学术预告 | 国金学术研讨会第321期

主讲人： 林秉旋 教授

主讲题目：Hiding in the Herd? Political Uncertainty and Strategic Risk Attribution in Disclosures

               隐于群体之中？政治不确定性与披露中的策略性风险归因

时   间：2026年5月29日（周五）10:00-11:30

地   点：中山大学珠海校区海琴6号楼A426

主讲人简介

林秉旋，美国罗德岛大学金融学教授，美国乔治亚州立大学金融学博士。研究领域主要包括企业并购、公司治理、信息披露、中国资本市场以及行为金融等领域，已在British Accounting Review, Journal of Corporate Finance, Journal of Accounting and Public Policy, Journal of Business & Economics Research, Journal of Financial Research, International Review of Financial Analysis, Applied Economics,《经济研究》《管理科学学报》《金融研究》以及《会计研究》等国内外一流学术期刊发表论文50余篇。担任Journal of Accounting and Public Policy和European Journal of Finance客座主编，同时担任Applied Economics, Corporate Governance:an International Review, Journal of Economics and Finance, Journal of International Business Studies, Finance Research Letters, Financial Review, Journal of Banking and Finance等国际一流期刊审稿人，具有丰富的教学与研究经验和广泛的学术影响力，获《风险管理和保险评论》最佳论文奖（2008）、美国东北决策科学研究院会议最佳论文奖（2006）、《保险问题学报》最佳论文奖（2004）、国际保险协会年会最佳论文奖（2003）等奖项，兼任中山大学、中南财经政法大学、首都经济贸易大学、中国海洋大学等多所国内外知名大学的特聘教授。

讲座内容

In the United States, mandatory reporting and market concerns force managers to speak even during periods of turmoil. We examine how managers respond to this constraint by changing the locus of risk attribution in Management’s Discussion and Analysis. Using large language model embeddings and supervised neural network learning, we construct a disclosure-implied systematic risk share (SRS) that links narrative semantics to the systematic component of post-disclosure return variance. We find that political uncertainty causes a “hiding in the herd” response, where managers increasingly attribute risk to market-wide headwinds rather than firm-specific factors. We validate that SRS tracks the structural source of risk using a mirror-image test: when political shocks are firm-specific, attribution shifts to idiosyncratic factors, thereby reducing SRS. The use of systematic attribution is exacerbated by short-term reporting pressure and poor monitoring and is mainly driven by salient policy debates in trade and healthcare.

在美国，强制报告制度和市场方面的担忧迫使管理者即使在动荡时期也要发表言论。我们研究了管理者如何通过改变管理层讨论与分析中的风险归因焦点来应对这一约束。我们利用大型语言模型嵌入和有监督的神经网络学习，构建了一个隐含披露的系统性风险份额（SRS），将叙述语义与披露后收益方差中的系统性成分联系起来。我们发现，政治不确定性会导致一种“藏身于群体”的反应，即管理者越来越多地将风险归咎于市场整体的不利因素，而非特定公司的因素。我们通过镜像测试验证了SRS能够追踪风险的结构性来源：当政治冲击是公司特定的时候，风险归因会转向异质性因素，从而降低SRS系统性归因的使用因短期报告压力和监管不力而加剧，并且主要由贸易和医疗保健领域的显著政策辩论所驱动。