证券分析师预测“变脸”行为研究——基于分析师声誉的博弈模型与实证检验，本文主要内容关键词为：分析师论文,实证论文,声誉论文,模型论文,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。
0 引言
从2001年到2008年，在我国2081名证券分析师所发布的56834次盈余预测中，有98.25%的预测数字与公司的实际数据不符。更有意思的是，这种错误有着明显的系统性特征：在股市高涨时，分析师随波逐流，常常发布过度乐观的预测。而当泡沫消退时，分析师则会掉头转向，发布与之前形成强烈反差的盈余预期或股票推荐。以盈余预测为例，在2005年7月～2007年10月的牛市中，在分析师公布的24330次盈余预测中，有77.25%的预测数字超过了公司实际数据。与此形成鲜明对比的是，在2008年市场指数急剧下跌期间，这一比例则大幅降低了13.44%，表明分析师在熊市阶段趋向谨慎，会给出相对保守的盈余预测数字。对于分析师根据股票市场状况系统性改变自己“乐观”或“悲观”的预测行为，本文将其称之为“变脸行为”。而探求分析师“变脸行为”背后的原因所在正是本文研究的主要问题。本文一方面将行为金融理论中日渐兴起的迎合效应理论纳入研究框架，通过建立基于声誉的博弈模型对分析师预测行为进行理论分析；另一方面，本文以我国证券分析师为研究对象展开实证检验，以期对理论预期提供翔实的经验证据，从而在理论和实证两个层面对上述问题展开深入的考察。
对于证券分析师预测行为为什么会发生偏差的原因，目前学术界主要有两种理论观点。第一种观点认为分析师的判断偏误是无心之举，它是外部客观因素所导致的，如公司信息披露环境、盈余的可预测性、组织结构的复杂性、公司外部监管制度，等等[1-8]。例如，Lang和Lundholm[1]、Byard和Shaw[2]基于美国上市公司的研究，以及方军雄[3]、李丹蒙[4]基于中国上市公司的研究都表明，公司信息披露环境越不透明，分析师越难以获得高质量的相关信息，他们所做出预测的准确性越低。Ta等[5]、Kross和Suk[6]的研究则表明，外部监管制度的变迁也会对分析师预测行为产生深远的影响。特别是当监管部门对公司信息披露要求趋向严格时，分析师所做出的预测数字会更加准确。另外，部分学者从行为金融理论出发，将分析师视为有限理性人，认为分析师不可避免存在认知、心理和情绪等方面的偏差，而这些偏差直接导致了他们的判断偏误。一个直接的例证来自分析师预测的“羊群行为”以及由此带来的盈余预测数字的“群聚现象”。Trueman[7]、Hong等[8]的研究都发现，分析师在信息披露时往往放弃私人信息而跟从其他分析师的盈余预测或股票评级，从而披露有偏的信息。
第二种观点认为分析师的判断偏误是动机驱使的，它是分析师在获得私人信息后，从自身利益出发进行权衡的结果[9-14]。例如，Hong和Kubik[9]研究发现出于职业发展的考虑，为了吸引外界关注，分析师倾向于发布乐观报告，以有利于他们未来在更好地投资银行另谋高就。Michaely和Womack[10]、Cowen等[11]、C arapeto和Gietzmann[12]、Lim和Jung[13]等研究发现分析师与雇主之间的利益关系容易使得分析师的激励机制发生扭曲。与其它分析师相比，独立性较差的分析师（如承销商或投资银行所雇佣的分析师）更愿意发布乐观的分析报告以迎合雇主的需要。Mola和Guidolin[14]的研究也表明当共同基金增加某只股票在投资组合中的投资比例时，与他们关系密切的分析师会适时调高该股票的投资评级。虽然上述这两种观点增进了学术界对分析师预测偏差现象的理解，但仍无法清楚解释分析师的错误为什么会随着市场状况变动而出现系统性偏差，或者说，为什么在较短时间内他们对同样股票的预测结果会发生“变脸”？
随着行为金融学研究的进展，越来越多的学者将投资者心理特征因素引入到对公司财务决策的解释上，也由此发展了包括“迎合理论”在内的多个重要假说，丰富了传统金融理论框架下对公司各项财务行为的研究。就迎合理论而言，该假说认为投资者存在某种偏好，而这种偏好会被聪明的其它市场参与者（如公司管理层、基金经理等）所洞察。他们会对其决策行为进行适时、适当的包装来迎合投资者的偏好，从而实现收益的最大化。例如，Baker和Wurgler[15-16]早运用迎合理论来解释上市公司股利政策.他们认为由于投资者对支付股利的公司股票具有较强的需求，使得支付股利公司与不支付股利公司之间的价值存在差异，即所谓的“股利溢价”，而公司管理层会洞察到这种差异，制定相应的股利政策去迎合投资者的股利偏好，以此提升公司的股价。继Baker和Wurgler开拓性研究之后，不少学者进一步拓展了迎合理论的相关研究[17-21]。例如，Shleifer和Robert[18]运用迎合理论解释了上市公司的并购行为；Cooper等[19]运用迎合理论来解释投资基金更名现象；Polk和Sapienza[20]运用迎合理论解释了公司的投资行为；Baker等[21]则将名义股价与管理层迎合动机联系起来，为公司拆分股票行为提供了一个新的理论解释。然而，就已有的研究文献来看，还没有学者运用迎合理论解释分析师预测行为经常发生偏差的现象。而事实上，大量的心理学和行为金融学研究表明，投资者的信念并非都是理性的，会经常性地表现出某种程度的、偏离理性轨迹的情绪，而投资者这种情绪又会通过影响其行为最终体现在股票价格的变化上。例如，Brown[22]、Gervais和Odean[23]、Statman等[24]发现当投资者情绪高涨的时候，他们将倾向于对股票未来预期给予一个更加乐观的估计，推动股价向上偏离其基本价值，反之亦然。因此，投资者情绪很可能成为分析师迎合的对象。换言之，在投资者情绪的不同状态下，分析师将有选择性地进行信息披露，以此来提高个人声誉并实现个人收益的最大化。
基于上述分析，本文运用声誉博弈分析方法建立分析师迎合行为模型，对分析师预测行为的“变脸”现象提供了新的解释。本文的理论模型表明：一方面，在无法及时获取其他反馈信息的情况下，投资者主要依赖于自己对资产状态的先验信念（即情绪），通过对比先验信念与分析师预测信息之间的差异来评估分析师的声誉；另一方面，由于分析师自身利益与其声誉密切相关，为了提高声誉，分析师在信息披露时会迎合投资者的先验信念披露有偏的信息，从而导致预测“变脸”行为的发生。本文以2001～2008年期间我国证券分析师为样本的实证研究也证明了分析师迎合行为的存在：在投资者情绪高涨阶段，分析师存在着更为明显的乐观倾向，不仅高估了上市公司未来的盈余，也对股票的投资评级给予了较高的评级；反观投资者情绪低落阶段，分析师会适时调低公司未来盈余的预测数字，并且在投资评级上趋向于保守谨慎，低估了股票未来的投资收益。进一步的研究还表明，与能力一般的分析师相比，能力出众的分析师会更加坚持独立判断，其迎合投资者情绪的行为有所减轻。
在现有文献的基础上，本文的研究意义在于：首先，现有文献主要关注分析师预测行为的偏差，没有注意到这些偏差存在着系统性变化的显著特征，即“变脸”特征。本文以分析师预测“变脸”现象为研究切入点，不仅弥补了现有研究的不足，也为进一步考察分析师预测行为偏差提供了一个新的视角；其次，尽管学术界对于分析师预测行为偏差做了大量的研究，也提出了丰富的理论解释，但这些理论并不适用于探究分析师预测随时间推移发生系统性偏差这一事实。本文将迎合理论纳入分析框架，认为在利益动机的驱使下，分析师为提高声誉将迎合投资者情绪，从而披露有偏的信息。通过这样的研究，本文不仅扩展了目前迎合理论的研究内容，而且为研究分析师预测“变脸”行为提供了新的理论框架；第三，本文建立了基于声誉的博弈模型，并在此基础上提供了翔实的经验证据，不仅从公司盈余预测和股票投资评级两个角度考察了分析师是否迎合了投资者情绪，而且也考察了能力不同的分析师在其迎合行为上是否存在差异，从而丰富了有关分析师预测行为的实证研究。
1 基于声誉的博弈模型
声誉是影响经济人决策行为的关键变量，是经济学理论分析中一个重要的逻辑起点，并由此演化出许多富有建设性的、基于声誉的理论模型[25-27]。对证券分析师来说，声誉同样是不可忽视的要素之一，它关系到分析师个人的职业发展，也影响了投资者对分析师所披露信息的选择和解读[28-29]。借鉴Mullainathan和Shleifer[30]的媒体偏见（即报纸迎合读者）模型，以及Gentzkow和Shapiro[31]的媒体声誉博弈模型，从分析师职业声誉的角度，运用博弈分析的方式建立分析师迎合行为的理论模型。
1.1 博弈的基本假设
1.2 博弈的基本过程
1.3 声誉博弈均衡分析
根据命题3，得到了第一个研究假设：
H1在其他条件相同的情况下，投资者情绪越高涨，分析师预测行为越乐观；反之，投资者情绪越低落，分析师预测行为越悲观。
那么，不同类型的证券分析师是否都迎合了投资者情绪行为吗？或者说，在迎合投资者情绪的程度上，他们是否存在差异？根据前面的模型描述，与能力一般的S型分析师不同的是，能力出众的D型分析师坚持采用真实披露信息的策略，这也意味着能力越高的分析师对自身的数据收集、信息分析和未来判断能力更加自信，不容易受到投资者情绪影响。从而，得到了第二个研究假设：
H2在其他条件相同的情况下，能力出众的分析师受到投资者情绪影响的程度越小。
2 研究设计
2.1 研究样本与数据来源
本文有关分析师预测数据来自CSMAR中国上市公司分析师预测研究数据库，该数据库收录了2001年1月1日至2008年12月31日期间我国证券分析师发布的36754份研究报告，涉及了来自101家证券公司共计2081名分析师对1369家上市公司的预测.本文有关公司财务数据和股票交易数据来自Wind数据库。
本文中，分析师盈余预测和股票投资评级是同时关注的研究内容，根据研究设计的需要，本文对样本公司做了如下筛选：1）在盈余预测数据方面，需要运用实际盈余数据计算盈余预测偏差，因此剔除了这方面数据缺失的样本；2）在股票投资评级数据方面，CSMAR数据库根据分析师股票评级的文字描述大多都会给出相对应的五个标准化评级——卖出、减持、中性、增持和买入，由此剔除了少部分缺少标准化数据的样本。此外，为了避免异常值的影响，剔除了盈余预测偏差变量或投资评级偏差变量在1%和99%分位数之外的样本，并且统一剔除了相关控制变量数据缺失的样本。最终，纳入本文分析的盈余预测数据和投资评级数据的样本量分别为56834个和37418个②。
2.2 盈余预测偏差和投资评级偏差
2.2.1 盈余预测偏差
借鉴已有文献普遍的计算方法，采用下列公式衡量盈余预测误差
2.2.2 投资评级及其偏差
CSMAR数据库列出了分析师在股票投资评级上的详细内容，并通过标准化处理将其划分为5个级别：卖出、减持、中性、增持和买入。相对应地，本文设立离散型变量InvRank，分别赋值-2、-1、0、1和2，数值由低到高表示分析师股票推荐从悲观到谨慎再到乐观的不同观点。
为了更加清晰刻画分析师在投资评级上的偏差程度，本文将股票收益率考虑进来，计算公式如下：
2.3 分析师能力水平的衡量
分析师能力的高低最直接的表现就是他们对公司经营状况和股票价格的分析和判断上，现有文献中，盈余预测或股票推荐的准确性是常用的两个尺度，但这两个变量也是本文所关心的被解释变量。为了避免因果往复而产生的计量检验问题，本文借鉴Jackson[32]的研究方法，采用第三方独立机构对分析师能力的评价结果，选择《新财富》杂志举办的“最佳分析师”评选活动的结果。该活动从2003年开始举行，每年一届，它通过发放问卷，由分析师的服务对象——以基金公司为主体的机构客户采用直接提名并打分的方式评选出最佳分析师，是我国最早开始的、也是影响力较大的分析师能力排名活动.通过网络查索搜集了2003～2008年期间六届活动的评选结果。统计数据显示，在这期间共计342位分析师获得了最佳分析师的荣誉④。
2.4 投资者情绪的度量
借鉴Baker和Wurgler[33]的思想，选取换手率（TVR）、封闭式基金折价率（PREM）、IPO首日收益率（RIPO）、IPO首日换手率（TIPO）、IPO股票数量（NIOP）五个投资者情绪的代理变量，采取主成分分析方法构建投资者情绪综合指数。由于不同变量反映投资者情绪的时滞不一样，本文将上述5个变量的滞后一期值也纳入主成分分析。本文采用月度数据来衡量投资者情绪。在2000～2008年期间，中国A股市场有19个月没有发行新股。对此，本文采用两步法进行估计：
第一步，对所有变量数据都完整的月份进行主成分分析，选取特征值大于1的主成分，并以它们各自的方差贡献率作为权数，将其与所对应的主成分得分相乘并加总，最后所获得的和就是投资者情绪指数。通过计算，获得了四个主成分，并且它们的累计方差贡献率达到80.57%。投资者情绪指数得分函数的具体公式如下：
第二步，以上述获得的投资者情绪指数作为被解释变量，以换手率、封闭式基金折价率及其滞后一期值共计4个变量作为解释变量，通过回归获得投资者情绪的估计模型⑤：
2.5 检验模型
2.5.1 检验模型（1）：投资者情绪与分析师盈余预测偏差
其中AFE表示分析师j对公司k在第t年每股盈余预测的相对误差；
表示滞后m期的投资者情绪指数，采用了分析师报告发布前3个月的平均数值进行检验（下同）。此外，为了保证回归结果的稳健性，本文借鉴Das等[34]、Gu和Wu[35]等学者的研究成果，在上述回归方程中引入以下控制变量（CV）：1）公司规模（Size），采用经对数转换的年初资产总额进行度量；2）公司财务杠杆（Lev），采用年初负债总额与资产总额的比值进行度量；3）分析师跟进数量（AytNum），按年度分公司统计每个公司的分析师跟进数量，并取对数值；4）公司的复杂程度（Complex），采用无形资产所占总资产的比例进行度量；5）盈余的可预测性（Disp），采用盈余预测的分歧度作为代理变量，即通过计算分析师对同一家公司同年度盈余预测值的标准差进行度量.此外，为了控制行业可能产生的影响，还引入了行业虚拟变量。如果
显著大于0，说明分析师报告发布前（即分析师进行调研做出预测这一期间），投资者情绪越高涨时，分析师盈余预测越乐观；反之亦然，从而验证了分析师迎合行为的存在。
2.5.2 检验模型（2）：投资者情绪与分析师投资评级
其中InvRank表示当期的分析师投资评级；Sentiment为投资者情绪指数；CV表示一系列控制变量，与检验模型（1）一致。由于InvRank是一个离散型变量，本文采用次序Probit模型进行检验。如果
显著大于0，说明分析师报告发布前投资者情绪越高涨，分析师投资评价等级越高，即越倾向于推荐投资者购买股票；反之亦然，从而验证了分析师迎合行为的存在。
2.5.3 检验模型（3）：投资者情绪与分析师股票推荐偏差
其中
表示分析师j对公司k在t年股票未来收益预测的偏差；Sentiment为投资者情绪指数。CV表示一系列控制变量，除了引入前面检验模型中一系列控制变量外，还引入与股票预期收益和风险相关的四个变量：1）个股换手率（TVR），采用分析师投资评级公布前半年的个股平均换手率进行度量；2）上期个股收益率（PRE），为分析师投资评级公布前半年个股累积收益率；3）个股波动率（IVOL），采用分析师投资评级公布前半年个股日收益率的标准差进行度量；4）市场波动率（MVOL），采用分析师投资评级公布前半年市场日收益率的标准差进行度量。如果
显著大于0，说明分析师报告发布前投资者情绪越高涨时，分析师股票推荐越乐观；反之亦然，从而验证了分析师迎合行为的存在。
2.6 描述性统计分析
表1列示了主要研究变量的描述性统计分析结果。从中可以看出，盈余预测偏误的均值和中值分别为0.891和0.154，即公司公布的实际盈余都要小于分析师的预测水平；而投资评级偏误除了在长期研究窗口内表现为正，在中短期都表现为负，即股票未来收益的实际表现要低于分析师的预期水平；另外，从投资评级来看，其均值和中值分别为0.987和1，说明了分析师对其所研究的股票的未来表现普遍看好，大都给出了“增持”或“买入”的投资建议。综合而言，上述描述统计结果表明我国证券分析师在预测上普遍存在着乐观情绪，这一现状与Cowen等[12]对美国证券分析师的研究结果一致。
3 实证结果与分析
3.1 单变量分析
图2、图3和图4分别描绘了盈余预测偏差、投资评级及投资评级偏差三者与投资者情绪之间的关系，其中投资者情绪为分析师报告发布前3个月的投资者情绪指数的均值，盈余预测偏差、投资评级及投资评级偏差分别为所有分析师当月盈余预测偏差、投资评级和投资评级偏差的平均数⑥。从图2可以看出：首先，盈余预测偏差在所有月份都大于0，由此可见我国证券分析师在盈余预测上长期处于过度乐观的状态；其次，分析师盈余预测与投资者情绪呈现出较为明显趋同性。当投资者情绪高涨时，分析师盈余预测的乐观程度会进一步加剧；当投资者情绪低落时，分析师盈余预测仍然过于乐观，但程度有所减轻，从而说明了分析师在盈余预测上迎合了投资者的情绪。从图3可以看出，随着时间的推移，分析师投资评级与投资者情绪之间的变化趋势趋向一致，即当投资者情绪高涨时，分析师倾向于乐观推荐；当投资者情绪低落时，分析师的推荐则比较谨慎。那么，分析师这种与投资者情绪同涨共跌的推荐行为到底存在什么样的偏差呢？从图4可以很直观地发现，在投资者情绪高涨（或低落）时，分析师对股票未来收益的预期远远高于（或低于）股票的实际表现。这种完全吻合的关系恰恰说明了分析师在股票推荐上迎合了投资者的情绪。
为了进一步考察在投资者情绪不同阶段，分析师预测行为是否发生显著变化，本文进行了如下分组：如果在分析师报告发布时间之前3个月的投资者情绪指数均值大于（或小于）0，则视为分析师在投资者情绪高涨（或低落）阶段下所做的预测。表2列示了投资者情绪不同阶段下的各种统计检验结果，验证了图2至图4的研究发现，在投资者情绪高涨阶段，分析师存在着更为明显的乐观倾向，不仅高估了上市公司的盈余，也对股票的投资评级给予较高的评级；反观投资者情绪低落阶段，分析师盈余预测和投资评级的向上估计偏误有了明显的降低，与情绪高涨阶段相比较，其差异都达到了1%的显著性水平。上述发现表明了分析师预测偏倚方向和程度与投资者情绪状态呈显著的正相关关系，初步支持了本文关于分析师迎合行为的第一个研究假设。
3.2 多元回归分析
为了更加细致地考察投资者情绪对证券分析师盈余预测行为和投资评级行为的影响，本文将投资者情绪指数引入多元回归分析。同时，通过多元回归分析，也控制了其它变量可能产生的影响，从而保证了结论的稳健性。
3.2.1 证券分析师迎合了投资者情绪吗？
表3列示了方程回归结果，其中因变量分别是盈余预测偏差（AFE）、投资评级（InvRank）及其偏差（AIE），而本文所关心的解释变量为投资者情绪指数。从模型（1）的回归结果可以看出，Sentiment的回归系数为正，并且显著性水平达到了1%，可见分析师盈余预测偏差与投资者情绪成显著的正相关关系。从模型（2）的回归结果可以看出，Sentiment的回归系数为正，并且在1%的水平上显著，说明了分析师在投资者情绪高涨时倾向于给出“增持”或“买入”的投资推荐，而在投资者情绪低落时给出的投级推荐会较为谨慎。模型（3）的回归结果则表明了投资者情绪对分析师投级评级的影响程度，从中可以看出，Sentiment的回归系数均显著为正，说明了投资者情绪严重影响了分析师对股票未来表现的判断，在投资者乐观时，他们过度激进；在投资者悲观时，他们过度小心。综合而言，上述结果表明作为理性人代表的证券分析师，他们的预测行为并不理性，不仅很难置身于市场氛围之外进行独立研究，反而容易受投资者情绪所左右，即投资者情绪越高涨（或越低落），分析师预测行为越乐观（或越悲观），支持了本文所提出的假设1。
3.2.2 最佳分析师迎合了投资者情绪了吗？
下页表4在表3的检验模型中引入了投资者情绪与最佳分析师虚拟变量（STAR）的交乘项（Sentiment×STAR），其中，若分析师入选《新财富》杂志的“最佳分析师”排行榜，STAR取值为1，否则取值为0.该检验的基本思想在于：根据假设2，对于能力出众的分析师而言，无论是盈余预测还是投资评级，他们都会比能力一般的分析师更加坚持自己的独立判断，受投资者情绪的影响会比较小，因此，Sentiment×STAR的预期符号刚好与Sentiment的预期符号相反。
从表4的回归结果可以看出，模型（1）中的Sentiment×STAR回归系数为负，不仅在符号上与Sentiment的回归系数相反，而且达到了5%的显著性水平。由于与一般分析师相比，最佳分析师预测行为受投资者情绪的综合影响为sentiment的系数和交叉项系数之和，因此上述结果说明最佳分析师受投资者情绪影响较小。然而，模型（2）中的Sentiment×STAR回归系数却与Sentiment 一致，这似乎说明了最佳分析师股票推荐在投资者情绪高涨时更冒进，而在投资者情绪低落时更谨慎，与前述的理论预期不符。这一结果主要来自于样本的差别，这是因为在全部样本中，明星分析师的平均样本评级为1.040，而其他分析师的平均样本评级为0.963，二者差异达到了5%的显著性水平（未在表中列示）。换言之，明星分析师对其所追踪的股票普遍给予较高的评级。由于前面的研究表明包括明星分析师在内的全部分析师在投资者情绪高涨阶段会给予股票更高的评级，从而使得Sentiment和STAR交乘项的系数显著为正。更为重要的是，本文更加关心分析师投资评级的准确性，即分析师对股票的投资评级与其股票未来的收益表现是否相符。结果发现在全部样本中，与一般分析师相比，按照明星分析师推荐买卖股票所获得的投资收益都比较高。以AIE1为例，按照明星分析师和其它分析师分组计算的数值分别为0.109和0.141，二者差异达到了1%的显著性水平（未在表中列示）。根据前文对变量AIE的定义与计算，数值越大表明分析师越乐观，说明在对股票投资推荐上，一般分析师实际上更加乐观。换言之，即便明星分析师在投资者情绪高涨阶段对其跟踪的股票给出较高的评级，但如果这些股票在未来表现确实比较好，那么不能认为明星分析师的股票推荐要比一般分析师更加乐观，反之亦然。
因此，在模型（3）中将分析师对公司股票未来收益预测的偏差（AIE）作为被解释变量，该变量为投资评级所对应的预期收益减去该股票未来的实际收益，它不仅考虑了分析师的投资评级，而且考虑了该股票在其评级发布之后的实际收益率。在模型（3）中，当以AIE作为被解释变量时，Sentiment×STAR回归系数符号与Sentiment完全相反，并且显著性程度除了一个接近10%的水平外，其余两个都达到了1%的水平，说明了在对股票投资进行评级时，最佳分析师会更独立于投资者情绪影响之外。综合而言，表4的检验结果基本上支持了本文所提出的研究假设2，即能力出众的分析师受到投资者情绪影响的程度较小⑦。
另外，从控制变量的回归结果来看，对于规模较大的、受分析师群体关注较多的或盈余可预测性较低的公司，分析师往往倾向于乐观预期，盈余预测或投资评级都存在显著的向上估计偏误；对于资产结构较复杂的公司，分析师推荐行为则比较保守，向上估计偏误有所减轻；对于财务杠杆较高的公司，分析师会高估了其未来盈余的表现，而低估了其未来股票收益的表现。此外，从模型（3）另外加入的四个控制变量的回归结果来看，如果在分析报告披露之前个股换手率越高或者整个市场的波动越大，分析师会给予该股未来收益过低的估计；如果之前个股收益越高或者个股的波动越大，分析师会给予该股未来收益过高的估计。
3.2.3 考虑内生性问题后的回归检验
由于在现实中，分析师作为资本市场的一员，他们可能同时具有分析师和投资者的双重身份，使得其私人信息与本文的投资者情绪存在一定的交互关系。为了去除这种影响，本文做了如下处理：首先，对分析师研究报告（含盈余预测报告和投资评级报告）进行分析，找出2个关键指标：分析师所分析的股票以及该分析师所在的证券公司；接着，对对应股票的股东信息进行分析，如果该证券公司在分析报告前后1年的时间之内是该公司的前10大流通股股东，可能会存在较强的内生性问题，因此删去这个样本⑧通过上述的匹配筛选，在分析师盈余预测数据方面，剔除了3276个样本；在分析师投资评级数据方面，剔除了2319个样本。表5和下页表6报告了采用筛选后的样本数据所获得的回归结果。对比表3和表4，从中可以看出，Sentiment回归系数的数值和t统计量都有了一定程度的下降，说明当分析师所在证券公司是其所分析股票的大股东时，由于身兼分析师和投资者的双重身份，他们对该股票的预测分析更容易受到投资者情绪的影响⑨。但总的而言，去除这种内生性问题后，本文的实证结果没有发生实质性的变化。
3.3 稳健性检验
为了保证实证结果的稳健，本文从三个方面展开敏感性检验：1）分别采用了滞后1个月和6个月的投资者情绪指数重新进行检验，结果表明这些情绪指数的回归系数符号保持一致，都达到了1%的显著性水平。通过与前面的结果进行对比，发现当情绪指数从滞后1个月向滞后3个月乃至滞后6个月推移时，其解释力没有得到明显的提高，说明分析师预测行为倾向于迎合当前投资者情绪。2投资者情绪指数是本文的一个关键变量，由于在中国封闭基金折价率容易受到基金分红比例的影响，在衡量投资者市场情绪方面可能存在较大的噪音⑩，因此，将该变量剔除，重新构造投资者情绪评价函数。3）考虑到分析师在进行股票投资推荐时，经常以同期大盘收益作为比较基准。因此，在衡量投资评级偏差时，采用同期市场收益率减去分析师对股票未来收益的预测值进行衡量。如果数值大于0，说明分析师投资推荐越乐观，反之亦然。上述三个稳健性检验的结果与前文保持一致，说明本文的结论具有较好的稳健性，但限于篇幅，本文未将上述结果列示出来。
4 结束语
证券分析师预测行为为什么会发生偏差？在股市泡沫时代，分析师为什么会失去冷静，陷入过度乐观的非理性状态？而当泡沫消退，分析师为什么会掉头转向，发布与之前形成强烈反差的盈余预期或股票推荐？传统的理论观点无法完整清楚地解释分析师预测系统性发生偏差这一事实。本文试图将行为金融理论中日渐兴起的迎合效应理论纳入分析框架，运用声誉博弈分析的方式建立分析师迎合行为模型，对分析师预测随着市场状态而“变脸”的现象提供了另一种解释。本文的理论模型表明，投资者由于无法及时获得其他反馈信息，他们只能根据自己对资产状态的先验信念及分析师所披露的信息评估分析师的声誉。分析师为提高自己的声誉以获得更多的利益，在信息披露时会迎合投资者的先验信念披露有偏的信息，而这恰好提供了回答上述问题的一种新思路。
本文以2001—2008年期间我国证券分析师为样本的实证研究也证明了分析师迎合行为的存在：在投资者情绪高涨阶段，分析师存在着更为明显的乐观倾向，不仅高估了上市公司未来的盈余，也对股票的投资评级给予了较高的评级；反观投资者情绪低落阶段，分析师会适时调低公司未来盈余的预测数字，并且在投资评级上趋向于保守谨慎，低估了股票未来的投资收益。进一步的研究还表明，与能力一般的分析师相比，能力出众的分析师会更加坚持独立判断，其迎合投资者情绪的行为有所减轻，呈现出“众人皆醉我独醒”的良好表现。
事实上，本文所建立的分析师声誉博弈模型的理论蕴义是十分丰富的。根据命题2，当作为信息需求方的投资者获得充分的反馈信息时，采用真实披露信息策略成为了能力一般的分析师的最优策略，而这也意味着当上市公司财务报告更加透明，信息披露更加及时，股票价格信息含量更加丰富时，为迎合投资者情绪而披露有偏信息的策略容易被投资者所察觉，反而会对分析师的个人声誉和职业谋划产生消极影响，从而成为他们的次优选择。换言之，公司信息披露环境的改善将有助于抑制分析师在盈余预测和股票推荐上的迎合行为，这将是未来值得关注的一个研究方向。
①该部分证明过程限于篇幅未予报告，留存备索。
②一般来说，分析师在一份报告中会对公司未来若干个年份的盈余进行预测。在本文，每个年份的预测都视为一个观测样本。例如，如果分析师在一份研究报告中预测了公司未来三年的盈余水平，计为3个盈余预测数据。
③此外，还用-15%、-10%、0%、10%和15%作为五个投资评级的股票未来收益预测值的替代值，实证结果保持一致。
④在《新财富》评选活动中，每个研究领域的最佳分析师取若干名不等，他们又分为第一名、第二名和第三名，甚至还有第四名和第五名。为了简化分析，只要有入选最佳分析师排行榜，均视为能力出众的分析师。
⑤回归结果显示模型调整拟合系数为0.488，并且各变量的回归系数都至少达到10%的显著性水平，说明运用该模型能较好地估计投资者情绪指数。
⑥需要指出的是，CSMAR数据库中记录的2001年的有关分析师预测的数据很少，其中有9个月份的样本量为0，因此，在画图时把时间轴截取为2002年1月至2008年12月这段区间。
⑦在多变量回归分析中，由于变量的选取、设定和计算，多重共线性是经常出现的一个计量问题，这将使得回归结果变得不可信。为此，计算了各个解释变量的方差膨胀因子（VIF）。结果发现，这些解释变量的VIF值都比较小，最大值也仅为2.51（为市场波动率这个变量），说明本文不存在多重共线性问题。
⑧需要说明的是，目前国内学术界通用的数据库只能提供近几年前十大流通股股东信息，例如Wind和CSMAR数据库分别提供了2002年至今和2003至今的十大股东信息，因此，通过以下方式整合数据：以CSMAR数据库为基础，通过Wind数据库补充2002年的股东信息数据，通过手工翻阅年报整理获得2001年的股东信息数据。
⑨为了对这一结论做更为严格的检验，本文设置了虚拟变量（Dummy）：当分析师所在证券公司是其所分析股票的大股东时，Dummy赋值为1，否则赋值为0.在此基础上，引入投资者情绪与该虚拟变量的交乘项（Sentiment×Dummy）。实证结果表明，投资者情绪与该交乘项的回归系数都为正，并达到了1%的显著性水平，验证了上述结论。但为了表达简约起见，本文没有将该回归结果列示出来。
⑩在2001-2002年，中国封闭基金由于高分红比例受到投资者的欢迎，其平均折价率不到10%.在2002年以后，随着封闭基金高分红现象的消失，其折价率迅速上升20%以上。即便是在2007年中国的大牛市阶段——市场普遍认为是情绪比较高的阶段，其折价率却高达30%左右，因此，在衡量中国市场情绪方面，封闭基金折价率指标的噪音较大。
标签：股票论文; 股票分析师论文; 投资分析师论文; 证券论文; 回归模型论文; 预测模型论文; 证券分析师论文; 分析师论文; 数据分析论文; 投资论文;