微博、特质性信息披露与股价同步性，本文主要内容关键词为：股价论文,信息披露论文,特质论文,微博论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
Roll(1988)发现个股收益率波动中只有很少一部分能被市场和行业因素所解释。进一步的，Roll(1988)指出，
的差异可能是“特质性信息或其他与具体信息无关的偶发狂热因素”导致的。基于此推断，对于股价同步性(也称
，即个股收益率波动中能被市场和行业因素所解释的部分)背后的经济学含义，大量学者从“信息效率”(Morck et al.，2000；Durnev et al.，2003；Durnev et al.，2004；Ferreira and Laux，2007；冯用富等，2009；Gul et al.，2010；黄俊和郭照蕊，2014)和“非理性因素”(West，1988；Kelly，2005；Hou et al.，2006；Teoh et al.，2006)两方面进行了广泛的研究。 然而，以上两种观点对于股价同步性的解释却是完全对立的。股价同步性越低，从“信息效率”角度考虑意味着股价反映了更多的特质性信息，股票信息定价效率更高。而“非理性”观点则认为股价同步性较低是由于过多的非理性噪声交易导致的，因而
越低意味着定价效率越低。当前研究结论不一致的一个重要原因是，无论是特质性信息的多寡，抑或是非理性因素的多少，通常都无法直接度量。对于股价同步性差异的解释，当前文献更多的是一种间接的研究逻辑。 例如，Morck et al.(2000)发现，相对于发达国家而言，新兴市场国家的股价同步性更高。他们认为新兴市场国家产权保护制度的缺失加大了信息套利者套利的难度，从而抑制了其挖掘公司特质性信息的动力。Hutton et al.(2009)研究发现公司的财务透明度越高，其
越低。他们认为，这意味着越透明的财务信息越有利于揭示更多的公司特质性信息。Gul et al.(2010)认为，高质量的审计有利于促使公司更加及时、详细地披露公司信息，从而降低了股价同步性。以上文章都认为股价同步性能够反映公司特质性信息的多寡。然而，这一结论有赖于解释变量(制度差异、财务透明度和是否四大审计等)会影响特质性信息多寡这一分析前提，如果这一逻辑推断错误，那么关于股价同步性能否度量公司特质性信息含量的论断就会存在问题①。 过去十年，信息技术的发展深刻地改变了公司信息产生的数量、类型及其传播方式(Miller and Skinner，2015)。微博作为最新的社交网络平台，使得越来越多的公司特质性信息得以更快地在市场中发布和传播。陈信元等(2014)研究发现，上市公司通过微博披露了大量的公司特质性信息，其中84%是正式公告之外的信息，且日常经营活动及策略类信息占到信息总量的69%。这说明上市公司通过微博披露了大量的、新增的、非财务的特质性信息。微博广泛、及时地发布和传播公司特质性信息这一事实为我们区分
背后的两种经济学解释提供了极好的研究样本。 为此，本文研究了上市公司开通微博对其股价同步性(
)的影响，本文以上市公司是否开通新浪官方微博作为其是否开通微博的衡量指标②。研究发现：(1)开通官方微博的公司股价同步性更低。(2)微博信息有利于显著提高分析师盈余预测精度。以上结论说明微博的确披露了大量的、新增的、非财务的特质性信息，同时也意味着
的差异是源于公司特质性信息的多寡。(3)普通投资者对于微博信息无法准确理解，这些信息主要通过分析师的“信息解读”作用进入股价。 本文可能的贡献在于：(1)据我们所知，本文是第一篇研究微博对上市公司股票信息定价效率影响的文章。研究结论对于监管部门制定基于微博的社交网络信息披露准则具有参考意义。(2)本文的研究结论说明了微博披露的非财务信息是有价值的，而分析师有利于促进股价对这些信息的及时反映，该结论扩展了现有领域中关于非财务信息披露和分析师作用的研究。(3)相对于以前文献间接研究
背后的经济学含义，本文为
可以度量公司特质性信息提供了直接的经验证据。 二、文献回顾和实证假设 (一)微博、特质性信息披露与股价同步性 Roll(1988)发现，个股收益波动中只有很少一部分能被市场和行业因素所解释。进一步，Roll(1988)认为个股过高的特质性波动率是“公司特质性信息或其他与具体信息无关的偶发狂热因素”导致的。基于此推断，此后大量学者从“信息效率”和“非理性因素”两方面来解释股价同步性背后的经济学含义。 1.信息效率的观点 Morck et al.(2000)认为
的高低反映了特质性信息进入股价的多寡，他们使用国际数据研究发现，相对于发达国家而言，新兴市场国家的股价同步性更高。他们认为，这一差异可以由新兴市场国家的私有财产、投资者保护制度较弱来解释。产权保护制度的缺失加大了信息套利者获利的难度，抑制了其挖掘特质性信息的动力。Durnev et al.(2003)研究了当前股票收益率与未来盈余之间的关系，发现在
越低的公司，二者的关系越为显著。这说明股价同步性越低意味着包含了更多的特质性信息。Durnev et al.(2004)研究发现投资效率与股价特质性波动率存在正向关系，他们认为公司的特质波动是公司特质性信息的及时反应，而融合了更多信息的股价有利于促进公司的投资效率。Ferreira and Laux(2007)则研究了公司反收购约束与公司特质性波动率的关系，发现反收购条款越少，公司的特质性波动率越大。他们认为，这意味着控制权市场促进了公司特质性信息的收集和交易。冯用富等(2009)则采用逻辑演绎的方法推导出
可作为私有信息套利的度量指标。 与以上文献的研究类似，基于股价同步性可以反映公司特质性信息多寡这一思路，大量文献研究了其他影响股价同步性的因素，这些因素包括分析师(Piotroski and Roulstone，2004；Chan and Hameed，2006；朱红军等，2007)、制度环境(游家兴等，2006)、政治关联(唐松等，2011)、机构持股(侯宇和叶冬艳，2008)、所有权结构和审计质量(Gul et al.，2010)、财务透明度(Jin and Myers，2006；Hutton et al.，2009)、关联关系(李增泉等，2011)以及新闻报道(黄俊和郭照蕊，2014)等。 2.非理性因素的观点 West(1988)认为股价的实际波动远超过理论上的波动程度，这一超额波动很有可能是非理性噪音交易导致的。该论断支持了股价同步性差异是源于非理性因素的解释。Kelly(2005)发现
较低的股票往往较小也更年轻，同时机构持股比例和参与追踪的分析师数量都较少，而且这些股票的交易费用更高，信息交易更少，同时信息不对称更大。以上结论否定了
可以用来衡量股票特质性信息多寡这一论断。Hou et al.(2006)认为，
与投资者对信息的有偏处理有关，
越低的公司，其动量和反转效应更为显著。这说明
越低反而意味着信息定价越无效。Teoh et al.(2006)认为，如果
越低意味着信息更加及时有效地被反映在股价中，那么金融异象在这类公司应该更弱。然而，他们实证结果与之相反，说明
越低意味着越差的信息环境。 此外，王亚平等(2009)研究发现，信息透明度越低，股价同步性越低，他们认为这说明股价同步性正向反映股票市场信息定价效率。Dasgupta et al.(2010)则认为股价同步性和股票信息含量之间的关系不能一概而论，两者之间的关系受信息环境，披露信息的类型以及时间点的影响。 显然，以上两种主要观点对于
的解释是完全对立的。
越低，从“信息效率”角度看意味着股价反映了更多的特质性信息，股票信息定价效率更高，而“非理性”观点则认为过多的波动是源于非理性噪声交易。一个重要的原因可能是，无论是特质性信息的多寡，抑或是股价非理性因素的多少，通常都无法直接度量。因此，对于
的解释，现有文献更多的是一种间接研究逻辑③。 随着互联网技术的不断发展，社交网络在公众和公司中得到广泛地使用。作为最新的社交网络平台，微博越来越多地连接了上市公司和投资者。公司通过微博可以将自己最新的动态直接推送到关注自己的用户。微博作为新型的自愿信息披露渠道，其向市场披露了大量的、新增的、非财务的、特质性信息。公司通过微博披露的信息84%是正式公告之外的信息，而日常经营活动及策略类信息则占到所有微博信息总量的69%(陈信元等，2014)。微博的这种及时、快捷、便利性使得公司的信息能够更加迅速和准确地在利益相关者之间流动和传播。 微博的使用大大降低了获取公司信息的成本，包括通过其他渠道获取信息所耗费的时间、精力和货币资本等(Blankespoor et al.，2014)。因此，通过微博披露信息有利于降低信息交易者的搜寻成本，通过信息交易者的交易行为，公司的特质性信息能够更加迅速而有效地反映在股价中，公司的股价因而含有更多的特质性信息。如果
的高低的确可以衡量公司特质性信息的多寡，那么会得到如下的实证假设H1： 假设H1：其他条件相同的情况下，开通官方微博的公司股价同步性更低。 (二)微博披露的信息如何进入股价 公司通过微博发布的信息与财务信息有很大的差别。财务信息往往基于一定的会计准则，会计准则对各个科目进行了界定和说明，因此财务信息标准化程度较高。普通投资者可以在不同公司、同一公司不同年份之间进行比较。而微博披露的信息主要是一些定性的“非财务信息”，相对于财务信息而言，这些定性的“非财务信息”缺乏标准，信息的多寡、优劣在不同公司之间通常不具有可比性。陈信元等(2014)也的确发现，公司通过微博披露的信息主要以日常经营管理类信息为主。普通投资者对于这些信息的分析和判断往往不够准确，甚至存在漠视和低估，这是因为： 其一，Kahneman and Tversky(1972)和Tversky and Kahneman(1973；1974)的研究认为，人们在决策时不可能掌握所需的所有信息，使得决策存在可得性偏差，即当进行抉择时，人们会依赖快速得到的，或是最先想到的信息，而不是挖掘更多的信息。这种偏差导致在进行判断时，人们对于不了解或不清楚的事物，更倾向于选择漠视和低估。投资者对于微博信息可能就存在这种偏差。 其二，Rogers et al.(2015)发现，过去已发布的内部人交易信息，如果被媒体再次报道仍会对市场产生影响。他们认为这源于投资者对原始信息反应不足。Sinha(2010)则发现，股价对新闻中报道的“定性描述”反应不足。以上结论说明投资者对于定性信息的理解的确存在偏差。 基于以上两点，投资者对于微博信息可能同样存在反应不足，甚至漠视。当识别和判断这些信息存在困难时，投资者可能就无法使用这些信息，也无法基于这些信息进行证券交易。因此，仅仅依靠投资者自身可能不足以使得微博信息能够及时地反映在股价之中。 Ivkovic and Jegadeesh(2004)认为分析师发布的盈余预测和荐股对于市场是有价值，一个重要原因是，对于公开信息，分析师的收集和解读能力比普通投资者更为有效。因此，微博信息更有可能是依靠一些专业的金融机构，通过自身专业知识和素养，分析和整合这些信息，然后通过发布研究报告或是自身交易行为等方式使这些信息最终被反映在公司股价中。本文预测分析师在促进股价及时反映微博信息中起到了显著的积极作用。即提出以下有待检验的实证假设： 假设H2：其他条件相同的情况下，开通微博的公司中，越多分析师追踪，其股价同步性越低。 假设H3：其他条件相同的情况下，开通微博的公司，其分析师盈余预测偏差更低。 三、样本选择和研究方法 (一)样本选择 2009年8月14日新浪微博开始内测，此后新浪微博的用户成几何形式增长，截至2013年12月底，新浪微博拥有1.291亿月活跃用户，平均每天活跃用户达到6140万④。本文按以下标准选择一个公司是否作为开通官方微博处理：(1)本文以新浪微博进行研究。新浪微博的用户量几乎是其他社交平台和微博平台无法企及的⑤。(2)必须是加蓝V认证的企业总公司微博。(3)所有跟销售有关的微博都不作为官方微博。(4)该官方微博开通时间超过3个月，且月发布量不低于4条⑥。 经过以上筛选标准，并剔除金融行业公司，发现共有341家上市公司开通微博，占整个上市公司总数的14%左右。开通微博比例最高的行业是传播与文化行业，其次是信息技术行业，一个重要的原因是这两个行业往往是最先接触互联网技术和信息科技的行业(Blankespoor et al.，2014)。各季度和各行业微博的开通情况见图1和表1。
图1 上市公司开通微博季度分布情况 本文所用数据均来自CSMAR和WIND数据库。为了保证回归结果不受异常值、通货膨胀等的影响，对所用数据进行以下处理：(1)所有名义指标用CPI调整至2012年末的价格水平；(2)剔除所有者权益小于0的观测值；(3)对进入回归的相关财务数据及比例进行缩尾处理(首尾1%)。
(二)实证方法 为了计算股价同步性，参考Mork et al.(2000)、朱红军等(2007)、Gul et al.(2010)以及李增泉等(2011)的做法，对于A股上市公司每年进行如下回归：
其中，
表示第i个公司，第t日的收益率，
分别表示第t日A股市场市值加权收益率和行业市值加权收益率(不含该公司)⑦。滞后一期的市场和行业回报率用以控制日数据中可能存在的非同步交易偏差。回归以上方程，得到第一组
，记为
。 考虑到中国的制度特点，A股上市公司还可能同时发行B股和H股，这些股票还可能受到B股、H股以及整个世界股票走势的影响。参考Gul et al.(2010)的做法，对于A+B股，A+H股和A+B+H股的上市公司分别在对应的回归方程中加入A股之外其他市场的收益率，得到另一组
，记为
。 由于
的范围是[0，1]，对
进行对数变换，
。由此，得到两个股价同步性的度量指标：
。为了检验开通微博对股价同步性的影响，本文估计以下方程：
其中，MICROBLOG衡量是否开通微博，开通后取1，否则取0。CONTROLS是一系列的控制变量。为了探究微博信息是否通过分析师的“信息解读”作用，或是机构投资的交易行为进入股价，本文估计以下方程：
其中，COVERAGE=ln(1+ANALYST)，ANALYST为当年参与发布该公司盈利预测的分析师个数。INST为公司年末公布的机构持股比例。参考已有文献，本文加入以下变量作为控制变量(CONTROLS)⑧：是否国有控制(STATE)、第一大股东持股比例及其平方(TOPHOLD和TOPHOLD2)、市净率(MTB)、公司规模(SIZE)、杠杆比例(LEVERAGE)、资产增长率(GROWTH)、资产收益率(ROA)、上市时间(AGE)、换手率(VOL)、ROA波动性(STDROA)、是否发行B股(BSHARE)、是否发行H股(HSHARE)、非A股比例(FOREIGN)、行业公司数量(INDNUM)以及行业公司规模(INDSIZE)。此外，本文还加入以下非公司特性变量：分析师追踪数量(COVERAGE)、是否由四大会计事务所负责审计(BIG4)、机构投资者持股比例(INST)。
四、实证结果与分析 (一)变量描述性统计 表2给出了相关变量的描述性统计。未开通微博时，
的均值和中位数分别为0.437和0.434，而考虑了世界股价走势、B股走势和H股走势后的
，均值和中位数也仅为0.440和0.438，相对于
来说，只有极其微小的增加。以上结果与其他相关文献报告的均值类似，如Gul et al.(2010)和Morck et al.(2000)等报告的中国市场的
分别为0.454和0.453。而Piotroski and Roulstone(2004)报告的美国的
均值仅为0.193，仅有中国的1/2不到。表2中
的均值和中位数分别为-0.275和-0.265，与Gul et al.(2010)报告的均值-0.232类似，而美国均值为-1.742。可见，相对于美国来说，中国的股价同步性还是很高的。最后，从表2 Panel B中简单的均值和中位数对比可以发现，开通微博以后，股价同步性的确有了一定程度的下降，以均值为例，
的均值从0.442下降至0.432，
的均值也从0.446下降至0.435。由于没有考虑到公司其他特性的变化，因此接下来进行回归分析。 (二)实证结果——开通微博对公司股价同步性的影响 表3报告了开通微博对公司股价同步性影响的回归结果。由于SYNCH和MICROBLOG在同一公司存在很大相关性，参考Petersen(2009)的研究结果，统计推断中的标准误均是在公司层面上cluster调整后的稳健性标准误。从表3⑨可以发现，MICROBLOG的系数总是在5%的显著性水平下显著为负，说明开通微博的上市公司的确通过微博发布了大量的公司信息，这些信息被及时地反映在股价之中，最终引起股价的波动。该结论也同时说明了股价同步性的确可以用来衡量特质性信息的多寡。 对于控制变量，政府控制的企业拥有更高的股价同步性，而第一大股东的持股比例与股价同步性是凹函数的关系。该结论与Gul et al.(2010)的研究结果一致。VOL的系数为负说明活跃的股票交易有利于特质性信息进入股价。高杠杆(LEVERGE)、高市净率(MTB)以及增长速度(GROWTH)更大的公司股价同步性更低，说明一方面，基本面的高风险对应的是股价的高波动率，另一方面也有可能是相对高风险的公司可能有更多信息披露出来。而大公司(SIZE)和好公司(ROA)相对来说股价同步性更高。上市时间越长的公司(AGE)股价的同步性越低，可能源于上市时间越长，其信息可获得性越高。 (三)实证结果——微博披露的信息如何进入股价 表4报告了分析师对于微博信息的“解读作用”的回归结果。从表4可以发现，当加入COVERAGE和MICROBLOG的交叉项时，该交叉项的系数显著为负，说明分析师的确利用其专业知识对当前公司发布的微博信息进行了信息整合，使得这些信息能够更加及时准确地进入股价。当加入INST和MICROBLOG的交叉项时，MICROBLOG和INST×MICROBLOG两项的系数均不显著。进一步的，当同时加入COVERAGE、INST和MICROBLOG的交叉项时，INST×MICROBLOG依然不显著，而COVERAGE×MICROBLOG依然显著。以上实证结果证实了本文的推断，即普通投资者对微博信息的估计和判断不够准确，而分析师有利于帮助市场理解这些信息。 (四)其他讨论——微博信息对分析师盈余预测的影响 以上结论说明微博披露的信息的确是公司的特质性信息，但这并不能完全排除企业会在微博上发布误导性信息。如果的确如此，那么不仅不能提高信息环境，反而可能引致更多的噪音交易⑩。为了说明微博信息能提高公司信息环境而不是增加噪音，本文进一步分析了微博信息是否能够降低分析师盈余预测偏差(11)。如果微博确实提供了有用的信息，那么分析师应该对公司有更多的了解。反之，如果是发布误导性信息，那么对公司盈余的预测将更加困难。 从表5前两列的回归结果来看，微博信息有利于显著降低分析师的盈余预测偏差，进一步的本文还将样本分成分析师高估样本以及分析师低估样本，从表5的最后四列可以发现，无论是乐观还是悲观的分析师，微博信息都能有效改善其盈余预测。因此，该经验证据进一步说明了微博披露了大量的公司特质性信息，并最终显著降低了公司股价同步性。
五、稳健性检验和其他讨论 尽管以上实证结果说明，公司通过微博发布了大量的特质性信息，从而使得公司的股价同步性降低，信息环境得到改善，而且分析师的信息解读作用有利于促进这些信息的及时反映。然而这些结果还可能有其他一些解释或是由于对比偏差导致的。基于稳健性考虑，本文对以上结果做如下几方面的检验(12)： (一)其他信息披露渠道的影响 如前所述，获取上市公司信息的渠道越来越多，如果微博披露信息与这些渠道存在相关性，就可能存在遗漏变量的问题。为此，本文进一步加入三个能度量公司信息多寡的代理变量：公司公告数量、新闻报道数量以及交易所互动平台回复数量，加入以上变量后，本文的结果依然稳健，且各变量与MICROBLOG的交叉项系数并不显著，这说明微博信息和其他信息更多地表现为一种独立关系。微博披露的信息是现有主流信息渠道所无法替代的。 (二)联立方程回归结果 一方面，分析师的追踪会影响公司股票的信息含量，另一方面，分析师是否追踪一家公司又有可能受到公司本身信息多寡的影响。因此，参考朱红军等(2007)的研究，本文采用联立方程重新估计分析师的信息解读作用。结果表明本文的结论依然稳健。 (三)月均发微博数量代替是否开通微博 参考陈信元等(2014)的研究，本文将公司月均发微博量代替是否开通微博这一哑变量，然后重复以上回归，结果依然稳健。 (四)自我选择偏差的影响 由于是否开通微博是由公司自主选择的，因此以上回归结果可能存在自我选择偏差。为了尽量降低自我选择偏差，本文使用扩展的Heckman自我选择模型进行估计，在考虑了自我选择偏差以后，MICROBLOG的系数更加显著，说明自我选择偏差对本文的主要结论影响有限。 (五)配对偏差的影响 从上文的描述性统计中可以看到开通微博的公司占比约为9%，用回归方法可能存在配对偏差。基于此，本文采用倾向得分匹配(PSM)的方法研究开通微博对股价同步性的影响，从配对前后结果来看，无论是否进行配对，开通微博的公司总是拥有更低的股价同步性。 (六)二次差分的思想 基于二次差分的逻辑，本文试图论证本文的结果不是由于对比组与处理组本身差异导致的。本文将2003-2007年作为一个新的样本区间，在该样本中两组之间股价同步性并不存在显著差异。本文进一步将在2003-2007年样本中出现的公司在2010-2012年之间再进行对比，以便确定：(1)开通微博以后处理组和对比组之间才出现了显著差异；(2)正文中的主要结果不是由于新公司进入导致的。在2010-2012年的样本中，开通微博使得公司的股价同步性显著下降。以上实证结果说明本文的结论不是由于处理组与对比组本身差异导致的。 六、结论和政策建议 关于
能否度量公司特质性信息含量，学术界进行了广泛而深入的研究。持“信息效率”观点的研究认为，
的大小反映了公司特质性信息的多寡，
越低，股票信息定价效率越高。而持“非理性”观点的研究则认为较低的
是源于非理性噪声交易。最新信息技术的发展对金融市场上信息的产生、传播和接收产生了重要的影响，微博作为最新的社交网络平台，被大量地用于发布和传播公司的相关信息，使得越来越多的公司特质性信息得以更快地在市场中发布和传播。这一事实为我们区分
背后的两种经济学解释提供了极好的研究样本。本文研究发现：(1)开通官方微博的公司股价同步性更低。(2)微博信息有利于显著降低分析师盈余预测偏差。(3)普通投资者对于公司通过微博披露的非财务信息无法准确地分析和理解，这些信息主要通过分析师的“信息解读”作用进入股价。 以上结论说明，公司利用微博披露的非财务信息的确是有价值的，这些信息反映了公司的生产经营状况，公司股价则给予这些信息及时的反馈，因而公司的股价波动含有更多的特质性信息。这一结论意味着公司
的差异更多的是源于公司特质性信息的多寡。本文的结论为股价同步性可以衡量公司的特质性信息含量提供了直接的经验证据，同时也从微观视角下解释了微博披露的“非财务信息”对公司信息环境影响的作用机制，扩大了信息披露的研究范围，有利于更好地理解分析师在资本市场中的作用。最后，本文的研究结论对于监管部门制定基于微博的社交网络信息披露准则具有一定的现实意义。 感谢匿名审稿人的宝贵意见。文责自负。 ①例如，我们可能会先验地认为分析师可以挖掘出企业更多的公司特质性信息，那么越多分析师追踪的公司，其股价中特质性信息就应该越多，股价同步性越低。然而，这一推断却没有得到实证支持。Piotroski and Roulstone(2004)和Chan and Hameed(2006)的研究都发现越多分析师追踪的公司，其股价同步性反而越高。他们的解释是，分析师更多的是促进行业和市场信息的及时反映。然而，这一结果也可以解释为股价同步性并不能用于度量公司特质性信息含量。 ②此外，另一个与新浪微博并驾齐驱的社交网络是腾讯旗下的微信，尽管二者都是社交网络的一员，但是新浪微博强调的是公开发布信息，而微信强调的是私下分享信息。正如新浪微博董事长曹国伟所说：“微博和微信是当前移动端最热门的两大应用。在我们看来，这是两种完全不同的社交平台。微博更像是供人们分享信息的公开网络，在微博上发布的一切、所说的一切都可以被任何人看到，而微信更像是私人网络，供人们在好友之间分享内容和信息。”因此，以新浪微博作为研究对象更符合本文的研究目的。 ③具体可以参见引言部分的脚注。 ④数据来源：2014年3月15日新浪微博向美国证券交易委员会提交的IPO申请文件，http://www.sec.gov/Archives/edgar/data/1595761/000119312514100237/d652805df1.htm. ⑤新浪微博已于2014年4月17日在纳斯达克挂牌上市，这无疑说明了其在整个社交网络中的领头羊地位。 ⑥该标准是为了剔除有些公司开通了微博但是几乎没有使用的情况。 ⑦参考现有文献，国内年报披露日期在每年的4月30日之前，回归区间为本年的5月1日至下一年的4月30日。在回归以上方程时，要求每年股票交易至少有200个有效观测值。 ⑧考虑到公司某些特性和财务数据的内生性，以下变量取滞后一期进入回归方程：TOPHOLD、TOPHOLD2、MTB、SIZE、LEVERAGE、GROWTH、ROA、INDNUM和INDSIZE。 ⑨从表2的描述性统计和表3的回归结果可以看到，
和
的描述性统计和回归结果都很相似，而后续回归结果也都非常相似，为了节省篇幅，后续部分有关股价同步性的回归结果仅报告了
的回归结果。 ⑩非常感谢审稿专家提供的相关意见。 (11)本文用一年内所有分析师最后一次盈余预测的均值与实际值之间差额的绝对值(AFE)来衡量分析师的盈余预测偏差。根据标准化的变量不同，分别用AFEPRC(AFE/年初股价)和AFEEPS(AFE/｜实际EPS｜)作为被解释变量。 (12)鉴于篇幅限制，稳健性检验的详细说明、工具变量的选择以及实证结果没有报告，需要的读者可以联系作者。
标签：股票分析师论文; 特质理论论文; 股票论文; 分析师论文;
