盈余意外的“反向股價效應”研究

張 維

盈余意外的“反向股價效應”研究

張 維

與以往“正向盈余意外抬升股價、負向盈余意外降低股價”的經典結論不同，本文基于我國上市公司2010～2015年度的財務數據，經事件研究法發現，約40%的盈余公告表現出“反向股價效應”，即“正向盈余意外降低股價、負向盈余意外抬升股價”。多元邏輯回歸的結果表明，“反向股價效應”不僅與盈余意外度量噪聲（包括盈余管理、分析師迎合、明星分析師預測、分析師覆蓋率、分析師分歧）有關，還與股價反應度量噪聲（收入意外、預測修正、收益率波動、買賣價差）有關。

盈余意外 反向股價效應 度量噪聲 邏輯回歸

一、引言

隨著我國資本市場的發展壯大，證券分析師行業開始萌牙并逐步規范化。一般情況下，證券分析師通過薦股意見或盈利預測向投資者傳遞價值信息。吳東輝和薛祖云(2005)研究表明，分析師的盈利預測相對于傳統的一元時間序列預測模型更加精確，分析師的盈利預測是衡量市場盈利預期的合理指標；白曉宇等(2007)也發現，分析師盈利預測是對上市公司實際業績的合理預期。由于投資者在選股時高度信賴證券分析師的盈利預測，分析師預測指標隨之成為上市公司期末財務指標的底線，是上市公司最重要的盈余閾值標準。一旦發生重大盈余意外(指實際盈余超過或者未達到分析師預期的幅度)，必將對公司股價造成劇烈沖擊。Brown和Han(2000)研究指出，負向盈余意外將引發公司股價下跌、正向盈余意外有利于抬升股價，本文將這種現象稱為“盈余意外的正向股價效應”。實際上，“正向股價效應”已經得到包括Brown和Caylor(2005)、王晶晶(2012)、周蘭和李思奇(2015)等眾多國內外學者的驗證。

然而，本文卻發現，我國上市公司股價對盈余意外的反應也可能是反向的，即負向盈余意外引起股價上行、正向盈余意外引起股價下跌，本文將這種現象稱為盈余意外的“反向股價效應”。實際上，根據本文的研究，發現總體樣本中約40%的盈余公告表現出這種“反向股價效應”。本文從“度量噪聲”的視角分析了“反向股價效應”的成因，研究發現：盈余意外“度量噪聲”和股價反應“度量噪聲”是形成“反向股價效應”的重要原因。

二、理論分析與研究假說

（一）“度量噪聲”假說

證券分析師盈利預測是上市公司管理層最為重視的盈余閾值指標之一，達到或者超過分析師盈利預測值成為上市公司企業文化中的教條，也是公司高管證明自己管理能力的重要方式。然而，一旦出現負向盈余意外，公司股價即會遭遇“滑鐵盧”，公司高管將面臨嚴峻的外部壓力。因此，公司高管可能會通過盈余管理而實現正向盈余意外，以避免股價下滑。經盈余管理而產生的盈余意外實際上是一種“人為”的盈余意外，而并非“真實”的盈余意外。即對盈余意外的度量受到管理層盈余管理等因素的干擾，本文將其定義為盈余意外“度量噪聲”。根據后文的分析，盈余管理、分析師迎合、明星分析師預測、分析師覆蓋率、分析師分歧是重要的盈余意外“度量噪聲”。

除盈余意外“度量噪聲”外，股價反應也存在一定的“度量噪聲”。例如，上市公司財務報告中含有多項財務信息，以往研究一般采用每股收益度量盈余意外，盈余意外可分解為收入意外和費用意外，由于投資者注意力有限，其可能只關注了財務報告中的部分信息，繼而做出相應的增持或減持股票的反應，即股價反應可能并不完全是針對盈余意外做出的，本文將其定義為股價反應“度量噪聲”。根據后文的分析，收入意外、預測修正、收益率波動、買賣價差是重要的股價反應“度量噪聲”。綜上分析，本文提說“度量噪聲”假說。

H1：盈余意外“度量噪聲”與盈余意外“反向股價效應”有關。

H2：股價反應“度量噪聲”與盈余意外“反向股價效應”有關。

（二）假說發展

1. 盈余意外“度量噪聲”

國內外已經有大量的研究表明，上市公司管理層有強烈的動機避免負向盈余意外。如Burgstahler和Eames(2006)研究指出，上市公司高管可能通過預期管理實現正向盈余意外，因此出現負向盈余意外的上市公司數量顯著小于正向盈余意外，王晶晶等(2012)基于中國上市公司的經驗數據，也得到了類似的結論。本文認為，在我國證券市場特殊的制度背景下，管理層有規避負向盈余意外的強烈動機，管理層主要通過盈余管理“人為”調整盈利指標，以實現正向盈余意外。而如果投資者能夠識別出管理層的盈余管理調整行為，正向盈余意外包含的樂觀信息將大打折扣，更可能出現“反向股價效應”。因此，本文提出假說H1a。

H1a：管理層盈余管理水平越高，出現“反向股價效應”的可能性越大。

獨立性是證券分析師面向公眾開展證券投資咨詢業務的重要職業守則，證監會曾多次出臺法令要求分析師恪守獨立性原則。然而，宋樂和張然(2010)研究指出，受傳統關系型社會根深蒂固的影響，證券分析師違背獨立性、做出誤導投資者的盈余預測的行為并沒有得到根本上的改善。從行為動機上面看，為了與上市公司高管維持良好的社會關系以便于獲取相對私密的信息，分析師可能采用先樂觀后悲觀的盈余預測模式迎合上市公司高管，從而幫助上市公司實現正向盈余意外。Libby等(2008)就通過實驗法發現了分析師迎合管理層的證據。與管理層盈余管理一致，分析師迎合也是一種避免負向盈余意外的機會主義行為，一旦被投資者識別，將更可能出現“反向股價效應”。因此，本文提出假說H1b。

表1 正、負向盈余意外的短期股價反應

表2 主要解釋變量的描述性統計分析

H1b：當證券分析師迎合公司高管時，出現“反向股價效應”的可能性越大。

伊志宏和江軒宇(2013)研究指出，分析師盈利預測的準確性與分析師人力資本稟賦高度相關，具體而言，明星分析師的盈利預測比一般分析師的預測更加可靠，引起的市場反應也更加強烈。明星分析師以更強的專業能力為投資者提供投資服務，且出于維持良好聲譽的目的，明顯分析師更可能堅守獨立性的底線，發表更加客觀的盈利預測。如果明星分析師的盈利預測與一般分析師相悖，投資者可能更加信賴明星分析師，從而更可能出現“反向股價效應”。因此，本文提出假說H1c。

H1c：明星分析師與一般分析師意見相悖時，更可能出現“反向股價效應”。

Johnson和Zhao(2011)研究發現，當一家上市公司被更少的分析師跟蹤時，盈利預測的信息含量更低，引起的市場反應也較小。本文認為，被更少的分析師跟蹤，說明上市公司不被市場關注，因而分析師發布盈利預測的市場反響并不強烈，股價反應更傾向于服從隨機游走，出現“反向股價效應”的概率更高。此外，分析師分歧越大，投資意見的信息含量越低，“反向股價效應”出現的可能性越高。據此，提出假說H1d和H1e。

H1d：分析師跟蹤覆蓋率越低，“反向股價效應”的概率越高。

H1e：分析師分歧越大，“反向股價效應”的概率越高。

2. 股價反應“度量噪聲”

投資者有限關注理論提出，受投資者能力和精力的制約，投資者往往不能夠迅速、全面地解讀市場信息。Ertimur等(2003)將盈余意外分解為收入意外和費用意外，并發現收入意外更可能引起投資者的注意力，引發更強烈的市場反應。Johnson和Zhao(2011)的研究也證實了上述觀點。因此本文預測，當收入意外與盈余意外的正負符號相反時，投資者可能更關注收入意外，從而出現“反向股價效應”的可能性更大。據此，提出假說H2a。

H2a：當收入意外與盈余意外的符號相反時，“反向股價效應”的概率更大。

一般情況下，一家上市公司會被多位分析師跟蹤，分析師先后對該上市公司做出盈利預測，即在時間上存在先后順序。上文已經提及，投資者的注意力是有限的。Joe等(2009)研究認為，相對于陳舊的歷史信息，投資者更加關注新近披露的公開信息。因此，本文認為距離上市公司財務報告披露日最近一期的盈利預測報告是對之前預測報告的修正，當這種修正預測與普通預測結果相反時，更可能發生“反向股價效應”。據此，提出假說H2b。

假說H2b：當修正預測與普通預測不一致時，“反向股價效應”的概率更大。

股價波動和買賣價差也會造成股價反應“噪聲”。當盈余意外相同時，如果個股股價波動越劇烈，“反向股價效應”越可能發生。Johnson和Zhao(2011)以美國1985～2005年季度報告為研究對象，就發現股價波動率與“反向股價效應”的概率正相關。市場微觀結構的經典文獻指出，買賣價差被造市者用于彌補信息不對稱損失，買賣價差越大，分析師盈利預測的難度會增加，預測的準確性隨之減低。在我國，雖然不存在造市者，但買賣價差對信息不對稱仍然存在較大的解釋能力。據此，提出假說H2c和H2d。

H2c：股價波動與“反向股價效應”的概率成正比。

H2d：買賣價差與“反向股價效應”的概率成正比。

三、研究設計

（一）樣本選取與數據來源

由于我國2010年才建立起覆蓋面相對較廣的證券分析師行業，本文以2010～2015年間分析師盈利預測覆蓋的上市公司為樣本展開后續實證研究，分析師盈利預測信息來自于國泰安數據庫，剔除了盈利預測重復值、缺失值并刪除研究期間退市、ST和財務數據缺失的上市公司，最后得到1284家樣本上市公司。由于年度財務報告經過注冊會計師審計，財務數據較為全面、可靠，本文主要研究年度財務報告及其股價反應。采用事件研究法計算股價反應，個股日收益率數據和市場日收益率數據來源于國泰安數據庫。其他財務數據和控制變量數據來源于Wind數據庫。明星分析師的數據來源于《新財富》公布的最佳分析師排行榜。

（二）主要變量的衡量

1. 盈余意外

參考王晶晶等(2012)的研究，盈余意外(ES)的計算公式如下：

盈余意外ES=實際每股收益-預測每股收益

其中，實際每股收益為年度財務報告中披露的每股收益，預測每股收益為上市公司年度財務報告披露前一段時間分析師預測的每股收益平均值，鑒于人類行為學中近因效應的存在，本文以上市公司第三季度報告披露后分析師預測的平均數作為分析師的盈利預測。當ES>0時，為正向盈余意外；當ES<0時，為負向盈余意外；當ES=0時，不存在盈余意外。

2. 股價反應

本文以市場模型計算的累計異常收益衡量盈余意外的股價反應，事件日T為年度財務報告披露日，估計窗口T-150～T-11，事件窗口T-10～T+30。參考Johnson和Zhao(2011)的研究，以CAR[0,5]判斷股價反應的正負方向，同時考察股價長期反應情況。當CAR[0,5]>0時，股價反應為正；當CAR[0,5]<0時，股價反應為負。

當發生以下兩種情況時，判定盈余意外引發了“反向股價效應”：ES>0且CAR[0,5]<0，即正向盈余意外導致股價降低；ES<0且 CAR[0,5]>0，即負向盈余意外導致股價上升。當發生以下兩種情況時，判定盈余意外引發了“正向股價效應”：ES>0且CAR[0,5]>0，即正向盈余意外導致股價上升；ES<0且 CAR[0,5]<0，即負向盈余意外導致股價降低。

表3 全樣本邏輯回歸結果

圖1 正、負向盈余意外的長期股價反應

3. 主要解釋變量

盈余管理EM。本文采用修正的Jones模型估計盈余管理，限于篇幅，具體的計算公式不再介紹。

分析師迎合MGUI。本文參考Matsumoto(2002)的模型判定分析師是否迎合管理層，若迎合管理層，取MGUI=1，否則為0。具體計算過程可以參考Matsumoto(2002)的論文。

明星分析師意見Star。本文以《新財富》雜志公布的“最佳分析師”界定明星分析師，入選“最佳分析師”當年即為明星分析師。如果采用明星分析師預測數據計算的盈余意外與平均盈余意外符號相反，則取明星分析師意見Star=1，否則為0。

分析師跟蹤覆蓋率Num。參考Johnson和Zhao(2011)的研究，以分析師人數度量分析師跟蹤覆蓋率。

分析師分歧Disp。取分析師每股收益預測的標準差。

收入意外Income。參考Johnson和Zhao(2011)的研究，先計算收入意外指標值，等于本年度營業收入減去上年度營業收入，如果收入意外指標值與盈余意外值符號相反，則取收入意外Income=1，否則為0。

修正預測Amen。如果最新一期分析師預測與平均預測的符號相反，則取修正預測Amen=1，否則為0。

股價波動Vol。參照以往的研究，使用股票的Beta系數衡量上市公司股價波動率。

買賣價差Spread。買賣價差Spread的計算過程主要參考穆啟國等(2004)的研究，限于篇幅，詳細的計算過程不再介紹。

4. 其他控制變量

此外，還引入如下控制變量：(1)財務狀況，以資產負債率DR衡量財務狀況；(2)所有權性質虛擬變量Owner，民營企業Owner取1，反之取0；(3)行業虛擬變量IND，參照wind數據庫行業分類法；(4)公司上市地虛擬變量Exchange，上市地點為上海取1，深圳取0；(5)年度控制變量Year。

表4 子樣本邏輯回歸分析

四、實證結果與分析

（一）“反向股價效應”存在性檢驗

本文采用市場模型計算年度財務報告的股價反應。首先，區分正向盈余意外和負向盈余意外。經計算，正向盈余意外有4719個樣本，占總量的61.25%；負向盈余意外有2985個樣本，占總量的38.75%。正向盈余意外明顯多于負向盈余意外，與李晶晶(2012)的研究結論一致，表明管理層確實存在規避負向盈余意外的行為。其次，計算正、負向盈余意外的股價反應。分別度量了短期股價反應和長期股價反應，短期股價反應如表1所示。如表可知，就短期而言，正向盈余意外在年度報告披露當日和第二日呈現顯著為正的股價反應，負向盈余意外在年度報告披露當日和第二日呈現顯著為負的股價反應，且負向股價反應比正向股價反應更劇烈。接下來，根據CAR[0,5]的正負確定是否引發了“反向股價效應”。正向盈余意外中，2014個樣本的CAR[0,5]小于0，發生“反向股價效應”的概率為42.68%；負向盈余意外中，1070個樣本的CAR[0,5]大于0，發生“反向股價效應”的概率為35.85%。由此可知，正向盈余意外發生“反向股價效應”的概率要大于負向盈余意外。總體而言，40.03%年報存在“反向股價效應”。綜上，可以判斷盈余意外確實存在“反向股價效應”。

圖1匯報了正、負向盈余意外的長期股價反應走勢圖。如圖所示，在事件窗口[0,30]期間，負向盈余意外、負向股價反應組（以下簡稱負負組別）的股價最低下跌至-0.09，正向盈余意外、正向股價反應組的股價（以下簡稱正正組別）最高上升至0.04，負向盈余意外的股價反應比正向盈余意外劇烈，這也是管理層避免負向盈余意外的動機。正正組別和負負組別均表現出微弱的盈余公告后漂移現象，即股價在公告日后持續對公告信息作出反應，且負負組別的盈余公告后漂移現象更明顯。正向盈余意外、負向股價反應組（以下簡稱正負組別）和負向盈余意外、正向股價反應組（以下簡稱負正組別）的股價在0值上下波動，沒有表現出盈余公告后漂移現象。

（二）多元邏輯回歸分析

1. 模型構建

本文構建如下Logistic回歸模型驗證假說：

Popposite指盈余意外是否引發了“反向股價效應”，若是取Popposite=1，反正取0。采用Stata12.0進行回歸處理，對連續變量進行上下1%的Winsorize縮尾處理。

2. 描述性統計分析

Popposite的平均值為0.400，說明樣本中40%的盈余意外引發了“反向股價效應”。EM的平均值為0.062，說明樣本上市公司平均盈余管理程度為上期總資產的6.2%，EM最大值為0.297，最小值為0.043，表明不同公司的盈余管理程度存在較大差異。MGUI的平均值為0.178，說明17.8%的樣本中分析師迎合了管理層。Star的平均值為0.108，說明約10%樣本中，明星分析師與普通分析師的意見相左。Num的平均值為9.902，說明平均一家上市公司被9位分析師跟蹤。Disp的平均值為0.138，說明分析師存在一定分歧。Income的平均值為0.167，說明16.7%的樣本中收入意外與盈余意外符號相反。Amen的平均值為0.139，可見存在預測修正的樣本達到13.9%。Vol的平均值為0.998，與Beta系數的定義較為吻合。Spread的平均值為0.032，表明我國股票市場存在一定的信息不對稱。

3. 回歸分析

多元邏輯回歸模型的結果如表3所示，其中模型1和模型3是針對假說H1a～H1e的檢驗，模型2和模型4是針對假說H2a～H2d的檢驗，模型5同時檢驗兩種假說。如模型1所示，EM的系數為正，且通過1%顯著性水平的檢驗，表明管理層的盈余管理水平越高，盈余意外發生“反向股價效應”的概率越大，與預期一致。實際上，經過盈余管理調整的盈余意外并非真實的盈余意外，如果投資者識別出了管理層的盈余管理行為，正向盈余意外包含的樂觀信息將大打折扣，因此導致“反向股價效應”，假說H1a得到驗證。實證結論也表明，我國投資者具備一定信息識別能力。MGUI的系數為正，且通過5%顯著性水平的檢驗，表明若分析師迎合管理層，盈余意外發生“反向股價效應”的概率越大，與預期一致。分析師迎合是一種避免負向盈余意外的機會主義行為，有失分析師的獨立性，降低了盈利預測的可靠性，因此導致“反向股價效應”，假說H1b得到驗證。Star的系數為正，且通過1%顯著性水平的檢驗，表明明星分析師的意見更能被投資者采納，明星分析師的意見與普通分析師相反時，更可能發生“反向股價效應”，假說H1c得到驗證。Num的系數為負，且通過10%顯著性水平的檢驗，表明分析師覆蓋率越高，其盈利預測的信息含量越大，從而更可能被投資者接受并做出正向反應，假說H1d得到驗證。Disp的系數為正，但是沒有通過顯著性檢驗，可能的原因是，投資者傾向于采納某個固定的分析師的投資意見，而并不關注其他分析師的意見，因此對分析師分歧沒有足夠的重視。以上實證結果在加入其他控制變量（模型3）和股價反應噪聲變量（模型5）后，仍然成立，沒有發生方向性的改變。

如模型2所示，Income的系數為正，且通過1%顯著性水平的檢驗，表明投資者更關注收入意外，當收入意外與盈余意外的正負符號相反時，出現“反向股價效應”的可能性更大，假說H1a得到驗證。Amen的系數為正，且通過1%顯著性水平的檢驗，表明投資者更加關注新披露的信息，并視為對之前信息的修正，若兩者預測結果不同時，更可能發生“反向股價效應”，假說H1b得到驗證。Vol的系數為正，且通過5%顯著性水平的檢驗，實證結果支持Johnson和Zhao(2011)的結論，股價波動率與“反向股價效應”的概率正相關，假說H2c得到驗證。Spread的系數為正，且通過1%顯著性水平的檢驗，表明信息不對稱程度越大，分析師盈利預測的準確性越低，更可能引發“反向股價效應”，假說H2d得到驗證。以上實證結果在加入其他控制變量（模型4）和盈余意外噪聲變量（模型5）后，仍然成立，沒有發生方向性的改變。

4. 進一步分析

進一步地，區分正、負向盈余意外進行子樣本的回歸分析，回歸結果如表4所示。如表所示，在正向盈余意外子樣本的回歸結果中，基本的實證結論并沒有方向性的改變，只是在數值上略有差異。在負向盈余意外子樣本的回歸結果中，EM和MGUI的系數都為正，但是并沒有通過顯著性水平的檢驗。可見，盈余管理和分析師迎合的“噪聲干擾”只在正向盈余意外中發揮作用。究其原因，負向盈余意外本身就屬于負面信息，因此投資者不再去關注管理層和分析師的機會主義動機。

（三）敏感性分析

為了使結論更有信服力，本文進行了如下兩種敏感性分析：(1)參考Johnson和Zhao(2011)的研究，采用CAR[-1,1]確定Popposite的取值，重新進行邏輯回歸分析，主要的實證結果沒有變化；(2)將全樣本按年度劃分子樣本，重新展開邏輯回歸分析，主要的實證結果沒有變化。限于篇幅，敏感性分析的實證結果不再匯報。

五、結論與啟示

基于我國上市公司2010～2015年度的財務數據和分析師預測報告，本文運用事件研究法計算發現，約40%的年度財務報告表現出“反向股價效應”，即“正向盈余意外降低股價、負向盈余意外抬升股價”。本文提出“度量噪聲”假說解釋“反向股價效應”，認為盈余意外“度量噪聲”和股價反應“度量噪聲”都會導致盈余意外出現“反向股價效應”。多元邏輯回歸分析支持本文提出的假說。

根據本文的研究結論，提出以下建議：首先，盈余管理會對盈余意外的度量造成干擾，導致盈利預測喪失有效性，因此，有必要對管理層盈余管理行為進行必要的規制。其次，分析師迎合是避免負向盈余意外的機會主義行為，會導致分析師獨立性的喪失，降低了盈利預測的可靠性，因此，有必要進一步規范我國證券分析行業，提高分析師的獨立性，并對違反獨立性原則的違規行為進行處罰。最后，運用本文構建的模型，投資者可以在較大程度上預測上市公司財務報告發布后的股價走勢，本文為預測股票價格走勢提供了一種新的思路。

作者單位：河南工程學院會計學院

1.吳東輝,薛祖云.財務分析師盈余預測的投資價值.會計研究.2005(8)

2.白曉宇,鐘震,宋常.分析師盈利預測之于股價的影響研究.審計研究.2007(1)

3.Brown L D, Han J C Y. Do Stock Prices Fully Reflect the Implications of Current Earnings for Future Earnings for Ar1 Firms?[J]. Social Science Electronic Publishing, 1998, 38(1):149-164.

4.白曉宇,鐘震,宋常.分析師盈利預測之于股價的影響研究.審計研究.2007(1)

5.Brown L D, Caylor M L. A Temporal Analysis of Quarterly Earnings Thresholds: Propensities and Valuation Consequences[J]. Social Science Electronic Publishing, 2005, 80(2):157-165.

6.王晶晶,李若山,李冬昕.我國上市公司正向盈余意外實現原因研究.當代財經.2012(3)

7.周蘭,李思奇.企業聲譽、重大盈余意外與市場反應.財經問題研究.2015(2)

8. Burgstahler D, Eames M. Management of Earnings and Analysts’ Forecasts to Achieve Zero and Small Positive Earnings Surprises[J]. Journal of Business Finance & Accounting, 2006, 33(5-6):633-652.

9.宋樂,張然.上市公司高管證背景影響分析師預測嗎?.金融研究.2010(6)

10.Robert Libby, James E. Hunton, Huntong Tan, Nicholas Seybert. Relationship Incentives and the Optimistic/Pessimistic Pattern in Analysts’ Forecasts [J]. Journal of Accounting Research, 2008,46(1):178- 198.