摘 要
风险信息披露是行为金融学的重要内容之一，也是市场参与者进行投资决策时所要考察的重点信息。证监会自2007年起就已要求上市公司强制披露风险信息，随后在2012年及2014年对《年度报告的内容与格式》不断修订并完善，对风险信息披露的要求日益强化。风险信息作为非财务信息的重要组成部分，披露的本意就是让企业利益相关者能够了解当下或未来面临的风险因素，然而现实中，由于信息不对称，风险信息披露具有很强的自主性，企业的风险信息披露质量不尽如人意。因此，本文首先分析了企业的风险信息披露质量，同时从信用评级机构这一重要的外部信息中介出发，考察风险信息披露质量的影响因素，从而为更好地发挥风险信息披露的价值提供依据。
本文首先借助企业年报数据中“管理层讨论与分析”披露的风险信息，分析我国上市公司的风险信息披露质量，在相关文献的基础上，对企业风险信息披露质量进行指标体系的构建。通过提取关键词进行词频统计，测算企业风险信息披露频率；基于文本向量化方法，利用python对本文信息进行向量化处理用于测算风险信息含量；利用偏最小二乘法、组合预测法以及残差度量法对风险信息披露效率进行测算，最后对结果进行统计分析，为接下来的实证分析做准备。其次，利用多元回归模型从信用评级的不同调整方向入手，对我国上市公司的风险信息披露质量2007-2018年的数据进行实证分析，探究了企业主体信用评级的不同调整方向对风险信息披露质量的影响效果及差异。同时，在此前实证研究的基础上引入分析师跟踪与评级机构竞争两个调节变量，探索外部信息中介对信用评级调整对风险信息披露质量作用的调节效应。此外，为探索在主体评级调整后，企业改变风险信息披露行为是否具有可行性，对风险信息披露质量与后续评级之间的关系进行了更深的挖掘。最后，基于信用评级调整可能对风险信息披露质量造成的负面影响以及信用中介对其产生的调节作用，本文从XX、企业和投资者三个层面提出了规范我国风险信息披露质量的针对性建议。
本文得出的主要结论包括：企业风险信息披露质量可从风险信息披露频率、风险信息含量和风险信息披露效率三方面进行衡量，由测算结果可知，企业风险信息披露质量整体水平较低且呈逐年下滑趋势。实证表明，企业信用评级下调，年报风险信息披露质量较低，信用评级上调，风险信息披露质量会随着风险信息含量的提高而显著提升。分析师跟踪和评级机构的竞争都会削弱信用评级下调与企业风险信息披露质量间的负向关系，但只有分析师跟踪能进一步增强信用评级上调对风险信息含量的正向影响。此外，当信用评级被调低时，管理层改变风险信息披露的自利行为多数情况下会奏效，评级机构在后期的确会给予较高的信用评级，但企业的这种行为会在信用评级下调幅度较大时有所收敛并失效。
关键词：信用评级调整风险信息披露质量分析师跟踪评级机构竞争
0引言
0.1 研究背景及研究意义
0.1.1研究背景
自2008年世界金融危机爆发以来，风险管理、风险信息披露等内容由于能够揭示企业对自身风险的总结和预判，对未来危机的发生起到警示作用，逐渐被社会各界高度重视和关注。随着我国上市公司规模的快速增长，作为上市公司财务信息重要补充的风险信息的披露是减少管理层与股东之间信息不对称的重要调解器，既有利于作为委托方的股东更为全面掌握、评价公司发展状况，又有利于提升作为代理人的管理层治理企业的责任感和服务意识（蒋巍和杨颖颖，2015[1]），从而促进企业健康发展，其预示风险的效应对于化解整个资本市场的金融危机以及资源优化配置和高效运作也起到极其重要的作用。我国监管机构已经认识到风险信息披露的重要性及其作用，颁布的《年度报告的内容与格式》中强制要求披露风险信息，并在2012年以及2014年两次修订中不断强化风险信息披露要求，证监会也要求上市公司应该主动披露风险因素，而且披露的风险因素需要尽可能做到定量分析。2019年1月23日，中央深改委召开的会议指出，要建立健全以信息披露为中心的股票发行上市注册制。可见，风险信息披露已经成为了企业信息披露的重要组成部分，为了更好地发挥风险信息披露的价值，研究风险信息披露质量的影响因素十分必要。
风险信息披露最主要的目的是让企业利益相关者包括投资者、信息中介机构等能够了解风险信息，然而现实中，企业的风险信息披露质量却不尽如人意。由于目前我国还未对企业风险信息披露进行系统的规范，上市公司对披露的风险信息有很强的自主性，会综合考虑各方面因素来调整风险信息披露的质量和数量，包括外界对企业的声誉评价（王彦东等，2020[2]）。信用评级作为债券市场中的重要信息中介，通过对信息进行收集和扩散，有利于投资者进行合理投资，对于提高债券市场信息质量也有着重要影响。2009年11月，《上海证券交易所公司债券上市规则》与《深圳证券交易所公司债券上市规则》的修订，对发债企业信用评级有了全新的规定，要求发行人债项评级不低于AA，进一步肯定了信用评级在我国的重要地位。由于信用评级对债券发行及价格、企业融资约束、股票价格等都有显著影响，一旦公司的信用评级被下调，被降级公司的融资成本将增大，进而影响企业的经营决策与战略选择（林晚发和陈晓雨，2018[3]），反过来企业的经营、融资和投资决策也会考虑信用评级因素。因此，为了不使投资者对公司失去信心，缓解融资压力，在信用评级被调整时，管理层会考虑在披露风险信息时审时度势，披露好消息隐藏坏消息(Tsai et al.,2016[4])，这势必会影响到风险信息披露质量。
就现有文献来看，公司内部的一般性因素以及公司治理结构类因素都会影响到企业的风险信息披露质量，但对于外部环境对其影响，国内还未曾涉及。其实，上市公司身处一个完备的金融市场中，任何对自己不利或有利的消息，例如信用评级、审计报告等，都会影响风险信息披露的水平和质量。此外，Benmelech(2017)[5]认为信用评级机构对企业进行评级时会充分考虑企业基本面的全部信息，这其中自然包括企业的风险信息披露水平。研究信用评级等外部信息中介对风险信息披露质量的影响，不仅有利于打好防范化解上市公司风险的攻坚战，还会协助企业利益相关者包括投资者更好地了解相应的风险信息，从而影响投资决策。相关研究表明，管理层会采用降低自身的风险承担来避免评级下降或者提高未来评级，反过来，评级的调整对企业风险信息披露质量的影响也是显而易见的。因此，从信用评级角度考察企业风险信息披露质量的影响因素是本文的重点。
本文的研究目的主要有两个：一是风险信息是影响投资者决策的关键信息，并影响社会资源的有效配置，风险信息披露质量到底如何以及受哪些因素影响成为了当下国内外学者研究的重点。从国内来看，关于风险信息披露质量的研究，只是进行了一些规范性的理论研究，实证研究也是集中在研究公司内部影响因素，因此，拓展这方面的实证研究是非常有必要的。本文通过对我国上市公司风险信息研究，分析信用评级与风险信息披露行为的关系，为研究我国上市公司风险信息披露的影响因素提供全新视角，从而为改善我国风险信息披露质量提供依据，进而引导我国资本市场健康发展。二是目前关于信用评级调整对公司决策的影响，研究了企业在经历信用评级下调后，是否通过盈余管理以及履行社会责任来提高未来评级，缓解融资约束。实际上，企业可以仅通过年报对外披露信息的管理来故意向外界传递积极信号，达到缓解融资约束、降低融资成本进而恢复信用评级的效果。因此，如何正确识别企业对外风险信息披露质量可以为个人投资者、机构投资者和监管部门等提供合理建议，使之更切实可行。
0.1.2研究意义
对上市公司本身来说，面对日趋复杂的环境，企业的经营者和所有者必须关注经营环境以及资本市场对企业的评价和反应。债券作为企业融资的重要途径之一，也是资本市场中最重要的融资工具，对债券以及主体的信用评级必定会影响着企业的日常经营和投资决策。因此，发行公司债的企业与一般上市公司相比具有特殊性，对风险信息披露质量在信用评级视角上的影响因素的研究，可以给企业经营管理者在信息披露决策时提供参考，以期给我国债券市场上企业的风险信息披露一定的指导意义。
对于投资者来说，投资者或年报使用者必须准确掌握企业面临的各种各样的风险，才能在投资时做出正确的决策，而获取风险信息的重要来源之一就是其自行披露的风险信息，上市公司披露的风险信息如果是有用或有效的，能被投资者或年报使用者获取，就会带来相应的回报，因此风险信息披露是投资者决策的重要依据。所以对信用评级调整对风险信息披露质量的影响进行研究并且针对性的提出相应的改善意见后，能够在一定程度上帮助提高发债企业风险信息披露质量，进一步帮助投资者获得更多有用的企业信息、给广大投资者在进行决策时提供决策依据。
对于监管部门来说，本文的研究结果能够给监管者制定相应的风险信息披露规范一定的建议，并且要求监管部门从与信用评级的关系入手加强对管理层择时披露行为的监管，对年报中风险信息披露的相关内容进行严格的法律约束，以达到保护投资者利益的目的，同时也能促进金融市场的稳定健康发展。
0.2 国内外研究现状
0.2.1企业风险信息披露的质量评价研究
（1）内容分析法
在对年报的研究中，Shrives&Linsley(2002)[6]为了检验风险信息披露质量与β的相关关系，对82家伦敦证交所上市公司年度报告中“管理层讨论与分析”中的风险披露进行了研究，发现二者并无相关关系。吴运建和商行(2013)[7]通过分析我国上证A股上市公司年报的非财务信息来考察A股上市公司风险信息披露与公司业绩和资本市场回报率之间的关系。李亚玲和赵娟(2014)[8]以年报中的非财务信息为基础，通过对披露内容和披露质量两个维度进行分析，提出了改善非财务信息的政策建议。周婷婷(2015)[9]立足于风险信息披露的合规性考察披露质量，从形式合规性、是否披露风险应对措施以及规则执行情况等三方面衡量风险信息披露质量，结果表明，上市公司对风险信息的披露并未完全按照证监会的要求进行，风险信息披露质量偏低，信息含量不足。赵培花(2019)[10]聚焦MD&A中前瞻性信息，理论分析了前瞻性信息披露由于有明显的趋利避害、厌恶风险倾向以及实质性内容较少的特点，导致风险信息披露质量较差，存在误导或故意隐瞒投资者的现象。易珩等(2019)[11]应用语义分析方法，使用特征词频数、语气强度以及乐观程度三个维度衡量创业板公司风险信息披露质量，并对所面临的风险进行分类。
在对招股说明书的研究中，种莉萍(2005)[12]以及吕祥友等(2015)[13]分别对企业拟上市时以及新股发行时公开发行的招股说明书进行内容剖析，对企业风险披露的现状、趋势和现存问题进行评价并提出政策建议。黄方亮等(2012)[14]采用内容分析法，考察自2007年年初到2010年年底4年间在我国主板、中小企业板上市的公司的IPO招股说明书中的风险因素信息披露的显性内容。黄方亮(2015)[15]重点考察招股说明书风险信息中披露的隐形内容，发现涉及风险因素的内容显然是乐观的、被高估的而且是“误导性的”，投资者无法依据风险信息披露所表达的意图来预测企业的盈利能力和市场前景。
（2）评分法
谭圆(2011)[16]结合评分法和内容分析法，构建风险信息披露质量评价体系，从格式、内容、相关性和方法四个方面考察上市银行风险信息披露质量。王丽娜和朱卫东(2011)[17]在对商业银行风险信息披露评价指标体系的研究中，构建了一种基于二元语义信息处理方法的评价模型，对我国商业银行风险信息披露质量进行评分，得出风险信息披露质量总体偏低的结论。
0.2.2风险信息披露质量的影响因素研究
我国目前并没有对风险信息披露制定强制性的规定，因此上市企业披露风险信息是一种在综合考虑了企业发展战略、信息使用者需求等因素后作出的一种自主性很强的行为。现有文献较多关注于风险信息披露的描述性分析(Elshandidyet al.2018[18])，集中于从公司层面进行探讨(Al-Hadiet al.2019[19])，在对国内外相关文献进行梳理后，现从一般性影响因素和公司治理类因素进行归纳分析。
（1）一般性影响因素
一般性因素是指企业规模、上市时间地点和业绩水平等企业自身因素，杨洁和王梦翔(2020)[20]、Linsley et al.(2006)[21]都认为，规模越大的上市公司越会加强自身的管理能力，更加主动地披露更多的信息，增加企业信息披露的透明度，从而能来更好地维持与自身规模相匹配的社会公信力和影响力。在企业财务业绩方面，扈文秀等(2020)[22]发现净资产收益率、总资产收益率等公司绩效类代表盈利能力的指标与上市公司的信息披露质量存在显著的内在关联性。
（2）公司治理类影响因素
相关研究表明，上市公司信息披露质量的主要影响因素是公司治理结构，有效的公司治理已成为削弱委托代理矛盾带来负面影响的重要手段之一（钟伟强等,2006[23],高雷和高田,2010[24]）。现有文献主要考虑了股权结构、独立董事或机构投资者占比等公司内部治理方面的因素对风险信息披露质量的影响情况。
从股权集中度方面来看，陆烨(2019)[25]经过研究发现，股权集中度与风险信息披露质量呈负相关关系；王雄元和沈维成(2008)[26]在对深市上市公司2004年的相关信息进行研究后发现，股权结构是影响年报信息披露策略的重要因素，不同股东之间的力量制约与对比即股权集中度与信息披露质量呈正相关关系。从股权性质方面来看，相比于民营企业，国有企业因为受到的管控更加严格，所以对信息披露的监督更有效，风险信息披露质量更高(Eng&Mark,2003[27])。
从人员配置的角度来看，Oliveira et al.(2011)[28]研究表明，董事会的独立性会影响风险信息披露质量，独立董事会对企业信息披露的真实性进行监督，因此，独董占比越大，描述性风险信息披露的详尽程度越大（彭博，2012[29]）。但是，企业中“一股独大”情况的存在却会大大削弱风险信息披露的质量(王雄元和沈维成，2008[26])，此外，管理层持股比例与信息披露质量也呈负相关关系(Ruland&Tung,1990[30])；除了公司内部人员结构的影响，机构投资者作为企业重要的外部监督者，其持股比例也正向影响了企业的风险信息披露质量(杜莉和戴倩倩,2010[31])。
从两职合一的情况来看，上市公司与其信息透明度存在负相关关系，即存在两职合一情况的上市公司，董事会的监督管理功能被削弱，公司会倾向于隐瞒对自身不利的信息，其自愿性风险信息披露水平较低(Forker,1992[32],Ho&Wong,2001[33])，信息透明度较低（崔学刚，2004[34]）。
0.2.3风险信息披露对企业市场表现的影响研究
企业管理者所披露的风险因素能有效地将企业的风险传递给投资者，包括特质风险、信息不对称和企业价值(Campbell et al.,2014[35])，通过提高散户投资者和利益相关者的风险感知，影响他们的投资策略(Kravet&Muslu,2013[36])，进而对企业后续的市场表现产生影响。
（1）对公司业绩的影响
Hoberg&Maksimovic(2015)[37]进行了基于文本的分析，使用从年报中“管理的讨论和分析”(MD&A)提取的10-K文本来创建财务约束的度量，MD&A中披露的风险信息能够体现企业面临的财务约束。吴运建和商行(2013)[38]通过分析我国上证A股上市公司年报非财务信息中的风险信息披露水平，发现本年经营业绩和市场表现与风险信息披露负相关。白晓宇(2009)[39]发现信息披露质量在一定程度上能够缓解融资约束，提高投资效率，降低公司业绩的波动性。
（2）对公司股价的影响
已有研究证实，较高质量的风险信息披露可以缓解市场中的信息不对称，降低融资成本，提高股票的流动性，进而起到稳定股价的作用。Diamond(1991)[40]等人对风险信息披露、市场流动性和资本成本之间相互关系的研究中发现，上市公司对风险信息的披露可以缓解信息不对称，显著降低资本成本，从而吸引了更多的投资者，促进股票的流动性提升。Deumes(2008)[41]对1980年至1989年在阿姆斯特丹证券交易所筹集资本的荷兰公司招股说明书中的风险信息进行研究后，得出上市公司未来的股票价格走势与风险信息披露质量的走势比较一致的结论。潘越等(2011)[42]通过研究发现公司信息透明度有助于改善大股东与中小股东之间的信息不对称以及代理冲突问题，从而减少个股暴跌的风险。常远(2019)[43]实证研究表明，我国上市公司年报中外部风险信息的披露可以抑制股价崩盘风险发生的可能性。
（3）对公司后续评级的影响
目前国外已有文献对风险信息的披露质量对信用风险的影响进行相关研究。Tsai et al.(2016)[44]研究表明，因为企业年报中管理层讨论与分析的内容由管理层准备，并传达公司业绩和潜在的未来发展，评级机构将公司文件的风险披露纳入了他们对公司风险的评估。公司披露的风险信息质量影响股票价格和资产价值，资产价值的变化可能导致企业信用评级的改变(Odders-White&Ready,2006[45])，从而影响债券市场。不仅如此，Nordenet al.,(2004)[46]和Yanget al.,(2017)[47]研究发现，低评级期间企业披露的公开文件中负面语调较多，进一步说明管理层对风险的乐观程度能够影响信用评级。因此，当信用评级调整导致企业面临不利局面时，管理层可能会故意披露好消息隐瞒坏消息，改变风险披露的内容和质量，以达到提高信用评级的效果(Li,2008[48])。
0.2.4信用评级产生的经济影响研究
（1）信用评级水平的基础功能
①降低信息不对称
由于债券市场中债权债务人之间的信息不对称较为严重，所带来的委托代理问题也将严重损害债权人利益。信用评级作为重要的违约考量指标，对于降低债券市场的信息不对称有着重要作用，即信用评级能够提高债券市场中的信息透明度。信用评级机构通过搜集企业的私有信息，拓展了投资者了解企业潜在风险特别是企业未来的现金流风险(Nayar&Rozeff,1994[49];Gray et al.,2006[50])的渠道，协助投资者进行正确的投资决策。Bosch&Steffen(2011)[51]和Sufi(2007)[52]研究表明，信用评级降低了借款人与贷款人之间的信息不对称，从而使得拥有穆迪和标准普尔评级的借款人可以通过债务方式筹集到更多资金。另外，相关研究也认为，信用评级降低信息不对称的作用使得债券市场上的流动性增强(Boot et al.,2006[53];Bosch&Steffen,2011[51])。
②认证效应
为了达到更好的评级，企业可能与评级机构进行合谋，但多数文献已经证实，信用评级机构与信用评级仍被看作是公司质量的保证，即体现出一定的认证效应(Megginson&Weiss,1991[54])。信用评级可以对未来企业价值进行认证，这将影响企业外部融资能力与融资成本(Faulkender&Petersen,2006[55])。研究表明，信用评级反映了金融市场对企业信用质量的评估(Whited,1992[56];Almeida et al.,2004[57])，这将直接影响银行贷款规模(Sufi,2007[52])以及企业债务融资能力，影响企业面临的融资约束。具体地，企业信用评级越高，融资成本越低，越容易获得外部融资，一方面，企业的净负债水平和发行额就会越低（朱波和刘文震，2019[58]），另一方面，也能在一定程度上抑制企业的投资不足问题（吴育辉和张润楠，2016[59]）。Whited(1992)[56]和姚靠华等（2016）[60]研究表明，信用评级是公司以较低债务成本获得债务融资能力的显示变量，证实了信用评级作为企业融资约束替代变量的可行性。另外，相应的文献从股权融资定向增发角度(Liu&Malatesta,2006[61])以及企业违约风险角度(A1-Najjar&Elgammal,2013[62])分析了信用评级对于融资约束的影响，进一步确定了信用评级作为企业融资约束度量指标的可行性。
综上所述，信用评级一方面能够降低企业与市场参与者之间的信息不对称(Yi&Mullineaux,2006[63])，一方面其认证作用能够区分企业的优劣。因此，作为企业违约风险综合考量指标的信用评级一旦被调整，信贷部门会以此为参考，重新估算它们的信贷规模，投资者也会慎重考虑是否继续对其进行投资，这严重影响了企业的融资约束和融资成本，对企业后续经营决策和投资等都会产生不小的影响。因此，企业有动机在信用评级被调整时做出反应，在披露风险信息时隐瞒坏消息，披露好消息，降低了风险信息披露质量的同时以期恢复原有的信用水平。
（2）信用评级调整对企业战略选择的影响
国内文献采用事件研究法证实了信用评级调整会对企业后续的战略选择产生影响。例如，林晚发和陈晓雨(2018)[3]发现中国债券市场信用评级变化存在一定的信息效应，即信用评级调低存在显著的负向效应，同时，他们也发现信用评级调整的信息效应在股票市场中也存在。另外，金融市场中企业融资以及借贷行为也会受到信用评级调整的影响(Hovakimian et al.,2009[64])。
调整资本结构信用评级作为衡量企业质量的重要信号(Kisgen,2006[65])，一旦被下调，企业将会面临较大的融资约束，市场投资者会认为这个企业未来违约风险较大，那么企业后续将承担更重的经营压力。在这种压力下，企业有很强的动机采取相应措施来恢复或者提高未来的评级。国外学者较早的从多个角度分析了信用评级调整对于公司决策的影响。首先，Grahamet al.,(2001)[66]通过调研数据分析发现，企业管理层在对资本结构进行决策时，会参考企业的信用评级，这个结果随后得到了许多实证文献的支持(Kisgen,2006[65],2009[67];Aktas et al.,2017[68];Attig et al.,2013[69])。其他的研究也发现，信用评级调整会影响企业的战略决策(Ali&Zhang,2008[70])，尤其是，部分企业评级下调后会选择调整杠杆率(Kisgen,2006[65],2009[67])来提高后续评级。但林晚发和刘颖斐（2019）[71]随后研究表明，企业信用评级下调，降低了外部负债融资比例，表现为企业被动地降低杠杆率。
进行盈余管理然而，试图改善企业的信用评级并不简单，经济状况、行业发展趋势、管理层的风险承担都会影响企业的经营状况，进而使得企业的收益率降低、未来违约风险增大，在这种情况下，由于资本结构调整存在滞后性，不能立刻改变评级机构对于企业未来风险的决策，因此公司会考虑其他快捷的方法来恢复未来的信用评级。相关研究发现，当信用评级下调后，公司会虚增收益、降低报告盈余的保守性(Ali&Zhang,2008[70])以避免评级再次下调。此外，因为评级师的专业知识的限制，他们无法识别企业的盈余管理行为(Ashbaug-Skaife et al.,2006[72])，企业有很强的动机进行更多的盈余管理（林晚发和刘颖斐，2018[74]）来进行业绩与印象管理，以此提高未来的评级。
影响定性信息披露行为除了信用评级机构，企业还有例如审计分析师等其他的信息中介对其进行监督，企业进行过多盈余管理操作早晚都会被识别，因此，企业有动机对更易操作的定性信息进行管理(Benmelech,2017[5])，也就是说，当信用评级被调整后，企业也可能改变定性披露行为，例如通过履行更多的社会责任(林晚发和刘颖斐，2018[73],Jiraporn et al.,2014[74])、降低自身风险承担(Kuang&Qin,2013[75])和降低公开申报文件中的风险因素披露规模(Tsai et al.,2016[4])等来传递积极信号，起到提高未来评级的作用。
0.2.5国内外文献评述
现有文献关于风险信息披露质量的研究比较丰富，聚焦于构建风险信息披露质量的评价体系、公司内部因素对其的影响分析以及风险信息披露质量对后续市场表现的影响。现有研究仍然存在以下尚待完善之处：
（1）关于风险信息披露质量影响因素的研究，学者们大多数基于信息不对称理论和代理理论，围绕企业规模、股权集中度、公司管理层和机构投资者等公司内部因素等方面展开，对于公司外部信息中介对风险信息披露质量的研究还尚少，研究的不够深入和全面。大量研究表明，信用评级的调整能够改变企业定性信息披露行为，然而由于风险信息具有特殊性，其能否影响风险信息披露的质量使得深究。
（2）国内目前对风险信息披露质量的量化还没有统一的标准，集中在通过对风险进行分类，考察不同风险披露的详细程度或合规性来衡量质量，衡量指标单一且有偏向性。评价风险信息的披露质量，应综合考虑披露的详尽程度和风险信息的可理解性、预测力等多方面内容。因此，完善风险信息披露质量的衡量指标，是对现有风险信息披露质量量化的有益补充。
0.3 研究思路与研究方法
0.3.1 研究内容
第一部分，相关概念与理论基础。引言部分将主要梳理国内外关于信用评级调整、风险信息披露质量量化与风险信息披露质量影响因素三方面的理论与应用研究综述。该部分包括：首先是三个主要概念：信用评级调整、风险信息披露和风险信息披露质量；其次是四个理论机制：信息不对称理论、委托代理理论、信号传递理论和管理层捂盘假说理论。
第二部分，企业风险信息披露质量测度。该部分将首先对风险信息披露质量的构成要素进行一个理论分析，通过相关理论支撑提出其作为构成要素的合理性；其次，通过偏最小二乘法和组合预测法构建衡量企业实际经营状况的综合盈利水平和综合偿债能力指标，作为测算企业风险信息披露效率的解释变量，用以考察企业相对财务信息而言的风险信息披露效率的高低；然后，再对不同的要素分别进行测算，利用python对企业年报中相应的文本信息进行摘取，然后通过文本分析法统计风险词频数并对风险信息披露频率进行测算，基于本文向量化和回归方程将文本转换成向量，并利用回归系数和残差计算得到企业的风险信息含量，以此作为风险信息披露质量的两个重要要素；最后，利用面板模型和企业综合盈利水平与综合偿债能力指标，计算管理层的过度乐观程度和风险信息准确性，作为风险信息披露效率的指标，并对各个要素进行描述性统计分析。
第三部分，信用评级调整对企业风险信息披露质量影响的实证分析。该部分将首先进行信用评级作为风险信息披露质量影响因素的理论分析并提出假设，从动态的角度，探讨评级下调对企业风险信息披露行为以及风险信息披露质量的影响效应，并对调节变量的作用进行分析；其次对各个变量进行描述性统计和相关性分析，保证回归的可操作性，构建非平衡面板模型，将信用评级调整变量与风险信息披露质量的各个指标进行回归，再通过调节效应检验模型将分析师跟踪和评级机构竞争作为两个重要的调节变量加入到基本回归中，以此探求外部信息中介是如何在信用评级调整影响企业风险信息披露质量的过程中起到调节作用的；进一步探讨企业改变风险信息披露质量是否会对后续评级产生影响，也就是考察评级调整后，企业利用风险信息披露行为作为恢复评级的手段，是否具有可行性；最后，考察信用评级下调幅度对企业风险信息披露质量的影响，并对本章内容进行内生性检验。
第四部分，研究结论与政策建议。针对信用评级调整对风险信息披露质量的影响，结合前两部分研究成果，总结研究结论，并为上市公司、投资者和监管部门提出相关建议，为提高市场透明度、提高企业风险信息披露质量献计献策。
0.3.2 研究方法
本文根据提出问题、分析问题、解决问题的逻辑顺序，采用理论分析与实证分析相结合，定性分析与定量分析相结合的方法对信用评级调整与企业风险信息披露质量的关系展开研究。
理论分析法在理论分析中，通过查阅大量的文献资料，总结目前国内外对风险信息披露质量的研究现状，重点梳理风险信息披露质量评价体系、风险信息披露质量的影响因素等方面的研究。同时，运用目前比较成熟的信息不对称理论、信号传递理论等，为本文的研究提供理论依据。
实证分析法 在实证分析中，采用内容分析法、多元回归分析和调节效应分析的方法。内容分析法是现今研究文字描述性信息披露的最常用方法。本文通过对企业年报中风险信息进行关键词提取、分析语调、进行文本向量化和信息分解等，从定性和定量的角度构建风险信息披露质量评价体系，判断企业风险信息披露质量水平。
通过进行描述性统计、多元回归分析和其他稳健性检验，实证研究在信用评级调整时，企业风险信息披露质量的变动水平。通过建立调节效应检验模型，实证检验分析师跟踪和评级机构竞争对评级调整效应的影响。
0.3.3 技术路线
本课题涉及较多学科，通过大量阅读相关文献，梳理并整理分析出适用于本课题的理论方法。从风险信息披露质量的影响因素为切入点，以信息不对称理论、委托代理理论、信号传递理论和管理层捂盘假说作为研究的理论基础，首先基于上市公司公开披露的年报信息，构建企业风险信息披露质量指标体系，在此基础上探索企业信用评级调整对风险信息披露质量的影响机制，在此基础上分析分析师跟踪与评级机构竞争对信用评级调整与风险信息披露质量关系的调节作用，并基于以上研究进一步分析后续评级的变化，考察下调幅度对风险信息披露质量的影响程度，为本课题企业信用评级调整对风险信息披露质量的影响效应研究做出合理有效的理论支持和决策依据。
图0-1技术路线图
0.4 论文的创新点
本文的创新性工作如下：
（1）在考察风险信息披露质量的影响因素时，不同于以往学者从公司内部因素出发，本文创造性的从影响融资约束的债券市场信用评级这一外部因素作为研究对象。基于信用评级调整对企业后续经营决策的影响现状，本文从信用评级的功能出发，来探究信用评级调整对风险信息披露质量的影响，并考察这种影响的主动性。实证结果显示，信用评级的调整的确会影响到企业的风险信息披露质量，不同的调整方向影响作用各不相同，且这种影响主要是企业为了恢复评级而做出的主动性改变，这种“自利行为“会受到其他外部信息中介和大幅度的评级下调的制约。
（2）本文根据委托代理理论和管理者捂盘假说，考虑披露的风险信息对公司是否具有预测性，将风险信息披露质量细分，构建风险信息披露质量指标体系，实证结果表明，可以从风险信息披露频率、风险信息含量和风险信息披露效率三个不同的角度分别考察风险信息披露质量的好坏，弥补了现有量化方法的不足，为今后比较风险信息披露质量拓宽了研究视角。
1相关概念与理论基础
1.1相关概念界定
（1）信用评级
信用评级是指由独立的第三方信用评级机构以大量搜集到的宏观经济、相关行业市场以及企业自身运营等数据和信息，对被评级对象未来一定时期内的发展前景、财务状况和公司债券的约定条件等方面可能面临的信用风险进行综合归纳分析并出具的正式观点。
目前我国信用评级市场中主要使用的评级语言包括信用等级、评级展望、信用观察名单。信用等级包括主体信用评级和债项信用等级，其中，主体和中长期债项信用等级的等级符号分为：AAA、AA、A、BBB、BB、B、CCC、CC、C，除AAA级以上，CCC级以下等级外，每一等级可用“+”、“-”符号进行调整。评级展望是指被评级对象主体评级在未来一段时间内的可能变化，其结果有“正面”、“稳定”和“负面”等形式，具体随不同评级机构的变化而变化。其中，当评级日主体信用评级由一个等级变成另一个等级，就可以说在本评级日该公司的信用评级发生了调整。
评级因素对企业来说是至关重要的，信用评级作为信用风险的表现形式，其变动能够影响企业的资本结构，这种变动是企业的被动变动（吴育辉等，2019[76]）；也能够影响企业的经营决策，例如进行盈余管理等(林晚发和刘颖斐，2018[74]），这种主动做出反应的行为是通过影响投资者的情绪实现的。信用评级能够帮助投资者提高对违约风险的认识，降低信息不对称。
（2）风险信息披露
国外学者Hossain et al.(1995)[77]认为信息披露就是上市公司把其相关信息在招股说明书、上市公告书、定期报告和临时报告中向投资者和社会公开披露的自愿行为。而风险信息披露就是上市公司把能够直接或间接影响到利益相关者决策的风险信息以公开报告的形式真实、准确、及时、完整地提供给投资者和债权人等风险信息使用者的过程，也即向外界传达企业在运营和管理过程中已经或未来可能涉及的风险信息的行为（王雄元等，2018[78]）。其中，企业偿债能力方面的风险对债权人来说是十分重要的，信用风险对供应商来说也是其极为关注的信息。
（3）风险信息披露质量
风险信息披露质量不仅包括风险信息披露的数量（字数、条数），还包括风险信息披露的风险类别（内部风险、外部风险；或政治风险、财务风险、技术风险等）、风险描述详尽程度（是否具有信息含量）、风险信息与实际情况的匹配度、是否有风险应对措施和风险信息披露是否及时等。
风险信息披露质量通常是以一定的评价标准对风险信息披露质量进行评价。本文综合借鉴并改进了张曾莲和段晓彦(2015)[79]、易珩等(2019)[11]的风险信息披露质量评价体系，在定性和定量的基础上从披露数量、信息含量和披露效率三个方面构建风险信息披露质量评价体系，对我国债券市场上的相关企业年报披露的风险信息质量进行评价。
1.2企业信用评级调整影响风险信息披露质量的作用机理
1.2.1基于信息不对称理论的机理阐释
信息不对称理论指的是信息在各个市场主体之间的分布是不均匀的，在债券市场上，代理人即债券发行方拥有更多、更新、更确切的相关信息，处于信息优势地位，而委托人即债券投资方则相应的处于信息劣势地位，因此会面临更大的风险(Akerlof et al.,1970[80])。信息不对称产生的原因大体可分为信息成本、委托人与代理人利益冲突、经济环境的不确定性这几方面，直接影响是导致逆向选择和道德风险两种不利后果。逆向选择指的是交易的一方不能获悉交易另一方的商品的类型或质量，由于获取信息的高成本，低质量的商品最终挤出高质量的商品，它有时也被称为隐藏信息问题。道德风险，一般是指交易双方达成一项契约和合同后，委托人不能观察到代理人的行动，代理人可能从事败德行为来损害委托人的利益，因此道德风险也被称为隐藏行动问题，如经理人偷懒、投资风险过大项目（皮建才，2011[81]）。
投资者以及外部中介机构获取信息的主要来源是上市公司的招股说明书、年度报告等公开性文件，但是上市公司的管理层出于各种考虑往往不会提供完整、相关性高的信息，这就会产生“信息不对称”问题。对委托人来说，获得足够多的可靠信息，有利于他们做出正确的经济决策，是他们考核代理人经营业绩的重要依据。对代理人而言，企业信用评级调整是做出风险信息披露决策的重要信息，随着评级的调整，隐满风险信息或提供虚假信息的同时，也必然会使其自身利益受到损害，最终被逐出市场，因为信息使用者因“受骗”导致决策失误之后，大概率不会再与管理者签订雇佣合同或者干脆抛售股票（林斌，2000[82]）。因此可见，披露风险信息是投资者和经营者的共同需要，但披露的度和质量如何把握才能有助于减少信息不对称状况，是解决逆向选择和道德风险的重要途径。
1.2.2基于委托代理理论的机理阐释
委托代理理论是指一个人或一些人委托他人根据委托人利益从事某些活动，并相应授予代理人某些决策权的契约关系(Jensen&Meckling,1976[83])。他们认为，委托代理关系普遍存在，且委托和代理双方都是追求效用最大化的理性经济人，委托方追求企业价值最大化，而代理方追求高报酬和休闲时间。因此，代理方不可能完全按照委托人的意愿行事，不能按照委托人的目标展行，故而造成了双方的利益冲突，产生代理成本(池国华和王钰,2018[84])。为了对代理方进行有效的监督和约束，委托方往往会通过订立各种契约来缓解代理问题。信息披露能有效缓解委托人与代理人之间的冲突，因此，委托人会要求代理人充分披露信息，信息披露质量越高，契约约束行为的效果越好（李芮萱和王善平，2018[85]）。
在投资者与企业的委托代理关系中，作为委托人的投资者会要求企业及时公开风险信息，提高风险信息披露质量，以确保企业违约风险在可控范围之内，自身利益不受侵犯。而在我国，信用评级体系普遍采用“发行人付费”模式，存在双重代理问题，债权发行方和信用评级机构的委托代理关系中，不追求评级准确性、只关心自身利益的债券发行人作为实际委托人，为了获得最大利益，会与评级机构出现利益合谋现象（林晚发等，2017[86]）。企业在公开风险信息时，既要考虑投资人的实际需求，又要考虑自身利益，因此对于风险信息披露质量自会有所斟酌。
1.2.3基于信号传递理论的机理阐释
信号传递理论在解决信息不对称导致的逆向选择问题上发挥了极其重要的作用。从信号传递理论来看，由于企业的管理者比外部投资者和信息中介机构更为直接地了解企业未来的现金流量、风险、投资机会和盈利能力等信息，他们只有通过适当的机制和内容向市场传递这些信号，向外部投资者表明企业的真实价值，才能稳定投资者情绪，获得良好的发展机会。如果企业不充分披露相关信息，投资者就不能充分了解企业未来发生的风险动态，因而不能正确地对企业做出评价，进行正确的投资，从而发生逆向选择，导致市场资源配置的低效率（范培华和吴昀桥，2016[87]）。
所以，当上市公司的信用评级较高或进行了上调，那么该企业管理层会基于自身利益、社会影响力等综合考虑，通过信号传递向市场发出其未来发展的准确信号，从而使得自身与评级较差的上市公司区分开来，给投资者传递利好信号，在一定程度上会带动企业未来股票价格的上涨。信用评级较差或经历下调的上市公司也会自愿地披露一定的风险信息来避免投资者由于猜忌而导致的股票价格的下降。黄宏斌和郝程伟（2018）[88]认为，直到各方面表现都最差的公司不再发出信号来显示其价值，证券市场信号显示的过程都会一直持续着。证券市场信号显示的结果在对不同评级的上市公司进行了区分之后，还进一步提高了上市公司披露风险信息的积极性。
1.2.4基于管理层捂盘假说的机理阐释
在对股价崩盘的成因研究中，Jin&Myers(2004)[89]由委托代理理论提出了管理层捂盘假说，又称管理层信息隐藏假说。Kothariet al.(2009)[90]研究认为，公司管理层为了向市场传递公司经营状况良好的假象，会选择报喜不报忧，隐藏经营不佳、面临风险较大等负面消息，这种行为会直接导致上市公司股价产生越来越多的泡沫，随着经营周期的向后推移，当隐藏的负面信息达到一个临界的阈值点时，坏消息的集中释放会最终引起泡沫破裂，导致股价暴跌。
因此，通常情况下企业信用评级的调整会使管理层出于利己动机，对外报喜不报忧，在评级上调时及时的对外披露利好消息，评级下调时主动隐瞒或推迟披露相关的负面风险消息，以便更好的稳定投资者情绪(Tsai et al.,2016[4])。但由于管理层捂盘假说的存在，企业经营管理者也要考虑隐藏负面消息对股价和市值的影响，所以研究信用评级的调整会如何影响风险信息披露质量是十分有必要的。
1.3相关研究方法
1.3.1偏最小二乘法
偏最小二乘法（PLS）是一种新型的统计分析方法。随着数据统计分析在经济与金融研究领域占据越来越重要的地位，偏最小二乘法在理论和应用方面都得到了快速发展。
根据变量的属性是否不同，分析多元统计数据的方法可以分为两种类型。其一是以回归分析模型为代表的方法论方法，将变量分为被解释变量和解释变量，对被解释变量与解释变量之间的相关性进行回归，以建立预测模型。其二是以主成分分析为代表的认识论方法，这种类型的方法无法区分解释变量和被解释变量，而是利用数据分析来简化数据结构，考察变量之间是否存在相关性。因此，以上两种方法的分析原理存在明显差异，但偏最小二乘法可以打破这种差异，通过允许同时进行主成分分析、两组变量的典型相关性分析和多元线性回归，实现了三种分析方法的组合。为获取解释变量与被解释变量的正交特征向量，将高维数据空间投影到低维空间中，接着再构造正交特征向量之间的一元线性回归。
偏最小二乘法具有以下优势：
1.解决解释变量之间的多重相关性问题；
2.包含采样点数小于变量数的情况；
3.回归模型覆盖原始信息集中的所有有效信息；
4.能将有效信息从无效噪音区中提取出来同时消除噪音。
本文利用偏最小二乘法计算中间量以测算企业综合盈利水平进而对风险信息披露效率加以衡量的具体方法将在3.2.3中具体阐述，但大体操作可以分为以下两步：
1.用滞后一期的单个盈利指标对股票的横截面收益进行回归，得到不同盈利指标的斜率
2.用第一步得到的斜率
对每家公司的盈利指标进行回归，回归的斜率即企业综合盈利水平因子。
1.3.2组合预测法
组合预测模型是将几种单一预测模型针对同一研究对象所得的预测结果以一定的规则进行加权组合的一种预测方法。实证研究表明，一般情况下，组合预测的效果都会比单一预测的效果要好，单一预测有些时候会把某些反映事态的因素忽略掉或者丢弃掉，而组合预测能够更充分的利用相关信息，将衡量同一变量的不同指标的估计进行有效整合，通过合理分配不同指标的预测估计占比，提高整体预测准确性。
组合预测模型建立在信息充分利用的基础之上，其主要思想是将几种不同的单一预测模型按照一定的规则进行适当组合，充分利用每一种预测模型提取到的信息，实现提高预测精度的目的。在实际处理成分单一的序列时，使用单一的预测模型往往就能有较好的预测效果，但实际序列往往是比较复杂的，既包含线性特征又包含非线性特征，仅使用一种模型进行预测往往很难充分提取序列中所包含的信息和规律，预测结果往往具有片面性和局限性，而组合预测模型的本质就是将单一预测模型看作是具备不同特征的信息片段，对它们进行合理集成，从而降低单一预测模型预测结果的不确定性，提高预测精度。因此，本文使用组合预测法来测算企业综合偿债能力因子，以便考察风险信息披露的详尽程度，选用的赋权方法是等权重法，也称简单算术平均法，是最简单和常用的权重判断方法。等权重法是给组合预测模型中每个单一预测模型赋予同样的权重。设组合预测模型中一共采用了种单一预测模型，则每个预测模型的权重均为1/n。等权重法最大的优点是其计算简单，操作方便，但其缺点也是显而易见的，等权重意味着忽略了各种预测模型之间的差异性，然而在实际应用中，不同预测模型得到的预测结果和误差大小不可能完全一致，但差异较小可以忽略不计。
因此，组合预测法多运用能对企业综合偿债能力进行预测，能够得到更好的预测结果，大抵操作步骤可分为以下几步：
1.对上市公司偿债指标，按年分别进行信用评级和偿债指标的回归，得到各指标与预期信用评级相关的回归系数
；
2.用第一步得到的回归系数乘以每个指标，计算预期信用评级并进行等值加权，然后得到所估计的综合偿债能力因子
1.3.3非平衡面板回归模型
Flannery和Rangan在2006年的时候提议了局部调整模型的概论，因此理解资本结构的动态调整现象。本文借鉴此模型，通常在资本结构局部调整模型中加入信用评级调整变量，这被用来验证信用评级调整对于资本结构调整来说增量效应快。由于每一年上市公司的数量都会有所变化，所有年度数据总量各不相同，所以在运用回归模型时去选择非平衡面板模型了，这样可以更佳进行回归分析总结。利用非平衡面板回归模型考察信用评级调整对风险信息披露质量的影响，将信用评级上调、不变和下调都作为研究对象，可以更好的分析相对于稳定的评级，不同的调整方向对风险信息披露质量的影响有何不同。
2理论分析与研究假设提出
2.1信用评级调整对企业风险信息披露质量的影响
本章结合前文的相关概念与理论，以及我国风险信息披露市场和信用评级体系的发展情况，对信用评级的调整效应的理论分析如下：
2.1.1信用评级调整对风险信息披露效率的影响
信用评级调整是指本次评级与上次评级的差，从调整的方向性来看，分别体现了评级机构在对债券发行人的信用风险分析的变化。在信用评级下调的时候意味着企业目前的偿还债务及其利息的能力有所下降，投资者接收到这一有效信息，会要求更高的收益来补偿较高的违约风险。为了稳定债券市场中的主体地位并给予投资者信心，减少信用利差，企业会选择在年报中尽量少的披露风险相关信息，以达到隐藏坏消息“迷惑”信用评级机构、尽快恢复信用评级的目的，风险信息披露频率降低。评级上调意味着企业较好的经营现状，违约风险较小，这是对企业应对风险能力和履行偿债责任的肯定，若如实披露风险信息，信息频率应该不会大幅度提高。基于此，本文做出以下假设：
H1：信用评级调整与企业风险信息披露频率呈正相关关系。信用评级下调，企业风险披露频率降低，信用评级上调与风险信息披露频率的关系并不显著。
2.1.2信用评级调整对风险信息含量的影响
信用评级的调整体现着企业违约风险的变化，当企业感知到这种变化后，既要在年报中如实披露，却也想让外界保持信心，故而通过隐晦的语言对文本信息进行调整，例如降低风险信息的可读性、提高同业共有的风险信息比例等。这些隐藏特有信息的技巧体现在风险信息含量中就会使企业的风险信息含量降低。另一方面，企业信用评级调高，既表明企业违约风险的降低，也是对自身风险承担的一种肯定。因此，由于本身风险降低，企业没有操控风险信息披露的必要性，从而提高了风险信息含量。基于此，本文做出以下假设：
H2：信用评级调整与企业风险信息含量呈正相关关系。信用评级下调，企业风险信息含量降低；信用评级上调，企业风险信息含量提高。
2.1.3信用评级调整对风险信息披露频率的影响
从债券发行人信用质量变化方向来看信用评级进行了调整。当信用评级下调时，意味着企业的信用质量降低，违约风险升高，若评级调整是有效的，一方面，风险偏好型的企业管理层为缓解融资约束，规避短期偿债压力，会及时调整资本结构，对未来投资出现激进反应，表现出了投资规模可能会超出实际需要的货币或最佳投资规模，同时对未来的投资收益估大了。同时，企业上层管理人员过度的乐观主义大幅增加，做出有悖于实际情况的投资或战略决策，这种情况下，风险信息披露质量自然就会降低。另一方面，为隐瞒“坏消息”，管理层会选择在年报中降低风险信息披露频率和风险信息含量，这种刻意隐瞒未来风险的行为必然与企业实际经营情况严重不符，导致风险信息准确性降低，进而影响风险信息披露质量。相反，当信用评级被调高时，企业面临的各种风险本身就低，按照实际情况进行风险披露更佳，此时的风险信息披露准确性更高，风险信息披露效率较好。基于此，本文做出以下假设：
H3：信用评级调整与企业风险信息披露效率呈正相关关系。信用评级下调，企业风险信息披露效率降低；信用评级上调，企业风险信息披露效率提高。
2.2分析师跟踪对信用评级调整效果的影响
众所周知，除了信用评级机构，企业还有其他的外部信息中介对其进行监督，其中最重要的就是分析师跟踪。希望巩固其在资本市场声誉的分析师，同时必须提高其分析预测的质量，这将间接影响公司管理层内部控制和披露的质量提高。因此，分析师跟踪关注强度，大大提高了上市公司的信息质量，当企业的信用评级发生变化时，管理层想要通过风险信息披露质量来恢复评级的行为会受到分析师的监督，效果会大打折扣，但分析师的外部监督治理效果却更加明显。因此，本文提出如下假设：
H4-a:分析师跟踪对信用评级下调与企业风险信息披露质量间的关系具有负向调节效应。
H4-b:分析师跟踪信用评级提高与企业风险消息披露质量之间的联系有着正相关的调节关系。
2.3评级机构竞争对信用评级调整效果的影响
中国的信用评级行业主要基于发行人的支付方式，评级公司里面的业务严重同质化。债券发行后的评级服务费是信用评级机构的主要收入。而债券市场需要的企业数量相对较少，同时，收入来源的高度重叠将越来越加剧评级机构之间的竞争，竞争性加大，当前，中国的信用评级通常扮演着比识别风险更具监管性和认证性的角色。根据债券发行审批制度，债券发行人要必须达到一定的评级才能获得发行债券的资格，评价机构只能通过发行人满意的评价后，最后在债券发行后才能获得评级利润。因此，当评级机构市场竞争激烈时，在信用评级下调时，债券发行人就会有意去寻找更高一层的信用评级，不会选择成本较高的方式，例如进行盈余管理、减少风险信息披露质量等，而是会转向“暗箱操作”，通过给评级机构施压等方法促使他们给予更高的评级，这时，风险信息披露质量反而不会降低。随着市场竞争的愈发剧烈，评级机构作为追逐损益的公司主体，在市场份额和收入的压力下，将被激励去追求更高的市场份额和收入，而不需要发债企业自身做出过多的反应。因此，本文提出如下假设：
H5:评级机构竞争弱化信用评级下调对企业风险信息披露质量的抑制作用。
3企业风险信息披露质量测度
3.1风险信息披露质量的评价体系构建
证监会规定，上市公司要在年报中如实披露企业所面临的风险。因此，管理层会根据会计准则、监管规范、公司章程等相关既定标准进行风险披露，并且对于所披露的风险信息也会有一定的定性和定量的认定。根据理性经济人假设，如果上市公司隐瞒了相关风险，说明其化解风险的能力不足，无法在后续经营过程中进行风险控制，如果上市公司识别并披露了相关风险，那么其必定会积极采取相应的应对措施来规避相关的风险。本文在构建风险信息披露质量评价体系时，在朱志红等（2017）[91]、易珩等（2019）[11]的研究基础上，使用风险信息披露频率、风险信息含量和风险信息披露效率三种指标进行衡量，相关理论基础如下。
3.1.1风险信息披露频率理论分析
根据信息假说，具体情况下，年度风险报告具有比较平常的信息属性，和普通信息相比，没有什么不同。首先，年度报告的风险披露频率一般都提升了公共信息的供给量的大小和信息的质量，也提高了信息的透明度和可理解性。提高企业信息披露的透明度同时每年提高信息质量也越来越高，而信用评级经历调整的企业由于风险本来有所变化，加之企业对信息质量或透明度有所决策，因此年报风险信息披露的频率会在一定程度上影响信息透明度进而影响披露质量。其次，风险消息许多揭露的是已知道的风险和突发情况，更新了公司对风险的评估情况，向投资者或其他外部信息中介解释了企业目前以及将来面临的风险的情况。企业能够准确量化的同时，并尽可能对这种风险开放，这就意味着他们对此类风险有非常多的理解，使他更容易让人相信企业有能力去面对风险，和解决风险。并提高市场参与人员对公司充满信心。这将有利于信用评级机构、分析师和其他外部信息中介机构或股东分析和去理解市场，更容易合理控制企业面临的风险，并评估风险的原因和影响，提高预测质量。评级机构在对企业违约风险进行评级时，除了将来的现金流量信息外，还需要风险相关信息，但通过年度风险信息的披露，评级机构对未来现金流量模型参数的估计精度将得到提高，这将有利于评级机构对企业进行合理的评级和监督。因此从信息角度来说，年报风险信息披露频率越高，风险信息披露质量越高，对信用评级的质量影响越大。
在风险的假说里面，年度报告风险信息披露与一般信息不同，有着更多风险属性，有可能降低风险信息披露的质量。另一方面，公开未知的风险因素，如新的风险，能够增加信息的不确定因素，也使得市场参与者难以控制企业风险，从而产生异己的信念，进而降低了风险信息使用的效率，当风险信息被披露出质量下降时，另外一方有大量披露难以理解的风险信息，可能会导致市场惶恐，信用评级机构和投资者也将会信心下降，此时企业也通常被人们认为是风险较高的。市场往往对未知风险充满恐慌和讨厌的，因为与已知风险因素相比，市场更容易影响公司未来的预测，更容易偏重实际风险状况，以及高估风险。所以，从风险角度来看，年报风险信息披露的多就预示着信息不确定性越高、未知风险越高，风险信息披露质量有可能越来越低。
3.1.2风险信息含量理论分析
截止当前。中国企业的主要外部融资渠道是债务融资，银行贷款和债券发行几乎满足了债务金融的所有需求。一方面，作为外部潜在股东，银行在做出信贷决策时面临的一个非常重要的问题，那就是信息不能匹配，是信贷经常错误匹配的关键点。企业经营者更准确地掌握了当前的经营状况和今后的动向，就有了信息优势。对于银行而言，我国银行通常在批准贷款时，根据贷款公司面临的风险进行信用评级，并决定贷款合同。并且贷款企业信息不对称引起的道德风险以及由此引发的逆向型选择是银行贷款风险影响的关键点，所以，融资公司和银行之间的信息匹配不对，这将对企业访问银行贷款筹资有很大的影响。另一方面，公司往往在债券市场上发行债券时，与股东之间有着很大的信息不对称问题，投资者在做出投资决策时，会充分考虑企业的未来盈利状况，特别是应对风险和偿还债务的能力，根据其信用评级和其他所得到的各种信息进行投资决策。因此，在公司遇到筹资约束的情况下，银行与股东将会采取各种办法去降低信息不匹配问题，企业则会采取措施影响主体和债券的信用评级从而缓解融资压力。
中国《证券法》要求在企业信用评级流程中需要注意非财务信息，包括公司治理、经营质量、合规性、生产设备技术能力、产品市场、行业特性、宏观经济环境等。“管理层讨论与分析”（MD&A）信息就包括上面需要关注的非财务信息。外部信息用户可以使用MD&A信息了解企业当前的开发状况，预测未来，在一定程度上能够减少与企业的信息不对称，评级机构也会参考MD&A信息对企业进行信用评级。此外，并购信息提供了未来业务发展的前瞻性信息，与企业下一年度的库存增减、资本支出计划和不可验证的信息进行比较，可起到预测性的作用，能够使外部分析人员提高预测的精度。并购信息的披露降低了企业和投资者之间的信息不对等，也降低了管理层隐藏负面信息的程度。企业公开的并购信息向所有社会公开，企业主要考虑披露可能是股市的参与者，但银行等金融机构是企业重要的外部投资者，其信息质量优于中小规模股权投资者，准确反映了与并购信息组合的企业财务信息的真实性，并且能够预测初未来业绩和未来贷款风险如何。但是，作为文本信息的MD&A；MD&A信息本质上具有自愿披露的本质，企业经营者出于机会动机，并购；有时会选择向MD&A信息公开不可靠的内容。此外，在信息环境复杂化的情况下，为了降低并购MD&A信息的不良影响、提高收益报告的灵活性、减少信息的可读性，选择用更复杂的单词和文章的添加等各种方法战略性地披露信息，结果是外部投资者获得的并购；MD&A信息不仅包括有用的信息，有时还包括没用的信息。孟庆斌等人（2017）通过用文本向量化方法得出MD&A信息中包含信息含量的大量内容，这次试验，检测出了对股价崩盘风险的影响。本文也借用这方法，衡量MD&A信息含量，并作为风险信息披露质量的一个代理变量，考察信用评级调整对其的影响效应。该方法将文本信息分为两大类：其一是标准信息，那就是可以由同行业企业的信息和整个市场其他行业的信息来解释的内容：其二是独特的信息，不能由其他企业来解释，而应反映企业的个体特征，这种事最具有信息含量的信息。当银行做出贷款决定时，独特的信息可以发挥其效用。企业可以通过含有信息内容的MD&A信息向银行发送积极信号。这一积极信号不仅是由于积极披露，而且代表了积极管理自身的经营状况、未来发展计划和风险应对措施，减少了债务债权人之间的信息不对称，减少了企业债务违约的风险，从而帮助企业获得更大的规模、期限更长的债务融资。那就是说，当企业信用评级有所调整时，为使信用评级恢复，缓解融资约束，企业披露MD&A信息含量改变，外部信息使用者和投资者在考虑进行放贷或投资决策时，会有所参考，从而起到缓解融资压力的效果。
3.1.3风险信息披露效率的理论分析
行为金融的发展让传统的经济“理性人”假设被受到“应战”，许多学者从行为金融的角度来解释资本市场中的愿景。在商业决策方面，已有文献研究了异质性特征(如管理者过度自信、风险偏好、认知偏差、短视和保守)对商业决策的影响。中国当前正在经济转型的关键时期，融资的决策对公司的发展非常重要，相关研究从企业治理、企业特征与宏观经济环境的方去来考察了它对公司融资决策的影响力，但很少有研究考虑企业高层人员自己的特征对公司债务融资决策的影响力。过度乐观起源于心理学上，本身的意思是对未来的前景较好可能性看好，不看好未来前景较差，过度乐观性格的特征的表现，通常广泛存在于决策人员的手中，也通常表现在企业管理决策中。太乐观的决策者对公司的未来前景更加乐观，会对公司的风险预判断和贷款决策有重要影响。另一方面，本文从管理层的乐观角度出发，将管理层过度乐观程度作为企业风险信息披露效率的一个衡量指标，丰富了以往研究中构建企业风险信息披露质量指标体系的相关成果。
目前，行为金融学和社会心理学的快速发展下，开始有了很多外在东西挑战起了传统经济学中的“理性人”，目前的研究慢慢从非理性的方面开始研究管理者的决策手段。它通常是非理性的一个特征表现之一，学者们都普遍认为，上层管理者太过于乐观对商业决策的生成有着非常大的影响。当上层管理者过于乐观时，未来的投资收入将会被高估，未同时不重视未来的投资风险就会使不利因素出现的可能性会很大，当企业的信用评级有所调整时，过度乐观的管理者必然会在投资决策上有所调整，就通常会有比较大的投资冲动，投资的程度实际上会比实际所需的金额和优秀投资规模多很多，以期未来获得更大的收益。同期，乐观主义者的管理人员就更加需要长久的资本去实施，避免短时间偿债压力，使信用评级调整到原来的水平。通常公司内部资本周转额不能满足时，管理人员就会让外部融资对资本需要实现满足，而过分乐观的管理人员通常会认为公司股价被低估，不愿用股权融资的方法，而倾向于规模大的长久债务融资，从而影响债务期限结构。此外，乐观主义者的管理人员通常高估自己能力，我认为有更专业的能力和投资经验，可以更好地利用投资机会，同时更好地评估投资项目的收益和风险。在这种情况下，尽管在产生不利因素的情况下，企业信用评级进行了调整，往往，乐观主义者的管理人员也会觉得自己能更好的处理，并去应对，从而，去提高企业面对风险的能力和风险偏好水平，这种对未来风险的预估会在年报“管理层讨论与分析”中对外披露，一方面，表明管理层对企业未来发展的信心，另一方面，也向投资者和信息中介表明企业现阶段的经营情况，稳定他们的情绪。但是这种过度乐观的情况，会直接影响风险信息披露的质量，使外部投资者不能真实的了解企业实际的风险承受能力。
企业在进行信息披露时，会秉承着自愿的原则进行对自己有利的披露行为。，但却能降低贷款利率或融资成本。起初，每年风险揭露这是对已经知道风险去充分的解释，也能够说是准确的未知风险因素，进而去对公司的风险状况进行更新，加大了一般信息的供给量，帮助减少银行之间的信息不对称，能够使银行正确评估公司的信用风险，从而对贷款利率进行降低，能够使评估公司对贷款风险进一步认识，从而使贷款利率得以降低。然后，对公司风险的坦率披露行为，进一步表明了公司开展了比较正确的风险投资活动等，假如公司对风险和对策的披露比较清晰合理，这也意味着由于“好消息”的披露，风险披露可能会降低投资者对未来现金流风险的感知，从而降低投资者对未来现金流风险的感知像黑匣子一样的风险和不同的市场参与者在风险评估上有很大的偏差，风险披露就像进一步打开黑匣子，让市场参与者充分了解公司的风险状况，更准确地评估公司的价值，缩小信息差异，降低资本限额，未来风险信息本身所表达的不确定性具有独特的风险特征，不对称性强，市场参与者的风险感知水平差异很大，增加资本成本，尤其是在风险披露无法获得市场参与者信心的情况下，特别是当风险披露不能获得市场参与者的信心或使他们经历更大的风险时，这能够增加资本成本。大多数普遍都认为，每年披露风险信息可以提供不太均匀的总体信息，不利于提高机密信息的质量和控制，对应对和消除这些风险因素有足够的信心，有助于市场参与者的认可，建立市场信心，提高企业声誉。声誉越高，风险溢价越小，贷款利率越低。最后，每年披露风险可以让银行更直观地了解企业盈余的波动性，使其定价更加准确，并减少其不确定性所要求的风险补偿。因此，明年风险信息的趋同将降低银行贷款利率，而且一般认为每年披露风险可以提供关于风险性质的异构信息，从而提高信息用户的风险意识，风险越大，面临的融资约束越高。起初，企业如果披露更多异质性风险消息出去，那就能说明公司自身风险比较大，而公司风险越大，获取外部资金的成本越高，可能会导致信用评级下降，融资约束增加。然后，一年的风险披露能够使市场参与人员带来的是未来业绩范围的信息，通常不是未来业绩水平的信息，市场参与者对这些信息有很强的不同寻常的评价，这种评价是基于债券市场投资者对企业未来风险没有把握时的风险都会去规避考虑，一般会选择不购买债券不对其进行投资。通常在最后的时候，假如公司又披露了太多的风险信息，没有充分披露风险原因及其应对措施，将极大地提高市场参与者的风险意识，甚至能够让市场参与人员对未知风险的畏惧性，也将极大地增加股票收益率的波动性和交易量。银行和信贷评级机构将去提升企业的风险评估能力，很可能提高贷款利率并降低信用评级水平，从而给企业带来巨大的融资压力。因此在趋异观下年报风险信息将增加企业的融资约束。
基于趋异观的观点，年报风险信息披露将会影响企业的融资约束，企业从自身出发可能会做出减少风险信息披露或者与实际情况不相符的披露行为。信用评级是评级机构根据现有信息整合而得到的对于未来企业债务违约行为的评估，因此，当企业的信用评级有所调整时，说明企业的违约风险有所改变，为了缓解融资约束，企业会在披露风险时选择披露“好消息”隐藏“坏消息”，一方面通过隐藏风险影响外部对企业未来风险的预判，恢复信用评级；另一方面，向外界传达管理层对于应对风险的能力，给予投资者信心。两个方面都有利于缓解企业的融资约束。然而，隐藏企业可能面临的风险会与实际情况不符，不能真实的反应企业未来的经营状况和风险承担情况，影响披露效率，这势必会对风险信息披露质量产生影响。因此，本文衡量风险信息披露效率准确性，考察风险信息披露与实际财务信息之间的差距，用来表示企业的风险信息披露效率，进一步考察风险信息披露质量的高低。
3.2企业预期未来经营水平的测算
以往研究明确表明，对于一个企业来说，其盈利水平的高低能够显著预测未来的经营能力和股票收益，其偿还债务的能力在一定程度上客观反映了企业未来违约风险的高低，能为投资者提供未来风险水平的信号。已有研究利用相关财务信息衡量企业未来经营状况，但使用的往往是单个指标，得到的研究结果不完整也各不相同。
因此，为了能够科学地衡量企业预期的未来经营状况与披露的风险信息之间的匹配程度，在考虑所选指标的全面性、重点性、层次性以及可操作性的基础上，构建反映上市公司综合盈利水平和综合偿债能力的指标。综合盈利水平与综合偿债能力指标选取的是否科学，直接影响到风险信息披露效率结果是否准确合理。因此，本文在参考国内外已有的指标构建的基础上，选取了12项财务指标反映企业综合盈利水平，同时选取10项反映企业偿债能力的指标，并运用偏最小二乘法和改进的组合预测法对我国上市公司2007-2018年的综合盈利水平因子和综合偿债能力因子进行测算，以计算风险信息披露效率。
3.2.1综合盈利水平与综合偿债能力衡量指标的选取
3.2.1.1综合盈利水平衡量指标的选取
企业经营的总目标是利润最大化或者股东权益最大化。因此，对盈利水平的分析，可以发现企业日常经营管理中存在的问题，预测企业未来的经营效率，是衡量上市公司真实经营状况的重要指标。文本选取的反映盈利水平的指标及定义方法包括：
（1）资产收益率（ROA）：
资产收益率是指一定时期内利润总额与上两期的平均总资产的比例，用来衡量一单位资产能够创造多少利润，是评价企业运营效率的重要指标。
（2）净资产收益率（ROE）
净资产收益率是指净利润与平均股东收益的比例，可以反映股东权益的收益情况，衡量企业自有资本盈利能力。净资产收益率越高，说明企业运用自有资本的效率越高。
（3）资本利润率（ROC）
资本利润率是企业税后利润与实收资本的比例，用来衡量企业使用资本获取利润的能力。资本利润率越大，代表企业运用资本获利的能力越高，能够间接表明投资者面临的风险也就越小。
（4）每股收益（EPS）
每股收益是指税后利润与股本总额的比值，反映单位股本的收益情况，从中可以了解企业的经营成果，对普通股的收益水平进行衡量。
（5）毛利率（GP）
毛利率是企业的营业收入减去营业成本除以营业收入计算得到的，用来衡量企业所获得收入的增值部分。毛利率越高，企业能获得的增量收益越大，在一定程度上能说明企业盈利能力越强。
（6）投资性资产收益率（ROIC）
投资性资产收益率是息税前收入减去营业外收入除以非现金企业价值的比例，用来衡量企业运用资金进行投资的回报率，体现了资金的利用效率。
（7）总资产周转率（ATO）
总资产周转率是指销售收入与平均资产总额之比，用来评价企业资产的使用效率，总资产周转率越高，资产投资的效益越高，在一定程度上代表着企业的盈利能力。
（8）应税收入与账面收入比（TBI）
应税收入与账面收入比是指息税前收入与净收入之比，Green et al.(2013)研究表明，企业的应税收入与账面收入之比是衡量企业获取应纳税外收入的指标，也是代表盈利能力的重要指标。
（9）现金生产比（CPO）
现金生产比是由流通市值加上长期负债减去总资产，除以现金及现金等价物得到的，用来衡量企业现金及现金等价物创造盈利的能力。Chandrashekar & Rao(2009)在进行资产定价时，使用该指标衡量了企业的盈利能力。
（10）盈余收益率（EY）
盈余收益率是指息税前利润与企业价值之比。盈余收益率越高，股票投资收益率越高，盈利水平越高。
（11）每股净资产（NAPS）
每股净资产是股东权益对总股数的占比，通常用来衡量每单位股票所享有的资产现值。每股净资产越高表示股东享有的每股资产价值越高，在一定程度上说明企业的盈利能力越强。
（12）现金资产比（CTA）
现金资产比是指现金及现金等价物期末余额与平均总资产之间的比例，该指标越大，说明企业抗风险能力越强，但现金由于流动性过强，升值能力较弱，过大或过小都会影响企业的盈利能力。
3.2.1.2综合偿债能力衡量指标的选取
偿债能力是指企业清偿到期债务的现金保障程度，分为短期偿债能力和长期偿债能力，短期偿债能力注重对企业短期资金周转能力的衡量，可以用来判断企业承受财务风险的能力；长期偿债能力主要评价企业偿还本金和支付利息的能力，直接关系到未来的债务违约风险和拓展经营的能力。因此，本文从短期和长期两个方面选取10个构建综合偿债能力的指标，选取的指标及定义方法如下：
（1）速动比率
速动比率是速动资产与流动负债的比例，用来衡量企业容易变现的那部分资产在短期债务到期前，可以变现偿债的能力。速动比率越高，企业变现能力越强，短期偿债能力也越强。这里的负债总计剔除了预收账款的影响，因为它未来支付货物不影响现金流，增加了或有负债的影响。速动资产剔除了应收账款坏账准备。
（2）现金比率
现金比率是现金及现金等价物与流动负债的比率，主要是考察企业的即时变现能力，是衡量短期偿债能力的指标之一，这里的负债总计仍然考虑预收账款和或有负债的影响。
（3）现金流量负债比率
现金流量负债比率是指企业经营性现金流量与流动负债的比例。用来衡量企业的短期偿债能力，这里的负债总计仍然考虑预收账款和或有负债的影响。
（4）应收账款周转率
应收账款周转率是营业收入与应收账款平均余额的比例，是衡量企业应收账款流动程度的指标，任远(2004)指出，应收账款与存货的周转率应该与流动比率结合起来综合考察企业的短期偿债能力。
（5）营运资金周转率
存货周转率是营业成本与存货平均占有额的比例，用于反映存货的周转速度，即存货的流动性及存货资金占用量是否合理。存货周转率促使企业在保证生产经营连续性的同时，提高资金的使用效率，增强企业的短期偿债能力。
（6）资产负债率
资产负债率是负债与总资产的比例，表明债权人提供的资金所占比重，以及企业资产对债务人权益的保障程度，是衡量长期偿债能力的经典指标。
（7）长期资本负债率
长期资本负债率是指长期负债与资本的比例，资本包括所有者权益和长期负债，该指标是衡量企业偿债能力的负向指标，侧重揭示企业财务结构的稳健性，更能反映资本和负债的比率关系。
（8）长期负债权益比率
长期负债权益比率是指长期负债与所有者权益之比，反映企业需要偿还的有息长期负债占整个长期营运资金的比重，是判断企业债务状况的指标之一，该指标越小，表明企业负债的资本化程度越低，长期偿债压力较小。
（9）利息保障倍数
利息保障倍数是企业生产经营所获得的息税前利润与利息费用的比例，是衡量企业长期偿债能力的指标之一。利息保障倍数越大，企业支付利息的能力越强，债务违约概率越小，偿债能力越强。
（10）资本性支出比率
资本性支出比率是经营活动现金净流量与资本性支出的比例。反映企业当期经营活动现金流量是否以支付资本性支出所需的现金。这一比率越高,说明企业扩大生产规模、创造未来现金流量或利润的能力越强。
3.2.2指标数据来源及预处理
测算企业综合盈利水平以及综合偿债能力时选取的研究对象为中国股票市场的全部发债上市公司，主要包括在上交所、深交所上市的所有A股公司以及创业板公司中发过债且有信用评级的公司，剔除ST、*ST和金融类公司的影响。这是由于金融行业类公司的资本结构具有高杠杆、高负债等特点，其财务指标等往往与非金融行业公司差别很大，因此可比性不强。此外，ST、*ST类公司由于财务状况异常，且每日股票收益波动与非ST、*ST类公司不同(限制在正负5%之内)，因此在文献中也常被剔除。最终整理得到2007年到2018年共7331个公司样本数据。
构建综合盈利水平和综合偿债能力指标时所需要的上市公司财务信息主要从国泰安数据库中获得，例如，上市公司年度、季度财务报表、资产负债表、现金流量表等数据，在此基础上结合锐思（RESSET）数据库和wind数据库进行补充整理。
在进行因子测算之前，要对选取的原始数据进行标准化处理，设
为公司年第个指标，个指标的标准值，则其对应的指标标准化公式为：
结合本文研究主体的需要，测算出综合盈利水平和综合偿债能力之后，要对所选取的样本数据进行筛选和修正，使之测算的风险信息披露效率能与信用评级调整样本进行匹配。
3.2.3基于偏最小二乘法下企业综合盈利水平测度
偏最小二乘法（Partial Least Square,PLS法）的优点在于能够有效提取对预测目标预测能力强的部分，并去除公共噪音的干扰。该方法主要经过Kelly &Pruitt(2013,2015)，Huang et al.(2015)发展，已逐渐在实证资产定价领域内被广泛应用。股票价值能够有效度量公司的绩效水平，因此，基于企业综合盈利水平指标对股票预测收益有很好的预测效应（谢谦等，2019），通过偏最小二乘法测算的综合盈利水平指标对企业的预期经营状况具有代表性。
在本文的研究中，我们参考Light et al.(2017)的研究方法，首先，假设市场上有N家上市公司，其盈利指标至少在两期内能被观测。股票
期的预期收益为，其中表示所有在期能够被观测到的元素的信息集。因此，股票的实际收益为：
其中，非预期收益的期望为0
，且其独立于信息集中的任一元素，同时不同公司的非预期收益可能相关。在实际投资中，预期收益很难被投资者直接观测，但投资者可以通过了解信息集来进行估计。在本文的研究中，我们将12个盈利指标作为信息集，并对盈利指标进行标准化处理。接下来，我们假设存在唯一的潜在上市公司盈利水平因子能够综合所有的上市公司盈利指标信息，并与股票预期收益相关:
其中，
代表公司盈利能力对预期收益的敏感程度，代表期横截面收益的平均值。因此，上市公司综合盈利水平可以由以下两部分构造：
第一步，对于每一个盈利指标单独进行横截面回归：
此时回归的斜率
就是估计的综合盈利水平因子，记为。通过搜集数据并按照以上方法进行处理，最终得到7331个综合盈利水平因子，其衡量的企业预期经营状况可以用于风险信息披露效率的测算。
3.2.4基于改进的组合预测法下企业综合偿债能力测度
组合预测法能够将衡量同一变量的不同指标的估计进行有效整合。Timmermann(2006)指出，正如分散化的资产配置能够提高投资组合的稳健收益一样，组合预测法也可以通过合理分配不同指标的预测估计占比，从而提高整体预测的准确性。
在综合偿债能力因子的测算中，为了更好地体现衡量企业偿债能力的财务指标对信用评级的预测作用，并在之后考察风险信息披露效率时提高准确性，文本使用组合预测法来估计的上市公司综合偿债能力实际上是由不同的偿债指标对信用评级变量进行赋值加权得到:
上式中，
代表不同偿债指标所估计的预期信用评级，这里对信用评级进行赋值，AAA为12，AAA-为11，……，以此类推。代表在期中对第个估计值赋予的预测权重，而所有预测权重之和为1。Rapach et al.(2010)认为，简单的等值赋权效果明显，Gerdaet al(2016)研究也表明，等权重的预测精度往往高于通过复杂数学估计过程所确定的权重，并将这种现象称之为“组合预测之谜”。因此，本文将对指标进行等值赋权。
组合预测法通过以下两个步骤具体实施:
第一步，对于10个上市公司偿债指标，按年分别进行信用评级和滞后的偿债指标的回归，得到各指标与预期信用评级相关的回归系数：
最终得到7331个综合偿债能力因子用于风险信息披露效率的计算。
3.3风险信息披露质量指标测算
3.3.1样本选取与数据来源
本文以2007-2018年沪深A股上市公司年度报告作为研究样本，通过提取公司年报文本信息为基础衡量风险信息披露质量，在此基础上，对观测值作如下处理：（1）剔除样本期间曾被特殊处理的ST、*ST公司；（2）考虑到行业特殊性，剔除金融类公司；（3）考虑到上市初1-2年高管和股东大会承诺锁定股份，剔除研究期间上市不足两年的样本；（4）剔除变量存在缺失值的样本。最终得到上市公司年度观测值27543个。
选取的上市公司年报数据均使用网络爬虫程序从巨潮资讯网自动获取，然后将PDF格式转换成TXT格式，从中截取“管理层讨论与分析”部分（部分年报未设置单独部分则截取“管理层报告”中的相关部分）方便计算风险信息含量时使用。
3.3.2 风险信息披露频率测度
本文参考Kravet and Mulsu (2013)的做法对风险信息披露频率进行度量，具体做法如下:
对筛选处理后的文本信息使用python程序进行关键词提取，定位时定位于关键词前段五个字，同时排除关键词前具有否定意义的词，例如“没有”、“无”、“低”等；计算年报“管理层讨论与分析”部分出现的“风险”、“不确定性”词汇数量。为加强可比性，本文用风险相关关键词出现的次数除以所属部分总字数衡量风险信息披露。由于年报中董事会报告是最早进行强制披露要求的部分，且“管理层讨论与分析”是对风险信息的集中展现，公司所面临的风险主要集中在这一部分披露，最具代表性。因此本文主要用“管理层讨论与分析”部分文本信息进行风险披露频率测算，具体公式如下：
3.3.3 基于文本向量化的风险信息含量测度
3.3.3.1风险信息提取方法研究
企业披露的风险信息作为一种文字性的定性信息，是上市公司信息披露的重要元素，与财务信息具有同等重要的地位。近年来，国内外对于风险信息披露的研究日益增多，主要集中在两个层面：一个是对企业风险信息披露行为的研究，另一个则是专注于研究风险信息的处理方法。企业一方面希望通过风险信息的披露降低企业与外部的信息不对称，另一方面又希望隐藏风险信息来提高外界对企业的信息，降低融资成本。
近年来，很多学者开始使用基于风险文本内容的分析方法来进行企业风险披露的研究。N.Moumen et al(2015)使用内容分析法，将企业年报管理层分析与讨论(MD&A)与董事会报告(BR)中与风险相关句子的数量作为衡量风险披露水平的标准，证明了风险信息与市场未来两年的收益预测之间存在正向关系。Kravet and Mulsu(2013)通过统计年报中与风险或不确定性相关关键词的频率来衡量企业年报风险信息的披露水平，目前国内大部分风险信息披露的研究都基于此方法。Hanley et al(2010)使用内容分析法将招股说明书中的信息分解为标准信息和信息含量，验证了更加详细的风险披露能够更好地控制股票的发行价格。D.Zeghal et al(2016)使用内容分析法验证企业风险披露范围和质量与企业盈利能力等相关特征的联系，说明了风险披露与银行规模、董事会独立性等要素显著正相关，与盈利能力和董事会规模等要素呈显著负相关。由此可知，企业的风险披露并不一定会代表未来的真实经营状况。王雄元等（2018）从文本相似度视角出发，通过计算年报风险信息披露的余弦相似度作为替代变量，揭示了风险信息披露与审计费用的负相关关系。孟庆斌等（2017）采用文本向量化方法，对A股上市企业年报中的管理层讨论与分析（MD&A）中披露的风险信息进行度量，研究表明MD&A中的信息含量越高，未来企业股价崩盘的风险越小。梁娜等（2019）以短语为研究对象，提出三重维度的风险信息抽取方法，抽取出的风险信息具有更丰富的信息含量。
综上，随着风险信息的重要性日益扩大，越来越多的学者从财务信息转向风险信息进行研究，但方法较为单一，多数是以风险关键字、词或句代表整体所反映的风险水平，这种形式主要存在以下问题：一是采用文本向量法进行风险信息量化时，词库涉及词语量不足，无法准确识别真正含有风险因素的词语；二是文本向量粒度太低，比如采用单字作为向量的分量，这样信息含量较低且噪声大；三是风险类词语缺乏统一全面的衡量标准，目前仅限于对于“风险”、“不确定性”等直接明了的词语，关于句子的度量也只是人工统计。所以本文在之前学者研究的基础上，采用百科实体词库作为分词词库，极大地丰富了风险词汇的规模。同时剔除单字，仅采用风险短语作为分量来构建短语向量，以词为基础进行上市企业风险信息含量的量化。
以往对风险信息的衡量，都是以有代表风险的关键词为标准进行信息抽取，但这样只是片面的抽取显而易见的词，那些暗喻风险的词就被抛弃了。因此，本文将年报中管理层讨论与分析中的文本信息作为原始数据，使用筛选后的千万级体量的百科实体词作为分词词库对文本信息进行分词处理，这样能最大限度地保留实体词，并依据词频代表其重要性，再将风险信息用向量的形式表述出来，之后分离出能被行业和市场识别到的标准信息和代表企业特有风险的风险信息含量。
本文所使用的文本向量化的风险信息提取方法流程如下图所示：
3.3.3.2风险信息含量测度
（1）基于百科词典的风险短语识别方法
孟庆斌等(2017)构建全集向量时，是以中国社会科学院语言研究所编纂的《现代汉语词典》作为基本的语料库，包括实体词6.9万个；牛高鸣等(2019)进行相似实验时，使用复旦大学提供的中文通用百科实体词库作为基本语料库，该词库包括1200多万个百科实体词，几乎覆盖所有领域，但使用该词库时处理起来比较复杂，会导致本文向量化后维度过大，不利于后续操作使用。为了提高抽取效率，同时简化操作，本文使用Python自带的中文分词组件“jieba”进行分词，此词库具有35万实体词，一定程度上能够覆盖几乎所有的风险实体词。此外，“jieba”中采用了基于汉字成词能力的隐形马尔科夫模型（HMM），用于识别词库中未包含的词，所以本文在分词时去除此模型，这样就能保证过滤掉结果中的单个字后所有的实体词都来自于该词库。
（2）要测度企业的风险信息含量，首先要对风险信息进行文本向量化和向量标准化。
利用“jieba”词库作为基础构建风险信息全集向量，从中剔除以下词语：①常用但不表达具体含义的虚词，如“是”、“的”等；②专属名词，如人名和出现频率较少的英文单词以及代词“我们”、“他们”等；③在所有年报“管理层讨论与分析”中都没有出现过的词。以整理好的实体词库为准创建语料库，并从全部风险文本中提取实体词。
然后，利用python自然语言处理将每家企业的风险文本转化为向量，向量中每个维度代表一个实体词，每个维度的数字表示该词出现的频率，为0表示该词没有在该企业风险文本中出现。例如，若实体词库最终包含1000个中文词，那么每个文本都对应为
的向量。通过一个简单的例子来表示这个过程：在两个简化文本中，一个内容为“今年白菜价格和韭菜价格急剧下降”，另一个内容为“去年韭菜价格急剧上升”，剔除“和”这一无实际意义的词之外，这两句话中包括“今年”、“去年”“白菜”、“韭菜”、“价格”、“急剧”、“下降”、“上升”共8个词。那么，第一个文本转化成向量为{1,0,1,1,2,1,1,0}，第二个文本转化成向量为{0,1,0,1,1,1,0,1}。
为了避免文本长度不同所导致的词频差异，即同一个词语在长文本中比短文本中出现次数更多，这种情况下不能说明长文本信息含量更高。在文本向量化后，需要将向量进行标准化处理，即将向量除以各维度之和，也就是文本中实体词的总数，得到标准化后的向量。在上面的例子中，两个文本标准化后的向量就变成了{0.125,0,0.125,0.125,0.25,0.125,0.125,0}和{0,0.125,0,0.125,0.125, 0.125,0,0.125}。
（2）构建行业标准化向量和市场标准化向量。
文本参考Hanley and Hoberg(2010)的方法，从行业和市场两个层面来定义企业MD&A中的风险信息含量。一方面，同行业的企业之间可能会面临着相似的竞争环境和市场风险；另一方面，所有上市公司都处于相同的宏观经济环境、风险因素和政治、政策背景之下。由此可见，每家上市公司MD&A中有关风险信息的描述之间必然存在着一定的相似性，甚至可能照搬其他公司的表述。本文将这些与其他公司重复或相似的信息定义为标准信息，同时将每家企业不能被市场上其他企业解释的那部分信息称之为特有的风险信息，简称为风险信息含量。
为求得企业的行业标准化向量和市场标准化向量，首先，将公司
的管理层讨论与分析中的风险信息按照前述步骤进行标准化处理，得到公司的标准化向量，然后将与公司同行业的其他公司的标准化向量的算数平均值定义为行业标准化向量，记作，将市场上除了公司M所在行业的公司外其他所有公司的标准化向量的算数平均值定义为市场标准化向量，记作。因此，假设每一年市场上共有M个公司，公司所在行业有N个公司，则公司的行业标准化向量和市场标准化向量可表示为：
（3）计算MD&A的风险信息含量
3.3.4风险信息披露效率测算
3.3.4.1过度乐观程度测算
本文首先通过分析“管理层讨论与分析”的积极语调衡量管理层对风险的乐观程度，具体步骤如下：
构建情感词库。本文构建情感词库的依据是Loughran和Mcdonald(2011)公开的金融情感英文词汇列表，所有词库中的英文单词都根据谷歌翻译和有道词典翻译成中文，对单个英文单词对应的多个中文词汇都进行了全部保留，以确保情感词库中不遗漏任何一个中文年报中的语调情感词汇。按照汉语用词习惯进行修改，再结合年报信息语境，最终情感词库中共包括21879个消极词、4988个积极词以及1363个停用词（无意义词汇）。
情感词频统计。构建好中文情感词库后，就要对年报中相关的文本信息进行分词和词频统计。首先，考虑到词语的容量和使用效率，本文采用Python开放源中的“jieba”分词模块对年报“管理层讨论与分析”中的文本信息进行自动分词；其次，针对每个文本信息，统计积极词和消极词的使用频率，若积极词前后紧跟消极词，则定义为消极词，若消极词前后紧跟积极词，则定义为积极词，此为语义反转现象；最后，将统计结果导出到Excel中以备使用。
测算管理层的乐观程度。现有文献主要是通过以下两种方式来度量净语调，从而考察管理层的乐观程度：其一，以“年报内积极词汇数与消极词汇数之差与年报总词汇数之比”定义净语调（Davis et al.,2012、Huanget al.,2014和汪昌云和武佳薇，2015）；其二，
以“积极词汇数和消极词汇数之差与积极词汇数和消极词汇数之和的比例”定义净语调（Price et al.,2012、谢德仁和林乐，2015）。在此，本文借鉴第一种方法，采用如下公式度量企业年报“管理层讨论与分析”中文本信息的净语调，作为管理层乐观程度的替代变量：
其中，
为i公司t年的管理层乐观程度，该值越大说明这一年企业管理层对公司未来发展经营状况越乐观，年“管理层讨论与分析”中积极词汇出现的次数，为消极词汇出现的次数，分母为i公司t年“管理层讨论与分析”模块中的总词频。
Huang et al.(2014)指出，年报透露出的语调能够反映企业的实际经营状况和未来的发展前景与规划。因此，管理层乐观程度应该与企业财务信息所反映的实际经营状况和未来发展前景存在如下的线性关系：
其中，
是企业的乐观程度，为综合盈利水平因子，为综合偿债能力因子，用来作为衡量企业实际经营和未来前景的替代变量。回归残差表示管理层在年报中呈现出的乐观程度与企业实际经营情况和未来前景不匹配的程度，可以作为管理层过度乐观的代理变量，越大，管理层过度乐观程度越高，越小，管理层的乐观程度越接近企业实际经营状况。
由于企业在不同年度以及不同行业内都存在着差异化的系统性风险，因此，为了体现企业实际经营状况和未来前景的特殊性，过度乐观的代理变量，即回归残差
是通过分行业、分年度回归所得到的。
3.3.4.2风险信息准确性测算
与企业过度乐观程度类似，测算企业的风险信息准确性也要用回归残差作为代理变量，但此时的被解释变量是企业年报的风险信息披露水平
，该指标能衡量企业风险信息披露的数量变化。依据Kravet &Muslu(2013)的研究，风险信息披露水平可以用当年年报“管理层讨论与分析”中未来展望部分风险关键词词频与上年风险关键词词频数之差衡量。年报风险信息披露的准确性，就是衡量企业年报风险信息披露是否与实际经营和未来前景匹配，年报风险信息披露水平应该与企业实际经营和未来前景存在如下的线性关系：
是企业年报的风险信息披露水平，为综合盈利水平因子，为综合偿债能力因子与上述一致。残差作为风险信息准确性Over-DiskDis的代理变量，该值越大意外着风险信息准确性越低。同样地，在计算风险信息准确性时仍然采用分行业、分年度回归来获取残差。
3.4企业风险信息披露质量的描述性统计分析
总体质量评价
4信用评级调整对企业风险信息披露质量影响的实证检验
前文从理论层面分析了信用评级调整与风险信息披露质量的关系，并以此为基础提出了本文实证研究的假设，即企业信用评级调整，尤其是信用评级的下调，会显著的降低企业的风险信息披露质量。在上一章构建了风险信息披露质量指标体系的基础之上，本章将会对我国企业的信用评级如何影响风险信息披露质量进行定量分析，考察各变量会在何种程度与何种方向上作用于企业的风险信息披露质量。
4.1 描述性统计及模型选择
4.1.1样本选择与数据来源
在我国现行的债券市场管理制度下，所有在市场上公开发行债券的上市公司都必须取得正规评级机构评定的信用评级。因此，本文选取2007-2018年在我国证券交易所公开发行过公司债和企业债的全部上市公司作为研究样本。以2007年为起点主要是因为证监会自2007年起要求上市公司强制披露风险信息且公司债市场主要开始于2007年。在数据收集和处理过程中发现，近年来企业主体信用评级下调样本较少，可能会影响到实证结果。因此，本文在定义信用评级下调时，将信用评级的预期展望负面、列入评级观察和推迟评级的情况也纳入其中。虽然在这三种情况下主体信用评级并没有实际下调，但这在一定程度上反映了上市公司当下的经营状况不善，后期可能面临着更大的违约风险，这可以提醒投资者注意并尽早预防。所以，当企业主体的信用评级预期展望为负、列入评级观察名单或者被推迟评级时，影响力同评级真实下调一样，企业仍然会采取行动来摆脱未来主体评级真实下调的风险。因此，将其纳入评级下调样本存在合理性。
本文在整理原始数据时，对样本进行了如下筛选：第一，从Wind数据库下载发债主体发行者付费模式下的评级数据，由于一个公司一年内可能会发行多款公司债，所以本文只保留一个发债主体；第二，从CSMAR数据库下载企业控制变量数据，并与发债企业的评级数据进行匹配；第三，剔除如下数据样本：信用评级缺失或者财务数据缺失、金融业、ST公司、国外上市以及上市不足两年的样本。
经过上述数据整理，最终得到7331个观测对象。为了避免财务数据中存在极端值影响，本文对相关指标数据进行1%与99%的缩尾处理。
4.1.2变量定义与模型构建
在上一章中，本文构建了风险信息披露质量的指标体系，在此使用风险信息披露频率(Freq)、风险信息含量(Inf)以及风险信息披露效率(Iffic)作为风险信息披露质量的代理变量，研究信用评级调整对风险信息披露质量的影响，应该包括信用评级上调和下调两个变量对其产生的不同影响。
本文在参照以往文献的基础上，选择了企业规模(Size)、企业资本结构(Lev)、企业性质(Soe)、两职合一(Dua)、预警Z值(Z)和账面市值比(BM)作为模型的控制变量。另外，模型也对行业与年度固定效应进行控制。表3-1给出了本文的变量名称、相关定义以及符号。
表3-1变量定义表
| 变量名称 | 变量定义 | 变量符号 | |
| 风险信息披露质量 | 风险信息披露频率 | 由上一章测算而来 | Freq |
| 风险信息含量 | Inf | ||
| 风险信息披露效率 | Iffic | ||
| 信用评级下调 | 信用评级下降或展期为负面时，该变量为1 | Downcredit | |
| 信用评级上调 | 信用评级增大时，该变量为１ | Upcredit | |
| 主体信用评级 | 定义C为1，以此类推，AAA为11 | Credit | |
| 企业规模 | 期末公司资产的自然对数。 | Size | |
| 企业资本结构 | 企业负债与期末总资产的比率 | Lev | |
| 企业性质 | 当企业为国有企业时，则为１，反之为０ | Soe | |
| 两职合一 | 虚拟变量，总经理与董事长两职合一，则为1 | Dua | |
| 预警Z值 | 按照Altman(1968)计算得到 | Z | |
| 账面市值比 | 账面价值与市场价值比 | BM | |
| 行业变量 | 虚拟变量 | Ind | |
| 年度变量 | 虚拟变量 | Year | |
Flannery和Rangan(2006)提出了局部调整模型，以此分析资本结构的动态调整现象。在资本结构局部调整模型中加入信用评级调整变量，以此来检验信用评级调整对于资本结构调整的增量效应，即模型(1):
MDR是总债务水平与总资产的比率。Downcredit和Upcredit是两个虚拟变量，分别表示当主体信用评级的调低与调高时，取值为1。
借鉴Flannery和Rangan的局部调整框架，构建如下回归模型(2)(3)(4)检验信用评级调整对风险信息披露质量的影响：
其中，
分别为风险信息披露质量的三个不同的指标，已在上一章进行了指标测度。在模型(2)(3)(4)中，本文采用信用评级调整滞后一期变量能够减少潜在的内生性问题。由于异方差的存在，本文采用个体聚类调整对标准误进行处理。
4.1.3描述性统计分析
本次共筛选的数据样本量为7331个，共有698个下调样本，872个上调样本。从年份上看，样本数量随时间逐年递增。其中，2018年样本量最多，共有下调样本121个，上调样本94个。2012年及之前，下调样本数量始终少于上调样本数量；2012年以后，下调样本数量逐渐增多，超过上调样本数量的年份增多，这也说明我国今年来对债券市场中债券和上市公司的管理逐渐严格。所选样本的信用评级调整情况按年份分布如表3-2所示：
表3-2信用评级调整样本按年份分布
| 调整时间 | 下调样本 | 上调样本 | 全样本 | |||
| 数量 | 百分比(%) | 数量 | 百分比(%) | 数量 | 百分比(%) | |
| 2007 | 3 | 0.43 | 12 | 1.38 | 111 | 1.51 |
| 2008 | 12 | 1.72 | 22 | 2.52 | 147 | 2.01 |
| 2009 | 8 | 1.15 | 46 | 5.28 | 209 | 2.85 |
| 2010 | 9 | 1.29 | 60 | 6.88 | 293 | 4.00 |
| 2011 | 13 | 1.86 | 54 | 6.19 | 443 | 6.04 |
| 2012 | 39 | 5.59 | 76 | 8.72 | 610 | 8.32 |
| 2013 | 85 | 12.18 | 63 | 7.22 | 689 | 9.40 |
| 2014 | 97 | 13.90 | 79 | 9.06 | 760 | 10.37 |
| 2015 | 86 | 12.32 | 108 | 12.39 | 873 | 11.91 |
| 2016 | 136 | 19.48 | 119 | 13.65 | 953 | 13.00 |
| 2017 | 89 | 12.75 | 139 | 15.94 | 1066 | 14.54 |
| 2018 | 121 | 17.34 | 94 | 10.78 | 1177 | 16.06 |
| 合计 | 698 | 100 | 872 | 100 | 7331 | 100 |
本文使用stata15进行回归分析，各变量描述性统计分析结果如下表3-3所示：
表3-3样本变量描述性分析
| 变量 | 样本量 | 均值 | 标准差 | 极小值 | 极大值 |
| Freq | 7331 | 0.415 | 0.132 | 0.061 | 0.730 |
| Inf | 7331 | 1.056 | 0.139 | 0.848 | 1.848 |
| Iffic1 | 7331 | -3.40E-16 | 0.082 | -0.479 | 0.345 |
| Iffic2 | 7331 | 6.15E-15 | 0.080 | -0.477 | 0.839 |
| Downcredit | 7331 | 0.095 | 0.294 | 0 | 1 |
| Upcredit | 7331 | 0.119 | 0.324 | 0 | 1 |
| Size | 7331 | 23.200 | 1.230 | 20.902 | 26.949 |
| Lev | 7331 | 0.545 | 0.169 | 0.145 | 0.899 |
| Soe | 7331 | 0.250 | 0.433 | 0 | 1 |
| Dua | 7331 | 0.464 | 0.499 | 0 | 1 |
| Z | 7331 | 2.857 | 2.454 | -0.055 | 15.828 |
| BM | 7331 | 1.682 | 1.375 | 0.236 | 7.680 |
从表3-3的分析结果可以得出：
首先，对代表风险信息披露质量的三个指标进行分析。风险信息披露频率（Freq）的最小值为0.061，最大值为0.730，标准差为0.139472，风险信息含量的最小是为0.848，最大值为1.848，标准差为0.139，说明单纯从“管理层讨论与分析”本文信息的角度来看，不同发债企业风险信息披露频率和风险信息含量的差距较大，对风险信息披露的重视程度和披露做法有显著差异。风险信息披露效率部分中，过度乐观程度最小值为-0.47881，最大值为0.345107，标准差为0.082487，风险信息准确性最小值为-0.47672，最大值为0.839311，标准差为0.080245，说明相对于绝对风险信息披露质量而言，测算的不同企业的包含财务信息的风险信息披露效率差距较小，都与衡量企业实际经营状况的财务信息偏差不大。公司风险信息披露频率较低，导致披露的不够全面，信息含量偏低，最终导致其风险信息披露质量偏低。
Upcredit和Downcredit的均值分别为0.119和0.095，这说明在文本的样本中，有872个上调样本和698个下调样本，总体来看信用评级未经历调整的样本最多，其次是上调样本，下调样本最少。
控制样本中，公司规模（Size）最大值为26.949，最小值为20.902，标准差为1.230，杠杆率（Lev）最大值为0.899，最小值为0.145，标准差为0.169。说明我国发债上市企业的公司规模和杠杆率虽然存在一定的差异，但总体来看规模和负债率较为合理。预警Z值的最大值为15.828，最小值为-0.055，标准差为2.454，账面市值比最大值为7.680，最小值为0.236，标准差为1.375，说明发债企业预警Z值和账面市值比差异很大。
4.1.4相关性分析
相关性分析是用来度量变量间相关关系强弱的工具。本小节对样本的发债上市公司的研究变量进行了相关性检验，检验结果见表3-4。
表3-4变量间的相关性检验
| Variables | (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | (9) | (10) | (11) | (12) |
| downcredit | 1.000 | |||||||||||
| upcredit | -0.119* | 1.000 | ||||||||||
| Freq | -0.190* | 0.089* | 1.000 | |||||||||
| inf | -0.028* | 0.030* | 0.075* | 1.000 | ||||||||
| iffic1 | -0.064* | 0.046* | 0.716* | -0.051* | 1.000 | |||||||
| iffic2 | 0.038* | -0.022 | -0.063* | 0.658* | -0.060* | 1.000 | ||||||
| size | -0.072* | 0.100* | 0.042* | 0.008 | 0.006 | -0.018 | 1.000 | |||||
| lev | 0.133* | 0.058* | -0.058* | 0.040* | -0.023 | 0.018 | 0.418* | 1.000 | ||||
| soe | 0.174* | 0.245* | -0.004 | -0.001 | 0.017 | -0.003 | -0.055* | 0.027* | 1.000 | |||
| dua | -0.180* | -0.214* | 0.024* | 0.085* | -0.012 | 0.004 | 0.252* | 0.104* | -0.313* | 1.000 | ||
| z | -0.087* | -0.024* | 0.139* | 0.007 | 0.035* | 0.006 | -0.381* | -0.672* | 0.018 | -0.143* | 1.000 | |
| bm | 0.042* | 0.024* | -0.121* | -0.033* | -0.060* | 0.012 | 0.586* | 0.606* | 0.011 | 0.180* | -0.500* | 1.000 |
注：“*”表示在0.05的水平上有显著性。
由表3-4的相关性结果可以看出，信用评级下调（downcredit）与上调（upcredit）、公司规模（Size）、财务杠杆率（Lev）、两职合一情况（dua）、预警Z值（Z）以及账面市值比（bm）都与风险信息披露频率在5%的置信水平上显著相关。信用评级下调（downcredit）与上调（upcredit）、财务杠杆率（Lev）、两职合一情况（dua）以及账面市值比（bm）与风险信息含量在5%的置信水平上显著相关。风险信息效率与信用评级调整变量之间的显著性关系较明显，但与控制变量之间没有明显的显著性关系，其中，只有预警Z值（Z）和账面市值比（bm）与风险信息准确性在5%的置信水平上显著相关。
除此之外，其他变量在5%的置信水平上均无显著相关性。
4.2信用评级调整对风险信息披露质量作用效应分析
4.2.1基本回归分析
表3-5信用评级调整、风险信息披露频率与风险信息含量
| 变量 | Freq | Inf | ||||
| (1) | (2) | (3) | (1) | (2) | (3) | |
| downcredit | -0.041*** | — | -0.036*** | -0.0182** | — | -0.0150** |
| (-6.81) | (-6.66) | （2.93） | （2.70） | |||
| upcredit | — | 0.011 | 0.007 | — | 0.004*** | 0.002*** |
| (2.50) | (2.02) | (-3.6) | （-3.57） | |||
| credit | -0.012* | -0.015* | -0.020* | 2.006*** | 1.995*** | 2.581*** |
| (-0.83) | (-0.88) | (-1.55) | (4.71) | (5.56) | (5.89) | |
| Size | 0.025*** | 0.015*** | 0.021*** | -0.061*** | -0.077*** | -0.085*** |
| (7.88) | (7.05) | (7.49) | (-2.91) | (-3.05) | (-3.19) | |
| Lev | 0.033 | 0.05 | 0.027 | 0.031* | 0.045* | 0.04* |
| (1.67) | (1.8) | (1.32) | (2.01) | (2.15) | (2.10) | |
| Soe | 0.065* | 0.035* | 0.065* | -0.001 | -0.001 | -0.001 |
| (1.54) | (1.23) | (1.53) | (-0.22) | (-0.21) | (-0.21) | |
| Dua | -0.003 | -0.003 | -0.003 | 0.029 | 0.027 | 0.037 |
| (-0.67) | (-0.65) | (-0.63) | (0.68) | (0.66) | (0.89) | |
| Z | 0.007*** | 0.006*** | 0.007*** | 0.010* | 0.018* | 0.015* |
| (6.50) | (6.28) | (6.48) | (1.26) | (1.35) | (1.31) | |
| BM | -0.110*** | -0.175*** | -0.170*** | 0.022** | 0.029** | 0.034** |
| (-7.97) | (-8.78) | (-8.68) | (1.44) | (1.58) | (1.86) | |
| 行业 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Obs | 7331 | 7331 | 7331 | 7331 | 7331 | 7331 |
注：***、**与*表示系数在1%、5%和10%置信水平显著。括号内为系数的t值。
表3-5报告了信用评级调整与企业风险信息披露质量中风险信息披露频率和风险信息含量的相关关系结果。
首先，在以Freq为被解释变量的回归结果中，第(1)、(2)与(3)是分别加入信用评级调低、信用评级调高以及同时控制这两者变量的回归结果。从结果可以看出，三者的回归结果和显著性并没有明显的区别。downcredit变量系数都在１％水平上显著为负，这说明当企业主体评级被调低时，企业年报中风险信息披露频率会降低。这个结果经济意义也是显著的，即当信用评级每被调低一个等级，企业将降低0.041个单位的风险信息披露，其原因主要是，当信用评级被调低，意味着企业目前的偿还债务及其利息的能力有所下降，为了稳定债券市场中的主体地位并给予投资者信心，企业会选择在年报中尽量少的披露风险相关信息，以达到隐藏坏消息“迷惑”信用评级机构、尽快恢复信用评级的目的。另外，研究发现Upcredit变量系数为正但不具有显著性。这说明一旦主体信用评级被调增，表面该企业目前经营状况较好，偿债责任能够很好的履行，这本身就是对企业应对风险能力的一种肯定，说明其违约风险较低，自身面临的风险本来就较低，所以此时年报中的风险信息披露频率并不会显著提高。
类似的，观察在以inf为被解释变量的回归结果中发现，downcredit变量系数在5%的置信水平上显著为负，说明当企业的信用评级被下调时，企业的风险信息含量也降低。当企业面临较大的违约风险时，信用评级机构通过各种途径及时捕捉到这种负面信息，呈现出来就是企业的信用评级下调。企业在面临这种下调后，一方面要与之对应将这种风险体现在年报中，另一方面为了使外界保持对公司的信心，继续进行投资并缓解当下的融资约束，会对文本信息中的风险信息进行语言上的调整，例如降低风险信息的可读性、提高同业共有的风险信息比例、降低自身特有信息披露等。这些隐藏特有信息的技巧体现在风险信息含量中就会使企业的风险信息含量降低，这与回归结果显示的一致。另一方面，upcredit变量系数在1%的置信水平上显著为正，即当企业的信用评级被调高，风险信息含量也提高。企业信用评级调高，一方面是表明违约风险的降低，另一方面也是对企业自身风险承担的一种肯定。因此，由于本身风险降低，在年报中无需过多隐藏“坏消息”，反而应该通过将这种优质信息对外披露并提高可读性的行为，与调高的信用评级对应，维持投资者的信心。所以当企业信用评级调高时，企业没有操控风险信息披露的必要性，会在年报中如实披露风险信息，并适当增加文字可读性，从而提高了风险信息含量。
通过上述分析，发现一旦企业的信用评级被调低，管理层会通过采用相关措施降低年报风险信息披露质量来提高企业未来的信用评级。这些措施包括降低风险信息披露频率和风险信息含量。然而在信用评级被调高时，由于企业自身面临的风险较低，披露的相关内容也自然减少，再进行风险信息披露质量的管理成本较高且没有意义，所以企业年报中的风险信息披露频率并不会显著提高，但风险信息含量会与实际情况相符进而提高。因此，这个结论也支持了信用评级作为企业风险信息披露质量的影响因素的假设。
表3-6信用评级调整与风险信息披露效率
| 变量 | Iffic1 | Iffic2 | ||||
| (1) | (2) | (3) | (1) | (2) | (3) | |
| downcredit | 0.0281*** | — | 0.0268*** | -0.0092** | — | -0.0094** |
| (5.28) | (5.08) | （-2.44） | （-2.59） | |||
| upcredit | — | 0.005 | 0.004 | — | -0.004 | -0.003 |
| (1.01) | (0.99) | (-1.08) | （-1.02） | |||
| credit | -0.081* | -0.08* | -0.08** | 0.002 | 0.002 | 0.002 |
| (-2.88) | (-2.83) | (-2.76) | (0.28) | (0.26) | (0.25) | |
| Size | 0.0115*** | 0.013*** | 0.0127*** | -0.028** | -0.021** | -0.022** |
| (4.02) | (4.77) | (4.56) | (-2.98) | (-2.41) | (-2.47) | |
| Lev | 0.041* | 0.041* | 0.043* | 0.015* | 0.011* | 0.016* |
| (2.01) | (2.00) | (2.18) | (1.76) | (1.31) | (1.84) | |
| Soe | 0.006* | 0.007* | 0.006* | -0.001 | -0.001 | -0.001 |
| (1.38) | (1.45) | (1.43) | (-0.61) | (-0.66) | (-0.56) | |
| Dua | -0.002 | -0.002 | -0.002 | 0.001 | 0.002 | 0.002 |
| (-0.44) | (-0.59) | (-0.47) | (0.43) | (0.94) | (0.93) | |
| Z | 0.031*** | 0.030*** | 0.028*** | 0.001* | 0.001* | 0.001* |
| (3.05) | (2.88) | (2.61) | (1.70) | (1.83) | (1.68) | |
| BM | -0.015*** | -0.017*** | -0.015*** | 0.001 | 0.001 | 0.001 |
| (-7.66) | (-7.89) | (-7.59) | (1.71) | (1.55) | (1.41) | |
| 行业 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| Obs | 7331 | 7331 | 7331 | 7331 | 7331 | 7331 |
表3-6报告了信用评级调整与企业风险信息披露质量中风险信息披露效率的相关关系结果。其中，风险信息披露效率可以用企业过度乐观程度和风险信息准确性来衡量。
由表3-6可知，在以iffic1为被解释变量的实证检验结果中可以发现，当企业的信用评级被调低时，企业过度乐观程度的回归系数是0.0268，且在1%的置信水平上显著，具体地说，信用评级每下调一个百分点，管理层的过度乐观程度就会提高0.028个百分点。说明信用评级的下调会激发管理层的激进主义，使之产生明显的过度乐观情况并反映在风险信息披露当中，降低了风险信息披露质量。这种反向影响效应不论是在统计意义上还是在经济意义上，都是较为显著的。主要原因为，当企业面临信用评级的下调或已经被调低时，说明此时的偿债压力较大且已经被外界信用评级机构识别，此时，为了缓解融资约束降低融资成本，风险偏好型的企业管理层会及时变更决策行为，急需长期资金来“大施拳脚”，规避短期偿债压力。他们为了稳定企业内部员工和投资者情绪，往往会高估自身的能力，认为自己具有较强的专业能力和投资经验，即使信用评级下调也能很好地应对，能在准确抓住投资机会的同时较好的评估投资项目的收益和风险。也就是说，信用评级的下调并不会使企业管理层对未来失去信心，反而愈挫愈勇，出现激进反应，有更强烈的投资冲动，可能表现为投资规模会超过实际所需要的金额或最优投资规模，同时高估未来的投资收益。这种情况往往与公司当下的实际经营情况不符，只是管理层的自我认知出现偏差而产生的过度乐观情况。因此，信用评级的下调会使管理层产生过度乐观心理，做出有悖于实际情况的投资或战略决策，这种情况下的风险信息披露质量自然就会降低。相反地，upcredit的回归系数为正但不具有显著性，当企业信用评级被上调时，违约风险较小，此时管理层的乐观情况是符合当下的实际经营水平的，乐观程度较高，虽然也可能出现管理层“沾沾自喜”过度自信的行为，但是这种过度乐观情况并不常见也不明显。值得注意的是，在该项回归结果中，信用评级的高低与管理层过度乐观程度呈反比且在10%的水平上显著，说明企业信用评级越低，管理层的过度乐观程度越高，较低的信用评级会增加公众的恐慌，企业一边利用更大胆的融资行为来缓解当前的违约压力，另一边为了稳定债券市场中的主体地位和投资者情绪，会选择在年报中使用过多的积极语调，表达自身对未来应对风险的信心。然而通过较低的信用评级可知，这种刻意的引导并不符合企业的实际经营状况和风险应对能力，表现为过度乐观程度的加深。
类似的，在以iffic2为被解释变量的回归结果中，信用评级下调与风险信息准确性成反比，企业信用评级每下调一个百分点，风险信息披露的准确性就下降0.0094个百分点。由表3-5可知，由于信用评级是在评级机构综合各方信息的前提下提供的，所以信用评级的下调意味着企业当前承担风险能力较弱，实际经营情况不良，此时企业若想隐瞒“坏消息”，会选择在年报中降低风险信息披露频率和风险信息含量，这种刻意隐瞒未来风险的行为必然与企业实际经营情况严重不符，导致风险信息准确性降低，进而影响风险信息披露质量。Upcredit与iffic2的回归系数为负但不显著，说明当信用评级上调时，企业失去了隐藏“坏消息”的动机，如实披露风险情况才是最有利于自身的行为，此时披露的风险信息与企业实际经营情况相似度较高。但相比于信用评级无变化时，企业并不会刻意提高风险信息准确度，所以这种正向关系并不显著。
综合来看，一旦企业的信用评级被调低，除了降低风险信息披露频率和风险信息含量来隐藏“坏消息”，还可能会影响企业的风险信息披露效率，即管理层会产生过度乐观情况并且降低了风险信息准确性，这不仅降低了企业的风险信息披露效率，进一步加重了企业的风险信息披露质量的下降。然而当信用评级被调高时，企业面临的各种风险本身就低，如实披露的好处更多，按照实际情况进行风险披露更佳，此时的风险信息披露质量较好。因此，通过表3-5和3-6的结果可以充分证明信用评级调整作为企业风险信息披露质量的影响因素的可能性。
（字数不够可以再写点）此外，观察控制变量的检验结果不难发现，控制变量与被解释变量之间的关系不尽相同。例如，企业规模(Size)、企业性质(Soe)和预警Z值(Z)与风险信息披露频率(Freq)和过度乐观程度(iffic2)的回归系数均显著为正，账面市值比(BM)显著为负，资本结构(Lev)与iffic2的回归系数也显著为正。这意味着，企业规模越大、预警Z值越高且为国有企业的上市公司，其风险信息披露频率越高，风险信息披露水平越高，管理层对面临和应对风险的过度乐观程度也越高。该结果与目前风险信息披露相关主流研究文献的结论基本保持一致，因为风险信息披露越多意味着企业面临着更大的财务风险，规模较大、财务状况越好的企业才能按时还本付息，避免债务违约情况的发生，同时由于企业自身财务约束较小，管理层可能会盲目自信出现过度乐观的情况。
4.2.2分析师跟踪对两者关系的调节效应分析
为验证本文假设H3-4a和H3-4b，本文引入分析师跟踪(Follow)作为调节变量，通过调节效应检验分析师跟踪是否会影响到信用评级调整与风险信息披露质量之间的原有关系，分析师跟踪的变量定义为
，其中Follow是分析师跟踪；COUNT是分析师和研报年度关注数。在模型(2)(3)(4)的基础上加入分析师跟踪以及分析师跟踪与Freq、inf和iffic的交互项，构建如下模型：
相应的回归结果如下表3-6：
表3-6信用评级调整、分析师跟踪与风险信息披露质量
| 变量 | Freq | Inf | Iffic | |
| Iffic1 | Iffic2 | |||
| downcredit | -0.151*** | -0.0318*** | 0.035** | -0.911*** |
| (-5.33) | (-1.31) | (2.87) | (-6.55) | |
| upcredit | -0.042 | 1.081** | 0.079 | 0.012 |
| (-5.12) | (7.53) | (0.69) | (1.2) | |
| follow | 0.083 | -0.099 | -0.013** | 2.339*** |
| (3.01) | (-3.98) | (-2.03) | (10.02) | |
| follow*downcredit | -0.077*** | -0.001 | -0.032 | -1.087*** |
| (-4.58) | (0.95) | (-2.76) | (-8.30) | |
| follow*upcredit | -0.006 | 0.053* | 0.032 | 0.055 |
| (-0.96) | (4.19) | (2.07) | (2.98) | |
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 行业 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 |
| Obs | 7331 | 7331 | 7331 | 7331 |
表3-6中的回归结果是将分析师跟踪作为调节变量后，信用评级调整与企业风险信息披露质量的回归结果。
从回归的结果可以看出，信用评级下调(downcredit)和风险信息披露频率(Freq)、风险信息含量(Inf)和风险信息披露效率(iffic1、iffic2)的回归系数与不加入调节变量之前一致，继续验证了信用评级下调会降低企业的风险信息披露质量的假设；而分析师跟踪与风险信息披露效率(iffic)的回归结果显著，显著影响了企业年报中相对实际经营状况的风险披露行为，具体来说，分析师跟踪数量越多，管理层的过度乐观程度越低、风险信息准确性越高；重要的是，分析师跟踪与信用评级下调的交互项系数在风险信息披露频率(Freq)和风险信息准确性(iffic2)为被解释变量的回归结果中显著为负，说明分析师作为拥有信息优势和专业优势的外部监督机制，其跟踪行为约束了管理层的自利行为，在信用评级出现下调后，管理层隐藏“坏消息”的行为会受分析师外部监督效应的影响，而得到相应的抑制，从而削弱原本的信用评级下调与Freq和Iffic2所代表的风险信息披露质量的负向关系。但分析师跟踪对信用评级下调与风险信息含量(inf)和过度乐观程度(iffic1)之间关系的调节效应不显著，主要是因为风险信息含量衡量的是企业风险信息披露的是否有价值，策略性信息披露的行为不受分析师的监督，而管理层乐观程度是自身心态问题，分析师对此无法进行有效深入，所以在管理层想要通过这些手段改变风险信息披露质量时，不会考虑分析师的监督效应。总的来说，分析师跟踪会削弱信用评级下调与企业风险信息披露质量间的关系，验证了本文的假设。
观察信用评级上调的结果可知，对于基本回归中不显著的变量关系，在加入调节变量之后依然不显著，信用评级上调与分析师跟踪的交互项也只在风险信息含量为被解释变量的回归中系数显著为正，这意味着分析师跟踪会显著增强信用评级上调对风险信息含量的正向影响。对于企业来说，评级上调是信用评级机构对企业自身风险承担的一种肯定，企业如实披露特有的风险信息更有利于未来发展，因此，在分析师跟踪对其进行监督时，企业迫切的需要得到分析师的肯定，就会在年报中对企业风险相关的信息进行如实、详细的披露，可能是通过增加特有信息的披露水平，或者是提高文本信息可读性等手段，进一步提高了年报的风险信息含量。
4.2.3评级机构竞争对两者关系的调节效应分析
为了验证假设H3-5，本文引入评级机构竞争(Com)作为另一个调节变量，通过调节效应检验评级机构的竞争是否会影响到信用评级调整与风险信息披露质量之间的原有关系，评级机构竞争的变量直接使用评级机构前一年评级债券市场份额占比进行测算，市场份额能够更多代表评级机构的盈利动机，市场份额越高，评级机构之间的竞争力越小，更容易使企业做出真实反映。在模型(2)(3)(4)的基础上加入评级机构竞争以及评级机构竞争与Freq、inf和iffic的交互项，构建如下模型：
相应的回归结果如下表3-7：
表3-6信用评级调整、评级机构竞争与风险信息披露质量
| 变量 | Freq | Inf | Iffic | |
| Iffic1 | Iffic2 | |||
| downcredit | -0.043** | -0.051*** | 0.111 | -0.008** |
| (-2.73) | (-2.17) | (1.44) | (-1.05) | |
| upcredit | -0.028 | 0.162** | 0.008** | 0.002* |
| (-1.74) | (10.34) | (2.16) | (0.49) | |
| Com | 0.006 | -0.070 | -0.314 | 0.064 |
| (0.71) | (-2.61) | (-14.25) | (3.12) | |
| com*downcredit | -0.053* | -0.001 | -0.063** | -0.084*** |
| (-3.12) | (0.89) | (-1.9) | (-2.30) | |
| com*upcredit | -0.005 | -0.001 | 0.088 | 0.097** |
| (-0.88) | (1.21) | (-7.12) | (3.22) | |
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 行业 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 |
| Obs | 7331 | 7331 | 7331 | 7331 |
表3-7中的回归结果是将评级机构竞争作为调节变量后，信用评级调整与企业风险信息披露质量的回归结果。
从回归的结果可以看出，评级机构竞争的调节效应仍然是主要作用在信用评级下调与风险信息披露质量之间的关系中。信用评级下调(downcredit)和风险信息披露频率(Freq)、风险信息含量(Inf)和风险信息披露效率(iffic1、iffic2)的回归结果与不加入调节变量之前一致，但与过度乐观程度的回归系数不显著，结合交叉项可知，可能是评级机构竞争对两者关系的负向影响关系较强，使得在考虑到评级机构竞争之后，企业管理层的过度乐观情绪不是非常明显；而评级机构竞争与风险信息披露质量的各个指标之间的关系都不显著，说明企业在进行风险信息披露时，并不会考虑到市场上信用评级机构的个数或市场份额，也没有以此为参考进行风险信息管理；观察评级机构竞争(Com)与信用评级下调的交互项系数可知，在风险信息披露频率(Freq)、过度乐观程度(iffic1)和风险信息准确性(iffic2)为被解释变量的回归结果中回归系数均显著为负，说明评级机构之间的竞争会削弱信用评级下调对风险信息披露质量带来的负向影响。具体来说，评级机构竞争会促使评级机构选择说谎行为（评级上调），因此在评级机构同质化的背景下，市场份额是评级机构市场竞争的体现，当企业的信用评级被下调时，评级机构会倾向于主动给予更高的主体评级去维持更高的市场份额，并从评级主体那里获得收入。这种情况在市场份额小，即评级机构竞争越激烈的市场中越明显，企业也就不会为恢复信用评级主动采取激进措施，信用评级对风险信息披露质量的影响在这种情况下就会相对减少。此外，评级机构竞争并没有对信用评级下调与风险信息含量(inf)之间的关系产生明显的调节效应，这可能是因为风险信息含量的改变成本较低且对自身的负面影响较小，所以不受其他因素的影响。简而言之，评级机构竞争也会削弱信用评级下调与企业风险信息披露质量间的负向关系，验证了本文的假设。
观察信用评级上调的相关结果可知，评级机构竞争对于信用评级上调企业的风险信息披露质量中的Freq、inf和iffic1的影响并不显著。当企业信用评级被上调，评级机构为了保证市场份额，在正常监管合理范围内并不会主动降低信用评级，企业也不会对此做出反应。但由图表可知，评级机构的竞争加强了信用评级上调与风险信息准确性之间的正向关系，还使两者之间的回归系数在10%的置信水平下显著为正。
4.3进一步分析
4.3.1风险信息披露质量与后续评级变化
在理论分析中，本文认为企业通过改变风险信息披露行为影响风险信息披露质量的原因在于提高未来的评级。因此，本文以信用评级的变化(
)为被解释变量，构建评级调整与风险信息披露频率(Freq)、风险信息含量(Inf)和风险信息披露效率(iffic1、iffic2)的交互项。同时以模型(2)(3)(4)中的控制变量的差分量为控制变量进行回归分析。相应的回归结果见表3-8：
| 变量 | ||||
| Freq | Inf | Iffic1 | Iffic2 | |
| Downcredit | -0.341*** | -1.012*** | -0.551*** | -0.374*** |
| (-5.81) | (-10.82) | (6.15) | (4.32) | |
| Upcredit | 0.410*** | 0.432*** | 0.574*** | 0.389*** |
| (7.22) | (6.62) | (6.13) | (4.88) | |
| Downcredit*Freq | 0.138** | — | — | — |
| (1.90) | ||||
| Upcredit*Freq | -0.214 | — | — | — |
| (-0.44) | ||||
| Downcredit*Inf | — | 0.012*** | — | — |
| (1.34) | ||||
| Upcredit*Inf | — | -0.001 | — | — |
| (-0.68) | ||||
| Downcredit*Iffic1 | — | — | 2.087*** | — |
| (5.06) | ||||
| Upcredit*Iffic1 | — | — | 0.007 | — |
| (1.65) | ||||
| Downcredit*Iffic2 | — | — | — | 0.051 |
| (0.77) | ||||
| Upcredit*Iffic2 | — | — | — | 0.016 |
| (1.24) | ||||
| Freq | -0.823* | — | — | — |
| (9.19) | ||||
| Inf | — | 0.002* | — | — |
| (1.69)) | ||||
| Iffic1 | — | — | 0.000 | — |
| (0.00) | ||||
| Iffic2 | — | — | — | -1.338 |
| (-0.51) | ||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 |
| 行业 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 |
| Obs | 6992 | 7291 | 7316 | 7321 |
表3-8中第一列是以Freq为解释变量的回归结果，结果显示downcredit变量系数为负，这说明一旦信用评级被调低，未来被调低的概率也会增大，upcredit变量系数为正，说明企业信用评级被调高后，未来再被调高的概率会减小。然而downcredit*Freq交互项系数为正，这说明降低风险信息披露频率能够降低企业未来信用评级被调低的概率，但Upcredit*Freq交互项系数并不显著。类似的，在第(2)列以Inf为因变量的回归结果中，也发现downcredit与downcredit*Inf两变量系数分别显著为负与正，这说明企业降低风险信息含量也能降低企业未来信用评级被调低的概率。
后两列是以Iffic1和Iffic2为解释变量的回归结果，不同的是，只有downcredit*Iffic1的系数显著为正，downcredit*Iffic2的系数也为正但不显著，说明信用评级下调影响了管理层的过度乐观程度和风险信息准确性，但只有较高的过度乐观才能达到恢复后续评级的效果，风险信息准确性则不会对后续评级产生影响。
基于上述分析，当企业信用评级被调低时，企业将降低风险信息披露频率、风险信息含量和风险信息准确性，同时提高管理层的过度乐观程度，从而使年报风险信息披露质量下降，多数情况下企业的这种自利行为将会奏效，评级机构在后期的确会给予较高的信用评级。
4.3.2信用评级下调幅度对风险信息披露质量的影响分析
信用评级调整幅度指的是本次评级与前次评级的差额，该值绝对值的大小体现了评级机构按其评级体系和方法衡量的债券信用质量变化的程度。如果评级机构给出的评级结果是客观准确的，在初始评级相同的前提下，信用评级下调幅度的绝对值越大，信用质量下降的程度越多，也就意味着发行人违约风险增加的越多，发债企业在接收到评级机构发出的这一信息后，一方面要按照实际情况披露风险，另一方面也想要隐藏不利消息，但由于本来面临的违约风险较大，即使想隐藏也无能为力。因此，信用评级下调的幅度越大，风险信息披露质量可就反而越高。
因此，本文在前文研究的基础上，对模型(2)(3)(4)进行修改，将信用评级下调幅度作为自变量，考察其能否影响到企业改变风险信息披露的行为，从而提高风险信息披露质量。评级调整幅度(DRAT)定义为评级调整后等级与评级调整前等级之差，取其绝对值变负为正，其他变量均不做改变。样本量则仅选用评级下调样本，总量为698个企业。构建的模型如下：
其中，
，表示企业当期信用评级下调幅度的绝对值，为企业初始评级，该指标表示本次评级调整发生前，企业主体信用评级，定义AA级及以下为0，AA级以上为1。选取 该指标目的是研究不同初始信用评级主体对信用评级调整反应的差异性。
运用最小二乘法(OLS)对上述模型进行回归，结果如表3-9所示：
表3-9信用评级下调幅度与风险信息披露质量
| 变量 | Freq | Inf | Iffic | |
| Iffic1 | Iffic2 | |||
| DRAT | 1.183* | -0.118*** | -0.248*** | 0.469* |
| (12.39) | (-1.97) | (3.06) | (7.51) | |
| IRAT | ||||
| Size | 0.3709 | -0.0844 | 0.2806 | -0.3605 |
| (6.75) | (-1.21) | (3.88) | (-5.16) | |
| Lev | 2.832 | 2.601** | 0.891 | 0.510* |
| (13.48) | (11.35) | (7.64) | (6.66) | |
| Soa | 0.033** | -0.012 | 0.208* | -0.001 |
| (4.20) | (1.43) | (1.51) | (0.76) | |
| Dua | -0.037 | 0.02 | -0.012*** | 0.085* |
| (-0.69) | (0.85) | (-2.21) | (0.94) | |
| Z | 0.012** | 0.001* | 0.009** | 0.003*** |
| (-1.25) | (-0.44) | (-3.19) | (-1.07) | |
| BM | -0.133* | 0.011 | -0.002 | 0.024** |
| (3.58) | (3.06) | (-0.53) | (4.94) | |
| 行业 | 控制 | 控制 | 控制 | 控制 |
| 年度 | 控制 | 控制 | 控制 | 控制 |
| Obs | 698 | 698 | 698 | 698 |
在表3-9的回归结果中，每一列分别表示不同的风险信息披露质量的代理变量。对于信用评级下调幅度(DRAT)这一指标，各个模型的系数符号和显著性各不相同。信用评级下调幅度与风险信息含量(Inf)和过度乐观程度(Iffic1)呈显著的负向相关关系，说明企业年报披露的风险信息含量和管理层的过度乐观程度随着评级下调幅度的增大而减小；在风险信息披露频率(Freq)和风险信息准确性(Iffic2)作为被解释变量的模型中，DRAT与Freq回归系数为正但不显著，与Iffic2回归系数在10%置信水平下显著为正，说明企业年报的风险信息准确性随着评级下调幅度的增大而增大。评级调整幅度的大小体现了企业主体的信用质量变化程度的大小，在评级日附近，投资者和企业管理层都有效地接受了这一信息，下调幅度越大，说明企业当前的违约风险越高，投资者对其具有很强的敏感性能够及时捕捉风险并要求企业做出说明，管理层内部也对企业的信心不足，这时，即使想要在年报披露中弥补也无济于事，“隐藏”的坏消息数量比不上实际风险增加的数量，因此管理层不再抱有侥幸心理，过度乐观程度就会较小，风险信息披露的频率和风险信息准确性就会越接近真实数据，体现在数值上就是Freq和Iffic2在评级下调时越来越大，之所以这种正向关系显著性较低是因为年报风险信息披露内容本就是自愿性行为，企业还是有一定的隐瞒风险的动机，不会完全与评级的下调相对应。也正是由于风险信息披露具有自愿性，企业为降低风险信息的决策有用性，会使风险信息含量始终保持较低的水平，即使是在评级下降时也不会有更大的改变。
4.4本章小结
本章节根据信号传递理论和管理层捂盘假说，分析因融资约束等问题引发的企业信用评级调整与风险信息披露质量之间的关系。信用评级调整的不同方向作为风险信息披露质量影响因素研究的主要解释变量，风险信息披露频率、风险信息含量以及风险信息披露效率是风险信息披露质量的代理变量作为主要的被解释变量。利用非平衡面板模型考察不同的评级调整方向对不同的风险信息披露质量的指标的不同影响，并引入分析师跟踪和评级机构竞争两个重要的外部信息中介，利用调节效应模型探讨对不同影响路径的调节作用。其次，探索管理层改变风险信息披露行为的可行性以及评级下调对管理层的自利行为是否具有有效的约束力。
本章实证研究了企业的信用评级调整对管理层风险信息披露行为以及风险信息披露质量的影响效应，具体来说，一旦企业的信用评级被调低，管理层会通过降低风险信息披露频率、风险信息含量和风险信息披露效率（即管理层会产生过度乐观情况并且降低了风险信息准确性）的方式降低年报风险信息披露质量来刻意隐瞒并试图提高企业未来的信用评级；但当企业的信用评级被调高时，企业自身面临的风险较低，如实披露的好处更多，因此管理层会选择在年报中如实披露风险信息，并适当增加文字可读性，这时风险信息披露质量会随着风险信息含量的提高而显著提升。其次，对于调节变量的检验，分析师跟踪和评级机构的竞争都会通过风险信息披露频率和风险信息准确性削弱信用评级下调与企业风险信息披露质量间的负向关系，但只有分析师跟踪能通过提高风险信息含量进一步增强信用评级上调对风险信息含量的正向影响，评级机构的竞争对信用评级上调与风险信息披露质量之间关系没有显著的调节效应。更进一步当企业信用评级被调低时，管理层降低风险信息披露频率、风险信息含量和风险信息准确性，同时提高过度乐观程度，从而使年报风险信息披露质量下降，多数情况下这种自利行为会奏效，评级机构在后期的确会给予较高的信用评级，但企业的这种自利行为会在信用评级下调幅度较大时有所收敛并失效。本章研究内容为更好的分析企业披露的风险信息提供了全新的思路。
5结论及建议
5.1主要结论
本文旨在研究我国债券市场上信用评级调整对企业风险信息披露质量的影响效应，构建了由风险信息披露效率、风险信息含量和风险信息披露频率三个维度来衡量的上市公司风险信息披露质量指标体系。本文以我国2007-2018年的交易所债券主体信用评级以及评级展望发生调整的公司债和企业债的相关数据为样本，通过多元非平衡面板回归模型对信用评级调整对企业风险信息披露质量的影响效应进行了实证研究，具体结论如下：
（1）我国上市公司的风险信息披露质量不容乐观。一方面，风险信息披露总体质量偏低。体现在风险信息含量较低，披露内容空洞且多选择外围的、系统性风险等内容，而对关键核心的内容以及能体现上市公司未来风险的特有信息不予涉及或少之又少；另一方面，披露效率较低。大部分管理层对企业面临风险都存在着过度乐观的情况，不能准确识别风险等级；此外，风险信息披露的准确性不够，常出现风险信息所描述的内容与实际经营状况不相符的情况，会对投资者和外部信息中介产生诱导。
（2）本文的实证研究结果表明信用评级调整确实能影响企业管理层对风险信息披露质量的改变。企业的信用评级被调低，管理层会通过降低风险信息披露频率、风险信息含量和风险信息披露效率的方式降低年报风险信息披露质量来刻意隐瞒并试图提高企业未来的信用评级；当企业的信用评级被调高时，管理层会选择在年报中如实披露风险信息，并适当增加文字可读性，这时风险信息披露质量会随着风险信息含量的提高而显著提升。
（3）实证研究结果还表明，分析师跟踪和评级机构的竞争都会通过风险信息披露频率和风险信息准确性削弱信用评级下调与企业风险信息披露质量间的负向关系，但只有分析师跟踪能通过提高风险信息含量进一步增强信用评级上调对风险信息含量的正向影响，评级机构的竞争对信用评级上调与风险信息披露质量之间关系没有显著的调节效应。
（4）本文的实证研究还进一步得出，当企业信用评级被调低时，管理层降低风险信息披露频率、风险信息含量和风险信息准确性，同时提高过度乐观程度，从而使年报风险信息披露质量下降，多数情况下这种自利行为会奏效，评级机构在后期的确会给予较高的信用评级，但企业的这种自利行为会在信用评级下调幅度较大时有所收敛并失效。
5.2相关政策建议
从本文的研究结果来看，目前我国上市公司的风险信息披露质量受信用评级调整等外部信息中介决策的影响较大，质量较差且参差不齐。因此，为改善我国上市公司风险信息披露质量还需从以下几个方面入手：
（一）加强风险信息披露制度建设，细化相关标准。
风险信息披露作为年报中的资源披露范畴，应尽快通过制定风险信息披露规则，以提高风险信息的披露质量，提高风险信息的有用性和规范性，将风险信息披露落到实处而不是流于表面。
首先，完善披露形式的标准化。除了对风险披露信息进行常规的定性分析外，尽可能应用定量分析的方法，并且在进行披露的时候，可以采用表格、图标等简单易懂的披露形式，让投资者获得更多更有效的风险信息，这样能够统一风险信息披露形式，完善披露制度，可以改善风险信息披露不明确、不采用定量化风险披露方法等问题，让投资者获得更多更有效的风险信息。
其次，完善披露内容的具体化。统一风险划分的标准，从源头抑制住企业主观上故意隐匿风险信息的可能性，也使年报使用者可以对上市公司的风险信息进行横向和纵向对比；要求上市公司对特有的风险进行具体分析，并因地制宜地制定相应的防御措施，而不是对于不同的风险进行同样的防御，从而有效的解决目前风险信息披露流于形式化、内容可读性较差的问题。
最后，注重风险信息披露的及时性。一方面要根据年报使用者的信息需求进行风险信息披露标准的修订，倒逼上市公司使用通俗易懂且短小精悍的话语披露实质性的风险信息内容。另一方面，适当增加对上市公司风险信息披露频率的要求，季度报和中期报告中也应适当增加相关风险信息的内容，注重时效性，尽量减小信息不对称程度。这样不仅能增强投资者对公司应对风险的信心，使之做出正确判断，也更有利于上市公司的长远发展。
（2）加强对风险信息披露的外部监管，改善企业市场营商环境。
首先，充分调动市场监管部门的主导作用，逐步引导上市公司公开透明、完整地披露风险信息。一方面，保障政策落实到地。监管部门应通过不定期的主动与上市公司进行沟通交流，做好政策的解读与宣传工作，提高上市公司对如实进行风险信息披露的重要性和必要性的思想认识。另一方面，完善政策落实后续监管工作。监管部门应明确监管范围并加大对风险信息披露规范的违规惩罚力度，对虚假披露、故意隐瞒等违规行为严惩不贷。这样可以强化风险信息披露制度、监督风险信息披露的实施，使风险信息披露制度真正的落到实处。
其次，通过操作风险信息披露来增加对涉嫌财务欺诈的公司的惩罚。由于风险信息对于投资者和潜在年报使用者来说具有一定的预警性，所以管理层在考虑到这一点后会根据情况在一定程度上进行隐瞒，从而使得信息不对称情况严重，导致投资者和外部信息使用者做出错误决策和误判，同时也侵犯了投资者的知情权。加大惩处力度可以在一定程度上抑制舞弊行为，从而改善信息透明度。此外，还应畅通投诉举报渠道，使投资者可以利用平台举报等形式保护自己的合法权益，监管部门在接收到投诉举报之后也要进行及时调查和取证，如发现有违法违规行为，严格按照相关规定对有关责任人进行严厉处罚。通过法律的严惩，能够使公司更加注重风险的管理，强化公司风险信息披露意识，也起到警示作用。
（3）完善公司内部治理，加强外部信息中介的作用。
首先，将风险信息披露质量管理落实到人。第一，完善上市公司风险管理系统。风险管理作为风险信息披露的基础，只有对风险管理系统进行完善，提高风险管理能力，才能够使得披露的风险信息更具可靠性和有效性。第二，完善风险管理机构设置、落实风险责任制，将风险责任落实到专人，切实增强风险管理的预警作用，降低风险信息管理人员的利己意愿，提高风险管理给公司带来的价值。第三，加强创新型人才的引进和风险管理培训。风险管理是一项具有高技术含量的工作，必须有一批既掌握计量方法，又具有实操经验的混合型人才勇挑重担，这就要求企业加大创新型、技术型人才的选拔和培训，协助企业进行风险管理。
其次，本文实证研究结果表明，信用评级调整会影响企业的风险信息披露决策。因此，例如信用评级机构、审计事务所等中介机构应当建立一套完善的考核机制，在对企业的相关财务信息和文本信息进行分析时，将风险信息披露质量纳入考察范围，不要被管理层刻意隐瞒的信息所蒙蔽。
5.3未来研究展望
本文认为，以后的相关研究主要可以从以下两个方面展开：
首先，在测算企业风险信息披露质量时，选取了四个不同的分指标来进行衡量，分别作为被解释变量进行实证分析，没有构成一个统一的指数来进行整体衡量企业的风险信息披露质量，所以难免会存在错误和片面的情况。再加上风险信息披露质量评级体系的设置有一定的主观性，可能存在客观上的一些不足，今后的研究会对该评级体系进行进一步的打磨。
其次，本文在研究企业风险信息披露质量的影响因素时，只考虑了信用评级机构这一个外部信息中介，对于其他重要的外部信息使用者例如机构投资者、新闻媒体等的影响没有进行对比研究，不同中介对企业风险信息披露质量的影响可能不同，对其进行实证分析会丰富外部信息中介影响风险信息披露质量的系列研究，后续研究可以进行重点关注。
参考文献
- 王彦东,马一先,晓芳.企业风险来源信息披露与审计定价研究——基于A股上市公司的经验证据[J].会计之友,2020(19):120-127.
- 蒋巍,杨颖颖.我国上市公司年报风险信息披露现状——以浙江航民为例[J].生产力研究,2015(11):148-151+160.
- 林晚发,陈晓雨.信用评级调整有信息含量吗?——基于中国资本市场的证据[J].证券市场导报,2018(07):29-37.
- Tsai F, Lu H, Hung M, et al. The impact of news articles and corporate disclosure on credit risk valuation[J]. Journal of Banking and Finance, 2016, 68(7): 100-116.
- Benmelech E. Credit Ratings: Qualitative Versus Quantitative Information[R]. Working Paper, 2017.
- Shrives P. J, Linsley P. M. Communicating risk to shareholders and other stakeholders: An empirical study[J]. Annual Congress of the European Accounting Association Copenhagen, 2002(25): 24-26.
- 吴运建,商行.上证A股上市公司年报中风险信息的价值研究[J].财经问题研究,2013(06):66-73.
- 李亚玲,赵娟.上市公司综合报告的非财务信息披露质量评价[J].财会月刊,2014(24):63-66.
- 周婷婷.高管变更、股权再融资与风险信息披露质量——基于北京市旅游类上市公司的分析[J].会计之友,2015(05):58-62.
- 赵培花.MD&A中前瞻性信息披露质量分析与建议[J].中国商论,2019(20):223-225.
- 易珩,马琪琪,章惟一.基于语义分析方法的创业板风险信息披露研究[J].商业会计,2019(02):74-77.
- 种莉萍.基于内容分析法的IPO招股说明书中的风险信息披露研究[D].山东财经大学,2012.
- 吕祥友,孙永文,种莉萍.新股发行风险信息披露的趋势分析[J].宏观经济研究,2015(01):144-151+159.
- 黄方亮,宋晓蕾,种莉萍.IPO风险信息披露的规范性——基于内容分析法的研究[J].制度经济学研究,2012(03):89-101.
- 黄方亮,齐鲁,赵国庆.新股发行风险信息披露的意向分析[J].山东大学学报(哲学社会科学版),2015(02):38-48.
- 谭圆.上市银行风险信息披露质量评价体系的构建及其应用研究[D].华侨大学,2011.
- 王丽娜,朱卫东.商业银行风险信息披露评价[J].合肥工业大学学报(自然科学版),2011,34(07):1084-1087.
- Elshandidy T, Shrives P J, Bamber M, et al. Risk reporting: A review of the literature and implications for future research[J]. Journal of Accounting Literature, 2018, 40: 54-82.
- Al-Hadi A, Al-Yahyaee K H, Hussain S M, et al. Market risk disclosures and corporate governance structure: Evidence from GCC financial firms[J]. The Quarterly Review of Economics and Finance, 2019, 73: 136-150.
- 杨洁,王梦翔.企业社会责任信息披露水平影响因素研究——基于模糊集的定性比较分析[J].唐山学院学报,2020,33(06):61-71.
- Linsley P. M, Shrives P. J. Risk reporting: a study of risk disclosures in the annual reports of UK companies[J]. The British Accounting Review, 2006 (38).
- 扈文秀,杜金柱,章伟果.信息披露质量对公司业绩的影响研究——兼论独立董事的治理效应[J].西安理工大学学报. 2020(03)
- 钟伟强,张天西,张燕妮.自愿披露与公司治理——一项基于中国上市公司数据的实证分析[J].管理科学,2006(03):81-89.
- 高雷,高田.信息披露、代理成本与公司治理[J].财经科学,2010(12):34-42.
- 陆烨.公司治理对年报风险信息披露的影响研究[D].浙江财经大学,2019.
- 王雄元,沈维成.上市公司控制结构与信息披露质量[J].证券市场导报,2008(4):63-
- Eng L, Mark Y. T. Corporate governance and voluntary disclosure[J]. Journal of Accounting and Review, 2003(22): 325-345.
- Oliveira J, Rodrigues L L, Craig R, et al. Risk-related disclosures by non-finance companies: Portuguese practices and disclosure characteristics[J]. Managerial Auditing Journal, 2011, 26(9): 817-839.
- 彭博.上市公司风险信息披露水平的影响因素及其后果的实证研究[D].新疆财经大学,2012.
- Ruland W, Tung S, Georgem N. Factors Associates with the Disclosure of Managers’ Forecasts[J]. The Accounting Review, 1990(65): 710-721.
- 杜莉,戴倩倩.年度报告的风险信息沟通及影响因素[J].证券市场导报,2010(07):32-36+49.
- Forker, J.J. Corporate governance and disclosure quality. Accounting and Business Research, 1992.
- Ho S S, Wong K S. A study of the relationship between corporate governance structures and the extent of voluntary disclosure[J]. Journal of International Accounting, Auditing and Taxation, 2001, 10(2): 139-156.
- 崔学刚.公司治理机制对公司透明度的影响——来自中国上市公司的经验数据[J].会计研究,2004(08):72-80+97.
- Campbell J L, Chen H, Dhaliwal D S, et al. The Information Content of Mandatory Risk Factor Disclosures in Corporate Filings[J]. Review of Accounting Studies, 2014, 19(1): 396-455.
- Kravet T D, Muslu V. Textual Risk Disclosures and Investors’ Risk Perceptions[J]. Review of Accounting Studies, 2013, 18(4): 1088-1122.
- Hoberg G, Maksimovic V. Redefining Financial Constraints: A Text-Based Analysis[J]. Review of Financial Studies, 2015, 28(5): 1312-1352.
- 吴运建,商行.上证A股上市公司年报中风险信息的价值研究[J].财经问题研究,2013(06):66-73.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.447766.cn/chachong/75733.html,
