上市公司高管連鎖網絡與分析師盈余預測精度

(西南交通大學 經濟管理學院,成都 610031)

在不完善的金融市場中,處于信息劣勢地位的投資者不僅常常缺乏必要的信息,還往往因專業能力的局限而難以對信息做出正確解讀。作為金融市場的信息中介,證券分析師基于公開和私人信息,憑借專業能力對所跟蹤的上市公司做出盈余預測,從而指導投資者的投資決策,并在市場估值、價格發現中起到重要作用[1]。有時候,分析師的盈余預測甚至成為了公司業績優劣的判斷標尺[2]。因此,分析師盈余預測的準確性一直都備受關注。一般認為,由于考慮了更多的信息,分析師盈余預測的準確性優于隨機游走的時間序列模型[3],并且隨著更多私人信息的加入,分析師給出的盈余預測的精度也更高[4-7]。

信息的傳遞依賴于特定的信息渠道,金融市場中的各個經濟體之間存在著千絲萬縷的聯系,這種聯系在金融市場的信息流動中具有重要作用,尤其是對于傳遞秘密性質的私人信息而言格外重要,因而深刻地影響著分析師的預測行為。Bae等[8]曾考察證券機構與被跟蹤公司之間的承銷關系帶來的私人信息對預測精度的作用;宋樂等[9]檢驗了證券機構內部人員在被跟蹤的上市公司擔任高管而形成的關聯關系對盈余預測的影響,但是由于這類信息渠道通常捆綁著上市公司和證券機構的共同利益,因而這些關系往往容易導致樂觀甚至激進的預測,關系渠道對私人信息的傳遞則未能得到有效識別。除開這類可能有利益交換的關系,Maggio等[10]發現,基金經理最重要的資源是與能提供私人信息的核心做市商之間的良好關系,這是提高其分析能力的重要因素。Cheng等[11]借助深交所上市公司強制披露的投資者到訪數據研究了分析師訪問對盈余預測的影響,發現分析師通過實地訪問可以挖掘出有別于其他渠道的私人信息,并給出更精確的盈余預測。劉文軍等[5]研究發現,聘任與被預測公司相同會計師事務所的證券機構做出的盈余預測更為準確,原因在于同聘的事務所作為關系渠道為證券機構提供了必要的私人信息。伊志宏等[6]研究發現,上市公司的基金股權關聯分析師能夠挖掘更多的公司特質信息,從而能做出更準確的盈余預測。Luo等[4]發現,分析師能夠從供應鏈的一家公司中得到另一家公司的信息,從而給出更精確的盈余預測。Han等[7]發現,當分析師同時關注兩家有連鎖高管的公司時,對這兩家公司各自做出的盈余預測都更為準確,原因是分析師能夠從一家公司中得到連鎖的另一家公司的某些共同的財務和非財務信息。

本文注意到,已有研究對私人信息流動的考察大多從信息接收方(如證券機構或分析師)的角度出發,忽略了作為私人信息傳播起點的上市公司在私人信息供給中的作用,難免存在缺憾。考慮到私人信息的傳遞往往發生于不同公司高管之間的人際交流中[12-16],因此,本文從公司董事、監事及高級管理人員跨公司任職的角度,以公司為主體,構建由這些高級管理人員相互連鎖而形成的上市公司高管連鎖網絡,考察上市公司所占據的連鎖網絡位置對分析師盈余預測精度的改進效果,并探究這種改進效果的內在作用機理。研究結果表明,上市公司的高管連鎖網絡上存在著泄露的私人信息,這些信息能夠被分析師捕獲,并反映在盈余預測中,最終豐富金融市場中的信息供給。公司的連鎖網絡中心度越高,私人信息的傳播和擴散就越充分,而企業間高管的互動則是私人信息得以傳遞的微觀基礎。

本文從私人信息供給的視角,較為領先地透視了企業所處的社會網絡位置如何影響私人信息的分發,并最終作用于分析師的盈余預測的路徑,有助于深化對上市公司私人信息往來的認識。本研究深入網絡中心度的表層,從高管互動的視角揭示了企業私人信息傳遞所依賴的微觀結構,有助于加強對上市公司私人信息流動過程及方式的理解。研究發現,只有形成實質性互動的關系才能構成真正意義上的社會關系網絡,這對以后的研究提出了新思考,有必要重新審視那些靜止的、中斷的社會關系,以確認其在社會關系網絡中的有效性。

1 理論分析與研究假設

在完善的金融市場中,上市公司的信息披露應當是及時而充分的,但現實中,公開渠道上的信息披露常常被機會主義挾持,管理層則成為了私人信息的集散地。與此同時,上市公司的高管又經常在不同公司身兼數職,建立起公司之間的連鎖關系,使得上市公司鑲嵌于由高管連鎖而形成的企業社會網絡之中。社會網絡理論從個體間的關系出發,將社會描述為由節點間聯結的集合構成的整體網絡[17],網絡中的節點直接或間接地與其他節點建立聯結,并且這種聯結促進了信息、資源等的傳遞和交換[18-19]。以往的研究較多地討論了企業社會關系為公司帶來的信息和資源,但較少關注社會關系如何影響企業私人信息的向外傳遞。盡管公司法對公司董事、監事和高級管理人員規定了勤勉義務和忠實義務,禁止高管擅自披露公司秘密,但企業高管間的人際交流在所難免,在共同的職業身份下,高管間的信息流動可能會導致上市公司的私人信息在公司間擴散。

對上市公司高管而言,社會網絡中的人際交流導致了明顯的信息泄露[20],這種信息泄露不僅可能在無意中發生,有時出于維護關系的需要或對某些資源與權利的要求,管理層也會主動向分析師或投資者透露私人信息[21]。在更多時侯,共同的職業身份使得高管相互之間的交流總是必須的、無處不在的,特別是在面對面的人際傳播中,諸如眼神、表情、動作等的副語言符號的參與常常讓傳遞者把本想隱藏的秘密暴露[13]。高管們有可能在毫無防備的狀態下,就企業的經營管理相互交換經驗和看法[12,14,16],不僅使得行業層面的非特質信息的擴散[22],甚至還會揭露敏感的事實,導致有價值的公司特質信息的泄露[13,15]。因此,不論是有意或無意,作為上市公司私人信息集散地的管理層自然地成為了私人信息傳播的源頭和起點,而企業的高管連鎖網絡勢必會影響私人信息的傳遞和擴散。但長時間以來,泄露的私人信息在金融市場中的流動過程卻仍然是黑箱般的存在。在社會網絡分析方法的幫助下,私人信息被高管泄露后在金融市場中的傳播、擴散及其影響開始得到文獻的關注[15]。

相關研究表明,關聯強度和信息質量會顯著影響信息的擴散過程[23]。有較多鏈接關系的初始節點發布的信息的擴散數量遠遠超過鏈接較少的初始節點,并且信息越稀缺、質量越高,其擴散和配置的速度就越快[23-24]。私人信息本就具有價值含量,各節點因此而具有爭相獲取這些私人信息的動機,而作為私人信息傳播的源頭,上市公司所處的社會網絡位置勢必會影響這些私人信息的擴散過程。高管連鎖關系越豐富的企業,私人信息泄露的可能性越高,缺乏私人信息的鄰近節點就越可能打探到該公司的私人信息,隨后再將其傳遞給其他臨近節點,從而使得私人信息在高管連鎖關系網絡上彌散。Cheng等[15]的研究佐證了這一觀點,他們通過社會網絡分析方法發現,董事連鎖構成了內幕信息泄露的渠道,并且上市公司在董事連鎖網絡上的位置與內幕交易顯著相關。在社會網絡分析中,一般用節點的網絡中心度來表征節點的網絡位置特征,位置中心度高的節點擁有更多的社會關系或占據更重要的渠道位置。本文主要關注企業的點度中心度、中介中心度和特征向量中心度這3類網絡中心度。根據Freeman[25]的研究,點度中心度反映某節點與其他節點的直接聯系數量,是節點形成各種間接關系的基礎。中介中心度關注的是某節點是否在關系渠道中占據樞紐地位,反映了該節點對信息和資源流動的控制能力。特征向量中心度尋找的是在網絡全局結構中最居于核心的行動者,認為節點的中心度受與它相連的其他節點的中心度的影響,即節點的特征向量中心度是與該節點相連的其他節點的中心度的函數[26]。網絡中個體的中心位置能夠顯著促進信息的擴散[27],上市公司的私人信息從自身開始,沿著連鎖關系建立的渠道向臨近節點流動,而處在網絡位置越中心的上市公司,其私人信息將被更多與之相連的節點獲取,并指數級地在節點間擴散,以該公司為預測對象的分析師,將越可能從社會網絡節點上捕獲這些私人信息,最終改進預測精度。據此提出假設:

H1處于高管連鎖網絡越中心位置的上市公司,被分析師做出的盈余預測精度越高。

H1a上市公司點度中心度越高,被分析師做出的盈余預測精度越高。

H1b上市公司中介中心度越高,被分析師做出的盈余預測精度越高。

H1c上市公司特征向量中心度越高,被分析師做出的盈余預測精度越高。

假如假設H1得到驗證,這也僅僅是發現了企業的高管連鎖網絡中心度與分析師盈余預測精度存在正向聯系,但這未必是因為企業通過連鎖網絡向外界傳遞了私人信息的緣故。為此,本文考慮從兩個方向加強對這一結論的佐證。一方面,考慮到分析師的盈余預測是在對公開信息和私人信息綜合利用后的結果,設想當企業提供的公開信息不充分時,分析師將越依賴企業通過連鎖網絡向外界散播的私人信息。因此,可以考察企業公開信息充分和不充分這兩種情況下企業所處的網絡位置對盈余預測精度的改進作用是否存在差別,進而間接證明企業是否通過連鎖網絡傳遞了私人信息從而改善了分析師盈余預測精度。據此提出假設:

H2當上市公司的公開信息不充分時,網絡中心度對分析師盈余預測精度的提升更明顯。

另一方面,本文提出上述假設的立足點在于,處在連鎖網絡越中心位置的企業,私人信息越有可能由于豐富的企業間連鎖關系而泄露。而透過企業間連鎖關系的表層,在一個典型的人際傳播過程中,私人信息的傳遞事實上發生于兩個連鎖企業的高管之間。這說明,公司之間存在的連鎖關系僅僅意味著私人信息具備了由一家公司傳遞到連鎖的另一家公司的條件,但私人信息能否真正得以傳遞,本質上取決于兩公司高管之間的人際交流。考慮這樣一種情況,A 公司的一名高管甲同時在B 公司擔任高管,A、B公司由此建立連鎖關系,這意味著A 公司的私人信息存在泄露給B 公司的可能,但若甲沒有與B公司任何其他高管互動的機會,那么,A 公司的私人信息也無法通過高管甲傳遞到B公司。因此,高管之間的互動機會是私人信息傳遞的基本條件,只有當公司高管與連鎖公司的其他高管進行有效互動時,企業高管連鎖網絡才能真正建立起私人信息傳遞的通路。據此提出假設:

H3當公司高管與連鎖公司的其他高管互動機會越多時,網絡中心度對分析師盈余預測精度的提升越明顯。

2 研究設計

2.1 數據來源

選取滬深兩市A 股上市公司為研究樣本,從CSMAR 數據庫收集了2011～2017年度全體證券分析師對當年(包含年度終了至年報公布期間)的盈余預測數據,共326 193條。僅保留每家證券機構從年初至被跟蹤上市公司當年財報公布日前對其做的最后一次預測,共128 255條。剔除當年內被少于3家證券機構跟蹤的上市公司,最終得到120 931條。再以被跟蹤上市公司為對象,計算全體證券機構一致預測的精確程度,得到11 272 個公司-年度觀測值。在搜集其他控制變量并剔除存在缺失值的樣本后,最終得到9 648個公司-年度觀測值。本文的主要數據均來自CSMAR 數據庫,并對所有連續變量進行了上下1%的Winsorize處理。

2.2 變量定義

2.2.1 被解釋變量 本文的被解釋變量為盈余預測精度,使用全體證券機構對某上市公司的一致預測為基礎來測算該公司的被預測精度。使用一致預測的原因在于,它代表全體證券機構對該公司盈余的一致結論,抹去了單個證券機構及分析師個人特征帶來的影響,能夠更好地體現上市公司自身特質對盈余預測精度的影響。該公式為

2.2.2 解釋變量 本文的解釋變量為上市公司高管連鎖網絡中心度,分為點度中心度(DC)、中介中心度(BC)和特征向量中心度(EC)3種。為了取得各上市公司的中心度指標,基于CSMAR 數據庫中的高管個人資料文件,在查找并補齊缺失字段后,針對每家上市公司的每位董事、監事和高級管理人員,綜合考慮他們的姓名、性別、年齡、教育背景、職稱和個人簡歷,以識別出同時任職于多家公司的高管。若至少有一名高管同時任職于A、B兩家公司,則認為公司A、B之間建立了高管連鎖關系。照此方式,通過手工整理和匹配形成A 股上市公司的高管連鎖關系矩陣,并使用UCINET 6刻畫上市公司社會網絡結構,計算上述3類中心度指標。為了保留更完整的網絡信息,本文的高管連鎖關系網絡包含全體A 股上市公司。使用以網絡規模標準化之后的相對網絡中心度,以消除網絡規模對中心度的影響。

點度中心度的計算方法為

式中:g為節點總數;為節點Ni與其他g-1個節點j(i≠j)之間的直接聯系數量。計算得到的數值越大,表明該節點與其他節點的直接聯結越多。

中介中心度的計算方法為

式中:g為節點總數;gjk為點j、k間測地距的路徑數量;gjk(Ni)為點j、k之間所有經過點i的測地距路徑的數量。計算得到的數值越大,表明其他節點越依賴該節點進行聯系,或者說該節點占據的渠道位置越重要,對信息流動的影響力越強。

特征向量中心度的計算方法為

式中:g為節點總數;A=(aij)為網絡的鄰接矩陣,當節點對(i,j)存在聯結,aij取1,否則為0。λ是A的最大特征值,ej是節點j的特征向量中心度。計算得到的數值越大,表明該節點在全局網絡中越居于中心地位。

2.3 實證模型

本文主要構建了如下模型進行實證分析:

上述模型中,Accuracy表示上市公司被證券機構做出的一致盈余預測的精度,每個公司在每一年度的被預測精度是唯一的,不與某個證券機構或分析師直接對應,抹去了做出預測的單個證券機構或分析師的個人特征,使得本文可以更好地專注于探討公司自身特質對分析師盈余預測精度的影響。Centrality表示上市公司的網絡中心度,分為DC、BC和EC等3 種,預期系數α為正。模型中的Control為控制變量向量,包括:Lev為上市公司資產負債率,總負債與總資產之比;Ins為上市公司股東中的機構投資者持股比例;Fsr為上市公司第一大股東持股比例;Earv表示上市公司盈余波動性,等于近3年每股收益的標準差;Growth為上市公司營業收入增長率;Follower為跟蹤該上市公司的分析師數目;INDUS是行業虛擬變量,以2012版證監會行業分類標準的首字母劃分;YEAR 是年份虛擬變量。

3 實證分析

3.1 描述性統計

表1給出了主要變量的描述性統計結果。上市公司被預測精度Accuracy均值為-1.085,標準差為1.500,顯示不同公司間的被預測精度存在明顯差異。相對網絡中心度DC、BC和EC最小值均為0,這是因為本文構建的高管連鎖網絡中包含不與其他公司存在高管兼任的孤點,從標準差來看,各公司的網絡位置也存在明顯不同。Fsr均值為0.357,顯示第一大股東平均持股35.7%,一股獨大現象較為突出。Earv均值為0.217,標準差為0.221,樣本中各公司盈余的波動性存在較大不同。從Follower的統計結果來看,樣本公司平均被18位左右的分析師跟蹤,跟蹤一家上市公司的分析師最少有3位,而最多有71位。整體上,各變量統計特性良好。本文也對各變量進行了相關性分析,發現3個中心度指標存在一定的相關性,但是由于三者并不同時加入回歸模型,故不產生影響。除此以外,未發現其余自變量之間高度相關的情況,后文中本文也對每組回歸做了方差膨脹因子檢驗,進一步排除了多重共線性的干擾。

表1 主要變量描述性統計

3.2 多元回歸分析

3.2.1 上市公司網絡位置與盈余預測精度 首先,檢驗上市公司網絡中心度和被預測精度的關系,表2給出了回歸結果。在表2中,DC的偏回歸系數為0.213(t=2.018),顯示點度中心度在5%的顯著性水平上提升了上市公司的被預測精度,即擁有越多直接關系的上市公司,被證券機構做出盈余預測的準確度越高。BC的偏回歸系數為0.187(t=2.547),顯示上市公司的中介中心度在5%的顯著性水平上提升了上市公司的被預測精度,即在關系渠道中占據重要樞紐位置的上市公司,被證券機構做出盈余預測的準確性越高。EC的偏回歸系數為0.011(t=1.594),即與有較高中心度的節點相連時,上市公司被做出的盈余預測的準確性越高,但這種關系在統計上的顯著性稍差。上述結果表明,上市公司所處的網絡位置的確影響著分析師做出的盈余預測精度,并且擁有的直接高管連鎖關系越多、占據的渠道位置越重要,被分析師做出盈余預測的精度越高。據此,假設H1得到檢驗。此外,上市公司的資產負債率、盈余的波動性降低了分析師的預測精度,而隨著機構投資者持股比例、第一大股東持股比例、營業收入增長率和跟蹤的分析師人數增加,盈余預測的準確性提高。

表2 上市公司網絡位置與盈余預測精度回歸結果

3.2.2 不同公開信息狀況下的公司網絡位置與盈余預測精度 上市公司網絡中心度能夠提升盈余預測精度已經得到驗證,進一步檢驗假設H2。注意到,跟蹤一個上市公司的分析師人數是企業公開信息的代理變量[28-29],當跟蹤一個上市公司的分析師人數越多時,上市公司的公開信息得到了越充分的挖掘。借鑒該思路,按照跟蹤上市公司的分析師人數的多少,將上市公司分為兩類:若跟蹤某上市公司的分析師人數多于上市公司跟蹤人數的中位數,則認為該上市公司的公開信息較充分;否則,該上市公司公開信息不充分。穩健起見,參考深圳證券交易所每年對該所的上市公司信息披露質量的考評結果,將被評為優秀的公司歸類為公開信息較充分,其余公司歸類為公開信息不充分,分組回歸結果如表3所示。

表3 不同公開信息狀況下的公司網絡位置與盈余預測精度回歸結果

由表3可以看出,在(1)～(3)列中,企業點度中心度(DC)、中介中心度(BC)的偏回歸系數顯著為正,表明在跟蹤上市公司的分析師數目少于等于中位數的樣本中,企業的網絡中心度對盈余預測精度存在明顯的提升作用;但在(4)～(6)列中,企業網絡中心度的作用不再顯著,表明在分析師數目多于中位數的樣本中,企業網絡中心度對盈余預測精度的提升作用不再明顯。類似地,表3中(7)～(9)列的結果表明,在上市公司信息披露質量考評未達“優秀”的樣本中,企業網絡中心度對盈余預測精度的提升效果明顯存在;但(10)～(12)列的結果顯示,在信息披露質量考評為“優秀”的樣本中,企業網絡中心度對盈余預測精度的提升作用不再明顯。綜上而言,當上市公司公開信息較充分,即分析師對私人信息的依賴程度較低時,企業網絡中心度對盈余預測精度沒有明顯影響;而當上市公司公開信息不充分,即分析師對私人信息的依賴程度較高時,企業網絡中心度對盈余預測精度表現出明顯的改善作用。至此,假設H2得到驗證。該結論表明,上市公司所處的網絡位置影響分析師盈余預測精度的原因正是在于高管連鎖網絡對私人信息的傳遞。

3.2.3 不同高管互動機會下的公司網絡位置與盈余預測精度 借鑒Cheng等[15]的研究,以公司高管在其連鎖公司中能夠進行交流的其他高管的人數總數來衡量高管的互動機會。例如,若A 公司有高管甲同時在B公司擔任高管,有高管乙、丙同時在C公司擔任高管,B公司共有25名高管,C公司共有20名高管。在這種情形中,高管甲在B公司中有機會向除自己以外的其余24名高管傳遞A公司的私人信息,高管乙在C 公司中有機會向除自己和同樣來自A 公司的高管丙以外的其余18名高管傳遞A 公司的私人信息,高管丙在C 公司中有機會向除自己和同樣來自A 公司的高管乙以外的其余18 名高管傳遞A 公司的私人信息。因此,A 公司的高管互動機會為:24+18+18=60。按照這一規則統計每家公司的高管互動機會,由于該變量可能與網絡中心度共線性,參考Cheng等的做法,依照行業中位數將樣本區分為互動機會多的樣本和互動機會少的樣本,分樣本回歸結果如表4所示。

表4 不同高管互動機會下的公司網絡位置與盈余預測精度回歸結果

由表4可以看出,在(1)～(3)列中,企業點度中心度(DC)、中介中心度(BC)的偏回歸系數顯著為正,表明在高管互動機會多的樣本中,企業的網絡中心度對盈余預測精度存在明顯的提升作用;但在(4)～(6)列中,企業網絡中心度的偏回歸系數不再顯著,表明在高管互動機會少的樣本中,企業網絡中心度對盈余預測精度的提升作用并不明顯。該結果表明,連鎖公司高管間的互動是使得企業高管連鎖網絡建立起私人信息傳遞通路的微觀基礎。這一結果也印證了上市公司所處的網絡位置影響分析師盈余預測精度的原因正是在于高管連鎖網絡對私人信息的傳遞。

3.3 穩健性檢驗

(1)剔除金融、保險行業的上市公司并重新做檢驗,結果如表5第(1)列所示,與上文基本一致。

(2)為了避免上市公司股票增發、分拆、轉增等行為對每股收益產生影響,以分析師對凈利潤的預測重新測算盈余預測精度。新的盈余預測精度計算公式為

(3)本文用一個二值變量Accuracy3i,t來刻畫盈余預測是否精確。計算下列公式:

(4)由于只有當期的高管連鎖關系才能傳遞上市公司當期的私人信息,并最終影響分析師預測的精度,故上文中使用的網絡中心度指標均是當期的數據。為了排除可能存在的內生性問題,本文使用工具變量加以緩解。構建工具變量的思路是,當一名高管在其任職的某家公司未領取薪酬時,他很可能同時在其他單位擔任職務,從而增加該公司的高管連鎖關系和網絡中心度。本文統計了每家上市公司當年未領薪高管的數量,加1并取自然對數,記為NoPay,作為公司網絡中心度的工具變量。表5第(4)、(5)列展示了以DC為例的工具變量的回歸結果,在第1階段中,NoPay的系數顯著為正,工具變量的相關性得到滿足,Cragg-Donald WaldF值為162.55,可排除弱識別問題。第2階段的回歸結果顯示,在控制了可能的內生性后,DC的偏回歸系數仍舊顯著為正,表明越處在關系網絡中心位置的企業,被做出的盈余預測精確度越高。限于篇幅,上述穩健性檢驗僅給出了以DC作為解釋變量的回歸結果。

(5)盡管企業的點度中心度、中介中心度和特征向量中心度等指標均只反映了企業所處的社會網絡位置特征的某一側面,但為了得到企業網絡中心度的綜合指標,還是將這3個指標進行了降維處理,通過主成分分析將其綜合成一個指標,記為Centrality_F。表5第(6)列給出了新的回歸結果,Centrality_F的系數仍然顯著為正,再次表明處在連鎖網絡中心位置的企業,被做出的盈余預測的精確度越高。

綜合上述穩健性檢驗,可以認為本文的實證結果是穩健的。

3.4 進一步研究:不同業績類型下的公司網絡位置與盈余預測精度

在完善的金融市場上,公開渠道的消息披露本應無差別地對待好消息和壞消息,但實際中,掌握主動權的管理層往往在消息披露上表現出機會主義行為,傾向于延遲披露、甚至藏匿壞消息。既然高管之間存在私人信息的交流,那么,這些私人信息是否會包含公開渠道上常常缺乏的壞消息? 因為好消息通常已經在公開渠道被及時披露,所以私人信息中的好消息價值不大,對盈余預測精度的提升將不明顯,而私人信息中的壞消息則能夠糾正分析師對績效較差公司的信息偏差,從而有效提升盈余預測精度,即業績較差公司的網絡中心度對盈余預測精度的提升作用比業績較好公司的網絡中心度對盈余預測精度的提升作用更明顯。為了驗證這一猜想,將樣本分為好消息型樣本和壞消息型樣本分別檢驗。饒育蕾等[30]以凈利潤增長率是否達到行業平均值來區分企業業績的好壞,但考慮到平均值易受極端值的影響,本文以行業中位數為界限進行區分。穩健起見,分別從凈利潤增長率和營業收入增長率兩個層面考察公司業績,若公司凈利潤增長率或營業收入增長率達到或超過行業中位數,則視其為好消息型公司;若公司凈利潤增長率或營業收入增長率不及行業中位數,則視其為壞消息型公司。表6所示為分組回歸的結果。

由表6可以看出,在(1)～(3)列中,企業網絡中心度的作用并不顯著,表明在凈利潤增長率好于行業中位數的樣本中,企業網絡中心度對盈余預測精度無明顯的提升作用;但在(4)～(6)列中,企業點度中心度(DC)、中介中心度(BC)和特征向量中心度(EC)的偏回歸系數顯著為正,表明在凈利潤增長率不及行業中位數的樣本中,企業的網絡中心度對盈余預測精度存在明顯的提升作用。類似地,表6

中(7)～(9)列的結果顯示,在營業收入增長率好于行業中位數的樣本中,企業網絡中心度對盈余預測精度的提升作用并不明顯;但(10)～(12)列的結果顯示,在營業收入增長率不及行業中位數的樣本中,企業網絡中心度對盈余預測精度的提升效果明顯。綜上而言,當上市公司業績較好時,企業已經通過公開渠道充分披露了好消息,而使關系網絡上的私人信息價值含量降低,上市公司所處的網絡位置對盈余預測精度沒有明顯效果;當上市公司業績較差時,公開渠道上披露的壞消息相對缺乏,而企業的網絡中心度對盈余預測精度表現出明顯的改善作用。該結論表明,企業的高管連鎖關系網絡能夠有效傳遞企業尚未在公開渠道披露的壞消息,從而彌補證券機構的信息缺失,充盈了分析師盈余預測的信息含量。

表5 穩健性檢驗結果

表6 不同業績類型下的公司網絡位置與盈余預測精度回歸結果

4 結論

本文以2011～2017年度滬深兩市A 股上市公司為樣本,構建基于高管連鎖的上市公司社會關系網絡,透視了企業所處的網絡位置對私人信息供給的影響,以及最終如何作用于分析師的盈余預測精度。研究發現:

(1)上市公司高管連鎖網絡中心度能顯著提升分析師盈余預測精度,其中,上市公司的點度中心度和中介中心度的作用最為明顯,而特征向量中心度的作用則稍弱。這表明,上市公司自身能接觸的關系網絡在私人信息的傳播和擴散中具有明顯的作用,而是否與其他關系資源豐富的節點相連則并不十分關鍵。

(2)上市公司所處的網絡位置影響分析師盈余預測精度的原因在于其對私人信息的傳遞,分析師越依賴于私人信息,高管連鎖網絡上流動的私人信息越能充盈分析師的信息。

(3)當上市公司高管互動機會較多時,網絡中心度能明顯提高分析師盈余預測精度。這表明,高管互動是私人信息在企業社會網絡上流動的微觀基礎。因而,只有互動中的企業社會網絡才能充分展現出傳遞信息的功能,以后的研究有必要重新審視那些靜止的、或者實質上中斷的社會關系,以評判它們的價值和影響。

(4)進一步研究還發現,企業高管連鎖網絡提供的私人信息中包含了公開渠道上常常被延遲披露、甚至被隱藏的壞消息,從而糾正了分析師的公開信息偏差,充實了分析師盈余預測的信息含量。在上市公司選擇性披露消息的機會主義行為難以從根本上矯正的困境下,這一結論建議應考慮如何在制度安排上進一步發揮分析師的信息中介作用,以捕獲流動于企業高管連鎖網絡上的私人信息,并以盈余預測的形式將其注入金融市場,從而在一定程度上緩解信息的不對稱。

本文從私人信息傳遞的角度揭示了上市公司高管連鎖網絡位置與分析師盈余預測精度的內在聯系,豐富了社會網絡、信息擴散與分析師盈余預測的相關研究,有助于加強對上市公司私人信息流動方式的理解。同時,本文的研究成果還肯定了證券分析師在緩解金融市場信息不對稱中的重要作用。盡管目前我國上市公司的信息披露制度并不完備,還常常被機會主義動機所挾持,但分析師市場能夠在一定程度上捕捉企業在社會關系網絡中散布的有效私人信息,并將其反映在一致預測中,為投資者的投資決策提供了參考價值。在認為高管連鎖形成的信息通道將引起內幕交易的既有研究以外,本文注意到這些私人信息將通過分析師最終融入金融市場,為進一步看待高管連鎖的信息泄露提出了新的側面,也對緩解金融市場信息的信息不對稱提供了新的視角。