探究影响股票研究员预测准确性的因素

■都春竹 赵汉卿

（上海财经大学）

1 引 言

在经历了20世纪初数波牛市之后，中国有越来越多人开始向股市中投资。根据证券市场的注册人数数据，目前中国A股的股民人数达到了约1.46亿人。很多人们选择股票的依据来自于或是熟人的推荐或是股票研究员的建议，因而他们的意见可以说至关重要。由于私人推荐难以获得数据，本文因而想要探究股票研究员对股价的预测是否是准确的，进而分析他们出现可能的预测偏差的原因，期待为广大股民的选股以及为公司如何提高研究员的预测质量、产生更大盈利提供有意义的参考。

2 文献综述

在现有文献中，也有一些关于预测准确性的研究：首先是研究员赖以做出预测的信息获取方面，研究发现内部控制信息披露（李建军，2020）、信息披露质量（刘永泽，2014）、信息获取（程博，2017）等因素都会影响到研究员的预测准确率；另一方面，研究员的准确性也与研究员个人的特征相关，如大胆程度（李东阳，2013）、学历和声誉（周铭山等，2015）、性别（翟淑萍等，2019）也会与分析准确性相关；并且公司的经营管理模式如公司多元化（杨昌安，2020）、公司内部控制质量（曹巍，2016）、稳定客户（彭旋，2016）等均会对研究员的预测质量产生影响。

3 数据来源

研究员的预测报告和被预测股票的实际每股收益（ROE）以及其他变量的数据都从Wind数据库中收集。本文采用2018—2019年之间的数据，我们筛选了其中包含投资回报率、报告发布时间（上下午）、研究员所在公司信息较完整的预测以及每日预测在两次及以上的数据，并将数据的时间范围限定在每日上午8:30至下午6:00之间——这是因为我们比较关注可以被认为是当天的工作量的已经发布的数据，我们还将在同一天中发布的每个报告都根据发布顺序依次标记为。最终经过精选，选择了132条可用数据。

本文的研究对象是预测准确性与工作量（身体疲劳程度），工作年限（工作经验）和自我影响效应（预测受自己之前预测影响）之间的关系，并且进一步研究了是什么原因导致了研究员们倾向于相信自己之前的预测。本文定义研究员相对预测准确性：

该变量越大（不是绝对值），表示研究员相对预测准确性越高。

关于身体疲劳程度我们用这两个变量来衡量。首先是Numberi,j,t，它是每个研究员每天发布的报告的顺序。用来发布报告顺序来衡量研究员一天的劳累程度。另一个用Timei,j,t来表示。把它定义为一个虚拟变量，如果研究员发布的时间为上午则取1，下午则取0。它同样代理了身体疲惫的程度。对于研究员的工作经验，我们用工作年限Working years来表示，我们把它定义为从研究员从业那年开始一直到2018年结束的年数。

另外我们参考一些文献设置了研究员相对准确性的一些其他因素，即控制变量C，包括Sex（研究员的性别）、School（研究员毕业的院校）、Company size（即该研究员所在经纪公司规模）、Report num（即研究员一年发布的总报告篇数），Season(研究员发布报告所处2018—2019年的季度)。

4 模型建立与实证结果

4.1 研究员身体疲劳与准确性之间的关系

首先我们认为研究员当日的身体状况会影响最终结果的准确性。

4.1.1 预测数量作为代理变量

我们用当日做出预测数量的多少来对疲劳程度进行代理，预测数量越多，其预测结果可能越不准确。对于这一假设，我们建立以下回归模型：

在此公式里，是指股票研究员在某一天的预测数量；是相对预测准确度；C是之前定义的一系列控制变量的向量，包括性别（male=1, female=0）、季度(season)、学历(school)、员工公司的规模(Company size)以及分析师每年的总报告数量。

由回归结果，研究员每天多写一篇报告则预测准确度会下降0.816，且此效应十分显著。由此可见，我们对于研究员进行的股票预测不应完全信任的原因之一就是同一公司在相同信息下研究员进行预测时，随着其预测数量的增加，其预测准准确性会出现显著的下降。

4.1.2 做出预测的时间点作为代理变量

在这里我们认为上下午的时间不同对于研究员预测的准度也有影响，加入Time虚拟变量，Time=0则代表预测时间是上午，Time=1而则代表预测时间是下午。此外再加入Time与Number的交互项查看上午下午会不会对于预测的边际效率递减的速率产生影响。

由回归实证结果可知，Time与NT前的系数都比较显著，说明上午下午进行预测确实对于预测准确性产生影响，并且下午进行预测时，随着预测数量的增加，预测准确性有着更大的下降，即边际效率递减效应中递减幅度更大。

4.2 工作经验与准确性之间关系

我们认为员工参与工作时间越长，积攒了更多工作经验，可以帮助他们在错综复杂的局势中做出更加准确的判断；然而研究员也会过度迷信自己的经验，没有根据当下的局势做出相应的调整而发布与以前的结果类似的预测，这可能又是经验带来的弊端，因此我们使用了两种模型分别对经验这一变量进行研究:

由实证结果可知，工作年限对于预测准确度有显著影响，平均每多工作一年使得预测准确度上升0.541，可见有经验的研究员做出的预测可信度比没有经验的要高。但是一般一个研究员刚进入工作前几年内，通过积累经验取得的进步应该是最大的，但是当随着入职时间的变长，每增加一年的工作经验对于预测准确度的帮助就不大了，我们引入工作年限的二次项，希望通过分析此系数来看工作年限对于准确度的提升是否有边际效益递减的效用。如上表的回归结果可以看出，由于二次项前负数系数显著，说明确实存在显著的边际效益递减。

5 结论与启示

总而言之，研究员预测的准度会受到多方面的影响。首先，当一个研究员一天之内写的报告数量增加时，其预测准度会出现显著的下降，这是由于身体疲惫导致的；其次，研究员做出预测的时间也对于预测准度产生影响，平均而言，下午的预测准度会出现下降，并且预测准度随着预测数量递减的效应也会更加明显；再者，预测准度也与研究员的工作经验有关，平均而言，工作年限越长预测准度就会越高，我们还想查看研究员相信自我的程度与预测准度的关系，发现并没有显著影响。

这一研究也说明了研究员的预测其实是不一定准确的。不过对于广大股民朋友来说，相信我们的研究对他们也会有所参考，相对来说工作经验越长的研究员的预测准确性会更高，对于证券公司来说，他们应该专注于设法留住那些具有丰富经验的员工，并且通过更加细致的工作时间管理和任务分配方式管理，降低员工的疲劳度，提高员工的工作效率，最终达到利益最大化的目的。