本期推荐一篇2024年1月发表在SMJ上的论文《错综复杂的网络:CEO欺骗行为对分析师推荐的影响》。近年来企业欺诈案件频发,如安然、世通等知名企业的财务欺诈丑闻,这些事件揭示了高层管理人员在与外界沟通时可能存在的欺骗行为,以及这些行为对资本市场的潜在影响。然而,现有研究主要集中在CEO欺骗行为被曝光后的市场反应,较少探讨欺骗行为在被揭露之前对分析师决策的影响。因此,本研究旨在填补这一空白,探讨分析师在尚未察觉到欺骗行为的情况下,如何对CEO的欺骗言论作出反应。
研究采用了机器学习方法,通过深度神经网络(Deep Neural Network, DNN)模型分析了标普1500公司从2008年至2016年期间财报电话会议的文本数据。研究团队首先通过美国证券交易委员会(SEC)的审计和会计执法公告(AAERs)筛选出那些因财务欺诈而被处罚的公司,以确定这些公司的CEO在特定时期的言论可能具有欺骗性。然后,研究者将这些文本数据输入DNN模型进行训练,生成一个可以识别欺骗性语言模式的分类器。这个模型通过分析CEO在电话会议中的语言特征,如使用较少的自我指代词、较多的否定词和负面情感词,来判断这些言论是否具有欺骗性。经过验证,该模型的欺骗检测准确率达到84.2%。
研究发现,分析师在面对潜在欺骗性言论时,往往更倾向于给出正面的股票推荐,特别是那些声誉较高的明星分析师更容易受到影响。这说明,分析师在与CEO互动时,可能因为默认的信任偏见(Truth-Default Bias)而忽视了潜在的欺骗行为,进而作出不够审慎的投资建议。然而,研究也指出,随着时间的推移和欺骗行为的频繁发生,分析师对CEO的欺骗行为会逐渐提高警觉,减少正面推荐的可能性。这表明欺骗行为的效用在逐步递减,习惯性欺骗的CEO最终会失去分析师的信任。
总的来说,本文通过创新的机器学习方法揭示了CEO欺骗行为对分析师决策的微妙影响,强调了在公司治理中加强对高层管理人员言论的监控和分析的重要性。这一研究为理解资本市场中的信息不对称问题提供了新的视角,并为提升财务分析的可靠性提出了实践建议。
唧唧堂学院推荐订阅