证券分析师盈余预测误差的决定因素——来自中国的证据和启示,本文主要内容关键词为:盈余论文,误差论文,分析师论文,中国论文,证据论文,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
作为构建核心竞争力的重要载体,开展卖方研究业务已成为券商“战略性投入”的主战场。在盈利预测方面,证券分析师往往需要投入较大精力,因为业界和学界普遍认为,每股收益是股价的重要决定因素之一。在美国,职业投资人往往依赖“机构券商评估系统(I/B/E/S)”、“一声(Thomson Reuters First Call)”、“扎克斯(Zacks)投资研究公司”,“标普(S&P)”等专业机构提供的每股收益预测进行模型构建和投资决策,因此预测质量尤为重要。基本面分析、量化研究等西方流行的投资理念不断引入中国,促使基金经理不得不日益重视每股收益预测的精确性,原因在于日益复杂的数理模型、套利策略对每股收益估计提出了更高要求。基于美国证券市场的已有研究表明,股价往往会对盈利不符预测(Earnings Surprise)做出较大的反应。在中国,专业投资终端“万得”、“聚源”、“同花顺”等近年来涌现出专门模块提供分析师预测数据,显示出实务界对盈利预测的重视程度。因此,本文重点研究中国证券分析师盈余预测呈现何种特征?是否出现系统性偏差?哪些因素对盈利预测误差产生影响?
尽管西方学者对分析师预测相当重视,并有专门的期刊《财务分析师杂志》(Financial Analysts Journal),但国内对证券分析师的研究却相当缺乏,可能原因是中国的证券分析行业刚刚起步,研究所需的各种数据比较缺乏,也可能是因为国内研究者对分析师活动重视不够(林小驰等,2007)[1]。我们希望通过这篇文章,能够唤起学界和业界对证券分析师预测问题的进一步重视,为中国资本市场的发展和证券分析行业的完善做出贡献。
考察证券分析师预测误差是本文的一个重要特色。我们探讨该问题的一个重要原因是,随着国内资本市场的不断发展和完善,证券市场的制度环境、投资理念和市场结构已经发生了深刻变化,过去“股评家”所依赖的游戏规则、赚钱模式和制度条件正逐渐改变,上市公司面临的信息环境也日益复杂,这使得投资者越来越依赖于证券分析师的专业预测分析。作为最容易量化的指标,每股盈余预测可以在一定程度上反映分析师的专业技能,从而为我们全面了解分析师行为提供一个较好的视角。
以2005-2009年的43104个分析师预测为样本,本文重点探讨分析师盈余预测误差具有哪些特征。初步研究表明,在样本区间内,尽管证券分析师预测活动日益活跃,但年度盈余预测误差有轻微的上升趋势。我们还发现:当有较多的分析师跟踪某只股票时,该股票每股收益的预测误差降低,这说明分析师之间的激烈竞争增加了每股收益预测的精确性;上市公司每股收益的波动性越大,分析师预测偏差也越大,这说明波动性增加了预测难度;上市公司的股价越高,分析师给出的预测越精确,可能原因是高股价的公司更容易引起证券分析师的关注,从而诱使他们花费较多的精力,因此盈余预测也相对比较准确;个股的波动程度越大,盈余预测就越不准确,主要原因是股价波动在一定程度上反映了上市公司面临的风险,从而增加了预测难度。此外,公司增长前景越好,预测误差也越大,可能原因是高增长前景增加了分析师预测的难度。最后,公司资产负债率越高,预测误差越大,这说明分析师难以对负债比率较高的公司做出精准预测。
本文接下来的主要结构如下:第二部分是文献回顾和分析;第三部分是研究设计,主要包括样本、数据和方法;第四部分是研究结果和分析;最后是全文的主要结论。
二、文献回顾和分析
在分析师预测方面,国外学者进行了大量研究,主要分为三类。第一类是关于分析师盈余预测的主要统计特征,包括预测偏差、分歧度等。如姜国华(2004)[2]的描述性分析表明,分析师对中国上市公司会计收益预测的质量较差,不同分析师预测之间的一致性也较低。采用与布朗等人(Brown et al.,1987))[3]类似的方法,岳衡和林小驰(2008)[4]发现,分析师盈余预测比简单的统计模型预测更为精准。第二类是关于分析师预测精确性的原因分析和预测误差的决定因素研究,如郎和伦德霍尔姆(Lang and Lundbolm,1996)[5];贝恩等人(Behn et al.,2008)[6];郭杰和洪洁瑛(2009)[7],该类文献探讨的核心话题是什么样的公司特征导致预测误差。如方军雄(2007)[8]、白晓宇(2009)[9]利用深圳证券交易所提供的信息披露考察指标,发现较高的信息披露水平会增加分析师的预测精度。第三类文献是关于分析师预测的投资价值。如巴伯等人(Barber et al.,2001)[10]利用美国的分析师数据进行实证分析,发现投资者若根据分析师提供的投资意见进行交易,可以在短时间内获得超出市场平均水平的收益。
本文的研究和第二类文献比较一致,重点分析到底有哪些常见因素影响到中国证券分析师的盈余预测误差。我们仅考虑常见指标的原因是,首先,尽管中国证券分析师行业发展很快,但分析师的信息解读能力仍然偏低,公开信息成为其信息获取的主要渠道(胡奕明等,2003)[11];其次,是中国股票市场具有新兴加转轨的典型特征,中小股东的投资经验不足,普遍缺乏足够的能力和实力获取较多的私人信息,常见的公开信息成为其投资决策的重要依据。因此,如果常见的指标能对分析师盈利预测误差产生重要影响,则这些研究可以帮助我们从最基本的因素审视证券分析师预测活动的特征,也有利于投资者科学看待证券分析师的盈利预测行为。
需要指出的是,关于分析师行为的文献普遍缺乏一个统一的理论框架[详见布尚(Bhushan,1989)[12]],多数学术成果为纯实证研究。因此,本文也从实证角度探讨,到底有哪些因素影响到中国证券分析师的盈利预测误差。
(一)公司规模和分析师跟进
在盈余预测文献中,公司规模和分析师跟进数量得到大量讨论[详见艾伦等人(Allen et al.,1999)[13];布兰森等人(Branson et al.,1998)[14];林(Lim,2001)[15]],主要结论是:公司规模越大,分析师预测误差越低。从上市公司的角度来讲,可能原因是公司规模越大,受到关注的程度就越高[详见布尚(Bhushan,1989)]。高关注度导致较多的信息披露,因此证券分析师盈利预测的准确性也就越高[详见巴隆(Barron et al.,2002)[16];顾和吴(Gu & Wu,2003)[17]]。此外,分析师跟进人数越多,预测误差也越低,主要原因是分析师跟进人数越多,说明公司受到关注的程度越高,盈余预测中包含的信息也就越多,预测就会相对比较精准①。
(二)盈余波动性
此外,盈余波动也会影响到分析师的预测偏差。克洛斯等人(Kross et al.,1990)[18]、度挐和锐博(Duru & Reeb,2002)[19]的研究表明,上市公司的盈余波动越大,美国分析师搜集信息的动机就越强,因此预测偏差就越低。但在中国,证券分析师行业的发展还不成熟,较大的盈余波动性可能增加证券分析师的预测难度,因而分析师预测偏差有可能增加。简单来说,就是盈余波动对分析师预测偏差的影响存在两种截然相反的效果,哪种因素占据主导作用还要看本文的实证研究结果。
(三)上市年限
再次,公司上市时间的长短也会对分析师的预测误差产生影响。一方面,新上市公司为了同分析师、券商等建立起良好关系,引起市场参与者的注意,会更主动提供一些私有信息[详见阿尔布莱希特等人(Albrecht et al.,1977),从而增加了分析师的预测精度。另一方面,公司的上市时间越长,向市场披露的信息也就越多,因此对于上市时间较长的公司,分析师更容易做出相对准确的盈余预测[详见奥布赖恩和布尚(O'Brien & Bhushan,1990)[20]。也就是说,公司上市年限既可能增加也可能减少分析师的盈余预测误差,哪种因素占据主导地位也要看本文的实证分析结果。
(四)股票二级市场表现
股票在二级市场的特征也会影响到分析师盈余预测的精确性。与大多数研究相一致,本文分别考察分析师进行盈余预测前12个月内个股的主要特征,主要关注股价均值和个股日收益率的波动情况。
(五)增长前景
布尚(Bhushan,1989)、奥布赖恩和布尚(O'Brien & Bhushan,1990)等人的研究表明,投资者对增长前景②较好的公司具有较为强烈的信息需求,从而导致证券分析师投入较多的精力进行分析。此外,具有较高增长潜力的公司往往也乐意通过各种各样的途径(如媒体报道、股东大会讨论、分析师接待)向社会各界展示其经营前景,因此这类公司的信息揭示较为充分。按照这种观点,增长前景较好的公司,分析师的盈余预测误差应该较低,因为充分的信息揭示有助于分析师对盈余预测给出更加准确的判断。但在中国,上市公司的信息披露还不充分,媒体报道的真实性也有待商榷,因此分析师对增长前景较好的公司进行预测也并非易事,原因在于分析师面临的信息也“鱼龙混杂”。因此,本文有必要进一步探讨高增长前景到底是增加还是降低了中国证券分析师盈余预测的精确性。
(六)财务风险
已有的学术研究表明,当公司的财务风险较高时,公司盈利前景的不确定性就相应增加,因此分析师预测变得较为困难[详见奥布赖恩和布尚(O'Brien & Bhushan,1990]。和大多数公司金融文献相一致,在本文中,用资产负债率(Leverage)作为财务风险的代理变量。当公司的债务规模增大时,精确评估公司的每股收益变得较为困难,因为对于债务规模较大的公司而言,未来收益的不确定性增加;同时,通胀、利率等宏观指标的变化也会对公司的每股收益产生重大影响[详见权(Kwon,2002)[21]],这也在一定程度上增加了盈余预测的难度。因此,参照西方学术研究的主要结论,我们预期:中国上市公司的资产负债率与盈余预测误差呈正向变化关系。
需要指出的是,除了公司层面因素,海外的许多学术研究还从分析师特征入手分析盈利预测误差是否受到分析师自身因素的影响[详见奥布赖恩(O'Brien,1990);林(Lim,2001)]。由于中国证券分析师的从业年限相对较短,同时分析师的流动也比较频繁;再加上国内目前缺少证券分析师个人特征的数据,因此关于分析师的个性特征对预测误差的研究有待于未来。在下面的研究中,将从上面探讨的这些最基本因素出发,看资本市场上的常见指标是否对分析师预测误差产生影响以及产生何种影响。
三、研究设计
(一)样本
我们主要研究中国证券分析师的盈利预测误差由哪些基本因素决定,样本是2005-2009年的A股上市公司③。分析师盈余预测数据来自聚源数据库,全文所需的其他数据来自国泰安CSMAR。
(二)盈利预测误差
与国际学术研究相类似,我们对盈利预测误差(Ferror)作如下定义:
表1是分析师盈利预测误差的年度分布。在样本区间内,分析师预测次数不断增加,从2005年的4030次,增加到2009年16551次。平均来说,分析师预测误差的均值为20.7%。从中位数可以看出,预测误差在样本区间内呈现出增加趋势。
表2是分析师预测误差的行业分布,其中行业分类采用中国证监会标准。由于制造业(证监会行业分类代码C)涉及的公司众多,其中子行业之间又存在较大差异,因此本文进一步把制造业分为10个子行业(证监会行业分类代码分别为CO,C1,…,C9)。
从表2中可以看出,分析师对机械、设备、仪表业的关注度最高,共做出6914次预测,平均预测误差为22.5%;对木材、家具业的关注度较低,仅做出80次预测,平均预测误差为17.3%。整体来说,预测误差的行业分布没有呈现明显的聚类特征。
(三)主要变量和描述性分析
在总结分析师文献已有成果的基础上,结合中国证券市场的特征,本文选取以下指标作为全文所使用的主要变量,其定义和计算方法如表3所示。
四、研究结果和分析
我们接下来进一步分析分析师预测误差的决定因素。根据第二部分的分析,全文所使用的主要回归方程(OLS)如下:
上述模型所使用变量的定义如表3所示。
主要回归结果如表5所示④。表5圆括号中T是统计量,采用“纽-外斯特(Newey-West,1987)调整法来控制异方差和相关性的影响。“*”、“**”和“***”分别表示10%、5%和1%显著性水平。此外,适当基于节约篇幅之目的,控制了行业变量和年度变量,本文未报告这些哑变量的回归结果,感兴趣的读者可以向我们索取。
从表5模型1中可以看出,Analyst(分析师跟进数量)系数为负,且在1%的水平上通过显著性检验。这说明,随着分析师跟进数量的增加,分析师预测偏差变低,这和帕卡什等人(Parkash et al.,1995),布朗(Brown,1997)、岳衡等(2007)的研究相一致,反映了西方学界的现有结论——较多的分析师跟进反映出较多的信息揭示,从而增加了盈余预测的准确性[详见奥布赖恩(O'Brien,1990);郎和伦德霍尔姆(Lang and Lundholm,1996)]。
Var EPS(每股收益波动性)系数为正,且在1%的水平上通过显著性检验。这说明,对于每股收益波动程度较大的公司,分析师的预测偏差也较大,这和来自美国的结论[如克洛斯等人(Kross et al.,1990)]不一致。每股收益的大幅波动增加了中国分析师的预测难度,从而导致预测精确性降低。结合第二部分的分析,我们认为,该处的分析结论和美国等成熟市场不一致的原因在于,中国证券分析师行业的发展还不够成熟和完善,证券分析师的专业技能有待提高。
Age(上市年限)系数为正,且在1%的水平上通过显著性检验。这说明,公司上市时间越长,分析师预测偏差越大。这说明中国证券分析师更容易对上市不久的公司进行比较准确的预测,其主要原因是分析师更容易从上市不久的公司获取更多的信息。
Avg Price(平均股价)系数为负,且在1%的水平上通过显著性检验。这说明,上市公司的股价越高,分析师做出的预测越精确。可能原因是分析师更加关注高股价的上市公司,因而在这类公司上花费的精力较多,做出的预测也相对准确。基于数据的限制,我们无法深入分析该问题,更深入的研究有待于未来。
Var Price(股价的波动性)系数为正,且在1%的水平上通过显著性检验。这说明,上市公司的股价波动程度越大,分析师做出的预测越不准确。
MB(公司的增长前景)系数为正,且在1%的水平上通过显著性检验。这说明分析师难以预测增长前景较好的上市公司,原因在于高增长也意味着不确定性,因而增加了分析师预测的难度[详见德肖和斯隆(Dechow and Sloan,1997[23]);理查德森等人(Richardson et al.,2001[24]);巴尔特等人(Barth et al.,2001[25])]。
Leverage(公司的财务风险)系数为正,且在1%的水平上通过显著性检验。这说明对于资产负债率较高的上市公司,分析师预测起来比较困难[详见奥布赖恩和布尚(O'Brien and Bhushan,1990)]。此外,Size(公司规模)系数为正,但不显著。
从上述分析中可以看出,对于预测难度较大的公司,比如每股收益或股价的波动性较大以及增长前景较好的上市公司,中国证券分析师的盈余预测误差都较大,这与来自美国的结论存在较大差异。在美国,对于具有这种特征的公司,根据信息需求和激励理论方面的研究成果,证券分析师往往会投入较大的精力进行研究,因此这类公司的盈余预测误差反而较低;而在中国,由于证券分析师行业的发展还不成熟,因此分析师对具有这种特征的上市公司,往往难以作出比较准确的预测。
需要说明的是,在表5模型1中,我们并没有考虑预测误差的方向,因为无论是分析师做出的预测相对真实收益是偏高还是偏低,其结果都是产生预测偏差。基于稳健性需要,我们把预测样本分为两组,预测相对乐观的样本(预测的每股收益高于实际每股收益)和预测相对悲观的样本(预测的每股收益低于实际每股收益),样本数分别为23645和18511,主要回归结果如表5模型2和模型3所示。模型2(乐观预测样本)的回归结果和模型1基本一致。但在模型3(悲观预测样本)中,MB系数变成负数,但不显著;Size系数为正,且通过显著性检验。
为了增加结果的稳健性,我们分年度对样本分别进行回归,全文的主要结论基本不变。
表5中OLS模型设计面临的一个重要问题是回归残差项的分布并不是独立同分布,因为在样本区间内,同一个分析师可能对多家公司做出预测,一家公司也可能得到多个分析师的预测。因此我们采用“法犸-麦柏思(Fama-MacBeth,1973)[26]二阶段”方法进行探讨,全文的主要结论仍然不变。
简单来说,该部分的主要结论是:分析师盈余预测误差和每股收益的波动性、个股日收益的波动以及上市年限呈正向变化,同分析师跟进数量、股价呈反方向变化。此外,若公司的增长前景较高或者资产负债率偏高,则分析师的盈余预测误差也偏高。
五、主要结论
本文重点考察了中国证券分析师盈余预测误差的决定因素。结果发现,分析师跟进人数、每股收益的波动程度、上市年限、股价以及个股日收益率的波动性、公司的增长前景、资产负债率等都对分析师的盈利预测偏差产生显著性影响。
中国证券市场二十年,分析师行业从无到有,从小到大,经历了一个不断发展的过程。从最初的股评家,到君安证券开上市公司调研之先河,再到价值投资理念引入国内,分析师已经成为中国证券市场中一支不可忽视的力量。从成熟市场的经验来看,证券分析师作为最重要的信息中介之一,对资本市场的发展至关重要。本文对分析师盈余预测误差的分析,能够使人们认识到分析师活动的一个重要侧面,对中国证券分析师行业的发展具有一定的借鉴作用。
需要指出的是,本文也有一些不足。首先,由于数据方面的限制,本文仅讨论一些重要的公司特征是否影响到分析师的预测偏差,而没有系统讨论分析师个人特征的影响。对分析师个人特征的考察,应当建立在中国证券分析师队伍比较成熟、数据库比较完善的基础上,我们将在后续的研究中能够不断深入。需要强调的是,即使没有考察这样因素,我们仍然发现,常见的指标对分析师盈余预测误差产生重要影响。这说明,中国证券分析师盈利预测误差受到系统性因素的影响,这对我们认识证券分析师行为具有一定的启示作用。再次,本文是一篇纯实证研究文章,缺乏坚实的理论基石作为指导。这也是本文研究的局限性所在。我们期望在实证研究的基础上能早日发展出理论,来深化我们对分析师预测问题的认识。最后,分析师盈余预测是一个非常丰富的课题,涉及会计、行为金融、投资学等诸多领域,本文仅尝试分析了盈余预测误差的决定因素。希望能抛砖引玉,引起国内外研究者对中国分析师预测活动的重视。
注释:
①部分文献研究表明,分析师倾向于跟进大公司(Bhushan,1989等)。因此严格来说,我们应该综合考虑公司规模和分析师跟进的交叉作用,这在一定程度上增加了分析的难度。在本文中,出于简单之需要,同时由于本文的主要目的是研究证券分析师盈利预测偏差的决定因素,因此我们对这两个因素分开考虑。随着数据的进一步完善,可以尝试通过选择模型分析二者之间的交互作用。
②西方学者通常用托宾Q度量公司的增长机会,由于在中国资本市场上,学者们对负债市场价值的估算面临种种困难,因此我们用公司的股本的市值账面比(MB)来表示上市公司的增长前景。
③我们以2005年为起点的原因是,中国证券分析师行为的相关数据的收集工作只是在近年来才逐步展开、采用。由于信息披露的不完善,在更早的样本区间内,不同数据提供商关于分析师活动的数据库存在较大的差异。此外,在本研究中,我们删除了分析师预测误差的奇异值(Outlier),即预测误差超过100%的值。保留这些奇异值,本文的主要结论没有发生根本性变化。
④在这些模型中,当我们把NINST和%INST分开考虑时,主要结论没有发生变化。
标签:投资分析师论文; 股票分析师论文; 行业分析师论文; 证券论文; 预测模型论文; 误差分析论文; 每股收益论文; 证券分析师论文; 数据分析论文;