朱杨阳，林钟高
（安徽工业大学 商学院，安徽 马鞍山 243002）
从十九大“转变政府职能，创新监管方式”到十九届五中全会“建设高标准市场体系，加快转变政府职能”，再到2021 年两会“稳步推进注册制改革，完善常态化退市机制，加强债券市场建设”，表明政府一直在寻找促进资本市场发展的均衡定位。而有关政府行为对资本市场影响的观点目前尚无定论，陈冬华和姚振晔[1]基于产业政策的证据发现政府行为提高了股价中公司特质信息含量进而降低了股价同步性，而Morck 等[2]发现政府行为具有较大的不确定性，可能会抑制市场的信息套利行为从而阻碍了特质信息进入股价。就我国资本市场呈现出的短期投机性强的“政策市”特征似乎也表明政府行为会提高股价同步性，而信息披露监管作为公共权力干预竞争市场的重要手段，监管模式于2015 年由“辖区监管”调整为“分行业监管”，已有研究发现其能抑制上市公司的盈余管理、降低股价崩盘风险并提高会计信息可比性[3-5]，那么对股价同步性又会产生怎样的影响呢？当前，信息披露监管有效性的研究主要聚焦于处罚性监管，鲜有文献从信息披露监管模式变更这一视角展开。进一步，分行业监管通过何种机制影响股价同步性更是缺乏深入探讨。
基于以上分析，本文以2010-2019 年沪深A股上市公司为样本，检验了分行业监管模式对股价同步性的影响。本文可能的贡献体现在：首先，为政策变更的市场效应提供了增量证据。不同于以往的违规处罚、问询函等视角，本文从股价同步性视角，以信息监管模式变更的背景考察了信息披露监管的有效性，提供了政策变更对资本市场价格趋势影响的证据，为进一步完善信息披露监管制度提供了理论指导；
其次，丰富了股价同步性影响因素的文献。股价的“同涨同跌”一直是中国资本市场的顽疾，以往的研究主要从信息中介、信息质量剖析降低股价同步性的途径，本文从政策变更视角检验了制度实施的市场效应，说明了资本市场制度建设的重要性，为如何提高股价定价效率提供了新思路；
最后，揭示了影响股价同步性的机理，说明信息披露监管能够改善信息环境，信息能更快、更准确地反映在股价中。
关于股价同步性，学术界形成了两种截然相反的观点。“信息效率观”认为若公司个股价格与市场“同涨同跌”程度较高，可能是个股所含的公司特质信息较少导致其更多的是跟随市场整体的走势[6]，因而较低的股价同步性表明更多的公司特质信息融入股价中[1][7]。基于股价中公司特质信息多寡这一视角，较高的股价同步性是由于严重的信息不对称减少了市场参与者基于公司特质信息的交易行为，进而阻碍了特质信息融入股价[8]。既有研究也发现关键审计事项的披露、“沪港通”、高铁的开通与新闻媒体报道等影响股价同步性的机制就是促进了公司特质信息的释放、降低了信息不对称程度[9-10]。然而，以West 为代表的“非理性观”认为股价的超额波动很可能是非理性行为引起的，而严重的信息不对称性为噪声交易创造了更大的空间，加剧了个体公司股价的波动程度[11]。若较低的股价同步性反映了更多的信息，那么金融异象在这类公司应该更少，然而Teoh 等的实证结果与之相反[12]。因此，基于“非理性观”的解释，较高的信息质量、公司治理水平会减少了投资者基于信息不确定性的非理性行为进而提高了股价同步性[13-14]。
显然，以上两种主要观点是完全对立的，然而特质信息和非理性行为都会影响股价的波动，在信息与噪音交错混合的资本市场，股价的定价效率和股价同步性之间的关系可能因信息披露或信息不对称程度和投资者非理性程度等呈现不同效应[15-16]。
随着资本市场服务实体经济的能力与包容力的不断增强，上市公司的数量迅速增加，行业结构和规模也发生了很大变化，导致信息披露监管面临的环境和形式更加复杂，监管资源可能并不能同步扩张，吴越和马洪雨就指出在我国的监管实践中，证监会与证券交易所存在重复监管、监管真空的现象[17]。因此，如何合理配置有限的监管资源是提高监管效能的重要举措，为了解决信息披露“区域监管模式”存在的问题，提高上市公司信息监管的专业性和有效性，2015 年证监会正式将信息披露监管模式调整为行业监管。当前，交易所也在实践中不断总结分行业监管的经验并认真汲取投资者和市场各方的意见，持续推进行业信息披露指引的发布与修订，切实强化上市公司的信息披露监管。
与此同时，有关股价同步性学术界尚未形成统一的观点，较低的股价同步性一方面可能是更多的公司特质信息被纳入股价[2]，另一方面也可能是噪音的干扰[14]。同时，以资产定价模型为基础的股价同步性主要受到两类信息的影响，一是宏观和行业层面的信息;二是公司层面的特质信息。那么在“信息效率”与“非理性观”的不同逻辑下，行业监管模式下交易所优化了“监管阵型”与信息披露规则，在促进更多特质信息的释放并融入股价之中进而降低股价同步性的同时，可能也会抑制公司机会主义行为与噪音交易进而提高股价同步性；
另外，其也可能会引发更多的噪音交易从而降低了股价同步性。因而本文将从不同视角来分析分行业监管对股价同步性的影响，并提出竞争性研究假说。
3.1 分行业监管降低了股价同步性
首先，交易所监管水平的提高能促进特质信息的发布、改善信息披露质量。一方面，证券交易所自身就处在证券监管的第一线，与政府的行政监管相比应对市场的各种变化方面有着其独特的优势（注释1），而且其从业人员的专业知识背景和信息优势，使证券交易所对上市公司的信息有更强的整合解读能力，能更有效地识别公司在经营和财务上的纰漏[18]；
另一方面，分行业监管后交易所优化了“监管阵型”，以上市公司所处的行业为划分依据，将行业相同或相近的上市公司划分为一组并以此安排监管工作人员，相应地年报等信息审核也将由同一组监管人员负责。另外，交易所初步建立了行业研究资料库并对监管人员进行不定期培训，拓宽监管人员知识的广度与深度，提高了监管人员的行业专长能力。同行业之间的公司具有相同的宏观经济因素、发展机会、类似的会计实务操作等[19]，监管人员还可以比较分析同一监管组内同行业公司的信息披露。因此，行业监管在违规监管与信息审核水平等方面都会大幅度提升，Dodd 和Leftwich[20]指出上市公司信息披露的动机更多是应对信息披露监管的要求，监管机构的主动监管有助于发挥其威慑作用进而有效揭示公司层面的特质信息[21]，监管力度越大公司披露的报告越真实[22]。那么行业监管作为更优的外部监管机制可能通过增加特质信息的释放、降低信息不对称来降低股价同步性。
其次，分行业监管要求上市公司在年度报告和临时报告披露对投资者决策有重大影响的经营性信息，可能通过信息间相互作用改善会计信息质量。行业监管模式下，交易所从相类似的行业模式入手并对相关行业进行了细分，依据分行业监管的实践经验以及公开市场意见逐步制定了部分行业信息披露指引，不仅要求上市公司披露更多与经营相关的信息，更加注重信息披露的决策有用性、简明性和可比性，还鼓励上市公司自愿披露能体现其真实投资价值和潜在风险的信息，例如：汽车制造行业上市公司应当在年报中披露行业发展状况与公司主要经营模式，并披露其产能状况；
在临时报告披露不同车型的产销数据并提供相关数据的同比变动情况（注释2）。可以看出，经营信息中包含了大量生产经营中的生产、销售等数据，一般易于信息使用者理解，分析师实地调研、审计师或者监管方一般也不需要太多特定的知识或职业判断就能识别出具体数量的偏差，因而更不易受会计假设、政策选择的影响。但公司在对外呈报时，大量的内部信息并不会对外披露，会计信息在很大程度上便成为了外部信息使用者几乎唯一的信息来源[23]，而作为“公共产品”信息的外部性以及两权分离所导致的管理者机会主义动机行为，信息供给的数量与质量往往是难以得到保证的[24]，比如说管理层可能会为增加投资者信心等利用酌量权操纵会计数据，处于信息劣势的投资者一般很难发现问题，这就造成了会计信息易于操纵的缺点。相比之下，从内容上看，经营信息直接反映了公司实际的经营情况，而且是易于验证、理解的具体产销数据等；
从发布频率上看，其与会计信息披露是同频的（年报、季报、临时报告），可以及时动态反映公司业务的变化（累积）情况，便于投资者直接对公司生产经营活动进行判断。因此，这些同时期的经营信息与会计财务数据之间有着各种逻辑推理关系，具有较为及时可靠的解释与验证能力，使得两种信息之间的相互印证成为可能，增加了操纵异常会计信息被质疑的风险、缩小了代理人利用会计酌量权进行盈余操纵的空间[25]，提高了信息透明度。
最后，分行业监管一定程度上能够抑制公司寻租行为进而减少上市公司有意隐藏特质信息的行为。信息披露监管是以督促上市公司积极履行信息披露义务，降低资本市场信息不对称程度→提高资本市场信息效率→合理配置资源为目的。在这种监管活动中，证券监管机构运用信息披露监管权力这种稀缺资源制定并执行相关信息披露的规则、制度等，一定程度上决定了管制政策所施加的对象等。因此，上市公司的信息披露监管作为整个证券监管体系的核心，也会引起上市公司竞相“追租”以获取超额收益的行为，而公司为继续寻租或避免引起社会不满，一般会选择选择降低信息质量来避免与寻租行为相关的财务数据公之于众[26]，比如说公司并购、融资、盈余等一系列与公司价值密切相关的公司特质信息。但从寻租的便利性来看，分行业监管模式下，交易所是以行业为划分依据对分布在全国各地的上市公司进行监管，一定程度上加大了各地的被监管对象俘获交易所监管人员的难度。因此，分行业监管可能够减少上市公司隐藏特质信息的行为，进而降低股价同步性。
3.2 分行业监管提高了股价同步性
首先，“非理性观”认为投资者的非理性行为是导致股价超额波动的主导因素，因而行业监管模式若能提高信息质量便会减少投资者于信息不确定而产生的非理性行为进而提高股价同步性。对于处于转型经济的中国资本市场而言，股价的系统性风险较大、法律制度以及投资者保护机制不完善[27]，在中小投资者与大股东的博弈中，他们往往因处于信息劣势而偏向于跟风[28]。此时，监管部门主动式监管能够弥补法律不完备所带来的监管空白，通过信息揭示有效抑制资本市场的投机行为[29]，而且良好的外部监管环境能抑制公司的盈余操纵行为，提高上市公司的盈余质量[30]。那么在这种逻辑下，行业监管模式反而会提高股价同步性。
其次，分行业监管也要求上市公司发布更多行业信息，可能导致部分行业的公司股价同步性提高。信息传递之所以会发生，正是由于公司公布的信息中包含会对其他公司产生影响的行业信息[31]，而信息披露指引中要求公司发布在行业中所处位置，核心竞争力，行业发展分析及行业经营指标等数据，比如说，零售行业上市公司可以根据其他地区的销售总额等行业指标与相关宏观经济数据说明行业发展状况，并披露所在细分行业或区域的市场竞争状况等（注释3）。那么当同行业公司发布披露更多的行业和市场信息，相互印证使得这些行业信息对宏观、行业层面的解释力度上升，可能导致投资者过度利用市场或行业信息进行交易（个股的股价中融入更多行业信息），进而造成同步性的上升。
基于以上分析，本文提出研究假设H：
Ha：保持其他条件不变，信息披露监管模式变更与股价同步性呈显著负相关关系。
Hb：保持其他条件不变，信息披露监管模式变更与股价同步性呈显著正相关关系。
4.1 样本选择与数据来源
本文以2010—2019 年沪深A 股上市公司为实证样本。其中，股价同步性数据与公司基本财务数据均来自国泰安数据库（CSMAR），机构投资者数据来自Wind 数据库，具体的筛选规则如下：（1）剔除创业板样本（注释4）；
（2）剔除金融行业、保险业及ST、PT 公司样本；
（3）剔除2015 当年及以后上市的公司样本；
（4）考虑年报发布时间，以当年5 月到次年4 月为计算股价同步性的周期；
（5）剔除股票交易周数不足30 的样本；
（6）剔除相关控制变量缺失的样本。整理后最终得到股价同步性14489 个样本值。本文对所有连续变量进行了1%的缩尾处理以剔除异常值的影响，运用Excel2010 和Stata16 进行统计分析。
4.2 变量定义
参考伊志宏等[32]的研究，用股票i的周数据按照公式（1）进行回归得到模型的拟合优度R2，再采用模型（2）对R2进行对数化处理，得到股票i的股价同步性指标SYN。
其中，Ri,w,t为股票i 在第t 年第w 周考虑现金红利再投资的收益率；
Rm,w,t为t 年第w 周流通市值加权平均收益率；
RI,w,t为t 年第w 周行业流通市值加权平均收益率。另外，模型中以2012 年证监会行业分类标准为依据。
借鉴陈冬华和姚振晔[1]、徐硕正等[8]、许年行等[14]、顾小龙等[28]的研究，我们选取了相关控制变量，具体定义见表1。
表1 变量定义表
4.3 模型设定
为考察分行业监管与股价同步性之间的关系，我们建立模型（3）对主假设进行检验。
其中，Treat代表处理组，若公司所属行业在样本期间有行业信息披露指引取值为1，否则为0；
Post为分行业监管正式实施时间哑变量，2015年及以后的样本取值为1，否则为0。文章将重点关注交互项（Treat*Post）的系数。
5.1 描述性统计
表2 的描述性统计结果显示，股价同步性（SYN）的均值为-0.531，最大值1.450，最小值为-3.937，说明不同公司间“同涨同跌”的程度差异较大；
处理组的样本均值为0.259，表明大概有25.9%的样本有具体的行业信息披露指引；
核心解释变量（Treat*Post）的均值为0.133，表明有13.3%的受监管政策变更的影响。同时，其他变量的描述性统计指标与已有文献并无实质性差异。
表2 主要变量的描述性统计
5.2 相关性分析
表3 给出了所有变量的相关系数分析结果。主要变量的相关性显示股价同步性与分行业监管显示出负相关关系，说明了分行业监管降低了股价“同涨同跌”的程度，以上只是两个变量之间的相关关系结果，本文在后面也将加入控制变量，做出更为严格的检验。同时，由皮尔森检验结果可知其他变量之间的相关系数也是较低，说明不存在严重的多重共线性。
表3 主要变量的相关性性分析
5.3 多元回归分析
表4 列示了分行业监管与股价同步性的回归结果，根据第（1）列OLS 的回归结果不难发现，核心解释变量（Treat*Post）在1%的水平上显著为负，说明了监管模式的变更显著降低了股价同步性，初步证明了假设Ha。这可能是因为行业监管模式降低了信息不对称、提高了信息质量，使股价融入更多特质信息进而降低了个股价“同涨同跌”的程度。为了控制个体差异，采用公司年度的固定效应模型，结果见表4 第（2）列；
考虑到政策可能存在滞后效应，采用滞后一期进行回归，结果见表4 第（3）列。可以看出交互项的系数均显著为负，进一步证明了假设Ha。
表4 分行业监管与股价同步性的回归结果
注：*表示在10%的水平上显著，**表示在5%的水平上显著，***表示在1%的水平上显著。所有回归均采用公司层面的聚类稳健标准误差，下同。
同时，主要控制变量资产负债率（Lev）、机构投资者持股比例（Inst）等与股价同步性负相关，公司规模（Size）、总资产收益率（ROA）等与股价同步性正相关，与已有文献的结果并无实质性差异。
5.4 稳健性检验
5.4.1 倾向得分匹配法（PSM）
股价同步性的影响因素较多，尽管我们已经尽可能地控制了相关因素，但是我们并不能排除遗漏关键变量的可能性，因而为了保证实证结果的稳健性，本文采用倾向得分匹配（PSM）控制内生性。首先，我们整理出了影响股价同步性的因素，包括公司规模（Size）、成长性（Growth）、盈利能力（ROA）等；
其次，我们寻找对应的控制组样本，通过Logit 回归得到每个观测值的倾向性评分，采用最邻近匹配法进行匹配；
最后，剔除匹配不成功的样本，将得到的新样本按照模型（3）进行回归。表5 列（1）报告了基于PSM 子样本的双重差分结果，Treat*Post 的回归系数为-0.082，在10%的水平上显著。
5.4.2 其他稳健性检验
（1）替换被解释变量。为进一步验证本文的结论，我们参考王亚平等[12]的方法再次计算股价同步性（SYN2），如表5 第（2）列；
（2）剔除政策变更当年（2015），如表5 第（3）列；
（3）控制省份、行业、年度以及其他控制变量。鉴于行业监管对不同地区的监管效应可能有所区别，文章进一步控制了上市公司所在省份，如表5 第（4）列。可以看出交互项的t值分别-1.940、-1.933 和-2.960，均在统计学上具有显著意义，进一步说明了行业监管模式可能促进信息融入股价之中进而降低了股价同步性。
5.4.3 安慰剂检验
参考刘瑞明和陈仁杰[33]的研究，通过改变政策执行时间进行反事实检验。除了监管模式变更这一政策变化外，一些其他政策或随机性因素也可能导致股价同步性的降低，而这种差异与监管模式的变更没有太大的关联，最终导致前文的结论不成立。为了排除掉这类因素的影响，我们将行业监管政策实施年份提前2 年（2013），如果此时股价同步性并不会显著降低，则说明增量贡献可能来自于监管模式的变更。表5 第（5）列Treat*Before 的系数表明将政策实施年份提前2年并不能显著降低股价同步性，进一步证明了我们的结论。
表5 稳健性检验
6.1 影响机制检验
在前文的研究中，本文证实了信息披露监管模式变更降低了股价同步性。进一步，分行业监管究竟是如何降低股价同步性的呢？这里的机理需要进一步的检验，因而本文采用温忠麟等[34]的中介机制检验方法来进一步证明Ha 的理论逻辑。
6.1.1 分行业监管的“信息效率”中介机制检验
基于前文“信息效率”的解释，我们认为分行业监管后交易所自身的监管优势、监管水平的提高等会有效提高上市公司信息质量、降低市场信息不对称，高质量的会计信息使股价反映出更多公司层面的特质信息，从而降低了股价同步性。首先，分析师作为资本市场重要的信息中介，其预测准确度能够反应资本市场的信息不对称程度[35]，因而我们参考周开国等[36]的研究构建信息不对称的代理指标（Ferror）（注释5），数值越大代表分析师预测偏差越大（信息不对称程度越高）；
其次，基于前文分行业监管能够抑制“寻租”减少了隐藏特质信息的行为，我们参考申宇等[37]的研究采用“超额管理费用”作为寻租费用（Rent）的代理变量，数值越大说明企业的寻租活动可能更积极。
表6 列（1）、（2）报告了分行业监管与中介变信息不对称和寻租费用的回归结果，从交互项的回归系数可以看出行业监管明显降低了信息不对称程度并抑制了公司的寻租行为；
第（3）、（4）给出了股价同步性与中介变量的回归系数，可以看出股价同步性与中介变量具有显著相关性，行业监管模式主要是降低了信息不对称，使股价吸收更多特质信息从而降低了股价的“同涨同跌”。
表6 中介机制检验结果
6.1.2 分行业监管与盈余信息含量关系检验
参考Tucker 和Zarowin[38]的做法，采用基本模型（4）（CKSS 模型）进行回归分析，检验分行业监管对过去、当期未来会计盈余信息的影响。同时，为进一步检验分行业监管的作用，我们加入解释变量（注释6）与其他回归变量的交互项后用模型（5）进行检验。
上式中，Xi,t和Xi,t-1表示公司第t和t-1 年经年初股票价格调整后的每股收益（EPS），Xi,t3表示公司第t+1 到t+3 年经年初股票价格调整的每股收益之和，Ri,t3表示公司t+1 到t+3 年的股票收益之和。
根据现有研究，若分行业监管使更多与未来盈余相关的私有信息反映到股价中进而降低了股价同步性，股价中应该包含更多未来盈余信息，则模型中的b1（当期收益对过去盈余的回归系数）应该为负，b2（对当期盈余的回归系数）应该为正，b3（未来盈余反应系数）应该为正，b4（对未来收益的回归系数）应该为负。另外，若分行业监管提高了股价中的未来盈余信息，当期收益与未来盈余的相关性更强，即b8显著为正。表7 第（1）列为加入核心解释变量（Treat*Post）交互项的回归结果，分行业监管与未来盈余交互项（Treat*Post*Xi,t3）的回归系数显著为正（b8=0.621，t=2.039），说明分行业监管提高了未来盈余的反应系数；
表7 第（2）列为加入分行业监管与未来盈余交互项以及相关控制变量后的回归结果，不难看出b1-b4和b8的系数均符合预期。因此，我们认为行业监管模式可能提高了股价的信息含量。
表7 盈余反应能力回归结果
6.2 排除性检验
6.2.1 排除“噪音”解释
在辖区监管模式下，相同或相近行业的公司大多分布在全国各地，其信息披露行为受到不同监管人员的监管，而实行分行业监管后，交易所将对分布在全国各地的同行业上市公司进行日常监管、信息审核等。与属地证监局相比，交易所可能会失去一定的属地信息优势，不能及时发现上市公司日常信息披露所存在的问题，尤其是距离交易所较远的上市公司。因此，分行业监管一定程度上给予了一些上市公司隐藏信息披露的空间，导致信息披露质量的下降从而导致股价同步性的降低。因此，分行业监管也有可能降低信息披露质量，引发更多的非理性行为从而降低了股价同步性。
基于以上分析，本文参照Nuno 和Ferreira[39]排除噪音交易替代解释的方法，构建股票交易中私有信息的代理指标(Private_Info)，用股票的周收益率和交易量代入模型（6）进行估计，其中交互项的系数η 度量了股价中的信息含量，数值越大意味着公司更多基于信息的交易而非基于噪音。表8 第（1）列交互项的系数可以看出表明分行业监管明显增加了股价中私有信息含量。
其中ri,t是股票i第t周的收益率，Vi,t-1 为股票i每周的周转率减去26 周移动平均值后取自然对数。
6.2.2 行业信息检验
行业信息披露指引可能促使同行业公司发布披露更多与行业和市场相关的信息，信息间的相互印证使得这些行业信息对宏观、行业层面的解释力度上升，从而加剧了行业间股价联动。此时，股价中可能包含更多的行业信息，前文采用的模型（1）中也包含了行业收益对股票收益的影响，因而为更好的验证股价中的信息存在性和信息性质，本文采用Piotroski 和Roulstone[40]以及黄诒蓉和白羽轩[41]的做法构建行业信息的代理变量（SYNInd），数值越大表示行业信息在股价中的反应程度越高。首先采用模型（7）估计出拟合优度，然后计算模型（1）与（7）的拟合优度之差RInd=R2-，最后将RInd采用模型（2）的方法进行对数化处理得到行业信息反映程度的代理指标SYNInd。表8 第（2）列可以看出交互项的系数为-0.015（在10%的水平上显著），表明分行业监管并没有使股价中含更多行业信息，可能正是前文所说的行业监管模式使得更多公司层面特质信息纳入股价。
表8 排除性检验结果
其中,Ri,w,t为公司i 第k 的个股周收益率，RM,w-1,t为第w 周市场收益率。
信息披露监管作为公共权力干预资本市场的重要举措，对宏观市场和微观层面公司行为的影响巨大。那么信息披露监管模式的变更作为一种强制性制度变迁所产生的影响应当也是明显的，但鲜有文献探究。为此，本文从股价同步性视角探寻行业监管模式所产生的经济后果。研究发现：（1）交易所自身的一线监管优势以及监管效能的提高能够抑制公司信息的选择性披露行为，提高了信息质量从而降低了股价同步性；
（2）行业监管是通过使股价吸收更多公司特质信息而非引发更多“噪音”降低股价“同涨同跌”程度，从而股价中包含了更多与未来盈余相关的信息。
本文研究的主要启示在于：（1）一个好的制度安排是资本市场信息环境的重要保证[41]，在新兴资本市场更需要良好的上层建筑为实现股价的价格发现功能与资源配置功能保驾护航；
（2）若监管能够发挥信息揭示作用，那么只需通过加强信息监管效能提高信息质量，将公司在资本市场的去留决定权交于市场参与者。本文证实外部信息监管的有效性，一定程度上为当前监管重心由核准制转为注册制提供了间接的证据支持。
其局限性表现在，股价的“同涨同跌”有两种解释，本文虽从“信息效率观”进行了解释并排除了替代性解释，但股价中信息的性质与多寡究竟如何衡量？有待相关研究的持续发展；
同时，行业监管模式实行至今才6 年有余，文章可供选择的样本区间有限，后续是否能够持续发挥积极作用还有待时间的检验。
注释：
(1)见国际证券监管委员会联合会(IOSCO)《监管的目标和原则》
(2)见《上市公司行业信息披露指引第六号—汽车制造》
(3)见《上市公司行业信息披露指引第五号—零售》
(4)由于大多创业板行业信息披露指引涉及行业过细难以对应行业代码，因此我们剔除了创业板样本。
(5)考虑年报的披露时间，我们以当年5 月到次年4 月为区间并保留每位分析师（团队）当年最近的一次预测。
(6)因为本文中间关注交互项（Treat*Post）的系数，所以这里的解释变量我们用的是交互项。
猜你喜欢分行业同步性特质2022中国石油和化工企业500强和分行业百强企业调研工作全面展开化工管理(2022年14期)2022-12-022022中国石油和化工企业500强和分行业百强企业调研工作全面展开化工管理(2022年13期)2022-12-02文人的心理探索之“痴颠狂怪”特质国画家(2021年4期)2021-10-13时滞非线性复杂动态网络的牵引自适应控制同步性廊坊师范学院学报(自然科学版)(2021年2期)2021-09-10南通上市制造企业供应链管理能力分行业分析中国市场(2019年22期)2019-07-25产品装配中的时间同步性测量技术电子测试(2018年6期)2018-05-09论马克思主义的整体性特质潍坊学院学报(2016年1期)2016-12-01终极股权结构、分析师跟进与股价同步性实证研究上海管理科学(2015年6期)2015-07-31提高变电站基础量测数据时间同步性的方法电测与仪表(2015年15期)2015-04-12抓住特质,教出说明文的个性语文知识(2015年11期)2015-02-28