分析師評級、信息與泡沫

王思怡

【摘要】本文以2015年中國股票市場的泡沫為背景來檢驗信息的傳播是否能夠減少股票泡沫。本文使用了多種測度泡沫的方法發現：當股票的分析師評級數越多時，其復合泡沫指標越小。當分析師的研究報告意見不統一時，相同數量的研報相較于分析師意見統一時對泡沫的減緩程度更小。本文發現，這些分析師的研究報告是通過統一投資者對股票的預期來減輕泡沫。股票成交量也反應了這一思想，當分析師評級數越多，投資者意見越統一，成交量也越小；當分析師意見不統一時，這種負相關的關系也越弱。

【關鍵詞】泡沫 分析師評級 信息傳導

一、引言

本文特別研究了分析師評級信息的傳播是否能降低其泡沫的可能性。在Harrison and Kreps（1978）and Scheinkman and Xiong（2003）的再售期權理論中，泡沫是由于人們信仰不同和賣空限制的相互作用才產生的。信息傳播能通過協調統一投資者的預期來減輕泡沫。在再售期權理論框架中，公共信息傳播能協調投資者的預期提升他們對資產價值水平的判斷，這樣的協調機制能減低泡沫程度從而投資者能在將來以更高價格賣給更樂觀的投資者。

陳和哈米德（2006）發現，分析師研究報告對中國的信息傳播度是一個特別好的橫截面度量。相較于其他市場如美國市場，中國企業具有較低程度的自愿信息披露度和透明度。這使得我國的一些投資者在觀察和分析相關信息時會遇到困難，此時投資者很可能尋求分析師研究報告的指導。所以本文使用覆蓋某一只股票的分析師研究報告的數量作為公眾信息傳播程度的一種衡量。分析師是專業的人士，他們搜集股票的相關信息，以定期報告、盈利預測、提出買賣建議的形式傳播給市場。分析師的研究至少是部分獨立的且并非同時發布，所以產生和傳播給定股票的研究的分析師越多，給市場參與者帶來的信息流動的速度越高。

2015年我國股票市場提供了一個理想的研究背景。首先，我國股票市場存在有利于泡沫形成的制度特點。我國的股票市場被散戶支配并存在嚴格的賣空限制。第二，15年中國股票市場展現出典型的泡沫特點：股票價格繁榮過后快速蕭條，與股票價格水平高度相關的交易活動的劇烈變化。第三，2015年我國股票市場提供了一個極具吸引力的環境，它讓我們可以學習Andrade，Bian，Burch（2012）構建個股泡沫強度指標。這些指標分別是累積回報、PE比率、證券配資后的公告收益、上述三個度量的第一主成分（復合泡沫指標）和在A股和H股上市的股票的子樣本中A股與H股價格差。盡管這些泡沫強度衡量指標沒有一個是完美的，但它們都是泡沫合理的代表。

我們控制個股了票層面的特征后分析師評級數量和泡沫強度仍存在負相關關系。該結果也表明，當分析師之間存在很大的分歧時（以盈余預測和買賣建議的分歧衡量），分析師的研報數量減少泡沫強度的效果會減弱。這一發現解釋了為什么分析師評級數可以減緩泡沫：分析師評級數通過協調投資者們的預期來減輕泡沫。當分析師們自身有更不一致的預期時，分析師評級在協調投資者們的預期方面作用會降低。

本文進一步驗證了分析師評級是通過協調投資者的預期減輕泡沫，并由此減少投資者們的預期分散化程度。我們不能直接觀察出投資者們的預期分散化程度，但過去的理論表明，分散化程度和股票換手正相關。本文發現分析師評級和股票換手負相關，這和分析師研究協調投資者信念這一觀點相一致。此外，和本文解釋泡沫的實證分析類似，本文發現當分析師之間分歧過多時，分析師評級數對股票換手率的減緩作用會變弱。這證明當分析師們有更多分歧時，分析師評級數量實際上在協調投資者預期時不那么有效。

總的來說，我們發現，擁有更多分析師評級的股票更少的受到2015年中國股票市場的大繁榮和大蕭條的影響。這是一種基于信息的途徑，分析師的研究報告數通過協調投資者預期減緩泡沫。因此，我們得出結論，增強公開信息向市場參與者傳播的政策可能會有助于減緩資產定價泡沫。

二、數據與變量

本文的的分析定義2015.1.12至2015.6。12為基準期。樣本由794只上證A股組成，這些股票在5個月的基準期中至少有90%的交易日是可以交易的。研究報告數量的數據來自萬得數據庫，其余所有的數據都來自銳思數據庫。

本文采用的衡量泡沫的指標有：

累積回報：這一變量是基準期股票的累積回報率。

市盈率：這個變量是每只股票市盈率在基準期的平均比值。在這期間的每一天，我們都用該日之前最近四個季度的總收入來計算這一比率。

公告收益：盡管累計收益和市盈率是較為直觀的度量指標，但在衡量泡沫強度時，兩者都存在橫截面的差異。為了衡量特定股票泡沫強度的差異，我們利用第三個指標——公告收益，這一指標受到不可觀測的橫截面變化的影響較小。公告收益是每只股票從2015年8月17日開始一周的回報率，2015.7.12日起，中國政府實施了一系列清查配資的活動，清查配資使市場資金面大幅縮減。當時197萬億的融資額中，配資金額有14萬億。2015.8.18日起，同花順和恒生電子被立案調查，股票市場開始大跌。本文認為，具有較大泡沫的股票對突如其來的清查配資將有更強的價格反應。這個泡沫強度的識別策略依照了Scheinkman和Xiong的理論（2003），這一理論說明對具有更大泡沫的股票來說，交易成本的增加將對其價格造成更大的負面影響。他們表示，資產價格有兩個組成成分：由未來股息的預期現值形成的基本價值，加上期權的價值——以更高的價格轉賣給未來潛在的投資者所形成的價值。

復合泡沫指標：我們的第四個泡沫強度衡量指標是前三個衡量泡沫指標的第一主成分。

中國-香港溢價：由于香港市場更加發達，允許賣空，港股相對滬股較難發生嚴重的定價泡沫。我們的第五泡沫強度指標僅適用于一個子樣本——在上海和香港兩地都上市61只股票。

本文采用的控制變量有：

股票市值：因為大企業會吸引更多的分析師，因此企業規模可能與信息傳播度正相關。本文使用基準期的平均市值。

換手率：每日的成交量/流通股數量，用基準期所有交易日的平均換手率表示。

滯后日收益波動率：日收益率平方值的年化平方根的平均數，采用了基準期前的6個月的股票收益計算。

滯后市盈率，每只股票在基準期前六個月的平均比率。

行業作用指示變量；根據中國證券監督管理委員會（CSRC）行業準則劃分，將794只樣本股劃分入13個行業。

有效買賣價差：有效買賣價差的大小用基點來衡量。對于每一個股票，我們計算其每次交易的有效買賣價差，然后對一天的全部交易取平均，最后對基準期間的全部日期取平均。

深度：是在每次交易時用貨幣表示的交易數量，我們先計算每天所有交易的平均值，然后對每只股票在基準期間的所有交易日的深度求一個平均。

市場β：基準期當日股票收益率對A股市場的所有可交易股票的市值加權收益的回歸系數。

流動性β：基準期股票流動性因子對當日股票收益率的回歸系數。

Δ換手率：用基準期后六個月的用每日的日均換手率減去基準期間的日均換手率。

Δ有效買賣價差：算法同Δ換手率。

三、分析師研究報告數和泡沫的關系

在對分析師研究報告數量和股票泡沫的實證分析中我們發現：股票基準期的累計收益率和公告收益和分析是評級數量間沒有顯著關系；PE和分析師研究報告數顯著負相關，但這種顯著負相關性當加入控制變量后變得很弱；這三個變量的第一主成分和分析師研究報告數顯著負相關，且在加入控制變量后依舊存在。在下表中我們報告了復合泡沫指標對分析師評級數量的最小二乘回歸結果，以及加入控制變量的回歸結果。本文發現研報數每增加一個單位，總體來看，復合泡沫指標會減少0.0233個單位。

（一）應對內生性

我們從之前的結果中可以看到，在加入控制變量后，研報數和復合泡沫指標仍是顯著負相關的，然而，在我們的回歸中分析師研究報告數很有可能是內生的，這會使系數存在偏差且不具備一致性，因此本文下面用工具變量，進行兩階段最小二乘回歸來解決這個問題。

首先模型中可能存在反向因果關系，券商會傾向于為一些泡沫小的公司提供研報分析。為了解決這一問題，我們用2012年的分析師研究報告數來分析，因為在2012年沒有股票泡沫，采用那時的分析師研究報告數就可以排除反向因果關系。通過我們的回歸結果也可以看出其與衡量泡沫的參數也是相關的，這種相關說明了分析師的研究報告的數量并不是受泡沫驅動的，不過，2012年的研報數并不直接反映存在泡沫時的信息傳播程度。下表中我們報告了最小二乘回歸的結果，結果顯示2012年的分析師研究報告數與復合泡沫指標顯著相關，2012年分析師研究報告數每增加一個，復合泡沫指標就會減少0.03個單位。

本文還用了工具變量進行兩階段最小二乘回歸，這解決了分析師研究報告數可能隨泡沫增加的問題。本文使用兩個工具變量對研報數進行回歸：2012年的成交量和2012年的基金持股比例。因為券商可以從股票交易中賺取傭金，他們傾向于給成交量高的股票提供研報分析以便吸引更多的投資者，此外，這些基金很可能是券商的主要客戶，商也會傾向于為他們客戶重倉持有的股票提供研報。

上表的后兩列報告了兩階段最小二乘回歸的結果，第4列的結果顯示研報數和衡量泡沫的參數仍顯著負相關。總體來看，每增加一個分析師的研究報告會使復合泡沫指標降低0.0888個單位。在加入了其他控制變量的情況下，回歸系數仍保持顯著。因此可以得出結論：實證結果不可是由于忽視的與泡沫相關的因素引起，也即分析師的研究報告數這個變量不是內生的。

四、解釋A-H股溢價

在這個部分本文將討論A-H股溢價作為衡量泡沫的參數時的情況，樣本僅包含了在兩地都上市的61支股票。下表中報告了結果：研報數系數均在1%的置信水平下顯著。第一列顯示研報數和A-H股溢價顯著負相關，這和我們信息傳播會減輕泡沫的結論一致，第二至五列顯示加入控制變量后后，分析師的研究報告數仍和A-H股溢價顯著負相關，即使是存在一些小市值公司。這比Andrade，Bian，Burch（2012）的發現更加有說服力，公司規模不會影響研報數對泡沫的減輕程度。從中可以得出結論：以A-H股溢價為衡量泡沫指標的回歸結果和用復合泡沫指標所得出的結果是一致的。

五、分析師的意見分歧對泡沫的影響

在我們之前的結論中，我們發現研報數越多，股票信息傳播的程度越高，對泡沫的減輕程度越大，而根據（Harrison和Kreps（1978）以及scheinkman and xiong（2003））的再售期權理論，我們推測信息傳播減輕泡沫的途徑是通過協調投資者的預期實現的。然而，我們并不能直接觀測到更高的信息傳播程度是否會減少投資者意見的分散程度從而減小泡沫，因此，我們在這個部分將通過兩個方法探討這樣的泡沫減輕機制是否存在。

首先，分析師研報數減輕泡沫的原因就在于它能夠協調投資者的預期。如果研報之間出現分歧，它對泡沫的減輕程度也會減弱，為了證實這一點，本文選出了398支至少有兩份研報的股票來構成分析師分歧變量，這一變量包括兩個部分：盈利預測分散程度和研報意見分散程度。盈利預測分散程度是2015盈余公告的標準差，標準化為均值為0，方差為1，為了定義研報的意見分散程度，我們給研報的意見買入，增持，中性，堅持，賣出分別賦值2，1，0，-1，-2，然后對研報的意見求標準差，將其標準化為均值為0，方差為1的變量。現在由于兩個部分都已經標準化了而且還是正向變動關系，因此我們將二者之和求平均后就得到了分析師分歧。

在下表中我們將衡量泡沫程度的參數與研報數進行回歸，顯示當研報之間的意見更為分散時，研報數對泡沫的減輕程度會更為削弱。在第一列，我們觀察到研報數和復合泡沫指標之間有著顯著地負相關關系；但是在第二列中加入了研報意見分散程度后，研報數的系數不再顯著，且交互項的系數也不顯著，這說明當研報意見越分散時，研報數對泡沫的減輕程度越小，此時人們的想法差異更大；第三列加入一系列控制變量后，研報數和研報意見分散程度的交互項和研報數的回歸系數仍不顯著，而分析師分歧的系數較為顯著，這也印證了我們關于當研報意見更分散時，研報數對泡沫減輕程度也越輕的論斷，如果僅有研報數和泡沫程度相關，那么所有的其他變量都是由另一個與控制變量相關的變量決定，那么無論研報的意見如何分散都應該與泡沫程度無關，而分析師分歧的系數顯著說明了這一結論是不適合的。

第二個探討是通過成交量作為人們想法分散的代表來測度是否信息越分散，股票泡沫越少。在Scheinkman和Xiong（2003）的泡沫理論以及其他一些理論中，認為交易量是和人們的想法分散程度成正比的，也即人們意見越不統一，成交量越大。在上表第四至六列我們將成交量和研報數及其他解釋變量做回歸。結果顯示加入研報意見分散程度后，研報數的系數不再顯著，且研報意見分散程度的系數在5%的水平下顯著，這說明當信息更加分散時，人們的想法統一，從而泡沫會減少，但研報意見不同時會削弱此結論。

六、結論

本文研究了分析師預測評級在導致泡沫的信息中的角色。我們主要研究了2015年的股票市場。2015年的股票市場是一個理想的研究環境，因為它具有經典的泡沫特點，這種特點可以讓我們建立了幾個特定的衡量泡沫的指標。這些指標能夠減輕由不可觀測的因素導致的測量誤差而引起的結果的偏差。發現有更多分析師評級的股票會有更小的泡沫，本文排除了公司規模的影響，并且實證結果在加入控制變量和糾正內生性后依舊存在。

本文進一步證明了當分析師意見不統一時，分析師評級對于股票泡沫的減弱作用會更弱。一方面，這能夠進一步減輕對于分析師評級內生性問題的顧慮，因為如果分析師評級和泡沫同時被第三個因素影響，那么我們不應該看到當分析師有分歧時泡沫的減輕效果會更好或者更差。第二，這個結果也反映了分析師評級是怎樣影響泡沫的。這表明分析師可能是通過減少投資者的意見分歧來減輕泡沫的。

參考文獻

[1]Sandro C.Andrade，Jiangze Bian，Timothy R.Burch.“Analyst coverage，Information，and Bubbles.”Journal of Financial and Quantitative Analysis，forthcoming.

[2]Hong，H.，J.A.Scheinkman，and W.Xiong.“Asset Float and Speculative Bubbles.”Journal of Finance，61（2006），1073-1117.