证券分析师的盈余预测和股票评级是否具有独立性？，本文主要内容关键词为：盈余论文,独立性论文,分析师论文,股票论文,证券论文，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。
一、引言
证券分析师在各种利益关系的漩涡中难以保持其研究报告的独立性，是当前全球证券分析师行业规范发展中面临的一大难题。即便是在美国证券市场这么一个发展成熟、监管严厉的市场中，证券分析师研究报告的独立性也深受质疑。Francis and Philbrick(1993)，Das et al.(1998)，Lim(2001)等提供证据表明：证券分析师为了维持与上市公司管理层的关系而倾向于发布偏乐观的盈余预测。Michaely and Womack(1999)，Bessler and Stanzel(2009)等研究也发现：主承销商分析师为了迎合投资银行部门的需求而发布较高的股票评级，而市场对主承销商分析师评级的反应则较为负面。原红旗和黄倩茹(2007)考察了承销商业务对中国证券分析师独立性的影响，也发现承销商分析师出于促销承销股票、维持客户关系、争取下次承销机会等动机，倾向于发布偏乐观的盈余预测和股票评级。Cowen et al.(2006)，Gu et al.(2010)则直击分析师行业公开的秘密：由于券商研究部门的收入与机构投资者交易佣金直接挂钩，导致分析师无法保持客观和中立。O'Brien and Tian(2006)甚至指出，证券分析师为了各种利益关系而追捧“网络股”、夸大业绩预测，直接导致了1996-2000年美国的“互联网泡沫”。
在我国，证券分析师行业发展时间尚短。近年来，“研报门”事件频发，不仅给投资者造成巨大的损失，也让股民对券商研究报告的信任降至冰点。例如，2011年3月15日双汇发展(000895)被央视曝光“瘦肉精”丑闻之后，8位跟踪该股票的分析师中，有6位仍然给出“强烈推荐”或者“推荐”，但其股价却是连续三个交易日跌停，据《证券日报》记者韩喆报道：丑闻后仍然给以推荐的分析师所在的券商与双汇发展有着千丝万缕的联系，他们或是该股票的主承销商，或是从重仓持有该股票的基金分得丰厚的佣金，或是重仓持有该股票的基金的大股东。①可见，美国等西方国家所面临的证券分析师独立性缺失的问题在中国不仅存在，而且因为监管不力而显得更加严重。因此，系统地考察我国证券分析师所面临的各种利益关系对分析师报告质量的影响，不仅有助于揭示了我国证券分析师独立性缺失的根本原因，而且可以为监管层规范和治理证券分析师行业提供重要的理论依据。鉴于此，本文通过构建理论模型提出7个研究假设，并收集2004年1月1日至2009年12月31日来自68个券商的1 743名证券分析师所发布的对961家上市公司的54 369个盈余预测和股票评级作为研究样本，系统地研究了分析师个人声誉，及其与上市公司管理层、基金等机构投资者以及投资银行部门的关系，对分析师盈余预测偏差和股票评级的影响。有别于国内外目前的研究，本文的创新工作还体现在：作者不仅考察了国内外学者所发现的维护与上市公司管理层和投资银行的利益关系对分析师独立性的影响，还率先探讨了维护机构投资者关系以及维护个人声誉等动机对分析师盈余预测和评级偏差的影响，从而拓展了分析师利益关系问题研究的新领域。
二、理论模型与研究假设
本文构建了一个简单的数学模型来说明证券分析师所面临的各种利益关系对其所发布的盈余预测的影响。分析师所面临的利益关系包括：(1)维护和提高个人声誉；(2)维护与投资银行部门的关系；(3)维护与机构投资者客户的关系。分析师将在这些利益关系之间进行权衡，从而最大化自身从盈余预测中所获得的价值。
(一)分析师的价值函数
根据以上描述，分析师的价值函数可以表示如下：
如果分析师进行盈余预测的公司由分析师所在券商担任主承销商，那么分析师较乐观的盈余预测符合其所在券商投资银行部门的利益(Lin and Mc-Nichols，1998;原红旗和黄倩茹，2007)。分析师从投资银行部门处获得的价值表现在两个方面：第一，帮助投行部门获取更多的佣金而得到直接的收入提升，第二，因助推投行业务而获得公司内部的较高评价，间接提升分析师收入。因此，分析师从维护投行关系方面获得的价值
可以用以下函数描述：
2.股票评级的影响因素
依照前文关于分析师利益关系如何影响盈余预测的分析思路，我们可以进一步拓展到分析师声誉如何影响股票评级预测。一是分析师声誉的影响。由于声誉较高的“新财富最佳分析师”更不需要通过发布偏乐观的股票评级来讨好管理层，因此从维护与管理层关系的角度考虑，最佳分析师更没有动力去发布过于乐观的股票评级。据此提出假设5：较高声誉的分析师的股票评级的偏乐观程度较低。二是主承销商关系的影响。当分析师所在券商的投行部门，是其所跟踪股票的主承销商时，分析师为维护与投行的关系，除了发布偏乐观的盈余预测外，同样有动力发布偏乐观的股票评级。由此得到假设6：主承销商分析师的股票评级比非主承销商分析师更为乐观。三是维护机构投资者关系的影响。分析师股票评级高低直接影响着持有该股票的机构投资者的利益。因此与前文所分析的盈余预测一样，分析师同样也会通过发布较高的股票评级来维护机构投资者关系，因此可得假设7：在控制公司的信息透明化程度和盈利水平之后，机构投资者持股比例越高的公司，分析师的股票评级越正面。
三、研究设计
(一)样本数据
根据上述理论分析，在实证研究中，本文以2004年1月1日至2009年12月31日所有证券分析师预测和评级为初始样本，共81 910个观测点。在初始样本基础上，我们进一步剔除如下几类样本：盈利预测或股票评级包含缺失值的样本9981个，预测日晚于年报公告日样本21个，分析师姓名缺失的预测样本1 720个，自变量、控制变量或工具变量包含缺失值的样本15 819个。最终得到54 369个分析师预测与评级样本，来自68家券商1743名分析师的预测，涉及961家上市公司。研究中所需数据均来自Wind资讯数据库和CSMAR数据库。
(二)模型构建与相关变量计算
本文构建如下多元回归模型(15)来检验股票评级、分析师声誉、主承销商关系和机构投资者持股比例这四个因素对分析师盈余预测偏差的影响：
其中，作为因变量的分析师盈余预测偏乐观程度(BIAS)，我们参考Lang and Lundholm(1996)以及Hehn et al.(2008)的模型设定，定义为分析师对公司j在第t年每股收益(EPS)的预测值与公司j在第t年实际每股收益之差除以预测发布年份年初股价；考虑到上市公司可能会在预测日到年报公告日期间，通过送股、转增、增发的方式扩大股本，使得每股收益被摊薄，因此需要对每股盈利实际值进行股本变动调整。具体做法为每股盈利实际值乘以年报公告日股本，再除以预测日股本，得到调整后的每股盈利实际值。
模型中四个解释变量定义如下：(1)股票评级(RANK)是与盈余预测同时发布的“五分制”股票评级，由1分到5分，分别代表“买入”、“增持”、“中性”、“减持”和“卖出”，分值越高，推荐级别越低。RANK也是模型(16)的因变量；(2)分析师声誉(REPUTATION)是预测发布年份之前，分析师是否曾经入选“新财富最佳分析师”②前三名来度量，若是则取值为1，否则取0；(3)主承销商关系(UNDERWRITER)是以预测发布年份之前两年内，分析师所属券商是否担任相应上市公司IPO、增发或可转债发行的主承销商来度量，若是则取值为1，否则取0；(4)基金持股比例(FUND)等于预测发布年份前一年，相应上市公司的基金平均持股比例，即年初、年末持股比例的平均值。我们采用盈余预测发布之前的数据对第2—4个变量进行度量，以减少内生性问题的影响。
除了解释变量外，本文还基于前人研究加入如下控制变量以控制以下三方面因素的影响。(1)上市公司公开信息量的多寡。Lang and Lundholm(1996)，Brown(2001)，Behn et al.(2008)均表明上市公司公开信息量与分析师的预测准确度之间存在正相关关系，借鉴其研究，我们采用如下三个指标来度量公司公开信息量：第一，预测期限(HORIZON)即预测发布日至年报公告日的时间间隔(天数)，在年报公告日之前，上市公司会陆续发布季报、年中报和业绩预报等公告，随着年报公布日的接近，分析师能够掌握的公开信息也越充分；第二，跟踪分析师人数(FOLLOWING)是以针对同一上市公司相同报告期作出盈余预测的分析师总人数来度量；第三，企业规模(SIZE)是以相应上市公司年初年末总市值的均值取自然对数来度量。(2)盈余预测难度也可能影响盈余预测偏乐观程度，我们借鉴Lang and Lundholm(1996)，采用盈余波动率(STDROE)即相应上市公司在预测日前五年净资产收益率的标准差来度量。(3)盈余水平方面，Eames and Glover(2003)发现上市公司的盈余水平与分析师盈余预测偏乐观程度存在负相关关系。因此我们以公司在预测日前一年年末的净资产收益率(ROE)来度量公司盈利水平。此外，我们还加入年度哑变量和行业哑变量作为控制变量，其中行业哑变量是基于证监会行业分类的12个行业和制造业10个子行业，共21个行业哑变量。
此外，根据理论假设，我们还构建了如下回归模型(16)来检验主承销商关系、机构投资者持股比例和分析师声誉对分析师股票评级的影响。模型(16)中各变量的定义与模型(15)相同。
四、实证结果及分析
(一)变量描述性统计与相关分析
各研究变量的描述性统计如表1所示，由表1可知，(1)在54 369个分析师预测评级样本中，有9 348个预测评级是由预测发布日前曾获评《新财富》杂志所评选“最佳分析师”的行业前三名的分析师所发布，占比17.2%；有3 761个是曾获评《新财富》“最佳分析师”第一名的分析师所发布，占比6.9%。主承销商分析师的预测评级数目为326个，占比只有0.6%，可见在每个时期，IPO或增发的上市公司在总体中是少数。(2)盈余预测偏乐观程度(BIAS)的均值和中位数分别为-0.001和0.000，这表明总体而言，我国证券分析师并没有表现出盈余预测的乐观倾向③；股票评级(RANK)的均值和中位数分别为2.034和2，均低于“中性”评级的3分，这一方面是因为证券分析师在股票评级上偏乐观，另一方面是因为分析师偏好于选取有投资潜力的公司进行评级。
表2列示了各变量的Pearson相关系数和Spearman相关系数，可知：(1)盈余预测偏乐观程度(BIAS)与股票评级(RANK)和主承销商关系(UNDERWRITER)呈显著正相关，但与分析师声誉(REPUTATION)和基金持股比例(FUND)呈显著负相关；(2)股票评级(RANK)分别与分析师声誉(REPUTATION)、主承销商关系(UNDERWRITER)、基金持股比例(FUND)存在显著负相关关系。
(二)分析师利益关系与盈余预测偏乐观程度
本节将采用分组比较分析和多元回归分析方法检验分析师利益关系对盈余预测偏乐观程度的影响。由于表1显示不少变量存在离群观测值，为了减少离群值的影响，在分组比较分析和多元回归分析之前，本文统一对数值型的变量进行缩尾处理，将落于(1%，99%)之外的观察值分别替换为1%和99%分位上的数值。
1.分组比较分析
我们将分析师盈余预测样本分别按照股票评级的高低、是否“新财富最佳分析师”所作预测、是否主承销商分析师所作预测以及证券投资基金持有流通股的比例高低分组配对，比较相应变量高低组在分析师盈余预测偏差上是否有显著差异。配对方法如下：(1)股票评级分组配对。采用两种配对方式：首先，对于每一个股票评级得分为“1”(买入评级)的样本，选择同一分析师所作预测、发布时间最为邻近、股票评级得分大于“1”的样本作为配对样本；其次，对于每一个股票评级得分为“4”或“5”(减持或卖出评级)的样本，选择同一分析师所作预测、发布时间最为邻近、股票评级得分小于“4”的样本作为配对样本。(2)是否“新财富最佳分析师”分组配对。对于“新财富最佳分析师”所作的盈余预测样本，选择与其所预测股票相同、发布时间最为邻近、由其他分析师所发布的预测。(3)是否主承销商分析师分组配对。对于主承销分析师所做的盈余预测样本，选择与其所预测股票相同、发布时间最为邻近、由其他分析师所发布的预测。(4)基金持股比例分组配对。将所有54 369个样本按基金持股比例大小等分成高、中、低三组，以高组和低组作为配对样本。
由表3可知：第一，对于“买入”评级样本，分析师平均预测偏差为股价的0.03%，而同一分析师在相近时间所发布的评级低于“买入”的样本，平均预测偏差为股价的-0.3%，显著低于后者；对于“卖出”或“减持”评级样本，分析师平均预测偏差为股价的0.05%，而同一分析师在相近时间所发布的评级高于“卖出”或“减持”评级的样本，盈余预测的平均偏差则为股价的0.6%，显著高于前者；这些结果表明股票评级越高，分析师盈余预测偏乐观程度越高；第二，对于样本期间曾入选《新财富》前三名的行业分析师，其盈余预测的平均偏差为股价的-0.2%，与之配对的非“新财富最佳分析师”所作预测的平均偏差也为股价的-0.2%，二者没有显著差异；第三，对于所属券商在预测之前两年内曾担任相应上市公司主承销商的分析师，其所作预测的平均偏差为股价的0.5%，高于非主承销商对同一公司的平均预测偏差(股价的0.3%)，但二者差异统计上不显著；第四，将分析师盈余预测按相应公司的基金持股比例由高到低排序，对于基金持股比例最高的样本，其盈余预测的平均偏差为股价的-0.28%，远低于基金持股比例最低的样本(平均预测偏差为股价的0.21%)，二者的差异在1%的水平下显著。可见，分组比较分析的结果部分支持研究假设1至假设4，为得到更加稳健的结果，以下我们将采用多元回归方法来控制其他因素的影响。
2.多元回归分析
表4是模型(15)的估计结果，在模型的估计中，我们对模型标准误进行异方差调整以获得较准确的t统计量。第1-4列中我们首先将四个解释变量逐一放入回归模型中，然后在第5列将四个解释变量一起放入回归模型中。回归结果表明，(1)股票评级(RANK)的回归系数在1%置信水平下显著为负，分析师股票推荐评级每上升1级(减少1分)，盈余预测偏乐观程度上升0.1%。这一结果与假设1的预测相反，也与Francis and Philbrick(1993)，Das et al.(1998)等人的研究发现不一致，他们认为当分析师给出“卖出”或者“减持”等不利的股票评级时会采用偏乐观的盈余预测以修补与公司管理层的关系。(2)虽然列2中分析师声誉(REPUTATION)的回归系数只是接近10%的显著性水平，但是当列5控制其他变量之后，REPUTATION回归系数的显著性水平达到1%，这表明“新财富最佳分析师”的盈余预测偏乐观程度比其他分析师低，这一结果与假设2预测相一致，即声誉较高的分析师更不会通过发布过度乐观的盈余预测来维系与管理层的关系。由此可见，声誉机制可以在一定程度上约束分析师的行为，使分析师在发布研究报告时保持独立性和客观性。(3)主承销商关系(UNDERWRITER)的回归系数在1%置信水平下显著为正，这表明：对于同一公司，主承销商分析师所发布的盈余预测比非主承销商分析师更加乐观，与假设3的预测相一致，即主承销商分析师出于维护与投行关系的动机而倾向于发布偏乐观的盈余预测。(4)在控制了公司的信息透明化程度和盈利水平之后，基金持股比例(FUND)的回归系数在1%置信水平下显著为正，基金持股比例每增加1%，分析师盈余预测乐观程度上升0.03%，实证结果支持假设4的“维护机构投资者关系效应”。值得注意的是，回归分析结果与分组比较单变量分析的结果相反，其原因是基金持股比例高的公司，信息透明化程度和盈利水平都比较高，而单变量分析没有控制这些效应。
对控制变量的回归结果解释如下：预测期限(HORIZON)的系数显著为正，说明距离年报发布日越远，分析师的盈余预测整体上越偏乐观；跟踪分析师人数(FOLLOWING)的系数显著为负，说明跟踪分析师人数越多，公司越透明，盈余预测越准确；企业规模(SIZE)的系数显著为正，说明上市公司规模越大，分析师越有动机发布乐观盈余预测，这与Eames and Glover(2003)的研究结果不一致；盈余水平的波动性(STDROE)的系数显著为正，说明对于盈余水平不稳定的公司，其预测难度较大，分析师更易发布乐观预测；盈余水平(ROE)的系数显著为负，表明公司业绩越差，分析师盈余预测偏乐观程度越高，其原因可能是当公司业绩较差时，公司高管更期望分析师发布乐观的盈余预测来维系投资者信心，因此分析师为迎合上市公司管理层的意图而发布偏乐观预测。列5中所有自变量的VIF均远小于10，说明模型多重共线性问题不严重。
(三)分析师利益关系与股票评级
1.分组比较分析
表5中，我们将分析师股票评级样本分别按照是否“新财富最佳分析师”所作预测、是否主承销商分析师所作预测以及证券投资基金持有流通股的比例高低分组配对，比较相应变量高低组在分析师股票评级方面是否有显著差异。由表可知：(1)对于同一公司同期的股票评级预测，“新财富最佳分析师”所发布的评级均值为1.892，显著低于普通分析师2.018的均值，说明分析师声誉越高，其股票评级越正面，这与假设5的预测不一致，我们将在回归分析中进一步剖析原因；(2)对于同一公司同期的股票评级预测，主承销商分析师所发布的评级均值是1.745分，显著低于非主承销商分析师1.876的均值，这表明主承销商分析师的股票评级更加正面，与假设6的预测一致；(3)股票评级发布当年基金持股比例最高组的样本公司，其所获评级的均值为1.811，显著低于基金持股比例最低组样本公司的评级均值2.298，这表明基金持股比例越高的公司，分析师评级越正面，与假设7的预测一致。
2.多元回归分析
表6是模型(16)的估计结果，在模型的估计中，我们对模型标准误进行异方差调整以获得较准确的t统计值。列1、列2、列3分别为单一解释变量的回归，列4是同时放入所有解释变量的回归结果，列4结果与列1、列2、列3-致。由表可知，(1)分析师声誉(REPUTATION)的回归系数在1%的置信水平下显著为负，即分析师声誉越高，其股票评级越正面，这一结果与假设5的预测不一致，其原因可能是：“新财富最佳分析师”评选离不开基金等机构投资者的选票支持，因此最佳分析师为继续保持与机构投资者的良好关系而发布更为正面的评级。(2)主承销商关系(UNDERWRITER)的回归系数在1%的置信水平下显著为负，这一结果支持假设6，即主承销商分析师为维护与投资银行部门的关系而发布更为正面的股票评级。(3)基金持股比例(FUND)的回归系数也在1%的置信水平下显著为负，这一结果同样支持假设7，即基金持股比例越高的公司，分析师为维护与机构投资者的关系而倾向于发布更为正面的股票评级。(4)在控制变量方面：跟踪分析师人数(FOLLOWING)的系数显著为负，原因可能是：跟踪分析师人数越多，说明上市公司公开信息越透明，投资风险小，股票评级也越正面；盈余水平的波动性(STDROE)的系数显著为正，说明对于盈余水平不稳定的上市公司，投资风险大，股票评级也越负面；盈余水平(ROE)的系数显著为负，说明盈余水平越高的上市公司，越具投资价值，所以股票评级也越正面。列4中所有自变量的VIF均远小于10，说明模型多重共线性问题不严重。
五、稳健性检验
(一)内生性问题与工具变量法
模型(15)和模型(16)中可能存在内生性问题，例如在模型(15)中，分析师声誉会影响其预测偏差，而分析师预测偏差也会影响分析师声誉，所以存在反向因果(Reverse Causality)问题。此外，模型还可能存在遗漏变量(Omitted Variable)问题，例如某一被遗漏未控制的变量可能会同时影响分析师预测偏差和分析师声誉，导致二者存在的相关关系不是因果关系。为此，本文将采用工具变量法来检验和解决这两个问题。我们为分析师声誉选取了两个工具变量：第一，分析师预测频率(FREQUENCY)，以分析师在预测发布年份的t-1年及以前的年均预测发布数量来衡量；第二，沪深300指数股偏好程度(HS300)，即分析师在预测发布年份的t-1年及以前，对沪深300上市公司所发布的预测占该分析师预测总数的比例。
选择理由如下，第一，合适的工具变量必须与分析师声誉存在显著的相关关系，从理论上看，Stickel(1992)，Emery and Li(2009)等研究已表明分析师发布预测的频率越高，其声誉越高，即其成为全美分析师的可能性越大；另外，沪深300的指数股更可能是基金重仓股④，因此分析师越关注沪深300指数股，其研究报告则越有可能得到更多基金经理的关注，其被基金经理选为“新财富最佳分析师”的概率也越高。从实证上看，由表7中列1的工具变量法第一阶段回归分析表明，FREQUENCY和HS300两变量均显著为正，而且Larcker and Rusticus(2010)指出，如果工具变量与内生变量(本文中的分析师声誉)只存在弱相关关系，那么工具变量法会导致估计值高度有偏，因此我们采用Stock et al.(2002)提出Paritial-F值来检验工具变量与内生变量的相关性，当工具变量的个数分别为2个时，Paritial-F检验的临界值为11.59。列1显示第一阶段的F值为6 617.96，远大于临界值，这表明这两个工具变量与内生变量存在强相关关系。第二，合适的工具变量必须与模型(15)的残差项不相关，也就是说，工具变量只能通过内生变量来间接影响因变量，不能对其有直接影响。Wooldridge(2002)认为当工具变量的个数超过自变量中内生变量的个数时，可以采用过度识别检验(Hansen-J检验)对此进行检验。列1中报告的Hansen-J统计量等于0.274(p=0.600)，因此不能拒绝“工具变量与模型(15)的回归残差项不相关”的原假设，也就是说工具变量对盈余预测偏乐观程度无直接影响，只通过分析师声誉来间接影响盈余预测偏乐观程度。综上所述，我们选择的工具变量可以通过统计检验，表7中列2的第二阶段回归中，我们发现采用工具变量法，分析师声誉的回归系数依然显著为负，说明分析师声誉越高(获评“新财富最佳分析师”)，其盈余预测偏乐观程度越小。
内生性问题和遗漏变量问题同样也可能存在于模型(15)的基金持股比例变量，也就是说基金持股比例会影响分析师盈余预测偏乐观程度，但盈余预测偏乐观程度也会影响基金持股比例。因此我们为基金持股比例选取了两个工具变量：第一，现金股利历史水平(DIVIDEND)，以预测发布年份的t—1年和t—2年的每股现金股利平均值来度量；第二，个股历史收益率(RETURN)，以相应上市公司在预测发布年份的t—1年及t—2年，考虑现金红利再投资的年个股收益率的均值来度量。由表7中列3可知，股利发放较多、历史收益率较高的公司，基金持股比例显著较高，两个工具变量对基金持股比例有显著影响，Partial-F值为936.38，远大于临界值11.59。此外，Hansen-J统计量等于0.243(p=0.622)，因此工具变量对分析师盈余预测偏乐观程度无直接影响，只通过基金持股比例来间接影响盈余预测偏乐观程度。表7中列4的第二阶段回归中，我们发现采用工具变量法，基金持股比例的回归系数依然显著为正，因此基金持股比例较高的公司，分析师盈余预测偏乐观程度较大。
表7中列5和列6采用工具变量法来解决模型(16)中分析师声誉变量可能存在的内生性和遗漏变量问题，而列7和列8则解决模型(16)中基金持股比例变量可能存在的内生性和遗漏变量问题，工具变量法第一阶段回归的Partial-F和Hansen-J检验均表明所选用的工具变量具有相关性和外生性，而第二阶段回归则表明采用工具变量法，分析师声誉和基金持股比例对股票评级依然有显著影响。
(二)其他稳健性检验
其他稳健性检验考察如下因素对实证结果的影响：(1)本文采用Winsorize的方法来减少离群值的影响，在稳健性检验中，我们还采用将落于(1%，99%)之外的观察值剔除的方法，发现结果不受影响，此时样本数仅为原样本的88%。此外，我们还采用不作任何离群值处理的方法，结果也不受影响。⑤(2)由于采用的是分季度的数据提取方式，因此存在某一分析师对同一家公司同一报告期的多次预测调整和评级调整的情况，针对这一情况，Cowen et al.(2006)的处理方法是仅保留该分析师的一次预测样本，以提高样本间的独立性。本文参照该方法，以分析师针对同一家公司同一报告期的首次预测样本或末次预测样本分别进行稳健性检验，发现结果不变，两种方法得到的样本数均为原样本的56%。(3)由于基金持股比例(FUND)与跟踪分析师人数(FOLLOWING)和企业规模(SIZE)的相关性较强，使得三者的VIF在模型中较大。由于跟踪分析师人数(FOLLOWING)和企业规模(SIZE)所控制的是公开信息量的因素，因此我们在稳健性检验中引入深交所的信息披露考评结果，即以信息披露质量(SCORE)来替代前两者，我们发现回归模型的共线性问题降低且实证结果不变。由于深交所的信息披露考评只涉及深市公司，故样本数仅为原样本的37%。
六、结论及启示
作者结合中国证券市场现实，以分析师所面临的多重利益关系为背景——维护与上市公司管理层、机构投资者以及公司内部投行部门的关系，构建了分析师最优盈余预测决策的理论模型，在此基础上得出7个理论假设，并收集相关数据展开实证检验，得到如下结论：首先，分析师在发布“卖出”或者“减持”等不利股票评级时，其盈余预测偏乐观程度也较低，亦即分析师在发布不利的股票评级时并没有发布偏乐观的盈余预测来修补与公司管理层的关系，这与Francis and Philbrick(1993)，Das et al.(1998)的研究发现以及理论模型的预测相反；其次，机构投资者和投行部门则在很大程度上影响着分析师的绩效考核，因此分析师对基金持股比例较高的股票，以及分析师所在券商的投行部门负责承销的股票均给予偏乐观的盈余预测和较高的推荐评级；最后，声誉较高的分析师同样无法在各种利益关系的漩涡中保持独立，尽管他们在发布盈余预测时偏乐观程度较小，但是为维护与机构投资者的关系他们比普通分析师更倾向于发布偏正面的股票评级。对于实证结果中可能存在的“内生性问题”和“遗漏变量问题”，我们还采用工具变量法加以检验，发现结果不变。
本文的研究结论具有重要的理论价值和现实意义。首先，本文揭示了我国证券分析师独立性缺失的根本原因，从而为监管层整治和规范证券分析师行业提供理论借鉴。其次，我国证券分析师领域研究刚刚起步，前人的研究主要探讨了分析师荐股和盈利预测的市场反应(姜国华，2004)，盈利预测的投资价值(吴东辉和薛祖云，2005)，分析师学历、经验等因素对其分析质量的影响(胡奕明和林文雄，2005)，海外证券分析师的盈余预测(林小驰等，2007)，证券分析师的信息来源(胡奕明等，2003)，分析师利益冲突与投资者利益的关系(张雪兰和何德旭，2008)，公司信息披露状况、盈余管理以及分析师和上市公司双方综合因素对分析师盈利预测准确性的影响(方军雄，2007;岳衡和林小驰，2008;白晓宇，2009;李丹和贾宁，2009)。在这些研究的基础上，本研究进一步挖掘了分析师盈利预测偏乐观现象背后的利益冲突问题，从而在一定程度上深化和拓展了分析师领域的国内研究。
作者非常感谢主编及两位匿名审稿专家的建设性意见，文责自负。
注释：
①详见证监会指定信息披露媒体《证券日报》记者韩喆于2011年4月27日发表的“双汇深陷丑闻反遭离奇唱多，成交状况回归停牌前”。
②“新财富最佳分析师”评选由《新财富》杂志主办，是中国本土第一份民间市场化分析师排名，自2003年以来每年评选一次。根据机构投资者投票结果，在31个行业中每个行业评选出排名前三的最佳分析师。参与投票的机构包括：国内公募基金公司，社保基金，保险资产管理公司，QFII，银行，私募基金，证券公司，信托公司，财务公司，海外投资机构等。据《新财富》杂志网站(www.xcf.cn)介绍，2011年，共有462家机构的2000多位基金经理、投资总监和研究总监参与投票，而这些机构管理的资产总规模超过3万亿元，约占当年GDP的7%。
③分析师的盈余预测偏乐观程度会受到年份因素的影响，2005年、2008年的盈余预测偏乐观程度(BIAS)显著为正，2006年、2007年和2009年显著为负。
④以本文的研究样本进行检测，沪深300指数股哑变量与基金持股比例之间的相关系数为0.14(p＜0.01)。
⑤为节省篇幅，本节中其他稳健性检验的结果均未制表报告，如有需要，请向作者索取。
标签：股票论文; 机构投资者论文; 新财富论文; 股票分析师论文; 投资分析师论文; 证券论文; 预测模型论文; 证券分析师论文; 分析师论文;