前瞻性信息的模糊披露对资本市场信息传递的影响——基于人工智能大模型的研究

作者：尹美群   耿  晋 徐嘉泽

现有关于资本市场信息传递效率的研究可以分为信息效率观与噪声基础观两种分析框架，二者从不同角度刻画了信息在市场定价机制中的作用逻辑。前者认为，股价同步性高企反映公司特质信息含量不足，体现了投资者对公共信息的依赖性 ⑰；后者则指出，非理性交易催生的市场噪声会推升个股特质波动率，进而降低同步性 ⑱。当企业前瞻性信息披露呈现模糊特征时，投资者面临信息解读困境，其决策行为可能同时受到信息处理效率与情绪驱动的影响，这使得两种理论视角具有解释上的互补性。本文结合这两种视角，探讨前瞻性信息模糊披露如何阻碍资本市场信息传递效率。

（一）信息效率观

当市场上存在大量模糊信息披露时，资本市场的信息传递机制将受到显著阻碍。模糊信息增加投资者理解与处理信息的成本，引发认知摩擦效应，降低信息处理效率，导致投资者难以准确评估公司实际价值，转而依赖更易获取的市场或行业信息。

从信息效率观来看，股价同步性反映了公司特质信息融入股价的程度，与公司层面信息含量呈负相关。企业采取模糊披露策略，本质上是主动收缩特质信息供给，通过双重机制提高股价同步性：其一，成本约束下的信息替代。模糊信息增加解读成本，投资者在成本约束下放弃高成本的特质信息挖掘，转向依赖低门槛的公共信息进行交易。其二，新兴市场的制度强化效应。在信息透明度较低的新兴市场中，个体投资者观察到市场普遍依赖公共信息定价，会进一步弱化自身挖掘特质信息的动力，加剧股价同涨同跌现象。

此外，在信息披露体系尚不完善的新兴市场中，模糊披露可能成为企业的策略性工具。管理层既可通过语义模糊掩饰真实业绩，也可选择性强调利好信息误导预期，客观上加剧信息不对称。即使管理层初衷是传递真实信息，模糊性仍可能导致投资者产生困惑，更倾向于依赖公开信息决策，使股价变动更多反映市场或行业整体波动，从而推升股价同步性。

（二）噪声基础观

噪声基础观认为，股价同步性不仅受公司特质信息影响，还与市场中的非理性交易和信息透明度密切相关。增量信息往往能激发投资者情绪反应、引发过度交易，从而降低股价同步性。相反，模糊的前瞻性信息缺乏实质性内容和可操作价值，难以激发投资者的情绪波动或非理性反应，反而促使投资者跟随市场普遍情绪进行决策，提高股价同步性。

在新兴资本市场中，制度不完善、信息透明度低、散户占比高等特征使噪声交易尤为显著。当企业用模糊语言描述未来前景时，投资者难以准确评估实际表现，陷入噪声主导的交易环境，转而依赖行业动向、政策热点等非基本面信号决策。这种行为将模糊信息解读为共同噪声，形成群体情绪共振，推动个股价格趋于同涨同跌。同时，我国资本市场做空机制不健全、价格纠偏功能较弱，模糊信息引发的错误定价难以通过套利活动迅速修正，进一步加剧股价同步性。

基于上述分析，本文提出假设：公司年报信息披露越模糊，股价同步性越高。

（一）样本选择与数据来源

本文选取 2015—2023 年中国 A 股上市公司为样本，选取区间因中国证券监督管理委员会对公司信息披露规定的两次修订，对样本进行如下处理：（1）剔除 ST、*ST 以及金融、房地产行业的样本；（2）剔除有数据缺失的样本公司；（3）对所有连续变量进行了缩尾处理。

（二）变量测量

（1）被解释变量：客户稳定性

本文选取股价同步性作为衡量资本市场信息效率的代理变量。参考许年行等的方法 ㉒，使用以下模型估计股价同步性：

ri,t 表示股票 i 在第 t 周的收益率，rm,t 表示市场指数在第 t 周收益率，rI,t 表示股票 i 所属行业 I 在第 t 周的收益率。上述回归模型中的拟合优度（R2 值）被用作衡量股价同步性的指标。

（2）解释变量：主动型专利诉讼

本文基于模糊语言学与深度学习技术，融合 GPT 与 BERT 系列模型优势，设计 GPT-BERT 混合模型，用于评估年报 MD&A 部分的模糊程度，具体流程如下：第一阶段为数据预处理与样本筛选，截取 MD&A 部分的前瞻性陈述作为核心分析对象，主要包括“公司关于未来发展的讨论与分析”中的“公司发展战略”、“经营计划”和“可能面对的风险”等与未来公司经营发展计划相关的章节。第二阶段构建 GPT 模糊语料库，采用 GPT-4-turbo-preview 模型，结合模糊语言学定义与金融领域模糊词典，对按行业、规模分层随机抽样的年报文本逐句标注模糊词句并评分，经人工校核、多轮迭代优化，形成句子级模糊语料库。第三阶段基于 MacBERT 模型微调以评估模糊度，本文引入级联双注意力机制。其中多头自注意力层捕捉文本全局上下文依赖并生成注意力权重，关键词增强注意力层结合前一阶段语料库强化领域模糊表述的识别能力。多次训练后保留验证损失最低的模型，使用该模型评估 MD&A 中前瞻性陈述每句话的模糊度，并以其加权均值作为该公司年报前瞻性信息模糊披露程度的衡量指标。

（3）控制变量：

本文选取公司特征层面和高管特征层面的控制变量，具体变量定义见表 1

（三）研究模型

本文构建以下模型检验 MD&A 模糊性披露对股价同步性的影响：

其中，SYNi,t 表示公司股价同步性，Fuzzinessi,t 表示企业年报模糊度，Controli,t 表示模型中控制变量的集合，Ind 为行业固定效应，Year 为时间固定效应，εi,t 表示随机扰动项，同时在公司层面聚类。

（一）描述性统计

表 2 列示了主要变量的描述性统计结果。被解释变量 SYN 的均值为 0.4192，标准差为 0.1946，表明样本企业的股价同步性整体处于中等水平。解释变量 Fuzziness 的均值为 0.5043，标准差为0.1023，说明企业在披露前瞻性信息时普遍具有一定程度的模糊性。其他控制变量的统计特征未见异常，各项指标均处于合理区间。

（二）基准回归结果

    表 3 报告了年报前瞻性信息模糊度对公司股价同步性影响的回归结果。由第（1）列估计结果可知，在不加入控制变量时，前瞻性信息模糊度（Fuzziness）对公司股价同步性（SYN）的回归系数为0.0651，并且在 1% 水平上显著为正；由第（2）列估计结果可知，在加入控制变量后，前瞻性信息模糊度（Fuzziness）对公司股价同步性（SYN）的回归系数为 0.0601，同样在 1% 水平上显著为正。该结果表明年报中前瞻性信息的模糊度与公司股价同步性之间存在显著的正向关系，资本市场信息传递效率受到抑制，本文假设得到验证。

（三）稳健性检验

1.   工具变量检验

本文参考罗进辉等做法 ㉓，以核心解释变量与行业年度均值之差的三次方作为前瞻性信息模糊披露的工具变量。该构造可反映企业披露策略相对行业惯例的异质性，且通过三次方非线性变换强化与核心解释变量的相关性，满足相关性要求；同时依托变量自身分布特征生成，切断与随机扰动项的直接关联，有效规避内生性偏误。工具变量第一阶段回归在 1% 水平显著且通过弱工具变量检验，第二阶段回归结果与基准回归一致，表明控制内生性后研究结论依然成立。

2.替换被解释变量

采用分市场总市值平均法（SYN_Mdtl）和综合市场等权平均法（SYN_Cmdos）重新计算股价同步性。表 4 第（3）、（4）列回归结果显示分别在 5% 和 1% 水平上显著。

3.排除文本相似性的干扰

为排除年报文本因高管沿用固定撰写模板而导致的形式化披露对本文主回归结果的潜在干扰，本文参考 Wang 等构建了文本相似度与企业前瞻性信息模糊性之间的交互项进行检验 ㉔。若模糊性源于模板套用，交互项应显著为正。结果显示如表 5 第（1）列，交互项统计不显著，表明年报文本年度相似性未通过影响模糊性披露干扰核心结论。

4. 排除参照点效应的干扰

前景理论指出投资者决策具备参照依赖特征，更关注信息相对变化而非静态绝对值，参照点效应可能干扰研究结论。本文进一步根据当年模糊性是否高于上一年度进行样本分组检验。为验证核心结论源于模糊性绝对值认知而非相对值敏感性，本文按当年模糊性是否高于上年分组检验。表 5第（2）、（3）列结果显示，两组回归均在 1% 水平下显著，表明参照点效应未对核心结论构成实质性干扰。

5. 考虑高管团队内部异质性的影响

本文在考虑高管个人特质的基础上，增加高管团队内部年龄异质性 (Hage) 和教育背景异质性（Hedu）作为高管团队特征层面的控制变量。实证结果如表 5 第（4）列所示，与基准模型结果保持一致，表明核心结论未受高管团队内部异质性的干扰。

6. 其他稳健性检验

在分别增加个体、行业 × 年份、省份 × 年份固定效应，将聚类标准误调整至省份和行业层面，加入解释变量的二次项后，回归结果仍然不变，如表 6 所示。

（四）机制检验

1. 信息效率观下投资者信息解读成本的作用

企业采用模糊的前瞻性信息披露策略时，其非结构化、非量化的表述会显著增加投资者解读公司特质信息的认知成本。在信息效率观下股价同步性的高低反映了市场参与者对公司特质信息的获取与整合能力，当投资者解析特质信息的边际成本上升，会理性放弃高成本的特质信息挖掘，转而依赖易获取的公共信息决策。分析师作为专业信息中介，面对模糊信息也难以给出准确预测，预测准确度的下降会进一步推高投资者的信息解读成本，因此本文将分析师预测准确度作为投资者信息解读成本的衡量指标，准确度越低则代表解读成本越高。为缓解传统中介效应的内生性问题，本文借鉴马慧的思路使用两阶段回归的方式进行验证 ㉕。参考刘会芹和施先旺的方法计算得到分析师预测准确度（FERR）作为机制变量 ㉖，第一阶段回归中 Fuzziness 的系数显著为负，第二阶段中 FERR_hat 的系数显著为负。表明分析师预测准确度越低，股价同步性越高。综合两阶段回归结果，投资者信息解读成本在企业前瞻性信息模糊披露与股价同步性之间发挥了重要的中介作用。

2. 噪声基础观下投资者情绪的作用

当企业采用模糊语言描述其未来前景时，由于缺乏明确、可操作的信息内容，难以激发投资者的情绪反应和非理性交易行为。相反，这类信息披露削弱了投资者对公司特质信息的判断能力，促使其转向市场层面的共同信号进行决策，从而提高了股价同步性。模糊信息披露不仅未能缓解信息不对称，反而可能被投资者解读为一种无实质增量的噪声信号，导致其对个股的关注度下降，转而依赖行业或政策层面的公共信息进行投资判断。这种情绪弱化效应可能成为推动股价同涨同跌现象的重要机制。以东方财富网股吧正、负面帖子数量对数衡量投资者积极、消极情绪，检验结果如表 8所示。第一阶段回归中 Fuzziness 的系数显著为负，表明前瞻性信息的模糊披露显著降低了投资者的积极情绪和消极情绪。第二阶段中 Positive_hat 和 Negative_hat 显著为负，表明投资者情绪越低则股价同步性越高。综合两阶段回归结果，企业年报中前瞻性信息的模糊披露同时降低了投资者的积极情绪和消极情绪，这种情绪弱化效应使得个股的股价同步性显著提高。

在信息不对称的资本市场中，信息甄别理论指出投资者可通过信号识别企业真实披露动机，这是理解信息质量与市场反应的核心。本文围绕企业保护商业机密和隐藏负面信息两类披露动机展开异质性分析，考察不同情境下前瞻性信息模糊披露的市场影响。

（一）投资者甄别企业保护商业机密动机

本文围绕技术机密与交易关系机密这两类典型的商业机密展开分析，分别检验投资者对企业出于不同保护动机所采取的模糊信息披露行为的理解与反应差异。在技术机密保护层面，过度的信息披露可能导致企业的核心技术、研发成果及其他商业机密被竞争对手获取，进而增加其专有成本。尤其在技术密集型行业，企业研发活动具有高投入、高风险、高不确定性的特征。持续的研发投入是维持企业技术壁垒的关键，而行业内频繁的模仿与超越行为，进一步加剧了企业技术机密泄露的风险。因此，适度的信息模糊披露是企业保护知识产权、规避技术泄露风险的合理策略，也可能被投资者解读为理性的风险管理行为。本文参考彭红星和毛新述的方法划分高科技与非高科技企业 ㉗，进行分组回归检验。在高科技行业中，前瞻性信息模糊性对股价同步性的影响不显著，而在非高科技行业中回归系数在 1% 水平上显著。这一结果表明，投资者能够有效识别高科技企业模糊披露的技术机密保护动机，理解并允许其适度使用模糊语言描述未来发展规划，此类情境下模糊披露对信息传递效率的抑制作用显著减弱。在交易关系机密保护层面，如果企业在前瞻性信息中披露供应链战略、合作模式等细节，可能泄露其与上下游合作伙伴的核心交易信息，引发模仿替代风险与竞争劣势。供应链信息作为企业竞争优势的重要组成部分，其过度透明会降低潜在进入者的信息搜寻成本，加剧行业竞争，同时可能破坏企业与合作伙伴的合作稳定性。基于此，企业可能通过模糊披露规避此类风险，但投资者能否识别该类动机仍需实证检验。本文根据企业披露供应商或客户具体名称数量的均值进行分组检验，两组回归结果分别在 1% 和 5% 的水平上显著。组间差异检验表明，供应链信息透明度较低的企业，其模糊披露引发的投资者负面反应更为强烈。这表明投资者难以将模糊信息披露归因于保护交易关系机密的合理动机，反而可能将其视为一种风险信号，供应链信息与前瞻性信息的双重不透明性进一步加剧了投资者对企业年报信息的不信任感。

（二）投资者甄别企业隐瞒负面信息动机

本文从企业隐藏负面信息的能力与动机两个角度探讨投资者的信息甄别过程。首先，管理层较强的信息操控能力使其更易通过模糊语言掩盖负面信息。董监高成员具备金融从业经历时会更熟悉资本市场运行与投资者预期，信息披露更具策略性，这类管理层的模糊披露易被投资者解读为信息操控。本文以董监高是否有金融背景分组检验，表 10 第（1）、（2）列显示，有金融背景组中，模糊披露与股价同步性在 1% 水平显著正相关，无背景组则不显著，表明投资者能识别此类信息操控能力，进而加剧对企业不确定性的担忧。其次，企业隐藏负面信息的动机同样影响投资者判断。业绩不佳企业常通过模糊措辞掩盖经营困境，财务压力会加剧这种行为。本文参考 Miller 和 Leiblein 计算业绩下滑风险并分组 ㉘，表 10 第（3）、（4）列显示，高业绩下滑风险组中，模糊披露与股价同步性在 1% 水平显著，低压力组不显著。这说明当投资者感知企业业绩风险时，对模糊披露的不信任度上升，推高股价同步性。

本文基于大语言模型技术测度我国 A 股上市公司年报 MD&A 部分前瞻性信息的模糊程度，考察其对资本市场信息传递效率的影响。实证结果表明，企业前瞻性信息披露越模糊，股价同步性越高，说明模糊披露阻碍了资本市场信息传递效率。机制分析显示，模糊披露主要通过两条路径影响股价同步性：一是提高投资者信息解读成本，弱化公司特质信息的定价作用；二是难以引发投资者情绪波动，进一步削弱特质信息在股价中的反映效率。本文还从投资者信号甄别角度开展异质性分析，发现投资者能理解并接受企业出于保护商业机密的模糊披露，却对保护商业合作关系的模糊披露持怀疑态度，且能有效识别企业隐藏负面信息的模糊披露行为。

基于上述研究结论，本文提出以下政策建议：

第一，完善前瞻性信息披露规范，实施差异化监管，平衡透明度与商业机密保护。监管机构应进一步细化和完善关于上市公司年度报告中 MD&A 部分前瞻性信息的披露指引与规范。新规应鼓励企业在进行前瞻性陈述时，尽可能提升信息的准确性和可量化性，明确反对使用过度含糊、模棱两可或模板化的语言。鉴于不同类型企业在信息披露中面临的现实考量存在差异，监管政策应体现差异化和精准性。例如，应充分考虑高科技等创新密集型行业的特殊性，允许其在涉及核心研发进展、关键技术参数等高度敏感的商业秘密时，在清晰说明模糊披露合理性的前提下，进行一定程度的策略性模糊处理。

第二，强化投资者教育与风险识别能力，优化市场生态。更为成熟和理性的投资者群体是资本市场健康运行的基石。当投资者，特别是占据市场交易重要部分的散户投资者具备更强的“穿透迷雾看本质”的能力时，企业利用模糊信息进行机会主义披露的动机和空间将被有效压缩。监管机构、行业协会、财经媒体及教育机构应协同发力，持续加强对广大投资者的金融知识普及与风险教育。投资者教育的内容应与时俱进，不仅包括基础的财务报表阅读能力，更要侧重于提升对定性信息的理解与辨别能力。应引导投资者认识模糊语言的常见表现形式，理解企业进行模糊披露的多种潜在动机，并学习结合行业特征、公司治理、财务状况等多维度信息综合判断模糊披露的真实意图。

第三，拥抱监管科技，提升信息披露监管智能化水平。本文在度量前瞻性信息模糊程度时，运用了人工智能大语言模型技术，这为监管实践提供了有益借鉴。中国证券监督管理委员会及其派出机构、上海证券交易所、深圳证券交易所等监管主体应积极拥抱监管科技发展趋势，加大对人工智能、自然语言处理、大数据分析等前沿技术在信息披露监管领域的研发与应用投入。可以构建基于大语言模型的智能分析系统，对上市公司发布的年报、临时公告等文本信息进行自动化、系统化的扫描与分析。监管科技的应用不仅能够大幅提升监管覆盖面和审查深度，使监管从“事后反应”向“事中监测、事前预警”转变，更能向市场传递监管层严肃对待信息披露质量的明确信号，对潜在的违规披露行为形成有效震慑。