分析師大膽預測能否提高盈利預測？
——基于羊群行為的研究

宋 艷，趙夢陽，陳弘浩

（ 1.上海外國語大學 國際工商管理學院，上海 松江區 201620；2.哈爾濱工程大學 經濟管理學院，黑龍江 哈爾濱 150001；3.對外經濟貿易大學 金融學院，北京 朝陽區 100029 ）

一、引言

隨著中國證券市場的逐步發展，賣方分析師的隊伍越來越壯大，分析報告的數量也逐年提升，成為資本市場不可或缺的一部分。由于賣方分析師是資本市場上連接上市公司和投資者的橋梁，每年的新財富“最佳分析師”也備受市場的關注和認可。一名分析師能獲得水晶球獎杯，也將成為其職業生涯的重要閃光點。在互聯網時代，投資者有多種信息渠道可以獲取分析師的研究報告，并作為投資的參考依據之一。然而，“羊群行為”的普遍存在可能會降低盈利預測的含金量。

自Keynes 提出了羊群行為以來，羊群行為作為 一種心理現象，在行為決策研究領域受到廣泛關注。為了避免個人決策帶來的風險，許多人傾向于采取羊群策略。隨著行為科學不斷與經濟學和管理學的交叉融合，羊群行為的研究成果也逐漸進入公眾的視野，并且越來越受到人們的重視，逐漸滲透并拓展到社會生活各各領域。從社會群體心理的視角考慮，分析師在發布盈利預測時也會出現羊群行為和大膽冒險的行為。

關于證券分析師在執業過程中的羊群行為是否存在以及程度的問題，國外的學者主要提出了聲譽羊群模型。Hong 和Kubik[1]使用實證檢驗支持聲譽羊群模型，并將分析師的羊群行為與投資者的羊群行為做了比較分析。結果表明，分析師對羊群行為的傾向強于投資者，以維持其行業聲譽和職業需求。Clement 和Tse[2]運用來自I/B/E/S 的1989年至1998年年度證券分析師預測數據，通過設置分析師當前預測與先前預測之間的差異以及修訂值與修訂值之間的差異作為變量，對風險預測進行橫截面分析。事實證明，這種類型的預測通常比羊群行為的預測更準確。同時，如果預測中存在誤差，則羊群行為的預測具有比冒險預測更強的自我修正傾向。Mayew 等[3]利用2002—2005年分析師參與電話會議的數據，識別擁有優質私人信息的分析師。研究結果表明，分析師參與電話會議后立即發布的盈利預測報告相對于未參與的分析師更加準確而且及時。Leece 和White[4]研究發現，分析師為了維護個人聲譽，對信息不透明的上市公司更容易發布羊群行為的分析報告。個人能力越強的分析師會更早發布報告，能力較弱的分析師會更加依賴市場上已有的分析預測。此外，分析師更有可能在管理層進行盈余管理之后發布分析報告。Mozes[5]研究結果表明，分析師對公司的盈利前景有更好的了解，而且在報告期末之前做出的預測更加準確。同時，分析師擁有更好、更有價值的私人信息，也傾向于向特定投資者提供獨家的私人信息，獲取個人聲譽。

國內學者對于羊群行為的研究主要體現在方法的應用上。宋軍和吳沖鋒[6]研究了股評分析師的羊群行為，建立了中國股評分析師羊群行為的檢驗模型，分別研究了中國股評分析師羊群行為的存在性、影響羊群行為的因素和羊群行為的理性特征。李春濤等[7]研究表明，上市銀行板塊的分析師發布分析報告差異小，且預測誤差較低。同時發現，雖然分析師預測的可能存在羊群行為，但是分析師的行業規模仍然能降低預測誤差，增加股票價格的信息含量，從而提高公司的透明度。胡娜等[8]選取2003—2012年分析師數據,利用雙重差分法研究明星分析師上榜前后預測特征變化。研究結論表明，新財富明星分析師上榜后，考慮到個人聲譽，預測準確性和一貫性兩個特征低于非明星分析師，研究質量明顯下滑。徐媛媛等[9]研究了分析師實地調研的動機。實證發現，分析師傾向去對機構投資者關注度更高、盈利能力更強、經營不確定性更大、公開信息披露質量更好、實地調研距離更近以及公司規模更大的上市公司進行實地調研。譚松濤和崔小勇[10]發現，調研對分析師預測準確性的影響并不取決于分析師是否親自調研。除此之外，公司被調研的次數與分析師預測準確性負相關，與分析師冒險程度正相關。丘心穎等[11]借助漢字環境下的年報復雜性指標，實證并沒有發現年報復雜性與分析師預測質量顯著的相關性，說明分析師在專業解讀方面作用有限；利用中國公平信息披露法規變革的“自然實驗”，發現分析師跟進年報復雜性高的公司主要源于其過度自信。王慧[12]利用2012—2014年分析師實地調研信息的數據，證實了分析師的實地調研會影響機構投資者的投資決策。研究結論表明，機構投資者會認同和接受分析師通過實地調研獲取私有信息的方式，并且多次實地調研會比單次調研更能影響機構投資者的決策。

綜上所述，關于聲譽羊群的研究國內外都相當深入。國外學者，更加注重理論模型的研究，改進羊群行為的測度方法，并檢驗羊群行為的后果。國內學者，更多是借鑒國外已有的理論與方法對羊群行為進行測度，根據國內資本市場可獲取加工的數據，對分析師羊群行為的經濟后果進行實證，進而提出一些國內資本市場改革的建議。本研究利用了深交所上市公司對分析師實地調研的信息披露機制，在聲譽羊群模型的研究基礎上，用實地調研作為獲取私有信息的識別條件進行大膽冒險效應的參數估計。同時，本研究發現調研分析師大膽冒險效應在各分位點的強弱不同，且呈現先增強后減弱的“倒U 型”關系。

二、研究假設

在資本市場中，投資者可以通過分析師的盈利預測水平的比較，進而判斷分析師能力的強弱。基于聲譽羊群理論，一個能力較差、信息渠道來源少 的分析師由于獲取的私有信息少，為了自己的聲譽更可能做出從眾決策，效仿與市場共識一致的盈利預測。然而，一個能力較強、信息渠道廣的分析師會擁有更多的私有信息，對上市公司的實際情況掌握更多，更可能對市場達成的共識進行修正，發布具有獨家分析和判斷的報告。因此，分析師非羊群行為發布的分析報告預測精度會越好，其實際價值比起羊群性質的分析更有意義。基于上述分析，提出第一個待檢驗假設：

H1：分析師大膽預測，可能發布預測精度更好的報告。

實地調研是分析師直接面對上市公司的管理層，了解上市公司生產經營的實際情況：如重大資產重組的實施情況和最新信息等，獲取上市公司信息來源的重要途徑。同時，分析師實地調研也可以避免公開信息的滯后性，如財務報告，以及公司管理層進行盈余管理動機的缺失。分析師調研后掌握了許多不易被市場獲取的公共信息，對上市公司預測不依賴于一致盈利預測，而是根據實地調研形成大膽的盈利預測，預測精度更加準確。因此，提出第二個待檢驗假設：

H2：分析師實地調研后，發布大膽預測報告的預測精度更加準確。

在從整體上對分析師預測行為研究后，我們進一步考察不同分位點處，調研分析師發布非羊群預測對盈利預測精度的影響。我們認為，能力越強的分析師參加實地調研會獲取和分析出更多有效的私有信息，更加不依賴于一致盈利預測，非羊群行為對分析師預測精度的改進效果就越大。由此，提出第三個待檢驗假設：

H3：在參與實地調研的情況下，能力越強的分析師大膽預測對分析師預測精度的改進效果越大。

三、數據來源、變量選取及模型設定

（一）數據來源

自2006年，深圳證券交易所發布的《指引》鼓勵上市公司對接受或邀請特定對象的調研、溝通、采訪等活動予以詳細記載，在定期報告中將信息披露備查登記情況予以披露。同時，考慮到創業板存在存續時間較短的情況，本文選取深交所主板上市的公司作為樣本公司。

1.本文選取2012—2014年深圳證券交易所主板A 股上市公司年度業績預告及分析師的年度每股收益預測作為研究樣本。研究數據包括分析師預測指標文件、實際指標文件、分析師預測特色指標等多個數據庫，以上數據來源于國泰安數據庫。

2.本文使用的分析師調研數據來源為國泰安數據庫的調研機構分類明細表。根據研究樣本，匹配了2012—2014年分析師對上市公司進行實地調研的信息。

根據匹配結果，依據以下原則進行了數據篩選：除去僅有發布機構，而沒有分析師姓名的樣本；發布機構不同，而姓名相同的分析師即為不同的分析師；除去執業時間，小于等于1年的分析師；除去控制變量不全的樣本。最后，對變量左右兩側進行1%的縮尾處理，剔除異常值后得到53229 個樣本。

（二）變量選取

1.被解釋變量

對于預測精度的測算，國內外文獻中從不同角度提出了不同方法。基于分析師預測偏差可能會受到其他分析師預測行為的影響，或者受到股票市場整體情緒的影響，為了盡可能降低這些股票市場因素的干擾，采用Clement 和 Tse 的度量方法[2]，給出了分析師預測的相對預測精度，具體定義如下：

以（1）式中的Accuraccyi來衡量分析師在某時期對某上市公司的相對預測精度，AFEmax表示所有樣本分析師中對某上市公司在某時期的盈余預測的最大偏差，AFEmin表示所有樣本分析師中對某上市公司在某時期的盈余預測的最小偏差，AFEi則表示分析師的預測值對實際值的偏差。如果相對預測精度為0，則表示最低的預測精度，或者最大的預測偏差值，此時分析師i有AFEi=AFEmax。如果結 果為1，則表示最高的預測精度，或者最小的預測偏差值，此時對分析師i有AFEi=AFEmin。

2.解釋變量

本文的解釋變量主要是用來衡量分析師發布報告的羊群行為，即分析師為了自己的聲譽更可能依賴市場共識發布一致的盈利預測；反之，分析師根據自己的分析和判斷，大膽做出與市場大多數分析師不一致的預測，則被認為是非羊群行為。本文基于CH 方法[13]，主要以橫截面收益標準差來反應總體市場群效應在股票回報上的表現，從而來測度羊群行為對市場的影響。在一定時期，如果分析師的預測值同時高于（或同時低于）分析師之前所做的預測和在這期間證券分析師整體做的盈余預測均值時，則取值為1，即為非羊群行為；反之為0，即為羊群行為。

3.控制變量

根據相關文獻及理論，我們選取了若干控制變量以控制不同年度、不同公司、不同分析師自身特點以及未預告公司特點對分析師預測準確度提升產生的影響。具體解釋及含義如表1。

表1 變量定義及度量指標

（三）模型設定

對于假設1，為研究分析師的羊群行為是提高了盈利預測的準確性還是降低了盈利預測的準確性。將Accuracy作為被解釋變量，Bold作為解釋變量進行多元線性回歸分析。實證模型如下所示：

如果大膽冒險的預測是基于豐富的從業經驗和與他人不同的個人信息，那么這類預測就可以推定 是可信程度較高和較準確的；但如果大膽冒險的預測是基于過度的自信，則其預測精度就會大大降低。由于這兩個方向的存在，參數估計會產生偏差。因此，根據Angrist[14]關于異質性工具變量的研究，使用變量SV做為工具變量，即分析師在某時期對某上市公司是否參加調研。由于實地調研，分析師將獲得更多關于公司經營方面和財務方面的信息，可能由盲目從眾變得更加大膽冒險，這里稱其為“依從工具變量者”（compliers）。當然，還存在其他兩類 分析師，始終大膽冒險的分析師和從不冒險的分析師。前者無論參加調研與否，都會發布大膽預測的分析報告，稱其為“始終接受者”（always-takers）；后者無論參加或者不參加調研，都會依賴市場共識一致的預測，不會做出大膽預測，稱其為“從不接受者”（never-takers）。此時，參數估計便是“依從工具變量”這部分分析師個體的局部平均處理效應，即可檢驗假設2。

四、實證檢驗及結果分析

（一）描述性統計及相關性分析

從表 2 中可以看出分析師的相對預測精度（Accuracy）的均值為0.646，標準差為0.278，中位數為0.701，這說明一半以上的分析師預測精度還是優于平均水平的；冒險程度（Bold）的均值為0.626，意味著市場上有62.6%的分析師傾向于大膽預測，對上市公司的盈利情況做出獨立的判斷，而非依賴于市場共識一致的預測；是否調研（SV）的均值為0.602，表明將近60%的分析師在發布報告之前會進行實地調研，了解上市公司近期的經營狀況、財務狀況以及重大計劃的實施情況，將上市公司的一手信息傳遞給投資者。分析師跟蹤規模（BS）的均值為35.53，標準差為17.38；分析師跟蹤公司數量的均值為23.64，標準差為22.66，說明不同行業間分析師的數量分布差異較大，以及分析師之間的上市跟蹤能力也各不相同。分析師執業時長（GE）的均值為9年左右，中位數為5.62年，也反映出證券分析師這個職業競爭比較激烈，以青年群體為主，這與新財富統計到券商行業骨干力量是青年軍的數據基本吻合。可以看出，分析師作為投資者與上市公司中間的信息紐帶，在緩解市場投資者與公司間信息不對稱，增強投資者保護水平方面扮演著重要的角色。通過表3的主要變量Pearson 檢驗可以看出，分析師盈利預測的精度與相關控制變量之間存在顯著的相關關系，且多在1%的水平上顯著。

表2 主要變量的描述性統計（N=53229）

表3 主要變量相關分析（N=53229）

（二）大膽預測與相對預測精度

首先考察分析師大膽預測與相對預測精度的影響。從表4模型1 與模型2 的最小二乘回歸結果可以看出，分析師大膽預測對其相對預測精度在1%的顯著水平上有增強的作用。與羊群行為的預測精度相比，分析師大膽預測之后寫出的分析報告相對預 測精度大約提高了40%。由于預測精度（Accuracy）存在截尾現象，最小值為0，最大值為1，模型3 對預測精度進一步采用Tobit 模型進行研究。考慮到預測精度的分布情況以后，分析師大膽預測之后寫出的分析報告，預測精度在1%的顯著水平上仍有增強的作用，而且增強效用由39.4%提高為40.8%。表4的實證結果證實了我們提出的假設1。

實證結果與前人研究及理論相符，再次證明了分析師大膽預測與預測精度之間是正相關關系。這一點在現實中也可以解釋：分析師只有不依賴于市場共識一致的預測，才能提高預測準確度。分析師在寫分析報告之前，除了會根據自己掌握的上市公司信息，也會參考同行業分析師發布的分析報告。如果分析師為了吸引眼球，沒有依據地大膽預測，不僅會降低預測精度，而且會損失個人聲譽。因此，能力強、信息渠道廣的分析師才可能對市場達成的共識進行修正，給出偏離市場共識一致的預測。

（三）調研分析師大膽預測與相對預測精度

經過上文分析，分析師大膽預測是能夠提高相對預測精度的。實際上，很多分析師可能是基于過度的自信，錯誤修正了市場共識一致的預測，給出的盈利預測則會偏離上市公司實際的盈利水平，反而降低了相對預測精度，進而模型的回歸結果會低估大膽預測對預測精度的效應。因此，我們使用是否調研（SV）作為異質性工具變量，來估計調研分析師大膽預測。通過對模型進行Hausman 檢驗，結果顯示chi2 值為8.17，p 值0.0043，在1%的顯著性 水平上拒絕原假設，認為冒險程度（Bold）為內生變量，因此，相應地就接受工具變量估計。見表5，表中模型4、模型6 分別采用兩階段最小二乘法、有限信息最大似然法和工具變量Tobit 模型。

表5 分析師大膽預測對相對預測精度影響再估計

表5的結論表明，在考慮了弱工具變量和截尾分布的條件下，分析師大膽預測在5%的顯著水平上仍有增強的作用，證實了假設檢驗2。同時，compliers 的分析師大膽預測將有可能提高110%相對預測精度。結果表明，分析師通過調研獲取有效信息，并進而加工分析做出合理判斷，正確修正市場共識的偏差，預測精度將會超過市場上半數的分析師。由此可見，實地調研是分析師獲取上市公司信息來源的重要渠道。同時，機構投資者也相當看重實地調研在投資決策的地位，比如2018年海康威視一周內累計接待的機構達347 家。

（四）穩健性檢驗

為了保證研究結論的穩健性，參考Chernozhukov[15]的研究，對模型進行分位數回歸。對被解釋變量的四分之一分位點、中位數和四分之三分位點進行回歸分析，探討大膽預測對調研分析 師盈利預測影響的異質性。穩健性檢驗得到的回歸結果與前文結果基本一致，說明調研分析師越是大膽冒險給出的分析報告，分析越可靠，盈利預測越準確。同時，隨著分位數的增加，冒險程度（Bold）的分位數歸回系數呈現先上升后下降的趨勢。這表明，大膽預測對盈利預測精度的條件分布的兩端影響小于對其中間部分的影響。也就是說，大膽預測最大受益者為能力處于中間位置的分析師，他需要根據自己調研掌握信息的情況，給出大膽預測可以提升大約95%的預測精度。然而，能力較強的分析師大膽預測對盈利預測精度影響僅有56%的提升，影響遠小于均值和中位數處的影響，說明其除了調研還有其他獨特的渠道來提高盈利預測精度。總而言之，穩健性檢驗結果驗證了假設3，并說明本文的研究結論具有穩健性和可靠性。

表6 穩健性檢驗結果

五、結論與建議

（一）結論

證券分析師積極參與實地調研，撰寫的研究報告對接了上市公司和投資者，能從更加專業的角度指導整個資本市場。本文選取2012年到2014年度深交所主板A 股上市公司年度業績預告及分析師的年度每股收益預測作為研究樣本，匹配的是2012年到2014年分析師去項目進行調研的相關信息。本文確認分析師無論參加實地調研調研與否，都會收集 有價值的信息并將其轉化為分析報告的準確性。在訪問方法方面，公司積極提供和分析師主動尋找并非相互排斥的關系，而且可以滿足彼此的需求。上市公司信息越不透明，分析師主動調研搜集企業信息，這通常是值得的。

研究表明，分析師的大膽預測可以提高盈利預測的準確性，而調研分析師在發布大膽的盈利預測時往往更為準確。因此，我們可以發現，當證券分析師忙著撰寫研究報告時，也會參與各種形式的實 地調研，如上市公司的產品推介會，新聞發布會，投資和融資會等。這些親自訪問確實可以獲得更多非公開信息，并發現新的有價值的公司信息。無論是現實情況還是實證分析，都可以有效地解釋實地調研是有益和無害的，特別是對于提高預測準確性。

（二）建議

基于上述分析結論，我們給出如下幾點建議。首先，中國證券監管行業和證券公司應鼓勵分析師進行實地調研，參與上市公司的實際管理。此種方式有利于證券分析師發布高質量的盈利預測報告，并在連接上市公司和投資者方面發揮中介作用，特別是剛入行的分析師和未參與實地研究的證券分析師應該給予他們更多參與實地研究和與上市公司建立關系的機會。其次，證券公司應鼓勵分析師基于自身掌握的信息和經驗做出更加獨立的判斷，鼓勵分析師實地調研后發布大膽預測的分析報告，特別是處于行業中等水平的分析師。最后，對于明星分析師，鼓勵其探索一些其他渠道獲取上市公司的信息，減少實地調研帶來的負擔和對實地調研的依賴性。越是明星分析師，尤其是新財富分析師，奔波于實地調研，或許是對其才能的浪費，理應鼓勵他們通過多種渠道加強和上市公司之間的聯系。