視而不見？證券分析師與上 市公司欺詐關系研究
——基于考慮部分可觀測的 Bivariate Probit 估計

馬 奔 楊耀武

一、引 言

證券分析師(以下簡稱“分析師”)是依法取得證券投資咨詢職業資格，在證券經營機構就業，并向特定或不特定投資者提供上市公司研究報告及投資建議的專業人士。隨著我國證券市場的發展，分析師人數快速增長。截至2014 年底，取得證券投資咨詢職業資格的分析師人數已達2866 人，2015 年底為2350 人①數據來自《中國證券業發展報告2016》(中國證券業協會)。2015 年人數的減少可能是當年股市出現異常波動造成的。。分析師基于其工作性質，具有信息、人脈和專業能力等方面的優勢，是對資本市場有著較強影響力的獨特群體。近年來，隨著我國金融市場及信息科技技術的快速發展，分析師由過去僅向特定機構投資者提供研究報告與投資建議擴展至通過電視、廣播、移動互聯網終端等媒體發布個人觀點，其對中小投資者進而對整個資本市場的影響力與日俱增。

分析師作為信息中介，既可以通過對上市公司的信息收集形成研究報告并公開發布，降低上市公司與投資者之間的信息不對稱程度，較好地扮演外部監督者的角色，保證公司治理機制的有效運行(Jensen 和Meckling，1976；Healy 和Palepu，2001；李春濤等，2014)，也可能基于個人的利益考慮，在一定程度上隱瞞對公司不利的信息，扭曲上市公司與投資者之間的信息傳遞，導致股價高估現象(潘越等，2011；Doukas 和Pantzalis，2005；許年行等，2012；Dechow 等，2000)。分析師是否能夠有效地發揮外部監督者的作用與本國金融發展程度息息相關(Degeorg 等，2013)。在我國當前的發展階段下，學界既發現分析師可以提高股價的信息含量，減少企業的盈余管理，促進企業創新等(朱紅軍等，2007；李春濤等，2014；陳欽源等，2017)，同時也發現分析師存在為承銷商托市，提高股價崩盤風險等現象(潘越等，2011；許年行等，2012)，對分析師的公司治理作用莫衷一是。隨著近年來“欣泰電氣”“長生生物”“康美藥業”等案件的爆發，上市公司欺詐愈發引起監管層和廣大社會公眾的關注和重視，但目前尚未有文獻就分析師與上市公司欺詐的關系進行探討。

實際上，即使忽略分析師這一因素，僅就公司欺詐而言，國內也缺乏較為純粹的研究。“公司欺詐”作為媒體與實務界的高頻詞匯，卻在學術界尤其是實證研究領域難得一覓。大部分的研究對象主要集中于上市公司的“財務舞弊”(汪昌云等，2010；吳革和葉陳剛，2008；楊清香等，2009；錢萍和羅玫，2015)或“公司違規”等(蔡志岳和吳世農，2007；陸瑤和李茶，2016；沈華玉和吳曉暉，2017；萬良勇等，2014)。誠然，這些行為邊界清晰，概念的界定不易引起爭議，但它們與公司欺詐在內涵上存在本質上的區別。本文嘗試對上市公司欺詐進行如下定義:與上市公司相關的行為人，明知其行為可能造成嚴重后果，在信息披露或其他上市公司活動中，故意以欺騙、隱瞞和拖延等手段欺詐廣大外部中小投資者的行為。據此定義，財務舞弊屬于典型的上市公司欺詐行為，但公司欺詐行為還包含其他多種形式；公司欺詐必然違反了相關法規條例，但有許多違規行為，如由于公司治理不善或行為人疏忽大意、操作失誤等造成的違規，實際上并不構成欺詐。上市公司欺詐往往導致公司股價的劇烈波動，造成投資人的巨大損失以及惡劣的社會影響，而一般性的違規行為則不會造成這些嚴重的后果。因此，本文嘗試對上市公司欺詐進行定義，并構建相應的研究樣本，對上市公司欺詐行為進行更純粹的研究，以區別于大部分現有研究。

這里還需指出的是，以往關于上市公司財務舞弊或違規行為的研究大多采用單一變量的Probit 或Logit 模型，未考慮部分可觀測問題。部分可觀測問題是指觀測到的樣本實際上是已經曝光的欺詐事件，但有很多欺詐事件未被曝光，而更有意義的研究應著眼于所有實際發生的欺詐事件。單一變量的估計方法將觀測到的欺詐事件與所有實際發生的欺詐事件等同，會造成估計上的偏誤。實際上，部分可觀測問題是金融監管類研究普遍面對的技術難題(Dyck 等，2013；Wang 等，2010；Wang，2013；Khanna等，2015)。為盡量避免部分可觀測問題的影響，本文應用考慮部分可觀測的Bivariate Probit 模型，將欺詐事件分解為欺詐的發生與發現兩個過程，對分析師與上市公司欺詐關系進行了實證檢驗。最終發現，分析師一方面作為重要的外部監督者，可有效地監督上市公司的運行和在事前減少欺詐的發生，體現出積極的公司治理作用；另一方面卻顯著地降低了上市公司欺詐活動被發現的概率，存在掩蓋上市公司欺詐活動、擾亂市場監管的嫌疑。從實證結果來看，分析師的掩蓋效應可能比監督效應更強。進一步研究發現，上升的股市周期弱化了分析師的兩種效用，而并購活動強化了分析師的掩蓋效應。

本文揭示了中國證券分析師真正關注的是上市公司是否出現了“欺詐事件”，而非是否實際發生了欺詐活動，進而在欺詐發生與發現兩個方面體現出看似矛盾的效應。這種效應類似家長對子女的“護犢”行為:家長當然會教育子女遠離違法犯罪行為，可一旦發現子女真的“犯了事”，可能大部分家長非但不會立即將子女扭送至執法機關，甚至可能會主動藏匿與包庇子女。傳統的信息不對稱或代理問題等理論框架不足以揭示這種復雜的現象，我們認為欺詐激勵分析理論(Dyck 等，2010)才是造成這一現象的內在根源，同時，目前我國總體的市場環境特征作為外部“催化劑”進一步強化了這一現象。為使分析師群體行使其應有的職責，監管部門需采取措施對行業進行主動引導和規范。

二、理論分析與研究假設

本文擬從上市公司欺詐的發生和發現兩個角度探討上市公司欺詐問題，這不僅是為了降低部分可觀測問題的影響，而且直接關系到如何評判現階段我國分析師的外部監督作用。從金融監管的角度看，有效降低公司欺詐的發生和提高欺詐活動被發現的概率應被視為積極因素，反之則為消極因素。現有的大部分研究由于采用單一變量的估計方法，將觀察到的欺詐事件與所有發生的欺詐事件等同，實際上只考慮了欺詐的發生過程，若研究對象在兩過程中體現出相反的作用，傳統的研究方法便捉襟見肘。因此，本文提出如下兩個問題:第一，分析師作為外部監督者是否有效地抑制了公司欺詐的欺詐傾向？第二，分析師作為信息挖掘和傳遞者的角色對有關上市公司欺詐的信息是選擇消極的掩蓋還是積極的揭露？在此基礎上，進一步實證檢驗股市周期和上市公司并購活動對分析師行為的影響。

（一）分析師與上市公司欺詐的發生

盡管傳統理論認為市場上存在證券監管部門、交易所、公司股東等可有效監管上市公司的主體(Coffee，1986；La Porta 等，2006)，然而Dyck 等(2010)提出正如欺詐是行為人事前對私人預期收益高于預期成本的理性決策(Beck，1968)，即私人激勵在監管活動中同樣起著非常重要的作用。當對上市公司的監管能夠獲得足夠的激勵，市場主體就會有效地監管上市公司。這種激勵理論同樣適用于分析師，如果其推薦的公司發生欺詐事件，股價就有可能暴跌，這對分析師本人的聲譽、職業生涯將造成極為不利的影響。因此，不管對于已經發生的欺詐活動持怎樣的態度，大多數情況下分析師在事前不希望公司內部發生欺詐活動，這就從根源上減少了發生欺詐事件的可能性。鄭建明等(2015)已發現分析師跟蹤度越高的上市公司發生業績預告違規的概率越低。此外，分析師不只有抑制公司欺詐傾向的主觀意愿，他們同時也具備這種能力。與大部分投資者甚至是公司的管理層相比，分析師對上市公司的狀況和發展前景有更深入的了解。分析師既懂財務知識，又對公司所處行業長期關注，面對現代企業越來越厚的財務報表，分析師是少有的既有能力又有耐心認真閱讀這些報表的人群(李春濤等，2014)。分析師一般對所關注的上市公司保持長期跟蹤，不會輕易更換。跟蹤的形式包括定期走訪、盡職調查和電話會議等，并對管理層的行為和公司財務報表的變化隨時保持警惕。這種跟蹤行為會給予公司管理層一種外部監督的壓力(Healy 和 Palepu，2001；鄭建明等，2015)，使其不敢輕易實施欺詐行為。因此，綜合激勵動機和個人能力，分析師對上市公司可以發揮有效的監督作用，顯著抑制公司的欺詐傾向，減少公司欺詐的發生。為此，本文提出待檢驗假設1。

假設1:上市公司被分析師關注度越高，其實際發生欺詐的概率越低。

（二）分析師與上市公司欺詐的發現

盡管分析師對上市公司的關注可能會抑制上市公司實施欺詐活動并發揮積極的治理作用，然而當分析師已經知悉公司內部發生了欺詐活動，同樣出于私人激勵的考慮(Dyck 等，2010)，可能會通過發布有偏的分析報告，影響投資者對上市公司的認知，進而最大程度地避免欺詐事件曝光。許年行等(2012)的研究發現分析師會傾向于隱瞞上市公司的負面消息。對于公司信息的隱瞞行為雖然很難給出直接證據，但可以較容易發現我國分析師普遍會過于樂觀地估計上市公司的狀況。不論我國股市實際狀況如何，偏積極的研究報告占絕大多數是市場常態。以Wind 數據庫記錄的2016 年分析師研報情況為例，2016 年1 月至11 月，國內各證券公司分析師共出具了14992 份報告，其中提示“賣出”和“減持”的僅49 份，“中性”和“觀望”249 份，其余均為“持有”“增持”和“強烈推薦”等，占比高達98%。

本文認為分析師有可能傾向于隱瞞對公司不利的信息，發布偏積極的研報，進而降低公司欺詐被發現的概率。

首先，分析師的私人收益受制于市場其他主體的利益。分析師一旦出具對公司不利的研報，將面臨來自上市公司及其所屬證券公司或投行等利益相關方的巨大壓力。吳超鵬等(2013)發現，為了維護與機構投資者、上市公司管理層及公司內部投行部門的關系，國內的分析師傾向于發布偏樂觀的研報，即使是聲譽較高(進入“新財富”排名)的分析師也不能例外。張雪蘭和何德旭(2008)認為，分析師為了能獲得最有價值的第一手信息，需要與上市公司管理層保持良好的關系，但如果其發布不利于公司的消息，可能使這種關系難以維持。Hong 和Kubik(2003)認為，出于個人職業生涯的考慮，分析師為避免影響工作機會或升遷會對上市公司業績做出有偏誤的預測，傾向于發布樂觀報告的分析師更容易跳槽到更好的投資銀行。

其次，有利的信息往往促使公司股價上漲，不利的信息促使股價下跌，而就目前的國內市場環境和交易機制而言，分析師只能從公司股價的上漲中獲得私人收益。一方面，分析師通過提高其推薦股票的交易量，可以從證券公司獲得相應的分倉傭金收入，一般只有持續上漲的股票才能保持較高的交易量；另一方面，從國內較有影響力的“新財富”和“水晶球”等證券分析師排行榜來看，排行榜的選票一般掌握在機構投資者手中，而機構投資者最看重(甚至是唯一看重)的就是分析師推薦股票的上漲幅度。

最后，我國資本市場目前還缺乏足夠的做空手段，使投資者很難從股價下跌中獲益，也是重要的原因之一。盡管自2010 年起我國施行了融資融券制度，但由于可借出證券不足，融資限額遠高于融券限額，在大部分交易日的實際成交額中，融資成交量也遠高于融券成交量。發達國家一般做空手段較為豐富，因此誕生了一批著名的做空機構，如渾水、香櫞等①渾水(Muddy Waters)與香櫞(Citron)均為美國著名做空機構，一般通過進行研究、盡職調查等發現有問題的公司，向市場出具做空報告，打壓股價，從公司股價的下跌中獲利。，這些機構往往通過揭露上市公司存在的問題獲得巨額的收益，而我國尚不具備這樣的市場環境。

綜上而言，本文認為分析師由于受到各利益相關方的壓力，以及當前我國資本市場環境的制約，更傾向于發布對公司有利的報告，隱瞞對公司不利的信息。就公司欺詐而言，分析師可能存在掩蓋效應，通過發布偏積極樂觀的報告，引導投資者預期，降低欺詐活動被發現的概率。據此提出待檢驗假設2。

假設2:上市公司被分析師關注度越高，公司欺詐被發現的概率越低。

（三）股市周期對分析師行為的影響

分析師可能通過發布有偏的分析報告，影響投資者對上市公司的認知程度，進而降低上市公司欺詐活動被發現的概率。除了上市公司自身的狀況，投資者認知還同上市公司所處的環境因素息息相關。Wang 等(2010)和Povel 等(2007)發現，經濟周期影響投資者對上市公司的認知程度，在經濟較好的時候，投資者認為公司即使處于困境也只是暫時的，會放松對上市公司的監督，而當經濟周期下行時，更凸顯出公司個體質量的重要性，投資者會對公司進行更加嚴格的監督。我國上市公司的股價與大盤指數關聯度極高，投資者行為顯著地受到股市周期的影響，公司股價嚴重脫離基本面的現象屢見不鮮(尤其是在股市上漲的時候)。因此，就中國的上市公司而言，股市周期相比經濟周期對投資者認知的影響可能更加顯著，而投資者認知的變化可能反過來影響了分析師的行為。具體而言，當股市周期較好時，投資者“熱情高漲”，主要關注股價的系統性風險，降低對單個上市公司的監管密度。在這種狀況下，公司欺詐事件更不容易被發現，分析師對欺詐事件曝光的擔憂程度降低，因此其對于降低上市公司欺詐傾向和欺詐曝光的作用均相應減弱。本文將采取兩個指標表征股市周期。首先是托賓Q 值，Wang 等(2010)的研究采用托賓Q 值來表征股市周期，發現上市公司實施欺詐的傾向與托賓Q 值有顯著的正相關關系。其次是參考許年行等(2012)的研究，以大盤收益率與無風險收益率差值為標準，通過界定每一年為“牛市”還是“熊市”，構建虛擬變量表征股市周期。據此，本文提出待檢驗假設3。

假設3a:托賓Q 值越大，分析師關注度與上市公司欺詐發生和被發現的負相關關系越弱。

假設3b:當股市為“牛市”時，分析師關注度與上市公司欺詐發生和被發現的負相關關系更弱。

（四）上市公司并購活動對分析師行為的影響

并購活動是上市公司經營活動中極其重要的事項，對公司發展有巨大的影響。韓潔等(2016)的研究表明分析師對于上市公司并購績效有顯著的影響。同時部分研究發現并購活動又與上市公司欺詐有顯著的相關關系。Erikson 等(2011)發現，發生欺詐的公司比不發生欺詐的公司更積極地進行并購活動，會把并購活動當作掩飾欺詐的一種策略。Wang(2013)認為，近期參與并購活動的公司會更加吸引市場的關注，因而欺詐活動更容易被發現。此外，我國上市公司的并購活動存在顯著的宣告效應，公司股價因并購活動可獲得顯著的超額收益率(宋希亮等，2008)。因此，一方面分析師擔心并購期間上市公司因受到更多關注而導致欺詐活動更容易被發現，另一方面并購活動的順利推進可能帶來的股價上漲可以提高分析師的收益。本文推測，相比沒有進行并購活動的上市公司，分析師會付出更多努力來掩蓋公司的欺詐活動。因此，本文提出待檢驗假 設4。

假設4:上市公司近期如果發生并購活動，分析師關注度與欺詐事件被發現概率的負相關關系更強。

三、研究設計

（一）部分可觀測問題與Bivariate Probit 模型

傳統研究使用單一的Probit 模型，默認曝光的欺詐事件與所有發生的欺詐事件等同，忽略了欺詐事件最終能被觀測到，實際上包含發生和發現兩個過程。忽視部分可觀測問題低估了欺詐的影響，導致實證結果可能存在較大的偏差。Poirier(1980)最早針對部分可觀測問題提出Bivariate Probit 估計法，Feinstein(1990)提出原理類似的控制偵測法(Detection controlled estimation，DCE)。兩種方法估計原理相近，只是估計結構略有差異。Wang 等(2010)將Poirier 的思想應用到公司欺詐的研究中，并隨著現代計量經濟學的發展，引入部分可觀測的限定條件。Li(2010)運用Feinstein(1990)的方法模擬欺詐實施到被檢測的過程，并證明忽略部分可觀測問題對于欺詐活動的估計產生巨大的偏差。自此之后，包含部分可觀測的Bivariate Probit 估計方法開始引起金融監管研究領域的關注。近年來，國內亦有學者開始將該方法引入對公司違規行為的研究中(陸瑤等，2012；萬良勇等，2014)。Bivariate Probit 估計的基本思想是將研究目標分解為兩個階段，所有能觀測到的事件是由發生與發現兩個過程共同作用的結果。這兩個過程也并非完全相互獨立:一方面，兩個過程有各自不同的作用機制和影響因素；另一方面兩個過程又可能相互影響，有些因素可能同時影響兩個過程，從而導致事件的發生和發現是互相依賴的兩個階段。有些屬于公司自身的因素會導致實施欺詐的傾向升高或降低，而一些外部因素由于影響欺詐被發現的概率，同樣會被欺詐的實施者考慮在內，因而也變相影響了公司欺詐的傾向。同樣，有些因素提高了公司的欺詐傾向，外部監督者會將其考慮在內，因而也會影響發現概率。綜上，應用Bivariate Probit 估計的思想，本文實證模型的具體設定如下:

假定iF 表示欺詐事件的發生，當iF ＝1，表示公司i 實施了欺詐行動，否則iF ＝0；

iD 表示欺詐事件在實施后是否被發現，如果被發現則 iD ＝1，否則 iD ＝0。令:

iu ，iv 分別為各自估計方程的殘差，并服從正態分布，如果兩個過程互相影響，則相關系數 0ρ ≠ 。

令 Zi= Fi× Di，表示當 Fi和 Di同時發生時的狀況，現實情境中只能觀測到 Zi=1，即公司實施了欺詐行動并且被發現的狀況，或者是 Zi= 0，此時公司或是未實施欺詐，或公司實施了欺詐未被發現。定義Φ 為標準化的二維正態分布的累積分布函數，則兩種情況各自發生概率的表達式為:

整個估計過程的對數似然函數為:

通過對該函數進行最大似然化進行模型的參數估計。

由于兩個過程互相不獨立，因此事件Z 發生的概率P(Z)＝P(F)×P(D|F)，而非P(F)×P(D)，公司實施欺詐的概率P(F)與實施欺詐后被發現的條件概率P(D|F)成為我們關注的目標。為了能單獨識別兩個過程，要求 ,F ix 和 ,D ix 所包含的變量不能完全一致。,Fix 和 ,D ix 中包含的影響因素被分為三類:(1)不太容易引起外部監督者注意的特征被視為單獨影響公司實施欺詐的因素，只放入對P(F)的估計方程中。(2)將與發現欺詐過程相關的因素分為欺詐的事前因素和事后因素兩類，有很多事后因素已經不能被欺詐的實施者控制，且很難做出事前的預期，同時又可以被外部監督者觀測到，這些事后因素被單獨放入欺詐活動的發現過程中，只放入對P(D|F)的估計方程中。(3)一些因素，尤其是發生欺詐的事前因素，既可以被欺詐活動的實施者影響，同時也較容易引起外部監督者的注意，被同時放入欺詐活動的發生和發現兩個過程中。比如公司規模和公司的并購活動，規模較大的公司和近期參與了并購活動的公司可能會較容易引起外部監督者的注意，同時公司欺詐的實施者也明白這個道理，因而在欺詐事前會將欺詐活動被發現的預期概率提高，欺詐的預期成本提升，并將這一狀況納入對是否實施欺詐活動的決策的權衡之中，因而影響了公司實施欺詐的傾向。

（二）變量與模型設定

依據以上估計原理的討論，本文具體的變量設定如下。

1. 被解釋變量Zi,t

當上市公司i 在t 年被發現有欺詐活動時，Zi,t＝1，未被發現有欺詐活動時，Zi,t＝0。

2. 解釋變量Analyst

參考現有文獻的普遍做法，如果一年內有n 個分析師針對某個上市公司發布了盈利預測報告，則對n+1 取對數，即為當年某個上市公司的分析師關注度Analyst。當報告由分析師團隊發布時，跟蹤人數視為1 人；單個分析師一年內針對同一上市公司發布多份報告時，也只視為1。此外，并不是所有的上市公司都有分析師關注，因此本文還構建虛擬變量。如果一家上市公司至少有一名分析師關注，則為1，否則為0，從一家上市公司是否有分析師關注的角度考察分析師與公司欺詐的關系。

3. 控制變量

按照上文所述，將控制變量分為三類:單獨影響公司實施欺詐的因素、單獨影響欺詐事件發現過程的因素及同時影響兩個過程的因素。

單獨影響公司實施欺詐的因素包括:公司的杠桿比率，Li Minwen 等(2015)發現中國上市公司中發生欺詐的公司比不發生欺詐的公司負債率更高；公司的盈利能力，已有研究發現盈利能力較好的公司不易發生欺詐(Wei Shi 等，2017；Wang，2013)；公司所有權性質，公司控股股東為政府部門還是私人部門；公司的現金狀況；是否有兩職合一的現象，即公司的CEO 是否由董事長兼任。

單獨影響公司欺詐行為被發現的因素往往是欺詐實施的事后因素，因此無法被欺詐的實施者納入預期。我們考慮了三個指標。Jones 和Weigram(1996)指出股票的異常波動往往可以揭示公司的法律風險，因而我們首先關注“股價的波動率”；其次是“股價的收益率”，就欺詐事件而言，股價大幅下跌可能是內部知情人提前拋售股票引起，往往更容易引起市場和監管者的注意，因而我們關注公司股價是否發生大幅下跌的情況；最后是“盈利能力的異常波動”。Wang(2013)認為ROA 的實際表現與估計值的差異(超額資產收益率，Abnormal ROA)過大可以揭示公司的欺詐活動。

同時影響兩個過程的因素其一是“公司規模”。較大的公司治理結構較為完善，發生欺詐的概率較低。同時大公司受到媒體和其他各類市場主體更多關注，一旦發生欺詐，可能更容易被發現。Dyck 等(2010)在研究上市公司欺詐的監管問題時認為大公司的部分可觀測問題程度非常低，因此將樣本限定在資產規模超過7.5 億美元以上的公司，后續大量實證研究在選取樣本時均參照這一做法(Khanna 等，2015；Hass 等，2015)。二是“公司的并購活動”。Erickson 等(2011)發現，發生欺詐的公司比不發生欺詐的公司更積極地進行并購活動，會把并購活動當作掩飾欺詐的一種策略。但Wang(2013)認為并購活動是相對公司其他各類指標更易被觀察到的公司特征，之所以我們觀測到欺詐的公司并購活動更加活躍，是因為他們更易受到關注從而更容易被發現欺詐。三是“托賓Q 值”。Wang 等(2010)認為，由于經濟周期的影響(Povel 等，2007)，公司欺詐的發生與托賓Q 值有顯著的U 型關系。四是“董事會規模”。Lipton等(1992)認為規模過大的董事會會導致監督效率降低，影響公司績效。五是股權結構特征，包括“股權性質”“股權集中度”等。劉立國和杜瑩(2003)、梁杰等(2004)均發現股權結構與上市公司財務舞弊行為有顯著相關關系。

檢驗假設1 的估計方程為:

在對Fi,t的估計中，解釋變量為滯后1 期變量Analysti,t-1，考察的是在欺詐事件發生前，分析師是否可以影響公司的欺詐傾向，而在對Di,t的估計中，解釋變量為Analysti,t，與欺詐事件為同期變量。單獨估計欺詐事件發現過程的控制變量Volatility 和Decline 與因變量Z 為同期變量，其他控制變量皆為滯后1 期變量。相應地，在檢驗其他假設時，對Fi,t的估計中使用的交乘項也為滯后1 期變量，而對Di,t的估計則都使用同期變量。表1 列出了各變量具體的定義方式。

表1 變量定義表

續表1

（三）相關情況說明與研究樣本

1. 上市公司欺詐與違規行為的比較

上市公司欺詐是一個從監管層到媒體，再到大量投資者表述中常見的字眼，但在國內的學術研究中很少出現。國內大部分相關研究主要以上市公司的財務舞弊或公司違規行為為研究對象，這些行為相對容易界定，不易引起爭議，且國泰安、Wind 等數據庫皆有明確的記錄。但是，這些研究對象并不能與公司欺詐直接等同。財務舞弊是典型的公司欺詐行為，但公司欺詐除了財務舞弊外還有其他多種形式，因此財務舞弊囊括的范圍遠小于公司欺詐行為，而公司違規行為涵蓋的范圍則大于公司欺詐。公司欺詐必然違反特定的法律法規，但違規行為不都屬于欺詐行為。本文認為上市公司欺詐與一般的(非欺詐)違規行為的區別主要在于:(1)行為主體是否存在主觀上的刻意性。上市公司欺詐一般是行為主體刻意以欺騙、隱瞞等手段而達到謀取個人私利的目的，但一般的違規行為可能只是由于公司運營不夠規范，或是行為主體主觀疏忽造成。(2)本文所關注的上市公司欺詐是以廣大中小投資者為欺詐對象的行為，而一般的違規行為并不存在這種情況。中小投資者由于被欺詐，在股票市場“用腳投票”時不能以真實的情況為依據，導致資源的錯配，欺詐主體正是基于這種資源錯配來謀取個人私利。(3)上市公司欺詐行為往往引起股價劇烈波動，且由于上市公司涉及更廣泛的公眾利益，行為的后果不僅涉及大量投資者的經濟損失，而且造成惡劣的社會影響等，一般的違規行為則不會導致這樣嚴重的后果。本文認為正是因為這三點區別，才使得公眾對上市公司欺詐行為更加關注。

2. 研究樣本的構建

經過以上分析，上市公司欺詐與一般的違規行為存在本質區別。本文使用的數據來自國泰安違規行為數據庫，為了構建一個真正意義上的上市公司欺詐樣本，通過對該數據庫的詳細瀏覽，共剔除了三類屬于違規但不構成欺詐的行為:(1)一般會計處理不當。比如上市公司為避稅而采取的一些涉及金額不大的會計處理導致違規，該類行為一般涉及規模極小，不會在資本市場上造成顯著的后果，且這些行為一般并不以中小投資者為欺詐客體。(2)非蓄意的違規交易。比如一些違規股票交易是上市公司高管等行為人預先披露了增減持計劃，但在相應時間段發生了反向操作，并經監管部門認定是行為人操作失誤造成，該類行為顯然不構成欺詐。(3)監管部門例行檢查中發現公司日常經營中的不規范行為。比如有大量上市公司因董事會成員資料不足、原任董事會秘書離職超過3 月還未聘新任導致違規等等，這些行為并不會造成嚴重的后果，我們予以剔除。最終我們認為的上市公司欺詐行為主要包括四類:虛假披露、隱瞞披露、延遲披露和違規交易。前三類信息披露類欺詐行為涉及的信息不止包括財務信息，而且包括與公司經營活動相關的重大事項。違規交易則具體包括高管蓄意違規買賣股票、內幕交易以及操縱股價三類。

3. 樣本的描述性統計

解釋變量分析師關注度的相關數據來自國泰安(CSMAR)數據庫。由于2005 年以前的盈利預測報告較少，上市公司的分析師關注度普遍在2005 年前后發生了較大的跳躍①在我們的樣本中，2004 年上市公司分析師關注度的均值為0.72，2005 年為2.05。，同時由于回歸涉及滯后和同期兩期變量，因此截至本研究進行時，從因變量欺詐事件的角度看，樣本時間跨度為2006 年至2015 年。剔除掉金融類企業、B 股以及部分數據缺失的樣本，最終使用的有效樣本為11355 個。表2 報告了主要變量的描述性統計情況，報告了各變量的均值、標準差、最小值和最大值。第1 行的變量為經過對數處理的分析師關注度Analyst，樣本均值為0.9266，將其經過對數還原，顯示樣本中平均每家上市公司受到1.5259 名分析師的關注。第2 行的變量Analyst(Dummy)表示分析師關注度的虛擬變量，即上市公司是否至少有一名分析師關注，其樣本均值0.5095，表明樣本中超過一半的上市公司有分析師關注。第6 列和第7 列將樣本按照因變量Z＝1 和Z＝0 分組，即發生欺詐事件和未發生欺詐事件下各變量均值。第8 列為均值差檢驗的p 值。由兩列數據對比可知，發生欺詐的上市公司的分析師關注度為0.5111，小于未發生欺詐事件的0.9696。虛擬變量Analyst(Dummy)的情況也是如此，并且均值差檢驗的p 值為0，在1%的水平下顯著。從其他變量看，樣本中發生欺詐事件的上市公司董事會規模、托賓Q 值、杠桿率、兩職合一變量、超額資產收益率、股價波動率、股價暴跌變量的均值均大于未發生欺詐的上市公司，而總資產規模、并購事件變量、資產收益率、國企性質變量、現金資產比率的均值均小于未發生欺詐的上市公司，除股價暴跌事件變量的均值差t 檢驗在5%以下的水平顯著外，其他變量的均值差檢驗均在1%的水平下顯著。

表2 樣本描述性統計

四、實證結果分析

（一）分析師關注度與上市公司欺詐

為避免極端值對實證結果的影響，本研究將所有連續型變量在1%的水平下進行了Winsorize 處理。表3 報告了回歸模型(1)和模型(2)的結果，模型(1)的解釋變量Analyst 為連續型變量，模型(2)Analyst 為虛擬變量。每個模型的估計結果分成兩列報告，第1 列顯示的是各變量對于公司發生欺詐活動的概率P(F)的影響，第2 列顯示的是各變量對于公司欺詐曝光的條件概率P(D|F)的影響，每個估計結果的第1 行為影響系數，第2 行括號內為穩健標準誤。表格的底部報告了樣本觀測數、Wald 檢驗值、對應的P 值和對數似然值。在關注解釋變量之前，我們首先關注控制變量的結果以考察模型是否可以有效地估計欺詐的發生與發現過程。公司規模Size 在1%的顯著性水平下降低了公司實施欺詐的概率，影響系數為-0.237，同時在5%的顯著性水平下提高了公司發生欺詐事件后被發現的條件概率，影響系數為0.159。表明規模更大的公司由于內部治理結構完善更不容易發生欺詐事件，且由于更容易吸引公眾的關注，一旦發生欺詐事件，更容易被曝光，這與目前絕大多數研究者的結論一致。公司的盈利水平ROA、現金資產比率Cash 與公司實施欺詐行動的概率顯著負相關，而公司的杠桿率Leverage 越高會導致公司的欺詐傾向更高，也與大部分已有研究相一致。同Wang 等(2010)一樣，托賓Q 值與企業實施欺詐的傾向有顯著的正相相關關系，表明在我國的

資本市場，市值與重置成本偏離過大的企業欺詐傾向更高。在代表欺詐的事后因素中，股價暴跌變量Decline 與公司欺詐事件的發現概率顯著正相關，表明股價的異常變化確實可以引起監管者和市場的關注，提高了欺詐事件被發現的概率。因此，從控制變量總體的估計結果看，本文使用的估計方程與大部分現有研究一致，表明可以有效地識別欺詐事件的發生與發現兩個過程。

表3 分析師關注度與上市公司欺詐

模型(1)的解釋變量與P(F)負相關，影響系數為-0.087，顯著性水平為5%；與此同時與P(D|F)也顯著負相關，影響系數為-0.115，顯著性水平達到了1%。模型(2)中的虛擬變量在1%的顯著性水平下降低了公司發生欺詐事件的概率，影響系數為 -0.206，并且同樣在1%的顯著性水平下降低了欺詐事件被發現的條件概率P(D|F)，影響系數為-0.208。回歸結果與研究假設1、假設2 符合，表明我國的分析師一方面可以抑制上市公司實施欺詐的傾向，具有積極的公司治理作用；另一方面對于已經發生的欺詐事實，分析師并不能進行有效的信息挖掘，反而會起到避免欺詐事實曝光的反作用。兩模型對P(F)作用的顯著性不同，而對P(D|F)的顯著性均達到1%，這或許表明相較降低上市公司欺詐傾向的作用而言，分析師隱瞞、掩蓋上市公司欺詐活動的作用更加突出。

（二）股市周期對分析師行為的影響

接下來關注股市周期對分析師行為的影響。首先參考Wang 等(2010)研究，以托賓Q 值表征股市周期。在模型中加入解釋變量交乘項Analyst?Tobin'q，表示分析師關注度與托賓Q 值的乘積，表4 報告了回歸分析的結果。模型(3)的Analyst 為連續型變量，模型(4)的Analyst 為虛擬變量。結果顯示，分析師關注度對P(F)和P(D|F)的影響依然與模型(1)、模型(2)一致，均顯著負相關。交乘項對P(F)的影響均為正，顯著性水平為5%，模型(3)的影響系數為0.0456，模型(4)的影響系數為0.0730。交乘項影響系數與Analyst 影響系數的方向相反。表明分析師作為上市公司的外部監督者，原本可以有效地降低公司發生欺詐的可能性，但在股市周期上升時會放松對上市公司的監督。

交乘項與P(D|F)也有顯著的正相關關系，模型(3)的顯著性水平為10%，模型(4)為5%，表明當股市周期向上時，由于投資者監督密度的降低，欺詐事件本身就難以曝光，分析師的擔憂程度降低，因此也不太著力于掩蓋上市公司的欺詐事件，掩蓋效應因為股市周期的上升而被弱化。本文的假設3a 得到驗證。

表4 股市周期對證券分析師行為的影響

續表4

除以托賓Q 表示股市周期，本文還參考許年行等(2012)的研究，以股市為“牛市”還是“熊市”來表征股市周期。該研究使用市場平均收益率判定法來劃分“牛市”與“熊市”。Fabozzi 等(1977)認為當股票市場的平均收益率為正時為“牛市”，否則為“熊市”。Lindahl-Stevens(1980)進一步認為判斷市場牛熊的標準是平均收益率是否超過無風險收益率。據此，本文以每一年上證綜指的收益率代表市場平均收益率，以一年期定期存款收益率代表無風險收益率，并相應做差，每一年的差值分別為:2005 年為 -10.58% ，2006 為 127.91% ，2007 年為 93.45% ，2008 年為-69.32% ，2009 年為77.73%，2010 年為-16.62%，2011 年為-25.18%，2012 年為-0.08%，2013 年為-9.75%，2014 年為50.12%，2015 年為7.66%，2016 年為-13.81%。因此，將2006 年、2007 年、2009 年、2014 年、2015 年界定為“牛市”，2005 年、2008 年、2010 年、2011 年、2012年、2013 年、2016 年界定為“熊市”。定義股市周期變量Bull:如果當年為“牛市”則Bull＝1，“熊市”則Bull＝0。定義交乘項Analyst?Bull，并作為解釋變量放入回歸中。回歸結果以表5 報告。同樣的，模型(5)的Analyst 為連續型變量，模型(6)的Analyst 為虛擬變量。交乘項對P(F)的影響與模型(3)、(4)方向一致，但并不顯著，假設3b 部分未得到有效驗證。交乘項對P(D|F)的影響與模型(3)和模型(4)一致，而且顯著性水平更高，即分析師對公司欺詐事件的掩蓋作用會因股市周期的上升而顯著弱化。

表5 股市周期對證券分析師行為的影響

續表5

（三）并購活動對分析師行為的影響

并購活動作為上市公司經營的重大事項，必然也是分析師關注的重點。本文接下來考察，當上市公司參與并購活動時是否會影響分析師的行為。為此，構建交乘項Analyst ?M&A，即分析師關注度與并購變量的乘積作為解釋變量加入估計方程中，回歸結果由表6 報告。模型(7)與模型(8)的Analyst 依舊分別為連續型變量和虛擬變量。回歸結果顯示，模型(7)中交乘項并沒有顯著性影響，但模型(8)中Analyst 依舊與P(F)和P(D|F)呈顯著負相關的前提下，交乘項與P(D|F)在1%的顯著性水平下負相關。這表明為了推進并購活動的順利進行，分析師的掩蓋效應會得到進一步增強。研究假設4 得以驗證。在同等條件下，如果分析師關注的上市公司參與了并購活動，其研究報告的信息質量(相比沒有參與并購活動的上市公司)可能更差；而同樣是參與并購活動的上市公司，有分析師關注的公司的欺詐活動可能更難以被發現。

表6 并購活動對證券分析師行為的影響

（四）分析師的盈余預測偏差與公司欺詐

上文指出，分析師傾向于通過發布偏積極的研究報告，引導投資者預期以幫助掩蓋公司內部欺詐活動。為此，本節考察證券分析師報告的盈利預測偏差與上市公司欺詐的關系。盈利預測偏差的測度包括對每股收益(EPS，Earnings Per Share)、凈利潤(Net Profit)和市盈率(Price Earnings Ratio)的測度。其中每股收益預測偏差的計算方式為:EPS Bias＝(FEPS-EPS)/FEPS，FEPS 表示分析師研究報告中對某上市公司某段時間的每股收益預測，EPS 為對應該段時間上市公司最終的每股收益，兩者相減并除以FEPS，表示每股收益預測偏離程度。對凈利潤和市盈率的預測偏差采用相同的計算方法，分別得到變量Net Profit Bias 和PE Bias。研究報告是分析師對上市公司進行考察、調研等活動的結果，發布于實際欺詐活動的事后(如果有)。從理論角度看，盈利預測偏差應主要與欺詐活動的發現過程相關。因此，我們以欺詐事件變量Z 為因變量，以EPS Bias、Net Profit Bias 和PE Bias 為解釋變量，應用單變量Probit 估計考察這一關系，回歸結果以表7 報告。模型(9)和(10)的解釋變量EPS Bias 和Net Profit Bias 分別在1%和5%的顯著性水平下與因變量Z 正相關，影響系數分別為0.0029 和0.0017，模型(11)的解釋變量PE Bias 的回歸結果不顯著。模型(9)、模型(10)的結果表明對于發生欺詐事件的上市公司，分析師會顯著的夸大盈利預測水平，公司實際盈利與預測盈利的差距相比未發生欺詐事件的公司更大。

表7 盈利預測偏差與上市公司欺詐

（五）穩健性檢驗

本文關注的主要解釋變量分析師關注度和被解釋變量欺詐事件之間存在一定的內生性問題。分析師有可能在選擇關注目標時主動規避有欺詐活動的上市公司，造成兩者互為因果。為排除內生性對研究結論的干擾，本文采用了兩個工具變量:一是相同年度同行業剔除掉本公司后的其他上市公司的分析師關注度均值；二是相同年度同地區其他上市公司的分析師關注度均值。由于同行業或同地區面對類似的行業環境、企業外部經營環境，且我國資本市場上常出現行業或地區為主題的“板塊”行情，因而他們之間的分析師關注度具有一定的相關性，但公司欺詐作為個體行動，與其他公司顯然沒有相關關系，滿足工具變量的選取原則。本文首先以分析師關注度為因變量并以工具變量和及其他控制變量為自變量進行回歸，然后用擬合值作為解釋變量重新對模型進行回歸。回歸結果由表8 的模型(12)報告。分析師關注度在1%的顯著性水平下分別與P(F)和P(D|F)負相關，與模型(1)的回歸結果一致。表明在考慮內生性問題后，分析師依舊顯著地抑制上市公司欺詐傾向，并降低欺詐事件被發現的條件概率。另外，參照Dyck 等(2010)、Khanna 等(2015)、Hass 等(2015)的做法，本文將資產規模低于100 億人民幣的上市公司從研究樣本中剔除，進一步弱化了部分可觀測問題的干擾，重新進行回歸分析。結果由表8 的模型(13)報告，分析師關注度與P(F)依舊負相關，影響系數-0.012，但不再顯著，或許表明分析師對小公司的監督效應更加顯著。分析師關注度與P(D|F)依舊在1%的顯著性水平下負相關，影響系數-0.217。根據模型(1)和模型(2)回歸結果或可推斷分析師對上市公司欺詐的兩種影響中，掩蓋欺詐活動的作用可能比降低公司欺詐傾向的作用更加顯著，而模型(13)的結果更加充分地說明了這一點。模型(12)、模型(13)的結果表明本文的主要結論總體上穩健。

表8 穩健性檢驗

五、結論與啟示

本文以2006—2015 年中國上市公司為研究樣本，應用考慮部分可觀測問題的Bivariate Probit 模型，對分析師與上市公司欺詐之間的關系進行了充分的實證檢驗。結果顯示:一方面，分析師可以發揮積極的外部監督作用，分析師的關注度越高，上市公司的欺詐傾向越低，分析師可以有效減少公司欺詐的發生；另一方面，對于已經發生的欺詐事件，分析師關注度越高，欺詐事件被曝光的可能性越低，體現出一種掩蓋效應。分析師同時表現出積極和消極的公司治理作用。本文還發現，股市周期弱化了分析師的監督作用，并購活動強化了分析師的掩蓋效應。實證結果表明分析師實際上真正關心的是公司是否發生了“欺詐事件”，而非公司是否發生了“欺詐”。分析師的利己動機或激勵因素是造成上述現象的內在原因，中國資本市場目前的總體特征則是重要的外部推手:一是分析師會受到來自上市公司、所屬證券公司等各類市場主體的壓力，導致分析師的行為不能保持足夠的獨立性和客觀性；二是當前市場主導的分析師評價體系以及做空機制的匱乏，使分析師只能通過股價的上漲而難以通過揭露上市公司欺詐行為獲得足夠的私人收益，因此缺乏主動揭露上市公司欺詐行為的積極性，進而選擇積極地掩蓋上市公司欺詐活動，以防止股價的大幅下跌。

分析師雖然沒有監督上市公司的法定義務，但對公司信息進行真實、客觀的挖掘，對公司內部欺詐進行及早揭示，尤其是在股價大幅上漲前及早揭示，降低投資者風險，是分析師理應承擔的職責。在美國安然事件中，正是由于分析師和評級公司最先發現了安然財務報表的漏洞，才使這一驚天丑聞得以曝光，避免各方損失進一步擴大。分析師作為具有一定信息和專業能力優勢的市場主體，實際可以在揭露上市公司欺詐上發揮巨大的作用，而本文的研究結論表明，這一作用尚未在我國資本市場得到充分的體現。因此，建議一方面對“新財富”“水晶球”等分析師評價體系進行合理的修訂①適值本文審稿期間，“新財富”由于評選最佳證券分析師被曝光存在不正當競爭行為，宣布暫停2018 年該項評選。，不能將所有的投票權都掌握在機構投資者手中，或者不能以分析師推薦股票漲幅為單一的評價標準；另一方面，應當在把握總體風險的前提下，加快國內做空機制的發展步伐，以激勵分析師積極挖掘上市公司的欺詐活動，培育出一批中國的“渾水”和“香櫞”機構，這將極大地降低投資者和上市公司之間的信息不對稱程度，提高金融監管效率，有利于我國資本市場的長期、健康、穩定的發展。