定性文本信息与信用评级：基于年报文本分析的研究

doi:10.16381/j.cnki.issn1003-207x.2021.0833

摘要/Abstract

摘要：

本文从文本语气和文本信息复杂性两个维度选取了负面词语占比、不确定性词语占比、专业术语词语占比、复杂句占比四个年报文本风险信息指标，采用主成分分析构建了年报文本风险信息指数，以公司债为样本对评级机构能否解读复杂文本内容中的风险信息进行了研究。实证结果表明：（1）年报文本风险信息指数与公司债信用评级显著负相关，即评级机构对年报文本内容中的风险信息进行了有效解读；（2）年报文本风险信息与定量风险信息存在一定的替代关系，在发行人市场风险和财务风险较低时会具有更高的信息价值；（3）刚性兑付的打破以及债券无担保都会促使评级机构更为重视年报文本风险信息；（4）年报文本风险信息能反映公司当前的盈余质量和未来的经营业绩，具有一定的增量信息价值。

关键词: 信用评级, 文本分析, 年报文本风险信息

Abstract:

Credit rating is a basic mechanism for the capital market， but the series of default events in recent years have raised the challenge for the ratings agencies. Since the credit rating is based both on quantitative and qualitative information， whether the rating agencies can interpret risk information in the qualitative text or not is examined. A text mining on the content of annual reports， which are the most reliable text information disclosed by the corporations. A textual content risk information factor of annual reports is built on the basis of text tone and complexity， which includes the portion of negative words， uncertainty words， professional words and complex sentences. With an empirical study on the credit rating of corporate bonds and the textual content risk information factor， the main findings indicate：（1） the textual content risk information factor of the annual reports has a significantly negative relation with the credit rating of corporate bonds， which means the rating agency can interpret the risk information in the text content in an efficient way；（2） the risk information in the annual report will have greater value for corporate bonds with no guarantee， issuers with lower market and financial risk；（3） the breakup of the rigid payment has brought greater pressure for the rating agencies and encourage the rating agencies to upgrade the ability to interpret the risk information， which can evidence the effectiveness of the credit rating in China to some extent.What’s more， the textual content risk information factor of the annual reports reflects the earnings quality and future operating performance， and has incremental information.

Key words: credit rating, textual analysis, risk information of annual report text content

中图分类号:

F830.2

陈艺云,陈曼莲. 定性文本信息与信用评级：基于年报文本分析的研究[J]. 中国管理科学, 2023, 31(9): 94-104.

Yi-yun CHEN,Man-lian CHEN. Qualitative Textual Information and Credit Rating: A Study Based on Risk Information in the Annual Report Text Content[J]. Chinese Journal of Management Science, 2023, 31(9): 94-104.

图/表 9

表1

表2

表3

表4

表5

表6

表7

表8

表9

参考文献 33

1	Goel A M， Thakor A V. Information reliability and welfare： a theory of Coarse credit ratings［J］. Journal of Financial Economics， 2015， 115（3）： 541-557.
2	王冠楠，项卫星，卢书媛. 中国信用评级市场开放对国内企业评级的影响［J］. 国际金融研究，2018（8）： 80-89.
	Wang Guannan， Xiang Weixing， Lu Shuyuan. Impact of China's credit rating market opening on domestic enterprise rating ［J］. Studies of International Finance， 2018（8）： 80-89.
3	Bouvard M， Levy R. Two-sided reputation in certification markets ［J］. Management Science， 2018， 64（10）： 4755-4774.
4	Standard & Poor’s. Ratings and ratios： corporate ratings criteria［R］. New York： Standard & Poor’s， 2005.
5	王克敏，王华杰，李栋栋，等. 年报文本信息复杂性与管理者自利——来自中国上市公司的证据［J］. 管理世界， 2018， 34（12）： 120-132.
	Wang Kemin， Wang Huajie， Li Dongdong， et al. Complexity of annual report text information and managers' self-interest—evidence from Chinese listed companies［J］. Management World， 2018， 34（12）： 120-132.
6	Kravet T， Muslu V. Textual risk disclosures and investors’ risk perceptions［J］. Review of Accounting Studies， 2013， 18（4）： 1088-1122.
7	王雄元，李岩琼，肖忞. 年报文本风险信息披露有助于提高分析师预测准确度吗？［J］. 会计研究，2017（10）：37-43.
	Wang Xiongyuan， Li Yanqiong， Xiao Min. Does the disclosure of annual report text risk information help to improve the accuracy of analysts' prediction？［J］. Accounting Research， 2017（10）： 37-43.
8	林钟高，杨雨馨. 年报风险提示信息影响审计意见类型吗？［J］. 会计研究，2019（3）：78-87.
	Lin Zhonggao， Yang Yuxin. Does the risk prompt information of the annual report affect the type of audit opinion？［J］ Accounting Research， 2019（3）： 78-87.
9	Tennyson B M， Ingram R W， Dugan M T. Assessing the information content of narrative disclosures in explaining bankruptcy［J］. Journal of Business Finance & Accounting， 1990， 17 （3）： 391-410.
10	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.
	Xie Deren， Lin Le. Can the management tone predict the company's future performance？—Text analysis based on the annual performance presentation of listed companies in China［J］. Accounting Research， 2015（2）： 20-27.
11	Henry E. Are investors influenced by how earnings press releases are written［J］. Journal of Business Communication， 2008， 45（4）： 363-407.
12	Loughran T， Mcdonald B. When is a liability not a liability？Textual analysis， dictionaries， and 10-Ks［J］. Journal of Finance， 2011， 66（1）： 35-65.
13	Li Feng. The information content of forward -looking statements in corporate filings—a naïve Bayesian machine learning approach［J］. Journal of Accounting Research， 2010， 48（5）： 1049-1102.
14	Ferris S P， Hao Qing， Liao Minyu. The effect of issuer conservatism on IPO pricing and performance［J］. Review of Finance， 2013， 17（3）： 993-1027.
15	陈艺云. 基于信息披露文本的上市公司财务困境预测：以中文年报管理层讨论与分析为样本的研究［J］. 中国管理科学， 2019， 27（7）： 23-34.
	Chen Yiyun. Prediction of financial distress of listed companies based on information disclosure text： a study based on management discussion and analysis of Chinese annual reports［J］. China Journal of Management Science， 2019， 27 （7）： 23-34.
16	Huang Xuan， Teoh S H， Zhang Yinglei. Tone management［J］. Accounting Review， 2014， 89（3）： 1083-1113.
17	王华杰，王克敏. 应计操纵与年报文本信息语气操纵研究［J］. 会计研究，2018（4）：45-51.
	Wang Huajie， Wang Kemin. Accrual management and tone management［J］. Accounting Research， 2018（4）： 45-51.
18	Grossman S J， Stiglitz J E. On the impossibility of informationally efficient markets［J］. American Economic Review， 1980， 70（3）： 393-408.
19	Li Feng. Annual report readability， current earnings， and earnings persistence［J］， Journal of Accounting and Economics， 2008， 45（2-3）： 221-247.
20	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.
	Zeng Qingsheng， Zhou Bo， Zhang Cheng， et al. The tone of the annual report deals with insiders： “Genuine” or “duplicitous”［J］. Management World， 2018， 34（9）： 143-160.
21	Bloomfield R J. The ‘incomplete revelation hypothesis’ and financial reporting［J］. Accounting Horizons， 2002， 16（3）： 233-243.
22	Loughran T， Mcdonald B. Textual analysis in accounting and finance： a survey［J］. Journal of Accounting Research， 2016， 54（4）： 1187-1230.
23	You Jiaxing， Zhang Bohui， Zhang Le. Who captures the power of the pen［J］. Review of Financial Studies， 2018， 31（1）： 43-96.
24	任宏达，王琨. 社会关系与企业信息披露质量——基于中国上市公司年报的文本分析［J］. 南开管理评论， 2018， 21（5）：130-140.
	Ren Hongda， Wang Kun. Social relations and the quality of enterprise information disclosure： a text analysis based on the annual reports of Chinese Listed Companies ［J］. Nankai Business Review， 2018， 21 （5）： 130-140.
25	孙文章. 董事会秘书声誉与信息披露可读性——基于沪深A股公司年报文本挖掘的证据［J］. 经济管理， 2019， 41（7）： 136-153.
	Sun Wenzhang. The reputation of the secretary of the board of directors and the readability of information disclosure： evidence based on the text mining of the annual reports of Shanghai and Shenzhen A-share companies ［J］. Business Management Journal， 2019， 41（7）： 136-153.
26	Hwang B， Kim H H. It pays to write well ［J］. Journal of Financial Economics， 2017， 124（2）： 373-394.
27	Price S M， Doran J S， Ret Peterson D. al. Earnings conference calls and stock returns： the incremental informativeness of textual tone ［J］. Journal of Banking and Finance， 2012， 36（4）： 992-1011.
28	Blume M E， Lim F， Mackinlay A C. The declining credit quality of U.S. corporate debt： myth or reality ［J］. Journal of Finance， 1998， 53（4）： 1389-1413.
29	Amato J， Furfine C. Are credit ratings procyclical ［J］. Journal of Banking and Finance， 2004， 28（11）： 2641-2677.
30	Roodman D. Estimating fully observed recursive mixed-process models with CMP［J］. Stata Journal， 2011， 11（2）： 159-206.
31	林晚发，刘颖斐，赵仲匡. 承销商评级与债券信用利差——来自《证券公司分类监管规定》的经验证据［J］. 中国工业经济，2019（1）：174-192.
	Lin Wanfa， Liu Yinfei， Zhao Z K. Underwriter rating and bond credit spread： empirical evidence from regulations on classified supervision of securities companies ［J］. China Industrial Economics， 2019（1）： 174-192.
32	Altman E I. Financial Ratios， Discriminant analysis and the prediction of corporate bankruptcy ［J］. Journal of Finance. 1968， 23（4）： 589-609.
33	Dechow P， Sloan R， Sweeney A. Detecting earnings management ［J］. Accounting Review， 1995， 70（2）： 193-225.

变量符号	变量名称	含义和计算方法
RATING	信用等级	BBB+级及以下、A+~A–、AA–、AA、AA+、AAA级分别赋值1~6
GUARANTEE	有无担保	有担保为1，否则为0
ISIZE	发行规模	发行规模的自然对数
RIGHT	是否为含权债	含权债取得为1，否则为0
STATE	所有权性质	最终控制人为国有，取值为1，否则为0
ASSET	公司规模	年末资产总额的自然对数
LEV	资产负债率	总负债/总资产，取三年平均值
ASSETRETURN	总资产周转率	营业收入/平均总资产，取三年平均值
ROA	资产利润率	息税前利润/总资产，取三年平均值
INCOV	利息保障倍数	按0~100缩尾处理取三年平均值
MB	账面市值比	账面价值与市值之比
NEG	负面词比重	根据LM词表统计的负面词语占比
AMB	不确定性词比重	根据LM词表统计的不确定性词语占比
SHUYU	专业术语词语比重	会计、金融、法律专业术语词语占比
FUZA	复杂句比重	转折句和被动句占比
RISK	年报文本风险信息指数	对负面词比重NEG、不确定词比重AMB、专业术语词语比重SHUYU、复杂句比例FUZA进行主成分分析提取的第一主成分

特征根	主成分1	主成分3	主成分3	主成分4
特征根的值	1.803	0.971	0.626	0.600
方差贡献率(%)	45.07%	24.28%	15.65%	14.99%

变量	RISK	LEV	ROA	ASSET	ASSETRETURN	INCOV	MB	STATE
LEV	-0.2092	1
ROA	-0.1210	-0.4887	1
ASSET	-0.0263	0.2270	-0.1564	1
ASSETRETURN	-0.0071	-0.0555	0.1792	-0.1436	1
INCOV	-0.1133	-0.1244	0.3095	-0.0367	-0.0120	1
MB	-0.0133	0.1556	-0.1257	0.6363	-0.0912	-0.0798	1
STATE	0.1677	0.0950	-0.0854	0.1184	-0.0417	-0.1321	0.1128	1

变量	1	2	3	4	5	6	Kruskal Wallis检验
NEG	0.0257	0.0211	0.0152	0.0140	0.0132	0.0132	154.455^***
AMB	0.0027	0.0029	0.0026	0.0026	0.0024	0.0023	80.756^***
ZHUANYE	0.5489	0.5575	0.5519	0.5519	0.5431	0.5448	78.516^***
FUZA	0.1297	0.1196	0.1215	0.1187	0.1198	0.1168	30.302^***
RISK	1.5506	1.3074	0.3791	0.2012	-0.1889	-0.2229	153.565^***
N	47	31	162	1711	1279	1245

变量	模型1	模型2	模型3	模型4	模型5
RISK	-0.21599^***
RISK	(-13.96)
NEG		-46.4608^***
NEG		(-11.99)
AMB			-157.517^***
AMB			(-8.83)
ZHUANYE				-8.04228^***
ZHUANYE				(-9.23)
FUZA					-4.22361^***
FUZA					(-5.56)
STATE	0.61253^***	0.52660^***	0.52219^***	0.58371^***	0.48942^***
STATE	(14.75)	(13.04)	(12.92)	(13.91)	(12.22)
ASSET	0.095965^***	0.092929^***	0.088186^***	0.089095^***	0.073117^***
ASSET	(4.91)	(4.76)	(4.52)	(4.57)	(3.75)
LEV	-0.80157^***	-0.52907^***	-0.54224^***	-0.60646^***	-0.31632^**
LEV	(-5.37)	(-3.63)	(-3.69)	(-4.09)	(-2.19)
ROA	5.87505^***	5.72759^***	6.86706^***	6.55052^***	7.03259^***
ROA	(10.97)	(10.59)	(13.07)	(12.44)	(13.44)
ASSETRETURN	0.11697^***	0.13108^***	0.11473^***	0.10438^**	0.11272^***
ASSETRETURN	(2.72)	(3.06)	(2.68)	(2.43)	(2.64)
INCOV	0.0022926	0.0025506^*	0.0019039	0.0028437^**	0.0029983^**
INCOV	(1.61)	(1.79)	(1.34)	(2.01)	(2.11)
ISIZE	0.39886^***	0.40941^***	0.41652^***	0.39867^***	0.41764^***
ISIZE	(16.09)	(16.54)	(16.88)	(16.11)	(16.96)
GUARANTEE	0.81164^***	0.81301^***	0.77945^***	0.80759^***	0.79054^***
GUARANTEE	(20.09)	(20.14)	(19.38)	(20.04)	(19.68)
RIGHT	-0.45442^***	-0.43324^***	-0.42721^***	-0.45671^***	-0.43124^***
RIGHT	(-10.25)	(-9.78)	(-9.68)	(-10.33)	(-9.77)
MB	-0.40954^***	-0.42234^***	-0.39139^***	-0.38483^***	-0.41060^***
MB	(-3.84)	(-3.96)	(-3.68)	(-3.62)	(-3.86)
年度	YES	YES	YES	YES	YES
行业	YES	YES	YES	YES	YES
评级机构	YES	YES	YES	YES	YES
N	4475	4475	4475	4475	4475
pseudo R²	0.203	0.198	0.192	0.193	0.188