股價同步性：信息效率還是噪音偏差？——基于分析師跟進的證據

■勵利，陳威，尹玉剛

股價同步性：信息效率還是噪音偏差？——基于分析師跟進的證據

■勵利，陳威，尹玉剛

股價同步性反映了股價中包含是信息還是噪音一直是學術界極具爭議的話題。本文運用2004～2013年分析師研報數據實證分析了股價同步性與信息效率之間的關系。研究發現，股價同步性與信息效率存在正向關系，即分析師發布報告的股票股價同步性越低，報告中反映信息效率的公司特有信息含量越低，同時發現這種正向關系源于投資者對明星分析師研報的過度反應。結果表明，我國股票市場的投資者存在“追星”的選擇性偏差，股價較低同步性包含了更多的噪音。研究結論為我國證券行業規范投資者行為提供了一個新的切入點，為建立健全投資者教育體系給出了一定的政策建議。

分析師跟進；股價同步性；市場反應

勵利（1988-），浙江慈溪人，國際貿易學碩士，寧波大紅鷹學院金融貿易學院助教，中級經濟師，研究方向為國際投融資。（浙江寧波315175）；陳威（1987-），江蘇徐州人，金融學博士，財通證券投資銀行三部研究部研究員，研究方向為資產定價。（浙江杭州310012）；尹玉剛（1988-），安徽六安人，西南財經大學證券與期貨學院金融學博士研究生，研究方向為資產定價、公司金融。（四川成都611130）

一、引言

在有效市場假設下，股價中包含市場、行業及公司三種信息。股價中包含的公司特有信息越多，股價的運動越有別于其他股票的運動，即股價的同步性越低。當市場中充斥大量的噪音且存在套利限制時，噪音將引導股價的運動，噪音越多股價的同步性越低。我國股票市場股價同步性越低究竟是因為含有更多公司信息還是包含更多公司方面的噪音呢？

學術界關于股價同步性的相關文獻，大多在同步性是信息或者噪音的前提假設下進行研究。比如，信息效率學派學者（Roll，1988）認為股價同步性低是股價中包含了更多公司特有的信息，而非理性行為學派認為股價同步性低是因為股價中包含了更多的噪音，而不是信息學派所謂的信息。然而很少有文章具體地研究股價同步性低反映的是更多的信息還是噪音。國內少有的幾篇研究該問題的文獻有林忠國等（2012）及張永任和李曉渝（2010），他們的研究發現股價同步性與信息（或者噪音）之間存在倒U型關系，但并沒有區分出同步性低到底是資本化進了更多個股信息還是因為融入了更多噪音。

基于此，本文結合Chan和Hameed（2006）的研究，試圖基于分析師盈利預測精確度及投資者市場反應的視角研究股價同步性與信息效率之間的關系。本文認為分析師跟進的股票股價同步性越低若可以表示更高的信息效率，則要求分析師報告含有更多公司特有信息，同時投資者可以理性的識別出分析師所提供的信息，且通過交易的方式將信息融入到股價中。鑒于以上邏輯，本文首先根據《新財富》雜志將分析師分為明星分析師和非明星分析師，運用2004～2013年分析師研報數據，研究兩組分析師跟進股票的股價同步性差異，其次進一步研究兩組分析師在反映公司特有信息的盈利預測精確度方面是否存在明顯的區別，最后分析投資者對兩組分析師報告的市場反應情況。本文不僅進一步完善了我國股票市場有效性問題的研究，也為建立健全我國投資者教育體系提出了一定的政策建議。

二、文獻回顧

股價同步性與信息效率關系的研究國內外主要有兩條理論路線：其一，信息效率學派認為股價同步性與信息效率負相關，即股價同步性越低，股價中含有的公司特有信息越多；其二，非理性行為學派認為股價同步性與信息效率負相關，即股價同步性越低，股價中含有的噪音越多。

信息效率學派認為股價同步性是基于公司股票的價格是對市場、行業以及公司特有信息的反應。King（1966）研究表明個股價格與市場及行業的收益同步變化，然而Roll（1988）利用美國股票數據實證發現股票收益波動的很大一部分并不歸功于市場和行業收益的波動，表明大量的公司特有信息融入了股票價格。Morck等（2000）在Roll（1988）基礎上首次提出了股價同步性的概念，并將擬合優度作為股價同步性的量化指標：如果R2較低，說明股價波動與市場波動同步性低；如果較高，則說明股價波動與大盤的波動同步性高。Jin和Myers（2006）從另一個角度證實了Morck等（2000）的看法，他認為各國公司透明度不同是導致各國股價波動同步性不同的原因，從而加強投資者保護的制度環境對股價同步性具有影響，更多的公司特質信息融入到股票價格中，會提高市場的有效性。部分學者從新興市場開放程度的視角解釋股價同步性的問題，他們發現隨著市場開放程度的提高，證券市場股價的同步性將顯著降低，他們對于這種現象給予的解釋是：市場開放程度可以促進信息交易者的套利行為，從而導致公司特質信息融入股票價格之中。Chan和Hameed（2006）的研究基于股價同步性可以反映信息含量的假設，并且同步性越低，公司特有信息越多，馮用富等（2009）也認為股價同步性低表示公司私有信息越多。

噪音和信息如硬幣的兩面，當一些學者用信息解釋股價同步性的同時，另一些學者開始從噪音的角度研究股價的同步性。Shiller是行為金融學的代表人物，其認為股價存在傳統金融學無法解釋的過度波動，是因為股價中包含大量被忽視的噪音（Grossman和Shiller，1981）。而這種結論也被West（1988）的研究證實，發現個股波動的很大一部分與公司的基本面無關，而與市場泡沫、投資者情緒等噪音有關。同步性代表股票定價的無效率，主要因為同步性越低的股票組合，代表非理性“異象”的慣性和反轉策略越顯著。Barberis等（2005）認為同步性低反映的是噪音，而非信息。其他一些學者對股價較低同步性是否可以反映更多信息進行了一定的研究，張永任和李曉渝（2010）研究發現股價同步性與信息（或者噪音）之間存在倒U型關系，但并沒有區分出同步性低到底是資本化進了更多個股信息還是因為融入了更多噪音。林忠國等（2012）得出了和他們一致的結論。

Chan和Hameed（2006）基于Morck等（2000）的研究，首次將股價同步性與分析師的跟進結合起來研究，分析師作為市場上重要的信息生產者之一，可能會提供公司特質的信息，從而使得股價的同步性降低，研究表明分析師跟進越多的股票，股價的同步性越高。他們的發現否定了分析師提供更多個股信息的說法，分析師主要提供了市場和行業方面的信息。馮旭南和李心愉（2011）研究發現，中國A股的股價同步性與分析師跟進正相關，這一結論與Chan和Hameed（2006）的結論一致。姜超（2013）證實我國證券分析師可以提供公司特有信息，且這些信息部分或者全部來源于內幕信息。劉昶和修世宇（2008）研究表明投資者認為分析師的建議包含了有價值的信息，因而會相應的調整對未來收益的預期以及當前最優的持股數量，李麗青（2012）投資者對明星分析師的報告修正反應更加強烈。投資者在股票市場中往往過度相信有威望的分析師而忽略沒有名氣的分析師。

有鑒于此，本文在上述研究的基礎上，運用2004～2013年分析師研報數據，將分析師分成明星分析師和非明星分析師，通過比較兩組分析師跟進股票的股價同步性差異，盈利預測精確度差異，及投資者對不同組別報告的反應情況，研究股價同步性與信息效率之間的關系。本文的研究為進一步認識我國股票市場的有效性問題提供了新的視角，同時對管理當局制定投資者教育體系也提供了政策建議。

三、實證模型與方法

（一）股價同步性與分析師跟進回歸模型

分析師跟進與股價同步性同時受到規模、交易量等因素的影響，本文采用與Chan和Hameed（2006）相同的兩階段回歸法，以排除內生性問題的影響①為了避免內生性問題，本文借鑒Chan和Hammed（2006）兩階段回歸方法，同時定義明星分析師的啞變量回歸作為進一步的檢驗。。

SYN為股價的同步性，首先個股采用周度數據計算得到剔除市場因素和行業因素的擬合優度，然后借鑒Morck等（2000）的方法計算得到同步性指標：

STAR表示某年跟進某只股票的明星分析師人數，計算方法為一年內跟進某股票的明星分析師人數與1之和的自然對數。VOLAB為股價的過去一年日度數據計算的波動率，FLOAT為十大流通股東持股比例，這兩個變量作為工具變量引入第一階段方程。STAR_D為明星分析師啞變量，若某只股票某年被明星分析師跟進則DUMMY為1，否則為0。CONTROL包含多個控制變量，分別有SIZE、VOLUME、LEVEL、BM、AUDIT、FLOAT、YEAR及INDUSTR。SIZE為公司年度市值規模的自然對數，VOLUME為股票年度交易股數的自然對數；LEVEL為公司年末的財務杠桿，等于年末總負債與總資產的比值；BM為公司成長性，成長性越好，風險越高，波動越大，從而同步性也越小，預期BM與同步性負相關；AUDIT為四大會計師審計啞變量，若公司在某年度被四大會計師事務所審計，則AUDIT為1，否則為0。YEAR、INDUSTR分別為年度和行業控制變量。

模型（1）和模型（2）研究明星分析師跟進與股價同步性之間的關系，模型建立中省略了非明星分析師跟進與股價同步性的關系，模型建立與明星分析師的分析一致。模型（3）研究明星分析師跟進是否降低了股價的同步性。

（二）分析師盈利預測精確度建模

本文選取每股盈利（EPS）作為分析師盈利預測的指標，并與公司實際的EPS進行比較，計算分析師預測的精確度。每年選擇分析師最后一次盈利預測與實際的盈利比較分析預測精確度。

借鑒Lang和Lundholm（1996）的模型設定：

EPSi，j，t表示分析師i對其跟進的j公司第t年進行的最后一次每股收益預測，EPSj，t表示j公司第t年的真實每股收益，Pricej，t表示j公司第t年年初的股價。BIASi，j，t表示分析師i對j公司第t年的預測誤差。

建立如下模型：

ADUIT為四大啞變量、CONTR為公司控制權啞變量、STDROE為公司過去5年季度每股凈資產收益波動率。

（三）投資者市場反應模型建立

投資者市場反應主要包括量價兩個方面，本文借鑒Dellavigna和Pollet（2009）計算異常交易量的方法計算異常換手率，以此作為市場反應的代理變量。異常收益的計算借鑒異常換手率的計算方法，不過所有的日度收益均通過FF三因子回歸調整，這樣計算可以剔除規模和賬面市值比因素對收益的影響。FF三因子回歸中每個交易日的三個風險估計系數根據前t-270到t-30的日度數據回歸得到。

其中異常交易量△TR為報告公告當天及之后一天平均交易量與滯后10天的前10天交易量均值之差。異常收益△CAR的計算方法與異常交易量的計算方法一致。

異常換手率與分析師跟進的回歸分析，回歸模型為：

分析師發布報告當天及之后一天的異常收益回歸模型①本文只計算分析師發布報告的當天及之后一天的異常收益，如果計算期限較長，則很難避免其他非分析師報告因素對股價的影響。，模型如下：

模型中，被解釋變量分別為異常交易量和異常收益，解釋變量為明星分析師啞變量，控制變量包括規模、賬面市值比、十大流通股東持股比例。

四、實證結果及分析

（一）樣本和數據來源

本文數據均來自CSMAR數據庫。選取A股2004～2013年的滬深A股的股票特征數據，包括股票流通市值規模、賬面市值比、個股周度數據和日度數據等。分析師研報數據中選取分析師盈利預測數據和評級數據。明星分析師數據來源于CSMAR數據庫中分析師的排名數據，本文將排名前五的分析師定義為明星分析師。刪除金融類股票，刪除上市前四周的股票，刪除所有變量中有缺失值的樣本。

（二）分析師跟進與股價同步性關系

表1為樣本公司相關變量的描述性統計，模型（4）計算的同步性的均值為-0.492，最大值和最小值分別為2.030和-6.840，說明不同股票的同步性相差很大，這遠遠大于美國的數據。明星分析師人數變量STAR最小值為0，最大值為2.079，且均值和標準差分別為0.286和0.427，表明明星分析師人數在不同股票間相差也很大。

表1　變量描述性統計

表2第一列為OLS回歸，回歸結果顯示，分析師跟進越多則股價的同步性越低，該模型并沒有考慮分析師跟進與股價同步性同時受到交易量和規模因素影響的內生性問題。第二列考慮到內生性問題，引入個股波動率和十大流通股東持股比例兩個工具變量，結果發現分析師跟進個數顯著地提高股價同步性，這與Chan和Hameed（2006）及馮旭南和李心愉（2011）的研究結果一致。第三列為明星分析師跟進股票樣本的兩階段模型（1）、（2）的回歸結果，結果發現明星分析師跟進個數的系數在10%的水平下也不顯著，說明明星分析師跟進并沒有降低股價的同步性，但也沒有提高股價的同步性。第四列為一般分析師跟進股票樣本的兩階段回歸結果，結果表明一般分析師跟進在1%的水平下顯著地提高了股價的同步性。第三列和第四列的結果比較可以發現，明星分析師跟進較一般分析師跟進降低了股價的同步性，為了進一步驗證該結論，最后一列引入了明星分析師啞變量，證實了明星分析師跟進的股票股價的同步性更低。接下來研究明星分析師的盈利預測精確度是否優于非明星分析師，如果優于非明星分析師，則一定程度地說明明星分析師的報告具有更多的個股信息。

表2　分析師跟進與股價同步性

（三）分析師跟進與盈利預測精確度

表3為盈利預測精確度回歸相關變量的簡單統計描述，分析師跟進的人數平均值為2.692，所有選擇的樣本公司最多分析師跟進人數為4.190，最低為0.693，標準差為0.739，說明不同公司的分析師跟進人數存在很大的差別。分析師盈利預測誤差的最大值為2.112，這么大的數值可能是因為數據收集的問題，故本文剔除盈利預測的極端異常值，避免極端值對本文結果的影響。從四大審計啞變量的均值0.188可見我國只有不到20%的上市公司委托四大或者四大合伙的會計師事務所審計。公司性質啞變量CONTR的平均值為0.724，說明我國上市公司70%多為國有控股。

表3　變量描述統計

表4為分析師盈利預測誤差回歸的相關結果，從第一列的回歸結果中可以發現，明星分析師啞變量系數顯著為負，表明明星分析師提高了盈利預測的誤差，即從盈利預測精確度角度明星分析師提供更少的公司特有的信息。從第三列中發現啞變量系數為負但不顯著，這也是之前學者研究沒有控制的變量出現的結果。分析師跟進人數顯著地降低了盈利預測誤差，這與Chan和Hameed（2006）的研究一致。歷史盈利波動率顯著地提高了盈利預測的難度，使得盈利預測誤差提高，該結果與馮旭南和李心愉（2012）的研究結果一致。

前十大股東控股比例顯著地降低了盈利預測的誤差，說明前十大股東的控股比例越高，分析師盈利預測誤差越小，可能因為前十大股東控股比例越高，股權制衡使得公司運營變化越小，分析師可以更好地預測盈利。公司性質啞變量均為正值且顯著，表明國有控股的公司，預測難度越大，分析師的預測誤差越多，可能是因為國有企業的經理人大多有國家行政任命，使得他們在投資決策方面的自主性更大，產生了代理成本，從而預測更加困難。總而言之，明星分析師提高了盈利預測誤差，明星分析師提供的公司特有信息少于非明星分析師。

表4　分析師預測精確度回歸分析

明星分析師跟進降低了股價的同步性，但明星分析師發布的研報中公司特有信息的含量較非明星分析師要低。股價較低的同步性既然不是因為含有更多公司特有信息，那么這種較低的同步性是不是由于投資者對明星分析師跟進的股票存在過度的反應呢？下面部分旨在研究投資者對明星分析師報告的反應情況。

（四）分析師薦股與投資者反應①分析師一共有五個評級，本文將“買入”和“增持”評級看成是買入評級，其余三項評級看成是賣出評級，因為評級報告很少給出賣出評級，所以中性和減持一般是賣出評級的隱性表示。

觀察投資者對明星分析師跟進股票的過度反應，可以從量價兩個角度進行研究。首先在交易量方面，若明星分析師對跟進的公司發布報告后出現異常換手率，則說明投資者存在過度反應；在股價方面，若明星分析師發布報告后出現異常收益，則投資者存在過度反應現象。之前的學者發現在不同的市場態勢下，投資者對信息的反應不一，故本文進一步將市場劃分為牛市階段和熊市階段，以此作為穩健性檢驗。股市狀態參照王磊等（2012）的研究方法，牛市階段和熊市階段都分為若干小的子樣本階段。

表5為分析師報告異常交易量與明星分析師評級報告之間的關系，明星分析師啞變量的系數顯著為正，說明明星分析師發布的報告存在異常的交易量，并且在子樣本研究中同樣顯著。在全樣本和熊市階段，十大流通股東持股比例越高，則異常換手率越低，說明十大流通股東有降低異常換手率的作用，但這種現象在牛市階段不存在。

表5　分析師公告期窗口為（0，1）的異常換手率

表62004　～2013分析師評級數據異常收益

表6所示，在全樣本情況下，明星分析師買入評級公告后異常收益顯著，但賣出評級公告異常收益不顯著。在牛市階段，買入評級公告的異常收益顯著，賣出評級公告的異常收益不顯著。在熊市階段，買入和賣出評級公告的異常收益均不顯著。該回歸模型說明，明星分析師買入評級報告存在異常收益，且主要歸功于牛市階段。明星分析師賣出評級報告不存在異常收益。從表5和表6可以看出，較低的同步性是由于投資者對明星分析師跟進的股票存在過度的反應，因而股價同步性低意味著股價中包含的是噪音，而非公司特有信息，出現這一現象是因為投資者對明星分析師研報發布的過度反應，亦即我國股票市場上分析師的“明星效應”造成了低的股價同步性。

五、結論及政策建議

本文將分析師樣本分為明星分析師和非明星分析師，通過比較兩組分析師跟進股票的股價同步性、盈利預測精確度和投資者對兩組分析師報告的市場反應，發現明星分析師跟進的股票股價同步性較低，在反映公司特有信息的盈利預測精確度方面差于非明星分析師，但投資者對他們的評級報告卻存在過度反應的現象。從而說明明星分析師跟進股票股價的較低同步性是源于投資者“追星”的選擇性偏差所致，較低同步性的股價包含更多噪音。即同步性與信息效率成正向關系，股價同步性越低，信息效率越低。

本文結論對于我國投資者的啟發：分析師作為信息傳遞者，在資本市場中扮演重要的角色，投資者可以通過閱讀分析師報告，獲得行業及公司方面的信息，節省自己搜索這些信息的成本。但是根據他們的建議買賣股票時，要明確明星分析師并不比非明星分析師擁有更多公司特有信息，避免一味地追隨明星分析師而造成投資損失。投資者選擇性偏差也為投資者決策提供策略，投資者可以買入明星分析師推薦的股票，但是要明確此時的收益是噪音引起的收益，并不是與公司業績掛鉤帶來的收益。

本文結論對于我國政策制定者的啟發：政策制定者在規范資本市場秩序及規則方面起到不可替代的作用，管理當局可以通過規范分析師隊伍進一步加強我國資本市場信息中介的信息供給質量，完善我國資本市場信息環境。同時研究結論為建立健全投資者教育體系也起到一定的作用，管理當局應積極地教育過度追星的投資者，讓投資者明確他們的行為是否理智。

［1］馮旭南，李心愉.中國證券分析師能反映公司特質信息嗎？——基于股價波動同步性和分析師跟進的證據［J］.經濟科學，2011，（4）：99～106.

［2］馮用富，董艷，袁澤波，楊仁眉.基于R2的中國股市私有信息套利分析［J］.經濟研究，2009，（8）：50～59.

［3］姜超.證券分析師、內幕消息與資本市場效率——基于中國A股股價中公司特質信息含量的經驗證據［J］.經濟學季刊，2013，（2）：429～452.

［4］李麗青.《新財富》評選的最佳分析師可信嗎？——基于盈利預測精確度和預測修正市場反應的經驗證據［J］.投資研究，2012，（7）：54～64.

［5］林忠國，韓立巖，李偉.股價波動非同步性——信息還是噪音？［J］.管理科學學報，2012，（6）：68～81.

［6］劉昶，修世宇.分析師利益與投資建議的信息含量［J］.統計研究，2008，（10）：103～108.

［7］王磊，葉志強，孔東民，張順明.投資者關注與盈余公告周一效應［J］.金融研究，2012，（11）：193～206.

［8］張永任，李曉渝.R2與股價中的信息含量度量［J］.管理科學學報，2010，（13）：82～90.

［9］Barberis，N，Shleifer，A，Wurgler，J.Comovement［J］.Journal of Financial Economics，2005，75（2）：283～317.

［10］Chan，K，Hameed，A.Stock Price Synchronicity and Analyst Coverage in Emerging Markets［J］.Journal of Accounting Research，2006，80（1）：115～147.

［11］Dellavigna，S，Pollet，J.Investor Inattention and Friday Earnings Announcements［J］.The Journal of Finance，2009，64（64）：709～749.

［12］Grossman，S.J，Shiller，R.J.The Determinants of the Variability of Stock Market Prices［J］.The American Economic Review，1981，71（2）：222～227.

［13］Jin，L，Myers，S.C.R2 Around the World：New Theory and New Tests［J］.Journal of Financial Economics，2006，79（2）：257～292.

［14］King，B.F.Market and Industry Factors in Stock Price Behavior［J］.Journal of Business，1966，39（1）：139～190.

［15］Lang，M，H.，Lundholm，R，J.Corporate Disclosure Policy and Analyst Behavior［J］.Accounting Review，1996，71（4）：467～492.

［16］Morck R，Bernard，Y，Yu，W.The Information Content of Stock Markets：Why do Emerging Markets Have Synchronous Stock Price Movements？［J］.Journal of Financial Economics，2000，58（1-2）：215～260.

［17］Roll，R.R2［J］.Journal of Finance，1988，43：541～566.

［18］West，K.Dividend Innovations and Stock Price Volatility［J］.Econometrica，1988，56（1）：37～61.

F830.9

A

1006-169X（2016）10-0077-07