分析師的疲勞、預測質量與股票收益

華夏 樊力 尹響

摘?要：分析師的決策疲勞是否導致預測質量下降是業界關注的問題，本文對中國A股市場中分析師疲勞與預測質量關系進行研究，經過對2006—2023年A股市場賣方分析師個股研究報告中的盈余預測進行數據統計和分析，研究發現：分析師的決策疲勞與盈余預測誤差呈正向關系，即隨著一周內發布預測的增加，分析師對公司盈余預測誤差也在增大。分析師在決策疲勞嚴重時發布的預測會預示著未來個股中長期收益降低，盈余預測誤差在這一關系中充當部分中介變量。決策疲勞引起的較低股票收益與市場信息不對稱相關。

關鍵詞：分析師預測；盈余預測誤差；決策疲勞；股票市場

中圖分類號：F8325??文獻標識碼：A??文章編號：1001-148X（2024）03-0142-11

收稿日期：2023-11-12

作者簡介：華夏（1986—），男，重慶人，副教授，博士，研究方向：資產定價；樊力（1997—），男，四川廣元人，碩士研究生，研究方向：資產定價；尹響（1986—），本文通訊作者，男，江蘇連云港人，副教授，博士，研究方向：政治經濟學。

基金項目：國家社會科學基金面上項目“中國西部擴大南向開放的路徑抉擇研究”，項目編號：19BJL126；四川省社會科學重點項目“四川貫徹新發展理念深化改革創新的理論探索”，項目編號：SC21A040。

一、引?言

自滬深兩市交易所成立以來，我國資本市場在改革開放等推動下取得了舉世矚目的發展成就。然而，我國資本市場尚未完全成熟，在上市公司層面，存在財務造假、市場操縱、內幕交易等問題［1］；在投資者層面也存在散戶眾多、羊群效應強、過度交易和過度自信等問題［2］。形成這些問題的潛在原因是企業信息不透明、信息渠道不暢通、信息披露法規不完善，從而導致各類信息不對稱現象廣泛存在，使得投資者難以充分獲取有效信息［3］。

證券分析師作為資本市場的信息橋梁，不僅是信息中介，也是資金與企業之間的關鍵橋梁［4］。他們具備專業的信息解讀能力和獨特的信息渠道，可以理解和解釋與公司相關的各類信息，包括財務報表、行業趨勢、管理層講話等。此外，他們能夠預測公司的價值和潛力，并為投資者提供投資建議［5］。因此，證券分析師在市場中發揮著重要作用，能夠減少價格偏離和信息不對稱，提高市場透明度，降低交易風險，促進證券市場的有效性。

值得強調的是，2023年10月底召開的中央金融工作會議明確指出：“要全面加強金融監管，有效防范化解金融風險。維護金融市場穩健運行，規范金融市場發行和交易行為，合理引導預期，防范風險跨區域、跨市場、跨境傳遞共振。”在這一背景下，證券分析師在證券市場中的角色愈發重要，需要更積極地履行職責，以配合國家金融政策，維護金融市場的健康和穩定發展。如果證券分析師不能履行好自己的職責，不能及時、準確地發表研報，則有可能對市場造成負面影響。

有研究發現，在美國市場中，分析師的決策疲勞顯著影響了分析師盈余預測的質量，即分析師在工作量增大時發布的報告與公司當期真實盈利情況存在較大偏差［6］。在中國市場，隨著分析師從業人數和發表研報數量的持續增加，分析師的工作壓力同樣日益加大。Choice數據顯示，2022年全年證券分析師人員規模增加了505人，增幅為1472%。2021年，91家證券公司進行了境內上市公司的研究報告業務，發布了119147份研究報告；而2022年，國內92家券商發布了152001份研報，同比增長2757%，覆蓋A股超過60%的上市公司。這一龐大的研報總數背后反映了分析師的高工作量。例如，中金公司的244名分析師在2022年發布了12718份研報，平均每位分析師每5個工作日就需要發表一篇研報；而中信證券的111名分析師在2022年發布了8734份研報，平均每位分析師每3個工作日就需要發表一篇研報。因此，在中國市場，分析師的決策疲勞是否導致盈余預測質量下降成為一個值得關注的問題。更進一步，如果分析師盈余預測質量反映了市場信息不對稱的程度，那么盈余預測質量的下降是否會引發負面的市場反應？這是本研究所關注的問題，也是相關研究［6］未能解答的問題。

因此，本文首先以分析師的決策疲勞為切入點，系統分析在中國A股市場中分析師決策疲勞與盈余預測質量（準確度）的關系。本文的邊際貢獻體現在兩個方面：首先，現有文獻多數集中在分析師樂觀程度、分析師分歧度對分析師盈余預測與資產價格關系的判斷上，本文首次提供了關于決策疲勞、分析師預測質量（準確度）與股票收益之間關聯的證據，有效填補了已有研究的空白；其次，現有關于分析師預測質量的研究主要集中在對其原因進行剖析或對其經濟后果的追溯，并未將這三者融入統一研究框架。而本文將分析師預測質量的原因及其導致的后果納入統一的研究框架，對已有研究進行了深度和廣度的拓展。

二、文獻回顧與假設提出

（一）文獻回顧

學者們將對分析師預測的研究分為兩個主要方向：一是研究分析師盈余預測的影響因素，二是研究分析師預測對資本市場運行的經濟影響。

在研究研報質量或預測誤差的影響因素方面，國內外文獻主要從標的上市公司、分析師團隊和分析師自身等三個角度研究了這些因素對研報質量的影響。首先，標的上市公司信息獲取的難易程度［7］、信息披露的質量［8］、管理層的影響［9］以及業績可預測性［10］均被證明可以直接影響分析師的預測行為和預測質量；其次，從分析師團隊角度來看，分析師所在券商的規模與業務模式［11］能夠對分析師盈利預測準確性產生影響；最后，從分析師自身角度來看，分析師能力與決策方式［12］、分析師的社會關系［13］也能夠顯著影響分析師的預測質量，如Hirshleifer等從決策疲勞的視角對此問題進行了討論，他們研究了在美國市場中，在分析師工作量增加的情況下，生理和心理疲勞等將影響分析師盈余預測的質量，結果顯示盈余誤差顯著與分析師疲勞正相關［6］。

關于分析師研報對資本市場運行經濟后果的研究，國內外文獻主要關注分析師預測的分歧度、預測準確度或預測偏差對資產價格或公司治理的影響。在資產價格方面，分析師預測分歧與未來股票回報之間存在顯著的正相關關系［14］，并且分析師預測分歧度與債券信用利差存在顯著的正相關性，同時分析師預測偏差度與債券信用利差相關［15］。在公司治理方面，分析師預測分歧會顯著增大公司債務融資成本［16］。同時，分析師預測準確度和預測一致性有助于提升企業投資強度［17］。此外，分析師預測樂觀偏差對企業創新具有顯著的促進作用［18］。

國內外關于分析師預測準確度的文獻表現出兩個特點：一是大多數文獻將分析師預測分歧和分析師預測偏差與資產價格關聯，而較少關注分析師預測準確度與資產價格尤其是股票收益的關系。而分析師預測準確度與資產價格的關系代表了資本市場信息的有效程度，因此是值得關注的問題。二是以往文獻往往只關注分析師盈余預測的影響因素或分析師預測對資本市場運行的經濟后果的一個方面，未將這兩個話題納入統一框架中，忽略了前因、后果之間的潛在關聯。

（二）理論分析與研究假設

在中國二級市場領域，賣方分析師從業人員具有極高的工作強度，一個分析師在同一時間點需要跟蹤指定行業內的數家上市公司，與此同時分析師需要完成大量的報告撰寫、日報周報點評、實地調研、路演培訓等。巨大的工作強度或多或少會導致心理和生理上疲勞，從而影響其發布的盈余預測質量。因此，我們認為中國市場也存在類似于在美國市場發現的現象［6］。

首先，在中國資本市場分析師疲勞和盈余誤差仍然存在聯系。在機構投資者需要及時的信息來作出交易決策的情況下，賣方分析師有動機向金融機構客戶提供及時的預測服務［19］。同時分析師在發布對股價有重大影響的新信息后會盡可能快地發布建議［20］。這表明賣方分析師面臨著及時發布報告的迫切需求和壓力，通常其雇主或甲方都期望獲得及時的研究報告。然而，分析師報告的質量會顯著地受到其資源、環境和能力的影響，工作量與工作壓力是決定其預測準確性的重要影響因素。分析師的經驗能顯著地提升其報告質量，而較大的雇主通常能夠產生較好的分析師報告［21］。并且當分析師需要花費更多時間編寫報告（如當公司報告難以閱讀時），他們的預測會更不準確且更為分散［22-23］。此外，對某公司有更多經驗的分析師會為同行業其他公司提供更準確和及時的預測，這表明經驗能夠減輕同行披露信息的處理成本［24］。同時分析師平均每一份報告的產出不過花費幾個小時，這可能導致報告質量的下降［25］。即使研究報告是由團隊共同完成的，首席分析師在審核報告時仍然存在精力不足的情況，故首席分析師的疲勞同樣會影響報告質量。因此本文提出以下假設：

H1：分析師盈余預測的準確性將隨著一周內發布預測報告數量增加而降低。

其次，分析師盈余預測的準確性與個股的收益緊密相關，對資本市場的穩健運行具有關鍵作用。第一，多方面的研究已經驗證了更準確地分析師盈余預測對公司基本面的提升和公司治理的促進具有積極影響，例如緩解企業融資約束［18］、提升企業投資強度［17］等。因此，較大的預測誤差不利于公司價值的提升。第二，分析師盈余預測的準確性反映了市場信息的質量，有效的分析師預測有助于提高股價對信息的快速反應，有利于股價逐漸趨向內在價值［26］。相反，較大的預測誤差可能表明該股票存在來自信息不對稱的較大風險。第三，由于分析師決策疲勞是分析師盈余預測誤差的直接原因［6］，如果盈余預測誤差與較低的股票收益相關，那么決策疲勞可能同樣導致較低的股票收益。此外，由于決策疲勞會始終先于盈余預測誤差被投資者所觀察，盈余預測誤差可能是決策疲勞與股票收益之間關系的中介變量。而且，由于影響盈余預測誤差的因素復雜多樣，該中介效應可能呈現為不完全中介效應。基于以上三點，本文提出以下假設：

H2：分析師盈余預測誤差越大，對應公司股票的平均收益就會越低。

H3：分析師發布盈余預測時的決策疲勞越高，對應公司股票的平均收益就會越低。

H4：盈余預測誤差應該是自變量（決策疲勞）和因變量（股票收益）的不完全中介變量。

再次，中國資本市場的投資者是敏感的。備受市場矚目的杰出分析師以及對分析師覆蓋相對較少公司的預測往往引發更為顯著的市場反應［6］。這表明市場對于分析師的盈余預測給予了廣泛而正確的關注。正因為如此，由盈余預測誤差導致的股票收益下降或許可以通過采取一些補救措施得以緩解，如賣方分析師對公司收益的預測修正結果將影響投資者的決策行為［27］。同時賣方分析師的盈利預測對于那些預測公司未來盈利和盈利能力的投資者來說是一個重要的信息來源［28］。然而，不同類型的投資者在利用分析師預測信息時采用的方法存在差異，“精明”的投資者通常更全面了解如何使用與分析師預測準確性相關的信息因素。與之相似，市場能夠區分高創新性和低創新性的分析師修正，并對其作出不同的反應［29］。這表明市場能夠準確關注到分析師的修正，從而調整對股價的預期。基于此，本文提出以下假設：

H5：盈余預測修正能夠有效緩解由盈余預測誤差所帶來的負向股價效應。

三、研究設計及變量選擇

（一）數據來源

本文研究所需數據均來自國泰安（CSMAR）數據庫，數據選擇的時間段為2006年-2023年3月A股分析師發布的研究報告信息、A股上市公司實際的每股收益值、賣方分析師從業人員發布的研究報告ID、研究報告預測數據、分析師ID、A股主要指數和上市公司的日度交易數據，最終得到626262條有效數據。

（二）指標設計

本文研究的核心是賣方分析師決策疲勞與盈余預測誤差之間的關系，由于目前國內個股研究報告的盈余預測指標統一為每股收益（EPS），因此對盈余預測質量的度量，采用了分析師對個股EPS的預測值（Forcast?Epsi，j，t）與預測年份/季度EPS的真實值（Real?Epsj，t）之差。

Analyst?Errori，j，t=Abs（Forcast?Epsi，j，t-Real?Epsj，t）（1）

此處t代表年份單位。

其中，Analyst?Errori，j，t代表了分析師i對j公司關于第t個年的年度每股收益預測誤差的絕對值，Forcast?Epsi，j，t為分析師i對j公司第t年的年度每股收益的預測值，Real?Epsj，t為j公司第t年實際的每股收益。

決策疲勞的度量參考［6］提出的度量方式。本文考慮到中國市場的特點以及樣本的可得性，將決策疲勞（Decision?Ranki，t）定義為分析師一周內（周一到周日）的研報發布順序。這與［6］度量有顯著的區別，在該研究中，他們重點關注在工作日中發布的及時預測。其關注的核心是在一天內準備好或至少部分準備好并隨后發布的個股預測報告，因此，將樣本區間限制在只在工作日上午9點到晚上8點之間發布的預測，并將當天發布的每一個預測都以發布的順序標記為決策順序。

由于數據中缺乏分析師發布研究報告的確切時刻，并且在同一天內，同一名分析師也可能發布多份報告，因此在決定研究報告的周內發布次序時，可能會出現“并列”的情況，這種“并列”情況可能導致排序的不確定性。為了確保本文的嚴謹性，我們采用三種度量方式處理“并列”的研究報告。第一種方式為“稠密”排序（Decision?Rank?Densei，t），即如果出現“并列”的研究報告，都給予相同的排序值，并且只比之前出現的排序值增加1；例如，分析師A在某周中周一發布一份報告，周二發布三份報告，周三發布一份報告，則這五份報告的決策疲勞值分別為：1，2，2，2，3。第二種方式為“最小”排序（Decision?Rank?Mini，t），即如果出現“并列”的研究報告，都給予相同的排序值，且排序值的數值為本周已發布過的報告數量之和；例如，分析師A在某周中周一發布一份報告，周二發布三份報告，周三發布一份報告，則這五份報告的決策疲勞值分別為：1，2，2，2，5。第三種方式為“最初”排序（Decision?Rank?Firsti，t），即如果出現“并列”的研究報告，按照這些報告在數據中的出現順序給予依次排序值，以打破它們的“并列”狀態；例如，分析師A在某周中周一發布一份報告，周二發布三份報告，周三發布一份報告，則這五份報告的決策疲勞值分別為：1，2，3，4，5。考慮到“稠密”排序不會出現極端值，因此較為適合用于回歸分析。因此，本文將“稠密”排序作為主要的解釋變量。同樣驗證了主要結果在“最小”排序和“最初”排序中依然穩健。

控制變量的設計參考［6］，涵蓋了主要的影響分析師預測準確度的指標。分析師盈余預測修正（ForecastRevisoni，j，t）用來度量分析師對自身預測的修正情況，其度量方法為分析師i本次對公司j的預測值與上一次對公司j的預測值之差，如果預測修正值為正，代表分析師對該公司的態度傾向于樂觀，如果預測修正值為負，則代表分析師對該公司的態度傾向于悲觀。

Forecast?Revisoni，j，t=Forcasti，j，t-Forcasti，j，t-1（2）

分析師對預測公司的跟蹤時間（Firm?Experiencei，j，t），度量了在發布該公司盈余預測的時候，該分析師已經連續跟蹤目標公司的年度時間。該變量代理了分析師對所預測公司的了解程度。

分析師年度預測量（Forecast?EachYeari，t）代表分析師每年發布盈余預測的總數，其中對公司的重復預測可能超過1次，是分析師年度工作量的代理指標。此處時間t的單位為年份。該變量代理了分析師的工作量，也就是分析師的有限關注程度。

上市公司被關注度（Attentionj，t）是以年為時間單位的時間段內分析師群體對某公司的關注度，其度量通過統計不同時間段內以該公司為標的盈余預測的數量，同一時間內預測j公司的研究報告數量越多，代表市場對該公司的關注度越高。此處時間t的單位為年份。

分析師從業年限（Work?of?Yeari，t）是分析師從業經驗和能力的一個代理變量，代表了分析師整體的從業經驗和能力。其度量是通過分析師i發布對j公司盈余預測報告時的年份，減去分析師i首次發布盈余預測報告的年份。

分析師努力程度（Efforti，j，t）代表分析師對于上市公司在盈余預測時所花費的精力，其通過對一年內分析師發布該公司盈余預測的數量來度量，分析師在一年之內對該公司的預測頻率越高，則代表分析師在一年中對該公司的預測中所花費的時間越多，分析師對該公司的跟蹤預測越努力。表1展示了模型中的各變量及其含義。

除了以上變量以外，為了驗證市場反應，本文引入了預期超額收益率CAR來度量個股i從日期t到日期t+X的的超額收益，其定義為：

CARi，t，X=∑Xk=1Ri，t+k-Rmkt，t+k（3）

其中，Ri，t為個股i在日期t的收益率，Rmkt，t為通過流通市值加權的考慮現金紅利再投資的綜合日市場回報率。X為研究窗口大小，在本文中，考慮了66天（季度），132天（半年度），264天（年度）作為X的取值，以度量個股在中長期的市場收益。除此之外，還引入了關于市場信息度量來衡量分析師發布預測后的市場信息不對稱程度，包括以總股本為基礎計算的個股換手率（Turnover?Rate）；帖子總數量（Total?Posts），即時間段內上市公司貼吧內帖子的總數量；看漲帖子數量（Bullish?Posts），即時間段內上市公司貼吧內看漲帖子的總數量；以及看跌帖子數量（Bearish?Posts），即時間段內上市公司貼吧內看跌帖子的總數量。其具體度量方式為：

Turnover?Ratei，t，X=1X∑Xk=1Turnover?Ratei，t（4）

Total?Postsi，t，X=1X∑Xk=1Total?Postsi，t（5）

Bullish?Postsi，t，X=1X∑Xk=1Bullish?Postsi，t（6）

Bearish?Postsi，t，X=1X∑Xk=0Bearish?Postsi，t（7）

其中X為窗口大小。本文中度量個股在短期之內情緒的變化，X取值為22天（月度）。

（三）描述性統計

根據從CSMAR獲取的原始數據，進行數據清洗和變量定義后，表2為主要解釋變量、被解釋變量和控制變量的描述性統計。

從描述性統計結果來看，一周中分析師決策疲勞（Decision?Rank?Dense）的均值為161，最大值和最小值分別為7和1，這表明在極端情況下分析師可能在一周的七天內（包括周末）每天均有研報發布，具有較大的工作量。通過“最小”排序的決策疲勞（Decision?Rank?Min），發現分析師在一周內發布的預測數量最多達到142個。分析師預測誤差的絕對值（Analyst?Error）為023，表明在樣本區間內，分析師對公司的每股凈收益（EPS）的預測誤差值的平均水平為023，預測誤差絕對值的最小值和最大值分別為0和3911，這表明國內分析師個體之間存在較大的水平差異。分析師對預測公司的跟蹤時間（Firm?Experience）的均值為061年，最小值和最大值分別為0和1569年，這說明平均而言，分析師跟蹤一家公司的時間較短，不足一年。分析師對公司的關注度（Attention）均值為5002，最小值和最大值分別為1份和294份，這表明每家公司平均每年同時有50份研究報告對其進行跟蹤，而同一時間獲得最多關注的公司，其當年盈余預測報告數量為294份。

圖1呈現了A股市場決策疲勞和分析師盈余預測的圖形特征。A部分展示了2006—2023年月平均分析師決策疲勞隨著時序變化的程度。我們觀察到幾個顯著的特征：首先，在2006—2023年，從決策疲勞的年均曲線可以看到分析師的工作量總體呈顯著增加趨勢，這可能與中國資本市場的迅速發展相關。然而，分析師工作量的持續增長并不一定代表分析師工作效率的有效提高，這值得警惕。其次，從決策疲勞的月均曲線可以看到決策疲勞的程度具有明顯的季節性和周期性特點，在每年中有兩次峰值，峰值明顯高于其他月份，這與公司的年報、半年報發布的季節性相對應，因此這種季節性是合理的。在隨后的回歸分析中，我們將會控制年度固定效應和月份固定效應，以控制分析師決策疲勞的總體趨勢和季節效應。

B部分展示了2006—2023年月平均分析師盈余預測誤差隨著時序的變化。除月均曲線顯示預測誤差具有與決策疲勞相似的季節性外，從年均曲線可以看到盈余預測誤差從2016年之后呈逐年增加的趨勢，尤其是在2022年和2023年在月平均線和年平均線均出現了高于歷史最高值的峰值。這種現象對于資本市場的穩健運行不利，也引發了人們的擔憂。

C部分展示了決策疲勞的直方圖。由于主要解釋變量采取了“稠密”排序，因此與表2一致，決策疲勞的取值范圍為1—7。圖1中可以看到有相當數量的7出現在直方圖中，這表明在某些周中，一些分析師每天都會發布研究報告。

D部分展示了決策疲勞與平均分析師盈余預測誤差的關聯，可以發現明顯的正向相關關系，即當決策疲勞增加時，平均分析師盈余預測誤差顯著增加。

四、實證結果分析

（一）決策疲勞與盈余預測誤差之間的關系

為了探究賣方分析師的盈余預測誤差與決策疲勞之間的關系（假設H1），本文構建了以下的模型：

AnalystErrori，j，t=α+β1DecisionRanki，j，t+∑kγkControlsk+FE+εi，j，t（8）

在模型（8）中，DecisionRanki，j，t為按“稠密”排序的分析師決策疲勞數值（Decision?Rank?Dense）。AnalystErrori，j，t指的是在第t周的時候，分析師i對j公司的盈余預測值與j公司真實EPS之差的絕對值；Decision?Ranki，j，t指的是在第t周的時候，分析師i在發布對j公司的盈余預測時，該預測在分析師i發布預測中的順序；Controls代表影響分析師盈余預測誤差的控制變量，本回歸中對分析師盈余誤差的相關控制變量包括分析師對預測公司的跟蹤時間（Firm?Experience）、分析師年度預測量（Forecast?Each?Year）、上市公司被關注度（Attention）、分析師從業年限（Work?of?Year）、分析師努力程度（Effort）、分析師盈余預測修正（Forecast?Revison）。我們添加了多種固定效應組合以顯示結果的穩健性，這些固定效應包括上市公司、分析師、雇傭券商、年度、月份和季度等。

表3結果顯示，賣方分析師盈利預測誤差與決策疲勞存在顯著正相關關系。首先，選取上市公司、分析師、年度、月份等作為固定效應的分組，由上市公司、分析師控制個體固定效應，由年度、月份分別控制長期、短期的時間固定效應。在未控制其他變量的情況下，賣方分析師盈利預測誤差與決策疲勞的相關系數為2962，在1%的顯著水平上顯著。在加入預測公司的跟蹤時間、分析師年度預測量、上市公司被關注度、分析師從業年限作為控制變量后，相關系數為3137，在1%的顯著水平上仍然顯著。進一步加入分析師努力程度、分析師預測修正值兩個控制變量后，相關系數為2396，在5%的顯著水平上保持顯著。

其次，選取上市公司、分析師、年度、季度等作為固定效應的分組，由上市公司、分析師控制個體固定效應，由年度、季度分別控制長期、短期的時間固定效應。回歸相關系數為4646，在1%的顯著水平上保持顯著。最終選取上市公司、雇傭券商、年度、季度等作為固定效應的分組，由上市公司、雇傭券商控制個體固定效應，由年度、季度分別控制長期、短期的時間固定效應。回歸相關系數為4017，在1%的顯著水平上保持顯著。這一結果驗證了在中國股市中賣方分析師盈利預測誤差與決策疲勞關系的假設。換言之，在中國股市中，隨著每周發布的預測數量增加，分析師的盈利預測準確性會下降。這一驗證支持了假設H1。

為進一步驗證假設H1的穩健性，我們分別采用“最小”排序和“最初”排序度量的分析師決策疲勞數值對模型（8）進行了重新估計，發現當改變決策疲勞的度量方式后，賣方分析師盈利預測誤差與決策疲勞仍然表現出穩健的正相關關系限于篇幅，相關檢驗結果未作報告，如有需要可向作者索取。。這些結果顯示，與在美國市場的發現類似［6］，在中國資本市場中分析師的決策疲勞會顯著造成分析師盈余預測誤差的增加。

（二）市場對決策疲勞與分析師預測的反應

通過對決策疲勞與盈余預測誤差關系的實證發現，決策疲勞在客觀上會導致一定的盈余預測偏差，在此基礎上，本文進一步討論市場對決策疲勞和盈余預測偏差的反應。首先，探究市場在發現盈余預測偏差時的反應（假設H2），本文構建以下的模型：

CARi，t，X=α+β1AnalystErrori，j，t+∑kγkControlsk+FE+εi，j，t（9）

需要注意的是，CARi，t，X度量的是分析師的研報發布后X天內個股相對于市場的超額收益。通常分析師會在盈余預測發布后一個季度內知曉其對應的真實EPS值，因此為了消除內生性，我們把時間窗口X分別設置為66個交易日（季度）、132個交易日（半年度）和264個交易日（年度），這些變量度量了股票在中長期的預期超額收益率。我們采用與估計等式（8）相同的固定效應。在等式（8）的基礎上，增加了與個股收益相關的控制變量，其中包括CARi，t-X，X，即個股在上一個窗口的超額收益率（動量），以及Fama-French五因子，包括市場風險溢價因子（Risk?Premium）、市值因子（SMB）、賬面市值比因子（HML）、盈利能力因子（RMW）和投資模式因子（CMA）等。

由表4回歸結果可以看到，季度、半年度還是年度的股票預期收益率分別與分析師的盈余誤差呈負相關關系，且在1%的顯著水平上保持顯著。這個結果在加入了所有控制變量后依然穩健。值得注意的是，由于解釋變量是分析師預測誤差，因此這一回歸結果與分析師的預測偏差（樂觀、悲觀）無關。這一結果顯示與我們的猜測相一致，分析師的預測誤差預示著個股在未來有不好的預期，分析師預測誤差增大將導致個股的未來預期收益降低，假設H2得到驗證。我們認為這種收益率的降低是來自信息不對稱的風險，而中國資本市場投資者顯然已經注意到了這類風險，因此個股價格作出了相應的反應。

分析師的決策疲勞是比盈余預測誤差更容易觀察到的變量，那么市場也應該更容易注意到分析師在疲勞狀態下所發布的研報，這類研報可能包含不準確的信息，且加劇市場的信息不對稱，因此決策疲勞應該預示著個股收益具有不好的預期（假設H3）。為驗證這一假設，引入以下模型：

CARi，t，X=α+β1DecisionRanki，j，t+∑kγkControlsk+FE+εi，j，t（10）

采用和回歸式（9）相同的固定效應與控制變量，其回歸結果見表5。與模型（9）預期一致，在所有的回歸結果中，分析師決策疲勞的增加都預示著股票在未來中長期預期收益的降低。在列（1）、（2）、（3）、（5）、（6）的回歸結果中，這種負向的相關關系在1%的水平顯著。在列（4）的回歸中，這種負向的相關關系在10%的水平顯著。這說明中國投資者能夠關注到分析師決策疲勞所帶來的信息不對稱風險以及不確定性。

至此，我們已經發現了分析師決策疲勞導致盈余誤差的增加，分析師盈余誤差的增大會預示著個股收益率的降低，以及分析師決策疲勞也會直接預示著個股收益率的降低。這表明分析師決策疲勞、盈余誤差以及個股預期收益率可能存在遞進的相關關系，即盈余誤差可能是決策疲勞和個股預期收益率的中介變量（假設H4）。因此通過如下模型對該中介效應進行驗證：

CARi，t，X=α+β1Decision?Ranki，j，t+β2Analyst?Errori，j，t+∑kγkControlsk+FE+εi，j，t（11）

我們采用和回歸式（9）相同的固定效應與控制變量，中介效應的回歸結果見表6。從結果中可以看到，在表6列（1）—（6）的回歸中盈余誤差（Analyst?Error）均與股票中長期預期收益呈負相關關系，且在1%的置信水平顯著。在列（1）—（6）的回歸中決策疲勞仍然與股票中長期預期收益呈負相關關系，除列（5）以外，其余回歸中均至少在5%的置信水平顯著。需要注意的是，對比表5與表6的結果，在表6列（1）—（6）的每一個回歸中，回歸式（11）中決策疲勞的系數絕對值與顯著性絕對值均小于回歸式（10）中的對應列。這表示當盈余誤差加入到回歸式（10）中，決策疲勞與股票預期收益的相關性會被稀釋掉，即存在以盈余誤差為中介變量的中介效應。但是由于表6列（1）—（6）中大部分決策疲勞的系數仍然顯著，這種稀釋作用僅為部分稀釋，即分析師盈決策疲勞對股票預期收益的影響部分是通過盈余誤差的中介效應實現的，假設H4得以驗證。

為進一步提供對信息不對稱的假設的支持，我們將盈余預測發布后未來短期內（22個交易日）的個股換手率（Turnover?Rate）、股吧帖子總數量（Total?Posts）、看漲帖子數量（Bullish?Posts）以及看跌帖子數量（Bearish?Posts）作為被解釋變量，決策疲勞作為解釋變量，驗證在盈余預測發布市場的反應。換手率在中國市場可以反映投資者的意見分歧程度，并且換手率越大，投資者意見分歧程度越高［30］。因此換手率可以作為市場信息不對稱的一種代理變量，即換手率越高，投資者意見分歧程度越高，表明信息越不對稱。而股吧帖子數量可以反映投資者的關注程度，如果股吧存在有效信息，那么股吧帖子數量越多，股吧有效信息越多，個股信息不對稱程度越低。從結果中可以看到，決策疲勞對接下來22個交易日內的換手率有顯著為正的相關關系，在1%的水平顯著。決策疲勞對接下來22個交易日中的股吧帖子總數量、看漲帖子數量、以及看跌帖子數量有顯著為負的相關關系，分別在5%、10%、1%的水平顯著限于篇幅，相關檢驗結果未作報告，如有需要可向作者索取。。這些結果表明當分析師決策疲勞高的盈余預測發布后，市場已經注意到盈余預測帶來的不確定性，市場分歧變高，股吧信息變少，市場信息不對稱加劇。這也給出了對假設H2、假設H3和假設H4的解釋。

（三）可能的補救措施

從前文中發現，分析師決策疲勞會導致盈余誤差的增大，而決策疲勞和盈余誤差又會加劇市場信息的不對稱，這種風險最后會反應在更低的股票收益上，成為資本市場不穩定的潛在原因。那么，當分析師發布不夠準確的盈余預測的時候，是否存在補救的可能呢？換句話說，如果分析師及時地意識到盈余預測不夠準確后及時修正，是否能夠得到市場的注意并有效緩解由盈余誤差造成的低超額收益呢？（假設H5）通過加入盈余誤差與預測修正的交乘項，使用模型（12）來驗證盈余預測修正對盈余誤差和股票收益的相關關系帶來的影響。

CARi，t，X=α+β2Analyst?Errori，j，tForecast?Revisoni，j，t+β1Decision?Ranki，j，t+β2Analyst?Errori，j，t+∑kγkControlsk+FE+εi，j，t（12）

在該模型中，仍然采用了和回歸式（9）相同的控制變量和固定效應，也計算了包括控制變量和不包括控制變量兩種情況的結果。從結果中得知，盈余預測誤差的系數在所有回歸中仍然顯著為負，在1%的水平下顯著。值得注意的是，盈余誤差與預測修正的交乘項顯著為正，均在1%的水平下顯著。這表明預測修正會對預測誤差對股票價格產生的負效應帶來一定的補償。且當盈余誤差不變時，正向的盈余預測修正會顯著地提高股票在未來的收益率，而負向的盈余預測修正會顯著地降低股票在未來的收益率限于篇幅，相關檢驗結果未作報告，如有需要可向作者索取。。這些結果說明我國資本市場的投資者仍然密切關注分析師所發布的盈余預測修正，因此，當分析師意識到盈余預測不夠準確后，及時發布修正能夠有效緩解由信息不對稱帶來的股價收益降低。

五、結論及建議

本文基于2006—2023年A股市場賣方分析師個股研究報告中的盈余預測進行數據統計和分析，探討分析師疲勞與預測質量之間的關系，得到如下結論：（1）分析師決策疲勞與盈余預測誤差存在正向關系，即在一周的時間單位內，分析師對公司的盈余預測誤差將隨著預測數量的增加而增大。（2）進一步分析發現，分析師在決策疲勞嚴重時發布的預測與更大盈余預測誤差均可導致未來更低的個股中長期收益，且盈余預測誤差是決策疲勞與個股預期收益的部分中介變量。這種更低的股票收益主要是由于市場更劇烈的信息不對稱造成的。（3）分析師在意識到盈余預測的偏差后及時地發布盈余預測修正可以緩解盈余預測誤差帶來的對股價的負向沖擊。

從投資者的角度出發，本文研究結果發現分析師存在決策疲勞導致盈余預測誤差的情況，因此，在參考賣方分析師發布的盈余預測報告時，投資者應該盡量選擇在一周中較早的工作日發布的預測報告，并選擇預測頻率較低的分析師（一周內發布次數不超過2次）。通過這樣的條件篩選，投資者參考的盈余預測結果可能更準確可靠。此外，由于分析師在發布盈余預測研報時的決策疲勞是個體行為，為了提高參考數據的可靠性和投資決策的安全性，投資者可以同時參考同一時間節點上所有賣方團隊對特定個股的共識預測，即采用賣方一致性預期。在考慮到分析師預測誤差的情況下，可以進一步在共識預期上添加修正系數，以提高投資決策的安全性和準確性。

從政策制定和監管的角度出發，需不斷提高資本市場信息傳遞的效率和規范分析師從業人員的職業道德。首先，建議加強對分析師發布報告的動態監管。例如，在分析師對某公司連續2次以上的年度EPS預測相同時，可以要求系統備注、報備和預測記錄留痕，并要求分析師在報告中進行相關的提示。這樣的舉措可能在一定程度上降低了由于分析師自我因循所導致的盈余預測誤差。然而，需要注意的是，此舉可能會增加分析師的工作量，可能引發一定的利益沖突問題，因此需要權衡利弊。其次，監管層可以加強對分析師的培訓和教育，提高其意識和素質，使其更好地理解決策疲勞的影響，并掌握相應的應對策略，以提高研報質量和預測準確性。

在券商企業管理和分析師工作制定方面，本文的研究發現，分析師在一定的工作時間內如果面臨過大的工作疲勞和工作強度，其信息發掘的效率會下降，從而影響市場信息的發現和有效定價，因此，建議對賣方分析師群體的工作分工進行優化，以提高其工作效率和質量。一種優化的方式是明確分工合作和團隊作戰的模式。目前，賣方分析師在上市公司信息收集、數據分析、投資邏輯分析、估值分析、匯報路演等工作分工上存在模糊和不足的情況。通過明確每個分析師的職責和任務，并加強團隊之間的合作與協作，可以在保證工作量的基礎上提高賣方分析師的盈余預測質量和工作質量。此外，券商企業可以考慮提供更好的工作支持和資源，例如增加分析師的研究助手、數據分析師和行業專家團隊等，以幫助分析師更好地開展工作。同時，可以加強分析師的培訓和專業知識更新，提高他們的分析能力和行業洞察力。

參考文獻：

［1］?蔡寧.信息優勢、擇時行為與大股東內幕交易［J］．金融研究，2012（5）：179-192.

［2］?戴園晨.股市泡沫生成機理以及由大辯論引發的深層思考——兼論股市運行扭曲與莊股情結［J］．經濟研究，2001（4）：41-50.

［3］?趙濤，鄭祖玄.信息不對稱與機構操縱——中國股市機構與散戶的博弈分析［J］．經濟研究，2002（7）：41-48，91.

［4］?Brav?A，?Lehavy?R.?An?Empirical?Analysis?of?Analysts?Target?Prices：?Short-term?Informativeness?and?Long-term?Dynamics?［J］．?The?Journal?of?Finance，2003，58（5）：?1933-67.

［5］?洪劍峭，張曉斐，蘇超.?上市公司業績變動與分析師預測行為［J］．?投資研究，2013，32（8）：?113-128.

［6］?Hirshleifer?D.，Levi?Y.，Lourie?B.?Decision?Fatigue?and?Heuristic?Analyst?forecasts［J］．?Journal?of?Financial?Economics，2019，133（1）：?83-98.

［7］?楊青，吉赟，王亞男.?高鐵能提升分析師盈余預測的準確度嗎？——來自上市公司的證據［J］．?金融研究，2019，465（3）：?168-188.

［8］?Lang?M.?H.，Lundholm?R.?J.?Corporate?Disclosure?Policy?and?Analyst?Behavior［J］．?Accounting?Review，1996：?467-492.

［9］?Ke?B，Yu?Y.?The?Effect?of?Issuing?Biased?Earnings?Forecasts?on?Analysts?Access?to?Management?and?Survival［J］．?Journal?of?Accounting?Research，2006，44（5）：?965-999.

［10］Das?S.，Levine?C.?B.，Sivaramakrishnan?K.?Earnings?Predictability?and?Bias?in?Analysts?Earnings?Forecasts［J］．?Accounting?Review，1998：?277-294.

［11］羅棪心，麻志明，王亞平.?券商跟蹤海外上市公司對國內分析師盈余預測準確性的影響［J］．?金融研究，2018（8）：?190-206.

［12］Jacob?J，Lys?T?Z，Neale?M?A.?Expertise?in?forecasting?performance?of?security?analysts［J］．?Journal?of?Accounting?and?Economics，1999，28（1）：?51-82.

［13］廖明情，孫繼欣，鄧路.社會關系在分析師調研過程中的作用——基于利益沖突和信息優勢的視角［J］．南開管理評論，2021，24（1）：148-158+192-193.

［14］Jorgensen?B.，Li?J.，Sadka，G.?Earnings?Dispersion?and?Aggregate?Stock?Returns［J］．Journal?of?Accounting?and?Economics，2012，53（1-2）：?1-20.

［15］林晚發，李國平，王海妹等.分析師預測與企業債券信用利差——基于2008-2012年中國企業債券數據［J］．會計研究，2013（8）：69-75+97.

［16］黃波，王滿，于浩洋.分析師預測質量影響了債務融資成本嗎？——來自我國上市公司的經驗證據［J］．金融評論，2018，10（02）：56-72+124.

［17］馮戈堅，張曉倩，王建瓊.分析師預測、投資機會與投資強度［J］．科學決策，2018（6）：?41-62.

［18］陳婧，于雪航，方軍雄.分析師預測樂觀偏差與企業創新投資——基于收入壓力的視角［J］．財務研究，2021（4）：45-57.

［19］OBrien?P.?C.?and?Bhushan?R.?Analyst?Following?and?Institutional?Ownership［J］．?Journal?of?Accounting?Research，1990，28：?55-76.

［20］Altinkilic?O.?and?Balashov?V.?S.?Hansen?R?S.?Are?Analysts?Forecasts?Informative?to?the?General?Public？［J］．?Management?Science，2013，59（11）：?2550-2565.

［21］Clement?M.?B.，Analyst?Forecast?Accuracy：?Do?Ability，Resources，and?Portfolio?Complexity?Matter？［J］．?Journal?of?accounting?and?economics，1999，27（3）：?285-303.

［22］Lehavy?R，Li?F，Merkley?K.?The?Effect?of?Annual?Report?Readability?on?Analyst?Following?and?the?Properties?of?Their?Earnings?Forecasts?［J］．?The?Accounting?Review，2011，86（3）：?1087-115.

［23］Loughran?T，McDonald?B.?Measuring?Readability?in?Financial?Disclosures?［J］．?The?Journal?of?Finance，2014，69（4）：?1643-71.

［24］Hilary?G，Shen?R.?The?role?of?analysts?in?Intra-industry?Information?Transfer?［J］．?The?Accounting?Review，2013，88（4）：?1265-87.

［25］Groysberg?B，Healy?P?M.?Wall?Street?Research：?Past，Present，and?Future［M］．Stanford?University?Press，2020.

［26］Brennan，M.?J.，&?Hughes，P.?J.?Stock?Prices?and?the?Supply?of?Information?［J］．?The?Journal?of?Finance，1991，46（5）：?1665-1691.

［27］Hodge?F.?D.，Investors?Perceptions?of?Earnings?Quality，Auditor?Independence，and?the?Usefulness?of?Audited?Financial?Information［J］．?Accounting?Horizons，2003，17：?37.

［28］Bonner?S?E，Walther?B?R，Young?S?M.?Sophistication-related?Differences?in?Investors?Models?of?the?Relative?Accuracy?of?Analysts?Forecast?Revisions?［J］．?The?Accounting?Review，2003，78（3）：?679-706.

［29］Gleason?C.?A.，Lee?C.?M.?C.?Analyst?forecast?revisions?and?market?price?discovery［J］．?The?Accounting?Review，2003，78（1）：?193-225.

［30］張崢，劉力.換手率與股票收益：流動性溢價還是投機性泡沫？［J］．經濟學（季刊），2006（2）：?871-892.

Analysts?Fatigue，Forecasting?Quality?and?Stock?Returns

——The?Evidence?from?China

HUA?Xia1，?FAN?Li1，?YIN?Xiang2

（1.?School?of?Finance，Southwestern?University?of?Finance?and?Economics，Chengdu?611130，

China;?2.School?of?Finance，Sichuan?University，Chengdu?610064，China）

Abstract：The?decision?fatigue?of?analysts?and?its?impact?on?the?decline?in?forecast?quality?is?an?issue?worthy?of?attention?in?the?industry.?This?study?examines?the?relationship?between?analyst?fatigue?and?forecast?quality?in?the?Chinese?A-share?market.?Through?statistical?analysis?of?earnings?forecasts?in?sell-side?analyst?reports?from?2006?to?2023?in?the?A-share?market，?the?study?found?that?analyst?decision?fatigue?is?positively?related?to?earnings?forecast?errors.?This?means?that?as?the?number?of?forecasts?issued?by?analysts?increases?within?a?week，?their?errors?in?forecasting?company?earnings?also?increase.?Forecasts?released?by?analysts?with?severe?decision?fatigue?predict?lower?long-term?returns?for?individual?stocks，?with?earnings?forecast?errors?acting?as?partial?intermediary?variables?in?this?relationship.?The?lower?stock?returns?caused?by?decision?fatigue?are?related?to?market?information?asymmetry.

Key?words：analyst?forecast;earnings?forecast?error;decision-making?fatigue;?stock?market

（責任編輯：趙春江）