基金公司实地调研：信息挖掘还是走马观花?

董永琦 宋光辉

(华南理工大学 工商管理学院，广东 广州 510641)

一、引言

对上市公司的实地调研是当下基金公司信息搜寻的主要方式①，基金公司实地调研是基金公司与上市公司管理层面对面进行直接互动交流、获取公司经营信息的重要手段。根据美国的调查分析显示：对上市公司进行实地调研非常普遍且重要[1]。然而，国内学术界却对此关注甚少[2]，仅有几篇文献对机构投资者的调研进行了初步探索，且集中在整个机构投资者群体进行实地调研对上市公司信息披露质量或公司治理的影响方面[3][4][5][6]。显然这些学者对该问题的研究使我们认识到机构投资者调研所产生的重要影响。但是，现有研究结论既不能清晰揭示基金公司这类专业的机构投资者对上市公司调研的效果，也不能准确揭露实地调研对上市公司负面信息挖掘的效果②。

从整体上来看，自2013年起，基金公司实地调研上市公司的数量和频率不断增加，但依然未能阻止类似“长生生物”事件的发生。这些现象迫使我们思考：基金公司如此耗费资源进行实地调研究竟有没有挖掘到上市公司的负面信息呢？为此，本文将根据现有研究成果，采用股价崩盘风险指标测度上市公司负面信息隐藏的程度，对基金公司实地调研挖掘负面信息的情况进行探讨，研究主要涉及以下三个问题：第一，基金公司实地调研究竟是挖掘了上市公司隐藏的负面消息呢，还是对上市公司隐藏的负面情况毫无察觉，甚至形成了乐观误判?第二，不同市场环境下，基金公司实地调研对负面信息挖掘的效果是否存在差异?第三，就基金公司实地调研行为方式而言，基金公司单独调研和集体调研对负面信息挖掘的效果是否存在差异?这些问题的研究不仅有助于我们清晰认识基金公司实地调研的效果，而且对于推动基金公司实地调研发展、改善公司治理以及保护中小投资者利益都有着重要的理论价值和现实意义。

二、文献回顾与研究假设

从现有关于机构投资者实地调研的文献可知，基金公司实地调研具有两大信息挖掘价值：第一，基金公司实地调研能够观察到公司的生产和经营管理状况，在调研过程中参与调研的基金公司可以实地考察公司的研发环境、生产车间、库存和员工餐厅等，直观了解公司的运作情况，提高对公司生产流程、研发能力以及资产利用率的理解，从而降低基金公司与上市公司之间的信息不对称[7]。第二，基金公司在实地调研过程中，可以获得语言内容之外的信息，并评估语言内容的可信性。比如，可以观察和捕捉到参与交流的上市公司管理层的身体语言、面部表情和声音腔调等非语言提示，而这些非语言提示蕴含大量的信息[8]。可以推测，基金公司在对上市公司实地调研的过程中，会获取更多关于被调研公司的增量信息，尤其是上市公司隐藏的负面信息。然而，以上关于基金公司实地调研的信息挖掘优势在实际过程中要真正转化为挖掘真实负面信息的效果，需要基金公司实地调研过程中有充分的时间和充分的理性作为保证。

首先，基金公司实地调研的信息挖掘职能可能会受到挤压。基金公司是“受人之托，代人理财”，为了赢得现有股东对其投资决策的支持以及塑造“敬业负责”的投资者形象需要，他们常常对上市公司进行实地调研，基金公司实地调研可能带有“取悦”其投资者的味道[9]，而不完全是为了信息挖掘，这可能影响基金公司实地调研过程中信息挖掘职能的履行。

其次，基金公司实地调研挖掘负面信息的时间难以保证。本文在收集数据的过程中发现，很多基金公司实地调研一家上市公司的时间仅有半天或者一天；如此短的时间内，很多时候基金公司对上市公司的实地调研只是匆匆而过，并未真正对被调研公司的研发环境、生产车间和库存等进行仔细的实地考察。这种短时间的“匆匆而来、匆匆而去”式调研使基金公司实地调研信息挖掘优势的发挥缺乏充分的时间保证，而要挖掘上市公司隐藏的负面信息变得更加艰难。

第三，基金公司实地调研挖掘负面信息的理性难以保证。孙光国和赵健宇(2014)指出：公司管理层更容易滋生过度自信心理[10]。而上市公司管理层的这种过度自信可以通过沟通传递给参与实地调研的基金公司，这不仅不利于负面信息的挖掘，反而夸大了已有的利好信息，推动了负面信息的进一步隐藏。例如谭松涛和崔小勇(2015)指出：在调研过程中，上市公司很可能会使用具有倾向性的词汇介绍公司经营现状和未来盈利前景，从而给调研参与者留下好的印象，并将乐观的情绪传递给市场其他投资者，从而引发市场对该上市公司的“乐观误判”[2]。Cao 等(2017)则更进一步指出：在实地考察期间，上市公司可能会呈现有偏的信息或者隐藏一些不利的信息，因此，调研者并不能收集有价值的信息，甚至会形成有偏的乐观预期[6]。

第四，基金公司实地调研挖掘负面信息的功能难以得到市场中其他投资者的认可。基金公司对上市公司的实地调研，会引发市场上其他投资者的关注，且常将基金公司实地调研行为解读为被调研上市公司的利好信息，忽视基金公司实地调研可能挖掘上市公司负面信息的功能，进而引发整个市场对被调研上市公司的一种乐观判断，推动了被调研公司负面信息的进一步隐藏。综上所述，本研究提出竞争性假说H1a和H1b:

H1a：基金公司实地调研能挖掘到被调研公司隐藏的负面信息，降低被调研公司隐藏负面信息的程度；

H1b：基金公司实地调研不但难以挖掘被调研公司隐藏的负面信息，甚至可能促成被调研公司负面信息的进一步隐藏。

基金公司实地调研的市场环境可以分为：牛市和熊市。何问陶和赵建群(2008)发现：我国基金在牛市阶段更具攻击性，在熊市阶段相对更加谨慎[11]。故可知：不同市场环境下，投资者对负面信息的敏感程度和谨慎态度是不一样的，由此导致投资者对上市公司负面信息挖掘的尽职程度和勤奋程度是不同的。在牛市状态下，市场呈现繁荣状态，市场上充斥大量的利好消息，投资者被这种利好消息所感染，使得基金公司在实地调研过程中对负面信息挖掘相对松懈，而往往希望获得更多的利好消息；从而对于被调研公司可能隐藏的负面信息则有意或无意地选择了忽视，在熊市状态下则相反。由此，本研究提出假说H2：

H2：相对牛市，在熊市状态下，基金公司实地调研挖掘负面信息的效果较好。

基金公司实地调研行为方式有单独调研和集体调研两种。关于基金公司实地调研的行为方式选择，究竟是采取单独调研更优还是集体调研更优？这一问题是实务界和学术界关注的焦点。与H1a和H1b相对应，当基金公司实地调研可以真正挖掘到负面信息时，基金公司集体实地调研将对被调研公司进行全方位的关注与提问，并在调研过程中参与调研的基金公司之间相互交换各自获取的负面信息[12]，从而使被调研公司的负面信息得以更多的挖掘；相反，当基金公司实地调研不但不能挖掘到被调研公司的负面信息，反而会形成一种“乐观误判”时，基金公司集体实地调研因其受到的市场关注更高[10]，将更加明显地增强市场中其他投资者的乐观判断，从而进一步加剧被调研公司负面信息的隐藏。由此，本研究提出假说H3a和H3b：

H3a：相比于基金公司单独实地调研，基金公司集体实地调研挖掘上市公司负面信息的效果较好；

H3b：相比于基金公司单独实地调研，基金公司集体实地调研挖掘上市公司负面信息的效果较差。

三、数据来源与变量设计

(一)数据来源

本研究所用的基金公司实地调研数据手工收集于深交所互动易平台下的“调研活动”栏目；上市公司的股票收益率、股票换手率、资产规模、账面市值比、固定资产占比、总资产收益率、资产负债率、管理层持股比例以及机构投资者持股比例数据皆来源于WIND数据库。

(二)样本选择

选取2013～2016年所有在深圳证券交易所上市的公司，以及所有参与实地调研的基金公司为研究样本。同时，对于所有深圳证券交易所上市的公司，作如下样本处理：(1)剔除金融类上市公司；(2)剔除上市不足一年的公司；(3)剔除样本期间始终没有被基金公司调研过的上市公司。最终选定上市公司1139家，数据长度为16个季度，共18224个观测值。

(三)变量设计与主要实证模型

本文主要通过如下模型检验基金公司实地调研对上市公司负面信息挖掘的效果：

NIi,t=α+β1FVisti,t-1+γControlvariablesi,t-1+εi,t-1

(1)

同时，为了缓解因变量与自变量之间互为因果的内生性问题，把所有自变量的取值都滞后了一期。模型(1)中，NI为上市公司负面信息隐藏的程度；FVisit为基金公司实地调研指标；Controlvariables为一组控制变量。若β1显著为负，意味着基金公司实地调研挖掘了被调研公司的负面信息，也就降低了被调研公司负面信息隐藏的程度，则假设H1a成立；若β1显著为正，意味着基金公司实地调研没有挖掘到被调研公司的负面信息，甚至推动负面信息的进一步隐藏，也就意味着增加了被调研公司负面信息隐藏的深度，则假设H1b成立。

1.上市公司负面信息隐藏程度的量化

本研究用上市公司负面信息隐藏程度来体现基金公司挖掘负面信息的效果。由于上市公司隐藏的负面信息难以直接观察到，因此，要想刻画上市公司负面信息隐藏程度变得十分困难。但现有研究的结论为我们间接度量上市公司负面信息隐藏程度提供了思路[17]。当上市公司隐藏负面信息的程度越小时，上市公司积累的负面信息就越少，其股价崩盘风险也就越小。基于此，本研究采用股价崩盘风险的量化指标——负向偏度系数(NCSKEW)[14]和收益上下波动比率(DUVOL)[15]来度量上市公司负面信息隐藏的程度。

2.基金公司实地调研的量化

构造哑变量和连续变量两类变量来量化基金公司实地调研。FVist_if表示上市公司在一个季度内是否被基金公司实地调研；FVist_frequency表示每个上市公司一个季度内接待的基金公司调研次数；FVist_individual表示一个季度内接待的基金公司家数。

3.其他解释变量及控制变量

为了验证假设H2、H3a、H3b，本文也构造了相应的分组变量，分别为市场状态State，Alone；具体测度方法可详见表1，据此对样本进行不同的分组检验。

同时，参考Hutton等(2009)[16]、Kim 等(2011)[15]以及肖土胜等(2017)[13]的研究，选择如下7个控制变量：月平均超额换手率(DTURN)、特有收益波动(Sigma)、平均周特有收益(RET)、公司规模(SIZE)、市值账面比(MB)、资产负债率(LEV)、总资产收益率(ROA)、机构投资者持股比例(Inshold)。

表1 主要变量定义及计算方法

四、实证结果分析

(一)描述性统计分析

为初步了解基金公司实地调研的概况，表2列示了主要变量的描述性统计结果，从表2的结果可以看出：(1)平均而言，32.1%的公司都得到了基金公司的实地调研，覆盖了上市公司的1/3，基金公司实地调研的影响范围较广；(2)从基金公司实地调研的频率来看，基金公司对单个上市公司的实地调研在一个季度内最高可达11次，而最低不到1次，不同的上市公司受到基金公司实地调研的青睐差异较大，说明基金公司对上市公司调研具有一定的路径依赖；(3)从基金公司实地调研参与的数量来看，在一个季度内最高有60家基金公司对单个上市公司进行实地调研，基金公司扎堆调研的现象明显。

(二)回归结果分析

1.基金公司实地调研与被调研公司负面信息隐藏程度

从表3可以看出，3个不同的解释变量在应用模型(1)分别对上市公司负面信息隐藏程度的测度指标进行回归，都得到了显著为正的系数，验证了假说H1b，即基金公司实地调研不但没有挖掘到被调研公司的负面信息，反而可能因基金公司在实地调研过程中形成的“乐观误判”，进一步推动被调研公司负面信息的隐藏。控制变量中，Inshold的系数在1%的水平下始终显著为正，这与曹丰等(2015)[21]以及许年行等(2013)[22]的研究结果一致。

表2 主要变量的描述性统计

表3 基金公司实地调研对负面信息隐藏程度的OLS回归结果

注：(1)***、**、*分别表示参数的估计值在1%、5%、10%水平下显著；(2)括号内为T值。下表同。

2.不同市场状态下基金公司实地调研与被调研公司负面信息隐藏程度

由于本研究几乎涉及在深圳证券交易所上市的所有A股上市公司，故选定深证A指作为反映市场行情的指标，并运用Pagan和Sossounov(2003)[19]提出的“波峰波谷判定法”确定牛市和熊市的时间区间。由图1可以看出，2013年第一季度到2015第二季度之间，市场走势呈现明显的“峰态”，而2015年第三季度，市场走势呈现明显的“谷态”，因此最终确定2013年一季度至2015年二季度为牛市，2015年第三季度为熊市。

图1 深证A指时间序列图

由表4可以看出，在牛市状态下基金公司实地调研指标的回归系数都显著为正，而在熊市状态下，基金公司实地调研指标的回归系数都为负，虽然有些在统计上并不显著，但是其相对牛市的相反效果仍然得到了证实。即相对牛市，熊市状态下基金公司实地调研更加谨慎和尽责，能部分挖掘到被调研公司隐藏的负面信息，降低被调研公司隐藏负面信息的程度，假设H2得到证实。

表4 不同市场状态下基金公司实地调研对负面信息隐藏程度的回归结果

3.不同调研行为方式下基金公司实地调研与被调研公司负面信息隐藏程度

为了对假说H3a和H3b进行验证，计算被调研的1139家上市公司中，16个季度内单独调研次数占总调研次数的比例，并得到均值为0.10954，根据高于和低于均值，将这1139家上市公司划分为单独调研组和集体调研组，这两组涉及的上市公司数量分别为390和749。由于篇幅限制，表5只列示主要结果。从表5可以看出，单独调研组，基金公司实地调研对上市公司负面信息隐藏程度的回归系数虽然也都为正，但在10%显著性水平下也难以通过检验；说明单独调研所形成的“乐观误判”并不强烈，也就说明了基金公司单独调研挖掘负面信息的效果较好。而在集体调研组，基金公司实地调研的回归系数在1%的显著性水平下都为正，验证了假说H3b。

表5 不同调研方式下基金公司实地调研对负面信息隐藏程度的回归结果

五、进一步检验

上文已经检验了基金公司实地调研对被调研公司负面信息隐藏程度的影响，即对被调研公司负面信息挖掘的效果，证实了基金公司实地调研并没有挖掘到被调研公司的负面信息，反而因其“乐观误判”推动了被调研公司负面信息的进一步隐藏。为了更加直观地考察基金公司实地调研过程中可能形成的“乐观误判”，本研究选取基金公司对上市公司的持仓量(fund positions)作为检验的指标。因为，基金公司持仓量将受到基金公司实地调研的影响，若基金公司实地调研挖掘到被调研公司的负面信息，则会导致基金公司持仓量的降低；相反，如果基金公司实地调研没有挖掘到被调研公司的负面信息，甚至形成了“乐观误判”，将导致基金公司持仓量的增加。运用模型(2)进行实证检验。其中，Cmv表示流通市值的对数，Growth表示营业收入增长率，其他变量与前述测度一致。

Fundpositionsi,t=π+ω1FVisti,t+ω2Cmvi,t+ω3Growthi,t+ω4Agei,t+ω5Roai,t+ξi,t

(2)

表6 基金实地调研对基金持仓量影响的回归结果

根据表6的结果可以看出：基金公司实地调研导致基金公司对被调研公司的持仓量进一步增加，证实了基金公司实地调研过程中形成了对被调研公司的“乐观误判”。

六、稳健性检验

(一)内生性问题

针对遗漏重要变量可能带来的内生性问题，采用工具变量法进行回归分析。由于基金公司对上市公司实地调研受制于交通工具便利性的影响，基金公司实地调研与否、调研次数必然与被调研公司所在城市开通的高铁数量相关，但城市开通高铁数量是由管理当局决定的，属于外生变量，与残差项不相关，也与其他解释变量不相关，故而选定被调研上市公司所在城市开通的高铁数量GT_number作为工具变量。运用GMM进行回归，从表7可以看出解释变量的回归系数依然显著为正，且J-statistic也完全接受了工具变量外生性的假设。

表7 基金公司实地调研对负面信息隐藏程度的GMM回归结果

基金公司实地调研在选择对象时可能往往倾向于去那些披露正面信息多的企业，这些企业可能只披露正面信息而对负面信息避而不谈，使得基金公司实地调研选择的对象可能往往就是那些负面信息隐藏程度大的企业。由此，本研究设计的模型可能存在因果互逆的情况。针对互为因果可能带来的内生性问题，采用联立方程进行回归。实证研究结果显示，解释变量的系数都在5%的水平下显著为正，进一步支持了前文的结论(限于篇幅，具体结果略)。

(二)极端值问题

样本中存在的极端值可能会影响实证结果的稳定性，从表2的描述性统计分析中，我们发现解释变量NCSKEW的最大值高达8.377，最小值为-8.339，皆远离其均值-0.569和中位数-0.524，可以认定本研究中的被解释变量存在极端值问题，使用稳健回归(RLS)进行实证分析发现，在考虑极端值之后，解释变量的系数不但始终为正，且更加显著，整个模型的解释力也更进一步提升，R2W基本都在16.5%左右(由于篇幅限制，未将结果列示)。

七、结论与启示

本研究采用手工收集的数据，检验基金公司实地调研挖掘负面信息的效果。经过实证检验发现：(1)基金公司实地调研不但没有挖掘到被调研公司的负面信息，反而因其在实地调研过程中形成的“乐观误判”，加剧了被调研公司负面信息的隐藏；(2)就基金公司实地调研在不同市场环境下的表现而言，在牛市状态下，基金公司充斥着乐观情绪，基金公司实地调研不但不利于负面信息的挖掘，反而形成了更大的“乐观误判”，进一步隐藏了上市公司负面信息；(3)就基金公司实地调研的行为方式而言，基金公司集体实地调研挖掘负面信息的效果更差，对被调研公司隐藏负面信息程度的升高更为显著。同时，本研究采用GMM方法和联立方程方法针对性地控制了内生性问题，并运用RLS方法控制了极端值带来的影响，结果上述发现依然成立，保证了本研究结论的可靠性。并进行了进一步的检验，发现基金公司在实地调研过程中形成的“乐观误判”体现在随后的对被调研公司的持仓量上，基金公司实地调研与随后的被调研公司持仓量正相关。这一结论充分表明：基金公司实地调研往往是“走马观花”而非“信息挖掘”，是基金公司对投资者“塑造形象”的一种手段。

从上述结果可以看出，我国的基金公司实地调研并未达到理想的效果，反而成了被调研公司隐藏负面信息的“从犯”，说明基金公司实地调研尚不成熟、基金公司调研质量有待提升。造成这一结果的可能原因是我国基金公司治理水平低下，基金公司实地调研过程中难以真正实现为投资者服务的目标。因此，我们必须采取有效措施，推动基金公司实地调研的健康发展。首先，监管层应适时出台相应规则规范基金公司实地调研。监管层肩负着保护投资者利益和确保市场健康运行的责任，基金公司实地调研虽然只是基金公司个体行为，但对于基金公司自身的广大投资者以及市场中其他的投资者都会带来影响，并引发股价的变化。其次，基金公司实地调研要追求质量而不是数量。作为负责任的基金公司在调研过程必须谨慎和尽责，在精力和人员有限的情况下，并适当减少调研次数，增加单次调研时间，确保信息挖掘优势充分发挥的时间，而不是走马观花。

注释：

①Baker(1998)调查发现：相比经分析师处理的信息，基金经理更加重视自身从上市公司管理层那里获取的原始信息或数据。

②Graham等(2005)调查发现，管理者倾向于延迟披露坏消息而不是好消息； Kothari等(2009)的研究也表明：管理者披露坏消息和好消息分布并不对称——即管理者更倾向于隐瞒或推迟披露坏消息而加速披露好消息；因此，对于基金公司实地调研对上市公司所隐藏的坏消息的挖掘才能直观且真实的反映基金公司实地调研的价值和效果。