胡娟 李雪轶 郝颖 董士君

一、引言

面对瞬息万变的市场环境，传统财务报表提供的格式化的公司财务信息已无法满足投资者的决策需求(程新生等，2012[1])。然而，近年来互联网技术的不断普及，通过搜索引擎、社交媒体等渠道传播的非财务信息，作为公司异质信息的重要补充受到学术界和实务界的广泛关注。据《中国网络零售市场数据监测报告》显示，2014—2020年，网络购物用户比重不断上升，截至2018年，国内网络零售市场交易规模达8.56万亿元，占2018年中国社会消费品零售总额38万亿元的22.5%。各大电商平台通过与购物社区、微博和自媒体巧妙结合，促使消费者主动分享购物体验、发布在线评论，颠覆性地改变了信息的数量和类型。尤其是“大数据技术”的发展不仅改变了传统消费模式，也为投资者获取更多更全面的信息提供技术支持，极大地提升了信息传递的及时性和有效性，加速投资者的市场反应。在此宏观背景下，开展对非财务信息的市场反应、预测可能诱发的风险等一系列问题的研究，无论从理论上还是实践上都具有重要意义。

以往研究分别从财务舞弊行为(叶康涛和刘金洋，2021[2])、银行信贷决策(曹伟等，2022[3])、企业投资等方面，对非财务信息的影响展开了探索(Tellis和Johnson，2007[4]；Chen等，2012[5]；Luo和Zhang，2013[6])。这些研究一方面表明非官方发布的产品质量评估和产品使用建议，在效力上等同于上市公司官方披露的非财务信息，可能改变消费者和投资者对企业的认知(1)根据尼尔森2015年全球广告信托调查，66%的调查者信任在线消费者评论，其中69%表示他们会对这些意见采取行动。；另一方面说明消费者评论可以作为间接度量企业非财务信息的指标，投资者通过消费者评论的信息传递功能捕捉企业未来盈利的信号，并反映到股票市场中。然而，目前关于非财务信息对资本市场的影响研究尚未达成共识，部分文献认为非财务信息能够在一定程度上提升公司信息透明度，满足利益相关者了解公司发展趋势的信息需求(Brazel等，2009[7]；孟晓俊等，2010[8])；部分文献则认为我国监管制度尚不健全，企业出于利己主义选择性地披露非财务信息，信息效度大打折扣(唐跃军等，2008[9]；Da等，2011[10])。由此便引申出一些关键问题：消费者在线评论信息是否优化了非财务信息、实现增量提质，其经济后果到底如何？其是否能发挥更具前瞻性的作用？

事实上，消费者在线评论是网络购物用户在电商平台上发布的企业产品使用体验，信息披露的内容和频率并未受到企业监督和干涉，保证了评论信息的独立性，不仅可以帮助潜在消费者直接获取相关产品信息，也能让投资者便捷地搜集有关企业盈利状况的公开信息，增加公司非财务信息在市场传播的有效性。更为重要的是，消费者在线评论是客户更真切的购物体验，远优于上市公司为追求控制权等私利动机而公布的一些模糊的、避重就轻的信息。因此，在某种情况下，消费者发布的正面或负面评论甚至超过了广告、促销等方式产生的影响(卢向华和冯越，2009[11])。可见，消费者作为产品的最终使用者，所提供的评论信息更具时效性和客观性，在一定程度上可以避免自愿披露的主观性误差。特别地，“大数据技术”的发展使投资者对信息的及时捕捉和量化处理成为现实，丰富了投资者获取信息的渠道，降低了投资者从公开信息中提取有用信息的难度(丁慧等，2018[12])。因此，沿着上述逻辑思路，本文借助当前日渐成熟的电子商务系统和快速发展的数据搜集技术所提供的绝佳机会，通过采用Python文本分析技术量化消费者在线评论，研究消费者在线评论对股票收益率的影响。研究结果表明：消费者情绪与消费者关注度对股票收益率的影响密切相关，并受其左右。在通过替换因变量、替换固定效应模型、增加控制变量等方法检验后其结果依然稳健。进一步地，我们通过有效识别方法，排除样本中的水军言论，以消除“言论噪音”带来的误导性，抑制股价长期反转的可能。异质性分析表明，消费者关注度与消费者情绪的交叉效应在追加评论组及竞争激烈的行业组结果更加显著，与整体样本的特征基本一致，而且在消极情绪下要比积极情绪下作用更强。

与既有的研究相比，本文的增量贡献在于：第一，突破了以往研究数据的局限，拓展和丰富了消费者在线评论对资本市场价值影响方面的文献。现有研究主要利用股票论坛或上市公司公告的文本信息，存在研究窗口期短、样本所属行业单一等局限，亦无法获得有深度、有广度的面板数据(Clemons等，2006[13]；Fornell等，2016[14])。本文利用Python信息搜索技术，获取2014—2018年上市公司相关店铺的产品评论信息160万余条，构建了综合面板数据，对上市公司非财务信息与投资价值预判作用的研究提供参考价值。第二，独特的数据处理允许本文更纯粹地观察消费者评论对股价的影响。本文有效识别并剔除网络水军评论，更真实地阐释了消费者在线评论的市场反应和预判作用。第三，本文通过构建一个全新的自变量“消费者关注度×消费者评论情绪”，论证了消费者关注的情绪效应，并清晰地揭示了该效应存在不对称性，丰富和补充了非财务信息领域的研究。

二、理论构建与假说提出

(一)消费者关注度与股票回报

传统观点认为，财务分析是专业预测者的领域。然而，随着互联网、大数据时代的到来，通过搜索引擎、社交媒体等渠道传播的信息以及网络平台发布的产品第三方评论的预测作用崭露头角，企业高管、消费者和投资者也意识到非财务信息的披露能有效缓解信息不对称。消费者在选择产品时，不再依赖专家建议，而是越来越多地转向其他客户的评议。消费者评论在信息决策中已抢占了一席之地，并为其他消费者在购物决策和潜在投资者决策提供参考。用户生成的评级对市场上其他参与者产生的影响骤然增加，而来自公司公告等传统咨询来源的影响力正在下降。监管机构由此得出结论“社交媒体正在改变格局”，其传播的非财务信息与金融市场的相关性只会不断增加。

有效市场理论认为，有价值的信息进入资本市场，就会立即被投资者识别并以此调整策略，最终反映在股票价格中(Fama和French，2015[15])。投资者将消费者感知到的产品质量、满意度等信息整合处理后，作为判断企业未来发展前景和潜力的信号，在一定程度上规避投资风险、提高投资决策效率(Aaker和Jacobson，1994[16]；Subrahmanyam和Titman，1999[17]；Mizik和Jacobson，2003[18]；Srivastava等，1998[19])。因此，消费者评论信息与股票回报率息息相关。在经济活动实践中也不难发现：由于监管部门尚未准确地界定非财务信息披露的准则，且资本市场中已有一些企业自愿披露的非财务信息大部分是报喜不报忧，不仅信息的多寡、优劣良莠不齐，而且不同公司之间的非财务信息无法对比，导致投资者无法准确分析和判断价值相关的信息。而相比之下，消费者在线评论却很好地消除了已有非财务信息的弊端，一方面，消费者在线评论独立于企业管理者和资本市场投资者，属于第三方平台发布的公开信息，具有一定的客观性和参考性；另一方面，消费者在线评论提升了信息的标准化程度，内容涵盖范围广，而且通过构建评论等级、评论数量等综合性指标，强化了评论信息的可比性。因此，消费者及时披露的产品使用体验不仅能够打破信息传递偏差和局限，为投资者提供了更多的增量信息，投资者在获取这些信息后，对公司股票价值进行预测，至少在短期内会引起股价波动。

基于上述逻辑，提出本文第一个假设：

假设1：消费者在线评论数量越多，意味着该产品在市场上受到的关注度越高，越易引起股价波动。

(二)消费者关注度、消费者评论情感的交叉效应与股票回报

消费者作为企业产品的直接使用者和体验者，在购买产品或服务后会针对购买和使用体验提出总体评价，投资者通过消费者评论的信息传递功能，捕捉企业未来盈利的信号，并反映到市场中。国内外已有研究表明，金融资产的价格会被投资者情感所左右，尤其是非理性投资者情感会扭曲公司股价，严重偏离公司基本面(金雪军等，2013[20])。由此及彼，消费者在线评论中包含的情感信息通过传递同样也能对股价产生显著影响。

一般而言，市场中对企业产品的评价和认可不断累积后会形成“消费者口碑”，驱动潜在消费者和投资者的好奇心，从而使产品受到持续关注，提升了品牌效应，增强企业的竞争优势等，以上都足以奠定消费者评论对企业未来经济利益的重要预测作用。此外，相对成熟的市场环境和监管体系，在抑制特定消费者在线评论情感的主观动机的同时，削弱消费者评论单一性的噪声干扰，保障消费者情感倾向更加客观真实地反映未来业绩情况(Huang，2018[21])。“口碑效应”的介入为更有效、更全面地解释消费者在线评论对资本市场的影响提供了思路：首先，通过口碑传播向潜在消费者推广企业产品和服务，以此降低吸引新客户的市场营销成本，同时提升企业品牌形象和声誉(Mittal和Kamakura，2001[22]；Anderson和Mittal，2000[23])。其次，消费者正面评价体现了消费者对产品的高度认可，吸引潜在消费者，从而带来重复购买和交叉购买，增加企业营业收入、提高企业运营能力(白长虹和刘炽，2002[24]；韩经纶和韦福祥，2001[25])。最后，消费者满意度使得顾客和企业的利益关系更加稳固，降低企业交易费用和交易失败成本。显而易见，基于消费者口碑和企业忠诚度，消费者正面评论有利于增强企业软实力，成为企业在激烈的市场中取胜的重要支撑(王永贵等，2005[26]；张英奎等，2012[27])。

进一步地，“注意力分配模型”认为，当消费者在线评论信息越多，越容易引起投资者的注意，因此，消费者评论情感便成为消费者关注度影响股价的重要推动力。其基本逻辑在于：当消费者对某一产品评论持积极情感时，投资者更愿意购买该公司股票，引起股票价格的正向反应，相反，当消费者评论持消极情感，此时潜在消费者和投资者都发生了巨大变化，重复购买的可能性大大降低，投资者更为谨慎，大规模抛售股票导致股票价格大幅跌落。

基于以上分析，提出本文第二个假设：

假设2：消费者关注对股票价格的影响取决于消费者评论情感，消费者评论持积极情感时，消费者关注度正向影响股价；消费者评论持消极情感时，消费者关注度则负向影响股价。

三、研究设计

(一)样本选择与数据来源

据《中国网络零售市场数据监测报告》显示，京东商城和淘宝是国内最大、消费者最常用的购物平台。京东商城在国内B2C网络零售市场排名名列前茅，截至2018年京东营业收入占零售电商上市公司总营收的34.16%，位居首位。可见，“京东商城”平台是个人购买商品的热门场所，也成为获取互联网消费者在线评论的最大来源之一，因此本文选择京东商城具有代表性。

本文选取2014—2018年产品在京东商城网站上交易的182家A股上市公司作为研究对象，通过手工搜集与Python数据获取技术相结合，整理得到研究所用数据。基于研究设计的需要，对样本做如下筛选：(1)鉴于金融业、房地产、采矿业以及大型机械设备生产等行业产品和服务的特殊性，无法在电商平台销售，故剔除上述行业。(2)剔除在研究期间内财务数据和资本市场数据不完整的样本。(3)剔除在研究期间无商品交易或产品评论数据的上市公司。(4)剔除各变量有缺失以及数据异常的样本。(5)为提高研究样本质量，本文选取京东商城销售额占比较大的上市公司为研究样本(如××旗舰店、××自营店)获取更广泛的消费者评论信息。(6)由于书籍和音乐光盘类产品均以作品名或作者名字列示，因此不纳入本研究样本中。经如上步骤筛选，共获得182家上市公司的160余万条观测值。

需要指出的是，由于样本量的要求，需涵盖农副食品加工业、日化用品、金属制品以及家具制造业等多个行业，总之以终端产品直接面向消费者的行业占比较多，当然也包含了极少量的渔业和餐饮业。限于篇幅，未在文中列示样本的行业分布(2)分类标准参考中国证监会2012年公布的《上市公司行业分类指引》。(3)限于篇幅，消费者评价样本的行业分布表未在文中列示，留存备索。。

(二)主要变量说明

基于前文分析，本文中“消费者在线评论”包含两层含义：消费者关注度和消费者评论情感。

1.消费者关注度(Attention)。

主流文献中对于“关注度”的衡量大多数采用与之相匹配的数量作为度量指标。本文利用Python数据搜索技术，在平台上搜集了消费者使用产品的感受，并以搜索结果中的评论数量作为消费者对该商品的关注度。评论数量越多，说明消费者对上市公司产品的关注度越高。

2.消费者评论情感(Sentiment)(也称为评论情感倾向)。

一般而言，用户发布的内容包含了情感倾向、偏好以及满意程度等，有助于其他潜在消费者获得参考信息，且情感倾向越明确，越易发挥预测作用。本文借鉴施晓菁等(2016)[28]的研究，为了更加清晰和精确地度量消费者的商品体验和评价，本文以可量化的数字即消费者评分衡量评论的情感属性。基本逻辑为：消费者评分分值从1到5，其中，1分是极端负面，5分是极端正面，分值越高，评价越好，意味着消费者情绪越积极。需要强调的是，现有的评价研究往往只关注评论或评级，而忽视两者之间的有机统一。为了更进一步地分析消费者评论的市场反应，我们构建了两个交叉变量：

Cross_negative=Attention×Neg_Sentiment

①

Cross_positive=Attention×Pos_Sentiment

②

其中，虚拟变量Neg_Sentiment，代表消费者评论的消极情感，即当消费者评分低于中位数时，该虚拟变量为1；类似地，虚拟变量Pos_Sentiment，代表消费者评论的积极情感，即当消费者评分高于中位数时，该虚拟变量为1。上述两个交叉变量Cross_negative和Cross_positive，在反映消费者关注度程度的同时刻画了关注度的情感属性(杨晓兰等，2016[29])。

3.市场反应。

为确保结果稳健成立，本文采用如下3个变量来度量市场反应情况：个股股票收益率(Rett)、股票交易量(Tradingvolume)、短期资金流向(Capital_flow)。其中，根据研究的重点还选取了股票t+1～t+3未来三期回报数据Rett+1～t+3。

4.控制变量。

借鉴主流文献中有关市场反应的研究，本文选取了多个公司层面的控制变量，包括公司规模Size、历史收益率Rett-1、市场收益率MRet、账面市值比BM。同时，本文还加入年度、行业的固定效应。具体的定义及测度见表1。

表1变量定义表

(三)模型构建

为检验本文提出的理论假设，以面板数据构建如下回归模型，模型中主要解释变量Attention、Sentiment代表滞后一期消费者关注度(即评论数量)和消费者评论情感，目的在于缓解研究的内生性问题。

Reti,t=α1+α2Attentioni,t-1+α3∑Controlsi,t-1

+Industryt+Yeari+εi,t

(1)

Reti,t=β1+β2Sentimenti,t-1+β3∑Controlsi,t-1

+Industryt+Yeari+εi,t

(2)

Reti,t=γ1+γ2Cross_positivei,t-1+γ3Attentioni,t-1

+γ4Sentimenti,t-1+γ5∑Controlsi,t-1

+Industryt+Yeari+εi,t

(3)

Reti,t=λ1+λ2Cross_negativei,t-1+λ3Attentioni,t-1

+λ4Sentimenti,t-1+λ5∑Controlsi,t-1

+Industryt+Yeari+εi,t

(4)

其中，因变量Reti,t表示股票i在t期的收益率；Cross_positive表示消费者评论积极情绪与消费者关注度的交叉变量；Cross_negative表示消费者评论消极情绪与消费者关注度的交叉变量，具体含义如前文所示。Controlsi,t表示一组控制变量；Industryt和Yeari分别表示行业和年份固定效应；εi,t为残差项。

四、实证结果与分析

(一)描述性统计

从表2主要变量的描述性统计中可知，Sentiment是消费者评论情绪的测度指标，均值为4.47，标准差为1.10，中位数为4.86，说明在样本研究期间积极情感占据较大比例。一种颇具影响力的解释为：首先，在消费者群体中存在选择效应，即普遍认为京东商城的交易产品具有相对较高的质量。其次，对于用户体验度较差的产品终究会被淘汰，随着消费者数量的下降，负面评价随之减少。同理，对于用户体验较好的产品，好评与销量便相得益彰。再次，对于所购商品只要不存在瑕疵，即使价格与质量不完全匹配，消费者也更愿意发布正面评论，认为购买合理化。因此，从整体上而言，平台上呈现出大篇幅正面评论。Attention是消费者关注度的测度指标，最小值为0.69，最大为9.78，标准差为2.36，说明样本个体存在较大差异。一个较为合理的解释为行业性质和企业性质不同导致其交易数量和频率不同，从而产生的评论数量也有显著差异。

表2主要变量的描述性统计

(二)回归分析：消费者关注度、消费者评论情绪对股票收益率的解释能力

表3列示了市场反应的回归检验度结果。其中，列(1)加入了控制变量，消费者关注度Attention的系数为0.004，在1%的水平上显著，说明消费者关注度越高，股票收益率越高。就影响力而言，如果消费者关注度指标提高1个单位，股票收益率将提高0.004，相对于均值为0.01的股票收益率而言，约提高(0.004/0.01)40%，得出的结论支持了本文提出的假设1。从回归方程(2)来看，消费者评论情绪(消费者评级)对股价的正向影响在1%的水平上显著，这支持了已有文献的结论——消费者评论情感可以左右消费者关注度对股票收益率的影响方向，因此在大数据时代，通过搜索技术获取的消费者评论信息在股价市场中的作用不容小觑。表3进一步列示了方程(3)的回归检验结果，并表明无论是消费者评论的积极情感抑或消极情感，其交叉效应对股票收益率的回归系数均在1%的水平上显著，也证实了存在消费者关注的情绪效应。实证结论支持了本文提出的假设2，即消费者情绪与消费者关注度对股票收益率的影响密切相关，并受其左右。综上可见，本文的研究检验了消费者关注度与消费者评论情绪对股票收益率的交叉影响，在积极情感下，股票收益率随着消费者关注度的增加而提高，而在消极情绪下，消费者关注度与股票收益率则负向显著，且消极情感的负面冲击程度略高于积极情感下的正面冲击。

表3 消费者在线评论与股票收益率的回归分析

五、稳健性检验

(一)内生性检验

本文可能存在内生性问题：即由于产品质量较好(较差)，销量提高(下降)，从而引起股价的上涨(下跌)，投资者追加投资、引起股价波动可能是因为产品质量的好坏导致的，与消费者评论语气是积极还是消极无关，投资者也并没有去查看和处理这些评论信息。

以往研究发现，消费者在线评论与产品质量之间并非呈线性关系，同时还受到品牌认可度、产品依赖性、宣传效应等诸多非量化因素的影响，因此，消费者积极或者消极情绪并不等同于产品质量好或者不好(毕雪梅，2004[30]；陈国平，2009[31]；戴悦和何超，2017[32])，都是一种可供潜在消费者和投资者参考的有效信号。本文重点关注消费者评论等非财务信息在资本市场信息传递中是否具有价值效用。

基于上述逻辑分析，本文以中位数为界将样本按照产品质量好坏分为两组。其中，用和讯网中供应商、客户的评分衡量产品质量(4)目前，学术界关于产品质量的测度尚未形成统一标准。和讯网中供应商、客户的评分(15%)包括：产品质量、售后、诚信互惠3个细分指标，其中产品相关评分占比10%。因此，本文以该评分代指企业产品质量。。研究发现消费者评论在质量好与质量差的情况下，均发挥了显著作用，进而排除了消费者评论的作用完全源自产品质量高的可能。

表4稳健性检验：排除替代性解释

(二)替换因变量

为证明主要结论的稳健性，本文分别选取股票交易量(Tradingvolume)、短期资金流向(Capital_flow)作为度量市场反应的指标来验证结论的稳健性。其中，短期资金流向用(单笔交易金额小于等于100万元的买入额-卖出额)/(单笔交易金额小于等于100万元的买入额+卖出额)这一指标度量。

回归检验结果表明(5)参考锐思数据库(RESSET)对股票资金流向的判断标准。，无论在积极情感抑或消极情感下消费者关注对股票交易量均有正向影响；相较而言，消费者关注度的情感效应在消费者评论情感持积极倾向下比消极倾向下作用更明显。在消极情感的作用下，会使消费者关注度产生两种截然不同的影响：一方面，消费者对产品的使用体验持否定态度，必将导致谨慎的投资者卖出股票，使成交量上升；但另一方面，一些风险偏好者更愿意继续持有股票，不会产生大幅度的抛售，最终交易量会不及积极情感下实现的数量。总之，消费者消极情感下的消费者关注对股票成交量的正面冲击力度有限。

(三)固定效应模型替换

为了控制其他维度异质性的影响对观测结果的质疑，本文进行了固定效应模型替换，将行业固定效应替换为控制公司个体固定效应。结果显示，消费者关注度与股票收益率之间显著正向影响，消费者评级与股价正向相关，这支持了已有文献的结论。总而言之，前述检验均不改变本文基准回归结论。

(四)增加控制变量

影响股价波动的因素除基准模型中控制的基本因素外，还受到产品层面和公司治理层面等因素的影响，为此，本文控制了以下变量：资产收益率、公司规模、公司成长性、财务杠杆、公司年龄等，以及涉及公司治理层面的度量：机构持股比例、股权结构、独立董事比例、董事会规模等。检验结果与基准回归一致，验证了研究结论的稳健性(6)限于篇幅，稳健性检验结果未在文中列示，留存备索。。

六、进一步研究

(一)识别网络水军言论

为更好地保证交易双方的权益，京东商城出台《京东开放平台评价管理规则》(7)京东开放平台评价管理规则网址：https://rule.jd.com/rule/ruleDetail.action?ruleId=2395。，具体列示恶意评价等扰乱平台秩序的违规情形。虽然该规则明确了管控范围，但依然存在一些商家钻空子，试图向市场传播虚假信息，企图误导其他市场参与者。郑春东等(2015)[33]研究表明，鉴于消费者评论的效用在产品交易市场中的地位不容小觑，一部分公司为了抢占市场占有率，通过雇佣水军，以发帖、跟帖、转帖等形式伪造“伪网络口碑”，影响消费者选择。因此，网络媒体如此强有力地推动市场经济发展，并非只收获赞扬，同时也带来许多担忧。基于社交媒体固有的开放性和缺乏监管的先天不足，不知情的参与者很容易被市场不完善导致的噪音所诱导，做出非理性选择，还会导致公司股价偏离自身基本面。我国股市以散户为主，这些投资者们的专业判断和识别能力有限，当处在无限信息和有限认知的两难境地时，正确识别并排除水军评论便会大大增强投资者获取信息的准确性，降低长期股价反转的可能性。因此，进一步分析网络水军如何影响消费者关注度与股票收益率之间的关系显得尤为重要。

本文借鉴已有研究思路，总结“网络水军”(Paid Poster)的言论特征。如前所述，水军评论与正常评论差异呈现形式不一而足：(1)就文本内容来看，“水军”为达到以假乱真的目的，评论文字内容较长，且有固定的模板套路。本文剔除评论内容一致、数量大于2次的文本。(2)一般而言，在“618”“双11”或“双12”促销时，才会出现交易数量和评论数量骤然增加的情况，除此之外，若企业的评论在某一时段大幅波动，必定存在蹊跷。为此，本文剔除同一天内产品评论数量大于60的店铺。(3)本文借助Python数据搜集技术能够获得评论者ID，从中剔除同一消费者ID每天评论数量大于10的样本，从而规避了职业“水军”的干扰。(4)识别IP地址：筛选出评论者IP地址与店铺有关联的评论。(5)浏览深度：正常情况下顾客线上浏览商品时间大概在5～12分钟之间，根据浏览时长和浏览商品数量可以判断是否存在水军刷屏的可能，如果时间过于短暂便被认为有刷单的嫌疑。本文剔除浏览时间低于5分钟的样本。(6)咨询占比：通常认为，消费者在购买商品时不会都是静默下单，也不会都有客服咨询，因此，本文针对ID用户的交易中是否与客服有互动以及互动频次来判断评论的有效性，剔除不符合要求的样本。(7)消费水平：一般情况下，周、月交易量的金额可以基本判定该买家的消费水平，有些账号从头至尾没有买过高端单价商品，突然出现用这一账号刷高单价商品，则有网络水军的嫌疑。(8)点击率和转化率：据统计，正常情况下商品的点击率和转化率在行业平均点击率的200%上下浮动，对于明显超过正常范围浮动比率的样本予以剔除。遵循上述方法对京东购物评论区信息进行识别和判断，最终得到5 368个样本数。

(二)水军言论的经济后果研究

基于上述识别策略和方法，本节考察“网络水军”言论在未来期被投资者甄别后如何影响股票回报率。表5展示了个股收益Rett的回归结果，在不包含水军言论和包含水军言论两种情况下作对比。列(1)、(2)、(3)为识别水军言论并删除后的回归结果，列(4)、(5)、(6)验证了水军言论对股票收益率影响的回归结果，回归系数不显著，这一结论表明水军言论具有严重的干扰性。总之，表2基准回归结果的显著性是由高质量消费者言论(不包含水军言论)的正向显著性拉动产生的。

表6展示了投资者通过甄别水军言论后，“干净的”消费者评论在未来期对股价的影响。因此，本文选取t+1～t+3期(未来三个月的)个股累积收益Rett+1～t+3和股价长期发生反转分别作为因变量。Rett+1～t+3对应的回归系数均在1%的水平上显著，通过了显著性检验，意味着高质量且正面评论所形成的产品信息传递了有效的信号，在融入股票价格后，激发出投资者积极正面的情绪和倾向，进而促进股票价格的上涨。同时，排除“水军”言论后的高质量评论抑制了股价长期发生反转的可能性。Reverse是虚拟变量，该变量刻画了前期(即被披露后5天)股票累积超额回报率为正，而在后期(大概披露后200天)股票累计超额回报率为负的情形。事实上，企业出于利己主义雇佣网络水军发布评论，导致消费者在线评论信息良莠不齐，使其具有“迷惑性”和“诱导性”，短期内将推高股价，但当投资者意识到水军言论导致信息含量大打折扣后，会改变非理性决策，抑制股价反应过度，缓解市场噪声扭曲价格产生的损失，督促长期内股价回归正常水平。以上分析说明，水军评论终究会被投资者识破，不会产生长期的股票收益效应，因此，在很大程度上只体现为短期冲击。综上，剔除水军言论后的消费者评论使得股票价格更准确地反映企业价值。

表5消费者关注度、消费者情绪的交叉效应与股票回报关系的回归分析

表6剔除水军言论后消费者关注度的长期效应

(三)异质性检验

1.初次评论与追加评论。

前已述及，消费者在线评论信息对市场的预判作用日益凸显，对此，各大电商平台评论系统也进行了重要创新，陆续推出追加评论的功能。鉴于情绪变化的时间效应，不同时间对同一事物的评价和认知存在情感倾向的弱化抑或转变。为此，我们将评论分为在线初次评论和在线追加评论进行分组检验，探究两者的市场反应差异。需要说明的是，本研究只针对初始评论和追加评论情感倾向的一致性展开讨论。

如表7所示，列(1)、(2)、(3)显示在线初次评论的回归系数在10%的水平上显著，列(4)、(5)、(6)显示在线追加评论的回归系数也显著相关，且相较于初次评论，在线追加评论的显著性程度更强。一种颇为合理的解释为：追加评论在内容丰富性、情感真实性以及感染力方面都比初次评论更胜一筹，对此，消费者和投资者在决策时也给予追加评论更高的参考权重。尤其是对于产品质量差、用户满意度不高的产品，倘若初始评论就倾向于负面或消极情感，那么，在通过一段时间的使用认证后，所累积的不满情绪在追加评论中表现并爆发出来，体现出比初次评论更加强烈的情感倾向。

表7追加评论对消费者评论和股票回报的影响作用

2.行业竞争程度。

一般而言，消费者评论对产品的市场反应并非一致。据统计，在各大电商平台进行交易的产品可以划分为两大类型：快消品和非快消品。“快消品”行业市场准入门槛低，但利润率较高，因此吸引大量中小厂商持续进入市场，导致行业竞争加剧。特别地，当行业竞争程度较高时，消费者对产品使用体验的敏感性增加，此时，“消费者口碑”的传播效应缩减了企业吸引客户的成本，潜在消费者难以抵制“口碑”的诱惑而寻找正面评价更多的产品，进而提升消费者评价与股票回报之间的关联(Gupta和Zeithaml，2006[34])。

本文设置虚拟变量，若商品为快消品，则代表行业竞争激烈(High_compe)；若商品为非快消品，则代表行业竞争程度低(Low_compe)。研究结果注：限于篇幅，行业竞争度的异质性检验结果未在文中列示。表明，相较而言，行业竞争程度较低组比行业竞争激烈组消费者评论与市场反应的相关性更强，与前文的猜想基本一致。对此，较合理的解释是：由于产品竞争激烈，替代品随时对商家的市场占有额构成威胁，消费者转寻另一家品牌的成本更低，讨价还价更易成功。因此，实证结果表明：行业竞争程度显著调节消费者评论对股票收益率的影响，在行业竞争激烈的环境中，消费者评论和股票回报之间的关联性更强。

七、结论与启示

本文立足“京东商城”消费者在线评论的角度，构建了一个全新的自变量“消费者关注度×消费者评论情绪”的交叉效应，探究在一个流行的社交媒体网站上消费者发布的产品体验言论与金融市场上股票价格及其收益之间存在的关系。研究发现，消费者关注度对股票收益率的影响取决于消费者评论情感。异质性分析表明，消费者关注的情感效应在追加评论中以及竞争激烈的行业更加显著，而且消极情感下要比积极情感下的作用力度更强。

本文研究结论为规范消费者在线评论、推动投资市场更有效的运行提供了有益启示。第一，正确认识消费者关注度对股票收益率的影响。投资者不仅需要考虑消费者在线评论的数量，也应关注消费者在线评论的情感差异，揭示了消费者在线评论能够充当公司发展前景的指示器。第二，得益于互联网技术的发展，挖掘出消费者在线评论的更重要的作用，即该信息能维护企业与用户关系、树立品牌以及进行质量监控。实践经验得出，消费者在线评论为企业宣传产品、传递信息节约了成本，成为潜在消费者获取企业产品信息的免费渠道。第三，对评论中掺杂的网络水军言论进行有效监管，警惕商家借助水军言论创造伪口碑效应，对投资市场稳定性产生不利影响。总之，随着互联网在市场中扮演越来越重要的角色，对互联网传递的非财务信息质量进行监管也成为政府和企业面临的重要课题，本文的研究不仅为监管部门制定相关政策提供了借鉴意义，也为微观企业提升企业经营业绩提供经验指导。