前瞻性信息披露与分析师盈余预测——基于文本分析和机器学习的证据

前瞻性信息是管理层对公司未来发展前景进行展望的预测性信息。本文借助文本分析和机器学习量化年报的前瞻性信息,研究其对分析师盈余预测行为的影响。研究发现,年报前瞻性信息披露频率越高,分析师盈余预测误差和分歧度越低,即前瞻性信息披露能够提高分析师盈余预测准确性。分组检验显示,在盈余质量和文本可读性较高公司,前瞻性信息披露对分析师盈余预测准确性的积极效应更加显著。机制检验表明,前瞻性信息披露主要通过缓解信息不对称、促进分析师实地调研,来提高分析师盈余预测准确性。进一步研究发现,前瞻性信息能够预测公司未来三年的基本面变化,如盈余增长、创新产出和投资规模。研究结果表明,前瞻性信息披露是有信息含量的,能够为分析师等信息使用者提供决策有用的增量信息,提高资本市场信息效率。研究结论在一定程度上肯定了年报前瞻性信息披露的积极效应,为监管机构和上市公司改进信息披露提供了经验证据。