媒体情绪对企业风险承担水平的影响研究：基于文本分析的实证考察

A Study on the Impact of Media Sentiment on Corporate Risk-Taking Level: An Empirical Examination Based on Textual Analysis

摘要: 媒体报道作为资本市场信息传递和监督的重要中介，其情绪倾向能够通过信息加工和反馈潜移默化地影响企业决策和运营过程。基于文本分析方法通过对企业相关新闻报道的语义分析，量化媒体情绪，并结合企业财务数据，实证考察了媒体情绪如何影响企业的风险承担水平。研究发现，积极的媒体情绪能够显著提高企业的风险承担水平，而消极的媒体情绪则相反，会降低企业的风险承担。本文的研究不仅为理解媒体情绪对企业风险管理的影响提供了新的视角，而且对于企业如何有效应对媒体情绪波动，优化风险管理策略具有重要的实践指导意义。

Abstract: As an important intermediary of information transmission and supervision in the capital market, media reports’ emotional tendency can subtly affect the decision-making and operation process of enterprises through information processing and feedback. Based on the text analysis method, through the semantic analysis of corporate-related news reports, the paper quantifies media sentiment, and combines with corporate financial data, empirically examines how media sentiment affects the risk taking level of enterprises. It is found that positive media sentiment can significantly improve the level of risk-taking, while negative media sentiment, on the contrary, will reduce the level of risk-taking. The research in this paper not only provides a new perspective for understanding the impact of media emotion on enterprise risk management, but also has important practical significance for enterprises to effectively cope with media emotion fluctuations and optimize risk management strategies.

1. 引言

随着中国媒体结构向网络化转型，爆炸性新闻传播的速度日益加快，“标题式”新闻更是层出不穷，媒体情绪对于资本市场的影响也在逐渐加剧。“十四五”文化发展规划中强调加强媒体监督，要求媒体专注高质量内容，进行客观报道。但受利益驱动，媒体可能人为加工新闻，采用夸张的语言描述吸引大众关注借以提高新闻的传播范围和时效，传播带有情感导向的新闻，造成“情绪先于事实”的现象，影响资本市场信息传播的准确性进而引发市场波动。随着全球化的深入发展和信息技术的快速进步，资本市场的动态变得更加复杂多变。国内外宏观经济环境的不确定性增加，使得企业风险管理成为全球范围内企业决策者和监管机构关注的焦点。在这一背景下，企业如何有效评估和管理风险，以应对外部环境的挑战，显得尤为重要和迫切。尽管已有大量研究探讨了企业风险承担的多种因素，但媒体情绪作为影响企业决策的潜在因素，其作用机制和影响效应尚未得到充分探讨。尽管媒体情绪的研究已有一定的基础，但现有文献多集中于媒体情绪对市场表现的直接影响，很少从企业风险管理角度的深入分析。这种研究视角的缺失，限制了我们对企业风险承担行为全面理解的能力。有鉴于此，本文通过文本分析方法，实证考察了媒体情绪对企业风险承担水平的影响效应。本文选取了2018~2023年沪深A股上市公司的相关报道，运用文本挖掘和分析方法，量化分析媒体报道中的情绪倾向，并探讨其与企业风险承担行为之间的关系。

本文的边际贡献为：不仅为理解媒体情绪在企业风险管理中的作用提供了新的视角，而且为资本市场的信息传递机制和外部监督功能提供了微观基础。此外，研究结果对于企业如何优化风险管理策略、监管机构如何制定相关政策、以及投资者如何评估企业风险承担行为均具有重要的理论和实践意义。

本文接下来的部分将首先综述相关文献，明确研究的理论框架和假设；随后，介绍研究方法和数据来源，详细阐述文本分析的过程和量化媒体情绪的方法；接着，展示实证分析的结果；最后，总结全文，提出相关建议与意见。

2. 文献综述

已有研究主要从两个角度分析媒体情绪在资本市场带来的影响，一是股票市场角度。Smatov N. et al. (2024)通过特别关注神经网络模型中特定上下文的情感词，采用直接分析文本数据的方法，经过细致的数据处理和机器学习利用Twitter和金融市场的数据集来研究社交媒体情绪对金融趋势的影响，尤其是实现对于股票市场走势的预测[1]。谭松涛等(2014)通过考察机构和个人投资者对于媒体报道和其反馈情绪反应速度的差异，由此对投资者的交易行为产生差异性影响进而对资产价格波动性的影响[2]。关筱谨等(2022)基于我国媒体关注度、投资者情绪与股市波动率数据，利用可识别变量之间动态关系的时变参数向量自回归模型探究三者之间的关系得出媒体关注度和积极投资者情绪的上升会加剧和放大股票市场的波动性[3]。二是企业表现角度。翟胜宝等(2022)通过实证研究发现乐观的媒体情绪能够优化企业内部控制效果、强化企业外部监督力度从而促进企业ESG信息披露质量提升[4]。Kenneth and Sosyura (2014)在公司合并期间通过研究最大投资期间与投资者积极沟通的新闻稿发现管理层有强烈的动机来获得有利的估值，公司发布新闻稿是一种机制，通过产生更多的媒体报道来暂时提高其股票价值，并且在合并谈判期间，带有负面语气的文章数量也在减少[5]。李倩等(2022)从公司委托代理矛盾视角研究发现正面的媒体情绪其“掩饰”效用更为显著，甚至可能削弱乃至丧失媒体的外部监督职能，进而加剧公司委托代理冲突[6]。

从企业风险的外部环境研究视角出发，余明桂等(2013)研究了产权制度和契约制度的差异下民营化企业的风险承担水平[7]；李昊然等(2023)通过普惠金融能否缓解小微企业“融资难、融资贵”问题的研究发现普惠金融能够缓解信息不对称、减轻融资约束进而降低小微企业的破产风险[8]；徐瑛等(2024)通过内化经济密度对风险的选择效应，研究发现经济集聚降低风险的关键在于差异化集聚而不是经济区域内企业的数量[9]。媒体情绪作为企业风险承担水平的外部影响因素之一，现有研究很少将二者结合，本文旨在探究媒体情绪对于企业风险承担水平是否有影响以及产生的影响是什么？而本文的不足之处在于并未对媒体情绪影响企业风险承担水平的具体路径和影响机制进行深入剖析。

3. 理论分析、研究假设与研究设计

3.1. 理论分析与研究假设

随着互联网的发展和数字媒体的兴起，信息传播的速度和渠道都有了质的飞跃，不同类型的媒体报道可能对公司产生不同的影响，例如市场导向型媒体可能更关注公司的财务表现，而政策导向型媒体可能更关注公司的社会责任感。而在金融市场中，媒体扮演着向投资者传递信息的关键角色，也发挥着引导大众情绪和监督企业行为的重要作用。孔东民等(2013)发现随着媒体关注度的提高，企业的生产效率、经营业绩和社会责任都会增加，而类似于盈余操纵、大股东掏空等违规行为随之降低，在一定程度上能够提高企业的风险承担水平[10]。张宗新和吴钊颖(2021)认为媒体过度的乐观情绪会引起分析师的过分关注和投资者的非理性预期，进而加剧股价波动及尾部风险，降低企业的风险承担水平[11]。张志强和田新民(2020)提出新闻媒体能够降低企业信息不对称、金融摩擦、资本成本以及委托代理问题，并且媒体关注度和报道情绪能影响企业的资本调整速度和配置效率，促进企业风险承担水平的提高[12]。从上述分析可知，适当乐观的媒体情绪会在一定程度上提高分析师和投资者的关注度，从而增强企业管理层和股东的信心，使他们更愿意投资于高风险项目，期望获得更高的回报，并且媒体的乐观报道可能被视为市场对企业未来表现的积极预期，这种信号可能会吸引更多的投资者，降低企业的资本成本，从而鼓励企业承担更多的风险。由此，本文提出如下假设：

假设：媒体情绪越乐观，企业风险承担水平越高。

3.2. 研究设计

3.2.1. 样本选择与数据来源

本文以2018~2023年沪深市A股上市公司为初始研究样本，剔除ST、PT类公司、金融行业的上市公司和其他财务数据缺失的公司，最终获得2802个公司–年份观测值构成的面板数据，本文使用的数据均来自CSMAR数据库。

3.2.2. 变量构建与指标构建

1) 解释变量：媒体情绪

首先，通过CSMAR新闻数据库下载所有上市公司2018~2023年的新闻报道正文，使用python对新闻报道正文与目标公司进行文本匹配，挑选出与目标上市公司有关的媒体报道；其次，人工阅读新闻报道并进行情感标注需要大量的人力和时间成本，为了提高效率，采用词典法进行样本筛选，因此采用姜富伟等(2021)研究得出的中文金融情感词典，其中包含积极词汇和消极词汇，通过JIEBA分词判断新闻报道中积极词汇和消极词汇的出现，进而判断新闻报道的情绪倾向[13]，其中，设定报道中出现只积极词汇或积极词汇出现次数大于消极词汇则将报道视为正面情绪，只出现消极词汇或消极词汇出现次数大于积极词汇则视为负面情绪，两者都不出现则视为中性情绪。

2) 媒体情绪指数的构建

媒体情绪指数的构建参考彭浩杰和张宗强(2024)的做法[14]，根据上市公司正面、负面和中性的年度报道频数，通过下列公式(1)和(2)计算目标公司的媒体情绪。

$\text{mood}{1}_{i,t}=\frac{正面报道报频数-负面报道报频数}{1+正面报道报频数+负面报道报频数}$ (1)

$\text{mood}{2}_{i,t}=\frac{正面报道报频数-负面报道报频数}{1+总报道频数}$ (2)

其中，$\text{mood}{1}_{i,t}$ 和$\text{mood}{2}_{i,t}$ 表示i公司在t年的媒体情绪，两者最大值为1，表示该公司当年的新闻报道全为正面情绪；最小值为−1，表示该公司当年的新闻报道全为负面情绪。本文中使用$\text{mood}{1}_{i,t}$ 作为主要解释变量，$\text{mood}{2}_{i,t}$ 用于稳健性检验。本文变量定义见表1。

Table 1. Variable definitions

表1. 变量定义

变量类型	变量名称	变量符号	变量定义
被解释变量	企业风险承担水平	roa	公司税后净利润与总资产的比值
解释变量	媒体情绪	$\text{mood}{1}_{i,t}$	媒体对上市公司的年均报道倾向，计算方法见公式(1)
		$\text{mood}{2}_{i,t}$	媒体对上市公司的年均报道倾向，计算方法见公式(2)
控制变量	媒体报道数量	coverage	媒体报道数量的自然对数
	资产负债率	lev	当期期末负债总额与期末资产总额之比
	公司规模	size	当期期末总资产的自然对数
	公司年限	age	上市年数的自然对数
	盈利能力	roe	当期期末净利润与总资产之比
	公司绩效	tobinq	股权市值与净债务市值的和与期末总资产的比值
	账面市值比	bm	权益账面价值与股票市值的比值
	股权集中度	share	第一大股东持股比例
	独立董事占比	board	独立董事人数与董事会人数的比值
	两职合一	duality	CEO同时兼任董事长取值为1，否则为0

3.2.3. 模型设定

为了研究媒体情绪对企业风险承担水平的影响，本文构建了以下回归模型：

${\text{roa}}_{i,t}={\alpha }_0+{\alpha }_1\text{mood}{1}_{i,t}+{\alpha }_2\sum {\text{Controls}}_{i,t}+\text{Year}+\text{Id}+{\epsilon }_{i,t}$

其中，下标i和t分别表示公司和年份，${\text{roa}}_{i,t}$ 表示企业承担风险水平；mood1表示企业媒体情绪；Controls为控制变量集合；Year和Id分别表示时间固定和个体固定效应；$\epsilon$ 为随机扰动项。

3.2.4. 描述性统计

见表2是变量的统计性描述。可以发现，衡量风险承担水平的roa指标最大值与最小值相差较大，均值为0.035，且最大值、最小值与均值存在较大差异，这说明不同企业的风险承担水平相差较大。媒体情绪的两个衡量指标存在以下两个特征：1) 均值分别为0.626和0.274，均为正数，说明媒体对于企业的报道大多偏向正面情绪；2) 其最大值与最小值之间存在巨大差异；上述两个特征说明媒体报道有时存在过度乐观的情况。控制变量的描述性统计结果与相关文献基本一致，其中媒体报道数量的均值和方差分别为4.474和1.445，并且最大值与最小值有较大差异，说明不同公司的相关新闻报道数量存在较大差异，受到媒体关注度不同。

Table 2. Descriptive statistics of variables

表2. 变量描述性统计

变量	样本量	均值	标准差	最小值	最大值
roa	2802	0.035	0.056	−0.507	0.376
mood1	2802	0.626	0.287	−0.571	0.988
mood2	2802	0.274	0.159	−0.25	0.909
coverage	2802	4.474	1.445	0.693	10.918
lev	2802	0.493	0.188	0.03	0.977
size	2802	23.375	1.405	19.833	28.293
age	2802	2.998	0.329	1.609	3.497
roe	2802	0.059	0.165	−3.445	1.117
tobinQ	2802	1.585	1.221	0.662	29.167
bm	2802	0.786	0.277	0.034	1.512
share	2802	0.356	0.149	0.071	0.877
board	2802	0.375	0.058	0.167	0.8
duality	2802	0.134	0.341	0	1

4. 实证结果与分析

4.1. 基准回归结果分析

见表3基准模型进行回归的结果。其中，列(1)为未加入控制变量的基准回归结果，其中媒体情绪mood1对企业风险承担衡量指标的回归系数在1%水平上显著为正，这说明媒体情绪能够显著正向地影响企业风承担水平，上述结果在加入控制变量后依然成立，并且随着时间固定效应和个体固定效应的加入，媒体情绪对企业风险承担水平的促进作用依然显著。因此假设成立，即媒体情绪越高，企业风险承担水平越高。

Table 3. Regression results of the benchmark model

表3. 基准模型回归结果

	(1)	(2)	(3)
	roa	roa	roa
mood1	0.024***	0.018***	0.017**
	(4.488)	(3.037)	(2.367)
coverage		0.011***	0.013***
		(3.346)	(3.377)
lev		−0.089***	−0.090***
		(−14.329)	(−14.609)
size		0.008***	0.008***
		(6.868)	(6.107)
age		−0.013**	0.022**
		(−2.279)	(2.421)
roe		0.183***	0.181***
		(41.401)	(41.306)
tobinQ		0.002**	0.002**
		(2.114)	(2.278)
bm		−0.037***	−0.035***
		(−6.790)	(−6.231)
share		0.035***	0.036***
		(4.551)	(4.773)
board		−0.005*	−0.008*
		(−1.297)	(−1.416)
duality		−0.002	−0.002
		(−0.879)	(−0.966)
截距项	0.026***	−0.077**	−0.167***
	(12.106)	(−2.570)	(−4.658)
时间固定效应	未控制	未控制	控制
个体固定效应	未控制	控制	控制
N	2802	2802	2802
R^2	0.009	0.538	0.548

注：括号内为t值，***、**和*分别表示系数在1%、5%和10%水平上显著，下同。

4.2. 稳健性检验

4.2.1. 替换解释变量

上述内容解释变量为mood1，根据彭浩杰和张宗强(2024)的研究[14]，认为中性报道也会对媒体情绪产生影响，因此使用通过重新计算得出的mood2替换mood1再一次对模型进行基准回归，回归结果见表4。结果显示媒体情绪与企业风险承担水平仍然显著正相关。

Table 4. Regression results of alternative explanatory variables

表4. 替换解释变量回归结果

	roa
mood2	0.018***
	(2.820)
coverage	0.023***
	(3.429)
lev	−0.090***
	(−14.606)
size	0.008***
	(6.194)
age	0.022**
	(2.449)
roe	0.181***
	(41.349)
tobinQ	0.002**
	(2.245)
bm	−0.036***
	(−6.338)
share	0.036***
	(4.734)
board	−0.008*
	(−1.509)
duality	−0.002
	(−0.935)
截距项	−0.167***
	(−4.677)
时间固定效应	控制
个体固定效应	控制
N	2802
R^2	0.548

4.2.2. 内生性检验

1) 解释变量滞后一期

为解决被解释变量和解释变量之间可能存在的因果相关现象，本文将解释变量滞后一期进行基准回归，见表5 (1)列显示了解释变量和滞后一期解释变量之间的正向显著影响关系，表5 (2)列显示了滞后一期媒体情绪和企业风险承担水平之间的影响关系，可以看出，滞后一期媒体情绪能够正向地影响企业风险承担水平，并且在1%的水平上显著为正，说明基准回归结果稳健。

Table 5. Explanatory variables lag one stage and propensity score matching method

表5. 解释变量滞后一期、倾向得分匹配法

	(1)	(2)	(3)
	mood1	roa	roa
lmood1	0.175***	0.016***
	(5.915)	(2.877)
mood1			0.012**
			(2.216)
coverage		0.003***	0.004**
		(3.075)	(2.425)
lev		−0.079***	−0.102***
		(−11.754)	(−8.517)
size		0.006***	0.010***
		(4.509)	(4.218)
age		0.035*	0.043***
		(1.831)	(3.019)
roe		0.187***	0.186***
		(35.781)	(25.003)
tobinq		0.003***	0.001
		(2.740)	(0.185)
bm		−0.032***	−0.037***
		(−5.096)	(−3.136)
share		0.040***	0.004
		(4.886)	(0.257)
board		0.003	−0.072***
		(0.157)	(−2.652)
duality		−0.006*	−0.003
		(−1.807)	(−0.703)
截距项	0.735***	−0.132***	−0.161**
	(30.035)	(−3.207)	(−2.501)
时间固定效应	未控制	控制	控制
个体固定效应	未控制	控制	控制
N	2335	2335	1188
R^2	0.014	0.535	0.588

2) PSM检验

本文参考彭浩杰等(2024)和才国伟等(2015)的做法来解决自选择偏误问题，使用倾向得分匹配法探究媒体情绪对企业风险承担水平的影响[14] [15]。根据均值将媒体情绪分为两组，媒体情绪高于均值的设为处理组，低于均值的设为控制组，控制变量为协变量，采用最近邻匹配方法进行处理组匹配并进行检验，结果见表5 (3)列所示，变量系数在5%的水平上显著为正，这表明媒体情绪能够正向促进企业风险承担水平，也再次为前文稳健性检验结果提供证据。

5. 进一步分析

5.1. 股权异质性与企业风险承担

媒体情绪对股权性质不同公司的企业风险承担水平或许存在不同程度的影响，国有企业通常可以获得政府的财政支持或者有利的融资条件，具备稳定的资金来源；政府可以直接或间接为国有企业提供资源，如土地、技术、市场准入等，这有助于国有企业在资源配置上占据一定的优势；并且国有企业受政府监管，能够在一定程度上减少市场风险和不良竞争行为，保证市场秩序稳定。因此，媒体对于国有企业来说大多是正向情绪，从侧面显示出国企具备较高的风险承担水平，结果见表6 (1)列展示的就是国企性质下媒体情绪对企业风险承担水平的影响效果，其系数在1%的水平上显著为正，表6 (2)、(3)列分别对应民营企业和其他企业(外资和合资)，从下表的结果可以看出，媒体情绪对民营企业和其他企业的风险承担水平也存在正向的显著影响，但是对国有企业的效果优于两者。

Table 6. Regression results of equity heterogeneity

表6. 股权异质性回归结果

	(1)	(2)	(3)
	roa	roa	roa
mood1	0.010***	0.011**	0.009**
	(2.606)	(2.352)	(2.248)
coverage	0.016***	0.011***	0.016***
	(4.511)	(2.873)	(2.698)
lev	−0.091***	−0.064***	−0.055***
	(−12.290)	(−7.774)	(−3.747)
size	0.007***	0.003***	−0.003
	(4.380)	(1.866)	(−1.071)
age	0.042**	0.022*	0.023
	(2.336)	(1.924)	(1.228)
Roe	0.136***	0.382***	0.478***
	(28.560)	(47.925)	(34.848)
tobinq	0.003**	0.001	0.003
	(2.301)	(0.418)	(1.105)
bm	−0.030***	−0.022***	0.008
	(−4.362)	(−2.905)	(0.013)
share	0.035***	0.012	0.011
	(3.827)	(1.134)	(0.539)
board	−0.009	−0.005	−0.008
	(−0.486)	(−0.241)	(−0.274)
duality	−0.001	−0.003	0.004
	(−0.216)	(−1.044)	(0.682)
截距项	−0.137***	−0.067**	−0.105**
	(−3.186)	(−2.130)	(−2.767)
时间固定效应	控制	控制	控制
个体固定效应	控制	控制	控制
N	1804	776	222
R^2	0.493	0.846	0.907

5.2. 规模异质性与企业风险承担

为了探究企业规模差异下媒体情绪对企业风险承担水平的影响效果，将企业规模大于均值的企业定义为大规模，小于均值的企业定义为小规模，将两者进行基准回归的结果见表7，其中(1)列为大规模企业，(2)列为小规模企业，结果显示媒体情绪对两者的企业风险承担水平都有促进作用，且变量系数都在1%水平下显著，但媒体情绪对小规模企业风险承担水平的促进效果更为明显，原因可能是小规模企业更关注生存、风险和未来发展等一系列问题，因此媒体的正向情绪对于小规模企业来说等于提供外部监督作用，使得小规模企业能够严格控制自身面临的风险，不断提升自身的风险承担水平。

Table 7. Regression results of scale heterogeneity

表7. 规模异质性回归结果

	(1)	(2)
	roa	roa
mood1	0.009***	0.005***
	(2.497)	(2.393)
coverage	0.006***	0.002***
	(4.625)	(2.809)
lev	−0.119***	−0.092***
	(−12.760)	(−8.924)
size	0.021***	0.018***
	(4.814)	(5.231)
age	0.013*	0.012
	(1.679)	(0.629)
roe	0.125***	0.194***
	(22.831)	(30.558)
tobinq	0.002	0.003**
	(0.944)	(1.916)
bm	−0.048***	−0.039***
	(−6.525)	(−3.953)
share	0.026**	0.032**
	(2.519)	(2.028)
board	−0.012	−0.017
	(−0.677)	(−0.649)
duality	−0.002	−0.005
	(−0.818)	(−1.404)
截距项	−0.362***	−0.365***
	(−3.474)	(−3.932)
时间固定效应	控制	控制
个体固定效应	控制	控制
N	1315	1487
R^2	0.599	0.536

6. 研究结论和意见

6.1. 研究结论

本文通过对新闻报道进行文本挖掘分析从而对上市公司的新闻报道进行媒体情绪测度，得到上市公司的媒体情绪衡量指标，采用时间固定和个体固定的固定效应模型对2018~2023年沪深A股上市公司的媒体情绪与企业风险承担水平进行研究。实证结果表明：媒体情绪会促进企业风险承担水平的提高，媒体情绪越乐观企业风险承担水平越高，并且这一结论在经过稳健性检验和内生性检验之后依旧成立。进一步分析发现，从股权性质异质性和公司规模异质性角度来看，媒体情绪对企业风险承担水平的促进作用在国有企业和小规模企业中更为明显。研究结果对于媒体行业治理、提高上市公司风险承担水平具有重要意义。

6.2. 意见

本文的研究结论对于媒体行业、公司风险策略的优化、监管部门角度和投资者角度都具有重要启示：(1) 媒体作为信息传递和扩散的重要主体，对资本市场的稳定性也发挥着重要作用，因此媒体行业应该加强自身的优化，并且注重新闻的真实性和实质性，不能过度夸大新闻内容，给投资者和市场带来非理性预期。(2) 公司可以建立情绪监测系统，定期分析媒体情绪的变化趋势，这有助于公司识别并理解外部环境对情绪的反应，以便调整风险管理策略；公司应提高信息披露的透明度，确保投资者能够准确了解公司当前面临的风险及其应对措施，避免媒体情绪对投资者情绪和市场反应的过度影响。(3) 监管部门可以加强对媒体情绪的监控和分析，评估情绪对市场稳定性和投资者情绪的影响程度，在必要时，通过适当的政策措施和市场干预，平衡媒体情绪对市场的过度波动影响，防止因情绪波动而引发的市场风险。(4) 投资者应理性分析和评估公司的基本面和长期发展潜力，而不是过度依赖媒体情绪，并且通过构建多元化的投资组合，包括不同行业、地区和资产类别，降低单一媒体情绪波动对投资组合整体风险的影响。