CNDD-0227 上市公司管理层短视主义文本词频数据统计
01 数据介绍
CNDeepData 数据应用质量评级
▪ 常用度：★★★★★
▪ 稀缺度：★★★★☆
▪ 新颖度：★★★★☆
▪ 总体级别：13颗星
✔ 常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。
✔ 稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。
✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。
02 主要指标
03 数据特征概览
▪ 样本分年度观测值数量
04 前沿文献速递
▪ 文献来源：
胡楠,薛付婧,王昊楠.管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(05):139-156+11+19-21.
在可持续发展战略导向下,秉持长远理念是企业抵御外部环境威胁和拥有可持续经营能力的基石。然而,作为企业掌舵人的管理者并非都具有长远的目光。文章基于高层梯队理论和社会心理学中的时间导向理论,提出了管理者内在的短视主义特质与企业资本支出和研发支出的关系,并采用文本分析和机器学习技术构建出管理者短视主义指标从而对其进行实证检验。研究结果发现,年报MD&A中披露的”短期视域”语言能够反映管理者内在的短视主义特质,管理者短视会导致企业减少资本支出和研发支出。当公司治理水平、监督型机构投资者的持股比例以及分析师关注度越高时,管理者短视主义对这些长期投资的负向影响越易受到抑制。最终,管理者短视主义导致的研发支出减少和资本投资效率降低会损害企业的未来绩效。本文拓宽了管理者短视主义的行为后果分析,对企业高层次管理人才的聘任以及企业和政府的监管具有重要的实践启示。同时,本文将文本分析和机器学习方法引入管理者短视主义的研究,为未来该领域的研究提供了参考和借鉴。
通常都具有投入在前收益在后（Quirin and Wiginton，1981；解维敏、方红星，2011；Maritan，2001）、产出不确定和收益跨期性等特点（Pindyck，1982；Zaheer et al.，1999）。其中，对固定资产、无形资产和其他长期资产的投
资往往不能使企业绩效迅速提升，反而会增加折旧及摊销费用等，最终降低企业当前的盈利水平（王菁、程博，2014）；研发则需要大量资金的持续投入，并且周期长、风险大，往往会导致较高的经营风险（柴才等，2017；解维敏、方红星，2011）。因此，短视的管理者会利用其掌握的资源和个人权威，影响企业的投资规模和方式，减少企业的资本支出和研发支出。基于此，文章提出以下假设。
语言能够反映人的认知、偏好和个性（Webb et al.，1966），研究者可通过分析实验对象语言中使用的词语
类型和词频来捕捉人的特质（Miller and Ross，1975；Pennebaker et al.，2003）。如一个人的语言中越强调“过
去”、“曾经”等词汇，反映其越关注过去；一个人的语言中越强调“将来”、“可能”、“要去”等词汇，反映其越关注未来（Pennebaker et al.，2003）。基于此研究范式，文章结合已有的英文“短期视域”词集、MD&A 中文语料特点以及 Word2Vec 机器学习制定出能够反映管理者“短期视域”的中文词集，随后通过词典法构建出管理者
短视主义指标。MD&A 是管理者对报告期内企业经营状况的回顾以及对下一年度经营计划以及企业未来发展所面临的机遇、挑战和各种风险的阐述。已有利用 MD&A 等文本刻画管理者特质的研究成果在一定程度上证实了其可靠性（Li，2012；蒋艳辉、冯楚建，2014）。因此，文章从 MD&A 中捕获的管理者短视主义特质更多反映的是董事长的短视主义特质，本文的管理者指的是企业的董事长。
具体来讲，管理者短视主义指标的构建过程如下。（1）借鉴 Brochet 等（2015）的英文“短期视域”词集与 Li（2010）构建文本指标的思路，阅读了 500 份
MD&A 语料以获取中文文本信息的特点，制定出中文 MD&A 中有关“短期视域”的种子词集，包括直接和间接
两大类。直接大类包括：“天内”、“数月”、“年内”、“尽快”、“立刻”、“马上”；间接大类包括：“契机”、“之际”、
“压力”、“考验”。（2）针对同一概念或者事物，表达者往往使用多个语义相似的词汇进行描述，因此需要对种子词集进行相似词扩充。Word2Vec 本质是基于神经网络 Word Embedding 方法，依据上下文语义信息将词汇表示成多维向量，
并通过计算向量之间的相似度得到词汇之间的语义相似性（Bengio et al.，2003）。具体地，采用 Word2Vec
中的CBOW 模型（Continuous Bag-of-words Model）对中文年度财务报告语料进行训练。
CBOW 模型：
其中，C 表示语料；w 表示中心词；Context（w）表示中心词的上下文。CBOW 模型的基本思想是根据上下文来预测当前词语的概率，通过最大化上述目标函数，最终可得到中心词对应的 Word2Vec 词向量。随后通过计算向量相似度可获得中心词的相似词。模型基于海量财经文本训练而成，所推荐的相似词更加适合财经文本语境，可有效避免人为定义词表的主观性和通用同近义词工具的弱相关性（Word2Vec 相似词结果示例详见
《管理世界》网络发行版附录1）。（3）通过邀请 3 名业界和学术界专家以及对比 MD&A 文本样例对指标词集进行核验，最终确定词集包含 43 个“短期视域”词汇（词集和语句示例详见《管理世界》网络发行版附录 2）。随后，基于词典法计算
“短期视域”词汇总词频占 MD&A 总词频的比例，乘以 100 后得到管理者短视主义指标。该指标值越大，表明管理者越短视。
对假设 H1 进行验证，考查管理者短视主义对企业资本支出和研发支出的影响。为了确保结果不受内生性影响，本文还验证了滞后一期的短视主义指标与两类长期投资的关系。结果如表 6
所示：（1）当期短视指标对资本支出（Capex）的回归系数是-0.018，在 5%以下的置信度下回归结果显著（t 值
=-2.39）；（2）上一期短视指标对资本支出（Capex）的回归系数是-0.017，在 5%以下的置信度下回归结果显著（t 值=-2.46）；（3）当期短视指标对研发支出（R&D）的回归系数是-0.014，在 1%以下的置信度下回归结果显
著（t 值=-3.27）；（4）上一期短视指标对当期研发支出（R&D）的回归系数是-0.012，在 1%以下的置信度下回归结果显著（t 值=-2.77）。以上结果证明了管理者短视主义确实会导致企业减少资本支出和研发支出。
05 其他相关文献
06 获取方式
见推文末尾。
▪ 客服微信方式：
扫描下方二维码，或搜索下方微信号。
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
