徐壽福，鄭迎飛，羅雨杰

（上海對外經(jīng)貿(mào)大學 金融管理學院，上海 201620）

一、引言

防范化解金融風險是金融工作的永恒主題，識別資本市場風險成因并健全風險防控機制，是防范化解金融風險的重要舉措。資本市場中的資產(chǎn)風險可以分為系統(tǒng)性風險和非系統(tǒng)性風險或異質性風險，盡管現(xiàn)代資產(chǎn)組合理論和資產(chǎn)定價理論認為異質性風險可以通過分散化投資策略被消除而不會影響資產(chǎn)預期收益，但是現(xiàn)實中投資組合分散程度不足所導致的異質性風險廣泛存在于資本市場中，并會對資產(chǎn)定價、企業(yè)投融資、資本市場穩(wěn)定甚至宏觀經(jīng)濟產(chǎn)生重大影響。Iachan等（2022）將異質性風險所導致的資本低效配置稱為“異質性風險的外部性”。因此，異質性風險的形成及其影響近年來引起了學術界的廣泛關注。

股票異質性風險是上市公司層面的特質風險，受到投資者對公司信息搜集、解讀行為及其效率的驅動。近年來，互聯(lián)網(wǎng)的普及和信息技術的發(fā)展推動了上市公司與投資者之間的信息互動與溝通，改變了投資者的信息搜集和解讀行為。深交所和上交所分別于2010年1月1日和2013年7月5日上線“互動易”和“上證e互動”網(wǎng)絡平臺，為上市公司與投資者之間利用互聯(lián)網(wǎng)進行信息溝通提供了更加直接和快捷的渠道。網(wǎng)絡平臺信息互動具有一定的信息含量（孟慶斌等，2020），能夠提升投資者的信息解讀能力（丁慧等，2018b），改善資本市場信息效率（譚松濤等，2016）。但不可否認，上市公司披露的信息內容并不等同于其信息價值，并非所有的互動問答都能傳遞有效信息，而且能夠合理使用互動信息的也只有少數(shù)人（孟慶斌等，2020）。因此，在互聯(lián)網(wǎng)信息量巨大和我國散戶投資者占比較高的現(xiàn)實背景下，網(wǎng)絡平臺互動行為可能會加劇信息傳播的不平衡性，產(chǎn)生較多“噪音”信息，與投資者有限的關注度和差異化的信息處理能力相疊加，會重塑投資者在股票估值過程中的信念，通過影響投資者意見分歧而驅動股票異質性風險發(fā)生變化。

本文采用文本分析方法，從網(wǎng)絡平臺互動問答的文本和頻次出發(fā)，構建網(wǎng)絡平臺互動程度的度量指標，在此基礎上考察了網(wǎng)絡平臺互動行為對上市公司股票異質性風險的影響及其機制。結果表明，網(wǎng)絡平臺互動通過放大投資者意見分歧，會加劇上市公司的股票異質性風險，而且這種效應在股票受到賣空限制、上市公司透明度較差以及金融機構投資者持股比例較低時更加顯著。本文的研究貢獻體現(xiàn)在以下幾個方面：

第一，本文補充了股票異質性風險驅動因素的研究。在有效的資本市場上，股票異質性風險是上市公司未來預期現(xiàn)金流波動性的反映（Irvine和Pontiff，2009）?；ヂ?lián)網(wǎng)的普及和信息技術的興起極大地改變了投資者的信息搜集和處理方式，繼而影響投資者對上市公司的估值準確性，成為驅動股票異質性風險的新的力量。現(xiàn)有研究發(fā)現(xiàn)，用戶在推特上的留言信息及其情緒（Behrendt和Schmidt，2018）、投資者在百度上的搜索行為（Hao和Xiong，2021）等都會驅動股票異質性風險上升。與考察投資者單方面的信息傳遞和搜索行為不同，本文基于深交所“互動易”和上交所“上證e互動”平臺，檢驗了網(wǎng)絡平臺互動對股票異質性風險的影響，從上市公司互動式信息披露的角度提供了更加豐富的解釋和證據(jù)。

第二，本文補充了網(wǎng)絡平臺互動經(jīng)濟后果的研究。深交所“互動易”和上交所“上證e互動”平臺的上線，激發(fā)了國內學者對互動式信息披露的廣泛研究?，F(xiàn)有研究發(fā)現(xiàn)，網(wǎng)絡互動平臺的設立能夠傳遞公司信息，提升投資者的信息處理和解讀能力（丁慧等，2018b），降低股價崩盤風險（丁慧等，2018a），緩解上市公司融資約束（高敬忠等，2021）。從提高資本市場信息效率的角度，譚松濤等（2016）發(fā)現(xiàn)，“互動易”平臺設立后，深交所上市公司股價非同步性的提升幅度以及分析師盈余預測絕對偏差的降低幅度都比上交所要大，但他們忽視了深交所上市公司在網(wǎng)絡平臺互動中的差異性以及互動信息傳播的不平衡性。孟慶斌等（2020）則發(fā)現(xiàn)，網(wǎng)絡平臺互動中董秘回復的負面語氣具有信息含量，但其正面語氣不具有信息含量。上述研究表明，對網(wǎng)絡平臺互動影響的研究還需要進一步關注信息交流行為、信息內容和質量等方面的異質性。事實上，新的信息技術盡管為投資者搜集和處理信息提供了便利，但也可能促使投資者的不同意見更容易在網(wǎng)絡上得到釋放，繼而放大投資者意見分歧。基于這一邏輯，許多研究直接采用社交媒體或網(wǎng)絡互動數(shù)據(jù)來構建投資者意見分歧的度量指標，發(fā)現(xiàn)其對股票收益、交易量等都具有重要影響（Sprenger等，2014：Al-Nasseri和Menla Ali，2018；Giannini等，2019）。與現(xiàn)有研究不同，本文從投資者意見分歧角度闡釋了網(wǎng)絡平臺互動對股票異質性風險的驅動效應及其機制，提供了網(wǎng)絡平臺互動也會產(chǎn)生負面影響的證據(jù)。這為客觀評價深交所“互動易”和上交所“上證e互動”平臺的經(jīng)濟影響，優(yōu)化網(wǎng)絡平臺互動這一新型信息交流方式，提供了更加全面的依據(jù)。

第三，本文也為投資者與上市公司在網(wǎng)絡平臺上的互動是否具有信息含量提供了新的證據(jù)。通常來說，上市公司的回答相對于投資者的提問應該可以揭示更多實質性的信息，上市公司回答文本中的“客套話”理應被解讀為無關信息，由此上市公司的回答及其文本中的非“客套話”信息因為能夠傳遞有效信息，至少不應該顯著加劇股票異質性風險。然而，本文的實證結果并不支持上述論斷。這從另一個角度說明，網(wǎng)絡平臺互動行為對投資者信念和意見形成的影響效應可能會占優(yōu)于互動問答產(chǎn)生的信息效應。

二、理論分析與研究假說

深交所“互動易”和上交所“上證e互動”為投資者與上市公司管理層利用網(wǎng)絡平臺進行溝通和交流提供了一種新型互動方式。與上市公司公告、媒體報道和分析師報告等陳述式信息傳遞方式不同，深交所“互動易”和上交所“上證e互動”平臺以問答的形式幫助投資者獲得有關上市公司的信息，具有以下幾個顯著的特點：一是主動性，投資者只有在需要時才會就想要獲取的信息向上市公司提問、求證或咨詢。二是及時性，外部投資者可以借助網(wǎng)絡互動平臺隨時與上市公司進行溝通。三是互動性，上市公司借助網(wǎng)絡互動平臺能夠快速回應投資者的提問，形成信息反饋與交流。不可否認，這些特點會改變投資者的信息獲取和解讀方式及效率，但也可能會帶來新的負面沖擊，影響資本市場效率。網(wǎng)絡環(huán)境下的互動交流對于市場參與者的信念形成極為重要（Antweiler和Frank，2004），在投資者信息獲取和解讀能力存在客觀差異的前提下，網(wǎng)絡平臺互動對信息傳播方式和投資者注意力的改變，以及互動問答信息質量等，會重塑投資者預期和信念，影響投資者的估值和投資決策，繼而驅動上市公司股票異質性風險發(fā)生變化。

首先，深交所“互動易”和上交所“上證e互動”平臺互動更容易擴大信息在投資者之間傳播的不平衡性，導致投資者對不同上市公司的關注存在差異，繼而加劇投資者意見分歧。第一，與投資者被動接受上市公司公告、媒體報道或分析師報告等陳述式信息披露方式所傳遞的信息不同，對社交媒體或搜索引擎的使用反映了投資者信息需求的大小（Bukovina，2016）。因此，投資者利用網(wǎng)絡平臺與上市公司互動是主動搜集信息的表現(xiàn)，反映了提問的投資者對特定上市公司的關注。第二，盡管其他投資者也可以閱讀特定投資者與上市公司的互動信息，但是這些信息并不能傳播至所有投資者。孟慶斌等（2020）認為，在使用深交所“互動易”平臺的過程中，雖然個人投資者是有信息的，但是在個人投資者中的信息分布并不均勻，真正擁有信息并能合理運用的仍然只是少數(shù)人。由此，信息傳播的不平衡性客觀上導致了特定上市公司會被參與網(wǎng)絡互動或閱讀互動信息的投資者所關注，而被其他投資者所“忽略”。投資者關注是投資者對信息做出反應和實施投資決策的關鍵因素（Barber和Odean，2008），不同程度的關注導致投資者會使用差異化的信息形成對上市公司未來現(xiàn)金流的不同預期。理論與實證研究都表明，投資者關注的差異是導致投資者意見分歧的重要原因（Andrei和Hasler，2015；Hao和Xiong，2021）。

其次，網(wǎng)絡平臺互動交流中的“噪音”會干擾投資者的信息提取效率，繼而產(chǎn)生意見分歧。上市公司在深交所“互動易”和上交所“上證e互動”平臺上對投資者提問的回答并不總是包含實質性信息，相反很多時候僅僅是無關信息的“噪音”。其原因在于：一是現(xiàn)有監(jiān)管制度不允許上市公司以網(wǎng)絡平臺的互動問答替代正式的信息披露，使得網(wǎng)絡平臺互動揭示的新信息有限。二是當感到投資者的提問難以回答或直接回答會產(chǎn)生不利影響時，上市公司經(jīng)常會使用客套話“避實就虛”，甚至有時“答非所問”。以下兩組上交所“上證e互動”平臺上的問答，為網(wǎng)絡平臺互動有時包含很多“噪音”提供了例證。

2020年4月9日，有投資者向養(yǎng)元飲品（603156.SH）提問：“請問，這次疫情對公司的影響如何？是否會造成產(chǎn)品在經(jīng)銷商處積壓？公司是否會對經(jīng)銷商進行補貼？”該公司4月10日回答：“您好，請您持續(xù)關注公司定期報告，謝謝?！?021年9月29日，有投資者向南京銀行（601009.SH）提問：“南京銀行估值那么低，為什么貴行不考慮回購自己銀行股票？”10月1日南京銀行董秘在平臺上回答：“尊敬的投資者您好，感謝您的關注和建議！”

互動問答中的“噪音”作為無關信息，會增加投資者處理信息的難度，降低投資者的信息識別效率。同時，基于有限關注理論的投資者注意力分散假說認為，當面對大量異質信息特別是大量無關信息時，投資者的關注程度極易被分散（Hirshleifer等，2008）。關注度的分散會降低投資者識別信息的準確度（Andrei和Hasler，2015），阻礙投資者對上市公司未來現(xiàn)金流形成理性預期，繼而產(chǎn)生意見分歧。

最后，網(wǎng)絡平臺問答的多樣性與投資者信息處理能力異質性的疊加，也會放大投資者意見分歧程度。一方面，互聯(lián)網(wǎng)平臺上的互動問答涉及范圍甚廣，且投資者提問角度多種多樣。在投資者信息處理能力存在異質性的前提下，信息的不同表達方式或細節(jié)會導致投資者形成多樣化的觀點，整體上增加投資者之間的意見分歧程度（Hao和Xiong，2021）。另一方面，注意力和信息處理能力等方面的異質性導致投資者對于同一實質的信息會產(chǎn)生不同認知（Hirshleifer和Teoh，2003）。因此，即使面對網(wǎng)絡平臺上同一組互動問答，不同的投資者從中提取的有效信息也可能不同。投資者的信息解讀能力會顯著影響其預期（Drake等，2012），基于不同的有效信息，投資者會形成對上市公司未來盈余和現(xiàn)金流的不同預期，繼而導致投資者意見分歧擴大。

產(chǎn)生于網(wǎng)絡平臺互動問答并被放大的投資者意見分歧最終會加劇股票異質性風險。理論上，有效的資本市場中股票價格應該等于未來預期現(xiàn)金流的現(xiàn)值之和，這一基本等式隱含了股票異質性風險的重要來源之一是上市公司未來預期現(xiàn)金流的波動性（Irvine和Pontiff，2009）。①Irvine和Pontiff（2009）指出，現(xiàn)金流貼現(xiàn)模型隱含了產(chǎn)生股票異質性風險的三個基本來源：（1）折現(xiàn)率波動的沖擊；（2）個股未來預期現(xiàn)金流的波動；（3）資本市場的非有效性。投資者的意見分歧意味著投資者基于異質信念形成了對上市公司未來盈余和現(xiàn)金流的不同預期，這反映在投資決策上則會對上市公司股票價格及其變化產(chǎn)生不同沖擊。由此，投資者意見分歧增加會導致股票收益波動性上升（Carlin等，2014）。Andrei和Hasler（2015）的理論模型和經(jīng)驗證據(jù)也表明，產(chǎn)生于投資者關注的意見分歧會加劇股票異質性風險。在我國資本市場尚未達到強有效狀態(tài)以及投資者結構中散戶投資者占比較高的現(xiàn)實背景下，投資者意見分歧的表現(xiàn)更加凸顯。Hao和Xiong（2021）研究發(fā)現(xiàn)，百度搜索行為會放大投資者意見分歧，加劇股票異質性風險。He等（2021）對我國股票市場中“異質性風險之謎”的研究也表明，投資者意見分歧是導致股票異質性風險的重要原因。

綜上所述，旨在為投資者與上市公司互動提供便捷方式的深交所“互動易”和上交所“上證e互動”平臺，可能會加劇信息傳播的不平衡性并產(chǎn)生較多無關信息，在投資者關注度有限和信息處理能力存在異質性的前提下，促使投資者形成異質信念，放大投資者意見分歧，最終可能會加劇股票異質性風險。為此，本文提出以下待檢驗的研究假說：網(wǎng)絡平臺互動會放大投資者之間的意見分歧，加劇股票異質性風險。

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文以深交所“互動易”和上交所“上證e互動”平臺的上線時間作為樣本區(qū)間的起點，選取2010年1月至2020年12月的深圳A股和2013年7月至2020年12月的上海A股上市公司為研究樣本，并做了以下篩選：（1）考慮到企業(yè)會計處理的差異，剔除金融保險類公司樣本；（2）考慮到投資者基礎和信息環(huán)境的差異，剔除同時發(fā)行A股和H股、B股等雙重上市公司樣本；（3）剔除存在缺失值的樣本。本文采用季度數(shù)據(jù)，最終獲得92 155個公司—季度觀測值。本文投資者與上市公司互動問答的文本數(shù)據(jù)系采用Python軟件從深交所“互動易”和上交所“上證e互動”平臺上爬取獲得，上市公司股價數(shù)據(jù)、財務數(shù)據(jù)和治理特征數(shù)據(jù)來自國泰安CSMAR數(shù)據(jù)庫。

（二）變量選取

1.股價異質性風險

本文參考Habib等（2020）的做法，首先采用式（1）所示的資本資產(chǎn)定價模型按季度對個股進行回歸。

其中，Ri,t和Rm,t分別表示季度內第t日股票i和市場的日收益率，本文采用科創(chuàng)板以外的A股市場綜合收益率來度量市場收益率。Rf,t表示無風險收益率，采用一年期定期存款利率來度量。α和β分別度量了股票i的超額收益和系統(tǒng)風險，εi,t表示殘差項。

然后，在提取式（1）回歸殘差的基礎上，計算單個股票季度內回歸殘差的標準差σi,t，并借鑒Hao和Xiong（2021）以及He等（2021）的做法，采用季度內交易日的天數(shù)Ti,t進行標準化處理，得到反映股票異質性風險的變量IdioRisk。

2.網(wǎng)絡平臺互動程度

借鑒丁慧等（2018b）的做法，本文逐條統(tǒng)計季度內投資者提問以及上市公司回答的文本字數(shù)，然后按單個公司分別取季度內提問文本字數(shù)和回答文本字數(shù)的均值加1后進行對數(shù)化處理，獲得投資者提問字數(shù)指標Wd_q和上市公司回答字數(shù)指標Wd_a，度量投資者與上市公司之間的網(wǎng)絡平臺互動程度。同時，本文進一步統(tǒng)計單個公司季度內互動問答的頻率，分別將季度內投資者提問次數(shù)和上市公司回答次數(shù)加1后進行對數(shù)化處理，獲得季度內投資者提問頻率Freq_q和上市公司回答頻率Freq_a，從另一個維度度量網(wǎng)絡平臺互動程度。

3.控制變量

借鑒現(xiàn)有文獻（Hao和Xiong，2021；譚松濤等，2016；丁慧等，2018b），本文設置了以下三類控制變量：（1）個股交易特征，包括季度內平均日收益率Ret、換手率Turnover和交易量Vol；（2）公司基本面特征，包括公司規(guī)模Size、總負債率Lev、盈利能力Roa、上市年限Age、成長性Growth以及每股現(xiàn)金流Cash；（3）公司治理特征，包括產(chǎn)權性質State、股權集中度First、董事會規(guī)模Bsize、獨立董事比例Indrct、女性董事比例Female、兩職合一Dual以及管理層薪酬Salary。本文變量定義見表1。

表1 變量定義

續(xù)表1 變量定義

（三）計量模型構建

本文構建如下多元回歸模型來檢驗網(wǎng)絡平臺互動對上市公司股票異質性風險的影響：

其中，IdioRisk表示股票異質性風險，Controlj表示控制變量。IC表示網(wǎng)絡平臺互動程度，分別采用Wd_q、Wd_a、Freq_q和Freq_a來度量。ui和vt分別表示公司個體和年份—季度層面的時間固定效應，β0和εi,t分別為常數(shù)項和誤差項。在一系列模型識別和檢驗的基礎上，本文采用面板數(shù)據(jù)固定效應模型對式（3）進行估計。同時，為了控制異方差和自相關等問題，本文對所有回歸標準誤在公司層面進行了聚類處理。

四、實證結果分析

（一）描述性統(tǒng)計

本文主要變量的描述性統(tǒng)計結果見表2。①受篇幅限制，文中未報告控制變量的描述性統(tǒng)計結果，如有需要可向作者索取。季度股票異質性風險IdioRisk的均值和中位數(shù)分別為17.453%和16.337%，最小值接近0，最大值為1 977.393%，可見個股之間的異質性風險差異巨大。Wd_q和Wd_a的均值分別為3.158和3.208，Wd_q顯著小于Wd_a（差異檢驗t值為—15.85），表明平均意義上投資者提問文本的字數(shù)顯著少于上市公司回答文本的字數(shù)。Freq_q和Freq_a的均值分別為2.274和2.235，F(xiàn)req_q顯著大于Freq_a（差異檢驗t值為30.67），表明平均意義上投資者提問的頻率顯著高于上市公司回答的頻率，可能是因為樣本中部分投資者的提問還沒有得到上市公司的回答?？梢姡顿Y者提問和上市公司回答的文本和行為特征在統(tǒng)計上存在顯著差異。為了避免變量異常值對回歸結果的可能影響，本文對所有連續(xù)變量在1%的水平上進行了雙側縮尾處理。

表2 主要變量描述性統(tǒng)計

（二）基本回歸分析

表3報告了網(wǎng)絡平臺互動影響股票異質性風險的檢驗結果。從中可以看出，Wd_q、Wd_a、Freq_q和Freq_a的系數(shù)均顯著為正，表明無論是以互動問答的字數(shù)還是頻率來度量網(wǎng)絡平臺互動程度，投資者與上市公司在網(wǎng)絡平臺上的互動程度越高，股票異質性波動程度越高，股票異質性風險越大，從而驗證了本文的研究假說。從經(jīng)濟意義上看，以列（3）和列（4）為例，投資者提問和上市公司回答的頻率提高10%，上市公司股票異質性風險分別上升約1.194%和0.847%，相當于樣本股票異質性風險標準差的9.85%和6.99%。

表3 網(wǎng)絡平臺互動對股票異質性風險的影響

值得一提的是，互動問答提問和回答環(huán)節(jié)的分離為本文探討網(wǎng)絡平臺互動對股票異質性風險的影響邏輯提供了額外的證據(jù)。首先，提問環(huán)節(jié)是投資者主動關注相關上市公司的體現(xiàn)，回答環(huán)節(jié)則是上市公司對投資者提問的“被動”回應。提問環(huán)節(jié)反映了投資者對信息的需求。Vlastakis和Markellos（2012）指出，投資者對信息的需求隨著真實世界不確定性的上升而增加。因此，提問環(huán)節(jié)更能反映投資者意見分歧程度。其次，投資者提問是因為沒有掌握上市公司相關信息，或是所擁有的信息存在較大不確定性，因而需要向上市公司詢問或證實。相對而言，上市公司回答則應該能夠提供更多完整性和確定性更高的信息。丁慧等（2018b）認為，上市公司的回答比投資者的提問更能反映投資者的信息獲取和解讀能力提高。因此，相對于上市公司的回答，投資者提問環(huán)節(jié)應該會帶來更大的信息傳播不平衡性，反映更多的投資者預期不確定性，從而形成更大的投資者意見分歧，對股票異質性風險的影響也會更大。表3最后一行檢驗了投資者提問和上市公司回答對股票異質性風險的影響差異。Wd_q的系數(shù)大于Wd_a，但在統(tǒng)計上不顯著；而Freq_q的系數(shù)顯著大于Freq_a的系數(shù)，在一定程度上證實了投資者提問會對股票異質性風險產(chǎn)生更大的影響，這為本文的研究假說提供了額外的證據(jù)。這一結果也驗證了Drake等（2012）的研究結論，表明投資者對信息的需求會加劇股票異質性風險。

（三）內生性問題

本文采用面板數(shù)據(jù)固定效應模型有效控制了公司層面不可觀測的非時變因素的影響，但仍無法完全消除內生性所導致的估計偏誤，其可能的原因在于：一是對網(wǎng)絡平臺互動程度的度量可能存在誤差；二是可能遺漏不可觀測的影響因素，產(chǎn)生遺漏變量問題。

首先，本文構建工具變量，采用兩階段最小二乘法（2SLS）處理內生性問題。借鑒Hao和Xiong（2021）的工具變量構建思路，本文分別采用公司所在行業(yè)其他公司同一季度內網(wǎng)絡平臺互動程度的均值和公司所在省份（直轄市、自治區(qū)）其他公司同一季度內網(wǎng)絡平臺互動程度的均值作為工具變量。通常而言，投資者與同一行業(yè)或同一地區(qū)其他公司的網(wǎng)絡平臺互動不會直接影響焦點公司的股票異質性風險，所以基本滿足外生性要求。同時，同一行業(yè)或同一地區(qū)的企業(yè)之間具有一定的相似度或聯(lián)系，投資者對這些企業(yè)的關注具有一定的相關性，使得本文構建的工具變量滿足相關性要求。

兩階段最小二乘法的估計結果見表4。①受篇幅限制，文中未報告2SLS第一階段回歸結果和控制變量回歸結果，如有需要可向作者索取。第一階段結果（受篇幅限制未報告）顯示，工具變量的系數(shù)在1%的水平上顯著為正。工具變量不可識別檢驗的Kleibergen-Paap rk LM統(tǒng)計量、弱工具變量檢驗的Cragg-Donald Wald F統(tǒng)計量以及工具變量外生檢驗的Hansen J統(tǒng)計量均表明本文選取的工具變量是有效的。表4中各個網(wǎng)絡平臺互動變量的系數(shù)均顯著為正，表明在控制了內生性問題后，股票異質性風險依然與網(wǎng)絡平臺互動程度顯著正相關。

表4 兩階段最小二乘法回歸結果

其次，本文進一步控制行業(yè)層面不可觀測的時變因素，以緩解行業(yè)層面遺漏變量所導致的內生性問題。具體地，本文在基準模型的基礎上加入行業(yè)與時間的交互項，回歸結果見表5。各個網(wǎng)絡平臺互動變量的系數(shù)均顯著為正，表明在控制了行業(yè)層面不可觀測的時變因素后，上市公司與投資者在網(wǎng)絡平臺上的互動仍會加劇股票異質性風險。

表5 控制行業(yè)層面時變因素的回歸結果

（四）穩(wěn)健性檢驗②受篇幅限制，文中未報告穩(wěn)健性檢驗結果，如有需要可向作者索取。

1.替換被解釋變量

參照現(xiàn)有文獻的做法，本文采用Fama和French（1993）三因素模型和Fama和French（2015）五因素模型替換式（1），使用相應的回歸殘差構建新的股票異質性風險度量指標IdioRisk_3f和IdioRisk_5f，重新檢驗網(wǎng)絡平臺互動對股票異質性風險的影響。此外，本文不考慮季度內交易天數(shù)對股價異質性風險的影響，采用式（1）回歸殘差的標準差直接度量股票異質性風險，重新進行實證檢驗。

2.替換解釋變量

為了檢驗上文結論是否會受到網(wǎng)絡平臺互動度量方式的影響，本文分別計算了單個上市公司每個季度內投資者提問文本和回答文本字數(shù)的標準差σ_q和σ_a，從互動問答文本字數(shù)離散程度的角度構建新的網(wǎng)絡平臺互動代理變量?；訂柎鹞谋咀謹?shù)的離散程度反映了投資者信息需求和上市公司信息供給的差異，在一定程度上能夠體現(xiàn)投資者意見分歧。

3.控制額外因素

投資者與上市公司的網(wǎng)絡平臺互動包含投資者提問和上市公司回答兩個環(huán)節(jié)，其中上市公司回答文本所包含的信息不僅取決于投資者的提問，還與上市公司回復的速度有關。一方面，上市公司回復越快，投資者對信息的處理越充分，上市公司回復的信息對股票異質性風險的影響越??；另一方面，上市公司回復越快，上市公司回答與投資者提問對投資者信念形成所產(chǎn)生的共振和疊加效應越強，這反而可能會進一步放大投資者意見分歧，加劇股票異質性風險。因此，本文進一步控制了上市公司回答與投資者提問之間的時間長度（以兩者相隔天數(shù)的自然對數(shù)度量），①檢驗結果顯示，股票異質性風險與互動問答之間的時間長度顯著負相關，表明上市公司回復越快，股票異質性風險越高，這進一步證明了互動問答對投資者信念和意見形成的影響效應占優(yōu)于其信息效應。重新檢驗Wd_a和Freq_a對股票異質性風險的影響。

4.調整樣本范圍

本文剔除了樣本區(qū)間內的ST（*ST）公司樣本，因為這類樣本不僅在財務質量上表現(xiàn)較差，經(jīng)營風險或財務風險更高，而且其股票漲跌幅被限定為5%，所以包含這類樣本可能會對實證結果產(chǎn)生影響。此外，互聯(lián)網(wǎng)平臺上投資者與上市公司之間的互動問答可能與上市公司重大事項的公告重疊，此時網(wǎng)絡平臺互動程度或股票異質性風險均可能會受到上市公司重大事項公告的影響。為此，本文剔除了上市公司定期公告、兼并收購、再融資、股利分配等重大事項公告期間的互動問答數(shù)據(jù)，重新計算網(wǎng)絡平臺互動的各個度量指標；同時，剔除了重大事項公告期間的股票價格數(shù)據(jù)，重新計算股票異質性風險，②感謝匿名審稿人提出的建設性意見。在此基礎上檢驗網(wǎng)絡平臺互動對股票異質性風險的影響。

穩(wěn)健性檢驗結果顯示，本文的實證結果沒有因變量構建方法和樣本調整而發(fā)生實質性變化，表明本文的研究結論是非?？煽康?。

五、進一步研究

（一）網(wǎng)絡平臺互動影響股票異質性風險的機制分析

投資者意見分歧在網(wǎng)絡平臺互動影響股票異質性風險的過程中發(fā)揮了重要作用。網(wǎng)絡平臺互動造成了信息傳播的不平衡性，影響了投資者關注，并帶來了較多的“噪音”信息。這會放大投資者意見分歧，加劇股票異質性風險。因此，本文采用中介效應分析方法，檢驗網(wǎng)絡平臺互動通過放大投資者意見分歧而加劇股票異質性風險的機制。中介效應檢驗模型設定如下：③標準的中介效應檢驗包括式（4）至式（6）三個模型，而式（4）代表的正是本文的主檢驗模型式（3），其回歸結果已經(jīng)在表3中報告，且式（4）中解釋變量IC的系數(shù)顯著是中介效應檢驗的前提，因此表6報告的中介效應檢驗結果不再包含式（4）的回歸結果。

其中，變量UV表示投資者意見分歧，其他變量定義與上文相同。盡管大量文獻將交易量作為投資者意見分歧的代理變量，但是股票交易量還可能反映股票流動性、信息含量等特征。為此，Garfinkel（2009）提出采用未被解釋的交易量（unexplained volume，UV）來度量投資者意見分歧。本文借鑒Garfinkel（2009）的思路，基于換手率的變化構建UV，具體表達式為：

其中，Voli,t和Shsi,t分別表示公司i在t日的交易量和流通股數(shù)，兩者之比表示當日公司i的股票換手率。Volt和Shst分別表示t日以市值為權重的市場加權平均交易量和流通股數(shù)。式（7）第一項從個股換手率中剔除了市場整體交易行為的影響，計算得到經(jīng)市場調整的個股日換手率TO_M。第二項為一段時間內（n個交易日）TO_M的均值，反映流動性驅動的股票交易行為。①控制期的選擇具有很強的主觀性，而且受到具體研究問題的影響。為此，本文還采用未減去控制期均值的TO_M構建UV，結果與表6一致。本文采用個股上一季度TO_M的均值進行度量。本文根據(jù)式（7）測算了個股單日未被解釋的交易量，然后在季度內進行簡單平均獲得個股季度UV，反映投資者對個股的意見分歧程度。

表6報告了投資者意見分歧的中介效應檢驗結果。列（1）、列（3）、列（5）和列（7）中網(wǎng)絡平臺互動的各變量系數(shù)均顯著為正，表明投資者與上市公司在深交所“互動易”和上交所“上證e互動”平臺上的互動程度越高，投資者之間的意見分歧越大。列（2）、列（4）、列（6）和列（8）中投資者意見分歧UV的系數(shù)顯著為正，表明投資者意見分歧會加劇股票異質性風險。根據(jù)中介效應檢驗原理，綜合表6和表3結果，投資者意見分歧在網(wǎng)絡平臺互動加劇股票異質性風險的過程中發(fā)揮了顯著的中介效應，即網(wǎng)絡平臺互動通過影響投資者意見分歧而加劇了股票異質性風險。

表6 投資者意見分歧的中介效應檢驗結果

（二）互動問答文本質量的影響效應

網(wǎng)絡平臺上的互動行為造成投資者意見分歧的一個重要原因是，投資者提問和上市公司回答的文本中包含了大量表現(xiàn)為“客套話”形式的無關信息。為此，本文進一步構建相應代理變量，分析互動問答的文本質量對股票異質性風險的影響。具體地，本文采用文本分析技術，將互動問答的文本區(qū)分為僅包含客套話的文本和不包含客套話的文本，①本文界定的客套話主要包括三類：（1）問候類客套話，如“尊敬的投資者，您好！”“董事長秘書，您好！”等；（2）感謝類客套話，如“謝謝！”“非常感謝！”“謝謝您對我們的支持！”等；（3）其他類客套話，如“祝一切順利！”等祝福類話語等。分別統(tǒng)計客套話文本字數(shù)和不含客套話的文本字數(shù)。針對單個上市公司，分別取季度內投資者提問文本的客套話字數(shù)和非客套話字數(shù)的均值，加1后進行對數(shù)化處理，構建投資者提問的客套話指標Wd_q_kth和非客套話指標Wd_q_nkth；取季度內上市公司回答文本的客套話字數(shù)和非客套話字數(shù)的均值，加1后進行對數(shù)化處理，構建上市公司回答的客套話指標Wd_a_kth和非客套話指標Wd_a_nkth。

表7報告了相應的檢驗結果。Wd_q_kth和Wd_a_kth的系數(shù)顯著為正，說明互動問答中包含的客套話越多，股票異質性風險越高。顯然，客套話文本并沒有傳遞任何實質性信息，但會通過加劇信息傳播和投資者關注的不平衡性，放大投資者之間的意見分歧，最終加劇股票異質性風險。Wd_q_nkth和Wd_a_nkth的系數(shù)也顯著為正，且在統(tǒng)計上與Wd_q_kth和Wd_a_kth的系數(shù)不存在顯著差異，沒有證據(jù)表明互動問答中其余文本的信息含量會優(yōu)于客套話包含的純粹無關信息。這從另一個側面反映了網(wǎng)絡平臺互動對投資者關注和意見形成的影響主要體現(xiàn)為行為本身的沖擊，而非對市場信息效率的真正改善。

表7 互動問答文本質量的影響效應

（三）賣空限制、網(wǎng)絡平臺互動與異質性風險

當存在賣空限制時，股價僅能反映樂觀投資者的信念，悲觀投資者無法通過交易行為反映其悲觀信念，導致投資者意見分歧被放大（Miller，1977）。如果投資者與上市公司在網(wǎng)絡平臺上的互動行為通過放大投資者意見分歧而加劇了股票異質性風險，那么可以預見，網(wǎng)絡平臺互動加劇股票異質性風險的作用對存在賣空限制的股票會更加顯著，或是因賣空限制的放松而得到抑制。

為了檢驗上述推斷，本文在式（3）的基礎上引入賣空限制放松與互動程度的交互項，考察賣空限制的調節(jié)效應。2010年3月31日，滬深交易所融資融券交易試點的啟動，標志著我國A股市場正式建立起針對個股的賣空機制。參照李志生等（2015）的設定，本文設置虛擬變量Short，當個股為融券標的股時取值為1，否則取值為0。表8結果顯示，互動程度各代理變量的系數(shù)均顯著為正，Short與互動程度各代理變量的交互項系數(shù)均顯著為負。這表明網(wǎng)絡平臺互動對存在賣空限制的股票異質性風險的影響更加顯著，賣空限制的放松有效抑制了網(wǎng)絡平臺互動對股票異質性風險的影響。

表8 賣空限制的調節(jié)效應檢驗

（四）信息透明度、網(wǎng)絡平臺互動與異質性風險

上市公司內外部信息不對稱導致投資者對上市公司未來盈余和現(xiàn)金流的預期會產(chǎn)生較大的不確定性，繼而形成股票異質性風險?？梢?，當公司內外部信息不對稱程度得到緩解時，股票異質性風險會降低?，F(xiàn)有文獻發(fā)現(xiàn)，上市公司公告（Jiang等，2009）以及與公司信息相關的媒體關注（Miller和Skinner，2015）等均會在一定程度上降低股票異質性風險。顯然，當上市公司信息透明度較高時，網(wǎng)絡平臺互動所引起的投資者意見分歧在一定程度上能夠得到緩解，對股票異質性風險的影響也應該減小。

分析師在信息傳播和降低信息不對稱方面發(fā)揮了重要作用（Gu等，2019）。因此，本文借鑒Gu等（2019）的做法，采用分析師跟蹤人數(shù)作為信息透明度的代理變量，考察信息透明度對網(wǎng)絡平臺互動與股票異質性風險關系的影響。表9結果顯示，互動程度各代理變量的系數(shù)均顯著為正，信息透明度與互動程度各變量的交互項系數(shù)均顯著為負。這表明網(wǎng)絡平臺互動對信息透明度較差的股票異質性風險的影響更加顯著，上市公司信息透明度的提升有助于抑制網(wǎng)絡平臺互動加劇股票異質性風險的作用。

表9 信息透明度的調節(jié)效應檢驗

（五）投資者結構、網(wǎng)絡平臺互動與異質性風險

散戶投資者占比較高是我國股票市場的典型特征之一（Gu等，2019），散戶投資者的行為對市場走勢具有重要而深刻的影響。與機構投資者相比，散戶投資者的信息搜集和處理能力較弱，往往表現(xiàn)出非理性的投資風格，信念異質程度較高。同時，機構投資者類別繁多，存在明顯的異質性，由此導致學術界對于機構投資者是否能夠真正穩(wěn)定資本市場始終存在爭議。李志輝等（2021）研究發(fā)現(xiàn)，在我國股票市場上，由于持股目的和交易策略的差異，一般法人類機構投資者占比增加會加劇市場操縱行為，但是金融類機構投資者持股會通過增加股價信息含量和降低信息不對稱程度等，抑制市場操縱行為的發(fā)生。據(jù)此，本文推斷金融類機構投資者占比增加能夠優(yōu)化上市公司信息環(huán)境，改善公司治理，繼而減弱網(wǎng)絡平臺互動對股票異質性風險的影響。

本文借鑒李志輝等（2021）的做法，將公募基金、私募基金、券商、保險公司、社?；鹨约熬惩鈱I(yè)機構投資者等界定為金融機構投資者，計算單個季度金融機構投資者持股比例，在式（3）中引入金融機構投資者持股比例與互動程度的交互項，檢驗金融機構投資者持股的調節(jié)效應。表10結果顯示，互動程度各變量的系數(shù)顯著為正，F(xiàn)inIns×Wd_q和FinIns×Wd_a的系數(shù)顯著為負，F(xiàn)inIns×Freq_q和FinIns×Freq_a的系數(shù)雖然為負但不顯著，在一定程度上表明金融機構投資者持股比例越高，網(wǎng)絡平臺互動加劇股票異質性風險的作用越弱。

表10 金融機構投資者持股的調節(jié)效應檢驗

六、結論與啟示

本文從深交所“互動易”和上交所“上證e互動”平臺上投資者與上市公司的互動問答視角出發(fā)，實證檢驗了網(wǎng)絡平臺互動對股票異質性風險的影響。實證結果顯示，股票異質性風險與網(wǎng)絡平臺互動問答的文本字數(shù)和頻次呈現(xiàn)出顯著的正相關關系，網(wǎng)絡平臺互動會通過放大投資者意見分歧而加劇股票異質性風險。進一步研究發(fā)現(xiàn)，賣空限制的放松、上市公司信息透明度的提高以及金融機構投資者持股比例的上升，能夠有效緩解網(wǎng)絡平臺互動加劇股票異質性風險的作用。

本文的研究結論對于投資者、上市公司以及監(jiān)管層都具有重要啟示。首先，由于客觀上難以實施金融理論所推薦的分散化策略，普通投資者必須高度重視股票異質性風險及其影響。在投資者利用網(wǎng)絡平臺與上市公司互動或閱讀其他投資者的互動信息時，避免網(wǎng)絡互動所產(chǎn)生的上市公司“曝光效應”沖擊自身的理性判斷，而應充分挖掘互動文本中所揭示的實質信息，減少互動問答中的“噪音”信息對自身預期和估值的干擾。其次，降低股票異質性風險對于上市公司投融資和健康發(fā)展具有重要意義。對上市公司來說，一方面，應提升在網(wǎng)絡平臺上回復投資者提問的質量，減少以客套話形式“避實就虛”或“答非所問”而對投資者信息獲取和解讀產(chǎn)生的干擾，盡可能向投資者揭示全面和準確的有效信息；另一方面，應積極改善信息披露質量，緩解公司內外部的信息不對稱，提升公司信息透明度，抑制網(wǎng)絡平臺互動加劇股票異質性風險的作用。最后，市場監(jiān)管者應全面認識互聯(lián)網(wǎng)時代網(wǎng)絡平臺所產(chǎn)生的影響，揚長避短，促進深交所“互動易”和上交所“上證e互動”平臺真正助力資本市場的健康發(fā)展。一是優(yōu)化考核體系，切實提高上市公司網(wǎng)絡平臺回復質量，避免上市公司董秘為應付考核而對投資者提問僅回復客套話或“答非所問”。二是推進融資融券制度改革，引導金融機構投資者長期持股，通過資本市場制度改革來抑制網(wǎng)絡平臺互動的負面影響。