分析师预测分歧是市场情绪洪流的“漫水桥”吗※—— 基于股价崩盘风险的视角

徐高彦 高歌

内容提要：分析师预测分歧度能够反映信息异质性，从而传递更为丰沛的信息含量，这能否缓解信息不对称，进而约束股价崩盘风险呢？基于此，从企业微观层面搭建分析师预测分歧度、市场情绪与企业股价崩盘风险的解释模型，并进行实证检验。结果表明：分析师预测分歧度与企业股价崩盘风险呈现显著负向关系，但这种负向警示作用会受到宏观市场情绪的干扰，即在市场情绪高涨期，分析师预测分歧度被情绪覆盖，导致其原本抑制股价崩盘风险的信号作用消失，形成一座信息传递的“漫水桥”。并进一步讨论了机构持股比例高低和证券公司是否拥有明星宏观分析师分组情景，以及投资者追逐股票收益的调节效应。研究结论对于信息交易者平抑情绪、识别股价崩盘风险信号具有一定启示意义。

一、 引 言

资本市场健康平稳运行是经济发展新常态的重要前提，如何抑制股价崩盘风险，成为了当前防范资本市场金融泡沫破裂，完善金融体系的重要课题。先验文献指出，出于自利动机，管理层倾向于采取夸大或者压制信息披露的策略抬高股价(Kim等，2011; 赵璨等，2020)。当炒作或者隐藏的信息不断累积最终突破阈值，集中涌入市场时，公司股价遭受“爆发式”冲击，形成股价崩盘。因此，企业内外部的信息不对称和信息效率低下被视为股价崩盘风险爆发的根本原因(Jin和Myers，2006)。

而证券分析师通过获取、剖析、传递信息，向投资者反馈定价和投资风险，通常被视作解决公司与投资者之间信息不对称的中介“桥梁”。如期所望的是，分析师通过提高信息披露质量(肖土盛等，2017)、披露负面信息(伊志宏等，2019)等方式，监督并提升信息透明度，约束股价崩盘风险爆发；但同时，也由于其乐观偏差(许年行等，2012)、预测“变脸”(游家兴等，2017)等行为，降低资本市场定价效率。这两个相斥的研究结论存在共同的暗含假设，即将分析师默认为同质共同体(Homogeneous Community)(Blau和Wade，2012)，并未关注到信息生产和传递过程中分析师的个体异质性。实际上，分析师获取信息的渠道不同，认知也存在差异，这使得他们在提供预测结果和出具报告时必然存在一定分歧。那么，相较于分析师的其他同质行为，其预测分歧度是否能够发挥信息中介作用呢？加之由于信息不对称是股价崩盘风险的导火索，所以分析师预测分歧度是传递还是抑制了风险，有待进一步检验。

一方面，信息加工理论认为分析师预测分歧度越大，其所处理、加工的私有异质信息量越多(Barron等，1998)，资本市场股票价格的信息含量越丰富(朱红军等，2007)。此时市场参与者有更多机会跨越信息壁垒获取更多元的公司经营信息，这间接致使管理者隐瞒负面消息或炒作好消息的难度增大，成本增高。除此之外，投资者认知假说认为中小投资者受信息搜索和处理成本的限制，会更加偏向依赖分析师的盈余预测及推荐进行投资(钟覃琳和刘媛媛, 2020)。心理学研究表明，向个体提供意见相斥的信息会导致其搜索额外增量信息的动机加强。当投资者捕获到差异性的盈余预测结果后，反而试图捕捉更多信息，促生了资本市场对有效信息的增量需求，从而对管理层隐瞒和炒作信息产生了外部压力。

另一方面，分析师预测意见的分歧可能本身代表了企业盈利能力的不确定性(Wang，2020)。当企业未来业绩难以预估，浮动区间大时，分析师面对这一客观事实无法形成一致预测。一旦投资者接收到这类不稳定甚至是负面信号，出于“逃跌”的目的，就会大量抛售股票造成股价暴跌。此外，投资者信息需求是分析师预测的必要条件，而出于声誉、薪酬的竞争意识，分析师可能产生更强烈的动机去挖掘更多公司特质信息(徐飞和范晓雯，2020)，反向致使更高水平的分析师预测分歧。此时，交易者之间的信息竞争则会倾向于知情交易者，使得公司更易隐藏坏消息。因而，站在微观视角，不难发现分析师预测行为的个体差异对于能否缓解信息不对称存在不同的理论支撑。

同时，中国股市与成熟股票市场相比仍处于新兴阶段，存在监管制度不完善、投机行为蜂拥等不足之处，也更具有明显的非理性特征。如果投资者(信息接收端)、分析师(信息处理端)之间的信息中介桥梁被市场情绪“洪流”裹挟，信息传递效率就会被情绪牵引产生偏差。此时分析师分歧对股价崩盘风险的作用机制有可能也会发生改变。因此，探讨分析师与投资者二者之间的信息传递是否会被市场情绪所影响是一个重要的宏观前提。对于信息处理端的分析师而言，他们会将情绪融合在信息搜索、加工、处理的过程中。虽然分析师被认为是资本市场中更稳健的力量，但是他们仍然会将非经济因素纳入考量标准(De Long等, 1990)，捕捉到市场情绪信号可能带来的信息畸形、耗散。Kaplanski和Levy(2010)研究也发现，经验丰富的分析师在做出盈余预测时甚至会更多考虑情绪因素。对于信息接收端的投资者而言，他们在行为金融学框架下具有有限理性的特征，不仅受到外界环境的干扰，而且不可避免地被情绪引导从而产生认知偏差。因此，投资者由于有限注意力(Limited Attention)可能一味跟随情绪做出非理性行为，从而忽视一部分市场参与者(如：分析师)披露的信息。尤其对于中国而言，市场情绪依然是资本市场波动的重要幕后推手，这是否意味着投资者和分析师之间的信息传递也同样无法避免受到市场情绪的干扰？分析师预测分歧度与崩盘风险之间的关系是否可能被市场情绪埋没呢？

综上所述，将分析师预测分歧度与股价崩盘风险二者嵌入市场情绪框架内，成为了该话题逻辑链条中必然相关而又尚未涉猎的重要话题。本文试图回应分析师的异质性盈余预测结果对崩盘风险的影响机制，并更好地刻画分析师这一信息中介的内在价值，凸显宏观市场情绪对资本市场信息传导渠道的作用。与已有文献相比，本文研究可能的贡献在于：

第一，立足中国宏观经济的发展与变化，从时变性角度考察分析师预测分歧度与金融风险之间的动态影响。不同于已有文献集中于股票市场的市场态势(许年行等，2012)、有限理性(情绪)(蔡庆丰，2013)等角度，本文将宏观经济因素引入分析师预测行为和金融风险互动模型中，考察了分析师信息中介作用与宏观经济因素的背离或趋同，为研究宏观经济状态的迭代更替对微观经济行为的影响提供了可行路径。

第二，丰富中国股票市场弱势有效背景下，市场情绪本身能够作为一种信号补充并投入到市场的相关文献。在中国这一弱势有效市场中，宏观经济的波动对信息环境具备直观性和本源性的影响(钟覃琳和刘媛媛，2020)。而分析师作为资本市场的信息中介，识别并提取市场情绪所带来的信息效应对资本市场运行效率至关重要，因此本文认为：对市场情绪这一宏观经济信号的不同解读可能是构成预测分歧度的因素之一，进而可能影响股价信息效率及投资者交易。

第三，从分析师内部信息不对称的角度补充了股价崩盘影响因素的研究。Barron等 (1998)提出分析师之间的信息不对称是预测离散度的重要组成部分，而企业与投资者之间的信息不对称也是股价崩盘爆发的导火索。本文验证了当两种信息不对称关系交错时，分析师的分歧度能够弥补投资者与管理层的信息壁垒，丰富了双重维度下信息不对称对于资本市场股票价格的影响。

第四，拓展了不同市场情绪下分析师异质行为的经济后果研究。已有文献证实分析师在市场情绪中无法“独善其身”(蔡庆丰，2013)。然而当市场情绪干扰到分析师释放的信息价值后，原本可以传播给投资者的股价崩盘风险信息是否被屏蔽，这是值得深究的问题。因而本文清晰划分市场情绪的变化周期后，发现分析师预测分歧度对于股价崩盘风险的抑制作用确实会发生改变，并提供了内部信息渠道和信息质量外部压力两种路径，延伸非理性情绪框架下分析师异质性预测行为的研究边际。

二、 理论分析与研究假说

1. 分析师预测分歧度与股价崩盘风险

已有文献以不同的方式解释分析师预测分歧度，一种将预测分歧作为分析师信息含量分歧的代理，另一种则是作为企业价格相关基本面不确定性的代理(Barron等，1998；Wang，2020)。因此，二者对于股价崩盘风险存在正反两方面、多个作用途径的影响。

首先，分析师预测的分歧意见能够向市场提供更多有效信息含量，降低股价同步性，抑制股价崩盘风险。一方面，分析师有各自的私人信息渠道，他们能够使用私人信息来补充公司财务报告中未包含的信息(Keshk和Wang，2018)，从而通过分歧意见反馈不同的信息含量。另一方面，即使面对相同的公共信息，分析师仍然存在不同的解读。文献研究也论证了分析师的分歧意见能够侧面提升股票价格中的公司特质信息含量，提高信息效率，有效地降低股价同步性(朱红军等，2007)。而股价同步性是衡量股票市场资源配置效率的重要指标(伊志宏等，2019)，股价同步性越低，说明市场资源错配的程度和公司股价被高估的可能性越弱，股价崩盘风险也随之减弱。其次，Crawford 等(2012)的研究发现分析师挖掘越多信息越能缓解投资者与企业之间的不对称程度。当分析师传递出数量更多的企业经营信息时，能够促进更深、更多的信息披露，从而限制内部人士利用其信息优势哄抬股价为自己牟利的行为，公司真实面貌将被更全面、多角度地揭示。这使得投资者能够察觉到管理层操控信息披露的行为，间接地防止由于管理层炒作或隐藏信息集中涌出而爆发的股价崩盘。最后，根据有效市场假说，对于弱式有效的中国资本市场而言，投资者能够关注到分析师反馈出的公司特质信息，是加快实现股票价格与内在信息价值统一的前提条件。随着更多、更全面的分析师盈余预测反映到市场中，投资者为了获得更多的套利机会，也更加依赖并重视分析师所提供的公司特质信息(伊志宏等，2019)。因此，市场投资者的信息增量需求就成为了管理层机会主义行为的外部压力，致使企业股价崩盘风险被分析师报告中公司特质信息约束。

但相反地，分析师预测分歧不仅意味着企业面临着更大的经营不确定性，还可能加剧投资者与企业的信息不对称程度。因为企业的未来经营不稳定，波动大，资产数量及价值无法准确衡量，企业盈余的预测上下限范围也扩大，所以在客观上分析师面对不确定因素时预测意见无法达成一致。除此之外，Liu和Natarajan(2012)指出分析师也会出于“自我选择”的策略，在主观上战略性地处理私有和公共信息，造成预测值的偏差。而不同的预测结果形成了竞争性信息，反而加剧了投资者注意力分散、市场反应不足的问题，进而加重了资本市场上的信息不对称。同时，预测分歧度可能与公司的信息披露行为有关。一般来说，公司会及时披露关于未来收益的好消息，而推迟披露坏消息。当公司提供较少公开信息时，很有可能隐瞒了未来盈利坏消息，此时分析师必须更多地依赖私人信息进行预测，这导致他们之间的意见分歧更大(Wang，2020)。因此，预测离散度高的公司很可能正是隐瞒坏消息的公司，从而加剧崩盘风险。

综上，从信息含量分歧角度分析，本文认为，当盈利预测分歧越大时，分析师提供更多有效信息含量，进而约束管理层信息操控行为，抑制股价崩盘风险；但是从企业业绩不确定性角度分析，盈利预测分歧越大，可能越传递出企业经营的负面信号，引发市场信息逆向选择，反而加重了市场中的信息不对称，使得公司更易隐藏坏消息，扩大股价崩盘风险。基于以上分析，本文提出对立假设：

假设1a：分析师预测分歧度与股价崩盘风险呈负向显著关系。

假设1b：分析师预测分歧度与股价崩盘风险呈正向显著关系。

2. 分析师预测分歧度与股价崩盘风险：市场情绪的非理性影响

根据行为金融学理论，市场情绪反映了市场参与者对宏观经济的普遍信念，这势必会干扰投资者对企业未来现金流和投资风险的看法，进而影响股票收益。Li等(2021)构建了个体公司情绪指标，发现市场层面的情绪是风险溢价和错误定价的 "幕后推手"。而实际上，股票市场的价格在本质上被信息所牵引着。因此，在不同宏观市场情绪下，分析师与投资者之间的信息传导链可能会受到不同的影响。对投资者而言，其注意力与行为不仅与企业信息的数量和质量有关，还更易受到非理性因素影响，例如盲目“追涨”“逃跌”(De Long等，1990)，进而可能忽视分析师在资本市场中传递的有效信息。

同时，凯恩斯认为经济市场中每个行为主体的心理预期都影响着经济过程的变化(游家兴等，2017)。对于作为信息中介的分析师而言，他们除了通过综合公共信息和私有信息形成预测结果，也需要了解资本市场其他参与者的高阶预期。这意味着，每一位分析师的异质性预测结果都包含他们对市场情绪的不同理解，这导致信息传递效率存在明显差异。从而，本文认为在分析师预测分歧度与股价崩盘风险的信息传导链上，市场情绪是必不可少的一环。

此外，资本市场的各个行为主体在宏观情绪高涨、波动和低落期也同样存在异质性：在宏观经济情绪低落期，Welch(2000)研究发现情绪低落时分析师会适当保持谨慎的行为而收集更多的公司特质信息，从整体上降低股价同步性。与此同时，金融环境紧缩，无论是机构投资者还是散户投机者都会缩减投资规模，导致投资者对于资本市场持有更加慎重的态度。心理学研究表明，消极情绪促使个人在作出判断时参与广泛的信息搜索和处理。此时，投资者愿意付出更多的成本获取信息，分析师的信息中介作用也更加得到市场重视。除此之外，当市场情绪出现波动时，投资者为了判断未来经济走势，会提高自己对企业相关信息的需求。因此，出于获得更多投资者关注和提高声誉的目的，分析师有动机和能力提供更多、更准确的企业信息，以满足投资者的信息需求(Chen等，2018)，这使得分析师预测分歧度所包含的信息价值也“水涨船高”。但是在市场情绪高涨期，Keshk和Wang(2018)证实较高的情绪导致分析师对公开信息的质疑程度降低，并影响对私人信息的处理和生成意愿。分歧度异质性会被乐观倾向以及“高涨”情绪压缩，从而使得公司的负面信息无法及时披露给外部投资者，炒作的好消息也无法被识别。此时分析师分歧度原本传递的信息价值，包括对股价崩盘风险的警示，都被裹挟在市场情绪的洪流中。投资者一方面可能出于有限注意无法捕捉到分析师的作用；另一方面更可能出于“自发适应反应”(蔡庆丰，2013)追逐和顺应情绪的动向，忽略掉这一信号。

综上，本文认为，市场情绪在分析师通过盈利预测分歧度释放股价崩盘风险警示信号时也发挥重要的作用。由此本文提出假设：

假设2：不同市场情绪下，分析师预测分歧度对股价崩盘的抑制或加剧作用可能会出现差异。

三、 研究设计

1. 数据来源

考虑到2008年发生全球性金融危机，中国股市遭受重创，因此为了观察恶劣外部环境冲击后股价的走势变化，本文选取2008-2018年沪深两市A股上市公司作为研究样本。数据主要来源于CSMAR数据库，另有部分来源于统计年鉴和东方财富网，由研究者手工整理获得。依据如下原则进行样本筛选：剔除金融类上市公司样本；剔除ST、*ST、PT公司样本；剔除缺失主要变量的上市公司样本；剔除了每年交易周数小于30的样本；最终得到14490个研究样本。本文对连续变量均采用上下1%的缩尾(Winsorize)处理。

2. 变量定义

(1) 股价崩盘风险(Crash)。参考已有研究(Kim等，2011；许年行等，2012；崔学刚等，2019)，本文使用负收益偏态系数(NCSKEWi,t)和收益上下波动比率(DUVOLi,t)度量股价崩盘风险。

首先，计算市场因素作用下的第t周特有收益率。利用式(1)对股票i的周收益率进行回归处理：

Ri,t=αi+β1Rm,t-2+β2Rm,t-1+β3Rm,t+β4Rm,t+1+β5Rm,t+2+εi,t

(1)

其中，Ri,t为股票i在第t周考虑现金红利再投资的收益率，Rm,t为所有股票经流通市值加权的平均收益率，并且在式(1)中加入市场收益的滞后项和超前项，εi,t为残差。考虑到εi,t分布高度存在偏差，因此对特有周收益进一步修正为：

Wi,t=ln(1+εi,t)

(2)

其次，进一步构建衡量被解释变量的两个指标。

第一，计算负收益偏态系数(NCSKEWi,t)：

(3)

其中，n为股票i在t年交易周数。NCSKEWi,t与股价崩盘风险正相关。

第二，计算收益上下波动比率(DUVOLi,t)：

(4)

其中，nu和nd分别为Wi,t大于/小于平均收益率的周数，DUVOLi,t与股价崩盘风险正相关。

(2) 分析师预测分歧度 (Dispersion)。参考王玉涛和王彦超(2012)的研究，首先剔除分析师在年报发布日之后发布盈余预测的样本，并且只保留分析师在t年对股票i的最后一个预测值。再将分析师每股盈余最终预测值的标准差除以公司实际每股盈余的绝对值作为预测分歧度指标，以此表示不同分析师对同一公司每股收益预测的离散程度。分析师预测分歧度(Dispersion)越大，说明分析师对于某家公司的盈余预测意见分歧越大。

(5)

其中，Mepsi,t为公司实际每股盈余，Fepsi,t为分析师预测每股盈余。

(3) 市场情绪。已有文献通常使用投资者情绪指代市场情绪，认为投资者心理和情感因素会作用于资本市场。然而除了微观维度的投资者情绪，宏观经济整体运行态势也能够牵引情绪走势。因此，为了更贴合宏观维度整体市场层面情绪，本文参考Delis等(2014)的研究，使用宏观经济景气指数描述和解释宏观经济整体市场情绪。该指标来源于国家统计局对企业家开展的经济调查，主要依据其对外部市场经济环境与宏观政策的运行状况判断以及看好程度所编制，取值范围为(0，200)。具体计算方法如下：

宏观经济景气指数=0.4×Cur-confidence+0.6×Exp-confidence

(6)

其中，Cur-confidence=企业家对当前经济运行态势表示乐观的比重-表示悲观的比重+100；Exp-confidence=企业家对下季度经济运行态势表示乐观的比重-表示悲观的比重+100。

为厘清不同市场情绪周期，已有研究更多按照情绪向好和低迷两种走势划分市态，如牛、熊市(许年行等,2012)。然而在实际生活中市场情绪波动并不是高低恒定的走势，而是存在一定的振荡间隔，如：减速、暴涨和泡沫破裂(Brooks和Katsaris,2005)；暴跌、暴涨与非暴跌暴涨(崔学刚等,2019)。因此，本文首先对2008-2018年每季度的宏观经济景气指数使用H-P滤波方法进行度量得到该指数的周期项，再根据该周期项每一年内4个季度的走势变化，将持续上升视为市场情绪高涨期，持续下降视为低落期，走势起伏视为波动期。具体划分结果为：市场情绪高涨期为2009年和2016年；市场情绪波动期为2010年、2012年、2013年和2017年；市场情绪低落期为2008年、2011年、2014年、2015年和2018年。

(4) 控制变量。本文参考已有研究，控制以下变量：公司规模Size；资产负债率Debt；股权集中度Top1；账面市值比BM；公司透明度DA；月平均超额换手率Turnover；净资产收益率Roe；审计质量Big4；企业承担风险能力RiskT；平均股票周收益率Ret；股票周收益标准差Sigma。变量的定义和说明见表1。

3. 实证模型

首先，构建模型(7)检验分析师预测分歧度对股价崩盘的影响，具体如下：

(7)

其中，Crashi,t分别由NCSKEWi,t和DUVOLi,t衡量，Control为上文列示的控制变量；控制年度固定效应和行业固定效应。若假设1a成立，则模型(7)中β1显著为负；若假设1b成立，则模型(7)中β1显著为正。

表1 变量定义表

另外，为了检验不同市场情绪下分析师预测分歧度对股价崩盘的影响，本文按照三组市场情绪期(高涨期、低落期和波动期)，重新运行模型(7)进行检验。

四、 实证结果与分析

1. 描述性统计

表2报告了本文主要变量的描述性统计。其中Panel A 为2008-2018年全样本数据，NCSKEWi,t和DUVOLi,t的平均值分别为-0.245和-0.179，与许年行等(2012)的研究中所报告的数值类似；标准差分别为0.886和0.755，说明股价崩盘风险两个代理变量在样本公司间差异不大，可以由二者表示。Dispersion的平均值和标准差分别为1.598和 3.258，说明国内证券分析师盈余预测值普遍大于公司实际值，存在乐观偏差。Panel B在划分不同时期市场情绪后，NCSKEWi,t在市场情绪波动期以及低落期的平均值分别为-0.211/-0.162，中位数分别为-0.213/-0.174，都高于全样本数据，而高涨期的平均值和中位数分别为-0.531/-0.528，全部低于全样本数据；DUVOLi,t同理，这说明当市场情绪处于低落和波动期，企业崩盘风险更高。而Dispersion在市场情绪低落期的平均值、中位数、标准差分别为1.495、0.489、3.146，全部低于全样本数据，而高涨期和波动期则全部高于全样本数据，这说明在市场情绪低落期反而更容易出现“趋同性”意见，这时投资者是否会出于认知偏差被其他因素干扰(如：股票收益)，从而产生非理性追逐行为？这一问题有待于进一步研究讨论。同时，本文检验各变量之间的VIF值均在3以内，说明模型不会因严重共线性问题而估计失真。

表2 描述性统计

2. 回归结果分析

(1) 分析师预测分歧度与股价崩盘风险。表3列示了分析师预测分歧度与股价崩盘风险的回归结果。其中，第(1)列和第(2)列通过使用最小二乘法回归模型，在控制其他变量后，分析师盈余预测分歧度(Dispersion)每增加一个单位，两个被解释变量(NCSKEWi,t和DUVOLi,t)分别降低0.8%和0.5%(回归系数)，并都通过1%水平下的显著性检验，这证实了本文假设1。同时表3的第(3)列和第(4)列采用双向固定效应模型后，分析师预测分歧度(Dispersion)与两个被解释变量指标同样存在显著负相关关系。这表明在同时控制年份和公司固定效应后，分析师盈余预测分歧度(Dispersion)与股价崩盘风险的回归结果依然稳健。

表3 分析师预测分歧度与股价崩盘风险回归结果

(续表)

从经济角度而言，表3 的结果一方面反映出分析师的盈余预测分歧度能够直接预警管理层信息操控行为。分歧度越高，代表着分析师为挖掘企业私有信息所付出的努力可能就越多，这使得分析师传递出的异质性信息更加丰富，从而有效缓解了企业与投资者之间的信息不对称，释放企业股价暴跌的警告信号。另一方面也反映了预测分歧度能通过投资者间接约束管理层机会主义行为。分析师预测存在分歧时，会刺激市场上投资者的信息增量需求增加，进而约束企业股价崩盘风险发生的概率。

(2) 分析师预测分歧与股价崩盘风险：市场情绪的非理性影响回归结果。表4的Panel A列示了市场情绪是否缓冲分析师信息中介作用的部分检验结果。研究发现，当市场情绪处于波动期和低落期时，分析师预测分歧度与股价崩盘风险依然保持在1%水平上负向显著。但是当市场情绪处于高涨期，结果发生了转折：分析师预测分歧度与股价崩盘风险相关系数值没有显著性，证实了假设2。对于这一实证结果，本文认为：当市场情绪低落以及波动时，说明市场存在不稳定因素，这一情绪信号波及至所有市场参与者，促使个人需要更丰富、更细致的信息辅助决策。此时分析师预测结果中包含的差异性信息价值也会更充分被利用，因此原本对于股价崩盘的抑制作用依然存在。但是在市场情绪高涨时期，受到积极情绪的影响，股票价格主要由乐观的投资者推动。由于乐观投资者对现有信息更迁就，对细节更宽容(Keshk 和Wang，2018)，所以更易做出“冲动判断”，甚至忽视部分分析师的盈余预测。因此，分析师提供的信息内涵没有被市场完全利用，信息中介作用被缓冲，这使得分析师原本传递给市场的针对企业崩盘风险的警示信号被埋没。

同时Panel B说明在采用固定效应模型后，分析师盈余预测分歧度(Dispersion)在市场情绪波动期、低落期的回归系数至少在5%水平上显著为负，而在市场情绪高涨期的回归系数并没有显著性。这一结果与Panel A结论一致。

3. 稳健性检验

(1) 内生性检验。由于部分上市公司并没有分析师关注并发布预测值，对于这部分样本而言，无法观测到分析师的异质性预测对股价崩盘风险的影响。因此，本文通过Heckman两阶段方法对假设1中这一样本选择偏差问题进行检验。在表5第(1)列中，本文使用ACD(该公司是否被分析师预测的哑变量)进行第一阶段的Probit回归，根据回归系数计算得到IMR(逆米尔斯值)。第二阶段将IMR代入基本回归模型中，表5第(2)、(3)列结果显示IMR回归系数分别为-0.011和0.019，并且Dispersion的回归系数分别为-0.008和-0.005，依然在1%水平显著，与原实证结果相一致。这说明由样本偏差引起的内生性问题不影响原回归的结论，原回归结果稳健可信。

(2) 替换解释变量的衡量指标。本文参考董望等(2017)的研究，使用分析师对i公司每股盈余预测值的标准差除以期初股价，以排除原预测分歧度指标对模型可能存在的偏差影响。结果显示，替换变量与股价崩盘风险依然呈负相关关系，显著性水平同样达到1%。进一步地，在市场情绪波动期和低落期，分析师预测分歧度的替换指标依然与被解释变量NCSKEWi,t和DUVOLi,t至少在5%水平上显著负相关；而在市场情绪高涨期，二者无显著相关关系，进一步验证了假设1a和假设2。

表4 分析师预测与股价崩盘风险：市场情绪的非理性影响回归结果

(3) 删除当年IPO样本影响。为了消除券商托市、哄抬股票价格的行为对模型结果的影响，本文删除当年IPO数据后重新对主模型进行回归。结果证实无论是全样本还是按照市场情绪划分，结果都与前文一致。

(4) 删除2008年样本影响。考虑到全球金融危机属于极端事件，导致金融市场中的股价崩盘风险普遍暴增，可能导致实证结果产生偏误。因此，本文删除2008年样本重新对模型(7)进行回归，结果证明在全样本和划分市场情绪样本中，实证结果都与前文一致。

(5) 考虑潜在遗漏变量的影响。进一步控制其他可能影响分析师预测分歧的变量，包括分析师研报数量和分析师个人预测准确度。实证结果显示在全样本、市场情绪波动期和下降期样本中，分析师预测分歧与股价崩盘风险之间的负相关关系依然显著。

五、 进一步分析

1. 信息获取内部渠道的影响：同证券公司明星宏观分析师

一方面，内部信息渠道的差异可能是影响分析师预测分歧的因素。胡奕明等(2003)在针对中国证券分析师的问卷调查中，证实了“本公司或其他证券公司有关部门”是分析师获取信息的第三大来源。同时，中国《新财富》每年评选出一部分对于宏观政策观点更具价值的明星宏观分析师。他们作为同券商个股分析师的同事，能够为其提供宏观指导和信息优势

表5 内生性检验——考虑潜在的样本偏差问题

(薛健和袁满，2019)。但在中国，平均每一年拥有明星宏观分析师的券商覆盖率仅为7%左右。因此，这种资源的不均衡性势必加剧了分析师之间的内部信息渠道的差异，也在一定程度上影响了分析师之间预测的分歧。另一方面，内部信息渠道可能使得分析师预测分歧对于股价崩盘风险的抑制关系更显著。已有文献表明，丰富的宏观经济信息和活跃的宏观经济学家都可以提高个股分析师的效率。因而，当个股分析师拥有同券商明星宏观分析师这一内部信息渠道时，能够充分利用券商内部专业知识，帮助自己识别宏观经济政策对公司股价的影响(钟覃琳和刘媛媛，2020)。这意味着拥有内部信息渠道的个股分析师能够传递出更贴合公司实际盈利能力的信息，约束了管理层操控信息披露的行为空间，从而降低股价集中式暴跌的风险。

由表6可知，在市场情绪波动期，分析师预测分歧度与股价崩盘指标(NCSKEWi,t和DUVOLi,t)在拥有明星宏观分析师分组中分别呈1%和5%水平上显著负相关，在没有明星宏观分析师分组中不存在显著性。当市场情绪处于低落期时，分析师预测分歧度与股价崩盘指标在拥有明星宏观分析师分组中分别呈5%和10%水平上显著负相关，在没有明星宏观分析师分组中同样不存在显著性。同时，为了检验组间系数差异，本文通过Chowtest进一步证实当市场情绪处于波动期和低落期时，同证券公司是否拥有明星宏观分析师的组别在1%水平上存在显著差异。这说明在同一券商中的宏观分析师能够提供宏观经济指导，为个股分析师更好地分析宏观经济走势掌舵。同时本文进一步验证了这种学习行为效应会受到市场情绪的干扰：在市场情绪高涨期，明星宏观分析师的辅助作用也无法帮助个股分析师在高涨的情绪中做“敲钟人”，高涨的市场情绪依旧会覆盖分析师传递的崩盘风险信号。

2. 信息质量外部压力的影响：机构持股比例高低

机构投资者对分析师信息质量有着重要影响。对机构投资者而言，当持股比例越高时，其出于降低自身持有风险的目的，越希望获得信息内涵丰富、高质量的分析报告，进而更好地去监督经理人的行为。对分析师而言，机构投资者作为重要利益相关方，会影响分析师声誉和薪酬等职业结果。Chen等(2018)研究证实，为了提高声誉、赚取更多交易佣金，分析师有动机发布准确且客观的盈利预测和股票推荐。进而，当机构持股比例高时，分析师可能更有动机将企业特质风险警示信号传递给机构投资者。除此之外，机构投资者通常被认为更具有信息优势，并且更有能力、资金、动机来处理和利用信息。因此，当分析师预测带来更多信息含量时，机构投资者能够更迅速地对其做出反应，使得资产价格能够更快与市场信息相融合，缓解信息不对称性，从而抑制股价崩盘风险。本文基于上述分析，考虑机构持股比例高低情景，进一步展开市场情绪对分析师预测与股价崩盘风险的非理性影响研究。

表6 同证券公司是否拥有明星宏观分析师分组检验结果

由表7可知，当市场情绪处于波动期时，相较于机构持股低的组，分析师预测分歧与NCSKEWi,t和DUVOLi,t的系数在机构持股高组分别在1%和5%水平上显著负相关。当市场情绪处于低落期时，分析师分歧度与两种刻画股价崩盘的指标在机构持股高组都呈1%水平上显著负相关，在机构持股低组则无显著性。同时，本文通过Chowtest进一步证实当市场情绪处于波动期和低落期时，机构持股比例高组与低组在1%水平上存在显著差异。说明在市场蔓延不稳定以及下行情绪时，机构持股越高，分析师越通过盈余预测的分歧传递风险警示信号。但是当市场情绪处于高涨期时，无论机构持股高低组，分析师预测分歧与股价崩盘风险都呈不显著关系。对此，本文认为，机构投资者投资决策与执行会受到宏观经济的影响，他们可能利用市场普遍乐观情绪，推动资金加速入场，进一步推动股价非理性上涨，赚取投机收益。此时分析师原本传递给市场的企业崩盘风险警示信号就会被市场情绪埋没，这与假设2相一致。

表7 机构持股比例高低分组检验结果

3. 投资者收益追逐的调节作用：当期股票收益

股票收益不仅与股价崩盘风险相关，也影响着投资者非理性行为。一方面，股票收益率能够量化投资风险并反映公司的经营风险。如果分析师充分分析、利用这一指标，向市场参与者提供股票内在投资风险信号，就能够有效防止公司股票价格的波动脱离基本面信息，抑制股价崩盘风险(肖土盛等，2017)。另一方面，行为金融理论认为投资者对股票收益存在认知偏差。出于收益期望压力，投资者可能对分析师分歧所蕴含的信息含量存在“忽视效应”，盲目“追涨杀跌”。已有文献指出造成投资者非理性行为的原因不仅包括其有限的信息处理能力，甚至与其忽视资本市场隐含信息相关。因此，有限注意的投资者很可能更侧重于追逐投资股票的收益并进行决策，从而忽视市场其他参与者传递的信号。已有文献证实投资者的这种“忽视效应”，更多地表现在股价对信息的反应不足；完全或部分忽视盈余公告信息；倾向于关注整合信息而非个别的零散信息等。那么，投资者是否也会出于对股票收益的期望压力，从而“忽视”分析师分歧对于股价崩盘风险传递出的信息呢？

由表8可知，市场情绪处于低落期时，交乘项Dispersion*RETURN与两个因变量NCSKEWi,t和DUVOLi,t均存在显著正相关关系，即随着投资者对于个股当期回报率的追逐增强，分析师预测分歧度对于股价崩盘风险的抑制作用也愈加减弱。这一结果证明当市场宏观情绪越低迷时，投资者面对高回报率的诱惑，出于“逆风翻盘”心理，越追逐更大的价格收益，越可能会忽视分析师对于股价崩盘风险的警示信号。

表8 投资者收益追逐的调节作用检验结果

六、 拓展性研究

1. 分析师预测分歧度与信息透明度

前文主要发现分析师分歧度与股价崩盘风险呈显著负向相关，且会受到市场情绪的干扰。但如果分析师提供的异质性预测信息能够发挥警示风险的作用，必然要求这些信息能够缓解信息不对称程度，抑制管理层炒作好消息或隐瞒坏消息的行为。因此，本文从信息透明度的角度，对分析师预测分歧度能够缓解信息不对称的前提假设进行实证检验。表9 Panel A结果表明，分析师预测分歧度与两种反向衡量信息透明度的指标呈显著反向关系，其中，第(1)、(2)列的DA是由企业的应计盈余管理程度衡量的，第(3)、(4)列中采用上市公司信息披露质量总体评级Rank。实证结果证实了分析师预测分歧度可以缓解投资者与企业的信息不对称程度。

2. 分析师关注与股价崩盘风险

分析师关注是分析师一切行为的起点。一方面，分析师关注的增加能够有效监督管理层行为，增加未来声誉风险；另一方面，分析师关注的增加也可能给管理层施加市场压力，使其为了迎合盈余做出更多信息操控行为。然而，不论是有效监督论还是市场压力论，嵌套回本文假设2的研究逻辑，不禁要问，关注人数的变化能否作为体现分析师信息含量差异化的变量呢？表9 Panel B的第(1)、(2)列结果证实，在全样本中分析师关注度与NCSKEWi,t和DUVOLi,t都在1%水平上呈显著正相关，这与Xu等(2013)的研究结论相同。这意味着由于分析师普遍存在乐观倾向，所以当一个公司被更多的分析师关注时，其盈余预测的范围可能整体向上浮动，这使得股票价格与内在信息价值差距更大，从而增加了企业股价崩盘的风险。但是在表9 Panel B的第(3)-(8)列中，一旦划分不同时期的市场情绪，三个情绪期仍都是显著正相关，没有明显区分度。结合前文所述，本文认为分析师关注度虽然集中反映了分析师预测人数的变化，但是本质上依然把分析师默认为同质共同体，因而无法反映出在不同市场情绪期中分析师传递信息含量的异质性。所以，本文选用分析师预测分歧度指标来检验不同市场情绪下分析师信息作用的异质性是更为合适的。

表9 拓展性研究实证结果

七、 研究结论与启示

本文选取2008-2018年中国A股上市公司为研究对象，搭建分析师预测分歧度、市场情绪与企业股价崩盘风险的解释模型。同时，本文考察了分析师内部信息渠道和外部信息压力以及投资者收益追逐行为对模型的影响。实证检验结果表明：首先，分析师预测分歧度对企业股价崩盘风险呈显著负向作用，在划分市场情绪后，波动期和低落期中二者负向关系不变，但高涨期中分析师的警示信号却消失；其次，机构持股比例越高以及同证券公司拥有明星宏观分析师时，分析师预测分歧度对股价崩盘风险的抑制作用在市场情绪低落和波动期更加显著，市场情绪高涨期仍无显著关系。最后，在市场情绪低落期，投资者追逐股票当期高收益的行为会导致他们忽视分析师预测分歧度带来的崩盘风险警示。由此可见，证券分析师虽然被广泛认为是金融市场的信息中介，能够架起企业与投资者之间的桥梁，缓解信息不对称性。但本文认为在市场情绪的洪流中，这座信息沟通桥梁有可能是一座“漫水桥”。当市场情绪“水位”过低或者高低不定时，分析师对于企业股价崩盘的风险警示信号可以顺利传递，而当市场情绪“洪峰”来临时，分析师的警示信号则会被埋没，无法达到抑制企业股价崩盘风险的作用。

因此，根据研究结论，本研究具有以下实践启示：第一，对于政策制定者而言，应把握市场情绪对于微观资本市场的影响机制。尤其对于中国资本市场而言，更应该合理使用政府的“有形的手”，纠正市场狂热情绪，稳定市场经济的平稳发展运行。从而促进市场作用与政府作用的有机统一。第二，对于证券公司而言，为了避免分析师沦为市场情绪的“蜂拥者”和市场非理性行为的“共振者” ，券商应建立更多元、全面的业绩评价体系，发挥分析师的专业性，减少同质化以及“羊群效应”的出现。同时，也应充分利用市场这个“无形的手”，引导资源有效配置，倡导分析师敢于对冲非理性市场情绪，客观、理性地发挥资本市场信息中介的作用。第三，对于投资者而言，为了避免成为市场情绪洪流中的噪声交易者，保持理性、提高专业程度则成为重中之重。除此之外，投资者可以更加关注分析师对于企业私有信息的挖掘与反馈，进而识别由情绪推动的资产定价偏差，减少误判和投资损失。