新冠疫情与分析师盈利预测调整——来自中国的准自然实验证据

周爱民，刘晓孟

（南开大学金融学院，天津 300350）

一、引言

自2020年初，新冠疫情在全球的蔓延对各国资本市场均造成重大冲击。以美股为例，新冠疫情爆发后标普500、道琼斯及纳斯达克指数均出现30%-40%的下跌，并在两周内4 次熔断。与美股类似，欧洲、亚洲等其他主要市场也经历了不同程度的下跌与波动。作为资本市场中发布信息、消除不确定性的重要主体，证券分析师在新冠疫情爆发后的预测对未来资本市场走向具有重要参考意义。同时，评估该群体面对突发事件(新冠疫情) 的表现也有助资本市场更好地认识分析师预测的价值与局限性。

通过调研与数据分析，证券分析师以研究报告形式发布对整体市场、行业或各股的观点。其中代表公司未来盈利能力的预期每股收益（FEPS）对未来资本市场的走向具有重要意义，而资本市场作为实体经济的晴雨表，其走向也与整体经济发展高度相关。目前对经济发展受新冠疫情影响的文献主要采用宏观模型方法(SIR 族模型)，Eichenbaum et al.(2020),Atkeson (2020) 均从此角度分析疫情的经济影响。宏观模型虽具有较强的理论基础，但其模型设定与校准仍存在一定主观成分。与之相比，使用分析师群体对未来几年上市公司盈利增长的预测可更直观地描述资本市场对未来经济增长的预期。因新冠疫情对各公司盈利能力的影响有所不同，Ding et al.（2020）发现高现金、低杠杆公司的股价受新冠疫情冲击较小。分析师对不同类型公司盈利能力的预期也可作为新冠疫情对公司盈利冲击异质性的有效证据。

分析师作为证券市场中信息的重要来源，其面对重大突发事件的表现亦有较大研究价值。证券分析师是否会受非理性因素（过度反应、市场情绪等）影响一直是学界关注的热点问题之一（Mendel &Shleifer,2012;伍燕然等,2012)。因疫情在的最初爆发始于2019年年底，并未对2019年湖北上市公司实际经营造成显著影响，其对2019年湖北上市公司盈利预测的冲击可视为分析师非理性行为的有力证据。同时，对我国明星（“新财富”）分析师预测能力的研究也受到学界的广泛关注1见游家兴等(2017)、张然等（2017）。。新冠疫情作为一次重大突发事件，对比明星分析师与普通分析师的反应对正确认识明星分析师出具报告的价值具有重要意义。

针对以上问题，本文使用分析师预期每股收益增长率为被解释变量，结合DID 框架进行分析。选择DID 分析框架是因为疫情的爆发具有较强外生性，以疫情为事件进行研究较其他人为政策更能避免混杂现象(confounding)，充分区分因果性(causality) 与相关性(association)。同时，我国在2020年1月底迅速实施有效的隔离遏制政策将疫情早期影响主要限制在湖北省内，这为准自然实验提供了明确的实验组(treatment group) 与对照组(control group)，且后续稳健性假设也支持新冠疫情初期影响仅对湖北省内上市公司显著。故通过因果推断模型可得到疫情爆发对分析师预期每股收益效应的可靠估计。2020年1月20日确认人传人感染途径的时点也可较好地从情绪上将时期划分为疫情前和疫情后(Fang et al.,2020)。较强的外生性、明确的控制对照组及事前事后划分均有利于提高DID 模型估计的可靠性。根据估计结果本文发现：第一，分析师在面对突发事件，尤其是负面事件时，会受到非理性因素影响在没有基本面信息支撑的情况下调低预期每股收益。第二，分析师更看好负债水平较低的低杠杆公司与线上性质更强的创业板公司在未来两年的盈利水平。第三，不论上市公司是否存在基本面变化，明星分析师都更敢于迅速大幅下调盈利预期，这种现象在对2020年及2021年的预测中表现为“勇敢” (游家兴等,2017) 下调，但在2019年的预测中表现为受非理性因素影响更大的“鲁莽”下调。第四，预期每股收益增长率结果表明，分析师群体认为新冠疫情对我国经济的冲击是短期的，其影响在2020年后将逐渐减弱。此外，作为进一步分析，文中还对分析师分歧、分析师预测频率及各行业受疫情冲击的异质性进行了定性或定量分析。

本文的主要边际贡献可总结为以下三点：首先，本文对分析师预测是否受非理性因素影响提供了新的实证证据。Abarbanell et al.（1992）,Bouchaud et al.（2019）,Alexander et al.（2020）认为证券分析师会存在反应不足（Under-reaction）或反应过激（Over-reaction）现象从而导致发布非理性预测，而爆发于2020年初的新冠疫情恰好可作为一个验证该现象的准自然实验。分析师如在疫情发生后大幅调低与疫情并无显著关系的2019年盈利预测，可说明分析师受到非理性因素影响作出缺乏理性根据的预期调整。其次，文中从证券分析师视角给出了疫情对经济冲击的持续性效果。与现有文献主要通过宏观模型预测（Eichenbaum et al.,2020;Atkeson,2020）疫情影响及其持续时间不同，分析师基于调研与自身经验从上市公司微观视角预测了新冠疫情影响的持续性。此种观点虽有一定主观成分，但这种类似专家系统的预测方式可对现有文献形成补充。最后，本文通过对比明星分析师与普通分析师对新冠疫情爆发的反应差别进一步探究了明星分析师的行为特征。“新财富”分析师作为我国证券行业中的明星，其业务水平是否显著高于其他同行一直受到学界与业界的广泛关注。对比本次疫情爆发前后明星与非明星分析师的反应可探究明星分析师预测的价值及其行为特点，有助于资本市场理性看待这些“明星”提供的信息。

本文剩余部分安排如下：第二部分介绍现有文献并提出研究假设；第三部分描述数据与研究设计；第四部分报告DID 模型实证结果；第五部分进一步分析了疫情冲击持续性、分析师分歧、分析师预测频率与各行业受疫情影响的异质性，第六部分总结全文。

二、文献与研究假设

自新冠疫情在全球各国爆发以来，其对资本市场的冲击被各界学者广泛关注。Alfaro et al.（2020）发现疫情期间未被有效预期的新增确诊病例数与股指收益率相关，股指波动率也会随着疫情形势趋于明朗而下降。Ding et al.（2020）指出不同资本结构、所有权构成及供应链结构的公司对新冠疫情反应有着显著差别。Hassen et al.（2020）基于文本分析对各国上市公司的主要担忧进行研究，结果表明需求下降、未来的不确定性与供应链是各上市公司的主要担忧。虽然新冠疫情在我国已被有效控制，但考虑其较强的隐蔽性及可能的季节性局部性爆发，新冠疫情对资本市场的影响还将在一段时间内受到学界与业界的广泛关注。

作为业界的重要组成部分之一，分析师在资本市场中具有十分重要的作用。众多国内外文献（Lys &Sohn,1990;潘越et al.,2011;储一昀和仓勇涛,2008;Gleason &Lee,2003）指出分析师可通过出具研究报告提高资本市场信息传递效率，提高股价对公司实际经营状况的反映能力，从而提高市场有效性。

但分析师及其预测存在一定局限性，国内许多文献从理性与非理性角度评估分析了各国资本市场中分析师预测的偏误并尝试探究其原因。从理性角度看，券商利益与提振市场交易均是造成分析师发布有偏盈利预期的因素。投资机构佣金等券商利益因素会对分析师独立性造成显著影响。国内外文献（Chen &Matsumoto,2006;姜波和周铭山,2015;曹胜和朱红军,2011;许年行等,2012）表明，参股基金公司、券商自营与重仓、过高的机构投资者比例、存在再融资行为等均会造成分析师的利益冲突，从而降低其预测的可信度。同时，资本市场中持币观望者显著多于高仓位客户，为促进市场交易进而扩大自身利益，发布有偏的乐观信息成为分析师的理性选择。因此乐观(Optimism) 偏差，即高估公司盈利能力及股价的偏差普遍存在于分析师预测之中。Cowen et al.(2006),Kadan et al.(2008) 分析了分析师乐观现象及其在美国资本市场的演变。国内文献(官峰等,2015;王攀娜和罗宏,2017;胡凡和夏翊,2017) 也从各角度估计了我国证券分析师的乐观及其影响因素。

除理性因素，非理性因素亦是分析师预测偏误的重要原因之一。Abarbanell et al.(1992) 和Bouchaud et al.(2019) 指出分析师常常反应不足(Under-reaction) 导致其修正预测中存在显著的自相关性。而另一种观点(Alexander et al.,2020) 认为，资本市场对突发事件，尤其是类似新冠疫情这类的重大突发事件，往往存在过度反应(Over-reaction)。此外，许多文献2Kang et al.(1994),Loffler (1998),Sedor (2002)。发现情绪作为另一种非理性因素，也会影响分析师的判断。Mendel &Shleifer（2012）与伍燕然等（2012）均指出情绪会影响分析师预测精度。即使控制理性因素影响，伍燕然等(2016)发现情绪仍会显著影响分析师预测精度。蔡庆丰等(2011)指出即使被视为证券市场中理性力量的分析师，其行为与个人投资者一样均受到情绪的影响，且他们的非理性行为进一步加剧了市场波动。游家兴等（2013）的研究结果也表明我国分析师存在迎合投资者信念发布有偏的预测信息的行为。

结合上述相关文献，我国分析师是否在疫情爆发后显著调低受影响公司2019年预期每股收益可作为其预测是否受到非理性因素影响的重要证据。在疫情爆发节点，各上市公司2019年实际经营活动已经结束，故后续爆发疫情对前年度每股收益的影响极为有限。虽分析师存在获取上市公司最新信息并调低其预期收益的可能，但在疫情爆发前后一致显著大幅调低受疫情影响最为严重的湖北地区上市公司预期收益只能用过度反应与市场情绪等非理性因素进行解释。作为准自然实验，与其他政策评估不同，新冠疫情的爆发具有较高的外生性，同时我国较为有效的遏制隔离手段保证了疫情的早期影响主要被控制在湖北省内，故通过新冠疫情爆发后分析师对预期收益的调整可作为有效评估我国分析师是否受非理性因素影响的可靠证据。基于以上原因，本文提出第一个假设如下：

H1：面对重大突发事件，证券分析师预测会受到市场情绪与过度反应等非理性因素影响。

同时，分析师对不同特征公司的预期每股收益调整具有异质性，其中公司负债水平及偿债能力对分析师的判断有着重大影响。Ding et al.(2020)指出是否持有充足现金及负债规模的大小会影响公司抵御疫情冲击的能力。更高的资产流动性与较低的杠杆有助于公司在疫情中保持灵活状态。为检验分析师是否认可这一观点，文中对公司持有现金及负债的状况与分析师预期EPS 增长率变化的关系进行了检验。在此基础上，本文还对比了创业板与主板市场间预期EPS 增长率的差异。其中创业板虽在行业成熟度等方面较主板市场处于劣势，但本次疫情后部分创业板企业因其高科技与线上特性表现较好。故对该问题提出两个相反的假设。综上，提出一组假设如下：

H2a：较持有较低现金的公司相比，分析师更看好高现金公司的增长能力。

H2b：较高杠杆公司相比，分析师更看好低杠杆的增长能力。

H2c_1：较创业板公司相比，分析师更看具有较高成熟度的主板公司增长能力。

H2c_2:较主板公司相比，分析师更看业务模式新颖，线上性质强的创业板增长能力。

作为分析师中的高收入群体，探究明星分析师观点较其同行的额外价值具有重要现实意义，但现有文献对明星分析师及其观点的价值并未得到一致评价3见董大勇等(2012)、黄俊等(2018)。。张然等（2017）通过构建投资组合发现明星分析师较其同行具有更高的收益水平。我国证券分析报告的领先-跟随特征表明，明星分析师发布领先度低于行业平均水平（董大勇等,2012）；黄俊等(2018) 指出非明星分析师在卖空放开后预测能力较明星分析师具有更大提升。游家兴等(2017)发现较其他同行明星分析师的选美竞赛效应与羊群效应较弱，且有更强的预测能力；同时，明星分析师更敢于突破常规给出勇敢预测。这意味着在疫情影响下明星分析师较其同行更可能大幅调低收益预期。下调预期每股收益带来的潜在利益冲突可能阻止分析师出具不利于上市公司的研究报告，但值得注意的是，大幅下调预期在不同预测期有着不同含义，在2020年与2021年体现为分析师的勇敢下调，但在2019年则表明分析师受市场情绪影响更为显著。故本文提出第四个假设如下：

H3a:相较其他同行，明星分析师受市场情绪影响更显著。

H3b:相较其他同行，明星分析师更“勇敢”。

三、研究数据与研究设计

（一）研究数据

本文 提取2020年1月6日 至2020年2月7日间分析师发布研究报告中的盈利预测作为研究对象。其选择理由在于，2020年1月20日，国家卫健委指出新型冠状病毒(COVID-19) 存在人传人现象，该警告也成为COVID-19 引起恐慌情绪的起点 (Fang et al.,2020)。该区间是考虑春节假期后的确认前后两周时间。两周时间既保证有一定数量的分析师研报以供DID 模型回归，同时也确保该期限内疫情的主要影响仍局限于湖北境内，其他省（区、市）内的上市公司可作为有效的控制组。故文中以1月20日作为处理时间点(Post)，将湖北省内注册或办公的上市公司作为处理组 (Treatment Group) 构建DID 模型以验证前文中各假设。分析师预测数据源于CSMAR 分析师预测数据库，其他控制变量数据源于WIND 与CSMAR 相应数据库。参照现有文献，在整体数据中剔除ST、金融、保险行业上市公司，在因变量中剔除上下1%的异常值，并对控制变量中的连续变量进行上下1%的缩尾处理(Winsorize)。

1.被解释变量定义

参考Landier &David (2020) 的研究设计，定义预期EPS 增长率 (GFEPS) 为DID 模型的被解释变量，其具体表达如下：

其中gi,t,h表示第i 个上市公司在日期t 相对2018年的h年分析师预期EPS年化增长率。因我国多数研报中仅预测未来三年EPS，而所选期间多数股票还未发布2019年财务报表，故h 仅有2019、2020 和2021三种取值。作为证券分析中的重要指标，预期EPS 增长率上升代表分析师的乐观观点，反之亦然。

2.控制变量

参考许年行等(2012)、游家兴等(2017)、董望等(2017)、何熙琼和尹长萍(2018)、姜波和周铭山(2015)等文献，加入财务指标、公司信息质量与分析师相关信息三个维度的控制变量。具体定义如表1所示：

表1 变量定义、简称及计算方式

各变量描述性统计如表2所示。

表2 各变量描述性统计

?

由描述性统计可以看出，虽然疫情会对2020年甚至2021年经济造成实际冲击，但2019年的预期EPS 增速在三者间均值最低，而2021年略高于2020年。这说明在总体上分析师对2019年预期最为悲观，同时相信后续年度整体增速会逐渐提升。各变量除杠杆外均表现出尖峰肥尾现象，同时所有变量均拒绝服从正态分布的原假设。

（二）研究设计

本文通过构建DID 模型结合数据分组检验上文中各假设，其中为验证H1 构建如下模型：

其中IND 为行业效应，为关键变量，如其系数显著为负，表明湖北地区上市公司2019年的增长预期在疫情爆发后出现显著下降。因疫情发生于2019年年底，并未对2019年湖北上市公司的实际经营造成显著影响，且EPS 中利润的计算基于权责发生制，故大幅下调湖北公司2019年EPS 预期只能用市场情绪引起的分析师非理性，即假设1 来解释。

为检验H2 与H3，参考现有文献4见周开国等（2014）、谢震和艾春荣（2014）、董望等（2017）、肖斌卿等（2017）。，对上述回归样本依照持有现金水平、杠杆水平、是否创业板与是否为明星分析师进行分组回归。其中前三个对应假设2的四个子假设，因多现金、少负债的公司被预期具有更强的抵御流动性冲击能力，故预期高现金组与低杠杆组有绝对值较小且显著性较低的系数值。对应假设H2c_1与H2c_2，因创业板与主板公司在疫情中均具有自身的独特优势，其结果并无一致的预期。根据游家兴等(2017) 的结果，明星分析师更敢于做出“勇敢”预测，故预期明星组有绝对值更大且显著的系数值。此种现象在2020年、2021年的预测中表现了明星分析师的“勇敢”（H3a），但这种“勇敢”在2019年的预测中则体现为明星分析师更易受市场情绪影响(H3b)。

在本次以新冠疫情为事件的准自然实验中，实验较强的外生性与完全的样本覆盖提升了因果推断结果的可靠性。因果推断（Causal Inference）与普通的计量模型目的不同，其分析试图确定关键解释变量（疫情爆发）与被解释变量（预期每股收益) 间的因果关系而非相关水平，而这两者间的差异主要由混同现象(Confounding) 与选择偏误（Selection Bias）造成。图1通过有向无环图方式（Hernan &Robins,2020）展示了常见的偏误及其原因。其中C 代表产生混同现象的变量，研究的目标是由实验分组（A）到观测结果（Y）的关系，即因果关系A→Y。根据有向无环图理论，对Y 用A 进行回归将导致估计量包含因果关系A→Y 的同时也包含由A←C→Y 路径传导的相关关系，从而不能得到无偏的估计量。本实验因疫情的外生性导致大概率不存在因素C 可导致疫情爆发，而存在某个变量可同时影响疫情与分析师预期的可能性更是微乎其微。控制A 与Y 的共同的结果易导致选择偏差的产生5基于图理论，A 与Y 的共同结果S 被称作对撞因素（Collider），其存在可阻断相关关系的传导，但控制该变量将导致原本被阻断的相关关系A→S←Y 被打通，Hernan &Robin（2020）将该现象称为选择偏误（Selection Bias）。，这其中最常见的即删截（Censoring）现象。在存在删截的因果推断中，部分样本因Y 与A 的特殊取值而无法被观测（被观测样本退出实验或死亡）。本文中各股在分析期持续上市交易并被分析师关注，故并不存在所谓删截现象。综上，本文实验设计可充分剖析疫情对分析师预测每股收益的因果关系。在此基础上，为进一步保证实证结果的稳健性，本文使用安慰剂检验，在事件时间上，分别将发生时点整体前推一年与两年；在处理组上，使用北京与湖南两省市作为假想的事件发生地进行检验。

图1 因果推断常见偏误

四、新冠疫情对每股收益增长率预测值的冲击

（一）H1 与H2 的实证检验

表3展示了对应H1 的2019年GFEPS 回归结果，模型1-4 中逐渐加入了财务指标、公司信息质量与分析师相关信息三类指标。可以看出，无论是否加入其它控制变量，关键变量始终显著为负。这表明假设1 成立，即分析师在疫情爆发后受到市场情绪影响非理性地显著调低本不应被调低的2019年预期每股收益。其中，Post 在模型1-3 中为正但不显著，在4 中虽显著为正但绝对值水平不高。这表明分析师并未在疫情爆发后普遍调低所有股票的预期每股收益，其他地区股票作为控制组其预期每股收益并未受到疫情爆发的显著影响，处理组与控制组的分类较为有效。在控制变量方面，财务指标中高现金、高杠杆、小规模、高ROA 的公司具有更高的2019年预期每股收益，表明在控制其他变量的前提下流动性充裕、负债能力较强、前期盈利水平高的小规模公司具有更高的增速预期。信息质量变量中仅四大会计师事务所审计具有负的显著系数，这说明以大企业为代表的四大客户其2019年预期每股收益水平较低。这也与上文中对小规模公司的分析结果一致。各分析师相关变量在模型中均不显著。

表3 2019年预期EPS 增长率结果

注：*、**、*** 分别代表10%、5%、1%显著水平，括号内为行业聚类后的t 值，下同。

（二）H2 与H3 的实证检验

表4展示对假设2 的分组检验结果。Panel B 中高杠杆公司的预期每股收益因疫情影响出现显著下滑。这验证了H2b 的假设，即高杠杆公司因其负债水平较高，在疫情期间更易遭遇流动性危机，从而影响其正常的生产销售，导致其预期较低杠杆公司每股收益在疫情爆发后出现大幅下降。值得注意的是，高杠杆公司受疫情较为明显的冲击不仅限于2019年，2020年与2021年高杠杆公司较其他公司仍有显著更低的预期每股收益增速。这说明随着疫情的不断发展，分析师预期高负债水平的公司将经历一个持续的困难时期。与Ding et al.(2020) 的观点不同，我国分析师并不认为持有现金及等价物较多的公司受疫情冲击更小，Panel A 中不同现金持有水平的组其预期每股收益增速在疫情爆发后均未受到显著冲击。但关键回归变量的系数在高现金组为正，而在低现金组为负。这说明分析师在疫情爆发后仍更为青睐高现金持有的公司，只是其青睐程度并未达到统计上的显著水平。Panel C 中对比了创业板与主板市场，分析师在疫情爆发后并未显著调低创业板预期每股收益增速，但却显著调低了2019年与2020年主板公司的预期增速。这印证了H2c_2 的假设，创业板公司因其更强的线上性质较少受到新冠疫情的冲击，且分析师预期疫情对创业板与主板影响的异质性将会在2021年结束。

表4 H2 分组检验结果

表5为假设3 对应的分组检验结果。首先，明星分析师与非明星分析师在面对疫情信息冲击时均显著调低2019年GFEPS 水平，这表明分析师群体受市场负面情绪影响显著。如上文所述，对2019年GFEPS的下调并无基本面信息作为支撑，更多是受市场情绪影响。而明星分析师较其他同行下调幅度更大，故市场情绪对明星分析师影响更为显著，即假设H3a 成立。其次，明星分析师在疫情发生后显著调低了2020年与2021年预期每股收益增速，而此现象在非明星分析师中并不存在。疫情对当地经济的影响十分明显，及时调整未来收益预期说明明星分析师较其同行更能“勇敢”地对负面突发事件进行快速反应，故假设H3b 成立。总体来看，明星分析师较其他同行更敢于快速调整预期每股收益，但此种行为在某些情况下缺乏理性支撑。在面对新信息时能依据信息主动调低受影响公司的预期每股收益（GFEPS2020、GFEPS2021）体现出明星分析师较其同行更为“勇敢”；但面对负面事件冲击更大幅度调低本不应受影响的2019年预期每股收益则说明明星分析师的调整也具有一定 “鲁莽”的成分。

表5 H3 分组检验结果

（三）稳健性检验

本文采用安慰剂检验(Placebo Test) 对上述实证结果进行分析，将事件发生时点分别提前一年与两年，并在保持原事件时点不变的前提下将处理组(湖北) 更换为北京与湖南。其中在事件提前的稳健性检验中，将对应的分析师预测年限也进行等幅度提前。结果关键变量Hubei/Beijing/Hunan×Post 均不显著，表明本文结果较为稳健。具体结果如表6所示。

表6 稳健性检验结果

五、进一步分析

上文以预期EPS 增长率 (GFEPS) 为切入点通过DID 模型分析了疫情发生前后分析师行为的变化及其背后意义。除该角度外，分析师对疫情持续影响的预期、分析师分歧、预测频率及行业间受疫情影响的异质性（王玉涛和王彦超,2012;林晚发等,2020;Landier &David,2020）均是具有研究价值的问题。

（一）对疫情持续影响的预期

与对2019年的预期收益增速不同，分析师在疫情前后对2020年及2021年每股收益的增长率预期代表资本市场对经济未来走势的乐观程度。Landier&David (2020) 发现美股EPS 增长率的预期随预测期增加而增加，即分析师相信疫情对美国经济的冲击将在短期内见顶，经济形势会随着时间推移快速好转。资本市场是实体经济的晴雨表，作为掌握资本市场最多信息的群体之一，分析师观点可作为预测未来经济走势的重要依据。为探究分析师对未来经济走势的预期，使用如下模型：

其中Post×Hubei 仍为关键变量，其他变量与表达方式与式（2）相同。因疫情对实体经济的冲击作用，故预期该系数在2020年与2021年均会显著为负。但两者间差别体现了分析师对未来两年经济走势的预期，如2020年预期增速下降幅度大于2021年，则表明分析师预期疫情对实体经济的冲击将在2020年达到最大；反之则说明分析师认为疫情将长期影响实体经济，且此种影响会在未来两年内逐渐增强。

表7给出2020年与2021年(GFEPS2020、GFEPS2021)基于式(3) 的回归结果，与表3类似模型5-8 与9-12中逐渐加入控制变量。关键变量Post×Hubei 在2020年与2021年各模型设定中均显著为负，且2020年中其系数绝对值均不小于2021年。故从分析师角度，新冠疫情对经济的负面影响将在2020年达到最大，之后其影响将逐渐减弱，即疫情仅会对实体经济造成短期冲击。此外，在表4与表5显著调低预期的分组中（高杠杆组与明星分析师组），分析师对2021年的预期降幅均低于2020年，这也从另一个角度印证了上述分析师认为经济形势将在短期冲击后逐渐转好的结论。在控制变量中，除与2019年类似的结果外，高市净率、高EPS 波动率公司会获得更高的GFEPS；研究报告数有正系数，关注分析师数有负系数，因数据处理采用自然对数方式，符号相反且绝对值较相近的系数表明分析师关注强度（研报总数/关注分析师数）较高的公司预期增速下滑幅度较小。与表3不同，高ROA 公司的未来预期增速较低，这表明前期盈利能力较强的公司可能因行业等原因在后疫情期间不被看好。

表7 2020年、2021年预期EPS 增长率结果

vol 0.170* 0.189* 0.176* 0.183** 0.189** 0.176*(1.680) (1.866) (1.951) (2.068) (2.150) (1.951)Big4 -0.267** -0.231** -0.197* -0.231**(-2.280) (-2.194) (-1.925) (-2.194)AnaAttention -0.764*** -0.769*** -0.784*** -0.769***(-4.396) (-4.918) (-5.183) (-4.918)ReportAttention 0.416*** 0.480*** 0.476*** 0.480***(2.865) (3.656) (3.764) (3.656)Star -0.069 -0.069(-0.917) (-0.917)ActiveAnalyst 0.111 0.111(1.244) (1.244)ReportNumber -0.075 -0.075(-1.176) (-1.176)Constant 0.546*** 6.556*** 4.025*** 4.817*** 0.564*** 6.836*** 4.790*** 4.817***(11.477) (7.409) (4.043) (5.371) (13.391) (9.184) (5.679) (5.371)IND Yes Yes Yes Yes Yes Yes Yes Yes Observations 2,070 1,982 1,969 1,860 2,065 1,977 1,964 1,860 Adjusted R2 0.053 0.106 0.125 0.146 0.051 0.127 0.147 0.146

（二）分析师分歧

对分析师群体在疫情发生后预测会趋同还是差异化的问题，本文通过画图方式直观判断不同日期、不同期限预期收益增速的分歧度，具体如图2所示。

图2中实线为某日对某年预期收益增速的中位数，上下虚线分别为5%与95%分位数值。因各公司在2020年第一季度后陆续公布2019年年报数据，故对2019年预期收益增速的日期仅取到2020年3月31日，对2020年与2021年预期收益增速值取至2020年5月底。由图中可看出三个不同期限预期收益增速分歧度均在1月20日确认人传人后迅速下降，具体表现为上下虚线距离收窄。但值得注意的是，疫情信息对原本预期增长率较低的分析师（下虚线）并未造成显著影响，其影响主要通过降低高增长率预期分析师的预期实现。疫情对总体应有对称的冲击，其对高预期增速公司的影响也应类似地反映到对低预期增速公司之上。非对称的预期变化体现出分析师较具有较大下调空间的高增速公司更不愿意下调预期已经较低的公司。这与分析师群体中普遍存在的信息选择机制相关，即分析师更愿意发布有利的市场消息(利多消息)，而不愿发布利空消息。对未来增速已经较低的公司继续发表不利信息不论从研究报告价值上或分析师个人利益上均不是理性选择。同时，在2020年与2021年的预期增速中，可以发现0 预期增速成为5%分位数的一个下界，无论疫情发生前后预期的下界均在0 附近并未出现明显变化。2019年经营活动已完全发生，分析师可依据季报等客观信息估计预期增速，故存在一部分分析师敢于对经营不善的公司给出负增长的预期。而2020年与2021年经营活动尚未发生，分析师对其增速的预期主观成分更强，其乐观偏误（Cowen et al.,2006;Kadan et al.,2008）导致其不愿发布增速下滑的预测，故其下界在0 增速预期成为其预期增速5%分位数的下界。通过本次疫情的反应也可看出，分析师对未发生经营与预期具有较大的主观因素，且0 增速左右的增速预期能传递的信息含量较低。

（三）分析师预测频率

分析师是否会显著地追逐热点，明星分析师在突发事件中是否会较其他分析师更为勤勉，这都是非常具有实际意义的问题。图3通过对比分析师在不同时期出具报告的内容与数量回答了以上两个问题。由图3上侧两图可看出明星分析师出具报告数量在疫情爆发后（2019年第四周62019年第五周为春节，仅个别分析师发布报告，故将其并入第四周数据。），无论是较前几周或上年均未显著增加。由下侧两图可看出，湖北上市公司的相关报告未在疫情爆发后显著增加。故在此次突发事件中，从报告数量上，明星分析师并未表现出较同行更高的勤勉程度；同时，整体证券分析行业也未对疫情较为严重的湖北省上市公司给予特别关注。当然，报告数量并不能完全代表分析师的工作量，关注湖北上市公司也不是对疫情热点问题跟踪的唯一方式，更多细节仍有待进一步分析。

（三）行业间异质性分析

不同行业及预测期收益增速对疫情的反应具有异质性，对该异质性的研究有助在后疫情期间发掘理想的投资标的。参考Landier &David (2020) 的研究方法，在上文各股预期收益增速的基础上计算各行业在疫情前后一周内预期增速中位数的变化比例:

其中，i 为第i 个行业，h 为2019、2020 或2021 三个不同预测期间，T0、T1分别为1月20日的前后一周。在此基础上，对其结果在行业间使用K-Means 算法进行聚类。根据不同分类数结合组内方差7因篇幅有限，如有需要不同类个数组内方差情况者，请与作者联系。，选择4类为最佳聚类数。聚类结果与各类别中心如表8所示。

表8 行业GFEPS 变化率与聚类结果、各类中心

表中1,2,3,4 四类代表对疫情冲击的不同反应，其中1 类仅有采矿一个行业，其2019年预期增长在疫情爆发后出现较其他行业更高的上升，但2020年与2021年增速均处于较低水平。3 类中也仅租赁与商业服务一个行业，其三年预期增长在疫情爆发后均较其他行业更高，这可能与租赁行业更符合疫情爆发后轻资产的经营生产特殊需求有关。2 类是受疫情影响较大的类别，其中交通运输、文化娱乐业受疫情冲击的机理较为明显，但为何信息技术、水利、卫生也受疫情显著冲击仍有待进一步研究。4 类中的行业受疫情影响处于各行业平均水平，其中制造业、电力能源、批发零售等均属于较为基础的行业。因这些行业的社会需求具有一定稳定性，故其受疫情冲击影响较小。综上，在后疫情期间租赁与商业服务业很可能将迎来一波较大的发展，作为保守行业制造、能源、批发零售在后疫情期间会保持较为稳健的发展，而文化体育、交通等行业将面对一段相对困难的时期。

六、结论

本文对比了新冠疫情爆发前后两周分析师预期每股收益增长率的变化，并以此为切入点分析疫情对经济冲击的分析师观点与分析师在其间的行为特征，具体结论如下：

一是，面对重大负面事件时，分析师预测会显著地受市场情绪影响。其表现为分析师在疫情爆发后大幅调低了湖北上市公司2019年的EPS 增长预期，而2019年湖北公司的实际经营并未受疫情影响，故此种下调只能解释为对市场情绪的非理性反应。

二是，基于分组回归结果，负债水平较低的低杠杆公司与线上性质更强的创业板公司较高杠杆公司与主板公司受疫情冲击更小。

三是，明星分析师在下调预期每股收益增速上更为“勇敢”。作为证券分析行业的头部群体，明星分析师较其他分析师更敢于大幅下调预期EPS 增长。在对2020年与2021年EPS 的下调中，明星分析师表现出了较其他分析师更高的及时性与调整幅度。但在本不该调整的2019年EPS 上，明星分析师依然表现出较其他同行更大的下调幅度，这也在一定程度上使“勇敢”变成了“鲁莽”。

四是，对未来两年每股收益增长率的预期表明分析师认为本次疫情对实体经济的冲击为短期冲击，在2020年后其对经济的影响将逐渐减弱。

五是，通过进一步分析发现分析师分歧在疫情爆发后因高预测分析师下调预期而出现下降，而相对较低的预测并未受疫情影响进行相应下调；明星分析师与其他分析师均未在疫情爆发后对热点事件进行高强度跟踪；租赁与商务服务在未来两年成为最被看好的行业，文化、交通等成为最被看衰的行业，而如制造、能源及零售批发等基础行业受疫情影响处于各行业平均水平。

本研究在理论与实际意义上均具有一定启示。从理论意义上，本文通过新冠疫情的准自然实验给出了分析师预测受情绪影响的实证证据。同时，由分析师预测得出的未来经济走势估计也对现有评估疫情影响的宏观模型方法进行了一定程度的补充。从实际意义上，分析师对低杠杆与创业板公司的偏好对企业在疫情期间的融资安排与业务发展具有一定的指导意义。此外，对明星分析师行为特征的研究也有助于市场理性看待重大突发事件中明星分析师的投资建议。