今日管理期刊佳作关注 路演中董事长面部表情与IPO后公司业绩变脸

  三、今日管理期刊佳作关注  

路演中董事长面部表情与IPO后公司业绩变脸

作者: 贾明姚晨雨张喆  来源：《管理工程学报》2020年03期

  导读  

0引言

自我国创业板开设以来，不断出现公司上市之后业绩大幅下滑而发生变脸的现象，导致投资者损失惨重^[1]。那么，投资者如何识别IPO公司，如在创业板上市的公司的真实价值？这也是学术界一直关心的热点问题。

在资本市场上，投资者对公司价值的判断多是基于公司对外披露的信息。而公司为了获取投资者信任，往往会进行盈余管理或者粉饰报表，避免对外披露不利信息，而影响投资者对公司发展的信心^[2]。由于我国企业普遍存在股权融资偏好^[3]，因此，在新股发行前，公司为了使股票更具吸引力，有强烈的动机进行盈余管理、美化财务报表以取得更高的发行溢价和降低融资费用^[4]。

显然，从投资者角度而言，仅仅根据公司所披露的“硬”信息无法准确判断公司价值。那么，是否可以通过“软”信息来识别公司的真实价值，例如推断公司有没有通过粉饰财务报表、对外虚报业绩来获取投资者的信任，从而有效地预测IPO后发生业绩变脸的可能性，以提高投资者对上市公司的甄别能力。这正是本文关注的问题。

社会心理学的研究表明，说谎者往往会表现出消极的情绪而且会更加紧张^[5]，而说谎者的这种消极情绪可以通过声音^[6]和面部表情^[7]反映出来。围绕这些“软”信息的会计信息价值，已有研究分析了CEO在公司发布会（如电话会议、路演）上讲话的声音与公司IPO价格^[8]、未来利润^[9]、财务重述^[10]、和股价^[11]等之间的关系。除此之外，公司高管在陈述公司情况时所流露出来的面部表情以及通过面部表情来推断其说话时的情绪也应该蕴含着重要的会计信息价值。本文则延续这一思路并创造性的将面部表情这一“软”信息纳入进来，通过运用Facereader软件定量分析拟在创业板上市的公司的董事长路演讲话时的表情，得到董事长情绪的量化值，并基于此推断董事长是否提供了虚假信息，以此预测IPO后公司业绩发生变脸的水平。

本文首先对相关文献进行回顾，在提出研究假设后，通过设计实验检验本研究通过运用Facereader软件测量得到实验被试的负面情绪水平及基于此推断其是否采取欺骗行为的有效性；随后开展通过分析在创业板上市的公司路演时的董事长讲话视频获得董事长情绪水平，据此进行实证检验。

1文献综述

1.1IPO业绩变脸相关文献

IPO后公司业绩出现下滑是普遍现象。Loughran和Ritter^[12]研究发现上市公司在股票发行的前五年内业绩表现呈现出显著的上升趋势，在IPO时达到最大，IPO之后则出现下滑。与Loughran等人的研究结果类似，Aharony等人^[13]研究了在香港、上海、深圳三个交易市场上市的公司，发现ROA的中位数在IPO当年达到最大，之后出现下降。Teoh等人^[14]则对IPO后的长期绩效进行了研究，发现IPO之后的三年公司的利润会持续下降。然而，在创业板上市的公司上市之后业绩变脸现象却更为严重。钱匀^[15]以创业板设立开始到 2010 年1 月之间上市的 50 家创业板公司为研究对象，发现IPO 之后公司的净资产收益率出现了显著的大幅下降，达到22.33%。

那么，公司上市之后为何发生业绩变脸？杜兴强等人^[16]从发审委联系这一角度出发，发现有发审委联系的拟上市公司，具有更高的通过证监会发行审核的可能性，而证明发行上市过程中存在非市场因素如“潜规则”的干扰，使得并不优良的企业上市发行。由于上市之后公司的真实经营状况就会暴露出来，也就导致上市后的业绩出现下滑。

余峰燕^[17]从承销商关系的角度进行研究，发现发行人喜欢聘请因业务建立过关系的承销商，并且地方关系承销能显著降低IPO折价率。Fan等人^[18]则对 CEO的政治关联与IPO后的公司绩效间关系进行研究，发现若公司的CEO是曾任或现任的政府官员，则公司在上市后的业绩表现更差。逯东等人^[19]也认为政治关联是导致创业板公司上市后业绩变脸的重要因素。

现有研究主要还是从信息不对称角度强调掌握信息的一方可以通过隐藏有关公司真实价值的信息，例如通过建立发审委联系、利用与政府间的关系和收买承销商等方式，以达到隐藏公司真实价值、欺骗投资者的目的，进而使得投资者承担由于公司IPO后业绩变脸而带来的损失。显然，从投资者角度而言，这些利益交换行为直接导致了在IPO发行阶段投资者越发难以获取到有关公司真实价值的“硬”信息，进而使得保护投资者利益显得越发困难。那么，最新的研究开始考虑从投资者可以直接获得的“软”信息角度，来分析其会计信息价值以及对于保护投资者利益的作用。

1.2“软”信息相关文献

与公司在财务报表里披露的“硬”信息不同，“软”信息指那些通过非正式渠道如私人关系、情绪分析等所获取的信息^[20]，例如高管讲话的语调、表情，用词等都会给投资者提供有价值的“软”信息。

社会心理学理论认为当人提供了虚假信息时，就会产生认知失调，进而影响到人在提供信息时的情绪而会表现出更多的负面情绪，例如焦虑、紧张等^[5]。最近几年，有学者将这一理论应用到会计、财务相关研究中，利用LVA软件分析CEO在电话会议中讲话的声音，或利用人工判断的方法来识别CEO在特定情境中提供有关公司信息时的情绪，进而推断公司高管是否在撒谎，从而据此判断公司随后可能出现的财务状况。例如，Hobson等人^[10]发现若CEO在电话会议中回答问题时的声音指标的测试值越大，超过120，则表明CEO在当时越紧张而可能提供了虚假信息，那么公司在下一季度发生财务重述的可能性就会越大。Mayer^[9]等人也发现听众通过公司高管在电话会议中说话的声音而感受到的消极或积极情绪的程度与公司未来的股票回报和收益显著相关。

这些研究主要围绕如何从CEO的声音所提炼出的“软”信息来判断公司的财务表现，很少关注面部表情传递的信息。而面部表情也是重要的“软”信息来源，并且也能反映人在当前状态下的心理活动，例如是否提供了虚假信息。

表情的含义，例如不同表情所代表的情绪，在不同的文化、不同的种族之间具有一致性。达尔文^[21]提出在人类的进化过程中，表情并没有进化，没有跟从自然选择的原则，面部表情具有普遍性。Ekman^[22]用实验证明了人类的表情是共通的。他向来自不同文化背景的人（美国、智力、阿根廷、巴西和日本）展示照片，让他们判断照片里的表情代表什么情绪，发现他们中的大部分达成了共识，即证明了表情的含义在不同文化中是相通的。心理学家Mehrabian^[23]更证明了在人类情绪的表达中，通过声音和语言传达的仅占到了38%和7%，高达55%的情绪是通过面部表情进行传达的，面部表情是情绪的主要表现方式。

因此，高管在发布有关公司信息时的面部表情也提供了重要的“软”信息。Blankespoor等人^[8]在这方面做了开创新的工作。他们让实验对象观看30秒CEO在IPO路演时的视频，然后回答对CEO的印象，从可靠性、能力、吸引力这三个方面进行打分，发现CEO在路演时的表情所给人留下的印象与公司IPO三个阶段的价格之间有显著的关系，表现为总体印象越好，IPO三个阶段价格越高。

本研究与Blankespoor等人的研究有相似的地方，例如都是以公司IPO路演时公司高管的讲话视频为信息来源，分析高管表情的“软”信息价值。但是，也有以下几方面的不同：其一，区别于Blankespoor等人采用人工方式判断高管情绪而可能导致研究结果受视频观看者的影响，本研究采用Facereader软件来机器分析面部表情进而识别情绪，对情绪进行定量测量；其二，本研究所关注的问题与Blankespoor等的研究不同，本文主要分析董事长路演情绪与公司IPO后的业绩变化之间的关系。

2研究假设

社会心理学大量的研究表明情绪会产生于人与人之间的交流中，讲话者的情绪随着他讲话内容的变化而发生改变^[24]。当讲话者说谎、进行欺骗的时候，他的表现就会和诚实的时候不同，传递出更多的消极情绪，同时也会更加紧张；若说谎的内容与自身利益或与金钱相关，那么这种消极情绪就会更加强烈^[5]。而情绪可以通过面部表情反映出来，面部表情是情绪的主要表现^[23]。

公司为了保证IPO的成功，并且能够在首次发行中募集到更多的资金，就有动机在IPO之前进行盈余管理、粉饰财务报表，以获取投资者的信任^[25]。IPO路演是公司在首次发行股票之前第一次展现在广大的投资者面前。这些发行公司在IPO之前的信息披露有限，IPO路演成了外部投资者获取公司信息的重要途径^[26]，公司在IPO路演传递出的信息对投资者评估公司价值起到了至关重要的作用。而发行公司为了在首次发行中获得更多的投资者投资，募集到充足的资金，会在IPO路演中积极向投资者传递对公司有利的信息^[27]。这也说明仅仅根据公司在IPO路演时所披露的文字信息是并不足以获得有关公司全部的信息，特别是对于那些“带病”上市的公司而言，路演中所披露的文字信息反而还有欺骗性。

董事长作为公司的内部人员，掌握着与公司绩效有关的所有信息，了解公司的实际情况，清楚公司以前年度真实的绩效表现和未来的发展潜力及盈利能力。如果公司的实际情况并没有招股说明书中所披露的情况那么良好，而董事长在IPO路演的时候还需要在介绍公司的时候强调公司的价值和成长性，那么，董事长在路演讲话的过程中就会意识到他提供了虚假信息，欺骗了投资者。

社会心理学研究认为当人的行为与对自身的认知不一致时，例如当个体对外提供虚假信息时就会由于采取了欺骗行为与对自身行为诚实的要求产生不一致，而出现认识失调，从而表现出负面的情绪，如紧张、焦虑等^[5]。在IPO路演过程中，如果董事长所陈述的有关公司的信息与实际情况不符，那么这种欺骗行为就会引发董事长所感受到的认知失调，影响董事长的情绪，而反映到其面部表情上。并且，当董事长所陈述的信息与公司真实情况的差距越大时，那么其感受到的认知失调程度自然也就越高，从而也会呈现出的更强的负面情绪。虽然我们没有办法直接观测到董事长是否真的有欺骗行为，但是其在路演中所流露出的负面情绪水平一定程度上可以反映其认知失调的程度，也就是说，当董事长在路演中提供信息时的负面情绪越严重，那么，其所提供的信息真实性也就越差，或者说采取欺骗行为的程度越高。

然而，公司的真实价值和业绩也将会在IPO后显现出来。虽然公司所披露的“硬”信息为投资者描绘了公司IPO后持续的盈利前景，但是由于缺乏公司真实价值的支撑，IPO后公司业绩的持续增长难以维持。例如，蔡宁和魏明海^[28]研究发现盈余管理只会影响短期绩效，在IPO前进行了盈余管理的公司，IPO之后则会出现相应的业绩下滑。IPO后公司业绩的下滑说明公司在上市前提供的“硬”信息，如董事长在IPO路演中所做的陈述，与公司的实际情况不符。据此提出本文假设：

H1：董事长在IPO路演讲话时的面部表情所反映出的负面情绪水平越高，公司IPO后业绩变脸程度越大。

3检验Facereader软件的有效性

3.1实验目的

本研究利用Facereader软件测量董事长在IPO路演过程中的面部表情，据此得到有关董事长情绪的量化指标。若董事长对外传递的信息与公司真实情况不符，则董事长会由于其欺骗行为而在IPO路演中表现出特定的表情而反映其当时的负面情绪，我们可以根据测量出来的董事长消极情绪的程度，判断公司的真实价值，从而预测公司上市后发生业绩变脸的水平。而这一实证研究设计有一个基本假设前提就是当个体在对外提供信息的过程中有可能会说谎时，如果表现出消极情绪，那么他很可能提供了虚假信息或者说谎了。因此，在实证研究之前，需要检验Facereader测量出的负面情绪是否与说谎行为之间存在关系。

参照Gennzy^[29]的经典欺骗实验，本文设计了一个给受试者创造一个可以说谎并且不会被发现的实验环境，据此所得到的数据来检验Facereader软件所测量得到的负面情绪值是否与欺骗行为之间存在关系。

3.2Facereader软件介绍

Facereader是一种人脸分析软件，可以识别出面部表情^①资料来源：Facereader使用说明书http://sslab.nwpu.edu.cn/articles/232。根据Ekman^[30]对表情的分类，Facereader可以识别高兴、悲伤、生气、惊讶、恐惧、厌烦这六种基本情绪和一种中性的情绪状态。Facereader还可以诊断一些其他的人脸特征，例如：眼睛是不是睁开的，眉毛有没有上挑，嘴巴有没有张开。除此之外，它还能够判断人的性别和年龄等个人特征。

在导入视频资料到软件中后，Facereader软件根据视频的长度自动将视频拆分为若干张图片，如本文实验部分的视频每隔0.1秒拆分一次，实证部分的视频每隔0.055秒拆分一次。Facereader在这些图片中先机器识别出人脸，然后根据脸部肌肉运动的特征判断出表情，识别的准确性可以达到95%¹。分析的结果为给出每隔相应的秒数（本文为0.1秒或0.055秒）这六种基本情绪分别发生的概率，并同时生成Valence情绪值，其中Valence=p(高兴)-max（p(愤怒)，p(厌烦)，p(恐惧)，p(悲伤)。Valence值越大，表明情绪越积极；Valence值越小，则表面情绪越消极。且根据Facereader软件的使用说明，当Valence值小于负0.33时，可以判定被试者的当前情绪为负面情绪。这一软件已经被学者应用到学术研究中，例如，Van等人^[31]已经在实验室中利用Facereader软件测量情绪来分析情绪对人决策行为的影响。

3.3实验设计

3.3.1 决策任务

实验中有两种角色，分别是信息提供者（角色A）和决策者（角色B），每一组由一位信息提供者（角色A）和一位决策者（角色B）组成。信息提供者会首先得到一个数字s（整数），介于1到6之间。之后由信息提供者A告诉决策者B他得到的数字是多少，A将给B发送这样一条信息：“这个数字是r”（r为介于1到6之间的一个整数）。角色B收到A提供给他的信息之后，需要判断A提供给他的信息是不是真实的，而需要选择相信或不相信A。

角色A的收益取决于他提供给B的信息，并且与B的收益无关，其中角色A的收益=2*r。显然，A报r等于6是可以最大化收益，而由于数字是随机出现的，从而统计意义上来看A在近80%的情况下有说谎的动力。

角色B的收益取决于B有没有相信A，并且如果B相信了A，还取决于A提供给B的信息是否真实。

在这个实验设计中，我们给了角色A说谎的机会，角色A可能由于利益的驱动而提供给B不真实的信息。如果A仅仅关注于自己的收益，无论他得到的数字是多少，他将会一直告诉B这个数字是6，就能得到12的收益。并且，如果A得到的数字s越小，A由于说谎而增加的收益就越多。

实验目的是为了测量A说谎后的情绪，因此角色A是我们关注的目标。我们设定当角色A看到数字s到向B报告数字r这段时间为角色A的情绪测量区间，时间总长度为30秒。实验在Z-tree平台上实施。

3.3.2 实验流程

实验在西北工业大学社会科学实验研究中心进行，并通过网站招募了24位受试者。在实验程序设计环节，我们做了适当的简化。由于实验的目的不是观测两人动态博弈的结果，因此，我们并没有进行真实的配对，而用计算机虚拟每种角色的配对角色。例如，分配给实验对象1的角色是A，那么实验程序就虚拟一个角色B与之配对。这样做的好处是可以最大限度控制由于角色B的决策选择而可能对角色A情绪的影响。实验流程如图1所示。

由于需要录制受试者在实验过程中的视频以备随后用Facereader软件进行面部表情分析，在实验介绍环节，参考Van等人^[31]，我们首先告知被试在实验过程中会进行录像，以充分保证实验参与者的自愿性和受试者的知情权。并在实验开始前询问是否有人要离开实验室。本次试验中，没有受试者提出离开实验室。随后，实验指导老师对实验要求验内容和实验报酬进行了说明，实验说明书见附录二。并让每位受试者做了四道测试问题，以保证他们对实验设计理解准确，测试问题（略）。

图1实验设计流程

Figure 1 Experimental design process

正式实验开始前，受试者需要先填入个人基本信息（性别、年龄、年级），并进行两轮预实验，第一轮预实验中所有受试者均为角色A，第二轮预实验中所有受试者均为角色B，预实验的目的是让受试者熟悉实验操作界面。预实验之后进行正式实验。正式实验进行24轮，每一轮开始时首先随机分配角色，角色A得到数字后，告诉B这个数字是多少，再由B做决策，最后将A、B两人当轮的收益进行反馈。实验过程中，每个受试者都是严格隔开、匿名决策而保证相互之间不干扰。实验大约持续了30分钟，所有受试者在实验结束之后均当场收到了他们的实验报酬，平均为29.04元。

3.4实验结果

3.4.1变量定义

（1）因变量

有无说谎（Cheat）：角色A在给角色B提供信息的过程中有没有说谎，即角色A给B提供的信息是否真实。若信息真实，即A没有说谎，则定义Cheat=0；若信息不真实，则A说谎，定义Cheat=1。

（2）自变量

负面情绪（NegaEmotion）：角色A在情绪测量区间内表现出的情绪水平。为此，本研究设计了三种衡量方式，并且与随后的实证分析中消极情绪变量的衡量方式保持一致。

Time_NegaEmoton1表示情绪测量区间内负面情绪出现的时长。根据Facereader软件的反馈结果，统计情绪测量期间Valence值小于负0.33的次数，再乘以每个测量区间的时间长度即0.1秒，而得到负面情绪出现的总时长。显然，负面情绪出现的时间越长，那么角色A在制定决策过程中的情绪越消极。

Time_NegaEmoton2表示情绪测量区间内负面情绪持续的最长时间。计算目标时间段中，Facereader连续报告出现负面情绪的时间长度，并选取其中负面情绪持续最长的那段时间来衡量角色A的负面情绪水平。如果连续出现负面情绪的持续时间越长，则表示角色A在制定决策过程中的情绪越消极。

Lowest_Emotion表示情绪测量区间内Facereader反馈的负面情绪的最小值，即Valence的最小值。如果在情绪测量区间内角色A出现的最小的负面情绪水平越低，则表示角色A在制定决策过程中曾出现过很强的消极情绪。

以上三个指标分别从不同角度来衡量角色A在制定决策过程中出现负面情绪的水平。

（3）控制变量

在实证分析中，本研究也对受试者的性别（Gender），其中男性定义Gender =1；女性定义Gender =0；年龄（Age）和年级（Grade）三个因素进行了控制。

3.4.2 描述性统计

表1 受试者描述性统计

实验过程中，有一位受试者关闭了摄像头，因此，最终得到了23位受试者的样本。受试者的描述性统计如表1所示。本次实验中，男性占60.87%，女性占39.13%。受试者的年龄分布在21至29岁间，年级也以高年级本科生和低年级研究生为主。

23位受试者一共被分配到了414次角色A，为了避免极端值的影响，对连续变量均进行了1%的winsorize处理，描述性统计如表2所示。在414个样本中，70.8%的受试者选择了欺骗行为。在测量角色A的情绪的时间区间内（30秒），负面情绪出现的总时长均值为3.461秒，最大值为20.70秒；连续出现负面情绪时长的均值为2.48秒，最大值为13.3秒；情绪最小值的均值为-0.54，最小值为-0.99。这也表明负面情绪出现的时间总体上来说是很短的。其中的原因可能是在实验中所涉及的欺骗行为并没有给受试者带来很严重的认知失调。而且受试者个体之间的差异性也很明显。

表2 回归样本描述性统计

Table 2 Descriptive statistics ofregression samples

3.4.3 回归模型及结果

基于logit回归，本文构建的回归模型如下所示：

 (1)

回归结果如表3所示。模型1中，表示受试者负面情绪出现的时间总长度的变量（Time_NegaEmotion1）与受试者采取欺骗行为（cheat）之间存在显著的正相关关系（β=0.01，p<0.05），表明Facereader报告受试者的负面情绪出现的时间越长，那么，受试者说谎的可能也就越大。

表3 回归结果

Table 3 Regression results

注: ***表示在0.01水平上显著；**表示在0.05水平上显著；*表示在0.1水平上显著，括号内为标准误。

在模型2中，受试者负面情绪连续出现的时间越长，那么其说谎的可能也越大（β=0.01，p<0.05）。同样的，在模型3中，受试者负面情绪水平越低，那么同样其也越可能说谎，两者之间存在显著的负相关关系（β=-0.20，p<0.05）。三个模型的回归结果均显著且一致，说明通过Facereader软件分析受试者的面部表情而得到的负面情绪水平的值可以用于判断受试者是否采取了说谎行为，而具有有效性。

进一步，基于24轮实验数据，我们利用前18轮的实验结果来拟合一个回归模型，并基于这一模型来预测后6轮中，根据角色A的负面情绪值来推断其是否说谎，并与实验中的真实结果比较，评价基于Facereader面部表情测量方法来判断说谎行为的准确性，结果如表4所示。当角色A实际没有采取欺骗行为而未说谎时，预测正确的比例为60.71%，而当角色A实际采取了欺骗行为时，预测正确的比例是60%；均高于随机猜测情况下的准确概率（50%）。还要强调的是，当预测到受试者采取了欺骗行为时（77个样本），准确率高到86%（66/77），以上结果说明Facereader通过分析视频中被试的面部表情测量得到的负面情绪水平能够为推断实验被试的欺骗行为提供有效支持，而是有价值的“软”信息。

表4 预测与实际欺骗行为比较

Table 4 Comparison between predictionand actual deception

4实证研究

4.1样本选择与数据来源

本文选择的样本为2009年至2014年间在创业板上市的公司。其中2013年由于证监会全面停止IPO，当年没有公司上市，共得到411家公司样本。有关上市公司IPO的相关数据来自于Wind数据库和国泰安数据库（CSMAR）；IPO路演视频来自全景网中国网上路演中心（http://rsc.p5w.net）。变量定义和数据来源见表5。

根据本文研究的特点，对样本进行进一步筛选，剔除无效样本。样本的筛选标准如下：（1）剔除截止2015年已退市的公司样本，含样本6个；（2）剔除未获得IPO路演视频的公司的样本，含样本90个^①这主要是因为全景网没有提供早期上市的公司（2010年4月20日以前）的路演视频资料。；（3）剔除董事长在IPO路演中没有讲话的公司的样本，含样本7个。最后得到有效样本308个样本。

4.2变量定义

4.2.1 因变量

业绩变化（Growth）：借鉴卢文彬和朱红军^[32]的研究，本文采用总资产报酬率（ROA）的变化来衡量公司的业绩水平。并参考逯东等人^[19]的研究用上市后一年与上市前一年的业绩变化之差进行衡量。

4.2.2 自变量

董事长的消极情绪（NegaEmotion）。首先，通过观看每家公司的路演视频，手工截取董事长讲话片段。随后，将截取的视频文件导入Facereader软件中，Facereader便会自动将视频按照每隔0.055秒分成一段，测量一次表情，而反馈出董事长每隔0.055秒产生高兴、愤怒、厌烦、恐惧、悲伤和惊讶这六种基本表情的概率，并根据情绪的分类（如高兴为正向情绪，愤怒、厌烦、恐惧和悲伤为负向情绪，惊讶既不是正向也不是负向情绪）^[33]，计算情绪值Valence（计算公式见3.2节）。软件每隔0.055秒报告一个Valence值。根据Facereader软件使用说明书的描述（见83页）^②资料来源：http://sslab.nwpu.edu.cn/articles/232，Valence值越大，情绪越积极正面；Valence值越小，情绪越消极负面。且Valence值小于-0.33时，为负面情绪。

基于此，延续在实验研究中设计的情绪测量变量，实证分析中也使用三种方法计算董事长在路演讲话过程中的负面情绪水平。

Time_NegaEmoton1，表示董事长在路演讲话过程中负面情绪出现的总时长。根据Facereader软件的反馈结果，统计出董事长讲话期间Valence值小于-0.33的次数，然后乘以0.055得到负面情绪出现的总时长，根据实验研究部分的结论，负面情绪出现的时间越长，那么董事长在介绍公司情况过程中提供的信息越不真实，公司IPO后业绩下滑的幅度也就会越大。

Time_NegaEmoton2，表示董事长在路演讲话过程中负面情绪持续最长的那段时间长度。董事长讲话时，负向情绪和正向情绪可能交替出现，如果董事长在讲话过程中持续出现负面情绪的时间越长，那么他所介绍的公司信息中存在不真实的情况更为严重。

Lowest_Emotion，表示董事长在路演讲话过程中Valence的最小值，以此衡量董事长的负面情绪水平。有经验的人往往会控制和调节自己的表情，例如微表情只会出现四分之一秒^[34]。董事长在路演讲话期间也可能通过自我调节来掩饰自己的负面情绪，而使得持续观测到董事长负面情绪的时间缩短。因此，本文还提取董事长在整个路演讲话过程中情绪最消极时的Valence值（Valence的最小值），以此作为负面情绪的衡量指标。

4.2.3 控制变量

参照逯东等^[19]的研究，本文选取公司规模、资产负债率、成长性这几种指标作为控制变量。我们还通过引入行业虚拟变量和年度虚拟变量对行业和年度进行控制。根据本研究的特点，我们还控制了董事长年龄、性别、路演讲话的时长以及董事长权利^[35]、公司冗余资源^[36]、行业环境的竞争性等因素。实证分析中用到的控制变量的定义及数据来源如表5所示。

表5 变量描述及数据来源

Table 5 Variable description and datasource

数据来源：A=WIND数据库；B=全景网；C=国泰安数据库；D=Facereader软件提供。

4.3多元线性回归模型

本文采用多元线性回归模型检验董事长负面情绪与公司上市后业绩变脸之间的关系。回归模型如下所示：

 (2)

4.4变量描述性统计

表6给出了变量的基本描述性统计结果和相关系数分析。为了克服极端值的影响，对连续变量均进行了1%的winsorize处理。从表6可以看出创业板公司上市后业绩变化（Growth）的均值为-16.82，最大值为-1.35，表明创业板公司在上市之后整体水平出现了业绩下滑，且平均下滑水平近20%。负面情绪出现的总时间（Time_NegaEmotion1）和连续出现的时间（Time_NegaEmotion2）的均值分别为23.54秒和4.49秒，表明从整体来看，负向情绪平均会出现23.54秒并且会连续出现4.49秒。两个指标的最小值为0表示有的公司董事长没有被软件测量到负面情绪。这也说明引入负面情绪的最小值（Lowest_Emotion）指标的必要性。

从表6的变量间相关系数分析还可以看出，自变量的三种衡量方式间有一定的相关性，其余变量之间的相关系数绝对值均小于0.5，说明模型的变量之间不存在严重的多重共线性问题。

表6 变量描述性统计和相关系数分析（n=308）

Table 6 Variable descriptive statisticsand correlation coefficient analysis(n=308)

表6（续）变量描述性统计和相关系数分析（n=308）

Table 6(continue) Variable descriptivestatistics and correlation coefficient analysis(n=308)

注: ^a表示经过对数化处理

4.5回归结果分析

表7给出了董事长负面情绪与公司上市后业绩变化间关系的回归分析结果。其中，模型1只有控制变量。模型2，3，4是分别加入了衡量董事长负面情绪的三个变量后的回归结果。

在模型1中，表示董事长讲话视频长度的变量与业绩变化之间存在显著的负相关关系。这一结果说明董事长如果越想让投资者相信他所提供的信息是真实的，就越可能在路演过程中介绍公司时用时越长。

在模型2中，董事长在IPO路演讲话过程中出现负面情绪的总时长（Time_NegaEmotion1）与公司上市后业绩变化幅度显著负相关（β=-0.01, p<0.05）。说明董事长在IPO路演讲话时负面情绪出现的时间越长，公司在IPO之后业绩下滑的水平就越大，这与假设H1一致。

模型3中引入董事长在IPO路演讲话过程中负面情绪连续出现的最长时间（Time_NegaEmotion2）作为自变量。回归结果表明，董事长讲话过程中连续出现负面情绪的时间越长，公司IPO后的业绩下滑幅度越大（β=-0.05, p<0.05）。这一结论同样支持假设H1。

模型4中，董事长在IPO路演讲话期间负面情绪最小值（Lowest_Emotion）与公司上市后业绩变化之间存在显著正相关关系（β=4.00, p<0.01）。说明董事长讲话时的负面情绪最小值越小，也就是董事长讲话过程中总体情绪水平越趋于消极，那么公司上市后的业绩下降幅度也就越大。以上结论均支持假设H1。

表7 董事长消极表情与公司上市后业绩变化关系

Table 7 The relationship between thechairman's negative expression and the company's performance after listing

注:***表示在0.01水平上显著；**表示在0.05水平上显著；*表示在0.1水平上显著，括号内为标准误。 ^a表示经过对数化处理。

5结束语

本文以2009-2014年间在创业板上市的公司为样本，研究是否可以通过董事长在IPO路演讲话过程中所呈现出的负面情绪水平来推测公司对外披露信息的真实性，以此来预测公司在创业板上市之后业绩变脸的水平。基于实证和实验相结合的方法并利用Facereader面部表情分析软件定量测量负面情绪水平，研究结果表明：董事长在IPO路演讲话时的面部表情所反映出的负面情绪水平越高，公司IPO后业绩变脸程度越大。

与已有文献相比，本文主要有以下贡献：（1）为预测IPO业绩变脸提供了一个新途径。已有的对业绩变脸的研究中，多是基于公司结构^[19]、承销商^[17]、发审委联系^[16]等角度来进行研究，其主要逻辑还是围绕有关公司“硬”信息的披露和信息不对称等角度展开，试图通过说明由于公司对“硬”信息的操纵而影响到投资者对公司真实价值的判断，从而出现业绩变脸。现有研究还没有从“软”信息的角度出发，去探讨董事长或CEO在提供公司信息过程中表情、情绪是否也具有会计信息价值。相对于“硬”信息容易被公司操纵而存在噪音不同，“软”信息的特点在于公司高管难以操纵并且投资者都可以直接获取，这就为发掘“软”信息的信息价值提供了基础。本文创新性地分析了董事长在IPO路演讲话中的负面情绪与公司IPO之后业绩变脸之间的关系。研究结论为有效判断IPO公司的真实价值，提高投资者的甄别能力，保护投资者利益提供了一条新途径。

（2）对有关“软”信息的研究进行了拓展。现有研究已经越来越重视“软”信息中所蕴含的会计信息价值，并且已有不少学者利用CEO在公司发布会（如电话会议、路演）上讲话的录音资料，分析CEO在讲话中声音所反映出的高管情绪消极或积极的程度与公司IPO价格^[8]、未来利润^[9]、财务重述^[10]、和股价^[11]等之间的关系。然而，发掘和利用公司高管在陈述公司信息过程中的面部表情中所蕴含的“软”信息的相关研究还很少。实际上，面部表情是表达情绪的重要途径^[23]。因此，高管在发布有关公司信息时的面部表情也提供了重要的“软”信息。Blankespoor等人^[8]在这方面做了开创新的工作。

本文则在这一方向上进行了拓展。相比已有对面部表情的分析多是基于人工判断^[8]，且是从单个指标（例如：生气）或其中的几个指标（例如：高兴、愤怒和厌恶）进行研究^[37]，而没有对表情进行全面的分析，本研究则借助于Facereader面部表情分析软件，全面考察了人类六种基本表情，并从高兴、愤怒、厌烦、恐惧、悲伤和惊讶这六方面衡量情绪水平，计算出负面情绪值，并基于此支出这一情绪指标可以用于推断创业板IPO公司上市后业绩变化情况。这也提高了本研究的科学性和可比性。

（3）对Facereader软件有效性进行检验。随着有关“软”信息研究的兴起特别是对面部表情所蕴含的情绪信息的关注，将Facereader这一类基于分析面部表情识别、推断情绪的软件运用于相关研究中必然会越来越受关注。本研究继Van等人^[31]用Facereader软件分析决策者情绪对决策行为的影响这一研究之后，在中国运用实验研究手段验证了运用Facereader软件测量得到的情绪水平与与欺骗行为之间存在关系，从而也为随后开展相关研究提供经验支持。

本研究结论也对于投资者、公司高管和监管部门都有一定的实践指导作用。首先，本研究结果表明投资者可以通过收集公司高管的“软”信息来判断公司的真实价值。例如对于在创业板上市的公司而言，投资者则可以通过观看董事长在IPO路演过程中的讲话，从以往仅仅关注其讲话内容调整为进一步关注高管讲话时的面部表情，通过感受或者利用软件来分析其讲话时的情绪来辅助投资决策。特别是当董事长路演讲话中负面情绪越明显，那么投资者就越需要提高警惕，以提高自己的甄别能力，规避投资风险。对于公司高管而言，则要将“软”信息同样蕴含信息价值这一点纳入公司的经营决策中。由于“软”信息难以被操控，且容易被投资者、公众和监管部门所提取，那么，就更需要注意约束自身的欺骗行为，保证对外提供信息的真实性。而对于监督部门而言，本研究也提供了一条提高监管效率的途径，也就是重点关注那些公司高管在路演中有负面情绪的公司。

当然，本文还存在以下不足和可以进一步研究的问题：（1）本文在分析路演视频中只考虑了董事长的讲话视频和董事长的情绪，随后研究也可就路演过程中公司董秘、保荐人的讲话视频进行分析，来检验这些发言人的情绪是否也具有“软”信息价值。（2）本文只研究了董事长面部表情、情绪与公司上市后业绩变化之间的关系，随后研究还可以继续探究董事长表情、情绪和公司股价、财务重述和高管减持等之间的关系。（3）按照认知失调理论，当董事长在路演讲话中提供了虚假信息而出现认知失调时，他就会后续采取行动来为自己的不当行为提供合理性解释，例如制定更高的发行价格，募集更多的资金等。后续也可就此展开研究。

参考文献

[1] 李维安,李慧聪,郝臣. 高管减持与公司治理创业板公司成长的影响机制研究[J]. 管理科学, 2013,26(04):1-12.

Li W A, Li H C, Hao C. Study on theEffects of Executives′ShareReduction and Corporate Governance on Growth Enterprises Market Companies’ Growth[J]. Journal of Management Science, 2013,26(04): 1-12.

[2] Burgstahler D, Dichev I. Earningsmanagement to avoid earnings decreases and losses[J]. Journal of accounting andeconomics, 1997, 24(1):99-126.

[3] 黄少安,张岗. 中国上市公司股权融资偏好分析[J]. 经济研究, 2001,(11):12-20+27.

Huang S A, Zhang G. An Analysis ofEquity Financing Preference of China's Listed Company[J]. Economic ResearchJournal, 2001, (11):12-20+27.

[4] Dechow, Patricia M, Douglas J S.Earnings management: Reconciling the views of accounting academics,practitioners, and regulators[J]. Accounting horizons, 2000,14(2): 235-250.

[5] DePaulo, Bella M. Cues to deception[J].Psychological bulletin, 2003, 129(1):74.

[6] Anolli L, Ciceri R. The voice ofdeception: Vocal strategies of naive and able liars[J]. Journal of NonverbalBehavior, 1997,21(4): 259-284.

[7] Ekman P, Sullivan M O, Firesen W V.Invited Aticle: Face, Voice, and Body in Detecting Deceit[J]. Journal ofNonverbal Behavior, 1991,15(2):125-135.

[8] Blankespoor E, Hendricks B E, MillerG S. Perceptions and price: Evidence from CEO presentations at IPOroadshows[J]. Journal of Accounting Research, 2017,55(2): 275-327.

[9] Mayer W J, Venkatachalam M. ThePower of Voice: Managerial Affective States and Future Firm Performance[J]. TheJournal of Finance, 2012, 67(1):1-44.

[10] Hobson J, Mayer W J, VenkatachalamM. Analyzing Speech to Detect Financial Misreporting[J]. Journal of AccountingResearch, 2012, 50(2):349-392.

[11] Lee J. Can Investors DetectManagers' Lack of Spontaneity? Adherence to Predetermined Scripts during EarningsConference Calls[J]. The Accounting Review, 2016,91(1):229-250.

[12] Loughran T, Ritter J R. TheOperating Performance of Firms Conducting Seasoned Equity Offerings[J]. TheJournal of Finance, 1997,52(5):1823–1850.

[13] Aharony J, Lee C J, Wong T J.Financial Packaging of IPO Firms in China[J]. Journal of Accounting Research,2000,38(1):103-126.

[14] Teoh S H, Welch I, Wong T J.Earnings Management and the Long-Run Market Performance of Initial PublicOfferings[J]. The Journal of Finance, 1998,53(6):1935-1974.

[15] 钱匀. 我国创业板企业IPO前后业绩变化的研究[J]. 中国市场, 2012(1):53-54.

Qian Y. Research on the PerformanceChanges of Chinese GEM Companies Before and After IPO [J]. China Market,2012(1):53-54.

[16] 杜兴强,赖少娟,杜颖洁. “发审委”联系、潜规则与IPO市场的资源配置效率[J]. 金融研究, 2013,(3):143-156.

Du X Q, Lai S J, Du Y J. “Issue Committee” Contact, Hidden Rules and Efficiency of Resource Allocation in IPOMarket[J]. Journal of Financial Research, 2013, (3):143-156.

[17] 余峰燕, 梁琪. 地方关系承销与市场定价有效性研究——基于承销商独立性视角[J]. 金融研究, 2017(5):143-159.

Yu F Y, Liang Q. Local RelationshipUnderwriting and Market Pricing Efficiency[J]. Journal of Financial Research,2017(5):143-159.

[18] Fan, JPH, Wong, T J, Zhang T.Politically connected CEOs, corporate governance, and Post-IPO performance ofChina’snewly partially privatized firms[J]. Journal of Financial Economics, 2007, 84(2): 330-357.

[19] 逯东, 万丽梅, 杨丹. 创业板公司上市后为何业绩变脸？[J]. 经济研究, 2015,50(2):132-144.

Lu D, Wan L M, Yang D. Why Do thePerformance of Listed Enterprises in GEM Change after IPO？[J]. Economic ResearchJournal, 2015,50(2):132-144.

[20] Petersen M A. AInformation: Hardand Soft. Working Paper,http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.196.5380, 2004.

[21] Drawin C. The Expression ofEmotions in Man and Animals[M]. London:Murray J, 1872.

[22] Ekman P, Friesen W V. Constantsacross cultures in the face and emotion[J]. Journal of Personality and SocialPsychology, 1971, 17 (2):124-129.

[23] Mehrabian A. Communication withoutWords[J]. Psychology Today, 1968,2(4):53-56.

[24] Andersen P A, Guerrero L K.Handbook of Communication and Emotion: Research, Theory, Applications, andContexts[M]. San Diego:Academic Press, 1998.

[25] Allen F, Faulhaber G R. Signalingby Underpricing the IPO Market[J]. Journal of Financial Economics, 1989,23(2):303-323.

[26] Kim M and Ritter J R. ValuingIPOs[J]. Journal of Financial Economics, 1999, 53(3):409-437.

[27] Zhao Y and Li D. Equilibrium Signaland Purchase Decision in China’s IPO Net Roadshow: A Dynamic Game Approach[J]. Discrete Dynamics inNature and Society, doi: http://dx.doi.org/10.1155/2016/6327308, 2016.

[28] 蔡宁, 魏明海. “大小非”减持中的盈余管理[J]. 审计研究, 2009(2):40-49.

Cai N, Wei H M. Earnings Management inReduction of Original Non-tradable Share[J]. Auditing Research, 2009(2):40-49.

[29] Gneezy U, Rockenbach B, Serra-GarciaM. Measuring lying aversion[J]. Journal of Economic Behavior &Organization, 2013(93):293-300.

[30] Ekman P, Friesen W V. Unmasking theFace [M]. Englewood Cliffs, NJ：Prentice Hall, 1975.

[31] Van L, Boris. PredictablyAngry-Facial Cues Provide a Credible Signal of Destructive Behavior[J].Management Science, doi: https://doi.org/ 10.1287/mnsc.2017.2727, 2017.

[32] 卢文彬, 朱红军. IPO公司经营业绩变动与股权结构研究[J]. 财经研究, 2001(27):45-52.

Lu W B, Zhu H J. A Research in theRelationship between the Earnings Pattern of IPO Firms and Its Ownership[J].The Study of Finance and Economics, 2001(27):45-52.

[33] 姜振宇. 微表情, 如何识别他人脸面真假？[M]. 武汉：长江文艺出版社, 2016.

Jiang Z Y. Micro facial expressions, howto recognize the true and false faces of others?[M]. Wuhan: ChangjiangLiterature and Ar Press, 2016.

[34] Ekman P. Telling lies: Clues todeceit in the marketplace, politics, and marriage (revised edition) [M]. WWNorton and Company Press, 2009.

[35] Adams R B, Almeida H, Ferreira D.Powerful CEOs and their impact on corporate performance[J]. The Review ofFinancial Studies, 2005, 18(4): 1403-1432.

[36] Greenley G, Oktemgil M, A Comparisonof Slack Resources in High and Low Performing British Companies. Journal ofManagement Studies, 1998, 35(3): 377-398.

[37] Akansu A, Cicon J, Ferris S. FirmPerformance in the Face of Fear[J]. Working paper,http://dx.doi.org/10.2139/ssrn.2533615, 2014.

基金项目：国家自然基金资助项目（71372065、71272002、71002049）

作者简介：贾明（1981—），男，湖北黄冈人；西北工业大学管理学院教授，博士生导师；研究方向：公司金融与企业社会责任。

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

四、健康生活

【健康小贴士】桂花茶：桂花茶具有很好的功效，而且还可以起到一定的养胃效果，尤其是对于一些患有慢性胃炎的人群来说，坚持喝一些桂花茶，有助于修复胃粘膜，养护肠胃，让胃一天比一天好。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第1631期）

编辑整理：蔡子团队  

团队成员：江志勇、高阳、徐姗姗、姜倩雯 、李莉、郭蔷、许思宁、马洪梅、蔡跀、陈晨