管理者能力與分析師樂觀性偏差

(中南財經政法大學會計學院，湖北武漢430073)

一、引言

中國證券業協會早在2010年就發布《證券公司信息隔離墻制度指引》，要求證券公司應該實現利益沖突部門的信息和人員的隔離，但現實中隔離墻的執行還不到位，尤其作為關鍵人物證券分析師的獨立性受到廣泛質疑。2018年9月“方正證券另類飯局”引發的安信證券等30家券商退出新財富分析師評選活動的事件無疑將這一質疑推向高潮。具體來講，受制于各種利益沖突，證券分析師在報告盈利預測時表現出“盲目樂觀性”特征，存在嚴重的選擇性偏差，為市場質疑其獨立性提供了充足理由。更嚴重的是，這種樂觀性偏差抑制了公司負面信息的傳遞，可能導致股價暴跌而出現崩盤風險[1]。因此，如何降低分析師樂觀性偏差，提高盈余預測精確度具有重要的現實意義。

現有研究主要從于利益沖突[2]、認知偏差[3]或賣空限制[4]等角度考察了分析師樂觀性偏差存在的原因。但是，主流觀點之一是由于信息不對稱的存在，分析師很難完全掌握上市公司的所有信息[5]，降低分析師的預測偏差歸根到底取決于分析師擁有的信息數量和質量。根據Shannon的信息論，我們發現資本市場的信息傳遞過程為：信息發布者(管理者等)發出信息，經信息媒介(分析師等)傳遞給信息接收者(投資者等)。由此看來，作為上市公司信息的主要提供者，信息發布者(如管理者)對分析師預測信息的質量好壞起著至關重要的作用，與公司管理層溝通獲得信息已成為分析師進行盈余預測的重要依據。

目前關于管理層影響分析師預測行為方面的研究主要集中在其背景特征方面，如Franco等(2014)[6]發現樂觀CEO傾向于發布偏樂觀的盈余預測，而具有財務背景的董秘[7]、女性高管[8]由于較高的個人專業素養或較低的風險偏好降低了分析師的預測偏差。但這些研究主要基于管理層同質性視角，未關注管理者自身能力的差異。既然管理者能力能夠提高信息透明度，降低公司之間的信息不對稱[9]，那么管理者能力是否能影響分析師的預測行為呢？如果能影響的話，管理者能力影響分析師樂觀性預測的內在機理又是什么？管理者能力的發揮是否會受到自身權力和外部投資者關注的制約？這些問題都值得我們深入研究。鑒于此，本文從管理者異質性視角，以2007—2017年滬深A股上市公司為研究樣本，集中考察管理者能力對分析師樂觀性偏差的影響及內在機理。主要結論表明，管理者能力顯著降低了分析師樂觀性偏差，且通過提高信息披露質量和降低盈余波動性緩解了分析師的預測偏差，提高了分析師預測準確性。

本文的邊際貢獻體現在以下方面：(1)已有研究主要從高層的專業背景、性別等方面探討降低分析師樂觀偏差的途徑，尚未有文獻從異質性視角將管理者能力與分析師樂觀偏差結合起來進行考慮。本文突破已有研究框架，考察管理者能力在降低分析師樂觀性偏差方面的作用，不僅豐富管理者能力的研究后果，也從新的視角探究了降低分析師樂觀性偏差的可能途徑。(2)基于信息披露質量和盈余波動性視角考察了管理者能力影響分析師預測樂觀性偏差的內在機理，并進行相關中介效應檢驗，厘清了管理者能力與分析師預測行為之間的邏輯鏈條，為我國分析師預測質量的提高提供了新的解決思路。

二、文獻綜述

(一)分析師樂觀性偏差

作為資本市場重要的信息中介，證券分析師提供了大量的上市公司盈余預測信息。但是大量文獻表明分析師在進行盈利預測時存在普遍的樂觀性偏好[10]，在樂觀偏差的影響下，負面信息不能及時有效地傳遞給外部投資者，導致股票價格背離其真實價值，影響了資本市場的定價效率。因此，本文從分析師盈利預測產生偏差的角度出發，深入剖析分析師盈利預測偏差產生的原因，尋求降低分析師樂觀性偏差的途徑。

分析師為什么會存在樂觀性偏差？現有研究主要從利益沖突、認知偏差、資本市場交易制度以及信息不對稱四個方面來進行解釋。第一，在利益沖突方面。Gu等(2013)[11]研究發現，作為分析師研究報告的最主要客戶，機構投資者掌握著與分析師收入水平直接掛鉤的證券交易量所產生的傭金收入；同時，還掌握了分析師職業晉升的重要途徑——《新財富》最佳分析師的評選由機構投資者票選得出[12]。因此，為了獲得更多的傭金收入和職業晉升，分析師有動機出具樂觀的研究報告。第二，在認知偏差方面。作為有限理性經濟人，認知偏差不可避免，這也成為分析師發布樂觀偏差的合理化借口[3]，他們傾向于將良好的結果歸因于自己的行為，而將糟糕的結果歸因于無法控制的原因。第三，在資本市場交易制度方面。黃俊等(2018)[4]研究發現由于賣空約束的存在，悲觀投資者的看法難以有效反映到股價中，致使股價被過度抬高，背離其基本價值，導致分析師預測時出現樂觀偏差。第四，在信息不對稱方面。由于信息不對稱的存在，分析師很難完全掌握上市公司的所有信息來做出準確的預測[5]。在此情形下，為迎合管理層來獲得有效的私人信息，證券分析師傾向于發布偏樂觀的盈余預測來與管理層保持良好的關系[13]。

在明晰分析師樂觀性偏差原因的基礎上，一些學者提出了降低分析師樂觀偏差的途徑。例如，Han等(2018)[14]認為通過訪問上市公司可以在一定程度上抑制分析師的樂觀預測行為，提高盈余預測的準確性。李志生等(2015)[15]認為引入賣空機制有助于促進對公司負面信息的挖掘和傳播，降低分析師盈余預測偏差。但是王攀娜和羅宏(2017)[16]卻指出受報升規則、內幕交易以及噪音交易者的限制，放松賣空管制反而會促使分析師發布樂觀盈利預測，這主要源于融資融券的非對稱交易[17]。除此之外，學者將研究涉及到管理層背景特征方面，姜付秀等(2016)[7]研究發現財務背景的董秘由于其具有較高的個人專業素養吸引更多的分析師跟蹤，從而降低其預測誤差；而女性高管由于自身良好的溝通能力和較低的風險偏好也降低了分析師的預測偏差[8]。

(二)管理者能力

自“高層梯隊理論”提出以來[18]，學者們將管理者的背景特征(如年齡、學歷等)和企業決策行為結合起來進行考察，但這些研究都是基于理性人假設，將公司管理者本身視為同質的，并沒有考慮管理者自身能力的差異。而管理者能力被視為企業最有價值的無形資產，為推斷管理者能力，早期的研究人員一般借助于歷史收益率[19]、高管薪酬[20]和媒體關注度[21]等代理變量，但這些指標都存在一定的缺陷，不能將管理者自身的影響與公司本身的影響區別開來。Demerjian等(2012)[22]開創性地運用數據包絡分析法(DEA)將管理者對企業效率的影響從企業全效率中分離出來計算其管理者能力，這種方法開始在國內外廣泛應用開來。Demerjian等(2013)[23]研究表明隨著管理者能力的提高，企業的財務報告質量得到顯著改善。Krishnan和Wang(2015)[24]考察了管理者能力與審計師收費之間的關系，研究發現隨著管理者能力的提高，審計風險有所降低，進一步減少了公司支付的審計費用。Koester等(2016)[25]利用這種方法研究了管理者能力與企業避稅之間的關系，發現高能力管理者能夠減少所得稅支付，并通過將更多的收入轉移到國外避稅天堂來從事更大的國家稅收籌劃。吳育輝等(2017)[26]發現管理者能力有助于提高企業的信用評級，表明管理者能力是一個重要的信貸因素。除此之外，學者們還將管理者能力的影響延伸至企業投資等其他方面[27]。

綜上所述，現有研究從利益沖突、認知偏差、資本市場交易制度以及信息不對稱等方面對分析師預測偏差的原因初步形成一致的結論，但是關于如何降低分析師樂觀偏差的文獻主要集中在公司內外部治理效應方面。雖然已有文獻初步涉及到管理層的專業背景、性別等背景特征方面，但是目前尚未從異質性視角，將管理者自身的能力差異和分析師樂觀性偏差結合起來進行研究。本文正是借鑒Demerjian 等提出的度量管理者能力方法，將管理者作為一個整體來研究管理者能力對分析師預測行為的影響，并探討其影響分析師預測行為的具體機理，預期得出一些有效的結論。

三、理論分析與研究假設

掌握上市公司信息是分析師進行預測的重要前提，因此信息的可得性在分析師的預測中起著至關重要的作用。作為市場公共信息的主要提供者，管理層可能會對分析師的預測行為和結果產生重要影響。其中，管理者能力又被視為企業最有價值的無形資產。一般來講，能力高的管理層能夠深刻了解行業的發展趨勢，合理匹配公司現有的資源，提供更高質量的會計盈余信息，而高質量的信息披露能有效降低公司內外部人員之間的信息不對稱程度[28]，增加分析師信息的來源和質量，進而降低分析師的預測誤差。此外，基于聲譽和職業生涯考慮，管理層普遍存在降低盈余波動性的動機[29]；管理者能力越高，這種動機越強烈，因為穩定的收益可以保持聲譽和鞏固高管地位。公司的盈余波動性下降，分析師預測的難度降低，也能夠降低分析師的樂觀性偏差。因此，無論哪一種邏輯成立，我們都應該能夠看到，隨著管理者能力提升，分析師對公司未來盈利能力的預測偏差會顯著降低?；诖?，本文提出以下基本假設。

H1當其他條件不變時，管理者能力提升能夠降低分析師的樂觀性偏差。

既然管理者能力能夠降低分析師樂觀性偏差，那么管理者能力影響分析師預測偏差的內在機理又是什么呢？本文從以下兩個方面進行探索。

(一)提高信息披露質量

首先，根據前文分析，分析師發布樂觀偏差很大原因是由于信息不對稱造成的，分析師一般從以下兩種渠道獲取信息：上市公司個體信息以及所屬行業信息。除了公開的行業信息外，分析師需要從管理層那里獲得個體信息，因此管理層的信息披露質量被認為是影響預測偏差的重要因素[30]?；诖砝碚?，高層管理者往往會為了追求自己的利益最大化而損害企業或者股東價值。但是Chemmanur等(2009)[31]的研究顯示，具有較高能力的管理者能夠可靠地向外界傳遞他們所在公司的內在價值，提高信息披露質量，減少公司與外界的信息不對稱程度，增強股票價格的信息含量，使包括證券分析師在內的市場參與者從股票價格中學習，從而提高分析師預測的準確性，降低預測誤差。進一步，分析師即使不關注管理層的信息披露質量，僅僅關注管理者能力，也可以獲得有助于提高分析師預測準確性的信息。這是因為，管理者能力本身具有良好的信號傳遞效應[32]，管理者能力越高，其發布的業績預告等相關信息越契合分析師盈余預測的需要，可以降低分析師搜尋信息的成本，提高預測準確性。因此，本文提出以下假設。

H2當其他條件不變時，管理者能力通過提高信息披露質量降低了分析師的樂觀性偏差。

(二)降低盈余波動性

基于風險回避假說，何威風等(2016)[33]研究發現管理者能力越強，越有可能以“自我效用最大化”為目標進行決策，為了獲取私有收益而回避風險性項目，降低公司的風險承擔水平。同時，管理者能力往往與職業聲譽密切相關，出于維護聲譽和鞏固高管地位的考慮，高能力管理者也會回避高風險的投資項目，以保證自己的收入水平和職位安全。因此，在其他條件不變的情況下，高能力管理者的風險規避傾向和謹慎性具有平滑利潤的動機，降低公司未來盈余的波動性。而盈余波動是影響分析師預測偏差的一個重要因素[34]，公司的盈余波動越大，未來收益的波動性越強，分析師獲取信息時就有較大的噪音，盈余預測難度就會增大；相反，公司的盈余波動越小，分析師的預測精度越高，有助于降低樂觀性偏差。綜上所述，本文認為具有低風險承擔水平傾向的高能力管理者更愿意采用穩健的決策來保持公司的業績穩定性，降低分析師預測面臨的不確定性程度，進而抑制分析師預測偏差?；谝陨戏治觯疚奶岢鲆韵录僭O。

H3當其他條件不變時，管理者能力通過降低盈余波動性降低了分析師的樂觀性偏差。

四、研究設計

(一)數據來源和樣本選擇

本文選取2007—2017年滬深A股上市公司作為初始研究樣本，并進行如下篩選：(1)剔除金融類樣本公司；(2)剔除分析師預測日期晚于年報發布日的樣本公司；(3)僅保留分析師某一年對同一上市公司發布的最后一次預測數據；(4)剔除無法獲得變量數據的樣本公司。最終獲得 11 912個公司-年觀測值，且對本文涉及的連續變量在1%和99%的水平上進行Winsorize處理。本文所使用的機構投資者數據來源于Wind數據庫，其余數據均來源于CSMAR數據庫。

(二)變量度量

1.分析師樂觀性偏差(Optimism)

借鑒許年行等(2012)[1]的方法，將分析師樂觀性偏差定義為

Optijt=(Fijt-Ait)/pi

(1)

其中，Fijt表示分析師j在第t年對公司i每股收益的預測值，Ait表示第t年公司i的實際每股收益水平，Pi表示公司i在分析師發布盈利預測前一個交易日的收盤股價。當Optijt>0，表明分析師j在第t年對公司i的預測存在樂觀性偏差。將Optimism定義為第t年跟蹤公司i的所有分析師中Optijt大于0的分析師比例。Optimism越大，表明分析師樂觀性偏差越大。

2.管理者能力(MA)

借鑒Dermerjian等(2012)[22]的做法，使用數據包絡分析(DEA)方法分兩個階段來計算管理者能力。首先，分行業分年度測算行業內企業的全要素生產率(θ)。

(2)

式(2)中，Sale表示營業收入，作為產出變量；Cg、Sg&A、Fa、Ina、Gw、R&D分別表示營業成本、銷售及管理費用、固定資產凈值、無形資產凈值、商譽和開發支出，這六項指標共同作為投入變量。其中，營業收入、營業成本和銷售及管理費用使用本期期間數；固定資產凈值、無形資產凈值、商譽和開發支出則使用上期期末數。

其次，構建Tobit回歸模型，將公司特有因素與管理者特征對公司全要素生產率的影響進行分離，計算的殘差即為管理者能力(MA)。

θ=α0+α1Size+α2Ms+α3Fcf+α4Listyear+α5Div+Year+e

(3)

式(3)中，Size表示資產規模；Ms表示公司市場份額；Fcf表示公司自由現金流；Listyear表示公司上市年限；Div表示公司多元化程度；Year反映年度固定效應；模型回歸得到的殘差e就是管理者能力(MA)。

表1 主要變量定義

變量類型變量名稱變量符號定義被解釋變量釋變量中介變量控制變量分析師樂觀性偏差Optimism分析師預測中預測誤差大于0的分析師比例管理者能力MA參考Demerjian等(2012)[22],采用DEA分兩階段計算信息披露質量Opaque參考Hutton等(2009)[35],采用公司可操縱性利潤的絕對值來衡量公司的信息披露質量,這是個反向指標盈余波動性EV等于上市公司當年凈利潤與上一年凈利潤之間差額與上一年凈利潤比率的絕對值產權性質State若公司最終控制人是國家,則取值為1,否則為0資產規模Size等于公司期末總資產的自然對數資產負債率Leverage等于公司負債與期末總資產的比率資產收益率Roa等于公司凈利潤與期末總資產的比率市賬比MB等于市值賬面比分析師跟蹤人數Analyst等于分析師跟蹤人數加1 的自然對數預測期間Horizon等于分析師預測發布日期與公司年報發布日期之間所隔天數的平均數的自然對數行業IND行業固定效應,其中制造業按二級分類,其余的行業按一級分類年度YEAR年份固定效應

3.中介變量

(1)信息披露質量。參考Hutton等(2009)[35]的方法，采用公司可操縱性利潤的絕對值來衡量公司的信息披露質量，這是個反向指標。

(2)盈余波動性。借鑒翟淑萍和袁克麗(2019)[8]的方法，盈余波動性等于上市公司當年凈利潤與上一年凈利潤之間差額與上一年凈利潤比率的絕對值。

4.控制變量

借鑒李丹等(2016)[10]和褚劍等(2019)[17]的做法，選擇影響分析師樂觀性偏差的控制變量：產權性質(State)、資產規模(Size)、資產負債率(Leverage)、資產收益率(Roa)、市賬比(MB)、分析師跟蹤人數(Analyst)和預測期間(Horizon)，并控制行業(IND)和年度(YEAR)虛擬變量。各變量具體定義見表1。

(三)計量模型設定

為了考察管理者能力對分析師樂觀性偏差的影響，本文將分析師樂觀性偏差作為被解釋變量，管理者能力作為解釋變量，設定如下基本回歸模型

Optimismit=β0+β1MAit+β2Stateit+β3Sizeit+β4Leverageit+β5Roait+β6MBit+β7Analystit+β8Horizonit+ΣINDit+ΣYEARit+εit

(4)

式(4)中，Optimismit表示分析師的樂觀性偏差，MAit表示管理者能力，其余控制變量具體定義見表1。如果假設成立，那么隨著管理者能力的提高，分析師預測的樂觀性偏差會顯著下降，系數β1則應該顯著為負數。

進一步，為考察信息披露質量和盈余波動性是否在管理者能力影響分析師樂觀性偏差過程中發揮中介作用，參考權小鋒等(2015)[36]的中介因子檢驗方法，設定如下模型

Opaqueit/EVit=λ0+λ1MAit+λ2Stateit+λ3Sizeit+λ4Leverageit+λ5Roait+λ6MBit+ΣINDit+ΣYEARit+εit

(5)

Optimismit=γ0+γ1MAit+γ2Opaqueit/EVit+γ3Stateit+γ4Sizeit+γ5Leverageit+γ6Roai+γ7MBit+γ8Analystit+γ9Horizonit+ΣINDit+ΣYEARit+εit

(6)

式(5)中，Opaqueit/EVit分別表示信息披露質量和盈余波動性。中介效應的判斷標準為：第一，當上述三個模型的回歸系數β1、λ1、γ2顯著，模型(6)的回歸系數γ1不顯著，則表明具有完全的中介效應。第二，當上述三個模型的回歸系數β1、λ1、γ1和γ2都顯著，但模型(6)的回歸系數γ1顯著小于模型(4)的回歸系數β1，則表明具有部分的中介效應。

表2 主要變量的描述性統計

變量樣本數均值標準差最小值最大值分位點25%50%75%Optimism11 9120.7920.2870100.9381MA11 912-0.0030.137-0.3870.254-0.387-0.0010.254State11 9120. 5120.35901001Size11 91221.701.13018.52428.50919.56621.53528.482Leverage11 9120.3360.1880.0080.9530.0100.3120.927Roa11 9120.0520.050-1.0680.482-0.3330.0500.295MB11 9124.3383.1250.15251.810.2383.53237.367Analyst11 9122.1140.8180.6934.0940.6932.1973.932Horizon11 9126.2190.3413.4457.1264.2006.2756.978

五、實證結果分析與討論

(一)描述性統計

表2對本文的主要變量進行描述性統計分析?？梢钥闯?，分析師樂觀性偏差(Optimism)的平均值為0.792，表明我國上市公司分析師在盈余預測時普遍存在樂觀性；最小值為0，最大值為1，標準差為0.287，表明上市公司之間的樂觀性偏差存在較大的差異。管理者能力(MA)的均值-0.003，最小值為-0.387，最大值為0.254，標準差為0.137，表明我國上市公司的管理者能力普遍較低，且公司之間存在著較大的差異?？刂谱兞康姆植继卣髋c已有研究基本接近。

(二)基本回歸結果與分析

表3報告了管理者能力對分析師樂觀性偏差的基本回歸結果。列(1)和列(2)為基礎OLS回歸，可以看出，在不考慮其他控制變量的情況下，管理者能力(MA)與分析師樂觀性偏差(Opitimism)顯著負相關(系數為-0.241，在1%水平上顯著)；列(2)納入了更多的控制變量，結果依然顯著(系數為-0.072，在5%水平上顯著)。列(3)和列(4)為面板固定效應回歸，可以看出，在不考慮其他控制變量的情況下，管理者能力(MA)與分析師樂觀性偏差(Opitimism)顯著負相關(系數為-0.298，在1%水平上顯著)；列(4)納入了更多的控制變量，結果依然顯著(系數為-0.102，在1%水平上顯著)。表明隨著管理者能力的提高，分析師的樂觀性偏差水平顯著下降，假設1得到驗證。

表3 管理者能力對分析師樂觀性偏差的基本回歸結果

變量OLS固定效應(1)(2)(3)(4)MA-0.241???(-7.10)-0.072??(-2.06)-0.298???(-6.02)-0.102???(-2.65)State—-0.021(-1.60)—-0.021(-1.19)Size—-0.042???(-7.23)—-0.053???(-7.27)Leverage—-0.001(-0.04)—0.026(0.68)Roa—-1.016???(-9.58)—-1.051???(-9.25)MB—-0.001(-0.57)—-0.003(-1.46)Analyst—0.020???(3.12)—0.030???(4.19)Horizon—0.245???(17.65)—0.252???(17.82)con0.865???(16.75)0.332??(2.37)0.681???(2.83)0.521???(0.002)IND控制控制控制控制YEAR控制控制控制控制N11 91211 91211 91211 912Adi_R20.024 20.123 50.018 10.111 9

注：括號內為t值，*、**、***分別表示在10%、5%和1%的水平上顯著。下同。

(三)中介效應檢驗結果與分析

表4的Panel A檢驗了信息披露質量是否在管理者能力影響分析師預測樂觀性偏差中發揮中介作用。模型(4)的系數β1顯著為負(系數為-0.202，在1%水平上顯著)；模型(5)的系數λ1顯著為負(系數為-0.023，在10%水平上顯著)，表明管理者能力與信息披露質量顯著正相關，管理者能力提高了公司的信息披露質量；模型(6)的系數r1顯著為負(系數為-0.198，在1%水平上顯著)，且系數γ2也顯著為正(系數為0.147，在10%水平上顯著)；并且模型(6)的回歸系數γ1顯著低于模型(4)的回歸系數β1。根據前文的判別標準，可以看出，信息披露質量(Opaque)具有部分的中介效應，表明管理者能力的提高會通過提高信息披露質量來降低分析師的樂觀性偏差。假設2得到驗證。

表4的Panel B檢驗了盈余波動性是否在管理者能力影響分析師預測樂觀性偏差中發揮中介作用。模型(4)的系數β1顯著為負(系數為-0.108，在5%水平上顯著)；模型(5)的系數λ1顯著為負(系數為-1.935，在10%水平上顯著)，表明管理者能力與盈余波動性顯著負相關，管理者能力降低公司的盈利波動性；模型(6)的系數γ1顯著為負(系數為-0.104，在5%水平上顯著)，且系數γ2也顯著為正(系數為0.003，在1%水平上顯著)；并且模型(6)的回歸系數γ1顯著低于模型(4)的回歸系數β1。根據前文的判別標準，可以看出，盈余波動性(EV)具有部分的中介效應，表明管理者能力的提高會通過降低公司的盈余波動性進而來降低分析師的樂觀性偏差。假設3得到驗證。

表4 管理者能力對分析師樂觀性偏差的回歸結果：中介效應檢驗

Panel A:信息披露質量中介效應檢驗模型(4)-不含中介因子模型(5)-中介因子檢驗模型(6)-包含中介因子解釋變量被解釋變量(Opitimism)解釋變量被解釋變量(Opaque)解釋變量被解釋變量(Opitimism)MA-0.202???(-3.12)MA-0.023?(1.75)MA-0.198???(-3.06)Opaque0.147?(1.84)CV控制CV控制CV控制con0.719???(2.65)con0.226???(4.07)con0.752???(2.76)IND控制IND控制IND控制YEAR控制YEAR控制YEAR控制N8 940N8 940N8 940Adi_R20.022 3Adi_R20.059 0Adi_R20.023 2Panel B:盈余波動性中介效應檢驗解釋變量被解釋變量(Opitimism)解釋變量被解釋變量(Opaque)解釋變量被解釋變量(Opitimism)MA-0.108??(-2.14)MA-1.935?(-1.92)MA-0.104??(-2.07)EV0.003???(3.12)CV控制CV控制CV控制con-0.315(-1.26)con15.049???(2.95)con-0.266(-1.06)IND控制IND控制IND控制YEAR控制YEAR控制YEAR控制N8 837N8 837N8 837Adi_R20.100 8Adi_R20.028 5Adi_R20.103 2

(四)穩健性檢驗結果與分析

1.考察管理者能力樣本分布的影響

參考吳育輝等(2017)[26]的做法，將管理者能力劃分為五等分，第一組取值為1，第二組取值為2，以此類推，第五組取值為5，以檢驗基準回歸結論是否受到管理者能力樣本分布的影響。對模型(4)重新進行回歸，結果見表5列(1)，管理者能力(MA)與分析師樂觀性偏差(Opitimism)之間仍然存在顯著的負相關關系(系數為-0.012，在1%水平上顯著)。

2. 變更分析師樂觀性偏差的衡量方式

(1)當Optijt>0，表明分析師預測存在樂觀性，取值為1，否則取值為0，并采用logit模型進行回歸。研究結果見表5列(2)，管理者能力(MA)與分析師樂觀性偏差(Opitimism)之間仍然存在顯著的負相關關系(系數為-1.841，在1%水平上顯著)。

(2)刪除預測天數超過一年以上的樣本。研究結果見表5列(3)，管理者能力(MA)與分析師樂觀性偏差(Opitimism)之間仍然存在顯著的負相關關系(系數為-0.112，在1%水平上顯著)。

(3)參考伊志宏等(2018)[37]的做法，采用分析師某一年對同一上市公司發布的所有預測數據的平均值來計算分析師的樂觀性偏差。對模型(4)重新進行回歸，回歸結果見表5列(4)，管理者能力(MA)與分析師樂觀性偏差(Opitimism)之間仍然存在顯著的負相關關系(系數為-0.047，在10%水平上顯著)。

可見，在進行一系列穩健性檢驗之后，本文的研究結論依然穩健。

表5 穩健性檢驗回歸結果

變量管理者能力五等分logit模型回歸刪除預測天數超過一年的樣本分析師某一年對同一上市公司發布的盈余預測取平均數(1)(2)(3)(4)MA-0.012???(-2.59)-1.841???(-3.39)-0.112???(-2.61)-0.047?(-1.93)State-0.018(-0.27)-0.296(-1.52)-0.073(-1.22)-0.033(-0.74)Size-0.091???(-5.25)-0.604???(-7.70)-0.079???(-5.50)-0.044???(-3.91)Leverage0.046(0.74)0.365(0.79)-0.059(-1.15)-0.121???(-2.95)Roa-1.073???(-7.55)-1.113???(-9.52)-1.512??(-12.48)-1.173??(-12.36)MB-0.004(-1.63)-0.062???(-2.78)-0.006???(-2.67)-0.005???(-2.83)Analyst0.049???(5.10)0.142(1.38)0.081???(10.24)0.035???(5.53)Horizon0.276???(15.66)2.254???(12.26)0.169???(12.32)0.228???(19.73)con1.308???(3.10)2.911(1.57)2.094???(4.98)0.992???(3.57)IND控制控制控制控制YEAR控制控制控制控制N11 91211 91211 53411 912Adi_R2/Pseudo R20.112 60.130 40.101 30.192 7

(五)內生性檢驗結果與分析

1.采用兩階段工具變量法(2SLS)檢驗內生性問題

分析師樂觀性偏差較低的上市公司意味著分析師預測準確度更高，更能真實反映公司的財務狀況，這類公司可能更能吸引具有較高管理能力的管理者，本文研究可能存在互為因果的內生性問題。為此選擇同行業其他公司管理者能力均值(MA_mean)作為管理者能力的工具變量來檢驗這一內生性問題，可以滿足工具變量的外生性和相關性要求。

使用兩階段工具變量法(2SLS)進行內生性檢驗，K-P rk LM為608.819，p值為0.000 0，拒絕了“工具變量不可識別”的原假設； C-D Wald F為1 498.561，p值為0.000 0，拒絕存在“弱工具變量”的假設，表明工具變量的選取是合理的。內生性檢驗的回歸結果如表6列(1)和列(2)所示，在第一階段，同行業其他公司管理者能力均值(MA_mean)與本公司管理者能力(MA)之間在1%水平上顯著正相關；在第二階段，管理層能力(MA)的擬合值與公司分析師樂觀性偏差(Optimism)在5%的水平上仍然顯著負相關。表明在排除了內生性問題后，本文的研究結論仍然成立。

2.采用Heckman兩階段模型檢驗自選擇問題

考慮到公司業績等公司特征較好的企業傾向于選擇能力更高的管理者，本文可能存在自選擇問題，采用Heckman兩階段模型來緩解這一問題。在第一階段，將同行業其他公司管理者能力均值(MA_mean)作為工具變量放入回歸模型中，在第二階段，將第一階段估計的逆米爾斯比率(IMR)加入回歸模型中重新進行估計。研究結論如表6列(3)所示，IMR的回歸系數在5%的水平上顯著為正值，表明模型存在自選擇問題；而MA的回歸系數為仍在10%的水平上顯著為負值。在考慮了自選擇問題后，本文的研究結論依然成立。

表6 內生性檢驗回歸結果

第一階段兩階段工具變量法(2SLS)Heckman兩階段模型一階差分模型解釋變量被解釋變量(MA)解釋變量被解釋變量(Optimism)解釋變量被解釋變量(Optimism)解釋變量被解釋變量(ΔOptimism)(1)(2)(3)(4)MA_mean0.874???(34.75)MA擬合值-0.051??(-2.36)MA-0.023?(-1.72)ΔMA-0.125??(-2.27)State-0.009?(-1.69)State-0.020(-1.54)State-0.016(-0.70)State0.012(0.67)Size-0.003(-1.31)Size-0.045???(-8.42)Size-0.034???(-3.39)ΔSize-0.176???(-5.79)Leverage0.104???(6.77)Leverage0.007(0.21)Leverage-0.013(-0.22)ΔLeverage0.070(0.86)Roa1.083???(11.01)Roa-1.008???(-5.38)Roa-0.840???(-4.55)ΔRoa-1.063???(-6.87)MB0.001(1.38)MB-0.002(-1.17)MB-0.002(-0.73)ΔMB-0.002(-0.85)Analyst0.001(0.16)Analyst0.018???(2.58)Analyst0.002(0.16)ΔAnalyst0.069???(6.14)Horizon0.003(0.52)Horizon0.232???(13.66)Horizon0.177???(7.38)ΔHorizon0.270???(11.56)IMR0.580??(2.39)con-0.051(-0.98)con0.391???(2.88)con0.285(0.43)con-0.018(-0.23)IND控制IND控制IND控制IND控制YEAR控制YEAR控制YEAR控制YEAR控制N10 520N10 520N10 520N8 043Adi_R20.356 4Adi_R20.112 0Adi_R20.234 8Adi_R20.085 0

3.采用一階差分模型檢驗遺漏變量問題

為了檢驗上市公司管理者能力的變動是否會影響分析師樂觀性偏差的變動，采用一階差分模型進行回歸分析。回歸結果見表6列(4)，回歸結果仍然顯著為負(系數為-0.125，在5%水平上顯著)，表明管理者能力的變化與分析師樂觀性偏差的變化顯著負相關，本文的研究結論依然成立。

六、進一步分析

前文研究表明管理者能力能夠通過提高信息披露質量和降低盈余波動性來降低分析師的預測樂觀性偏差，但是在我國目前社會背景下，監督機制不完善導致管理層權力過度膨脹。隨著權力強度的不斷增加，管理層通過盈余操縱謀取超額私有收益[38]。而且權力較大的管理層無法理性地反饋決策過程中的負面信息，低估未來事件的風險，傾向于過度自信[39]。因此，當管理層能力降低公司樂觀性偏差時，這種影響作用很有可能會受到管理層權力的挑戰。本部分要考察的問題是：在不同管理層權力的公司，管理者能力對分析師樂觀性偏差是否存在顯著差異？

本文借鑒周美華等(2016)[40]做法，通過對CEO與董事長是否兩職合一、董事會規模、內部董事比例、股權分散度和管理層持股五個指標進行主成分回歸，構建管理層權力強度綜合指標(Power)。管理層權力強度綜合指標(Power)取值越大，管理層權力強度則越大。研究結果如表7列(1)和列(2)所示，管理者能力對分析師樂觀性偏差的降低作用僅在管理層權力較小組顯著存在(系數為-0.131，在10%水平上顯著)，而在管理層權力較大組并不顯著。采用Bootstrap法重復抽樣1 000次，經驗p值等于0.159，表明兩組之間并不存在顯著差異。研究結果表明了管理者能力的發揮會受到管理層權力的挑戰，權力越集中的管理層，實施壕溝行為和短視行為的可能性更大，此時管理者能力發揮約束和監督的空間有限。

表7 進一步分析回歸結果

變量管理層權力機構投資者持股權力較大組權力較小組持股比例高持股比例低(1)(2)(3)(4)MA-0.063(-0.83)-0.131?(-1.72)-0.048(-0.60)-0.099?(-1.85)State-0.075(-0.48)0.108(0.98)0.097(0.95)-0.064??(-2.20)Size-0.091???(-3.32)-0.106???(-3.85)-0.135???(-4.97)-0.051???(-4.66)Leverage0.089(0.95)-0.044(-0.45)0.069(0.71)0.047(0.90)Roa-1.254???(-4.93)-1.455???(-6.17)-2.044???(-7.59)-0.832???(-5.75)MB-0.004(-1.23)-0.002(-0.50)-0.002(-0.50)-0.004(-1.62)Analyst0.052???(3.61)0.053???(3.67)0.065???(4.10)0.020??(2.03)Horizon0.287???(11.36)0.269???(9.63)0.269???(9.25)0.267???(13.36)con1.100?(1.66)1.555??(2.47)2.236???(3.34)0.324(1.29)經驗p值0.1590.101IND控制控制控制控制YEAR控制控制控制控制N5 7705 7425 8526 037Adi_R20.137 90.127 00.131 60.157 2

在管理者能力—分析師預測這個研究框架下，不僅管理者能力容易受到管理層權力的約束，作為分析師預測報告最重要的使用者，機構投資者的關注程度也會影響分析師盈余預測行為。當投資者關注較多時，除了能對分析師預測偏差形成一種外部監督外，也增加了監管機構介入的可能性，增大識別分析師發布有偏報告的可能性[41]。此時，分析師出于自身聲譽資本和職業前景的考慮不太可能發表有重大偏誤的報告[42]。本部分要考察的問題是：在機構投資者關注程度不同的公司，管理者能力對分析師樂觀性偏差是否存在顯著差異？

本文借鑒Jin(2014)[43]的研究，以機構投資者持股比例多少衡量投資者關注程度的多少。表7中列(3)和列(4)列示了按機構投資者持股比例分組回歸的結果，在機構投資者持股比例較低組，管理者能力與分析師樂觀性偏差顯著負相關(系數為-0.099，在10%的水平上顯著)；在機構投資者持股比例較高組，管理者能力與分析師樂觀性偏差雖然仍然是負相關，但是不顯著。采用Bootstrap法重復抽樣1 000次，經驗p值等于0.101，表明兩組的差異基本在10%水平上顯著。研究結果表明了機構投資者的關注程度會監督分析師的預測行為，機構投資者持股比例越高的公司，分析師的預測質量本來就較高，此時管理者能力發揮作用的空間有限。

七、研究結論與啟示

作為資本市場重要的信息中介，分析師對資本市場的有效運行發揮著重要的作用。然而，近年來，“研報門”頻發，分析師的獨立性和客觀性受到嚴重的質疑，分析師盈余預測存在普遍的樂觀性偏差。區別于以往的研究，本文從管理者能力這個視角切入，探索了管理者能力對分析師樂觀性偏差的影響及內在機理。實證結果表明，隨著管理者能力的提高，分析師的樂觀性偏差顯著下降；這種效果的產生來源于管理者能力提高信息披露質量和降低盈余波動性，顯著提高分析師對公司有關信息的利用水平，進而改善分析師預測行為。進一步，考慮到中國特殊的制度背景，管理層權力高度集中嚴重制約了管理者能力的發揮，而機構投資者關注的外部監督作用也使管理者能力作用受限。

本文研究豐富了高層梯隊理論和分析師預測行為方面的文獻，具有一定的理論和現實意義。(1)作為企業最重要的無形資產，管理者能力高低已成為衡量企業競爭力的一個重要標準。上市公司應抓住目前“人才爭奪戰”機遇，和地方政府密切合作，大力引進高層次人才，提高本公司的管理者能力，以此提高上市公司的市場競爭力；同時要加強對管理層權力的制約，優化權力配置，將管理者能力和管理者權力結合起來，激發“企業家精神”，更好地發揮“職業經理人”的作用。(2)針對分析師的預測偏差行為，不僅需要提高分析師自身客觀和獨立的職業素養，鼓勵適度競爭，還需要提高公司的信息披露質量和透明度；同時要有效發揮機構投資者和監管機構的監督作用。從多方面對分析師進行引導和監督，使分析師及時、客觀地向市場提供上市公司的基本信息，從而提高資本市場的信息效率。當然，本文在研究分析師樂觀性偏差時沒有區分具體研究對象之間的差異，未來可作為進一步研究方向。