2025年财报季“信息洪流”下的反常行为：投资者如何从细节转向宏观？

1 引言

信息在证券市场效率和实体经济中扮演着关键角色（如 Fama，1965）。因此， 信息的到达及其融入资产价格的过程是金融经济学和会计学的重要议题。本文通过 研究企业盈余公告的时间结构是否以及如何影响投资者对宏观经济信息的获取，进 而影响资产定价结果，为这一广泛的研究议程做出贡献。 近期研究表明，企业的盈余公告与风险溢价相关，这是因为信息从公告公司向 非公告公司溢出（Savor 和 Wilson，2016；Ben-Rephael 等，2021）。相关研究 指出，企业盈余信息在时间上的不均匀发布导致 CAPM 平均而言失效（Gilbert, Hrdlicka, 和 Kamara，2018），但在盈余季初期有大量有影响力的公司发布季度 盈余消息的日子里，市场贝塔与股票回报之间的关系会转为正（如 CAPM 所预测） （Chan，2021）。这些研究基于一个假设：当企业发布盈余公告时，投资者利用 这些信息来更新他们对公告公司乃至整体经济的预期。例如，Chan（2021）认为， 其发现的一个可能解释是，有许多早期公告的日子充当了投资者关注的"宏观触发 器"。然而，这种推测性的解释以及由此产生的企业盈余公告时间结构与投资者宏 观信息获取之间的相互作用，在文献中很大程度上仍未得到探索。 本文研究了这种相互作用，并预测相对于非盈余集中期，投资者在盈余集中期 （即许多公司发布盈余的日子）会获取更多的宏观经济信息。我们的预测基于两点 观察。首先，盈余集中为投资者提供了更精确的经济信息，因为更多的盈余样本有 助于区分盈余中的特质性消息和宏观消息。与此观点一致，研究表明，汇总报告公 司的会计信息有助于洞察重要的宏观经济现象，包括 GDP 增长（Konchitchki 和Patatoukas，2014）、通货膨胀（Shivakumar 和 Urcan，2017）和经济衰退 （Lind，2021）。这种宏观信息的涌入可能引发投资者对宏观经济的关注。

其次，先前文献表明，盈余集中会消耗投资者的资源并增加信息获取的机会成 本（Hirshleifer, Lim, 和 Teoh，2009；DeHaan, Shevlin, 和 Thornock，2015； Blankespoor, DeHaan, 和 Marinovic，2020）。如果这些日子里投资者注意力能 力约束是紧的（Blankespoor, DeHaan, 和 Marinovic 2020 的综述），那么即使宏 观信息的精确度/数量保持不变，投资者也可能优先获取和处理宏观信息而非特质信 息（Peng 和 Xiong，2006；Kacperczyk, Van Nieuwerburgh, 和 Veldkamp， 2016）。基于这两点观察，我们预计，无论是因为更好/更多的宏观信息变得可 用，还是因为注意力能力约束收紧，投资者在盈余集中期相对于其他日子都会获取 相对更多的宏观经济信息。 我们使用两组测试来检验这一预测：第一组测试依赖于两个新颖的直接衡量投 资者信息获取的指标，以研究投资者在盈余集中期是否获取了更多的宏观经济信息。 我们首先通过谷歌上与宏观相关的互联网搜索强度来衡量投资者对宏观导向信息的 获取。我们预测，如果投资者在盈余集中期获取更多宏观信息，他们可能会从多种 来源（其中包括互联网搜索）搜索背景宏观信息。我们的证据与这一预测一致：宏 观导向的谷歌搜索在盈余集中期显著加强，这种效应延伸到多个宏观相关词汇类别， 但不适用于非宏观类别。

虽然谷歌搜索捕获了广泛的投资者，但它们主要反映零售交易者的信息获取行 为（DeHaan, Shevlin, 和 Thornock，2015）。因此，我们接下来使用盈余电话会 议中宏观相关术语的强度来衡量投资者对宏观导向信息的获取，这更可能捕捉机构 投资者的行为。我们预测，如果投资者在盈余集中期对宏观信息更感兴趣，那么我 们应该观察到在这些日子举行的盈余电话会议中宏观导向词汇的强度增加。这正是 我们的发现：在盈余公告较多的日子里，盈余电话会议包含明显更多的宏观相关词 汇。此外，这种效应源于电话会议的管理层陈述部分和问答部分，表明盈余集中期 对宏观经济信息的需求（来自投资者）和供给（来自公司）都有所增加。我们利用 盈余电话会议数据的细粒度，研究投资者从电话会议中获取宏观经济信息是否集中 在更暴露于宏观经济的公司，并发现情况确实如此。我们的分析表明，虽然盈余集 中对一般公司的电话会议中宏观相关术语强度有影响，但对于高贝塔公司和龙头公 司（即与经济表现协方差较高、因此对宏观动态更具信息性的公司），这种影响变 为正向且显著。 总体而言，第一组测试直接支持了这样一种观点，即在特定日子有更多公司发 布盈余公告时，投资者会获取更多宏观导向的信息。在第二组测试中，我们检验交 易决策和资产价格变动是否与这种信息获取行为一致。我们预测，随着投资者在盈 余集中期获取更多总体信息，他们也会进行交易以调整其投资组合在这些日子对宏 观经济的暴露。我们记录了两个与此预测一致的结果。首先，我们观察到，可用于 调整经济层面波动率暴露的工具（即 CBOE 波动率指数 VIX 的看跌和看涨期权）的 日交易量，在盈余集中期相较于非集中期显著增加。我们还发现，在这些相同的日 子里，投资者更积极地交易未发布公告的高贝塔和龙头公司的股票。这些结果表明， 在盈余集中期增加了对宏观信息的获取后，投资者通过交易来调整其对宏观经济的 暴露。最后，我们记录到，关于经济的不确定性（以 CBOE 波动率指数衡量）在盈 余集中期相对于非集中期下降。因此，资产价格的行为也与投资者在盈余集中期的 宏观经济信息获取行为一致。

如前所述，投资者在盈余集中期获取更多宏观信息这一预测背后至少有两种可能的机制。这些渠道的影响相互交织并由内生决定，这使得分离和精确识别它们变 得困难（并超出了本研究的范围）。然而，虽然我们无法孤立出每种机制的相对重 要性，但我们提供了探索性分析，支持这两个渠道作为盈余集中期投资者信息获取 的决定因素都扮演着重要角色。 在第一种机制下，盈余集中是传递更优经济信息的渠道。在这些日子里，投资 者可以获取多个个体盈余信号，这可能有助于区分盈余中的公司特定信息和宏观信 息，从而引发他们对后者的关注。这种动态与 Hirshleifer 和 Sheng（2022）最近的 发现（表明宏观经济公告引发投资者对公司特定信息的关注）以及 Choi 等（2021） 的发现（表明及时的公司特定披露补充了后续的宏观经济新闻，有助于解决投资者 的不确定性）是一致的且具有互补性。此外，可以想象，宏观经济信息获取的增加 源于公司特定信息获取的溢出（即投资者获取宏观信息是获取公司特定信息的副产 品），类似于 Hann, Kim, 和 Zheng（2019）记录的行业内信息传递。为探索这一 机制，我们研究盈余集中是否向专门收集和处理此类信息的市场参与者提供了更多 宏观信息。更具体地说，我们考察宏观经济分析师的预测发生率和离散度如何随每 周盈余公告的强度而变化。我们发现，当在给定的一周内有更多公司发布盈余公告 时，（i）宏观经济分析师更有可能修正他们先前的预测或发布新的预测；（ii）分 析师预测的离散度减小。我们将这些结果解释为，与非集中期相比，盈余集中期资 本市场参与者可获得的宏观经济信息量/质量有所增加，这引发了他们对收集宏观信 息的关注。

在第二种机制下，盈余集中消耗了投资者的注意力能力，正如专注于公司特定 信息和盈余集中期注意力的文献所示（Blankespoor, DeHaan, 和 Marinovic， 2020）。在这种情况下，信息选择模型表明投资者进行类别学习，即他们优先处理 一类信息而非另一类（即宏观经济信息优先于公司特定信息，如 Peng 和 Xiong 2006 以及 Kacperczyk, Van Nieuwerburgh, 和 Veldkamp 2016 所述）。因此，盈 余集中期对投资者能力的消耗应导致总体信息和公司特定信息之间的替代效应，投 资者优先获取前者而非后者。我们提供了三方面证据支持这一机制。首先，我们发 现投资者在盈余集中期增加对宏观经济信息的获取，而现有研究表明投资者在这些 相同的日子对公司特定信息的获取减少（Hirshleifer, Lim, 和 Teoh，2009； DeHaan, Shevlin, 和 Thornock，2015），这在边际上与总体信息和公司特定信息 之间的替代效应一致。其次，我们发现，在盈余集中期，投资者减少对公告公司的 交易，但同时增加对未公告的宏观暴露公司的交易，这也与注意力重新分配一致。 第三，我们记录到总体不确定性下降，但公告公司的特质不确定性在盈余集中期增 加，这与公司特定信息处理减少但宏观信息处理增加一致。 总体而言，我们的论文表明，企业盈余公告的时间结构影响投资者的宏观经济 信息获取，并且这种效应可能源于两种互补的机制。通过这些发现，我们的论文至 少涉及三个研究方向。首先，如前所述，近期研究表明盈余公告以与投资者利用盈 余消息更新其经济先验一致的方式影响风险溢价和风险-回报关系。我们提供了这 一机制的初步证据，从而为近期有影响力研究的一个重要假设提供了支持。

其次，金融经济学文献长期试图将宏观经济与资产定价行为联系起来（例如 Fama，1981）。该领域的研究表明，宏观经济公告（如 FOMC 决策、GDP、通胀 和失业消息等）影响投资者的宏观经济信息获取（Fisher, Martineau, 和 Sheng， 2022）以及资产价格（Savor 和 Wilson，2013，2014；Ai 和 Bansal，2018）。与 本文更直接相关的是，Hirshleifer 和 Sheng（2022）发现宏观公告充当了投资者获 取特质信息的注意力触发器。我们的论文表明相反的情况也成立：多个公司同时发布微观经济信息充当了投资者获取宏观信息的注意力触发器。 第三，本文对关于投资者对盈余公告反应决定因素的丰富文献做出了贡献。先 前研究表明，行为因素导致投资者对公司层面盈余公告的关注度降低，当这些盈余 在周五公告时（DellaVigna 和 Pollet，2009），与低市场回报同时发生时（Gulen 和 Hwang，2012），或与分散注意力的事件同时发生时（Hirshleifer, Lim, 和 Teoh，2009）。我们与这些论文的不同之处在于，我们表明当盈余消息是经济的 更精确信号和/或投资者更可能面临注意力能力约束时，投资者会理性地收集更多宏 观经济信息。因此，与先前将盈余集中对投资者的分散注意力效应解释为非理性现 象不同，我们将其解释为一种"有效率的无效率"结果（Pedersen，2015），即投资 者理性地选择将注意力导向最有益的信息。通过这样做，本文支持了 Blankespoor, DeHaan, 和 Marinovic（2020）提出的观点，即受限的投资者理性是盈余集中期 投资者减少处理公司特定信息的一个可能解释。

2 数据与方法

2.1 关键变量的度量

2.1.1 投资者的宏观经济信息获取

我们使用两类指标来度量投资者的宏观经济信息获取：（i）信息获取的直接 度量；（ii）信息获取的间接度量。 我们依赖两种投资者宏观经济信息获取的直接度量。第一个指标代表了投资者 从通用信息源获取宏观经济信息的情况。我们遵循先前研究（DeHaan, Shevlin, and Thornock 2015; Drake, Roulstone, and Thornock 2012），并关注其中一个此 类来源：互联网搜索。我们使用特定日内，针对一个宏观词汇词典（列于附录 B） 的谷歌搜索量指数（SVI） 来度量投资者通过互联网获取宏观经济信息的情况。然 后，我们将词典中所有宏观词汇的搜索强度度量进行平均，创建一个追踪投资者从 互联网获取宏观经济信息总体兴趣的变量。由此产生的变量（Macro Acq SVI）从 2004 年开始可用，代表了一个反映投资者通过互联网搜索对宏观经济信息总体兴 趣的日度时间序列。谷歌搜索量指数的优势在于能够捕捉广泛的宏观信息获取模式， 但代价是主要反映零售投资者的行为（DeHaan, Shevlin, and Thornock 2015）。 因此，对于第二个指标，我们使用盈余电话会议中宏观相关术语的强度，这更 可能反映机构投资者的信息获取。我们使用 Capital IQ 提供的从 2008 年开始可用 的电话会议文字记录，计算给定日期所有盈余电话会议中宏观词汇的数量，除以同 一天所有盈余电话会议的总词汇数。由于我们对宏观信息获取模式随时间的相对 （而非绝对）变化感兴趣，我们将该比率转换为 0 到 1 之间的百分位等级。由此产 生的变量（Macro Acq CC）代表了一个描述投资者从盈余电话会议中获取宏观经 济信息总体兴趣的日度时间序列。该变量背后的直觉源于现有证据，即盈余公告包 含宏观相关信息（Cready and Gurun 2010; Konchitchki and Patatoukas 2014; 等）。因此，投资者可能向管理层寻求关于总体波动对其公司业绩影响的澄清，并 相应地更新其先验信念。此外，我们分别为盈余电话会议的管理层陈述部分 （Macro Acq Pres）和问答部分（Macro Acq Q&A）创建此变量。通过这种方式， 我们可以分别分析投资者从盈余电话会议中获取宏观信息的任何变化，是由需求方 （投资者）还是供给方（管理层）驱动的。

接下来，我们使用两种投资者宏观经济信息获取的间接度量：交易行为和资本 市场结果。我们假设，如果信息获取改变了投资者的先验信念，那么他们将通过交 易来相应地调整其投资组合。更具体地说，我们预计当投资者获取宏观信息时，他 们将通过交易来调整其投资组合对宏观经济的暴露。我们依赖对宏观经济更敏感的 资产的日度交易量——VIX 看涨和看跌期权以及高贝塔和龙头公司的股票——作为 投资者调整其宏观暴露的代理变量。为构建这些度量，我们从 Options Metrics 获取 了从 2006 年开始可用的 VIX 看涨和看跌期权的交易量数据；以及从 CRSP 获取的 个股交易量数据，其可用时间序列更长（1995-2019）。 最后，我们通过资产价格来度量投资者的宏观经济信息获取（Ai et al. 2023）。 如果投资者获取了特定类型的信息并据此交易，那么他们的交易行为应会影响资本 市场结果。我们关注其中一个结果——总体不确定性的消解——因为在信息论中 （Shannon 1948; Ross 2016），这一结果直接反映了信息获取的变化。基于此概 念，我们预计当投资者获取更多宏观信息（例如在盈余聚集期）时，会观察到更多 的总体不确定性消解。虽然文献中有多种代理变量，但我们关注芝加哥期权交易所 波动率指数（VIX），这是一个常用的宏观经济不确定性代理变量（Bloom 2014; Alfaro, Bloom, and Lin 2018），因为它反映了股票市场的前瞻性不确定性且可高频 获取。然后，我们使用 VIX 的日度变化（DVIX）来度量宏观经济不确定性的消解。

2.1.2 盈余聚集

我们遵循先前研究（Chan 2021; Hirshleifer, Lim, and Teoh 2009; DeHaan, Shevlin, and Thornock 2015）的方法，使用每日同时发布的盈余公告数量来衡量 盈余聚集。更具体地说，我们遵循 Hirshleifer, Lim, and Teoh (2009) 的方法，使用 给定日期内发布的盈余公告数量在年度-季度十分位数分布中的位置（ECs）来衡 量。为构建此指标，我们依赖于 Compustat 和 I/B/E/S 数据库交集中的公告日期， 仅保留两个数据库日期一致的记录（Blankespoor, DeHaan, and Marinovic 2020）， 这一程序以确保公告日期被精确测量为代价，但会损失两个数据库日期不一致的公 告。 我们使用第二个指标来补充此代理变量，该指标定义为每日盈余公告的规模加 权平均值的年度-季度十分位数分布（Size ECs），其中权重是公告公司的总资产 相对于该年度-季度内所有公告公司总资产的规模。我们依赖这个额外的指标是因 为它包含了公告公司的规模，从而考虑了公告的经济重要性和复杂性，这些是投资 者信息获取（Frederickson and Zolotoy 2016; Driskill, Kirk, and Tucker 2020）和资 本市场结果（Gilbert, Hrdlicka, and Kamara 2018）的重要驱动因素。为了便于解 释估计系数，我们将这两个十分位数度量重新缩放至区间 (0, 1)，即一个单位的变 化代表从最低十分位移动到最高十分位。

2.2 样本构建与描述性统计

我们所依赖的多种宏观信息获取度量需要多个数据集和样本。我们使用一个日 度时间序列数据库来研究投资者信息获取、交易行为和总体不确定性的模式。该样 本包括宏观术语的互联网搜索数据、盈余电话会议、VIX 看涨和看跌期权的交易量、 总体不确定性和盈余聚集数据。其最大时间跨度为 1995 年至 2019 年，共 5,602 个交易日；最小时间跨度为 2008 年至 2019 年，共 2,501 个交易日。我们观察到，平均而言，在任何给定日期发布盈余公告的公司数量为 63 家，标准差为 83 家。较大的标准差反映了有 1,309 天 公告公司少于 10 家，而有 1,223 天公告公司超过 100 家，这与投资者面临清淡 和繁忙的公告日的情况一致。

转向我们的宏观信息获取代理变量，我们观察到宏观词汇的谷歌搜索指数 （Macro Acq SVI）平均为 41.9，标准差为 10.5。平均而言，宏观词汇约占任何 给定日期盈余电话会议总词汇量的 3%，标准差为 2.48 个百分点。这些描述统计 量共同表明，投资者从多个来源获取宏观经济信息的行为具有时变性。与信息获取 的时变性一致，投资者在 VIX 看涨和看跌期权交易强度上也表现出变化：日均总 合约交易额为 41 万美元，标准差为 36.2 万美元。最后，用 VIX 衡量的总体不 确定性随时间变化很大：VIX 指数的平均值为 20.17，标准差为 8.26；而 VIX 的 日均变化率为 0.5%，标准差为 7.1 个百分点。该表还显示，总资产回报率平均为 总资产的 0.6%，平均市场回报率为 0.4%，我们的样本中有 19% 的日期有宏观 经济公告发布。 我们还创建了额外的数据库。首先，我们利用 Bloomberg 构建了一个宏观分 析师 GDP 预测的时间序列数据库，数据在 1996 年至 2019 期间按周频率可用。

其次，我们构建了一个公司-季度数据库，在 1995-2019 年间包含最多 192,032 个观测值，涉及 7,074 家公司。该数据库是通过剔除所有缺乏必要数据 的公司，以及总市值低于一百万美元、股价低于一美元或财务季度结束日与盈余公 告日间隔超过九十天的公司后得到的。该样本的描述性统计，显示日 均盈余公告数量为 182 条，标准差为 114，与相关研究（如 DeHaan, Shevlin, and Thornock 2015）相似。关于我们感兴趣的变量，该表显示盈余电话会议中平 均有 2% 的词汇与宏观经济相关，标准差为 4 个百分点。同时，宏观内容存在显 著差异，大约一半的盈余电话会议不包含任何宏观词汇。我们还观察到，平均而言， 公司特质不确定性在盈余公告后下降（平均值为 -0.09，标准差为 0.15），这与这 些公告消解了关于公告公司未来的不确定性相一致（Patell and Wolfson 1979, 1981）。此外，所有其他变量的分布与相关研究一致。 最后，我们构建了一个公司-日度的面板数据库，以研究股票日度交易量如何 随盈余聚集以及公司对经济的暴露度（使用公司贝塔值和龙头地位衡量 (Bonsall, Bozanic, and Fischer 2013)）而变化（为简洁起见，统计量省略）。平均而言，在 任何给定交易日，有 0.9% 的流通股被交易，标准差为 3.1 个百分点，这与投资 者对总体不确定性暴露度的时变性调整相一致。

3 机制分析

如引言所述，我们关于投资者在盈余聚集日获取相对更多宏观信息的证据，可 能源于至少两种机制：盈余聚集作为宏观信息的传导渠道，或投资者的注意力重新 分配。虽然提供关于哪种机制驱动我们发现的结论性证据超出了本研究范围，但本 节我们提供与两种机制均发挥作用的证据。

盈余聚集作为宏观信息的传导渠道

在第一种机制下，盈余聚集是传递更精确的总体经济信息的渠道，因为投资者 可以获取更多个体公司的盈余信息，这提高了他们区分盈余中特质性信息和宏观信 息的能力。作为对宏观信息相对于公司特定信息精确度提高的回应，投资者将努力 转向更好地理解宏观环境。 为检验此断言，我们关注专门从事宏观经济信息的收集、处理和解读的参与者 ——宏观经济分析师，并研究他们的 GDP 预测特性如何随盈余聚集而变化。我们 利用 Bloomberg 的季度 GDP 预测数据。这些数据具有重要优势：与其他宏观经济 预测者（如参与“专业预测者调查”SPF 者，按固定日程每季度发布一次宏观预 测）不同，Bloomberg 的预测者自行决定何时贡献预测。因此，这些数据为我们提供了在周度级别上作出或修订的 GDP 预测特性的时间序列变化，使我们能够以相 对较高的频率研究这些特性与盈余聚集之间的关系。

盈余聚集作为注意力能力约束

在第二种机制下，盈余聚集消耗了投资者的注意力能力，这促使投资者将注意 力从公司特定信息重新分配到总体信息。 现有工作的证据表明，投资者对公司特定信息的获取在盈余聚集日下降。例 如，在这些日子里，投资者减少了对公告公司股票代码的互联网搜索强度。这一证 据，结合我们关于投资者在盈余聚集日获取相对更多宏观信息的发现，表明重新分 配机制在起作用。我们还发现，随着投资者在盈余聚集日增加对宏观暴露公司的交 易，他们同时减少了对公告公司的交易，这也与注意力重新分配一致。最后，我们 通过研究盈余聚集日特质不确定性的消解情况，提供了另一项与注意力重新分配一致的证据。

4 总结

我们研究发现，在盈余聚集期间：（i）投资者会获取更多的宏观经济信息； （ii）投资者会更广泛地交易暴露于宏观经济波动的证券；以及（iii）总体不确定性 会下降。这些结果支持了以下观点：当许多公司同时发布盈余公告时，投资者会利 用公司的盈余信息来更新他们不仅对公告公司、也对整体经济的预期。更广泛地说， 这证明了信息发布的时间结构对投资者的信息获取决策具有重要影响，进而影响市 场定价和效率。我们还发现，我们的证据至少由两种机制驱动：盈余聚集作为宏观 信息的传导渠道，触发了投资者对整体经济动态的关注；以及盈余聚集消耗了投资 者的注意力容量，从而导致注意力从公司特定信息向宏观信息重新分配。 我们的研究结果为文献中先前的发现提供了额外的背景和解释，特别是关于盈 余公告周围存在风险溢价的观点，以及 CAPM 模型在盈余信息大量涌入时保持有效 性的发现。具体而言，我们的论文表明，盈余公告风险溢价的存在以及 CAPM 在盈 余聚集期的有效性，很可能都是由于盈余信息对投资者获取宏观信息所产生的效应 所致。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）