管理层预测窗口期的市场谣言传播机制：基于信息不对称与操纵动机的实证研究

本研究针对管理层预测(MF)披露前的股价异常波动现象，深入探究了预披露期谣言激增的内在机制。通过分析中国A股上市公司投资者互动平台的96,388条谣言验证数据，发现预披露期(MF)谣言发生率显著提升，信息不对称程度(SP/DA/ASH)和利益相关者操纵动机(OPT/IPC/MDT)是核心驱动因素。研究创新性地揭示了谣言作为信息型市场操纵工具的作用路径，为监管层识别高风险窗口提供了实证依据。

　　

资本市场上，管理层预测(Management Forecast, MF)作为重要的自愿披露工具，本应改善信息环境，却常常伴随着预披露期异常的股价波动。这种现象背后暗藏着一个矛盾：在MF正式发布前的30天窗口期内，市场往往出现大量未经证实的谣言，既有看涨的"产品创新"传闻，也有看空的"业绩暴雷"传言。以SZ300461公司为例，其在2024年12月（即2025年1月发布亏损预告前）竟出现反常的看涨谣言，导致股价单日涨幅超3%。这种"预告前的谣言狂欢"现象引发核心问题：为何重大信息披露前夕反而成为谣言温床？

为解开这个谜题，Wenting Zhang团队创新性地挖掘了中国特有的监管数据——沪深交易所投资者互动平台上的96,388条谣言验证记录。相比传统媒体传闻样本，这种由投资者主动发起的询问能更全面捕捉市场谣言。研究构建了包含9,403,647个公司-交易日观测值的面板数据，运用机器学习方法（Word2Vec+SVM）对谣言进行多维度分类，并结合Roll价差模型、修正Jones模型等测度信息不对称程度。

【关键技术】

1. 1.

   基于投资者互动平台的谣言文本挖掘技术

2. 2.

   支持向量机(SVM)的谣言情感分类

3. 3.

   事件研究法计算异常收益(CAR)

4. 4.

   工具变量(IV)和PSM模型解决内生性

5. 5.

   信息不对称代理变量(SP/DA/ASH)构建

【主要发现】

1. 1.

   预披露期谣言激增现象

   通过logit模型验证，MF发布前30天窗口期(Dpre)的谣言发生概率提升21.1%（t=13.776），其中看涨谣言(Rpos)增加18.5%，看空谣言(Rneg)增幅更高达26.3%。动态分析显示，看涨谣言集中在[-30,-10]日，而看空谣言在[-10,0]日爆发性增长。

2. 2.

   信息不对称的调节作用

   信息环境较差的公司（买卖价差SP高、应计利润DA高、散户持股比例低）谣言增幅更显著。当平均持股数(ASH)增加1个标准差，谣言概率下降16.5%（t=-5.432），证实信息透明度是关键抑制因素。

3. 3.

   市场操纵的驱动证据

   管理层存在操纵动机时（自愿披露、乐观偏差OPT=1、模糊预测IPC高），谣言概率显著提升。特别是当大股东进行股权质押(PLD)或存在卖空(Short)交易时，交互项系数达0.523-0.507（p<0.01）。

4. 4.

   股价影响异质性

   对自愿披露的MF，预披露期净看涨谣言(Rumor_pre)每增加1单位，公告日异常收益(CAR)下降0.3%（t=-2.594）；而对强制披露(MDT=1)的MF无显著影响，表明谣言可能提前透支利好或放大反转风险。

这项发表在《Sustainable Futures》的研究，首次系统揭示了MF披露前的"信息黑箱"如何演变为谣言温床。理论层面，将社会心理学的谣言传播理论（事实寻求/自我增强动机）与金融学的战略信息披露理论融合，构建了"信息需求-操纵供给"的双驱动模型。实践层面，为监管机构识别操纵高风险期（特别是MF前20-30天）提供了量化依据，建议完善"谣言溯源-澄清响应"的监管闭环。研究局限在于仅捕捉到引发正式询问的谣言，未来可结合社交媒体数据追踪谣言的多级传播路径。

（注：全文严格基于原文数据，所有统计量均保留原文t值/系数报告方式，专业术语首次出现均标注英文缩写，如CAR^0,1表示[0,1]日累计异常收益）