企业声誉和券商声誉对分析师预测准确度的影响研究

姚禄仕+颜磊

【摘 要】 文章以声誉公司和对照公司、声誉券商和非声誉券商六年的分析师预测数据为依据，根据配对样本t检验探究声誉对分析师预测的影响，结果证明，高声誉企业与对照企业的分析师预测误差度存在显著差异，高声誉券商与对照券商的分析师预测误差度也存在显著差异。实证结果发现，对于高声誉的企业，其正预测误差比例小于对照企业，分析师对高声誉企业并未预测的过于乐观；企业的声誉越高，分析师的盈余预测越准确、误差越小；在高声誉券商就职的分析师，其预测较在普通券商就职的分析师准确度高、误差小；高声誉可以减小企业因往年每股盈余波动较大导致的分析师预测误差。

【关键词】 分析师预测； 企业声誉； 券商声誉； 预测准确度

【中图分类号】 F830.91 【文献标识码】 A 【文章编号】 1004-5937（2017）09-0059-06

一、引言

近年來，随着我国资本市场逐渐走向成熟，证券分析师行业也在不断发展，分析师通过收集上市公司的相关信息，深入研究，作出盈余预测并给出投资评级，表达了对上市公司未来业绩和股价走势的看法。国泰安数据库统计显示，我国2015年度124家证券公司的2 341名分析师共发布99 797次盈余预测，随着分析师规模的扩大，市场影响力的不断提升，分析师的盈余预测行为越来越受到国内投资者和公司管理者的重视，也受到市场参与者的广泛关注，成为了资本市场不可或缺的重要组成部分。

一项针对世界领先企业的首席执行官、非政府组织、学术机构等所作的调查显示，企业声誉作为衡量企业成功的指标，其重要性超过了股票市值、利润率以及投资回报率。在被调查的对象中，当被问及什么是衡量企业成功最重要的指标时，企业声誉的重要性仅次于产品和服务质量，位居第二。声誉是名誉和声望，是一种对主体的积极肯定，代表着主体在社会公众中的知名度和美誉度。声誉机制在一定程度上能够降低信息不对称，还能起到激励作用。晓芳[1]总结了声誉对提高市场有效性的4个作用，分别是规范与发展市场、约束交易者机会主义行为、信号传递和降低交易成本的功能。那么声誉在资本市场中对分析师的预测有何影响？分析师在不同的声誉机制下，是否会影响其预测的客观性以及准确性？

本文拟从企业声誉和券商声誉两个方面研究声誉对分析师预测的影响，包括分析师预测的准确度、分歧度以及跟随人数等。企业声誉的高低是否会影响分析师预测的客观性？分析师是否会对高声誉的上市公司进行过于乐观的预测？分析师的盈利预测和评级建议等研究成果的实现离不开证券公司的技术服务、数据库系统和资源平台等硬件设施支持，在高声誉券商就职的分析师，预测的准确度是否优于在普通券商就职的分析师？本文拟针对以上问题探讨声誉机制对分析师预测的影响，扩充声誉机制的影响研究领域，探讨其对分析师预测影响的机理。

二、理论综述与研究假设

学界对分析师预测的研究范围涵盖公司层面、分析师自身因素和环境三个主要方面。公司层面主要包括公司规模、上市年限、所处行业、信息披露质量、盈余特征等；分析师自身因素主要包括分析师从业年限、所属券商、分析师被关注度、分析师声誉、信息来源等；环境因素主要包括时间因素、宏观经济环境等。Brown et al.[2]发现，对于规模较大的公司，分析师可以给出更为准确的盈余预测，且上市公司的信息披露政策越透明、分析师追随人数越多，发布的预测越准确。但国内学者石桂峰等[3]却得出资产规模与分析师预测准确性呈负相关的结论，可能是因为规模大的公司进行多元化经营，行业跨度较大，不利于预测。Parkash et al.[4]针对影响分析师预测准确度及分歧度的公司层面因素进行了全面的分析，结果表明：经营风险、财务风险以及股权集中度水平越高的公司，分析师对其预测的准确度越低、分歧度越大；披露信息量越大的公司，分析师对其预测的准确度越高、分歧度越小。李悦等[5]对分析师自身因素进行了较全面的研究，得出结果：分析师相对预测准确度随着其从业年数和对跟进公司的预测年数的增长而提高，随着同一年份所跟进的公司数的增长而提高，同时随着其所跟进的行业数的增长而降低，没有发现分析师的工作环境（即所在券商的公司规模）与其相对预测准确度之间存在显著关系。对于声誉机制，目前较多学者研究的是分析师自身因素的，如券商声誉和分析师声誉（明星分析师）对分析师预测的影响，Cowen et al.[6]和Fang et al.[7]均证明，声誉高券商的分析师预测质量高于声誉低的券商的分析师预测质量。王宇熹等[8]研究发现，顶级券商明星分析师“减持/卖出”评级投资价值最高，顶级券商明星分析师在牛市阶段，“买入/ 增持”评级的投资价值低于非顶级券商明星分析师，熊市阶段，投资价值最低。此外，李星汉等[9]证明，单一的声誉机制不能完整刻画分析师行为，而分析师声誉机制与券商声誉机制都能够对分析师行为产生影响。周兰等[10]研究发现，企业声誉越高发生重大盈余预测误差的可能性越小，但发生重大正向盈余预测误差时将引起更积极的市场反应。

本文拟探究企业声誉、券商声誉对分析师预测的影响，理论假设如下：

一般行业中的龙头企业具有比较高的声誉，对于类似高声誉的企业，其业绩往往能够稳定增长，比较乐观。即使业绩并不如表现的那么好，高声誉企业也有能力和意愿为了维持声誉，展现业绩稳定乐观的表象（声誉维持假说）。此时，分析师可能会基于企业的稳定业绩进行较为乐观的预测，即分析师发布的盈余预测大于真实盈余，形成正预测误差，由此提出假设1。

假设1：对于高声誉的企业，分析师的正预测误差较多。

但是对于高声誉的企业，它的市场关注度较一般企业更高，信息披露也较全面，透明度高，企业会按照要求定期披露公司的经营状况，向市场传递利好或利空消息，在这种情况下，分析师可获得的信息比较多，更利于进行全面准确的预测，因此分析师的预测更可靠，由此提出假设2。

假设2：对于高声誉的企业，分析师预测的准确度较高，分歧度较小。

分析师就职的证券公司为其提供数据支持和资源平台，分析师才能更好地完成盈利预测和评级建议，高声誉的券商综合实力较强，无论在资产规模、资源平台、信息渠道等方面，都会优于一般券商，能够提供更好的资源。其次，雇佣关系也是影响分析师预测的一个重要原因，不同的券商在薪酬机制和竞争机制方面也有差异。由此提出假设3。

假设3：就职于高声誉券商的分析师，他们的预测较非高声誉券商的分析师的预测更准确，误差更小。

分析师预测误差与多因素均有关，其中，过去5年的每股盈余波动，即预测年度前5年每股收益变动标准差，是影响分析师非常直观的因素。分析师在对当年的每股盈余进行预测时必会参考过去几年的每股盈余值，当以往的盈余预测波动较大时，不利于分析师预测，可能会导致分析师预测误差增大。但当企业是高声誉企业时，分析师会更多关注其他与企业相关的因素，从而减少受每股盈余波动的影响。由此提出假设4。

假设4：高声誉可以减小企业因往年每股盈余波动较大导致的分析师预测误差。

三、样本选择和研究方法

（一）企业声誉

根据《财富》（中文版）评选的“最受赞赏的中国公司”榜单以及由北京大学管理案例研究中心和《经济观察报》联合评选的“中国最受尊敬企业”榜单，以及由世界金融实验室、《世界企业家》杂志和《蒙代尔》杂志中文版发起主办评选的“中国50家最受尊敬上市公司”榜单上榜的所有公司。剔除阿里巴巴、百度、网易、京东、复星等非沪深上市公司，剔除华为、娃哈哈等民营非上市公司，统计上榜次数大于3的上市公司，得出55家高声誉企业，另外对每家高声誉企业匹配一个对照样本企业。匹配原则如下：（1）沪深非金融业企业、上市3年以上。（2）行业相同，两位数行业代码与高声誉样本相同。（3）规模相近，总资产为高声誉样本总资产的50%～150%之间。（4）盈利水平相近，控制在高声誉样本净资产收益率70%～130%之间。如果经过上述步骤，满足条件的企业存在多家，则选择总资产、净资产收益率最接近且上市时间相近的企业。反之，从一位数行业代码相同的公司中按上述条件选择。

（二）券商声誉衡量

券商声誉以2010—2015年上榜《新财富》的“最具影响力研究机构”的次数衡量，认为上榜的券商声誉要高于未上榜的，所以上榜的次数多的券商自然属于高声誉券商，本文以上榜次数大于2的定义为高声誉券商，共13家。同时，按照以下规则进行对照券商匹配：（1）券商规模相近，为高声誉券商的50%～150%。（2）证券公司评级相近，按2010—2015年证券公司评级赋值排序，选择排名相差不超过10名的券商。（3）发布的分析师预测数量相近，上下不超过50%。

（三）数据来源

样本原始数据来源于深圳市国泰安信息技术有限公司开发的CSMAR数据库以及Wind数据库，并经手工处理得到。部分数据库缺失的数据来自新浪财经、东方财富网站。所有的数据回归均通过SPSS 20.0软件完成。本文以国泰安数据库中声誉公司、对照公司共114家企业以及26家券商2010—2015年的中国股票市场分析师预测数据为依据，对不同声誉的公司的分析师预测结果和偏差进行分析。为了保持数据的及时性和可靠性，笔者进行了如下筛选：（1）对于本年度发布的下一年度或下几个年度的盈余预测报告予以剔除。对于该年度的盈余预测报告，因上市公司在会计年度结束后四个月内披露的要求，仅保留该年度1月至次年3月期间各证券分析师发布预测信息，即2010年1月至2011年3月间发布的对2010年度的盈余预测。（2）对于同一分析师对同一家上市公司的预测数值只保留最新值。即甲分析师在4月和5月均对A公司预测了每股收益和净利润，则只保留甲分析师5月份对A公司预测的数值。（3）为消除异常值的影响，剔除异常数值、盈余缺失数值和盈余预测误差前5%和后5%的数值。最后筛选出13 161条分析师预测值。

（四）研究方法

本文用配对样本t检验分别对企业声誉和券商声誉是否会影响分析师预测做检验，检查两组误差是否有显著差异。若有显著差异（后证），再利用模型1探究各因素与预测误差的关系，证明假设2和假设3。通过分析师预测偏好证明假设1。通过加入交互项即模型2证明假设4。其变量定义如表1所示。

RE=β0+β1REPU+β2IB+β3INST+β4MM+

β5ANAL+β6ROE+β7Tobin's Q+β8EV+β9SIZE+β10IR+

β11MP+β12GROW+β13OWN+β14DAYS+ξ （1）

RE=β0+β1REPU+β2IB+β3INST+β4MM+

β5ANAL+β6ROE+β7Tobin's Q+β8EV+β9EV×REPU+

β10SIZE+β11IR+β12MP+β13GROW+β14OWN+β15DAYS+ξ （2）

四、实证检验

（一）配对样本t检验

用SPSS的“非参数检验”，对分析师预测误差进行正态分布检验，检验结果显示，分析师预测误差度为正态分布，平均值为0.16，标准差为0.54，可以做独立样本和配对样本t检验。

将高声誉组企业与对照组做配对样本t检验，检验结果如下，由表2看出，高声誉企业分析师预测误差平均值为0.241，标准差为0.326，标准误差为0.005。而对照企业的分析师预测误差平均值为0.533，，标准差是0.764，标准误是0.013。相关系数为0.083，几乎不相关。P<0.5，拒绝原假设，即表明高声誉企业与配对样本企业预测误差度存在显著差异，并且前者小于后者。另外，将高声誉组券商与对照组做配对样本t检验，检验结果如表2所示，高声誉券商分析师预测误差平均值为0.261，标准差为0.481，标准误差为0.006。而对照企业的分析师预测误差平均值為0.264，标准差是0.504，标准误是0.007。相关系数为0.091，几乎不相关。P<0.5，拒绝原假设，即表明高声誉券商与配对券商预测误差度存在显著差异，并且略小于后者。后续用多元线性回归检验声誉与分析师预测的关系。

（二）多元线性回归

1.分析师盈余预测偏好分析

根据所得分析师预测结果可知，声誉组的分析师预测中，预测盈余大于真实盈余（即ES>0）的结果有4 771条，预测盈余等于真实盈余（即ES=0）数据有293条，预测盈余小于真实盈余（即ES<0）的数据有3 094条，分别占声誉组全部预测数据的58.48%、3.59%和37.93%。而对照组的分析师预测结果中，分别占对照组全部预测数据的64.21%、3.22%和32.57%。详见表3。无论是声誉组还是对照组，分析师预测盈余大于真实盈余占比较多，说明分析师更偏向发布乐观的预测结果，但不符合假设1的预测。对照企业的正盈余预测比例比高于高声誉企业的正盈余预测比，笔者认为是由于高声誉的企业可获得的信息更多，有利于预测，所以并没有盲目乐观。

2.描述性统计

根据描述性统计结果（见表4）可知，分析师预测误差（绝对值）均值为0.156，中值为0.034，说明预测误差偏好乐观且乐观误差十分大；分析师预测误差程度（相对值）均值为0.27，中值为0.102，符合上述判断；净资产收益率极大值极小值差别很大，但平均值和中位数相近，在18%左右；机构投资者持股均值为68.923，中值为75.097，说明机构投资者持股整体较高；托宾Q均值为1.799，中位数为1.037，说明托宾Q偏高的值很高；盈余波动均值为0.37，中位数为0.259，说明盈余波动较大且波动偏高的更多；无形资产平均值和中值远远小于极大值，说明不同企业之间相差较大；公司规模增长速度平均在22.7%，中位数为17.8%，但极小值极大值相差较大，说明不同的企业增长率区别明显；预测日距披露日平均在124天左右，中位数112天，说明较早发布预测的人更多；分析师追随人数、资产规模、股权集中度的均值和中位数接近相等，表明公司的分析师追随人数、资产规模、股权集中度分布相对均匀。

3.实证结果分析

用SPSS 20.0对数据进行多元线性回归分析，结果见表5。模型1的R2=0.174，调整R2=0.173，F=196.89，P=0.000b；模型2的R2=0.177，调整R2=0.176，F=187.73，P=0.000a。

从模型1实证检验结果可知，企业声誉的系数小于0且结果显著，说明企业声誉与预测误差程度成反比，即声誉高的企业，盈余预测的误差越小、越准确，证实了假设2，高声誉企业的市场关注度较一般企业更高，信息披露也较全面，透明度高，企业会按照要求定期披露公司的经营状况，向市场传递利好或利空消息，在这种情况下，分析师可获得的信息比较多，更利于进行全面准确的预测，因此分析师的预测更可靠。

券商声誉的系数同样小于0且结果显著，说明券商声誉与预测误差程度成反比，即在高声誉券商就职的分析师，其预测误差较小、较准确，证实了假设3，高声誉券商综合实力较强，能够为分析师提供的数据、资源和资源较多，且高声誉券商在薪酬机制和竞争机制中有利于角逐出优秀的分析师。

此外，机构投资者持股比例越高，分析师预测误差越小、越准确，机构投资者持股越高，越有可能对公司起到一定的制约和监督作用，促使上市公司发布真实可靠的信息，同时，就职于机构投资者的分析师与上市公司有着良好的关系，可能会有私人信息的优势；存在盈余管理动机的企业，分析师预测误差较大，而没有盈余管理动机的企业，分析师预测准确度较高，一般盈余管理的企业信息不真实全面，会导致分析师可获取信息的真实性下降，从而降低预测质量；分析师追随人数越多，分析师预测的准确率越高，分歧度越小，说明分析师对于受关注度高的公司的预测较一致；净资产收益率越高，分析师预测越准确，一般业绩好的公司市场关注度高，信息较多，有助于提高分析师预测结果的准确度；每股盈余的波动性越大，分析师预测的误差越大、准确度越低，说明了每股盈余的波动性影响了预测难度，从而影响分析师预测准确度；主营业务占比越高，分析师预测的误差越高，这与预期不符合，可能是因为所选企业规模太大，業务种类繁多，干扰分析师所致；资产增长越快，分析师预测误差越小，越准确，可能是因为资产增长率高的上市公司处于快速发展阶段，业绩较好，信息披露十分及时、真实，有助于分析师的预测；分析师预测日距年报披露的日期即越近，分析师预测越准确，误差也越小，原因可能是临近披露日可获得是信息增多所致。而资产规模、股权集中度、托宾Q和无形资产比率的结果均不显著，且所有VIF均小于3，因此该回归模型不存在多重共线性问题。

模型2加入了交互项REPU×EV，此处REPU作为对EV和RE的调节变量，探讨其影响RE和EV关系的方向和强弱。模型1显示，EV和RE呈正相关关系，即盈余波动越大，分析师预测的误差程度越大。在模型2中加入交互项REPU×EV并没有改变EV和RE关系的符号，EV回归系数显著为正，交互项REPU×EV回归系数显著为负，二者异号，说明企业声誉REPU对EV和RE之间的正相关系数起到了减弱的调节作用，即高声誉可以减小企业因往年每股盈余波动较大导致的分析师预测误差，证明了假设4。

五、结论与启示

本文探讨了企业声誉、券商声誉对分析师预测的影响，研究结果表明：分析师并没有因为企业的高声誉对其进行过于乐观的预测，相反，对于高声誉的企业，由于其可获取的信息更多，分析师的预测更准确。就职于高声誉券商的分析师，也由于信息优势等原因，预测结果较非高声誉券商更准确。企业声誉可以减小过去5年较大的每股盈余波动导致的分析师预测误差。此外，还证明了分析师追随人数、机构投资者持股比例、资产增长率、净资产收益率、分析师预测日距年报披露日的天数与分析师预测准确度正相关；盈余管理动机、每股盈余波动性、主营业务收入与分析师预测准确性负相关。对于以上结论，本文均做了原因分析。

影响分析师预测的因素有很多，基于上述理论分析和实证研究，本文主要提出以下政策建议：（1）建立健全上市公司信息披露制度。我国的证券市场存在着严重的信息不对称，投资者（尤其是中小投资者）很难以较低成本获得真实、可靠的信息，不利于投资决策，分析师基于有限的信息做出的预测难以起到指导投资者的作用，单纯依靠市场机制很难解决这个问题，需要政府的有效监管来缓解信息不对称。（2）培养上市公司的声誉意识。声誉机制对上市公司起制约作用，企业会由于“声誉维持效应”形成一种自身要求，有利于提高上市公司质量，提升证券市场整体层次。（3）完善券商声誉的评选方法。监督部门应对媒体举办的券商、分析师评选活动给予监督和规范，保证评选公开公正，提升评选的质量和影响力。（4）提高分析师整体水平。加强分析师从业教育，提高分析师能力水平，加强分析师道德意识，有助于帮助投资者提供真实可靠的指导意见。

【参考文献】

[1] 晓芳. 声誉机制——内部控制的自我执行[J]. 商业会计， 2014（11）：6-9.

[2] BROWN L D，RICHARDSON G D， SCHWAGER S J. An Information Interpretation of Financial Analyst Superiority in Forecasting Earnings[J]. Journal of Accounting Research， 1987，25（1）：49-67.

[3] 石桂峰，苏力勇，齐伟山.财务分析师盈余预测精确度决定因素的实证分析[J].财经研究，2007，33（5）：62-71.

[4] PARKASH M， DAN S D， SALATKA W K. How certain firm-specific characteristics affect the accuracy and dispersion of analysts' forecasts：A latent variables approach[J]. Journal of Business Research，1995，34（3）：161-169.

[5] 李悦， 王超. 中国证券分析师盈利预测准确度的影响因素——来自中国股票市场的证据[J].山西财经大学学报， 2011（11）：19-25.

[6] COWEN A， GROYSBERG B， HEALY P. Which types of analyst firms are more optimistic？[J]. Journal of Accounting & Economics， 2006，41（1/2）：119-146.

[7] FANG L H， YASUDA A. Are Stars' Opinions Worth More？ The Relation Between Analyst Reputation and Recommendation Values[J]. Journal of Financial Services Research，2011，46（3）：235-269.

[8] 王宇熹，洪剑峭，肖峻.顶级券商的明星分析师荐股评级更有价值么？——基于券商声誉、分析师声誉的实证研究[J].管理工程学报，2012，26（3）：197-206.

[9] 李星汉，刘洋，郑双燕.声誉机制与企业异质性信息[J].商业研究，2015（7）：53-66.

[10] 周兰，李思奇.企业声誉、重大盈余意外與市场反应[J].财经问题研究，2015（2）：95-101.

[11] 方军雄.我国上市公司信息披露透明度与证券分析师预测[J].金融研究，2007（6）：136-148.

[12] 白晓宇.上市公司信息披露政策对分析师预测的多重影响研究[J].金融研究，2009（4）：92-112.

[13] 韦德洪，文静.证券分析师盈余预测与上市公司盈余管理[J].会计之友，2013（9）：12-17.

[14] 胡娜，郑晓薇，周铭山.声誉如何影响证券分析师的预测行为？[J].上海管理科学，2014，36（6）：87-93.

[15] 施先旺，李志刚，刘拯.分析师个体特征差异与预测准确度[J].会计之友，2015（8）：53-58.