證券分析師數量與行業研究報告質量*
——來自證券公司關閉的證據

馬雪琳，劉 杰，吳崇林，孫淑曉

（1.福建農林大學經濟與管理學院，福建 福州 350002；2.閩江學院，福建 福州 350108）

一、引言

證券分析師作為資本市場的信息中介，發布的研究報告能夠影響投資者的決策以及公司股票的定價效率，對資本市場的健康穩定發展起到重要作用。然而，近年來，在證券公司關閉數量增多的背景下，行業分析師數量趨于下降，如2019年出現證券公司合并潮，當年共減少證券公司12家，行業中分析師人數減少261人。與此同時，“研報門”事件①“研報門”事件通常指證券分析師發布涉嫌誤導證券市場投資者的研究報告。頻出對投資者和資本市場形成較大的負面沖擊，如2011年RX證券自夸自買“寧波聯合”、ZX證券發布“涪陵榨菜”天價榨菜研報，2016年ZJ證券研報點評“通策醫療”業務張冠李戴鬧烏龍，2020年GX證券虛假陳述“美年健康研報門”。對此，我們不禁疑問，分析師數量減少是否會降低研究報告質量？若答案是肯定的，存在何種影響機制？進一步地，分析師數量變動是否對證券市場的定價效率產生影響？

與成熟的資本市場相比，我國證券分析師行業起步較晚。受限于數據資料不足②從國泰安（CSMAR）數據庫來看，國內從2001年開始才有證券分析師盈余預測相關數據， 2006年以后才有較多的研究報告數據。，關于分析師數量與行業研究報告質量關系的實證研究仍較為缺乏。較有代表性的Hong和Kacperczyk（2010）、岳衡和林小馳（2008）以及李春濤等（2013）的研究表明，關注同一上市公司的分析師數量增加對上市公司研究報告的質量有積極影響。但是，以往文獻忽略了證券公司分析師數量變化對行業其他公司造成的影響。具體而言，分析師數量增加能夠加劇競爭（Hong和Kacperczyk，2010），促使行業內分析師進行更高質量的研究來區分自己和其他分析師。此外，分析師會經常參考同行業其他分析師的研究報告，所以更高質量的研究可以為行業中的其他分析師提供更多的信息（Clement等，2011）。因此，新進入的證券分析師不僅會對其所跟蹤公司的研究報告質量產生影響，對跟蹤行業中其他公司的研究報告質量也會產生溢出效應。與此相反，若分析師數量下降，則會產生負向信息溢出效應，降低企業和行業的研究報告質量。為回答前文所提問題，本文首先根據證券公司最后一次發布研究報告的時間確定了66家證券公司關閉的時間，并匹配出所屬證券公司的失業分析師和失業分析師失業前跟蹤的上市公司，逐月統計行業中的失業分析師數量，構建分析師數量下降的指標。其次，實證檢驗了分析師數量下降對行業研究報告質量的影響程度及其影響機制和市場后果。發現分析師數量下降減弱了分析師的競爭程度，增加了行業中分析師的預測偏差和預測樂觀度，使整個行業的研究報告質量降低，產生了負向信息溢出效應。這種影響在分析師覆蓋率低、收益不易預測的行業中更為顯著。進一步地，本文發現分析師數量下降產生的負向信息溢出效應減少了股價中的行業信息量，增加了行業股價同步性，導致證券市場定價效率降低。

本文可能的創新點是：第一，改進分析師數量測算方法，減輕變量的內生性問題。已有文獻在測算分析師數量時往往忽視了變量的內生性問題，如李春濤等（2013）使用跟蹤一家公司的分析師數量和跟蹤一家公司的機構數目作為分析師數量的測度。該方法下分析師數量和研究報告質量存在反向因果關系，分析師和機構可能偏好對研究報告質量更好（或者更差）的公司進行跟蹤。本文采用因證券公司關閉導致的失業分析師數量作為分析師數量下降指標。證券公司關閉取決于證券公司內部因素，與其跟蹤的行業無關，是一個理想的外生沖擊。此外，本文僅統計所屬證券公司關閉后一年內沒有發布研究報告的分析師數量，這部分分析師可以判斷為因無法在行業中再就業而轉行，證券公司關閉成為一個競爭的自然實驗。第二，填補了分析師數量下降對行業研究報告質量溢出影響及其影響機制的研究空白。現有文獻較多關注跟蹤同一上市公司的分析師數量減少對該公司信息環境（Hong和Kacperczyk，2010）、經營管理（Chen等，2015；Kim等，2019）、財務決策（Derrien和kecskés，2013；劉少波等，2021）的直接影響，鮮有研究某一公司的分析師減少對同行業其他公司研究報告質量的溢出效應。本文是對分析師價值和行業研究的有益補充和拓展，能夠為監管部門引導證券分析師行業的規范發展提供指導和啟發。

二、理論分析與研究假設

（一）證券分析師與行業研究報告質量

證券分析師對于塑造資本市場的信息環境具有重要作用（吳偎立等，2020）。上市公司的跟蹤分析師數量越多，有利于分析師作出準確的企業盈利預測（Hong和Kacperczyk，2010；岳衡和林小馳，2008；李春濤等，2013），也有利于加強對企業的監督（Chen等，2015；李春濤等，2016），更好地挖掘企業創新活動信息，提升資本市場對企業創新活動的認同度，促進企業創新投資（徐欣和唐清泉，2010）。反之，分析師跟蹤數量減少會增加信息不對稱，從而增加企業融資成本，導致公司的投資和融資減少（Derrien和kecskés，2013），加大公司未來的股價崩盤風險（Kim等，2019）。

研究報告的質量取決于分析師的專業能力、信息渠道和獨立性。在專業能力方面，從業年限（Mikhail等，2003；何慧華和方軍雄，2019）、明星分析師頭銜（Fang和Yasuda，2009；張然等，2017）、學歷水平（Bertrand和Schoar，2003）以及行業專長（劉永澤和高嵩，2014）能夠反映分析師的專業能力，對分析師在研究報告中的預測表現具有重要影響。在信息渠道方面，上市公司的信息披露（白曉宇，2009）和媒體報道（周開國等，2014）等公開信息，由于成本較低、易于獲取，是分析師最主要的信息來源，能夠顯著影響研究報告的質量。此外，分析師通過實地調研（楊青等，2019）或者參與上市公司的交流會（Green等，2014）私下獲取的非公開信息，也能夠對研究報告的質量產生重大影響。在獨立性方面，國內外學者均一致認為，證券分析師受制于各種利益關系難以保持獨立性，傾向于在研究報告中發布樂觀的盈余預測，降低研究報告質量。證券分析師之所以這樣做，主要有五種動機：一是為所在證券公司爭取承銷業務（Bessler和Stanzel，2010；吳超鵬等，2013）；二是獲取機構投資者的分倉傭金（許年行等，2012；Gu等，2013）；三是增加交易費用（Jackson，2005；曹勝和朱紅軍，2011）；四是維護與上市公司管理層的關系以獲取私有信息（Francis和Philbrick，1993；孫淑偉等，2019）；五是為了自身的職業發展（Bradshaw，2011；褚劍等，2019）。

（二）證券分析師數量變化與行業研究報告質量

分析師數量增加會導致競爭加劇（Hong和Kacperczyk，2010）。分析師在行業排名和行業聲望等方面的競爭，能夠促使分析師進行更高質量的研究來區分自己和其他分析師。又由于分析師會經常參考同行業其他分析師的研究報告（Clement等，2011），因此更高質量的研究可以為行業中的其他分析師提供更多的信息，進而提高所在行業的研究報告質量。因此，新進入的證券分析師不僅會對其所跟蹤行業中的公司x1研究報告質量產生影響，對行業X中的其他公司研究報告質量也會產生溢出效應；反之，若分析師數量下降，則會產生負向信息溢出效應，降低行業研究報告質量（見圖1）。

圖1 證券分析師數量下降的溢出效應

進一步地，若分析師數量變化對行業研究報告質量的影響是由分析師競爭變化驅動的，隨著分析師數量的下降、行業競爭減小，這種負向溢出效應會不斷減弱。本文通過預測偏差和預測樂觀度兩個指標衡量分析師的研究報告質量。以預測偏差為例，分析師下降相同的數量（△x2=△x1），對降低行業研究報告質量的影響是不斷減弱的（△y2＜△y1）。

基于以上分析，提出本文的第一個研究假設：

H1a：分析師數量下降將增大證券分析師的預測偏差和預測樂觀度，降低行業研究報告質量。

H1b：隨著分析師數量的下降，其對行業研究報告質量的不利影響會不斷減弱。

（三）證券分析師數量下降、行業分析師覆蓋率與行業研究報告質量

若分析師數量變化是通過改變行業競爭程度影響該行業研究報告的質量，則分析師數量下降對不同競爭壓力的行業的研究報告質量影響應該是不同的。基于Gentzkow和Shapiro（2008）的研究，當市場上有大量的傳媒公司，失去一個傳媒公司不太可能影響新聞的報道，但當市場上只有少數傳媒公司時，失去一個傳媒公司很大可能會影響新聞報道。如果一個行業擁有大量的分析師跟蹤，那么分析師數量的下降對這些行業研究報告質量的影響將下降到較低的水平。由此，提出本文的第二個研究假設：

H2：分析師數量下降對分析師覆蓋率高的行業的研究報告質量影響較小。

（四）證券分析師數量下降、行業收益預測難度與行業研究報告質量

歷史盈余數據是分析師進行預測的重要信息來源，公司盈余波動越大，從歷史盈余數據中預測未來收益的難度越高（Kross等，1990；石桂峰等，2007；岳衡和林小馳，2008）。同理，如果一個行業中的公司收益可以通過行業歷史盈余數據推算，而不太依賴于行業公司間的異質信息，這不僅說明該行業中的公司收益高度相關，也意味著該行業中的公司收益易于預測，此時該行業擁有更多分析師的價值相對較低。當行業中的公司收益易于預測時，個別分析師離開該行業，行業損失的信息較少，分析師數量下降影響較小。基于此，提出本文的第三個研究假設：

H3：分析師數量下降對收益易于預測的行業的研究報告質量影響較小。

（五）證券分析師數量下降與行業股價同步性

分析師研究報告向市場提供的信息會對股票估值產生影響（Asquith等，2005；Bradley等，2014）。股價中包含的公司特質信息越多，股價越能夠反映公司的實際價值，引導資本市場實現資源的最優配置，而并非僅僅跟隨市場走勢波動，因此股價同步性可作為衡量公司股價信息含量的指標，反映證券市場的定價效率。分析師的活動能夠增加股價中公司層面的特質信息，降低公司股價同步性，提高資本市場的運行效率（朱紅軍等，2007；姜超，2013）。然而，公司之間并非相互獨立，尤其是處在同一行業中的公司是相互影響的，單家公司的信息會對行業中的其他公司產生溢出效應（Kim等，2008）。分析師利用從同行業其他公司獲取的信息可以提高預測的準確性（Hilary和Shen，2013；劉永澤和高嵩，2014）。基于此，本文預期分析師數量下降產生的負向信息溢出效應對行業信息含量會有負面影響，增加行業股價同步性。同樣地，若分析師數量變化對行業股價同步性的影響是由分析師競爭變化導致的，隨著分析師數量的下降，行業競爭減小，這種負向溢出效應會不斷減弱。由此，提出本文的第四個假設：

H4a：分析師數量下降會增加行業股價同步性，降低證券市場定價效率。

H4b：隨著分析師數量的下降，其對證券市場定價效率的不利影響會不斷減弱。

三、研究設計

（一）樣本選擇與數據來源

本文使用的分析師預測數據、上市公司財務數據、股票市場交易數據均來源于國泰安（CSMAR）數據庫，樣本期間為2006—2020年。其中，對分析師預測數據作如下處理：①因分析師作出預測的時間與預測年度間隔不同會對預測偏差、預測樂觀度產生不同影響，僅保留分析師對上市公司的當年預測；②僅保留同一分析師對同一上市公司當月的最后一次預測。本文按照證監會行業分類2012版門類分類標準，將上市公司劃分為19個行業。剔除缺失值后，最終得到3027個觀測值。

（二）變量設計

1.分析師的下降數量（AnalystDrops）

本 文 參 照Hong和Kacperczyk（2010）、Derrien和kecskés（2013）、Chen等（2015）以及Kim等（2019）的做法，使用證券公司關閉這一事件作為外生沖擊，通過匹配確定失業分析師及其失業前跟蹤的上市公司，按行業逐月統計出分析師的下降數量。導致證券公司關閉的常見原因有兩種：一是證券公司在經營過程中出現違法違規、未能清償到期債務等問題使其被撤銷、托管、接管或破產；二是為了補齊業務短板、擴張市場份額而發生的證券公司合并。因此，證券公司關閉取決于證券公司內部因素，而與其跟蹤的行業無關，是一個理想的外生沖擊。本文根據證券公司最后一次發布研究報告的時間確定了66家證券公司關閉的時間，如果分析師在所屬證券公司關閉后的一年內沒有發布研究報告，則判定其因無法在行業中再就業而轉行，計入失業分析師數量。

2.研究報告質量

分析師在對公司未來盈利作出預測時，會因信息不對稱而產生偏差。Hong和Kacperczyk（2010）的研究表明競爭具有約束作用，分析師數量減少導致的競爭減小會導致分析師預測樂觀度增加。因此，本文使用預測偏差（Biasi,s,t）和預測樂觀度（Optimismi,s,t）兩個指標衡量分析師研究報告質量。Biasi,s,t為行業i分析師在第t年第s月的預測偏差，定義為分析師預測的每股收益值與實際每股收益值之差的絕對值。為了消除公司間的異質性，將其除以分析師預測的每股收益值進行調整，并對預測偏差求平均值。Optimismi,s,t考慮了偏差的方向，為行業i分析師在第t年第s月的預測樂觀度。

其中：fepsj,s,t,k表示第k個分析師在第t年第s月對j公司作出的每股收益指標預測值；epsj,t對應j公司第t年每股收益的實際值；j剔除了行業中上一個月經歷分析師下降的公司，以考察分析師數量的下降對該行業中其他沒有經歷分析師跟蹤變化的公司研究報告質量的影響，即分析師的下降數量對行業研究報告質量的溢出效應。

3.行業分析師覆蓋率（HighCoverage）

本文將行業分析師覆蓋率定義為對某一行業進行跟蹤的分析師數量。由于分析師通常會定期提供報告，每月一次或者更頻繁。因此，本文根據研究報告的月度發布情況統計當月對各行業進行跟蹤的分析師數量。如果一個行業分析師覆蓋率高于該月各行業的中位數，虛擬變量HighCoverage賦值為1，否則賦值為0。

4.行業收益預測難度（HighR2）

其中：ROAj,i,q,t表示第t年第q季度行業i公司j的資產回報率。ROAi,q,t表示第t年第q季度行業i的資產回報率，按照行業中各公司流通市值為權重加權平均計算得到。若一個行業的年度R2i,t高于該年各行業的中位數，則認為該行業該年收益易于預測，虛擬變量HighR2賦值為1，否則賦值為0。

5.行業股價同步性（Synch）

其中：IndReti,w,t表示第t年第w周行業i的收益率，按照行業中各公司流通市值為權重加權平均計算得到。MarketRetw,t表示第t年第w周市場收益率。Synchi,t表示第t年行業i的股價同步性。

6.控制變量

本文參考Merkley等（2017）與唐雪松等（2019）的做法，選取分析師經驗（AnalystExperience）、市值規模（Size）、資產回報率（Roa）、盈利能力變化（△Roa）、賬面市值比（Mb）、業績增速（SalesGrowth）作為控制變量。

為了避免異常值對實證結果造成的潛在影響，本文對連續型變量進行了1%的雙向縮尾處理。主要變量的具體定義如表1所示。

表1 變量定義

（三）模型設定

本文建立模型（6）檢驗假設H1a：

其中：FEi,s,t為衡量研究報告質量的預測偏差（Biasi,s,t）和預測樂觀度（Optimismi,s,t）。若β1顯著為正，則代表證券分析師數量下降能夠降低行業研究報告質量。在模型（6）的基礎上，引入分析師下降數量的平方項AnalystDrops2i,s,t，建立模型（7）檢驗假設H1b。若β2顯著為負，則說明隨著分析師數量的下降，其對行業研究報告質量的不利影響會不斷減弱。

建立模型（8）檢驗假設H2，模型中加入了AnalystDropsi,s,t與HighCoveragei,s,t的交互項。若β2顯著為負，則代表分析師數量下降對分析師覆蓋率較高的行業的研究報告質量影響不大。

建立模型（10）檢驗假設H4a。若β1顯著為正，則代表分析師數量下降會增加行業股價同步性，降低證券市場定價效率。

基于模型（10），引入分析師下降數量的平方項AnalystDrops2i,s,t，建立模型（11）檢驗假設H4b。若β2顯著為負，則代表隨著分析師數量的下降，其對證券市場定價效率的不利影響會不斷減弱。

四、實證分析

（一）描述性統計分析

表2為主要變量的描述性統計結果。分析師下降數量（AnalystDrops）的均值為0.8827，說明每個月每個行業平均有0.8827位分析師因證券公司關閉失業。預測樂觀度（Optimism）的均值為正，表明分析師研究報告的盈余預測存在過度樂觀的傾向，這與國內外諸多學者的結論是一致的。

表2 描述性統計

（二）回歸分析

1.分析師數量下降對行業研究報告質量的影響

表3第（1）（2）列的被解釋變量分別為預測偏差（Bias）和預測樂觀度（Optimism）。AnalystDrops的回歸系數在1%顯著性水平下均顯著為正，表明分析師數量下降能夠增加行業分析師的預測偏差和預測樂觀度，對行業中其他公司的研究報告質量產生負向溢出效應，降低行業研究報告的質量。具體而言，分析師數量每下降1人，行業分析師的平均預測偏差增加0.23個百分點，平均預測樂觀度增加0.23個百分點。上述結果與Hong和Kacperczyk（2010）、岳衡和林小馳（2008）以及李春濤等（2013）在公司層面的研究發現是一致的。假設H1a得到證實。第（3）（4）列的估計結果顯示，AnalystDrops2的回歸系數在1%顯著性水平下均顯著為負，表明隨著分析師數量的下降，行業研究報告質量會降低，但這種影響會不斷減弱。假設H1b得到證實。

表3 分析師數量下降與行業研究報告質量

2.分析師數量下降對不同分析師覆蓋率行業研究報告質量的影響

表4第（1）列的估計結果顯示，交互項AnalystDrops×HighCoverage的回歸系數為負但在統計上不顯著，說明分析師數量下降對不同分析師覆蓋率行業的分析師預測偏差影響沒有顯著不同。第（2）列的估計結果顯示，交互項AnalystDrops×HighCoverage的回歸系數在5%顯著性水平下顯著為負，表明分析師數量下降導致的競爭減小，顯著助長了分析師覆蓋率較低行業的分析師過度樂觀行為。具體而言，對于分析師覆蓋率低的行業，分析師的下降數量每增加1人，行業中分析師的平均預測樂觀度增加2.14個百分點；對于分析師覆蓋率高的行業，分析師的下降數量每增加1人，行業中分析師的平均預測樂觀度增加0.25個百分點。總體來看，分析師數量下降對分析師覆蓋率低的行業的研究報告質量能夠產生更大的負面影響。假設H2得到證實。

3.分析師數量下降對不同收益預測難度行業研究報告質量的影響

表4第（3）（4）列的估計結果顯示，交互項AnalystDrops×HighR2的回歸系數在1%顯著性水平下均顯著為負，表明分析師數量下降對收益不易預測的行業的研究報告質量影響更大。假設H3得到證實。具體而言，對于收益不易預測的行業，分析師的下降數量每增加1人，行業中分析師的平均預測偏差增加1.38個百分點，平均預測樂觀度增加1.86個百分點。對于收益易于預測的行業，分析師的下降數量每增加1人，行業中分析師的平均預測偏差增加0.21個百分點，平均預測樂觀度增加0.18個百分點。以上結果進一步表明，信息溢出是分析師數量影響行業研究報告質量的一種機制，當個別分析師信息不太重要時，對行業研究報告的質量影響較小。

表4 分析師數量下降影響行業研究報告質量的行業異質性

4.分析師數量下降對行業股價同步性的影響

表5第（1）（2）列的被解釋變量為行業股價同步性（Synch）。估計結果顯示，無論是否考慮控制變量，AnalystDrops的回歸系數在1%顯著性水平下均顯著為正，表明分析師的數量下降能夠減少股價中的行業信息量，導致行業股價同步性增加，降低證券市場的資產定價效率。如第（2）列所示，平均而言，分析師的下降數量每增加1人，行業股價同步性增加0.42個百分點。上述結果與朱紅軍等（2007）和姜超（2013）的結論是相似的。假設H4a得到證實。

表5 分析師數量下降與行業股價同步性

Controls 控制 控制 控制 控制Constant 7.2877（0.9352）-382.9624***（-4.7862）年份/行業 控制 控制 控制 控制觀測值 3027 3027 3027 3027 R2 0.6953 0.7025 0.6955 0.7028-380.6424***（-4.7501）7.3925（0.9502）

表5第（3）（4）列的估計結果表明，AnalystDrops2的回歸系數在5%顯著性水平下均顯著為負，表明隨著分析師數量下降，行業股價同步性會增加，降低了證券市場的定價效率，但這種影響在不斷減弱。本文假設H4b得到證實。

五、穩健性檢驗

（一）改變證券分析師數量的測量方法

證券公司關閉導致的分析師數量下降提供了一個理想的外生沖擊。但這一變量設置只關注分析師數量減少產生的影響，忽略了分析師數量增加的影響。因此，本文使用跟蹤某一行業的分析師數量變化作為自變量進行穩健性檢驗。檢驗結果如表6所示。估計結果表明，行業中的分析師數量增加會減小預測偏差和預測樂觀度。這與表3的結論是一致的。

表6 穩健性檢驗結果

（二）剔除股市異常波動期和泡沫期數據

2007—2008年的全球金融危機以及2014—2015年的中國股市泡沫可能對分析師的預測表現產生巨大的影響。本文參照Han和Liang（2017）與Cumming等（2020）的做法，將2007年8月至2008年12月、2015年6月至2015年9月定義為中國股市崩盤期，將2007年1月至2007年7月、2014年7月至2015年5月定義為中國股市泡沫期。表6結果顯示，剔除了股市異常波動期和泡沫期數據后，第（5）（6）列中AnalystDrops的回歸系數仍然顯著為正，第（7）（8）列中AnalystDrops2的回歸系數仍然顯著為負，說明前文結論是穩健的。

（三）其他穩健性檢驗

本文還進行了以下穩健性檢驗：①使用不同的行業分類標準。被國際廣泛使用的全球行業分類標準（GICS）與中國證監會行業分類存在較大差異。本文基于GICS二級行業分類標準將上市公司重新分為24個行業，然后進行穩健性檢驗。②剔除金融行業。由于金融行業具有一定的特殊性，本文使用前文研究方法，基于剔除金融行業的樣本數據進行穩健性檢驗。③考慮不同的股票市場環境。鑒于市場環境對股票市場具有重要影響，本文參考Chen（2009）的做法，根據市場移動平均回報率將樣本期劃分為牛市和熊市，研究不同股票市場環境（牛市、熊市）下，分析師數量下降對行業研究報告質量的影響差異。④考慮季度、月度固定效應。上述穩健性檢驗結果均與前文結論基本一致，受篇幅限制，在此不再贅述。

六、結論

本文根據證券公司最后一次發布研究報告的時間確定證券公司關閉時間，并匹配出所屬證券公司的失業分析師，得到各行業每月因證券公司關閉導致的失業分析師人數。在剔除經歷證券分析師跟蹤數量變化的公司后，研究分析師數量下降對同行業其他公司研究報告的信息溢出效應。本文的主要結論：第一，證券分析師數量下降將減小分析師的競爭程度，增加分析師的預測偏差和預測樂觀度，從而降低行業研究報告的質量，產生負向信息溢出效應；第二，對于分析師覆蓋率低或收益不易預測的行業，分析師數量下降的市場影響更為顯著；第三，分析師數量下降產生的負向信息溢出效應，減少了股價中的行業信息量，導致行業股價同步性增加，降低了證券市場的定價效率。

本文的研究結論對于提升證券市場的資產定價效率與中小投資者的利益保護、引導證券分析師行業的規范發展具有啟示意義。鑒于資本市場中擁有更多的證券分析師可以更有效地傳播信息、提高市場定價效率，有關部門應進一步發展證券分析師行業，擴大分析師供給數量，強化對證券分析師的專業能力要求，持續提升資本市場信息披露水平。