周銘山, 林　靖, 許年行

(1． 西南財(cái)經(jīng)大學(xué)金融學(xué)院, 金融安全協(xié)同創(chuàng)新中心， 成都 611130； 2． 北京大學(xué)經(jīng)濟(jì)學(xué)院，北京 100871； 3． 中國人民大學(xué)商學(xué)院， 北京 100872)

?

分析師跟蹤與股價(jià)同步性
——基于過度反應(yīng)視角的證據(jù)①

周銘山1, 林靖2, 許年行3

(1． 西南財(cái)經(jīng)大學(xué)金融學(xué)院, 金融安全協(xié)同創(chuàng)新中心， 成都 611130； 2． 北京大學(xué)經(jīng)濟(jì)學(xué)院，北京 100871； 3． 中國人民大學(xué)商學(xué)院， 北京 100872)

對我國股票市場分析師跟蹤與股價(jià)同步性的關(guān)系進(jìn)行研究，本文發(fā)現(xiàn)：(1)即使明星、非明星分析師提供相似的信息，明星分析師顯著降低了R2(股價(jià)同步性)，而非明星分析師則不然；(2)明星分析師預(yù)測準(zhǔn)確度最高組和最低組股票的平均R2并無顯著差異；上述結(jié)果表明信息提供并不能完全解釋我國明星分析師降低股價(jià)同步性的現(xiàn)象.(3)明星分析師跟蹤及評級調(diào)整與短期動(dòng)量效應(yīng)、中長期反轉(zhuǎn)效應(yīng)以及異常成交額存在顯著的正向關(guān)系，這一發(fā)現(xiàn)支持了本文的假說，即明星分析師通過引起投資者過度反應(yīng)而降低股價(jià)同步性.本文的研究對于認(rèn)識分析師在我國證券市場中的作用以及股價(jià)同步性的生成機(jī)理具有重要的理論與現(xiàn)實(shí)意義.

明星分析師； 過度反應(yīng)； 股價(jià)同步性

0　引　言

股價(jià)同步性(即股票收益率市場模型中的R2)通常被用以衡量股價(jià)中所包含的公司層面信息的含量，較小的R2意味著股價(jià)波動(dòng)在很大程度上由市場以外的公司層面因素引起，即股價(jià)中包含較多的公司層面信息.根據(jù)這一邏輯，Chan 等[1]認(rèn)為，由于沒有促進(jìn)公司層面信息的傳遞，包含中國在內(nèi)的新興市場國家的分析師沒能降低R2.考慮了分析師的異質(zhì)性后*已有文獻(xiàn)對分析師的異質(zhì)性進(jìn)行了考察，Stickel [4]的研究表明，相對于普通分析師，明星分析師(“全美分析師”，下同)所發(fā)布的盈余預(yù)測報(bào)告更加準(zhǔn)確，其對股價(jià)的影響也更大；Fang 等[5]對投資評級報(bào)告進(jìn)行的研究結(jié)果表明，明星分析師推薦的股票更具有投資價(jià)值.，Xu等[2]認(rèn)為，我國的明星分析師因促進(jìn)公司層面信息的傳遞而顯著地降低了R2.

然而，越來越多的文獻(xiàn)開始質(zhì)疑股價(jià)同步性與公司層面信息的聯(lián)系*這些文獻(xiàn)包含但不限于Ashbaugh-Skaife等[6]、Teoh等[7]、Chang 等[8]、Hou等[3]，等等.，在這些文獻(xiàn)中， Hou 等[3]發(fā)現(xiàn)，當(dāng)投資者對公司層面信息的反應(yīng)是無偏的，越多的公司層面信息導(dǎo)致更低的當(dāng)期R2；但當(dāng)投資者對公司信息存在認(rèn)知偏差時(shí)，特別是，當(dāng)市場存在長期過度反應(yīng)時(shí)，R2則與市場過度反應(yīng)呈負(fù)向關(guān)系.應(yīng)當(dāng)明確的是，Hou等[3]的理論模型表明，長期市場過度反應(yīng)與R2的負(fù)向關(guān)系是由投資情緒和R2的估計(jì)方式所暗示的，只要在長期里存在市場過度反應(yīng)，那么一定會(huì)有過度反應(yīng)導(dǎo)致R2降低*在附錄1中，本文對Hou等[3]文中模型和主要結(jié)論做了簡要介紹..或者說R2與中期動(dòng)量效應(yīng)和長期反轉(zhuǎn)效應(yīng)存在負(fù)相關(guān)關(guān)系.

根據(jù)明星分析師與R2顯著負(fù)相關(guān)的事實(shí)以及Hou等[3]理論模型的結(jié)論，如果投資者對明星分析師報(bào)告過度解讀而產(chǎn)生過度反應(yīng)時(shí)，則明星分析師在降低R2中的作用就不僅僅局限在信息提供方面.如果明星分析師能夠影響投資者情緒，并引起投資者過度反應(yīng)，則明星分析師降低股價(jià)同步性的機(jī)制為過度反應(yīng)機(jī)制.但是，目前為止，本文并不能確定究竟是明星分析師的信息提供作用還是對投資者情緒的影響作用更能夠解釋我國股票市場中明星分析師降低股價(jià)同步性現(xiàn)象.

本文研究的目的就在于從投資者過度反應(yīng)的角度研究明星分析師對股價(jià)同步性的影響，并對兩種解釋低股價(jià)同步性的機(jī)制進(jìn)行比較.在我國股票市場中，大部分交易由個(gè)人投資者完成，而眾多研究表明個(gè)人投資者更傾向于表現(xiàn)出過度反應(yīng)等行為偏差*李心丹等 [9]發(fā)現(xiàn)投資者確實(shí)存在嚴(yán)重的認(rèn)知偏差；Chen等[10]相對于美國投資者，我國投資者更傾向于過度自信；Ng 等[11]發(fā)現(xiàn)在我國股票市場中，純反轉(zhuǎn)策略能夠獲取正的超額收益，且均值反轉(zhuǎn)和動(dòng)量策略能夠擊敗購買持有策略，表明我國存在過度反應(yīng)..基于這些事實(shí)，本文認(rèn)為在我國股票市場中個(gè)人投資者傾向于對明星分析師報(bào)告進(jìn)行過度反應(yīng)，從而使明星分析師通過引起過度反應(yīng)降低股價(jià)同步性，而非通過信息提供機(jī)制.因此，本文的結(jié)論將有助于幫助解釋我國股價(jià)同步性與分析師跟蹤的關(guān)系.

本文與Hou等[3]存在以下兩個(gè)方面區(qū)別.首先，本文討論分析師的異質(zhì)性特征，區(qū)分明星和非明星分析師在引起投資者過度反應(yīng)方面的差異，并從投資者情緒這一角度考察分析師與股價(jià)同步性的關(guān)系，而不同于Hou 等[3]考察過度反應(yīng)與股價(jià)同步性的關(guān)系.其次，本文將樣本限定在我國股票市場范圍而非全球范圍，這樣能夠很好地控制國家間制度差異等對實(shí)證結(jié)果造成的影響.此外，本文與Xu等[2]具有聯(lián)系，但是區(qū)別于他們通過明星分析師的信息提供作用解釋股價(jià)同步性的降低，本文從明星分析師引起投資者過度反應(yīng)的機(jī)制解釋股價(jià)同步性的降低.

使用我國A股市場所有股票2003年6月到2013年12月的數(shù)據(jù)，本文發(fā)現(xiàn)：首先，對于全樣本，明星分析師對股價(jià)同步性具有負(fù)向影響.其次，即使明星、非明星分析師具有相似的預(yù)測準(zhǔn)確度，明星分析師跟蹤人數(shù)仍然對股價(jià)同步性具有負(fù)向影響，而非明星分析師對股價(jià)同步性的影響不顯著，這表明明星分析師的信息提供作用對我國的低股價(jià)同步性的解釋力有限.第三，預(yù)測準(zhǔn)確度最高組和最低組明星分析師跟蹤股票的平均股價(jià)同步性沒有顯著的差異，意味著明星分析師個(gè)人能力并非是降低股價(jià)同步性的主要因素.最后，明星分析師跟蹤人數(shù)以及正向的股價(jià)評級調(diào)整均能夠引起更強(qiáng)的短期動(dòng)量效應(yīng)、長期反轉(zhuǎn)效應(yīng)和異常成交額，這支持了明星分析師引起更大程度市場過度反應(yīng)論點(diǎn).上述研究結(jié)果都表明，明星分析師主要通過引起市場過度反應(yīng)降低股價(jià)同步性.

基于上述發(fā)現(xiàn)，本文的貢獻(xiàn)主要體現(xiàn)在以下三點(diǎn)：首先，本文針對我國新興市場特點(diǎn)，對明星分析師降低R2的機(jī)制提供了一種新的基于行為金融學(xué)的解釋，即明星分析師降低R2的機(jī)制與市場過度反應(yīng)有關(guān)，這一發(fā)現(xiàn)對于R2的形成機(jī)理提供了一個(gè)新的視角.其次，本文對信息提供機(jī)制和過度反應(yīng)機(jī)制的比較結(jié)果進(jìn)一步表明在我國股票市場中，過度反應(yīng)機(jī)制比信息提供機(jī)制具有更強(qiáng)的解釋力，對Xu等[2]等文獻(xiàn)提供了有力的補(bǔ)充.最后，本文找到了引起市場過度反應(yīng)的一個(gè)來源，并通過一系列實(shí)證證據(jù)支持了明星分析師的報(bào)告會(huì)引起市場過度反應(yīng).包括Hou 等[3]等在內(nèi)的已有文獻(xiàn)并沒有對引起市場過度反應(yīng)的因素進(jìn)行界定與分析，本文的證據(jù)為Hou等[3]提供了一定的支持，并從來源上對市場過度反應(yīng)降低R2的機(jī)制進(jìn)行了分析與解釋.

1　文獻(xiàn)綜述與研究假設(shè)

與本文相關(guān)的第一類文獻(xiàn)是關(guān)于R2的.傳統(tǒng)文獻(xiàn)認(rèn)為R2與信息效率具有負(fù)向關(guān)系，它首先被Roll[12]用來衡量公司層面信息的含量.Morck等[13]認(rèn)為，相對于新興市場國家，發(fā)達(dá)國家對投資者和產(chǎn)權(quán)進(jìn)行的更好的保護(hù)激勵(lì)了市場基于公司層面信息的交易行為，因此發(fā)達(dá)國家股票市場具有更低的R2.Durnev等[14]、Jin 等[15]也都證實(shí)了R2與市場有效性的負(fù)向關(guān)系.王亞平等[16]基于我國股市數(shù)據(jù)的實(shí)證發(fā)現(xiàn)，機(jī)構(gòu)投資者持股比例的上升會(huì)削弱R2與信息透明程度之間的聯(lián)系，因此，他們認(rèn)為機(jī)構(gòu)投資者能夠提供更多公司層面信息、提高定價(jià)效率.潘寧寧等[17]也發(fā)現(xiàn)機(jī)構(gòu)投資者通過交易增加了公司層面信息，孔東明等[18]則發(fā)現(xiàn)機(jī)構(gòu)投資者的信息提供作用與流動(dòng)性有關(guān)，這些文獻(xiàn)也同樣認(rèn)為R2與信息效率存在負(fù)相關(guān).

然而，R2與市場效率之間的負(fù)向關(guān)系也越來越受到質(zhì)疑.Ashbaugh-Skaife等[6]對多國市場的檢驗(yàn)結(jié)果表明，R2并不能很好地衡量公司層面信息.Hou等[3]提供了更強(qiáng)的理論分析結(jié)果，如果投資者對公司層面信息的反應(yīng)是無偏的，則當(dāng)期的R2會(huì)下降，整個(gè)期間的R2不受影響；但投資者對公司層面信息的認(rèn)知偏差則會(huì)導(dǎo)致R2與市場低效率呈負(fù)向關(guān)系；同樣基于多國市場的實(shí)證結(jié)果也證實(shí)R2是與短期動(dòng)量效應(yīng)和長期反轉(zhuǎn)效應(yīng)具有正向關(guān)系.相似的結(jié)論還可見于Teoh等[7]、Chang等[8].

與本文相關(guān)的第二類文獻(xiàn)是關(guān)于研究分析師與R2的關(guān)系以及明星分析師異質(zhì)性的.Chan 等[1]認(rèn)為，由于沒有促進(jìn)公司層面信息的傳遞，包含中國在內(nèi)的新興市場國家的分析師沒能降低R2.朱紅軍等[19]對中國分析師的研究得出了相反的結(jié)論，他們認(rèn)為，即使在排除噪聲等因素的影響后，分析師也能通過揭示更多公司層面的信息、提高市場有效性來降低R2.也有研究從其他角度(例如，審計(jì)費(fèi)用[20])考察得出結(jié)論認(rèn)為分析師具有信息提供作用.以上研究并未考慮分析師的異質(zhì)性，但事實(shí)上，由于明星分析師在過去的研究中抵制了利益沖突[21]*關(guān)于分析師丑聞的報(bào)告屢見不鮮，例如，2011年，“國泰君安自夸自賣長城汽車”；2012年，東方證券分析師對東阿阿膠研報(bào)嚴(yán)重失實(shí)；上述資料來源于《理財(cái)周報(bào)》，2012年5月28日.，且具有豐富的一般經(jīng)驗(yàn)和公司相關(guān)的特定研究經(jīng)驗(yàn)[2]，而提供了更準(zhǔn)確的盈余預(yù)測和更有價(jià)值的薦股報(bào)告[4，22，5].基于Chan 等[1]并對分析師的異質(zhì)性加以考慮后，Xu 等[2]認(rèn)為，我國的明星分析師因促進(jìn)公司層面信息的傳遞而顯著地降低了R2.

根據(jù)上述兩類已有文獻(xiàn)，特別是影響股價(jià)同步性的機(jī)制，明星分析師主要通過兩種機(jī)制來降低股價(jià)同步性.一方面，如果明星分析師提供了更多公司層面信息，且投資者對分析師提供的信息理性地反應(yīng)，則明星分析師能夠降低股價(jià)同步性.本文稱明星分析師通過提供更多公司層面信息而降低股價(jià)同步性的機(jī)制為信息機(jī)制.另一方面，如果明星分析師直接或間接導(dǎo)致市場存在長期過度反應(yīng)，而根據(jù)Hou 等[3]，過度反應(yīng)與股價(jià)同步性負(fù)相關(guān)，則明星分析師也能夠降低股價(jià)同步性.本文稱此為過度反應(yīng)機(jī)制.根據(jù)兩種機(jī)制的作用，本文首先提出假設(shè)1來檢驗(yàn)明星分析師和股價(jià)同步性是否存在顯著的負(fù)相關(guān)關(guān)系：

假設(shè)1相對于非明星分析師，明星分析師與股價(jià)同步性顯著負(fù)相關(guān).

即使確定了明星分析師和股價(jià)同步性之間的負(fù)向關(guān)系，也很難發(fā)現(xiàn)明星分析師在降低股價(jià)同步性中起到的究竟是哪類作用.如果R2與公司層面信息相聯(lián)系；且如Xu 等[2]所發(fā)現(xiàn)，明星分析師代表盈余預(yù)測能力更準(zhǔn)確的一類分析師，能夠提供更多公司層面信息.那么，根據(jù)Hou 等[3]的模型，如果投資者能對明星、非明星分析師以及不同類型的明星分析師所提供的公司層面信息進(jìn)行理性反應(yīng)，那么明星分析師則是通過信息機(jī)制來降低當(dāng)期R2的.根據(jù)信息機(jī)制，本文得到兩個(gè)推論：1)如果明星、非明星分析師都提供同樣準(zhǔn)確程度的預(yù)測時(shí)，投資者應(yīng)該對兩類分析師做出相似的反應(yīng)，此時(shí)兩類分析師對R2的影響應(yīng)該相似；2)即使都是明星分析師，如果存在預(yù)測準(zhǔn)確度方面的差異，投資者也能準(zhǔn)確的識別這種差異，而使用更加準(zhǔn)確的明星分析師報(bào)告，此時(shí)不同準(zhǔn)確度的明星分析師對R2的影響具有顯著差異，或不同準(zhǔn)確度的明星分析師所跟蹤股票的R2具有顯著差異.如果上述兩個(gè)推論被證實(shí)，那么明星分析師可能是通過提供了更多公司層面信息而降低了R2；反之，如果被證偽，則明星分析師存在降低R2的其他機(jī)制.

為了通過檢驗(yàn)上述兩個(gè)推論來檢驗(yàn)信息機(jī)制在降低R2方面的解釋力，提出如下假設(shè)2：

假設(shè)2a如果明星分析師通過信息機(jī)制降低股價(jià)同步性，當(dāng)兩類分析師具有相似預(yù)測準(zhǔn)確度時(shí)，明星、非明星分析師對股價(jià)同步性的影響無差異；對于明星分析師跟蹤的股票，預(yù)測準(zhǔn)確度最高組和最低組的股價(jià)同步性具有顯著的差異.

假設(shè)2b如果明星分析師通過信息機(jī)制以外機(jī)制降低股價(jià)同步性，當(dāng)兩類分析師具有相似預(yù)測準(zhǔn)確度時(shí)，明星分析師相對于非明星分析師能夠顯著降低股價(jià)同步性；對于明星分析師跟蹤的股票，預(yù)測準(zhǔn)確度最高組和最低組的股價(jià)同步性不具有顯著的差異.

如果假設(shè)2b被證實(shí)，那么明星分析師降低股價(jià)同步性的機(jī)制是什么呢？Hou 等[3]的理論分析已經(jīng)明確的指出，當(dāng)投資者對公司層面信息的反應(yīng)不理性時(shí)，特別是當(dāng)投資者對公司層面信息的反應(yīng)在長期里都是過度反應(yīng)時(shí)，那么R2一定與動(dòng)量和反轉(zhuǎn)效應(yīng)呈反比.也就是說，當(dāng)投資者對信息的反應(yīng)不理性時(shí)，股價(jià)中存在的過度反應(yīng)是R2降低的主要原因.

在研究明星分析師通過引起市場過度反應(yīng)而降低股價(jià)同步性前，本文首先需要考察在中國股票市場中，是否同樣存在市場過度反應(yīng)與股價(jià)同步性之間的負(fù)向關(guān)系.因此，根據(jù)Hou等[3]，提出如下假設(shè)3：

假設(shè)3a股價(jià)同步性越低的股票在短期里具有更強(qiáng)的動(dòng)量效應(yīng)；

假設(shè)3b股價(jià)同步性越高的股票在中長期里具有更強(qiáng)的反轉(zhuǎn)效應(yīng)；

那么，如果明星分析師能夠引起市場過度反應(yīng)，則明星分析師降低R2的事實(shí)則主要是由引起市場過度反應(yīng)所解釋.

明星分析師之所以能夠引起市場過度反應(yīng)，主要原因是明星分析師相比較于非明星分析師更能引起投資者注意，當(dāng)投資者根據(jù)明星分析師報(bào)告進(jìn)入市場交易時(shí)，他們對股票的估值產(chǎn)生偏差，而投資者通常表現(xiàn)出的羊群效應(yīng)進(jìn)一步放大了估值偏差，導(dǎo)致市場過度反應(yīng)的產(chǎn)生.

綜上，根據(jù)本文關(guān)于過度反應(yīng)的論據(jù)，明星分析師能夠引起投資者過度反應(yīng).如果這一論據(jù)合理，則本文將發(fā)現(xiàn)明星分析師跟蹤人數(shù)與投資者過度反應(yīng)之間存在正相關(guān)關(guān)系.由于過度反應(yīng)無法直接被度量，因此，根據(jù)Jegadeesh等[23]、Jegadeesh等[24]、Hou等[3]和許年行等[25]，將上述假設(shè)重新表述為：

假設(shè)4a明星分析師跟蹤人數(shù)越高的股票在短期里具有更強(qiáng)的動(dòng)量效應(yīng)；

假設(shè)4b明星分析師跟蹤人數(shù)越高的股票在中長期里具有更強(qiáng)的反轉(zhuǎn)效應(yīng)；

假設(shè)4c明星分析師做出評級調(diào)整的股票具有更高的異常成交額.

為了使上述邏輯關(guān)系及本文假設(shè)與現(xiàn)有文獻(xiàn)之間的關(guān)系更加清晰，繪制如下關(guān)系圖：

圖1　明星分析師降低股價(jià)同步性的兩種機(jī)制對比以及本文假設(shè)關(guān)系

2　數(shù)據(jù)樣本與變量設(shè)定

2.1樣本選擇與數(shù)據(jù)來源

本文以滬深兩市上市的所有A股股票為樣本，時(shí)間范圍從2003年6月至2013年12月，并對樣本按如下標(biāo)準(zhǔn)進(jìn)行篩選：1)剔除金融類公司；2)受到特別處理，即股票代碼中包含ST、*ST以及PT的股票被剔除；3)必須在實(shí)證分析前一年發(fā)行上市，剔除年交易日少于180天的股票[26]，以避免微觀結(jié)構(gòu)因素對實(shí)證結(jié)果產(chǎn)生嚴(yán)重的影響；4)剔除數(shù)據(jù)缺失的樣本.經(jīng)過以上篩選，本文最終得到7 119個(gè)公司——年度樣本.樣本內(nèi)股票的交易數(shù)據(jù)和財(cái)務(wù)報(bào)表來自于國泰安數(shù)據(jù)庫(CSMAR).

分析師盈余預(yù)測數(shù)據(jù)也來自于CSMAR.如果分析師在當(dāng)年對同一上市公司發(fā)布多份預(yù)測報(bào)告，本文僅保留最后一次報(bào)告.穩(wěn)健性檢驗(yàn)使用了分析師的薦股報(bào)告，這些報(bào)告同樣來自于CSMAR.薦股評級被標(biāo)準(zhǔn)化為5級，從1至5分別代表“買入”、“增持”、“中性”、“減持”及“賣出”，因此，評級越高，分析師對該股的看法越悲觀.在2004年至2013年內(nèi)，本文共得到針對上述樣本公司發(fā)布的45 039份薦股報(bào)告，其中2 444份評級高于或等于3.此外，在區(qū)分明星、非明星分析師時(shí)，本文使用了《新財(cái)富》最佳分析師排名，上榜分析師名單及評選時(shí)間從《新財(cái)富》網(wǎng)站刊登的歷屆“最佳分析師”獲獎(jiǎng)名單中整理得到.

2.2變量設(shè)定

2.2.1股價(jià)同步性(R2)

借鑒Gul 等[27]、Hou 等[3]以及Xu 等[2]，本文使用周收益率數(shù)據(jù)對下述模型進(jìn)行回歸以得到R2，記為Rsq，即

ri,w=αi,w+βi,wrm,w+γi,wrind,w+εi,w

(1)

其中ri,w為股票i在第w周的收益率，rm, w為第w周A股市場收益率，rind, w為第w周股票i所在行業(yè)的總市值加權(quán)平均收益率，對于股票i，在計(jì)算其行業(yè)收益率時(shí)，其自身收益率被排除在外；在計(jì)算其市場收益率時(shí)，其所在行業(yè)收益率被排除在外，以避免估計(jì)結(jié)果受其自身影響，即避免模型(1)的估計(jì)結(jié)果受多重共線性的影響.Rsq則為模型(1)估計(jì)結(jié)果的可決系數(shù).根據(jù)Hou 等[3]，本文使用全樣本期間數(shù)據(jù)來估計(jì)模型(1)*僅使用一年樣本無法考察投資者的過度反應(yīng)行為.當(dāng)本文使用約3年(180周)數(shù)據(jù)時(shí)，得到的實(shí)證結(jié)果相似..

由于Rsq被限定在0和1的閉區(qū)間內(nèi)*在模型(1)的所有回歸結(jié)果中，沒有Rsq小于0的情況出現(xiàn).，根據(jù)Morck等[13]，本文在實(shí)證中使用Rsq的對數(shù)變換形式，即

LnRsq,i=ln[Rsq,i/(1-Rsq,i)]

(2)

其中LnRsq,i為第i只股票股價(jià)同步性的衡量指標(biāo).LnRsq,i越高，股價(jià)波動(dòng)更多地被市場波動(dòng)所解釋.

2.2.2分析師跟蹤人數(shù)

2.2.3異常成交額

市場對分析師的報(bào)告反應(yīng)過度的表現(xiàn)之一為股票具有異常的成交額.因此，為了衡量市場是否對分析師的報(bào)告過度反應(yīng)，根據(jù)Jegadeesh等[24]的方法，本文使用報(bào)告發(fā)布后一定時(shí)期的平均成交額對發(fā)布前后時(shí)期平均成交額的比率來衡量報(bào)告所引起的異常成交額.記分析師在第t期前對公司i發(fā)布的預(yù)測報(bào)告引起的該公司股票在第t期中的異常成交額為AVoli,t，則

(3)

其中Volume為股票的月成交額，M為所估計(jì)的總月數(shù).

2.2.4預(yù)測偏差

分析師對市盈率(EPS)預(yù)測值與真實(shí)值的偏離程度度量了分析師盈余預(yù)測的準(zhǔn)確度.根據(jù)Hong等[28]和Xu等[2]的方法，本文使用相對預(yù)測偏差，即EPS預(yù)測值和真實(shí)值之差的絕對值對股價(jià)的比值來衡量預(yù)測的偏離程度.記分析師j對公司i第y年盈余的預(yù)測偏差為FEj,i,y，則

(4)

其中F_EPSj,i,y為分析師j對公司i第y年EPS的預(yù)測值，EPSi,y為公司i第y年EPS的真實(shí)值，Pricei,y為公司i第y年的年終收盤價(jià).

2.2.5控制變量

本文在文中控制如下兩組變量：一是影響R2的變量.根據(jù)Piotroski等[29]，Chan等[1]，Gul等[27]，以及Xu等[2]等研究，本文設(shè)定如下變量來控制其它因素對R2的影響：1)股權(quán)集中度，記為Top1，為上年末公司第一大股東持股比例；2)機(jī)構(gòu)持股比例，記為InsHold，為上年末機(jī)構(gòu)投資者持股占總股數(shù)的比例；3)國有股比例，記為GovHold，為上年末國有股占公司總股數(shù)的比例；4)換手率，記為Turnover，為股票當(dāng)年成交額除以當(dāng)年末的總市值；5)公司規(guī)模，記為LnSize，為公司在上年末總市值的自然對數(shù)；6)公司市值對賬面價(jià)值比，記為MB，為公司上年末的總市值除以凈資產(chǎn)總額；7)行業(yè)內(nèi)公司數(shù)量，記為IndNum，為公司所屬行業(yè)內(nèi)上年末的上市公司數(shù)量；8)行業(yè)規(guī)模，記為LnIndSize，為公司所屬行業(yè)上年末總市值的自然對數(shù)形式.

二是影響股票收益率的變量.根據(jù)Jegadeesh[30]，Hou等[3]，以及魯臻等[31]的研究結(jié)果，本文包含以下變量來控制其它因素對股票收益率的影響：1)公司規(guī)模，記為LnSize，為公司上年末總市值的自然對數(shù)；2)賬面價(jià)值對市值的比率，記為LnBM，為公司上年末凈資產(chǎn)賬面價(jià)值對總市值比率的自然對數(shù)；3)上期收益率，記為Ret(-1:-1)*魯臻等[31]的研究發(fā)現(xiàn)，在中國股票市場上存在短期的反轉(zhuǎn)效應(yīng)；同時(shí)，Jegadeesh [30]也認(rèn)為存在一個(gè)月的短期反轉(zhuǎn)效應(yīng).因此，為了控制短期反轉(zhuǎn)效應(yīng)，本文也同Hou 等[3]一樣引入該控制變量..

3　實(shí)證分析

3.1描述性統(tǒng)計(jì)

表1給出了所有變量的描述性統(tǒng)計(jì)結(jié)果，平均來看，每家公司每年的分析師跟蹤人數(shù)為10.83，其中2.041為明星分析師；盈余預(yù)測偏差為0.021 0；第一大股東持股為38.2%，國有持股為13.5%，機(jī)構(gòu)持股為21.1%.

表1　所有變量描述性統(tǒng)計(jì)

表2給出了按明星分析師跟蹤人數(shù)分組和評級調(diào)整分組的描述性統(tǒng)計(jì)結(jié)果.首先，本文按照如下步驟對股票按明星分析師跟蹤人數(shù)分組考察主要變量的均值特征：1)對2004年6月到2013年12月中的各月，計(jì)算股票在前2月到前12月的明星分析師跟蹤人數(shù)(StarF)；2)每月按明星分析師跟蹤人數(shù)將股票分為3個(gè)組合，第1個(gè)組中股票的明星分析師跟蹤人數(shù)為0，第2個(gè)組中股票的明星分析師跟蹤人數(shù)低于非0跟蹤人數(shù)序列的75%分位數(shù)，第3個(gè)組合包含剩余的股票*本文選用75%分位數(shù)作為分組標(biāo)準(zhǔn)，而非通行的50%分位數(shù)，這是由明星分析師跟蹤人數(shù)的特征所決定的.描述性統(tǒng)計(jì)結(jié)果表明，明星分析師跟蹤人數(shù)的50%分位數(shù)為1，75%分位數(shù)為3.若采用50%分位數(shù)來區(qū)分高明星分析師跟蹤人數(shù)和低明星分析師跟蹤人數(shù)，則高明星分析師跟蹤人數(shù)組的跟蹤人數(shù)大于1，相對于2.04的平均水平，高明星分析師跟蹤人數(shù)組的跟蹤人數(shù)并非高.而本文假設(shè)明星分析師跟蹤人數(shù)越高，則市場過度反應(yīng)越強(qiáng)，50%的劃分方法難以對本文的假設(shè)進(jìn)行驗(yàn)證.因此，本文選取75%分位數(shù)作為分組標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)也即大于平均值水平的標(biāo)準(zhǔn).；3)計(jì)算各組合內(nèi)StarF、Rsq、月收益率(Ret)、月度Turnover、LnSize、MB、InsHold以及GovHold的橫截面算術(shù)平均值；4)計(jì)算上述結(jié)果在時(shí)間序列上的平均值，得到按明星分析師跟蹤人數(shù)排序的變量特征.該結(jié)果列在表2的Panel A中.從中可知，對于第2、3組，平均明星分析師跟蹤人數(shù)為2.19和6.93，對應(yīng)的R2分別為0.46和0.43，明星分析師跟蹤人數(shù)和R2之間表現(xiàn)出負(fù)相關(guān)關(guān)系.對于第1、3組，平均明星分析師跟蹤人數(shù)為0和6.93，R2分別為0.48和0.43.

按明星、非明星分析師類別分組和評級調(diào)整分組的描述性統(tǒng)計(jì)結(jié)果分別列在表2的Panel B和Panel C中.從Panel B中可知，平均來看，明星、非明星分析師所跟蹤股票的R2分別為0.43和0.44，而明星分析師比非明星分析師在調(diào)整評級時(shí)更悲觀，平均調(diào)整分別為-0.011和-0.006.平均收益率分別是1.24%和0.53%.從Panel C中可知，正向評級調(diào)整報(bào)告中的15%由明星分析師發(fā)布，對應(yīng)股票的R2為0.45.評級未調(diào)整報(bào)告中的23%由明星分析師發(fā)布，對應(yīng)股票的R2同樣為0.45.上述結(jié)果表明，盡管明星分析師對股票做出正向評級調(diào)整的可能性較低，但是其調(diào)整股票的收益率比非明星分析師調(diào)整股票的收益率更高，與投資者過度反應(yīng)的假設(shè)相一致.

表2分組描述性統(tǒng)計(jì)

Table 2 Summary statistics by groups

Panel A： 按明星分析師跟蹤人數(shù)分組

StarFgroupStarFRsqRet(%)TurnoverLnSizeMBInsHoldGovHoldN100.481.803.8827.663.020.180.15251822.190.461.603.1722.603.290.220.13366336.930.432.102.2623.763.390.270.12938

Panel B： 按明星、非明星分析師分組

StarFgroupRsqRevisionStdRecRet(%)TurnoverLnSizeMBInsHoldGovHoldNNstar0.44-0.0061.770.522.8823.363.580.250.1535120Star0.43-0.0111.701.242.6423.543.670.260.149919

Panel C： 按評級調(diào)整分組

RevisionStarRsqStdRecRet(%)TurnoverLnSizeMBInsHoldGovHoldN<00.150.451.372.542.9423.323.720.240.162729=00.230.451.730.832.7923.433.620.260.1539866

在表3中，本文給出了所有變量相關(guān)系數(shù)的Pearson檢驗(yàn)結(jié)果.從中可知，明星分析師跟蹤人數(shù)與R2、盈余預(yù)測偏差與R2、以及股價(jià)與R2之間均呈現(xiàn)出顯著的負(fù)相關(guān)關(guān)系.

表3　相關(guān)系數(shù)的Pearson檢驗(yàn)

3.2明星分析師與R2

與Xu等[2]相似，本文首先考察明星、非明星分析師跟蹤人數(shù)對股價(jià)同步性的影響，即對下列模型(5)進(jìn)行LSDV估計(jì)：

ρtYeary+δiIndustryi+εi,y

(5)

其中Ana為分別取明星分析師跟蹤人數(shù)(StarF)或非明星分析師跟蹤人數(shù)(NonStarF)；Control為包含上文設(shè)定的對R2具有影響的控制變量.Year和Industry分別表示年份和行業(yè)虛擬變量，用以控制時(shí)間和行業(yè)效應(yīng).根據(jù)Petersen[32]，本文對LSDV估計(jì)系數(shù)的標(biāo)準(zhǔn)誤差采用基于年度和行業(yè)兩個(gè)維度的Cluster修正.估計(jì)結(jié)果列在表4中.

從表4的Panel A中可知，不控制非明星分析師的影響時(shí)，明星分析師對股價(jià)同步性具有負(fù)向影響，且在1%水平下顯著.而當(dāng)不控制明星分析師的影響時(shí)，非明星分析師對股價(jià)同步性的影響也為負(fù)，但是不具有統(tǒng)計(jì)意義上的顯著性.同時(shí)考慮兩類分析師的影響時(shí)，結(jié)果與上述相似.因而，上述結(jié)果證實(shí)了本文的假設(shè)1.

表4給出的結(jié)果與Xu等[2]的結(jié)果略有差異，他們發(fā)現(xiàn)非明星分析師對股價(jià)同步性具有顯著的正向影響.本文關(guān)于非明星分析師的估計(jì)結(jié)果雖然為負(fù)，但是無論從經(jīng)濟(jì)意義還是統(tǒng)計(jì)意義來看，其對股價(jià)同步性的負(fù)向影響沒有明星分析師的影響顯著.因此，該結(jié)果不妨礙本文對“明星分析師更能引起市場過度反應(yīng)，從而導(dǎo)致股價(jià)同步性更低”這一假說進(jìn)行驗(yàn)證.

表4　分析師跟蹤人數(shù)與股價(jià)同步性，全樣本LSDV估計(jì)結(jié)果

其中，估計(jì)系數(shù)的標(biāo)準(zhǔn)差經(jīng)過行業(yè)和年份兩個(gè)維度上的Cluster修正.

上述模型(5)估計(jì)結(jié)果可能受到嚴(yán)重的內(nèi)生性問題的影響，即某種公司特征或市場特征與股價(jià)同步性相聯(lián)系，而這種未知的因素又是明星分析師選擇跟蹤股票的影響因素；或者明星分析師更偏向于選擇股價(jià)同步性更低的股票進(jìn)行跟蹤.那么，上述結(jié)果就并非表明明星分析師能夠顯著降低股價(jià)同步性.為了減輕內(nèi)生性問題的影響，本文使用2SLS估計(jì)模型(5).根據(jù)Yu[33]和Xu 等[2]，2SLS所用的工具變量為預(yù)期分析師跟蹤人數(shù)和波動(dòng)率.

預(yù)期分析師跟蹤人數(shù)的計(jì)算公式為

(6)

其中expAna為預(yù)期分析師跟蹤人數(shù)，分別為明星分析師跟蹤人數(shù)(expStarF)或非明星分析師跟蹤人數(shù)(expNonStarF).brokersize是對公司i跟蹤的分析師所在券商k在y年中雇傭的所有分析師人數(shù).當(dāng)證券公司增加(或減少)其規(guī)模時(shí)，更多(或更少)的分析師被雇傭，跟蹤人數(shù)也隨之增加(或者減少).由此，證券公司規(guī)模與跟蹤人數(shù)密切聯(lián)系.更重要的是，證券公司規(guī)模的調(diào)整不隨某一個(gè)上市公司特征所影響.因此，預(yù)期分析師跟蹤人數(shù)是較好的工具變量.

波動(dòng)率是股票在t年中周收益率的標(biāo)準(zhǔn)差.

當(dāng)然，首先，分析師所在券商規(guī)模變化時(shí)，某一公司或某一行業(yè)的分析師跟蹤人數(shù)并不一定受到影響，除非券商同比例減少跟蹤各行業(yè)的分析師人數(shù).其次，波動(dòng)率增大時(shí)，市場也并不一定對分析師的需求增大，除非分析師在資本市場中提供更多且準(zhǔn)確的信息.因此，上述兩個(gè)工具變量的有效性有待檢驗(yàn)，為此，本文將在給出2SLS回歸后同時(shí)匯報(bào)Godfrey檢驗(yàn)結(jié)果.

2SLS的具體估計(jì)方法是：

1)在第一步中做如下模型的估計(jì)

Anai,y=α0+θ1expAnai,y+θ2Volatilityi,y+

δiIndustryi+εi,y

(7)

2)在第二步中，利用模型(7)得到Ana的估計(jì)值，然后將估計(jì)值帶入模型(5)進(jìn)行回歸.同樣，估計(jì)系數(shù)的標(biāo)準(zhǔn)誤差采用行業(yè)和年份兩個(gè)維度的Cluster修正.2SLS的估計(jì)結(jié)果列在表5中.Godfrey檢驗(yàn)結(jié)果顯示，本文選取的兩個(gè)工具變量均為強(qiáng)工具變量(分別對明星和非明星分析師跟蹤人數(shù)回歸時(shí)，對兩類分析師的Godfrey檢驗(yàn)的R2分別為0.201和0.400；同時(shí)對兩類分析師回歸時(shí)，Godfrey檢驗(yàn)的R2分別為0.334和0.199).

表5的結(jié)果顯示，2SLS第二階段的估計(jì)結(jié)果同表4中的結(jié)果相似，非明星分析師對股價(jià)同步性的影響為負(fù)，但是不顯著；明星分析師對股價(jià)同步性的影響仍然顯著為負(fù).同樣，無論從經(jīng)濟(jì)意義還是統(tǒng)計(jì)意義上來看，非明星分析師的影響都不及明星分析師的影響顯著.

3.3明星分析師盈余預(yù)測準(zhǔn)確度與R2

根據(jù)如下步驟對假設(shè)2第一部分進(jìn)行檢驗(yàn)：

1)選取同時(shí)包含明星、非明星分析師跟蹤的股票，計(jì)算兩類分析師盈余預(yù)測偏差均值，然后根據(jù)預(yù)測偏差的差異程度將所有股票分為5個(gè)Diff組，第1組的兩類分析師具有相似的預(yù)測準(zhǔn)確度(或偏差)，第5組的兩類分析師在預(yù)測準(zhǔn)確度上存在最大差異.

2)使用每組樣本在公司層面對模型(5)做LSDV回歸.結(jié)果列在表6的Panel A中.

為了減輕內(nèi)生性問題帶來的估計(jì)偏差問題，本文同樣使用3.2節(jié)中的2SLS法分組估計(jì)明星、非明星分析師對股價(jià)同步性影響的差異.第一階段分組對模型(7)回歸得到分析師的估計(jì)值，第二階段里利用估計(jì)值做模型(5)的估計(jì).第二階段的估計(jì)結(jié)果列在表6的Panel B中.

在檢驗(yàn)假設(shè)2第二部分時(shí)采用如下步驟：

1)剔除無明星分析師跟蹤的公司，并計(jì)算明星分析師對每家公司盈余預(yù)測偏差的均值；然后，根據(jù)FE的5個(gè)等分位數(shù)將所有公司分為5個(gè)FE組，第1組的預(yù)測偏差最小，第5組的預(yù)測偏差最大.

2)從2004年6月到2013年12月，對各FE組計(jì)算各年R2的均值、T檢驗(yàn)的P值以及Wilcox檢驗(yàn)的P值，并給出FE1組和FE5組R2比較的T檢驗(yàn)的P值和Wilcox檢驗(yàn)的P值.估計(jì)結(jié)果列在表6的Panel C中.

表5　分析師跟蹤人數(shù)與股價(jià)同步性，全樣本2SLS估計(jì)結(jié)果

從表6的Panel A中可知，對于預(yù)測偏差最相似的第1組，同時(shí)考察兩類分析師時(shí)，明星分析師跟蹤人數(shù)仍然在10%水平下顯著降低股價(jià)同步性，而非明星分析師的影響雖然為負(fù)，但不顯著，t值僅有-1.02.在第3、5組，明星分析師的影響依然顯著為負(fù)，而非明星分析師的影響不顯著.在第2、4組，兩類分析師對股價(jià)同步性的影響都變得不顯著.

表6中Panel A的實(shí)證設(shè)計(jì)能夠區(qū)分明星分析師究竟是否起到信息提供作用.如果信息提供作用是最主要的作用，當(dāng)兩類分析師具有相似的信息提供能力，即具有相似的預(yù)測偏差時(shí)，他們對股價(jià)同步性的影響也應(yīng)該相似.但是上述實(shí)證結(jié)果卻與之相反，即明星分析師相對于非明星分析師具有更高的信息提供能力無法解釋表6中Panel A的結(jié)果.而該結(jié)果卻恰恰能夠證明明星分析師通過其他機(jī)制降低了R2.

表6中Panel B給出的2SLS估計(jì)結(jié)果表明，修正了內(nèi)生性問題后，即使明星、非明星分析師提供相似程度的信息，兩類分析師對股價(jià)同步性的影響也具有顯著差異，明星分析師依然顯著降低R2，而非明星分析師則沒有.

表6中Panel C的結(jié)果顯示，雖然FE1組的R2比FE5組小，分別為0.438 2和0.441 1，但這一差異并無統(tǒng)計(jì)上的顯著性.該結(jié)果表明，相對于能力較差的明星分析師，能力更強(qiáng)的明星分析師沒有顯著的降低股價(jià)同步性，這一結(jié)果同樣無法用明星分析師的信息提供作用來解釋.因此，綜上來看，明星分析師降低股價(jià)同步性的主要原因并非是因?yàn)樗麄兲峁┝烁嗟墓緦用嫘畔?而應(yīng)由其他機(jī)制所解釋.

資本市場中意見分歧的存在意味著信息不對稱，投資者意見分歧會(huì)導(dǎo)致股票收益率在年報(bào)公告日做出負(fù)向調(diào)整[34]，IPO詢價(jià)意見分歧則導(dǎo)致IPO定價(jià)過高及未來股價(jià)的大幅度下跌[35].分析師意見分歧大同樣意味著股票存在較高程度的信息不對稱，并且反應(yīng)市場對股價(jià)存在樂觀情緒及未來股價(jià)的下跌[36].綜上，分析師意見分歧越大，股票的估值結(jié)果可能存在越大的偏差，市場過度反應(yīng)可能越大.表6的結(jié)果表明，即使明星分析師提高預(yù)測準(zhǔn)確性，也難以降低(非)明星分析師存在較大意見分歧，即存在較高程度市場過度反應(yīng)的股票之股價(jià)同步性.因此，明星分析師降低股價(jià)同步性的渠道主要是通過引起市場過度反應(yīng)，而非提供更多信息.

表6預(yù)測準(zhǔn)確度與股價(jià)同步性

Table 6 Forecast accuracy and price synchronicity

Panel A： 不同預(yù)測準(zhǔn)確度下的股價(jià)同步性回歸結(jié)果

Panel A: Regression results for price synchronicity under different forecast accuracy

Forecastaccuracy(FE)1(leastdifference)2345(largestdifference)StarF-0.2464*(-1.90)-0.0907(-0.83)-0.1376*(-1.75)-0.1692(-1.32)-0.1180*(-1.75)NonStarF-0.0323(-1.02)0.0024(0.06)-0.0295(-0.85)-0.0154(-0.29)-0.0550(-1.09)Top10.0232(0.16)0.1228(1.08)0.0286(0.27)0.0031(0.02)0.1253(1.32)GovHold0.1356(0.98)-0.0099(-0.20)-0.1060(-1.54)0.0185(0.21)-0.2047*(-1.73)InsHold0.0295(0.38)-0.0567(-0.82)-0.1959***(-2.69)-0.1400**(-2.15)-0.2166***(-3.15)Turnover0.0221(1.38)0.0218***(2.80)0.0157**(2.13)0.0113*(1.77)0.0131***(3.81)LnSize-0.0663**(-2.35)-0.1307***(-4.75)-0.0531*(-1.68)-0.0993**(-2.50)-0.0435**(-2.32)MB-0.0576***(-4.62)-0.0358***(-8.92)-0.0493***(-6.38)-0.0465***(-4.30)-0.0564***(-7.47)IndNum-0.0007***(-2.68)-0.0001(-1.24)-0.0001(-0.71)0.0002(0.90)0.0000(0.28)LnIndSize0.0000(0.81)0.0000*(1.93)-0.0000(-0.04)0.0000(0.13)0.0000(0.69)YeareffectYesYesYesYesYesIndustryeffectYesYesYesYesYesN929921920910921Adj.R0.26080.28810.24960.24910.2496F9.40***10.80***8.84***8.94***9.05***

其中，估計(jì)系數(shù)的標(biāo)準(zhǔn)差經(jīng)過行業(yè)和年份兩個(gè)維度上的Cluster修正.

Panel B：不同預(yù)測準(zhǔn)確度下的股價(jià)同步性回歸結(jié)果(2SLS第二階段回歸結(jié)果)

Panel B: 2SLS regression results for price synchronicity under different forecast accuracy

Forecastaccuracy(FE)1(leastdifference)2345(largestdifference)StarF-0.2452**(-2.49)-0.2706*(-1.72)-0.0528(-0.17)-0.0426(-0.16)-0.1196(-0.27)NonStarF-0.0084(-0.08)0.0333(0.51)-0.0740(-1.04)-0.1135(-1.05)-0.0669(-0.48)Top10.0725(0.48)0.0746(0.77)0.1402*(1.69)-0.1784(-1.06)0.0531(0.58)GovHold0.0655(0.40)0.0435(0.47)-0.1318*(-1.83)0.0216(0.24)-0.1878*(-1.69)InsHold-0.0327(-0.25)-0.0375(-0.75)-0.1217*(-1.81)-0.1938***(-2.94)-0.2263***(-3.76)Turnover0.0214(1.26)0.0110*(1.87)0.0174***(2.59)0.0138*(1.88)0.0142***(3.20)LnSize-0.0831**(-2.41)-0.1336***(-3.38)-0.0365(-1.28)-0.0787(-1.58)-0.0402(-1.32)MB-0.0590***(-4.57)-0.0364***(-9.84)-0.0571***(-5.33)-0.0490***(-3.85)-0.0475***(-4.11)IndNum-0.0008**(-2.27)-0.0002*(-1.89)0.0000(0.08)0.0000(0.03)0.0001(1.12)LnIndSize0.0000(1.43)0.0000***(2.66)-0.0000(-1.16)0.0000(0.20)0.0000(0.38)YeareffectYesYesYesYesYesIndustryeffectYesYesYesYesYesN944938928914930Adj.R0.25510.28730.26210.24170.2352F9.50***11.21***9.66***9.09***8.93***

其中，估計(jì)系數(shù)的標(biāo)準(zhǔn)差經(jīng)過行業(yè)和年份兩個(gè)維度上的Cluster修正.

Panel C： 明星分析師預(yù)測準(zhǔn)確度

Panel C: Star analysts’ forecast accuracy

Forecastaccuracy(FE)123451-5AverageR20.4382***0.4387***0.4387***0.4384***0.4411***-0.0029t-test(p-value)0.00000.00000.00000.00000.00000.4379Wilcoxtest(p-value)0.00000.00000.00000.00000.00000.4103

3.4股價(jià)同步性與市場過度反應(yīng)

3.4.1股價(jià)同步性與動(dòng)量效應(yīng)

借鑒Hou等[3]，本文使用“雙排序分組方法”來考察股價(jià)同步性與動(dòng)量效應(yīng)之間的關(guān)系，具體方法如下：

(1)對于第t月的所有樣本股票，計(jì)算t-12月到t-2月持有期收益率，并根據(jù)分位數(shù)將股票分為5個(gè)Mom組，Mom1組股票在過去的收益率表現(xiàn)最差，Mom5組在過去的表現(xiàn)最好.

(2)對每個(gè)Mom組的股票，按R2分為3組，其中第1個(gè)R2組中股價(jià)同步性最低，第3組股價(jià)同步性最高.

(3)計(jì)算每個(gè)R2-Mom組合中股票當(dāng)月收益率的橫截面算術(shù)平均值*為了提高每個(gè)R2-Mom組中股票收益率相關(guān)計(jì)算的準(zhǔn)確性，本文在實(shí)證中要求每個(gè)Star組的股票數(shù)不低于25只.,Mom5組股票收益率均值減Mom1組收益率均值便是該組的明星分析師所引起的動(dòng)量效應(yīng).除了算術(shù)平均值，本文還給出Mom5組與Mom1組收益率之差的總市值加權(quán)平均值.

(4)將2004年6月到2013年12月各月的結(jié)果做時(shí)間序列上的平均，并計(jì)算相應(yīng)的t統(tǒng)計(jì)量，實(shí)證結(jié)果列在表7中.

Ball等[37]認(rèn)為風(fēng)險(xiǎn)特征的時(shí)變性會(huì)影響對于動(dòng)量效應(yīng)的實(shí)證分析，因此，本文使用CAPM模型中的市場風(fēng)險(xiǎn)因子對上述原始收益率進(jìn)行調(diào)整.此外，Zarowin[38]認(rèn)為規(guī)模效應(yīng)會(huì)影響動(dòng)量效應(yīng)的實(shí)證檢驗(yàn)，因此，本文進(jìn)一步使用Fama-French[39]三因子模型中的市場風(fēng)險(xiǎn)因子、公司規(guī)模因子以及成長性因子對上述的結(jié)果進(jìn)行調(diào)整.

表7的結(jié)果顯示，R2最低組，股價(jià)同步性最低，動(dòng)量效應(yīng)是3個(gè)R2組中最高的，且在5%水平下顯著.R2最高組，股價(jià)同步性最高，動(dòng)量效應(yīng)小于第1個(gè)R2組，且不顯著.即股價(jià)同步性與股價(jià)動(dòng)力效應(yīng)正相關(guān)，這一結(jié)果證實(shí)了本文提出的假設(shè)3a.

表7　股價(jià)同步性與股價(jià)的動(dòng)量效應(yīng)

3.4.2股價(jià)同步性與反轉(zhuǎn)效應(yīng)

本文計(jì)算每個(gè)R2-Mom組中所有股票在t～t+5、t～t+11、t+12～t+35持有期收益率的算術(shù)平均值、總市值加權(quán)平均值和經(jīng)風(fēng)險(xiǎn)因子調(diào)整的異常收益率，從而考察股票的反轉(zhuǎn)效應(yīng).該結(jié)果列在表8中.

以Panel C的原始收益率為例，股價(jià)同步性最低的第1個(gè)R2組，反轉(zhuǎn)效應(yīng)在1%水平下顯著為-7.77%；而股價(jià)同步性最高的第3個(gè)R2組，反轉(zhuǎn)效應(yīng)僅在10%水平下顯著為-4.53%，收益率高于第1個(gè)R2組.即股價(jià)同步性也與未來反轉(zhuǎn)效應(yīng)正相關(guān)，這一結(jié)論同樣證實(shí)了本文提出的假設(shè)3b.

表8股價(jià)同步性與股價(jià)的反轉(zhuǎn)效應(yīng)

Table 8 Price synchronicity and reversal effect

Panel A:t～t+5月

Panel A:t～t+5 month

R2groupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.0650*(1.87)0.0804**(2.22)0.0888**(2.42)0.0738**(2.01)0.0732*(1.80)0.0082(0.59)0.0079(044)0.0066(0.47)-0.0034(-0.25)20.0677**(1.99)0.0809**(2.38)0.0910***(2.62)0.0846**(2.36)0.0804**(2.19)0.0127(1.04)0.1103(0.82)0.0115(0.94)0.0079(0.64)30.0793**(2.39)0.1032***(3.12)0.1148***(3.34)0.1061***(3.34)0.1335***(4.10)0.0542***(3.92)0.0509***(3.28)0.0542***(3.88)0.0504***(3.67)

Panel B:t～t+11月

Panel B:t～t+11 month

R2groupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.1198**(2.48)0.1376***(2.74)0.1415***(2.81)0.1277**(2.46)0.1172**(2.07)-0.0026(-0.15)-0.0039(-0.82)-0.0056(-0.33)-0.0183(-1.09)20.1243***(2.66)0.1342***(2.90)0.1443***(3.06)0.1425***(2.88)0.1243**(2.50)-0.0001(-0.01)-0.0017(-0.24)-0.0021(-0.14)-0.0081(-0.54)30.1415***(3.13)0.1656***(3.74)0.1830***(3.88)0.1674***(3.83)0.2024***(4.65)0.0609***(3.47)0.0631***(3.05)0.0601***(3.39)0.0552***(3.03)

Panel C:t+12～t+35月

Panel C:t+12～t+35 month

R2groupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.9436***(12.76)0.9895***(13.01)0.9777***(12.45)0.9474***(11.99)0.8660***(11.25)-0.0777***(-4.56)-0.0755***(-4.22)-0.0763***(-4.46)-0.0718***(-4.04)20.8890***(11.38)0.8410***(12.22)0.7941***(11.11)0.7785***(10.71)0.7508***(10.46)-0.1382***(-6.72)-0.1399***(-6.67)-0.1364***(-6.62)-0.1335***(-6.29)30.8185***(9.94)0.7718***(10.31)0.7883***(10.43)0.7697***(9.77)0.7732***(8.60)-0.0453*(-1.73)-0.0420*(-1.81)-0.0427(-1.63)-0.0365(-1.34)

綜合表7和表8的結(jié)果來看，在我國股票市場中同樣存在支持Hou等[3]的證據(jù)，即影響股價(jià)同步性的機(jī)制主要是市場過度反應(yīng).當(dāng)市場存在更大程度的過度反應(yīng)，股價(jià)同步性也會(huì)降低.

3.5明星分析師與市場過度反應(yīng)

3.5.1明星分析師與動(dòng)量效應(yīng)

借鑒Hou等[3]，本文使用“雙排序分組方法”來考察明星分析師所引起的動(dòng)量效應(yīng)，具體方法如下：

1)對于第t月的所有樣本股票，計(jì)算t～12月到t～2月持有期收益率，并根據(jù)分位數(shù)將股票分為5個(gè)Mom組，Mom1組股票在過去的收益率表現(xiàn)最差，Mom5組在過去的表現(xiàn)最好.

2)對每個(gè)Mom組的股票，按StarF分為3組，其中第1個(gè)Star組中股票的明星分析師跟蹤人數(shù)為0，第2個(gè)Star組中股票的明星分析師跟蹤人數(shù)小于非0明星分析師跟蹤人數(shù)序列的75%分位數(shù)，剩下的股票被分在第3個(gè)Star組中.

3)計(jì)算每個(gè)Star-Mom組合中股票當(dāng)月收益率的橫截面算術(shù)平均值*同前一樣，本文在實(shí)證中要求每個(gè)Star組的股票數(shù)不低于25只.，Mom5組股票收益率均值減Mom1組收益率均值便是該組的明星分析師所引起的動(dòng)量效應(yīng).除了算術(shù)平均值，本文還給出Mom5組與Mom1組收益率之差的總市值加權(quán)平均值.

4)將2004年6月到2013年12月各月的結(jié)果做時(shí)間序列上的平均，并計(jì)算相應(yīng)的t統(tǒng)計(jì)量，實(shí)證結(jié)果列在表9中.

除了原始收益率，同樣給出經(jīng)CAPM模型和Fama-French模型調(diào)整收益率的實(shí)證結(jié)果.

表9的結(jié)果顯示：在StarF最低組中，動(dòng)量效應(yīng)為0.26%，且不顯著；而在StarF最高的組中，動(dòng)量效應(yīng)在10%水平下顯著為0.95%，且第1組和第3組的動(dòng)量效應(yīng)存在著顯著的差別，F(xiàn)統(tǒng)計(jì)量為7.35.使用總市值加權(quán)平均、經(jīng)市場風(fēng)險(xiǎn)因子調(diào)整以及經(jīng)市場風(fēng)險(xiǎn)因子、公司規(guī)模因子和成長性因子調(diào)整的異常收益率得到的結(jié)果也顯示明星分析師跟蹤人數(shù)與動(dòng)量效應(yīng)之間仍然存在顯著的正相關(guān)關(guān)系.上述結(jié)果支持了本文的假設(shè)4a.

表9　明星分析師與股價(jià)的動(dòng)量效應(yīng)

3.5.2明星分析師與反轉(zhuǎn)效應(yīng)

該檢驗(yàn)方法與3.5.1中方法類似，不同之處在于計(jì)算每個(gè)Star-Mom組中所有股票在t～t+5、t～t+11、t+12 ～t+35持有期收益率的算術(shù)平均值、總市值加權(quán)平均值和經(jīng)風(fēng)險(xiǎn)因子調(diào)整的異常收益率.該結(jié)果列在表10中.

Panel A的結(jié)果顯示，在StarF最低的組沒有反轉(zhuǎn)效應(yīng)，Mom5組和Mom1組之差仍然為正；在StarF最高的組中，反轉(zhuǎn)效應(yīng)在5%水平下顯著為-3.98%；同樣，F(xiàn)統(tǒng)計(jì)量顯示明星分析師跟蹤人數(shù)最高組相對于第1組具有差異顯著的反轉(zhuǎn)效應(yīng).CAPM和Fama-Fench模型給出的結(jié)果相似.Panel B、Panel C給出的第t月到t+11月和第t+12月到第t+35月的結(jié)果也與之相似.這些結(jié)果均一致表明，明星分析師跟蹤人數(shù)與反轉(zhuǎn)效應(yīng)之間存在顯著的正相關(guān)關(guān)系，支持了本文的假設(shè)4b.

表10明星分析師與股價(jià)的反轉(zhuǎn)效應(yīng)

Table 10 Star analysts and reversal effect

Panel A:t～t+5月

Panel A:t～t+5 month

StarFgroupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.0833***0.1025***0.1075***0.0957***0.0955***0.01220.0120*0.01180.0145(3.30)(3.82)(3.94)(3.50)(3.59)(1.30)(1.69)(1.25)(1.56)20.0472*0.0555*0.04640.04400.0241-0.0231-0.0195**-0.0255*-0.0173(1.72)(1.75)(1.27)(1.26)(0.65)(-1.49)(-2.05)(-1.68)(-1.12)30.0341**0.0241***0.03060.0400**-0.0057**-0.0398**-0.0351**-0.0409**-0.0303*(1.96)(3.76)(0.96)(2.18)(-2.06)(-2.24)(-2.17)(-2.28)(-1.68)

Panel B:t～t+11月

Panel B:t～t+11 month

StarFgroupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.1364***0.1616***0.1646***0.1527***0.1437***0.00730.00660.00540.0059(3.96)(4.51)(4.44)(4.02)(3.95)(0.62)(1.05)(0.45)(0.49)20.06740.0752*0.06610.06150.0271-0.0404**-0.0392**-0.0416**-0.0332*(1.32)(1.76)(1.36)(1.31)(0.56)(-2.17)(-2.36)(-2.23)(-1.71)30.0503***0.03150.0313**0.0422-0.0170***-0.0674***-0.0691**-0.0663***-0.0546**(3.03)(0.73)(2.37)(0.94)(-3.17)(-2.78)(-2.18)(-2.72)(-2.16)

Panel C:t+12～t+35月

Panel C:t+12～t+35 month

StarFgroupMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(總市值加權(quán))CAPMαFFα10.9885***1.0134***1.0001***0.9709***0.0928***-0.0858***-0.0920***-0.0900***-0.0944***(13.32)(15.01)(13.74)(14.17)(12.68)(-3.66)(-3.31)(-3.80)(-4.01)20.7458***0.7208***0.7124***0.7045***0.6523***-0.0936***-0.0959***-0.0905***-0.0829***(9.37)(9.36)(8.76)(8.64)(7.90)(-3.50)(-3.07)(-3.31)(-2.94)30.6218***0.5354***0.4829***0.4750***0.4357***-0.1861**-0.1852***-0.1844***-0.1764**(3.61)(7.53)(6.94)(5.02)(6.32)(-4.33)(-4.47)(-4.15)(-3.77)

3.5.3明星分析師薦股評級調(diào)整與市場過度

反應(yīng)

Mikhail等[40]和Ivkovi?等[41]考察了分析師評級調(diào)整對過度反應(yīng)的影響.為了給出穩(wěn)健性檢驗(yàn)，本文進(jìn)一步考察明星分析師評級調(diào)整對動(dòng)量效應(yīng)、反轉(zhuǎn)效應(yīng)的影響.由于分析師較少地下調(diào)評級，且評級在3以上的報(bào)告也較少(45 039份薦股報(bào)告中僅有2 444份評級等于或高于3.按月統(tǒng)計(jì)結(jié)果顯示，各月樣本中評級結(jié)果等于或高于3的樣本占比最多的為20%，平均值為1.2%，75%分位數(shù)為1.1%.).因此，該部分檢驗(yàn)使用的樣本僅限于上調(diào)評級且上調(diào)后評級結(jié)果小于或等于3的報(bào)告.具體的檢驗(yàn)步驟為：

1)對各月的股票計(jì)算t-12至t-2期的持有期收益率，并根據(jù)分位數(shù)將股票分為5個(gè)Mom組，Mom1組股票在過去的收益率表現(xiàn)最差，Mom5組在過去的表現(xiàn)最好.

2)將每個(gè)Mom組中股票按分析師類別分為明星、非明星分析師組.

3)對于每個(gè)Analyst-Mom組，計(jì)算t月、t～t+3月以及t～t+11月的算術(shù)平均值，以及Mom5組和Mom1組收益率之差的總市值加權(quán)平均值*在這里使用t～t+3和t～t+11月，而沒有采用之前使用的t～t+5、t～t+11月和 t+12～ t+35月.這是因?yàn)榉治鰩熗ǔＴ诠墒惺找媛噬蠞q(或下跌)一段時(shí)間后才做出上調(diào)(或下降)評級預(yù)測，而本文設(shè)定發(fā)布評級調(diào)整當(dāng)月為t月，此時(shí)股價(jià)已經(jīng)上漲(或下跌)了一定時(shí)間，因此將反轉(zhuǎn)效應(yīng)的計(jì)算時(shí)期縮短了..

4)從2004年1月到2013年12月，計(jì)算上述各月結(jié)果的時(shí)間序列平均值，及相應(yīng)的t統(tǒng)計(jì)量.

動(dòng)量效應(yīng)(第t月平均收益率)的結(jié)果列在表11中，明星分析師評級調(diào)整引起的動(dòng)量效應(yīng)在10%水平下顯著為0.84%，而非明星分析師組的動(dòng)量效應(yīng)不顯著.這一結(jié)果穩(wěn)健地支持了本文的假設(shè)2a.

反轉(zhuǎn)效應(yīng)(第t至t+3及第t至t+11月平均收益率)的結(jié)果列在表12中，結(jié)果同樣表明明星分析師薦股調(diào)整與反轉(zhuǎn)效應(yīng)具有顯著的正相關(guān)關(guān)系，而非明星分析師組與反轉(zhuǎn)效應(yīng)不存在顯著的關(guān)系.這一結(jié)果同樣穩(wěn)健地支持了本文的假設(shè)4b.

表11　明星分析師、正向評級變動(dòng)與股價(jià)的動(dòng)量效應(yīng)

表12明星分析師、正向評級變動(dòng)與股價(jià)的反轉(zhuǎn)效應(yīng)

Table 12 Star analysts, bullish recommendations, and reversal effects

Panel A:t～t+3月

Panel A:t～t+3 month

AnalystMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(市值加權(quán))NonstarTWilcoxPvalue0.0940***(3.93)0.00050.0721***(3.31)0.00240.0735***(3.15)0.00310.0949***(3.83)0.00060.0923***(3.33)0.0010-0.0017(-0.11)0.6504-0.0025(-0.15)0.8803StarsTWilcoxPvalue0.0701***(2.95)0.00680.0734***(3.09)0.00410.0529**(2.19)0.02590.0629**(2.21)0.02810.0529*(1.89)0.0788-0.0172*(-1.78)0.0725-0.0174*(1.91)0.0678

Panel B:t～t+11 月

Panel B:t～t+11 month

AnalystMom1Mom2Mom3Mom4Mom5Mom5-Mom1Mom5-Mom1(市值加權(quán))NonstarTWilcoxPvalue0.1249***(4.14)0.00020.0924***(3.64)0.00100.0894***(3.33)0.00210.1143***(3.85)0.00030.1149***(3.37)0.0014-0.0101*(1.80)0.0899-0.0110**(-2.04)0.0372StarsTWilcoxPvalue0.0942***(3.21)0.00270.0973***(3.17)0.00370.0759**(2.62)0.01680.0877**(2.57)0.01090.0731**(2.25)0.0355-0.0211**(-2.73)0.0138-0.0218**(-2.11)0.0405

3.5.4明星分析師評級調(diào)整與異常成交額

市場的過度反應(yīng)除了會(huì)反映在股價(jià)變化上，也會(huì)反應(yīng)在成交額的變化上.為了考察明星分析師評級調(diào)整引起的異常成交額，本文將評級調(diào)整報(bào)告分為明星、非明星分析師兩組，根據(jù)模型(2)分別計(jì)算各組分析師做出調(diào)整后第1、5、11、35月的異常成交額，然后從2004年1月到2013年12月計(jì)算各組結(jié)果的平均值，算術(shù)平均值列在表13的Panel A中，總市值加權(quán)平均值列在表13的Panel B中.

Panel A的結(jié)果顯示，明星分析師做出盈余調(diào)整后，在第1月中異常成交額為1.201 3，而非明星分析師組該數(shù)據(jù)為1.128 0，t檢驗(yàn)表明兩者在5%水平下具有顯著差異.這一結(jié)果表明，明星分析師評級調(diào)整與異常成交額之間存在著顯著的正相關(guān)關(guān)系，且這一關(guān)系強(qiáng)于非明星分析師.表13中其他各期結(jié)果和加權(quán)計(jì)算結(jié)果與之相似.總之，這些結(jié)果支持了本文的假設(shè)4c.

表13明星分析師與異常成交額

Table 13 Star analyst and abnormal volume

首先，逐年逐月將評級調(diào)整報(bào)告按分析師聲譽(yù)分為兩組，對每組報(bào)告涉及的股票，根據(jù)模型(2)計(jì)算評級調(diào)整報(bào)告發(fā)布后M月的異常成交額.各組—期(Analyst-Period)異常成交額的算術(shù)平均值及總市值加權(quán)平均值分別列在Panel A和Panel B中，相應(yīng)的t統(tǒng)計(jì)量在括號里，第三行給出明星、非明星兩組異常成交額的t檢驗(yàn)的P值.

Panel A: 算術(shù)平均值

Panel A: Arithmetic mean

StarFgroupM=1M=5M=11M=23Nonstar1.1280***1.0854***1.1763***1.0820***(32.14)(104.81)(87.31)(112.79)Star1.2013***(75.37)1.0909***(42.57)1.2097***(38.20)1.0947***(45.03)Pvalue0.01740.09370.00010.1652

Panel B: 總市值加權(quán)平均值

Panel B: Market value-weighted mean

StarFgroupM=1M=5M=11M=23Nonstar1.1078***1.0867***1.1950***1.1072***(33.65)(90.86)(92.77)(100.57)Star1.1160***1.1159***1.2253***1.1084***(49.21)(37.62)(37.86)(27.12)Pvalue0.01650.09780.00450.2756

3.6明星、非明星分析師與市場過度反應(yīng)： 穩(wěn)健

性檢驗(yàn)

本文還給出了使用Fama-MacBeth回歸方法對明星分析師與動(dòng)量效應(yīng)及反轉(zhuǎn)效應(yīng)聯(lián)系的檢驗(yàn).使用Fama-MacBeth[42]回歸方法的優(yōu)勢在于1)回歸方程允許考慮更多的控制變量，從而使結(jié)果更為穩(wěn)??；2)截面回歸賦予估計(jì)結(jié)果不同的權(quán)重，這為本文提供了更多不同權(quán)重下的估計(jì)結(jié)果.具體實(shí)證方法如下：首先，從2006年6月到2013年12月，每月對模型(8)做橫截面OLS估計(jì)；然后，計(jì)算估計(jì)系數(shù)每月的平均值，以及相應(yīng)的t統(tǒng)計(jì)量.模型(8)如下

Reti,t=α0+β1Reti,t(-12∶ -2)+

(8)其中Ret為股票月度收益率，Control包括上月收益率Ret(-1:-1)*Jegadeesh[30]、以及魯臻等[31]的研究結(jié)果都表明，短期反轉(zhuǎn)效應(yīng)對股票收益率具有顯著影響.因此，本文將上月收益率作為控制變量.、LnSize以及LnBM.根據(jù)Petersen[32]，上述模型中的估計(jì)系數(shù)的標(biāo)準(zhǔn)差經(jīng)過Newey-West修正.

在模型(8)中，解釋變量包括：1)Ret(-12∶-2)，可以考察短期動(dòng)量效應(yīng)；2)Ret(-36∶-13)，可以考察中長期反轉(zhuǎn)效應(yīng)；3)StarF，可以考察明星分析師給股價(jià)帶來的影響；4)StarF與Ret(-12∶-2)的交叉項(xiàng)，可以考察明星分析師跟蹤人數(shù)與短期動(dòng)量效應(yīng)之間的關(guān)系；5)StarF與Ret(-36∶-13)的交叉項(xiàng)，可以考察明星分析師跟蹤人數(shù)與中長期反轉(zhuǎn)效應(yīng)之間的關(guān)系.

模型(8)的估計(jì)結(jié)果列在表14的Panel A中.第(1)列中Ret(-12∶-2)和Ret(-36∶-13)的估計(jì)系數(shù)分別顯著為正和顯著為負(fù)，說明股票存在著顯著的短期動(dòng)量效應(yīng)、以及中期和長期反轉(zhuǎn)效應(yīng).第(2)列的檢驗(yàn)結(jié)果表明明星分析師跟蹤與股票收益率具有正向關(guān)系，這與Fang 等[5]、Stickel[22]等研究結(jié)果相似.第(3)列加入了StarF與Ret(-12∶-2)的交叉項(xiàng)，其估計(jì)系數(shù)在10%水平下顯著為正，說明明星分析師跟蹤人數(shù)越多的股票，其短期的動(dòng)量效應(yīng)越強(qiáng).第(4)列給出了StarF與Ret(-36∶-13)交叉項(xiàng)的估計(jì)結(jié)果，其結(jié)果表明，兩者存在著顯著為負(fù)的相關(guān)關(guān)系，說明對于明星分析師跟蹤人數(shù)越高的股票，其長期的反轉(zhuǎn)效應(yīng)也越強(qiáng).第(5)列同時(shí)包含了上述兩種交叉項(xiàng)時(shí)，其結(jié)果均顯著，且與上述結(jié)果保持一致的正負(fù)關(guān)系.因此，本文對模型(8)進(jìn)行的回歸分析也支持了本文的明星分析師引起更大程度過度反應(yīng)的假設(shè).

在Panel B中，本文將模型(8)中的明星分析師跟蹤人數(shù)換成非明星分析師跟蹤人數(shù)，以檢驗(yàn)非明星分析師與動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的關(guān)系.從結(jié)果中可知，非明星分析師引起一定的動(dòng)量效應(yīng)，但是從經(jīng)濟(jì)意義上看沒有明星分析師引起的動(dòng)量效應(yīng)顯著.而非明星分析師與反轉(zhuǎn)效應(yīng)沒有關(guān)系.綜合來看，非明星分析師沒有能引起足夠的市場過度反應(yīng)，這支持了本文的假設(shè).

表14明星分析師、非明星分析師與股價(jià)動(dòng)量、反轉(zhuǎn)效應(yīng)： Fama-MacBeth回歸

Table 14 Fama-MacBeth regression results for star and non-star analysts, momentum and reversal effect

Panel A：明星分析師

Panel A: Star analysts

Dependentvariable=Reti,t(1)(2)(3)(4)(5)Intercept0.0855**(2.34)0.0983***(2.77)0.0974***(2.70)0.0992***(2.70)0.0990***(2.70)Ret(-12:-2)0.0837**(2.09)0.0792**(2.00)0.0445*(1.81)0.0797**(2.16)0.0437*(1.79)Ret(-36∶-13)-0.0412*(-1.77)-0.0396*(-1.81)-0.0409*(-1.85)-0.0339*(-1.87)-0.0354*(-1.89)StarF0.0012*(1.74)0.0010**(1.97)0.0012*(1.69)0.0010*(1.76)StarF*Ret(-12∶-2)0.0442*(1.66)0.0544*(1.68)StarF*Ret(-36∶-13)-0.0263**(-2.37)-0.0266***(-2.64)LnSize-0.0030**(-2.02)-0.0036**(-2.42)-0.0036**(-2.40)-0.0037**(-2.44)-0.0036**(-2.44)LnBM0.0018(0.63)0.0020(0.76)0.0022(0.75)0.0021(0.74)0.0022(0.75)Ret(-1∶-1)-0.0454***(-3.30)-0.0413***(-3.35)-0.0417***(-3.41)-0.0412***(-3.41)-0.0415***(-3.41)N757.50757.50757.50757.50757.50Adj.R20.09180.09480.09610.09510.0969F-statistics15.03***13.35***11.77***11.63***10.49***

估計(jì)系數(shù)的標(biāo)準(zhǔn)誤經(jīng)過Newey-West修正

Panel B： 非明星分析師

Panel B: Non-star analysts

Dependentvariable=Reti,t(1)(2)(3)(4)Intercept0.1084***(3.10)0.1098***(3.13)0.1074***(3.07)0.1088***(3.10)Ret(-12∶-2)0.0664**(2.29)-0.0037(-0.06)0.0658**(2.28)-0.0066(-0.12)Ret(-36∶-13)-0.0421*(-1.80)-0.0444*(-1.72)-0.0665(-1.52)-0.0686(-1.58)NonStarF0.0006**(1.97)-0.0001(-0.14)0.0005*(1.89)-0.0001(-0.27)NonStarF*Ret(-12∶-2)0.0160**(2.53)0.0174**(2.52)NonStarF*Ret(-36∶-13)0.0123(1.25)0.0124(1.23)LnSize-0.0041***(-2.78)-0.0041**(-2.74)-0.0041***(-2.74)-0.0040***(-2.70)LnBM0.0024(0.88)0.0024(0.91)0.0023(0.87)0.0024(0.90)Ret(-1∶-1)-0.0415***(-3.41)-0.0418***(-3.44)-0.0415***(-3.41)-0.0419***(-3.45)N757.50757.50757.50757.50Adj.R20.09660.09840.09760.0995F-statistics13.38***11.88***11.72***10.61***

估計(jì)系數(shù)的標(biāo)準(zhǔn)誤經(jīng)過Newey-West修正

明星分析師與動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)的關(guān)系同樣受內(nèi)生性問題的干擾，假如股票由于某種未知因素使得市場對其具有過度反應(yīng)，而明星分析師出于某種動(dòng)機(jī)傾向于跟蹤這類股票，那么市場過度反應(yīng)就并非明星分析師所引起.為了減輕內(nèi)生性問題帶來的干擾，本文同樣使用預(yù)期明星分析師跟蹤人數(shù)和波動(dòng)率作為工具變量，使用2SLS回歸來解決內(nèi)生性問題.具體方法是

1)從2006年6月到2013年12月，每月在第一階段做以下模型估計(jì)

Stari,t=α0+θ1expStari,t+θ2Volatilityi,t+

β1Reti,t(-12∶-2)+β2Reti,t

(9)

其中控制變量包括Control上月收益率Ret(-1∶-1)、LnSize以及LnBM.

2)在第二階段中，使用上述模型得到明星分析師跟蹤人數(shù)的預(yù)測值，每月對模型(8)做橫截面OLS估計(jì).然后，計(jì)算第一階段和第二階段估計(jì)系數(shù)每月的平均值，以及相應(yīng)的t統(tǒng)計(jì)量.第二階段估計(jì)系數(shù)的標(biāo)準(zhǔn)差經(jīng)過Newey-West修正.結(jié)果列在表15中.

從表15可知，在修正了內(nèi)生性問題后，本文的假設(shè)依然得到支持.

綜合上述結(jié)論，本文假設(shè)2b被證實(shí)，即明星分析師降低股價(jià)同步性的機(jī)制并非提供更多公司層面信息，而是其他機(jī)制所導(dǎo)致.本文假設(shè)4的證實(shí)則表明明星分析師降低股價(jià)同步性的機(jī)制是引起市場過度反應(yīng).這一結(jié)論是穩(wěn)健的，無論使用分組檢驗(yàn)還是回歸分析，無論是動(dòng)量、反轉(zhuǎn)效應(yīng)還是異常成交額，無論使用盈余預(yù)測報(bào)告還是薦股報(bào)告，即使在修正內(nèi)生性問題后，明星分析師引起市場過度反應(yīng)的假設(shè)都被穩(wěn)健地證實(shí).

表15　明星分析師與股價(jià)動(dòng)量、反轉(zhuǎn)效應(yīng)： 2SLS和Fama-MacBeth回歸

估計(jì)系數(shù)的標(biāo)準(zhǔn)誤經(jīng)過Newey-West修正

4　結(jié)束語

本文重新檢驗(yàn)了我國股票市場中明星分析師的作用.根據(jù)Hou等[3]提出的論據(jù)，本文發(fā)現(xiàn)明星分析師能夠引起投資者的過度反應(yīng)，從而能夠降低股價(jià)同步性.具體發(fā)現(xiàn)包括：(1)對于明星分析師對股價(jià)同步性具有負(fù)向影響；(2)即使明星、非明星分析師具有相似的預(yù)測準(zhǔn)確度，明星分析師跟蹤人數(shù)仍然對股價(jià)同步性具有負(fù)向影響，而非明星分析師對股價(jià)同步性的影響不顯著；(3)預(yù)測準(zhǔn)確度最高組和最低組明星分析師跟蹤股票的平均股價(jià)同步性沒有顯著的差異;(4)明星分析師跟蹤人數(shù)以及正向的股價(jià)評級調(diào)整均能夠引起更強(qiáng)的短期動(dòng)量效應(yīng)、長期反轉(zhuǎn)效應(yīng)和異常成交額.這些結(jié)果意味著明星分析師的信息提供作用并非是降低股價(jià)同步性的主要因素，相反，明星分析師主要通過引起市場過度反應(yīng)降低股價(jià)同步性.

本文的研究發(fā)現(xiàn)對于認(rèn)識分析師在我國證券市場中的作用以及R2的生成機(jī)理具有重要的理論與現(xiàn)實(shí)意義.首先，對于分析師在證券市場中的作用，以前的研究更多著眼于分析師信息提供的差異及其來源，沒有考慮市場投資者對于分析師報(bào)告的信息接受和反應(yīng)方式，本文拓展了已有的研究，有助于更加全面的認(rèn)識明星分析師與非明星分析師在證券市場中的作用.本文的研究結(jié)果表明，為了提高我國新興證券市場的效率，需要加強(qiáng)對投資者的教育以提高其成熟度，只是依賴于分析師的信息揭示作用并不能有效提高市場的定價(jià)效率.其次，對于R2生成機(jī)理的不同理論解釋，本文為基于行為金融的解釋提供了來自新興證券市場新的證據(jù).這表明，對于R2生成機(jī)理的研究有必要考慮和區(qū)分不同市場特征，從而為有關(guān)R2的未來研究提供了一定的啟示和參考價(jià)值.

[1]Chan K, Hameed A. Stock price synchronicity and analyst coverage in emerging markets[J]. Journal of Financial Economics, 2006, 80(1): 115-147.

[2]Xu N, Chan K C, Jiang X, et al. Do star analysts know more firm-specific information? Evidence from China[J]. Journal of Banking and Finance, 2013, 37: 89-102.

[3]Hou K W, Peng L, Xiong W. Is R-squared a measure of market inefficiency?[R]. Princeton University Working Paper, 2013, available at: http://www.princeton.edu/～wxiong/papers/R2.pdf.

[4]Stickel S. Reputation and performance among security analysts[J]. Journal of Finance, 1992, 47(5): 1811-1836.

[5]Fang L H, Yasuda A. Are stars’ opinions worth more? The relation between analyst reputation and recommendation values[J]. Journal of Financial Services Research, 2014, 46(3): 235-269.

[6]Ashbaugh-Skaife H, Gassen J, LaFond R. Does Stock Price Synchronicity Represent Firm-specific Information? The International Evidence[R]. MIT Sloan Research Paper, No. 4551-05. Available at SSRN: http://ssrn.com/abstract=768024. 2006.

[7]Teoh S H, Yang Y G, Zhang Y. R-square and Market Efficiency[R]. Working Paper, Available at SSRN: http://ssrn.com/abstract=926948.2009.

[8]Chang E C, Luo Y. R-squared, noise, and stock returns[R]. Working Paper, 2010, Available at SSRN: http://ssrn.com/abstract=1572508.

[9]李心丹, 王冀寧, 傅浩. 中國個(gè)體證券投資者交易行為的實(shí)證研究[J]. 經(jīng)濟(jì)研究, 2002, (11): 54-63.

Li Xindan, Wang Jining, Fu Hao. Investigations on the transaction behaviors of Chinese individual securities investors[J].Economic Research Journal, 2002, (11): 54-63. (in Chinese)

[10]Chen G, Kim K A, Nofsinger J R. Trading performance, disposition effect, overconfidence, representativeness bias, and experience of emerging market investors[J]. Journal of Behavioral Decision Making, 2007, 20(4): 425-451.

[11]Ng L, Wu F. The trading behavior of institutions and individuals in Chinese equity markets[J]. Journal of Banking and Finance, 2007, 31(9): 2695-2710.

[12]Roll R. R2[J]. Journal of Finance, 1988, 43(2): 541-566.

[13]Morck R, Yeung B, Yu W. The information content of stock markets: Why do emerging markets have synchronous stock price movements?[J]. Journal of Financial Economics, 2000, 58(1-2): 215-260.

[14]Durnev A, Morck R, Yeung B, et al. Does greater firm-specific return variation mean more or less informed stock pricing?[J]. Journal of Accounting Research, 2003, 41(5): 797-836.

[15]Jin L, Myers S. R2 around the world: New theory and new tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292.

[16]王亞平, 劉慧龍, 吳聯(lián)生. 信息透明度、機(jī)構(gòu)投資者與股價(jià)同步性[J]. 金融研究, 2009, (12): 162-174.

Wang Yaping, Liu Huilong, Wu Liansheng. On the information transparency, institutional investor and price comovement[J]. Journal of Financial Research, 2009, (12): 162-174. (in Chinese)

[17]潘寧寧, 朱宏泉. 基金持股與交易行為對股價(jià)聯(lián)動(dòng)的影響分析[J]. 管理科學(xué)學(xué)報(bào), 2015, 18(3): 90-103.

Pan Ningning, Zhu Hongquan. Impact of fund ownership and trading on stock return synchronicity[J]. Journal of Management Sciences in China, 2015, 18(3): 90-103. (in Chinese)

[18]孔東明, 孔高文, 劉莎莎. 機(jī)構(gòu)投資者、流動(dòng)性與信息效率[J]. 管理科學(xué)學(xué)報(bào), 2015, 18(3): 1-15.

Kong Dongming, Kong Gaowen, Liu Shasha. Institutional investors， liquidity， and information efficiency[J]. Journal of Management Sciences in China, 2015, 18(3): 1-15. (in Chinese)

[19]朱紅軍, 何賢杰, 陶林. 中國的證券分析師能夠提高資本市場的效率嗎——基于股價(jià)同步性和股價(jià)信息含量的經(jīng)驗(yàn)證據(jù)[J]. 金融研究, 2007, (2): 110-121.

Zhu Hongjun, He Xianjie, Tao Lin. Can securities analysts improve the efficiency of capital market in China[J]. Journal of Financial Research, 2007, (2): 110-121. (in Chinese)

[20]周冬華, 趙玉潔. 分析師跟進(jìn)能夠降低審計(jì)費(fèi)用嗎——來自中國證券市場的經(jīng)驗(yàn)證據(jù)[J]. 證券市場導(dǎo)報(bào), 2015, (1): 13-18.

Zhou Donghua, Zhao Yujie. Can financial analysts following reduce audit fee: Empirical evidence from China[J]. Securities Market Herald, 2015, (1): 13-18. (in Chinese)

[21]Fang L H, Yasuda A. The effectiveness of reputation as a disciplinary mechanism in sell-side research[J]. Review of Financial Studies, 2009, 22(9): 3735-3777.

[22]Stickel S. The anatomy of the performance of buy and sell recommendations[J]. Financial Analysts Journal, 1995, 51(5): 25-39.

[23]Jegadeesh N, Titman S. Profitability of momentum strategies: An evaluation of alternative explanations[J]. Journal of Finance, 2001, 56(2): 699-720.

[24]Jegadeesh N, Kim W. Value of analyst recommendations: International evidence[J]. Journal of Financial Markets, 2006, 9(3): 274-309.

[25]許年行, 洪濤, 吳世農(nóng), 等. 信息傳遞模式、投資者心理偏差與股價(jià)“同漲同跌”現(xiàn)象[J]. 經(jīng)濟(jì)研究, 2011, (4): 135-146.

Xu Nianhang, Hong Tao, Wu Shinong, et al. Information flow model， investor psychological bias and stock price comovement[J]. Economic Research Journal, 2011, (4): 135-146. (in Chinese)

[26]Amihud Y. Illiquidity and stock returns: Cross-section and time-series effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56.

[27]Gul F A, Kim J B, Qiu A A. Ownership concentration, foreign shareholding, audit quality, and stock price synchronicity: Evidence from China[J]. Journal of Financial Economics, 2010, 95(3): 425-442.

[28]Hong H, Kubik J D. Analyzing the analysts: Career concerns and biased earnings forecasts[J]. Journal of Finance, 2003, 58(1): 313-351.

[29]Piotroski J D, Roulstone R T. The influence of analysts, institutional investors, and insiders on the incorporation of market, industry, and firm-specific information into stock prices[J]. Accounting Review, 2004, 79(4): 1119-1151.

[30]Jegadeesh N. Evidence of predictable behavior of security returns[J]. Journal of Finance, 1990, 45(3): 881-898.

[31]魯臻, 鄒恒甫. 中國股市的慣性與反轉(zhuǎn)效應(yīng)研究[J]. 經(jīng)濟(jì)研究, 2007, 9(13): 145-155.

Lu Zhen, Zou Hengfu. Momentum and reversal in China stock market[J]. Economic Research Journal, 2007, 9(13): 145-155. (in Chinese)

[32]Petersen M A. Estimating standard errors in finance panel data sets: Comparing approaches[J]. Review of Financial Studies, 2009, 22(1): 435-480.

[33]Yu F. Analyst coverage and earnings management[J]. Journal of Financial Economics, 2008, 88(2): 245-271.

[34]史永東, 李鳳羽. 賣空限制、意見分歧收斂與信息披露的股價(jià)效應(yīng)——來自A股市場的經(jīng)驗(yàn)證據(jù)[J]. 金融研究, 2012, (8): 111-124.

Shi Yongdong, Li Fengyu. Short-sales constraints, convergence of opinions and price effect of information disclosure: Evidence from A-share stock market in China[J]. Journal of Financial Research, 2012, (8): 111-124. (in Chinese)

[35]李冬昕, 李心丹, 俞紅海, 等. 詢價(jià)機(jī)構(gòu)報(bào)價(jià)中的意見分歧與IPO定價(jià)機(jī)制研究[J]. 經(jīng)濟(jì)研究, 2014, (7): 151-164.

Li Dongxin, Li Xindan, Yu Honghai, et al. Disagreement of institutional investors’bids and IPO pricing mechanism[J]. Economic Research Journal, 2014, (7): 151-164. (in Chinese)

[36]Diether K B, Malloy C J, Scherbina A. Differences of opinion and the cross section of stock returns[J]. Journal of Finance, 2002, 57(5): 2113-2141.

[37]Ball R, Kothari S. Nonstationary expected returns: Implications for tests of market efficiency and serial correlations in returns[J]. Journal of Financial Economics, 1989, 25(1): 51-74.

[38]Zarowin P. Size, seasonality, and stock market overreaction[J]. Journal of Financial and Quantitative Analysis, 1990, 25(01): 113-125.

[39]Fama E, French K. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.

[40]Mikhail M B, Walther B R, Willis R H. Do security analysts exhibit persistent differences in stock picking ability?[J]. Journal of Financial Economics, 2004, 74(1): 67-91.

[41]Ivkovi? Z, Jegadeesh N. The timing and value of forecast and recommendation revisions[J]. Journal of Financial Economics, 2004, 73(3): 443-463.

[42]Fama E, MacBeth J. Risk, return, and equilibrium: Empirical tests[J]. Journal of Political Economy, 1973, 81: 607-636.

附錄1

Hou等模型和主要結(jié)論

Hout等對R2是否與市場效率相聯(lián)系進(jìn)行了檢驗(yàn).在其構(gòu)建的理性預(yù)期模型中，投資者對公司信息進(jìn)行理性反應(yīng)，則R2與股價(jià)中包含的公司層面信息相互獨(dú)立.在非理性模型中，股價(jià)受投資者情緒影響，則R2隨著中期動(dòng)量效應(yīng)和長期反轉(zhuǎn)效應(yīng)的增強(qiáng)而降低.

1)理性預(yù)期模型

Hout等假定代表性投資對現(xiàn)有信息理性反應(yīng).具有風(fēng)險(xiǎn)的股票經(jīng)歷三期，t=0，1，2，股票在第2期產(chǎn)生最終收益，而收益在前兩期無法被觀測.收益由下列線性模型給出

f=βu+v

其中u是市場因子，v是公司特質(zhì)性因子，β是因子載荷.u和v相互獨(dú)立且服從高斯分布，即

u～N(0,1/τu)，v～N(0,1/τv)

在第1期，投資者觀察到兩個(gè)關(guān)于u和v的信號，分別是su和sv，且

su=u+εu,

sv=u+εv

其中εu和εv相互獨(dú)立，且獨(dú)立于u和v，并且分別服從于零均值和方差分別為1/τs,u和1/τs,v的高斯分布.那么，τs,u和τs,v則表示了被代表性投資者所接觸的市場和公司層面信息.

根據(jù)貝葉斯法則，代表性投資者在第1期對u和v的后驗(yàn)信念也為高斯分布，且均值分別為

風(fēng)險(xiǎn)中性投資者的預(yù)期收益構(gòu)成如下股票價(jià)格

p0=0，

p2=βu+v

那么在第0期到第1期之間，收益率變動(dòng)被市場因素所解釋的部分為

上式隨著τs,v的增加為降低，即當(dāng)公司層面信息增加時(shí)，第0期到第1期的R2是下降的.

但是，在3個(gè)時(shí)期中，股票收益率的波動(dòng)為

上式表明無論市場還是公司層面驅(qū)動(dòng)的波動(dòng)都與公司層面信息τs,v無關(guān)，即

不隨公司層面信息變化.

2)投資者反應(yīng)偏差

假設(shè)投資者對于sv的估計(jì)存在偏差φ>0，如果φ>1，則投資者存在過度反應(yīng)；如果φ<1，則投資者存在反應(yīng)不足.

為了將R2和中期動(dòng)量效應(yīng)和長期反轉(zhuǎn)效應(yīng)相聯(lián)系，Hou等在第1期和第2期之間加入1期，t=1.5.假設(shè)代表性投資者在第1期時(shí)對sv的評價(jià)無偏，在第1.5期根據(jù)公開消息θ更新評價(jià).Θ以0.5的概率為1或者-1，如果θ=-1，則投資者視公開消息為噪聲，堅(jiān)持原來的評價(jià).

投資者在第1期關(guān)于v的信念是

第1.5期的信念是

因此，股票價(jià)格分別為

p0=0，

p2=βu+v

那么

其中

則

前兩個(gè)區(qū)間(第0期到第1期，第1期到第1.5期)股票收益率的協(xié)方差為

Ω=cov(p1-p0,p1.5-p1)

則

如果φ>1，則Ω>0.即繼續(xù)的過度反應(yīng)導(dǎo)致前兩個(gè)區(qū)間收益率存在正相關(guān)關(guān)系，即存在動(dòng)量效應(yīng).當(dāng)投資者在第2期修正預(yù)期后，股價(jià)回調(diào)，導(dǎo)致反轉(zhuǎn)效應(yīng).

綜上，只要投資者對公司層面信息存在持續(xù)的過度反應(yīng)，則R2與中期動(dòng)量效應(yīng)和長期反轉(zhuǎn)效應(yīng)呈負(fù)相關(guān)關(guān)系.

附錄2 變量設(shè)定

Appendix 2 Definition of variables

Star analyst coverage and stock price synchronicity： Empirical evidence based on market overreaction

ZHOUMing-shan1,LINJing2,XUNian-hang3

1． School of Finance, Southwestern University of Finance and Economics, Chengdu 611130, China;2． School of Economics, Peking University, Beijing 100871, China;3． School of Business, Renmin University of China, Beijing 100872, China

This paper studies how star analyst’s following decreases stock price synchronicity and argues that stars perform this function by inducing market over-reaction based on behavioral finance. The paper finds that, even if both star and non-star analysts have similar abilities (as proxied by similar earnings forecast error), star analyst’s coverage continues to be negatively related to synchronicity, while non-star analyst’s coverage does not. Secondly, the averageR2of firms followed by stars with the most accurate earnings forecasts is insignificantly different from that followed by stars with the worst accurate earnings forecasts. These results suggest that information is not the only mechanism through which stars lower price synchronicity. Finally, stars coverage and bullish recommendation revision are positively related to short-term momentum, mid-and long-term reversal and abnormal trading volume, respectively. The above results are consistent with our hypothesis. Overall, these findings help us understand the roles analysts played in emerging markets and the mechanism through which stock price synchronicity is linked to analyst’s coverage.

star analyst； market overreaction； stock price synchronicity

變量描述Rsq Rsq為以下市場模型估計(jì)的可決系數(shù)ri,w=αi,w+βi,wrm,w+γi,wrind,w+εi,wri,w股票i在w周的收益率;rm,w和rind,w分別為A股市場總市值加權(quán)平均收益率和股票i所在行業(yè)的總市值加權(quán)平均收益率.對于股票i,在計(jì)算與其對應(yīng)的行業(yè)收益率時(shí),股票i被排除在組合外,以避免結(jié)果受重復(fù)計(jì)算的影響.AnaCovF 平均分析師跟蹤人數(shù)StarF 《新財(cái)富》最佳分析師Revision 同一分析師(或分析師組)對同一股票在同一年份中兩次薦股評級得分之差,小于0表示上調(diào)評級,等于0表示維持上次評級結(jié)果.StdRec 標(biāo)準(zhǔn)化評級,取值從1到5,分別代表“買入”,“增持”,“中性”,“減持”,“賣出.Ret(%)月度股票收益率Top1第一大股東持股比例GovHold國有股占比InsHold機(jī)構(gòu)投資者持股比例Turnover年成交額除以年末總市值LnSize總市值的自然對數(shù)形式MB市值賬面比IndNum行業(yè)中公司總數(shù)LnIndSize行業(yè)中所有公司總市值之和的自然對數(shù)形式Ret(-12∶-2)第t-12tot-2月持有期收益率Ret(-36∶-13)第t-36tot-13月持有期收益率LnBM賬面市值比的自然對數(shù)形式Ret(-1∶-1)上月末收益率FEFEj,i,y=|F_EPSj,i,y-EPSi,y|Pricei,y其中F_EPSj,i,y為第j個(gè)分析師對股票i在第y年做出的盈余預(yù)測值;EPSi,y為股票i在第y年的真實(shí)盈余;Pricei,y股票i在第y年的收盤價(jià).AVoli,tAVoli,t=∑Mt=1Volumei,t/M∑M+12t=-24Volumei,t/(M+36)其中Volume為月成交額;M為月數(shù).

① 2015-06-29；

2016-04-18.

國家自然科學(xué)基金資助項(xiàng)目(71572151).

周銘山(1976—)， 男， 江西廣豐人， 博士， 副教授. Email： zhoumingshan@swufe.edu.cn

F832.5

A

1007-9807(2016)06-0049-25