极端负回报的发生)。因此,不对称支持埃德加包容性减少碰撞风险的解释.这反过来又支持了洪和斯坦等模型预测的碰撞风险的不对称影响( 2003 ).
E.另类频道:坏消息囤积
对表格中我们的2SLS估计数的因果解释 六 和 组织三 要求该文书(埃德加纳入)只通过其对分歧的影响而不是直接或通过另一渠道影响碰撞风险。虽然"证明"某一工具满足排除限制是不可能的,但我们通过对崩溃风险的主要替代解释,即"坏消息囤积",来调查可能违反排除限制的行为。
金和迈尔斯( 2006 提出一个不涉及分歧的崩溃风险模型。经理们控制公司的透明度,并鼓励他们储存坏消息(隐瞒信息或管理收益)。 28一个突然发布的坏消息,也许一旦达到一个临界点,可能会导致股价暴跌。然后,识别问题就变成了埃德加包容是否降低了被压抑的坏消息在未来发布的风险,无论是直接发布还是通过埃德加包容可能对管理行为产生的任何影响发布。我们研究了六项标准的财务报告措施:资产回报率、两项可自由支配的应计项目、报告收益倾向于"与"分析师一致的意见相差甚远、盈利重报和打破收益增长的线索。我们没有发现任何证据表明管理者改变他们发布的新闻,或者他们的财务报告是如何透明的。
桌子 八. 报告结果。第(1)栏显示,在列入埃德加之后,资产回报并无不同。换句话说,我们没有看到以低收入的形式突然发布坏消息,这可能会降低被压抑的坏消息在未来被发布的风险。第(2)和(3)栏显示,收益管理(从经过修改的琼斯模型获得的酌处应计额和与业绩相符的酌处应计额)没有变化。换句话说,在加入埃德加之后,公司对盈利的管理力度并没有减少。第(4)栏考虑了透明度的另一种衡量标准,即公司的盈利倾向于勉强与分析师达成一致意见。 29 我们没有发现任何证据表明,当企业成为埃德加的申报人时,它们不太可能达成共识。第(5)栏显示,企业发布坏消息的一个关键途径--接下来的收益重报的可能性在埃德加加入之后没有改变。最后,第(6)栏显示,在埃德加加入之后,一家公司打破盈利增长的可能性--另一个坏消息出现的迹象--也同样没有改变。 30
Table VIII. 企业对埃德加治疗的报告反应
该表采用六项标准报告衡量标准,报告了公司在纳入埃德加时前后报告选择的变化情况的差异估计数:资产回报率,两项酌处应计制计量,所报告的每股收益是否等于分析师一致意见("符合"),或最多超过一致意见1%("超过"),盈利重报,以及打破收益增加的条件。被处理的公司是包括在埃德加中的公司;控制公司是在股票市场资本化(在水平和日志中)和财政季度使用0.05卡尺匹配的邻近地区。我们包括了一个以财政季度为中心的9财政季度的数据,在这个季度中,一家被处理的公司被纳入其中。所有规格都是使用OLS估算的,并包括控制(测井市场盖度的四分之一滞后以及对日历季度、财务季度和公司的固定影响)。对预处理器的测试是对在相应事件--研究动态DS规范中估计的每个预处理季度的系数共同为零的空的WALD测试。有关可变定义及其构造的详情,请参阅 附录 .不同类型的标准误差聚集在公司层面,以斜体显示在系数估计下面。***、**和*分别表示1%、5%和10%的重要性。
资产收益 琼斯可自由支配的应计项目 可支配应计项目 会议或会议 重报收入 打破收入增长的关系
(1) (2) (3) (4) (5) (6)
包括四分之一 0.000 0.003 −0.003 0.022 0.008 −0.001
0.001 0.003 0.003 0.017 0.010 0.005
接下来的四个季度 0.002 −0.003 −0.003 0.004 −0.017 −0.003
0.002 0.002 0.002 0.014 0.011 0.003
控制器? 是的 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的 是的
R 2 62.8% 17.7% 10.5% 25.9% 34.1% 11.2%
( P -value) 0.146 0.629 0.360 0.658 0.224 0.406
不。各公司 3,388 3,336 3,323 2,214 3,388 3,388
不。公司单位 28,872 27,999 26,402 13,741 28,976 28,976
表中的调查结果 八. 这意味着企业认为没有什么必要改变他们的财务报告行为,也许是因为他们觉得加入埃德加后,投资者没有对他们进行更密切的监督。假设投资者规模的监控强度增加,这一模式符合这样的事实,即埃德加·艾斯特降低了主要是小型投资者(包括零售和机构投资者)查阅公司文件的成本,因为大型投资者很可能已经通过商业数据供应商(张、朗格奎斯特和曾)( 2021 )).
在本文中,我们无意在基于分歧的模型和关于股票价格崩溃风险的糟糕消息囤积模型之间展开一场赛马。表中报告的结果 V , 六 , 七. ,以及 组织三 在形象上 5 与基于不一致的崩溃风险模型一致,而结果在表中 八. 似乎不支持坏消息囤积模型。尽管如此,鉴于缺乏证据并不是缺乏证据的证据,我们不能排除围绕埃德加列入的其他透明度措施可能改变的可能性,这种改变将支持不良新闻囤积模式。我们在本节中的研究结果应该考虑到这一点。
F.横断面分析
提供确凿证据,以支持基于不一致的解释,即在埃德加在各节中报告的情况下,对所观察到的股票价格崩溃风险减少情况作出解释 IV.B 和 IV.C 在不同的模型中,我们测试了崩溃风险的两个关键决定因素:公司的短期销售约束有多严格,投资者有多乐观。
F.1.短期销售限制的紧密性
分歧模型意味着,跨部门的投资者分歧对崩溃风险的影响,当短期销售约束更为严格时,应该更为强烈。为了测试这一含义,我们使用了短期销售约束的两个代理:β和机构所有权。贝塔的使用是由理论推动的。在香港及施雷尔( 2016 )模式,投资者对公司现金流中的共同成分意见不一。对高贝塔股票的分歧自然比对低贝塔股票的分歧更大,因为高贝塔股票的现金流更多地与宏观经济相关,因此具有更大的共同成分。洪和斯雷尔模式的一个重要暗示是,高贝塔股的空头约束比低贝塔股更为严格,其他所有因素都是一样的。 31
如本节所述 三 鉴于机构是股票贷款的主要供应者,机构所有权较高的公司被认为具有较低的短期销售限制(D'Avolio)。 2002 )。由于机构所有权的水平与企业规模密切相关,我们遵循nagel( 2005 ),并以每季度一次的横断面回归法构建剩余的工业化组织。我们预测,在加入埃德加之后,拥有高剩余投资回报率的公司(不处于最底层的十分之三的公司)的崩溃风险下降幅度较小。
我们使用一种三区别的方法来研究短期销售约束在调解分歧对崩溃风险的影响方面的作用。在桌上 九. ,小组A,我们测量使用埃德加包容和互动之前财政季度的日库存回报像往常一样和在DD模型中使用的变量。兴趣的变量是三重互动 . 32 假设较高的股票更难做空,如洪和斯拉尔( 2016 我们预测治疗效果越大(负面程度越高).与这一预测相一致的是,对埃德加综合指数对崩溃风险的影响的三级估算是负的,表明在埃德加综合指数越高之后,股票的崩溃风险下降得更明显。.三度系数与零度系数在统计上有显著差异。 ( P = 0.001), ( P = 0.006), and ( P = 0.065).
Table IX. 强制披露对崩溃风险的影响:异质处理
该表报告了埃德加综合指数对股价崩溃风险影响的三差估计数。相应差异模型见表 V.在A至C小组中,我们与两个衡量公司的短期销售约束力的尺度进行交互处理:公司的预处理CAPMβ(小组A)及其剩余的机构所有权(小组B)。短期销售限制预计将增加贝塔和减少机构所有权。在小组C中,我们与投资者乐观的尺度,即公司的预处理pvgo指数进行互动。pvgo指数的上升表明,投资者对公司股票的估值更多的是基于预期未来的增长机会,而不是基于现有资产的现金流量,从而产生更大(更负面)的预期效果。所有面板中的相互作用变量在治疗前的一段时间被测量,因此,在不同时间内,不会有不同的变化。它们和它们之间的互动 因此与固定的效果是共同的,排除在估计之外。(所有其他的相互作用都包括在内,不过为了节省空间,这里只列出了兴趣系数。全面结果见表 国际组织 因特网附录)。具体而言,贝塔指数和pvgo指数是在治疗前的财政季度测量的。跟随纳格尔( 2005 )及谢利弗( 1986 ),在治疗前的四分之三测量。所有的规格都是使用OLS估算的,包括控制(测井市场的四分之一滞后、势头、股价以及对日历季度、财务季度和公司的固定影响)。有关可变定义及其构造的详情,请参阅 附录.不同类型的标准误差聚集在公司层面,以斜体显示在系数估计下面。***、**和*分别表示1%、5%和10%的重要性。
倾斜() 下跌波动() 极端负回报,0.01%() 极端负回报,0.1%() 极负回报率,1%()
(1) (2) (3) (4) (5)
面板A:预处理β版
0.023 0.008 −0.015* −0.017 −0.024
0.026 0.017 0.009 0.014 0.020
−0.082*** −0.044*** −0.009 −0.024* −0.015
0.026 0.016 0.009 0.013 0.019
控制器? 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的
R 2 17.5% 19.1% 15.8% 15.8% 13.9%
不。各公司 3,364 3,364 3,364 3,364 3,364
不。公司单位 28,642 28,642 28,642 28,642 28,642
小组B:对材料的预处理
−0.107*** −0.066*** −0.061*** −0.051** −0.095***
0.041 0.026 0.014 0.021 0.030
0.098** 0.060** 0.049*** 0.022 0.082**
0.046 0.029 0.016 0.024 0.033
控制器? 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的
R 2 17.2% 18.9% 15.7% 15.6% 13.8%
不。各公司 3,226 3,226 3,226 3,226 3,226
不。公司单位 27,845 27,845 27,845 27,845 27,845
C小组:预处理PVgo指数
0.051 0.028 −0.001 −0.017 0.006
0.034 0.021 0.012 0.018 0.025
−0.133*** −0.079** −0.032* −0.025 −0.062*
0.049 0.031 0.017 0.025 0.035
控制器? 是的 是的 是的 是的 是的
日历四分之一? 是的 是的 是的 是的 是的
财政季度? 是的 是的 是的 是的 是的
可靠的? 是的 是的 是的 是的 是的
R 2 17.4% 19.0% 15.9% 15.8% 13.9%
不。各公司 3,271 3,271 3,271 3,271 3,271
不。公司单位 27,854 27,854 27,854 27,854 27,854
桌子 九. ,B小组报告了机构所有权方面的类似调查结果。在加入埃德加之后,具有较高剩余的OO预处理技术的公司在减少碰撞风险方面的经验要小得多。小组B中的三重系数在统计上与五项危机风险措施中的四项有显著的差异。
假设贝塔和机构所有权是有效的代理人如何约束一个公司的空头约束是,我们解释这些模式至少弱有力地支持了空头约束在传递投资者对股票价格崩溃风险的异议中的作用。
F.2.投资者乐观
米勒( 1977 )模型提供了第二个可测试的横断面暗示:在边际投资者的乐观中,分歧对股价崩溃风险增加的影响。直觉上,边际投资者的估值超过了平均信念,其分歧程度乘以她的乐观程度。为了探讨乐观主义的作用,我们将埃德加处理法与投资者乐观主义的衡量方法进行了互动,即公司的预处理pvgo指数。( 2003 )。pvgo衡量相对于边际投资者定价的现有资产的增长机会的重要性。另外,较高的pvgo指数表明,边际投资者对公司股票的价值更多的是基于预期的未来增长机会,而不是基于现有资产的现金流量。此前的研究表明,乐观主要与未来的增长有关,而不是与现有的资产有关(拉科尼索克、谢利费尔和维什尼( 1994 )、二乙醚、马洛伊及雪尔比纳( 2002 )。因此,我们预期治疗效果更大(更消极),一个公司的pvgo指数越高.
桌子 九. C小组报告结果。如预期的那样,对埃德加综合指数对我们五项崩溃风险措施的影响的三分之一的估计一直是负面的,表明在埃德加综合了预处理pvgo指数后,股市的崩溃风险下降得更明显。所有代理的三度系数在统计上与零显著不同 .假设投资者对未来增长机会相对于现有资产的重要性持乐观态度,我们将这些模式解释为支持米勒的预测( 1977 )模型:在边缘投资者的乐观中,投资者意见分歧对股价暴跌风险的影响增加。
V. Conclusion
我们调查了投资者在资产定价上意见分歧所起的作用,特别关注回报率和股价崩溃风险。我们利用随机分配的外生冲击来衡量股票价格的信息性和投资者获得强制性公司披露的成本,即证券交易委员会在1993年至1996年期间错开推出埃德加系统,同时国家科学基金会也在努力将证券交易委员会的文件放在网上。
我们显示,当一家公司在网上向投资者提供其证券交易委员会的申请时,标准的投资者意见分歧衡量标准就会减少,而与之相比,控制公司的信息访问成本没有变化。即使无论是坚实的基本面还是坚实的会计透明度都没有明显的变化,这种模式仍然存在。埃德加包容性有助于解决投资者在收益公告和分析师预测方面的分歧。同时,随着投资者意见分歧的标准度量降低,股价崩溃风险的标准度量降低。以埃德加为工具,我们报告2SLS结果,有理由对分歧对崩溃风险的影响进行因果解释。
我们合理的因果研究结果支持了诸如米勒( 1977 ),即投资者之间的分歧会导致估值过高,再加上短期销售限制。我们的研究结果进一步支持将崩溃风险与意见分歧联系起来的模型的预测,如洪和斯坦( 2003 ).
除了允许我们以比以往更合理的方式探索投资者意见分歧对资产定价的影响之外,我们利用的自然实验有助于我们从一个新的角度研究强制披露的好处。我们的核心结论是,改进强制性披露会减少投资者的意见分歧,降低崩溃风险,这突出表明了以前未记录的强制性披露条例的好处。
编者:纳格尔、邦德、阿米特人和卫雄
附录:可变定义
投资者异议的衡量方法
分散(下季度) 分析师对财政季度收益预测的标准差 t 财政季度(I/B/E/S variable有预测范围),按季末股价(CRSP变量)调整 乘以100,以方便说明。I/B/E/S数据来自未经调整的简要历史档案。见莱海维、李和麦克利( 2011 )详情。
分散(财政年度) 分析师对财政季度收益预测的标准差 t 本财政年度(I/B/E/S变量)有预测范围),按季末股价(CRSP变量)调整 乘以100,以方便说明。I/B/E/S数据来自未经调整的简要历史档案。见莱海维、李和麦克利( 2011 )详情。
范围(下季度) 分析师预测的最高和最低收益之间的差额财政季度(I/B/E/S variable和有预测范围),按季末股价(CRSP变量)调整 乘以100,以方便说明。I/B/E/S数据来自未经调整的简要历史档案。见德邦德和福布斯( 1999 )详情。
范围(财政年度) 分析师预测的财政季度最高和最低收益之间的差额本财政年度(I/B/E/S变量)和有预测范围),按季末股价(CRSP变量)调整 乘以100,以方便说明。I/B/E/S数据来自未经调整的简要历史档案。见德邦德和福布斯( 1999 )详情。
异常短期利息 是指公司实际和预测的每月短期利率之间的财政季度平均差乘以100,以方便说明。一个公司的实际短期利率是指一个月卖空的股票数量 t (计算机统计变量 )按每月未清股除以 t (CRSP variable)。一个公司预测的短期利息比是根据27个规模、书籍对市场和分钟投资组合的一套指标按其实际短期利率的月频率估计的横断回归得出的拟合值,以及一组两位数的情况指标(根据CRSP变量得出)。 )。每月 t ,我们把每只股票划分为27个投资组合中的一个,这些投资组合是由独立地将我们的抽样公司按规模、按市值、按市值和按月按比例划分为低、中、高分类而形成的。.规模是平均日市值,定义为股价(CRSP变量))乘以未偿股数目(CRSP变量))。资产账面价值比率(计算机统计变量))至资产市值(计算变量))。动力是过去12个月的累计回报(CRSP变量) )。见卡波夫和卢( 2010 )详情。由于短期利率是以区间[0.1]为界的,所以我们将回归估计为分数逻辑。
环经交易量 是总交易量的自然对数(CRSP变量) )在一个为期三天的窗口中,以一家公司在财政季度公布的盈利情况为中心 t .对于通过NADAQ交易的股票,交易量按加价和汇率调整( 2010 ) procedure.
返回措施
财政季度的三天累计收益率 t 公司的盈利报告(I/B/E/S变量))或公司本财政年度第一位分析师预测(I/B/E/S变量))。每日收益来自CRSP变量 .
财政季度三天累计市场调整后回报率 t 公司的盈利报告(I/B/E/S变量))或公司本财政年度第一位分析师预测(I/B/E/S变量))。每日市场调整回报率是每日原始收益率(CRSP变量)之间的差额。 )及价值加权市场回报(CRSP变量)).
衡量股价崩溃风险的措施
倾斜 ( )是公司的负偏斜系数 我 财政季度 t ,定义为
,在哪里
公司每日经市场调整的日志 我 财政季度 t ,定义为
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见陈、洪和斯坦( 2001 )详情。
下跌波动 ( )的波动性 我 财政季度 t ,定义为
,在哪里
和
财政季度的起落天数 t (分别)
公司每日经市场调整的日志 我 财政季度 t ,定义为
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见陈、洪和斯坦( 2001 )详情。
极端负回报,0.01%( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整后的收益下降 k 低于财政季度平均回报率的标准差 t ,以及 k 选择在正态分布中产生0.01%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
极端负回报,0.1%( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整后的收益下降 k 低于财政季度平均回报率的标准差 t ,以及 k 选择在正态分布中产生0.1%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
极负回报率,1%( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整后的收益下降 k 低于财政季度平均回报率的标准差 t ,以及 k 选择在正态分布中产生1%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
收益率极高,0.01%( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整的收益超过财政季度平均收益的经验 t 经过 k 标准偏差,含 k 选择在正态分布中产生0.01%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
收益率为0.1%( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整的收益超过财政季度平均收益的经验 t 经过 k 标准偏差,含 k 选择在正态分布中产生0.1%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
收益率极高,1% ( )是指一组指标变量,等于1 我 每日一次或多次记录经市场调整的收益超过财政季度平均收益的经验 t 经过 k 标准偏差,含 k 选择在正态分布中产生1%的频率.日志经市场调整的收益按
.
是回归的残余
在哪里
是股票的回报 我 在白天 t (CRSP variable),
是CRSP价值加权市场指数(CRSP变量)的每日回报率), and
是从肯尼斯•弗伦奇网站上获得的法玛和法国48指数回报。见赫顿、马库斯和特赫兰尼亚( 2009 )详情。
其他变数
绝对异常回报率 以公司财政季度盈利公告为中心的三天窗口内日累计异常收益的绝对值 t .日异常收益被定义为日停留期回报(CRSP变量))减去价值加权市场回报加上股息(CRSP变量).
市场资本化 是坚定的 我 股票市场资本(计算机统计变量)时代计算机统计变量 )在财政季度的最后一个交易日 t .
势头 是坚定的 我 过去六个月的复合库存回报率。每月库存回报率来自CRSP变量.
股价下跌 是坚定的 我 股价(计算机统计变量))在上一财政季度末。
机构所有权的变化 财政部门之间机构所有制的季度变化和,在哪里是埃德加的四分之一。机构所有权取自汤姆逊金融机构所持股份(13F)数据库,定义为机构投资者所持股份的总和(可变))除以未偿股总数(CRSP变量).
资产申报表( )是坚定的 我 财政季度资产回报率 t ,定义为收益(计算变量))除以该公司截至上一财政季度末的总资产(计算机变量)).
琼斯可自由支配的应计项目 是坚定的 我 财政季度酌情应计额 t 根据德豪、斯隆和斯威尼的修正版琼斯模型( 1995 )。经修改的琼斯模型指定为:
在哪里
是应计收入总额,定义为非常项目和中断业务之前的收入(计算机统计变量))减去业务现金流量(计算机统计变量),
是滞后的资产总额(计算变量)),
季度收入的变化), and
不动产、厂场和设备(计算机统计变量))。琼斯自由支配应计款的定义是:
,在哪里
和
应收账款(计算机统计变量)).
可支配应计项目 是坚定的 我 财政季度酌情应计额 t 跟随科塔里、里昂和瓦斯利( 2005 ),指的是从修改的琼斯模型中获得的企业可自由支配应计额减去同一法国48产业中资产回报最接近的相应企业的可自由支配应计额。
会议或会议 是一组指标变量,等于1这一数字既高于也低于分析师收益预测中位数的1%。
收入重申 是一个指标变量组等于1如果公司间的绝对差 我 四分之一 t 每股收入(可变))及电子计算系统每股收益(可变) 等于或大于0.015。这个定义是根据利夫纳特和门登霍尔( 2006 ).
一系列收益增加 是一个指标变量集等于1 我 四分之一 t 收入(计算机变量) )在过去四个季度每季度均有所增加后便有所减少。这个定义如下:安德烈、卢卡和彼得罗( 2017 ).
市场指数的系数(CRSP变量))由市场模型估计,使用日库存回报率(CRSP变量) )超过前四个财政季 t .
是一个指标变量集等于1 我 剩余的机构所有权处于财政季度前七位 t .跟随纳格尔( 2005 ), firm 我 财政季度剩余的机构所有权 t 它的定义是指公司资产市场价值的平方日志和公司资产所有权通过日志变化的机构所有权水平的横断面回归的剩余部分。股票的市值被定义为季度末股票价格(计算机变量))乘以未偿股数(计算机统计变量))。机构所有权取自汤姆逊金融机构所持股份(13F)数据库,定义为机构投资者所持股份的总和(可变))除以未偿股总数(CRSP变量)。0.0001以下和0.9999以上的机构所有权分别改为0.0001和0.9999。
Pvgo指数 在投资者对公司股票的估值中,增长机会和资产收益的相对重要性是一个代表。( 2003 )。它是按 ,在哪里 P 是坚定的 我 股价(计算机统计变量) )在财政季度的最后一个交易日 t , 是财政季度每股收入稀释 t (计算机统计变量除以CRSP变量 ), and R 是坚定的 我 资本的行业成本,以无风险率的总和(来自肯尼斯·弗伦奇的网站)和法玛-法属48产业风险溢价(来自法玛和法属)( 1997 )). If是负的,我们设置等于1.如果 比... P ,我们开始等于0.