[论文解读] Information Asymmetry Index: The View of Market Analysts
本文提出了一种基于市场分析师感知的信息不对称指数（IAI），采用受Elo评分系统启发的算法，根据感知信息透明度对上市公司进行排名。该指数具有强大的预测能力，分析师覆盖度、波动率、托宾q值和公司规模是信息不对称的重要决定因素。
The purpose of the research was to build an index of informational asymmetry with market and firm proxies that reflect the analysts' perception of the level of informational asymmetry of companies. The proposed method consists of the construction of an algorithm based on the Elo rating and captures the perception of the analyst that choose, between two firms, the one they consider to have better information. After we have the informational asymmetry index, we run a regression model with our rating as dependent variable and proxies used by the literature as the independent variable to have a model that can be used for other researches that need to measure the level of informational asymmetry of a company. Our model presented a good fit between our index and the proxies used to measure informational asymmetry and we find four significant variables: coverage, volatility, Tobin q, and size.
研究动机与目标
- 开发一种新型指数，基于市场分析师对公司信息透明度的主观评估，衡量信息不对称性。
- 创建一种可复现、数据驱动的方法，捕捉分析师在公司之间选择时对信息质量的感知。
- 通过文献中既有的信息不对称代理变量，对指数进行验证。
- 为未来实证金融研究提供一种标准化、可直接使用的感知信息不对称度量指标。
提出的方法
- 将Elo评分系统适配用于建模分析师在公司之间的两两选择，将每次选择视为一场对局，被选中的公司获得评分积分。
- 构建一个动态评分系统，根据分析师一致且频繁选择某家公司作为信息质量更优的频率和一致性来对上市公司进行排名。
- 将最终评分作为信息不对称指数（IAI），数值越高表示感知到的信息不对称性越低。
- 通过分析师覆盖数据、公司特征以及历史评分选择，校准模型以确保其稳定性并能对关键变量保持敏感性。
- 通过回归分析验证指数，以标准的信息不对称代理变量作为因变量。
- 应用统计建模，检验IAI与公司层面基本面因素（如规模、波动率和托宾q值）之间的关系。
实验结果
研究问题
- RQ1分析师在公司之间的两两选择能否被系统性地建模，以推断出感知信息不对称性的度量？
- RQ2所提出的IAI与金融市场上既有的信息不对称代理变量之间的相关性如何？
- RQ3哪些公司层面的特征显著预测了IAI所捕捉到的感知信息不对称性水平？
- RQ4与传统代理变量相比，IAI在多大程度上提升了信息不对称度量模型的解释力？
主要发现
- 信息不对称指数（IAI）与既有的信息不对称代理变量高度契合，表明其具有很高的可靠性。
- 分析师覆盖度、波动率、托宾q值和公司规模被发现是IAI的统计显著预测因子，p值均低于传统显著性阈值。
- 分析师覆盖度更高且波动率更低的公司，其信息不对称性感知水平始终较低，与理论预期一致。
- 托宾q值和公司规模与IAI呈显著负相关，表明更优质且规模更大的公司被认为信息透明度更高。
- 基于Elo的算法能有效捕捉分析师的感知，跨时间与公司样本均生成稳定且可解释的指数。
- 模型的回归结果证实，IAI可作为实证金融研究中信息不对称性的一种有效替代度量。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。