證券分析師“異常關注”能否創造投資價值？
——基于2010～2017年A股市場的經驗證據

張宗新 朱煒

(復旦大學金融研究院，上海 200433)

引言

作為聯結上市公司與投資者的重要信息中介，分析師通過信息挖掘向投資者傳遞公司基本面信息，引導市場投資行為，在將信息快速滲透到股票價格的同時也為投資者創造超額收益(Walther，1997；朱紅軍等，2007)[12][20]。然而，在中國資本市場上，證券分析師是否具有專業化的信息挖掘能力，發現股票定價偏誤，一直備受學術界和實務界質疑。尤其是廣大中小投資者在依據分析師投資建議難以獲取令人滿意的投資業績甚至屢屢投資虧損時，對分析師能否通過獲取或是挖掘公司層面的有效信息并以此創造投資價值提出廣泛質疑，本文通過引入分析師“異常關注”指標(Abnormal Coverage)，從中國A股證券分析師信息挖掘能力角度對分析師是否具備價值創造能力進行深入討論并進行重新詮釋。

目前，關于分析師行業的研究主要集中在兩方面，其一是關于分析師價值創造能力的研究，大量實證研究表明，以分析師評級、分析師盈余預測等分析師推薦指標構造的投資策略能夠為投資者帶來一定的超額收益(Womack,1996；張然等，2017)[13][18]。那么，以分析師關注指標構造的投資策略是否和分析師推薦指標一樣具備投資價值，投資價值又是如何產生，就此展開研究。其二是關于分析師信息傳遞角色的研究，作為證券市場中重要的信息中介，分析師主要有兩大信息渠道：一方面，是通過上市公司公開基本面信息挖掘，給出專業化的投資建議(Lehavy et al.,2011)[9]；另一方面，是通過上市公司內部信息渠道，獲取公司內幕消息(Chen et al.，2010；姜超，2013)[4][14]。分析師究竟如何發揮信息中介作用以增加股價中的信息含量，同時為投資者創造投資收益，是通過專業分析能力對公開信息進行深入挖掘，還是通過內幕信息傳遞，就此進行探討。

在證實分析師能夠通過專業分析能力進行信息挖掘創造價值后，繼而嘗試從外部激勵措施的有效性角度解釋實務中投資者對分析師專業能力的質疑，即新財富最佳分析師評選活動在識別分析師專業能力方面是否具備有效性。李麗青(2012)[15]從盈余預測角度出發，肯定了“新財富最佳分析師”的盈余預測準確性，從而證實了《新財富》識別分析師專業能力的有效性；吳偎立等(2016)[17]則同時從盈余預測的準確度及謹慎性、股票評級的投資價值兩方面來衡量賣方分析師發布信息的質量，研究發現新財富最佳分析師與普通分析師發布信息的質量不存在顯著差異。此前的研究者分別從盈余預測準確度以及股票評級投資價值等方面進行研究，文章則嘗試從分析師異常關注指標出發對新財富最佳分析師評選活動的有效性進行探究。

本文的主要研究貢獻有以下兩點：一方面，進行了研究指標的創新，在中國證券市場上引入分析師“異常關注”作為主要研究對象，從一個新的視角對分析師價值創造能力、價值創造來源、外部激勵措施有效性等一系列問題進行探究。另一方面，從現實意義上來說，引入“異常關注”指標，解答分析師主要依靠專業分析能力進行信息挖掘從而創造投資價值這一基本性問題，證實了中國證券分析師具備通過專業研究進行價值創造的能力；同時，通過對新財富最佳分析師的異常關注指標進行分析，發現新財富評選活動似乎并不能準確識別分析師專業分析能力，恰逢2018年新財富評選活動因為“飯局門”等負面風波暫停，研究新財富評選機制的有效性因此具備了一定現實意義。

理論分析與假說提出

從分析師報告的信息供給角度，分析師研報信息創造投資價值主要有兩條路徑，其一是價格壓力效應，分析師通過引導投資者交易行為進而影響股價形成機制，從而獲取超額收益，這一路徑主要作用于投資者預期，并不能夠增加股票價格中公司層面的信息含量；其二是信息傳遞效應，分析師通過基本面信息挖掘，發現內在價值與股票價格的偏離，在引導股票價值回歸的過程中為投資者創造超額收益。由于路徑一增加了股票價格中的噪聲干擾，不利于提升資本市場運行效率，通過引入證券分析師“異常關注”指標，下文主要就第二條價值創造路徑是否有效進行探討。

構建分析師“異常關注”指標的意義在于，一方面，分析師關注(Analyst Coverage)可能同時通過兩條價值創造路徑為投資者創造投資價值，無法明確予以區分，而截至目前，投資者較少依據中國分析師“異常關注”指標進行投資交易，“異常關注”指標可以較好地刻畫分析師信息傳遞效應；另一方面，分析師關注的過程往往會受到各種不同因素的影響，Bhushan(1989)[2]曾經針對分析師關注的影響因素構建了一個簡單的供需理論模型，影響分析師關注的因素大致可以分類為公司規模、股權結構、公司性質等公司特征因素(Bhushan，1989)[2]，盈利能力、償債能力、公司成長性等基本面因素(林小馳等，2007)[16]，股票收益率等市場因素(Das et al.,2006)[5]，這些因素被劃分到模型中的供給端或者需求端，通過影響分析師服務的供需使得分析師關注度最終達到供需均衡狀態。具體來說，這些因素一是影響投資者需求，需求越大，對分析師服務的需求越高；二是影響公司信息質量，信息質量越高，分析師服務供給越多，分析師服務的供需共同決定了分析師關注度的大小。通過剔除一部分影響分析師關注的供需因素，分析師“異常關注”指標相較于“分析師關注”指標而言更能夠反應分析師基于公司層面信息挖掘對股票定價的個人判斷，從而更有效、客觀地刻畫分析師關注行為，對中國證券分析師的價值創造能力進行詮釋。

在證實了分析師“異常關注”指標主要通過信息傳遞效應路徑為投資者創造投資價值之后，繼而探討中國A股市場分析師異常關注指標價值創造的主要信息來源。分析師信息獲取主要有兩大來源，一方面是挖掘公開信息創造價值，通過專業的分析能力對上市公司公開財務信息進行深入挖掘，根據投資者有限關注理論(Kahneman,1973)[7]，由于投資者精力有限，難以觀察并挖掘所有公開信息，分析師可以通過其專業分析能力挖掘并解讀公開信息；另一方面是獲取內幕信息創造價值，通過私有信息渠道來獲取內幕消息，根據信息不對稱理論(Akerlof,1970)[1]，公司管理層與外部投資者之間的信息不對稱可能會造成股票定價偏差，分析師可以通過獲取內幕信息知悉定價偏誤，引導投資者進行理性投資決策，使得市場定價趨于合理，提高資本市場運行效率。通過引入分析師異常關注指標，對公司信息披露質量分組驗證，證實了分析師主要是依靠專業能力進行信息挖掘并創造投資價值。

盡管說明了分析師具備研究創造價值的能力，現實中卻始終不乏針對分析師專業能力的質疑。根據Bhushan(1989)[2]提出的分析師關注供需影響理論，分析師關注度大小受到投資者需求以及分析師服務供給的影響，因此，針對投資者依據分析師投資建議往往難以獲取滿意的投資回報這一現象，可以分別從分析師服務的供需角度予以說明。一方面，分析師關注度的大小受到投資者需求的影響，在一定程度上干擾了分析師基于專業能力進行選股；同時，新財富等外部激勵措施過于重視投資者主觀評價，對專業能力的考量也有所欠缺。另一方面，公司信息披露不充分、信息質量差，為分析師服務的供給造成了一定的負面影響，同時也干擾了分析師做出正確判斷。

圍繞異常關注指標出發，在提取出異常關注指標之后，對中國A股分析師能否創造價值進行實證分析和解釋。具體而言，首先證明分析師異常關注指標與股票未來市場表現之間存在相關性，投資者能夠以分析師異常關注指標構造投資策略獲得超額收益。其次，在證實了分析師異常關注指標能夠為投資者創造價值之后，進一步驗證價值創造的信息來源主要是分析師基于專業分析能力進行的公開信息深入挖掘。在肯定了分析師專業能力后，繼而嘗試從外部激勵措施的有效性角度解釋實務中投資者對分析師專業能力的質疑，即探究新財富評選機制在激勵分析師充分發揮專業能力方面是否具備有效性。具體框架如圖1所示。

圖1 分析師異常關注價值創造的研究框架

按照上述研究思路，論文通過分析師關注度影響因素分解模型剔除影響分析師關注的供需因素，得到分析師異常關注指標，并在此基礎上提出假設1。

假設1：分析師異常關注指標對投資者而言能夠產生投資價值。

目前已有大量研究證明了分析師盈余預測、投資評級等分析師推薦指標的投資價值，本文則著重于探討分析師關注指標、分析師異常關注指標的投資價值。

近年來，分析師的專業能力遭到投資者的不斷質疑。但要指出的是，分析師關注度的大小受分析師服務的供需影響，并不能代表分析師對股票價格的專業判斷，也就是說，分析師關注度越高并不一定表示分析師就越看好該股票。在剔除了一部分干擾因素之后，可以得到更能反映分析師個人觀點的分析師異常關注指標，并探討分析師異常關注指標是否能夠為投資者創造超額收益。若假設成立，則證明分析師通過信息傳遞效應創造超額收益的價值創造機制有效；若假設不成立，分析師通過信息挖掘創造投資價值的能力則受到質疑。

在證實了通過分析師異常關注指標構建的投資組合能夠產生超額收益之后，論文進一步探討分析師價值創造的信息來源，繼而提出假設2。

假設2：分析師異常關注創造價值的信息來源是分析師基于專業能力的公開信息挖掘。

分析師的信息來源大致可分為兩類：一類是公開信息挖掘，通過專業分析能力對上市公司的公開信息進行深度挖掘；另一類是私有信息，由于職業的便利性，分析師可能具備獲取內幕消息的信息渠道。分析師異常關注指標價值創造的主要信息來源究竟是分析師基于專業研究的公開信息挖掘抑或是基于私人渠道的內幕消息獲取，如果分析師異常關注(Atot)在公司信息披露質量很差的情況下與股票未來收益率存在顯著的正向關系，卻在信息披露質量良好的情況下無法對股票未來走勢作出預測，則說明分析師異常關注(Atot)價值創造的信息來源主要是內幕消息的獲取；否則，分析師異常關注(Atot)價值創造的信息來源主要為公開信息的深入挖掘，分析師通過信息傳遞效應進行價值創造的路徑主要依靠分析師專業能力發揮作用。

針對分析師專業能力的廣泛性質疑，論文進一步嘗試從外部激勵措施識別分析師專業分析能力的有效性角度對投資者質疑進行解釋。特提出研究假設3。

假設3：新財富評選活動難以有效識別分析師的專業分析能力。

新財富作為重要的分析師外部激勵方式，獲得新財富最佳分析師的研究員能夠迅速獲取高額薪水以及行業聲譽。因此，新財富評選機制是否將分析師專業能力納入考量是分析師能否有動力充分發揮其研究分析能力的重要影響因素。如果分析師主要是通過專業分析能力來識別未來市場表現良好的高收益率股票，那么在新財富評選活動將分析師專業分析能力納入考量的情況下，獲評新財富最佳分析師的明星分析師應當具備更強的專業分析能力，那么如果有明星分析師的關注，相應的分析師異常關注指標能夠創造更多價值，據以構建的投資組合也能夠獲取更高的超額收益。反之，則說明分析師評選活動難以識別分析師專業能力。

研究樣本、變量與描述性統計

一、數據來源與樣本選擇

本文的原始數據來自CSMAR數據庫和Wind數據庫，其中分析師關注指標數據來自CSMAR數據庫，市場層面、公司層面數據來自Wind數據庫。需要指出的是，論文主要是對賣方分析師關注度進行研究，因為買方分析師的研究報告主要供內部使用，不對外公布，數據難以獲取，對整個市場的影響程度要弱于賣方分析師。

研究樣本數據取自2010第1季度至2016年第4季度共28個季度內有分析師關注的上市公司，以及相應時間段上市公司對應的分析師異常關注指標。同時，選擇相應上市公司樣本在2010年第2季度至2017年第4季度的股票收益率數據，在此基礎上進一步研究分析師異常關注指標與滯后季度的股票收益率之間的相關性，從而說明分析師異常關注指標能夠通過信息挖掘預測未來股票的市場表現。為避免異常值、樣本缺失造成的影響，將樣本中的金融類、ST類上市公司數據予以剔除，并刪除數據披露不完整的樣本。在此基礎上，對所有連續變量均采用Winsorize(1%)的方法進行縮尾處理。

二、變量定義與指標構造

1.分析師“異常關注”指標構造

通過借鑒Charles Lee(2017)[3]提出的分析師關注度影響因素分解模型，從分析師關注度指標(Tot)中分離出更能表現分析師個人觀點的分析師異常關注度指標(Atot)作為核心研究變量，也就是說要剔除市場層面、公司特征等常規的影響因素。根據Bhushan(1989)[2]的分析師服務供需理論模型，市場層面、公司層面等各類因素都會通過影響分析師服務的供給和需求來影響分析師關注度的大小。

具體地，從市場層面看，交易額(Trade)、收益率(Return)等因素會影響投資者對分析師服務的需求，交易額越大、前期回報率越高，則投資者關注度越高，相應地對分析師服務的需求也越大；而機構持股變量(Invest)、換手率(Turnover)、波動率(Vlty)則會影響分析師服務供給，一般而言，為獲取分倉收益，分析師更傾向于機構持股比例高的股票；為降低風險，分析師更傾向于關注低換手率、低波動率的股票。從公司層面看，公司規模(Size)、帳面市值比(bm)、每股盈余(eps)等基本面因素會影響投資者對公司股票的偏好，從而產生對分析師服務的需求；而公司性質(Nature)、上市時長(Quarter)等公司特征因素會影響分析師服務供給，一般公司性質為民企的，信息透明度更高；而上市時間越短，信息披露機制越完善，分析師傾向于給予更多關注度。

由此可見，分析師選股受供需因素影響，并不是完全基于專業分析或內幕信息作出判斷。通過構建分析師關注度指標(Tot)影響因素的分解模型，在剔除該部分影響分析師關注的供需因素之后，可以得到更能反映分析師個人判斷的分析師異常關注指標。其中i代表第i個公司，q代表第q季度。由于分析師關注指標(Tot)數據分布較為分散，而企業規模(Size)、成交額(Trade)指標數值過大，因此先對這三個指標進行對數化處理。

2.投資價值指標

以季度超額累計收益率(CARshort)衡量經市場因子調整的短期超額累計收益率，以年度超額累計收益率(CARlong)衡量經市場因子調整的長期超額累計收益率，其中，超額收益率為股票月收益率與上證指數月漲跌幅之差，而超額累計收益率即為區間內超額收益率的加總。對投資者而言，股票的超額累計收益率越高，意味著相應的投資收益更高。以是否獲取超額累計收益率來判斷依據分析師異常關注指標選股是否能夠獲得更高的投資收益，若能，則說明依據分析師異常關注指標選股能夠獲取超額收益并產生投資價值，反之則可能無法創造投資價值。

下文中涉及的主要變量及其含義，如表1所示。

表1 主要變量含義

三、主要變量的描述性統計

表2展示了所有樣本數據主要變量的描述性統計，總樣本數為41078個。由于在選取變量時以A股市場上所有上市公司為樣本，并在此基礎上剔除變量存在缺失值的樣本，只要不存在缺失值，即使是分析師關注為0的公司也予以保留。同時，雖然分析師關注指標取值均≥0，但分析師異常關注指標的取值可能為負，這是因為分析師關注度的大小會受市場層面、公司層面等各類因素影響，這些因素通過影響對分析師服務的供需從而過度推高了分析師關注度，而異常關注指標則對供需因素產生的干擾作用進行修正。

表2 主要變量的描述性統計

實證結果與分析

一、分析師異常關注指標的提取

通過對模型(1)作Fama-Macbeth回歸，并用Newey-West調整法控制異方差和相關性的影響，從而提取出分析師異常關注指標作為核心研究變量。表3展示了模型(1)的回歸結果，回歸殘差項即為分析師異常關注指標。值得注意的是，大部分影響因素與分析師關注指標之間的關系符合上文判斷，但由于依據股票歷史表現難以預測將來回報率，前期回報率(Return)和分析師關注指標(Tot)之間并不存在顯著的相關關系。

表3 提取分析師異常關注指標

通過對分析師關注指標的分解得到的殘差項εi,q，即為分析異常關注指標Atoti,q。和分析師關注指標相比，分析師異常關注指標更能代表分析師個人觀點。當殘差為正時，意味著在剔除市場以及公司層面的影響之后，從分析師角度而言仍然傾向于要關注該只股票；而當殘差為負時，意味著該股票的關注度主要是因為市場層面、公司層面因素，而分析師本身對于該股票可能并不看好。本文認為，分析師異常關注度指標能夠創造價值，因此在下文首先驗證該指標對投資者而言是否能夠產生投資價值，繼而驗證投資價值的來源。

表4則展示了按分析師異常關注指標分組后的分組樣本的描述性統計。具體而言，將Atoti,q按從低到高的順序分成5組，分別計算相應變量在每一組所對應的均值。一方面，分析師關注指標會隨著分析師異常關注指標的提高而提高；另一方面，根據回歸模型的設定，Atoti,q作為回歸方程的殘差項，與市值、換手率、成交額、帳市比等變量之間不存在相關性。

在提取出分析師異常關注指標之后，可以進一步探討分析師異常關注是否能夠創造價值。根據上述假設的提出，首先檢驗分析師異常關注指標能否為投資者創造投資價值；其次檢驗分析師異常關注指標價值創造的信息來源究竟是基于專業能力的公開信息挖掘還是基于私有渠道的內幕信息獲取；最后對新財富評選活動在識別分析師專業能力方面的有效性進行檢驗。

表4 依據Atot對各變量進行分組比較

二、關于分析師異常關注能否產生投資價值的實證檢驗

表5展示了將Atoti按從低到高的順序分成5組后每一組所分別對應的收益率均值。分析師異常關注越高，相應組別的收益率水平越高。就未經調整的收益率水平來看，投資于Atoti最高組的股票要比投資于Atoti最低組的股票多獲取0.485%的季度收益率(Retshort)，多獲取4.208%的年度收益率(Retlong)；就經市場因子調整后的超額收益率水平來看，投資于Atoti最高組的股票要比投資于Atoti最低組的股票多獲取0.604%的季度超額收益率(CARshort)，多獲取3.420%的年度收益率(CARlong)。

表6展示了將Atoti按從低到高的順序分成5組，另外再以市值(LogSize)為權重，計算每一組所對應的市值加權收益率水平。以市值加權收益率進行比較，得出相似的結論：分析師異常關注越高，相應組別的收益率水平越高。就未經調整的市值加權收益率水平來看，投資于Atoti最高組的股票要比投資于Atoti最低組的股票多獲取0.486%的季度收益率(Retshort)，多獲取4.194%的年度收益率(Retlong)；就經市場因子調整后的市值加權超額收益率水平來看，投資于Atoti最高組的股票要比投資于Atoti最低組的股票多獲取0.626%的季度超額收益率(CARshort)，多獲取3.490%的年度超額收益率(CARlong)。無論是對普通平均收益率還是市值加權平均收益率進行分組比較，都會得出較為一致的結論：分析師異常關注越高，相應股票的未來收益率越高。

表5 依據Atot對收益率進行分組比較

表6 依據Atot對市值加權收益率進行分組比較

接下來，通過構建模型(2)，以第q+1季度經市場因子調整的超額累計收益率對分析師關注指標(Log(1+Tot)i,q)作Fama-Macbeth回歸分析，得到分析師關注指標與q+1季度的股票收益率之間的相關關系；在此基礎上，以自第q+1季度以來未來一年內的經市場因子調整的超額累計收益率替換第q+1季度的經市場因子調整的超額累計收益率對分析師關注指標(Log(1+Tot)i,q)作Fama-Macbeth回歸分析，驗證長期情況下分析師關注指標與股票超額累計收益率之間的關系。這里以超額累計收益率對分析師關注指標(Log(1+Tot)i,q)作回歸，而非直接對分析師異常關注指標(Atoti,q)作回歸，是為了方便比對分析師關注和分析師異常關注指標與股票未來收益率之間的相關關系，一方面可以得到分析師關注指標(Log(1+Tot)i,q)與股票未來回報率在短、長期的相關關系；另一方面，在控制了方程(1)中所提及的影響分析師關注的市場層面、公司特征等供需因素之后，分析師關注指標(Log(1+Tot)i,q)的系數實際上反映了分析師異常關注指標(Atoti,q)在短、長期內與股票收益率之間的相關關系。

表7展示了模型(2)的主要回歸結果。一般情況下，分析師出于與目標公司管理層保持良好關系以方便調研、獲取非公開信息(趙良玉等，2013)[19]的考量；或是為了滿足機構投資者需求(Mola，2009)[10]，更傾向于發布正偏的盈余預測，并且極少給出“減持”、“賣出”等消極評價。由于這種樂觀傾向現象的存在，分析師在選股時就應該更傾向于對其認為未來有增長潛力的、表現良好的股票給予更多的關注。但通過觀察第q+1季度的累積超額收益率與分析師第q季度的關注指標之間的關系發現，分析師關注指標與未來超額累計收益之間呈現負相關關系，也就是說，分析師關注度的提高反而伴隨著未來超額收益率的下降，投資者依據分析師關注指標進行投資甚至會出現投資虧損的狀況。可見分析師關注指標似乎并不能通過價格壓力效應以及信息傳遞效應兩大途徑為投資者創造投資收益，價格壓力效應的失效可能是因為使用季度、年度超額累計收益率等長期指標來衡量投資收益，而價格壓力效應下的投資者交易行為可能只在短期內產生異常收益，長期情況下股票價格主要表現為向內在價值回歸。而信息傳遞效應失效一方面可能是因為分析師不具備通過挖掘公司信息來判斷股票定價是否出現偏誤的能力，另一方面可能是因為影響分析師關注的因素除了分析師對股票內在價值的個人判斷之外，還包括股票當前市場表現、公司特質等其他因素，例如成交額越高的股票、規模越大的企業往往對分析師有更高的需求，根據Bhushan(1989)[2]提出的分析師關注供需影響理論，這些因素通過影響投資者需求以及分析師服務供給影響分析師關注度大小，對分析師關注度有效發揮信息傳遞效應進行投資價值創造的路徑產生了一定干擾。

表7 Atot對未來股票收益率的預測能力

因此在控制了市場層面、公司特征等干擾因素之后，進一步對分析師異常關注指標與未來股票表現之間的關系進行探究，進一步檢驗信息傳遞效應的有效性。如果分析師異常關注指標和股票未來收益之間仍然不具備顯著正相關性，則說明分析師無法有效發揮信息中介作用，從而無法在引導股票價值回歸的過程中為投資者創造投資價值。但實證結果表明，分析師異常關注越高，相應股票在未來一個季度內的市場表現越好，分析師能夠通過信息傳遞效應創造投資價值。

而就從未來一年內的長期股票回報率來看，可得出相似的結論：分析師關注指標與未來一年內累計收益之間呈現負相關關系，而分析師異常關注指標則與未來一年內的股票表現正相關。并且，就未來一年內的股價變動情況來看，分析師異常關注每提高一個單位，累計超額收益提升1.22個單位；而就q+1季度的表現來看，分析師異常關注每提高一個單位，累計超額收益提升0.445個單位。可見和短期回報率相比，分析師異常關注指標長期來看更具投資價值，股票價格向內在價值的回歸過程在長期內更加明顯，因此，信息傳遞效應的投資價值創造能力更加顯著。同時，由于模型(2)中的解釋變量同時涵蓋了模型(1)中的解釋變量和被解釋變量，通過測算方差膨脹因子來對模型(2)中的解釋變量之間是否存在多重共線性進行檢驗。檢驗結果表明，各解釋變量的方差膨脹因子均＜10,說明各解釋變量之間的相關性較弱。

根據上文中關于分析師異常關注指標的分組，分別選取Atot最高的一組(Atot=5)以及Atot最低(Atot=1)的一組構建投資組合(High／Low)，并通過三因子模型Rp,q-進行檢驗，表8展示了主要的檢驗結果。其中，無風險利率Rf為一年期定期存款利率(季調)，市場收益率Rm為上證綜指的季度漲跌幅，投資組合p的收益率Rp為組合內所有股票的季度算術平均收益率。此外，根據Size將股票分成大規模和小規模兩組，對兩個組合中的股票，再按市凈率大小從高到低分成高、中、低三組，并于每季度末重新劃分。市值因子(SMB)代表小規模與大規模公司的股票收益率之差，賬面市值比因子(HML)代表高市凈率與低市凈率組合的收益率之差。

表8的檢驗結果表明，依據Atot最低的一組所構建的投資組合(高Atot)對應的α值為0.406，但t值較低，并不顯著；而依據Atot最高的一組所構建的投資組合(低Atot)對應的α值為1.232且收益顯著。通過分析師異常關注指標所構建的投資組合能夠獲得超額收益，說明分析師異常關注指標能夠創造價值。

表8 依據Atot構造投資組合的超額收益率

三、關于分析師異常關注指標價值創造信息來源的檢驗

上述實證結果證明了分析師異常關注指標基于信息傳遞效應的價值創造能力，而分析師價值創造的信息來源究竟是私有渠道下的內幕信息獲取，還是專業分析下的公開信息挖掘，在這一部分主要就該問題展開研究。

在此，分別用以下三個指標來衡量公司的信息質量：

首先引入KV指數。KV指數由Kim和Verrecchia(2001)[8]最先提出，當公司的信息披露越充分，則投資者更傾向于關注公司信息，而不需要過多依賴于市場層面信息。以日成交量來代表市場信息，以λ1來衡量投資者對市場信息的依賴程度(剔除λ1為負的情況)。λ1越大，KV指數越高，依賴程度越高，信息披露越不充分。具體定義如下：

其中，pi,q,t代表第i個公司在第q季度內第t個交易日的收盤價，Voli,q,t則是第i個公司在第q季度內的第t個交易日的交易量；代表第i個公司在第q季度內的日均交易量。

其次，引入分析師預測分歧度(dispi,q)，即第i個公司在第q季度eps預測的標準差(sdi,q)比上該公司季初開盤價格(pi,q,0)。根據Morgan(2002)[11]的研究結論，分析師預測分歧度越高，往往意味著信息披露質量越差。

其中，預測標準差(sdi,q)由第i個公司在第q季度第j次的分析師eps預測(fepsi,j,q)與分析師盈余預測均值離差平方的算術平均數的平方根計算得出，Ni,q代表第i個公司在第q季度總共收到的eps預測次數。另外，由于需要計算標準差(sdi,q)，在計算dispi,q時首先剔除在第q季度中eps預測次數＜3的公司。詳細公式如下：

最后，借鑒Flannery et al.(2004)[6]關于分析師預測誤差(errori,t)的構造方法，即第i個公司第q季度的第j次分析師eps預測(fepsi,j,q)與公司i公布的第q季度真實eps(epsi,q)的偏誤比上該公司季初開盤價格(pi,q,0)。預測誤差越高，說明信息披露質量越差。

分別將KV指數、分析師預測分歧、分析師預測誤差從低到高分為Low,Middle,High三組，第一組(Low)對應低KV值、低分歧度、低預測偏誤，表示公司信息披露質量高；第三組(High)則對應高KV值、高分歧度、高預測偏誤，表示信息披露質量差；剩余的所有樣本均歸類進Middle所對應的組別。

表9分別以KV指數、預測分歧度、預測誤差來衡量公司信息披露質量，按信息披露質量的高低對模型(2)進行分組回歸，得出較為一致的結果：在信息披露質量高(Low)的情況下，分析師異常關注與公司在第q+1季度的超額收益率、未來一年內的超額收益率存在顯著的正相關性；而在信息披露質量差(High)的情況下，分析師異常關注與股票未來收益之間不存在顯著相關性，這說明就整個分析師群體而言，主要依靠對公司披露的公開信息進行深度挖掘及專業分析來創造投資價值，而非通過內幕消息進行價值創造。可見，中國證券分析師異常關注的投資價值，主要源于分析師基于專業分析能力進行的公開信息挖掘。具體分析如表9。

以KV指數分組的實證結果顯示，短期來看，季度累計超額收益率與分析師異常關注指標在信息披露最充分的情況下具備顯著正相關性，分析師異常關注提高一個單位，CARshort相應提高0.479個單位。而隨著信息披露程度的減弱，異常關注與未來一季度內累計超額收益率的相關性也隨之被削弱。具體來說，在信息披露程度較充分的一組(Middle)，季度累計超額收益率與分析師異常關注指標的正相關關系在5%的水平上顯著，而在信息披露最不充分的一組(High)，季度累計超額收益率與分析師異常關注指標之間不再具備顯著正相關性。長期來看，可以得出類似結論：未來一年內的累計超額收益率與分析師異常關注指標在信息披露最充分的情況下(Low)具備正相關關系，分析師異常關注指標的估計系數為1.359，在1%的水平下顯著。而在信息披露最不充分的一組(High)，年度累計超額收益率與分析師異常關注指標之間不再具備顯著相關關系。

表9 Atot的投資價值創造的信息來源

分析師異常關注指標與未來股票價格走勢的相關性會隨信息披露程度的減弱而受到削弱，這就意味著分析師為投資者創造投資價值的前提條件在于一個良好的信息披露環境。在公司信息披露質量高的情況下，分析師能夠及時、公開地獲取充分的公司層面信息，并在此基礎上憑借其專業分析能力對信息進行深入挖掘，通過比較股票價格與公司價值的偏離程度，從而預測股票未來走勢。而信息披露質量差的情況下，分析師難以獲取準確的公開信息，更多地依賴內幕信息去進行分析和預測，而由于分析師內幕信息獲取渠道不一、信息質量較差，從而很難根據內幕信息判斷股票價格與公司價值的偏離程度，對股票未來走勢也難以作出準確預測。

為了避免根據KV指數分組的結論具有偶然性，先后以預測分歧度、預測誤差指標對信息披露質量重新進行分組，并再次進行分組回歸。相應的實證結果顯示，以預測分歧度、預測誤差對信息披露質量進行分組后回歸所得到的結論與根據KV指數分組的結論相類似。可見，分析師主要是依靠專業分析能力預測未來公司股價走勢，而信息披露質量較差則會影響分析師服務供給的質量，對分析師為投資者創造投資價值產生負面影響。

四、關于明星分析師評選能否有效識別分析師專業能力檢驗

分析師異常關注(Atot)創造價值的信息來源是分析師基于專業分析能力進行的公開信息挖掘，但實務界始終不乏針對分析師專業能力的質疑聲。從信息披露角度而言，在上一節中已經證實了分析師專業能力的有效發揮受公司信息披露質量的影響，信息披露質量差，分析師專業能力發揮受到制約；從外部激勵措施的有效性角度而言，分析師專業能力能否有效發揮也會受到新財富是否將分析師專業能力納入考量范圍的影響，在新財富評選活動能夠有效識別分析師專業分析能力的情況下，獲評新財富最佳分析師的明星分析師應當具備更強的專業分析能力，相應的分析師異常關注指標能夠創造更多價值，據以構建的投資組合也能夠獲取更高的超額收益。反之，則說明分析師評選活動難以識別分析師專業能力。

以當年獲得“新財富最佳分析師”稱號的分析師作為該年度的明星分析師，進而將樣本分為有明星分析師關注和無明星分析師關注的兩組并進行分組回歸，觀察分析師異常關注指標與股票市場表現之間的關系。如果新財富評選活動能夠有效識別分析師的專業分析能力，那么在有明星分析師關注的樣本組中，高分析師異常關注指標應該伴隨更好的股票市場表現，即Atot提高一個單位，對應的CAR提高幅度應高于非明星分析師樣本組。但表10中的實證結果顯示，Atot提高一個單位，明星分析師樣本組的CAR提高幅度明顯低于非明星分析師樣本組。并且，無論長期還是短期來看，明星分析師樣本組的超額累計收益率與分析師異常關注指標之間的正相關關系都并不顯著。非明星分析師樣本組的超額累計收益率與分析師異常關注指標之間則維持了較為顯著的正相關關系，Atot提高一個單位，短期超額累計收益率提高0.618個單位；長期超額累計收益率提高2.298個單位。

表10 新財富評選的有效性檢驗

論文進一步以分析師異常關注指標高低以及是否有明星分析師關注分組構建不同的投資組合，分別是明星分析師／高Atot，非明星分析師／高Atot，明星分析師／低Atot，非明星分析師／低Atot四組，通過三因子模型進行檢驗。表11中結果表明，對于明星分析師／低Atot，非明星分析師／低Atot兩組而言，α值為負，無法取得超額收益，這與假設1中的分析結果一致。就另外兩組而言，非明星分析師／高Atot對應的超額收益α值為4.919且收益顯著，明星分析師／高Atot對應的超額收益α值為1.037且收益顯著，超額收益值明顯低于非明星分析師／高Atot組。實證結果表明新財富評選并不具備識別分析師專業分析能力的有效性，非明星分析師的異常關注指標反而具備更高的投資價值。上述研究結論與吳偎立等(2016)[17]基本一致，與李麗青(2012)[15]的主要結論則存在一定分歧。

關于新財富評選機制忽視了分析師的專業分析能力，下文嘗試分別從理論和實際角度出發進行分析并作出解釋。從理論角度而言，Bhushan(1989)[2]曾經針對分析師關注的影響因素構建過一個簡單的供需理論模型，分析師服務主要是為了滿足投資者需求。這就意味著新財富評選出的是能夠更好地服務投資者、滿足投資者需要的分析師，而未必是專業能力突出的分析師群體。從新財富評選機制而言，由于新財富評選主要依靠機構投資者投票來決定，所以賣方分析師為獲得投票，關注地更多的是投資者感興趣的、機構投資者重倉的股票，而不是分析師個人看好的股票。那么，獲得新財富最佳分析師稱號的明星分析師們往往是在滿足投資者需要方面撥得頭籌的分析師群體。通過對比明星分析師群體和非明星分析師群體的分析師影響因素分解模型也可以發現，對明星分析師而言，分析師影響因素分解模型的R2為45.5%；而對非明星分析師而言，分析師影響因素分解模型的R2僅為26.2%，模型的解釋力度明顯減弱，可見非明星分析師在滿足投資者需求方面要明顯弱于明星分析師，非明星分析師的分析師異常關注指標更多地體現了分析師通過專業分析而看好的股票，而明星分析師的分析師異常關注指標卻更多地關注投資者需求。當然，這并不意味著明星分析師的專業能力欠缺，而僅僅意味著新財富更看重投資者滿意度的評選機制可能在一定程度上制約了分析師專業能力的發揮，從而出現非明星分析師關注的投資組合相較于明星分析師關注的投資組合反而能夠獲得更高超額收益的情況。

表11 三因子模型下不同投資組合的超額收益率

表12 分析師影響因素分解模型(以明星分析師分組)

結論與啟示

本文主要想嘗試回答三個問題：一是分析師異常關注指標能否依據信息傳遞效應創造投資價值；二是分析師異常關注指標價值創造的信息來源究竟是分析師基于專業能力的公開信息挖掘還是私有渠道的內幕信息獲取；三是從外部激勵措施識別分析師專業能力的有效性角度回應投資者對于分析師專業能力的質疑。在構造出分析師異常關注指標后，本文通過對中國2010～2017年間的季度樣本數據進行研究，針對以上三個研究問題得出以下結論：

第一，分析師異常關注指標能夠依據信息傳遞效應的價值創造路徑為投資者創造投資價值。分析師異常關注度越高，股票未來就能夠獲得更高的累積超額收益率；同時，通過分析師異常關注指標所構建的投資組合能夠獲得超額收益，說明分析師異常關注指標能夠創造價值，投資者在選股時可以將該指標作為參考指標。第二，在此基礎上，通過引入信息質量指標，進一步證明了就整個分析師群體而言，主要是依靠對公司披露的公開信息進行深度挖掘及專業分析來發揮信息中介作用，而非通過內幕信息傳遞來獲取超額收益。第三，通過按有無新財富最佳分析師關注進行樣本分組并分組回歸后發現，明星分析師樣本組的超額累計收益率與分析師異常關注指標之間的正相關關系在長、短期內均不顯著，而非明星分析師樣本組的超額累計收益率與分析師異常關注指標之間則維持了顯著的正相關關系。可見新財富評選活動在識別分析師專業能力方面似乎并不具備有效性。

基于上述研究結論，有以下三點建議或啟示：首先，從監管政策導向角度，由于分析師有能力通過專業研究進行信息挖掘并發揮信息中介作用，進而為投資者創造投資價值，證券監管部門應加強證券分析師價值研究監管導向，引導證券分析師注重公司基本面研究和信息挖掘，加強市場有效信息供給，提升中國證券市場信息效率。其次，從上市公司治理和信息披露角度，由于分析師價值創造的信息來源主要為基于公開信息的深入挖掘，為充分發揮分析師群體的信息挖掘能力，發揮分析師“研究創造價值”的引導效應，需要規范和完善上市公司信息披露制度，構造一個更為公開透明的信息披露環境。另外，從分析師行為規范和激勵機制導向角度，證券研究部門應充分發揮內部激勵作用，通過合理的激勵機制和考核機制引導分析師更多地關注公司基本面信息，充分發揮其專業分析能力進行信息挖掘。同時，新財富作為業內權威的分析師評選機構，應充分發揮其外部激勵作用，改變目前簡單的機構投資者投票制度，將分析師專業能力納入到最佳分析師評選的考量標準中，有效衡量分析師專業能力，從而引導分析師注重研究水平的提升以及研究質量的提高。