馬雪琳，劉 杰，吳崇林，孫淑曉

（1.福建農(nóng)林大學經(jīng)濟與管理學院，福建 福州 350002；2.閩江學院，福建 福州 350108）

一、引言

證券分析師作為資本市場的信息中介，發(fā)布的研究報告能夠影響投資者的決策以及公司股票的定價效率，對資本市場的健康穩(wěn)定發(fā)展起到重要作用。然而，近年來，在證券公司關(guān)閉數(shù)量增多的背景下，行業(yè)分析師數(shù)量趨于下降，如2019年出現(xiàn)證券公司合并潮，當年共減少證券公司12家，行業(yè)中分析師人數(shù)減少261人。與此同時，“研報門”事件①“研報門”事件通常指證券分析師發(fā)布涉嫌誤導證券市場投資者的研究報告。頻出對投資者和資本市場形成較大的負面沖擊，如2011年RX證券自夸自買“寧波聯(lián)合”、ZX證券發(fā)布“涪陵榨菜”天價榨菜研報，2016年ZJ證券研報點評“通策醫(yī)療”業(yè)務(wù)張冠李戴鬧烏龍，2020年GX證券虛假陳述“美年健康研報門”。對此，我們不禁疑問，分析師數(shù)量減少是否會降低研究報告質(zhì)量？若答案是肯定的，存在何種影響機制？進一步地，分析師數(shù)量變動是否對證券市場的定價效率產(chǎn)生影響？

與成熟的資本市場相比，我國證券分析師行業(yè)起步較晚。受限于數(shù)據(jù)資料不足②從國泰安（CSMAR）數(shù)據(jù)庫來看，國內(nèi)從2001年開始才有證券分析師盈余預測相關(guān)數(shù)據(jù)， 2006年以后才有較多的研究報告數(shù)據(jù)。，關(guān)于分析師數(shù)量與行業(yè)研究報告質(zhì)量關(guān)系的實證研究仍較為缺乏。較有代表性的Hong和Kacperczyk（2010）、岳衡和林小馳（2008）以及李春濤等（2013）的研究表明，關(guān)注同一上市公司的分析師數(shù)量增加對上市公司研究報告的質(zhì)量有積極影響。但是，以往文獻忽略了證券公司分析師數(shù)量變化對行業(yè)其他公司造成的影響。具體而言，分析師數(shù)量增加能夠加劇競爭（Hong和Kacperczyk，2010），促使行業(yè)內(nèi)分析師進行更高質(zhì)量的研究來區(qū)分自己和其他分析師。此外，分析師會經(jīng)常參考同行業(yè)其他分析師的研究報告，所以更高質(zhì)量的研究可以為行業(yè)中的其他分析師提供更多的信息（Clement等，2011）。因此，新進入的證券分析師不僅會對其所跟蹤公司的研究報告質(zhì)量產(chǎn)生影響，對跟蹤行業(yè)中其他公司的研究報告質(zhì)量也會產(chǎn)生溢出效應(yīng)。與此相反，若分析師數(shù)量下降，則會產(chǎn)生負向信息溢出效應(yīng)，降低企業(yè)和行業(yè)的研究報告質(zhì)量。為回答前文所提問題，本文首先根據(jù)證券公司最后一次發(fā)布研究報告的時間確定了66家證券公司關(guān)閉的時間，并匹配出所屬證券公司的失業(yè)分析師和失業(yè)分析師失業(yè)前跟蹤的上市公司，逐月統(tǒng)計行業(yè)中的失業(yè)分析師數(shù)量，構(gòu)建分析師數(shù)量下降的指標。其次，實證檢驗了分析師數(shù)量下降對行業(yè)研究報告質(zhì)量的影響程度及其影響機制和市場后果。發(fā)現(xiàn)分析師數(shù)量下降減弱了分析師的競爭程度，增加了行業(yè)中分析師的預測偏差和預測樂觀度，使整個行業(yè)的研究報告質(zhì)量降低，產(chǎn)生了負向信息溢出效應(yīng)。這種影響在分析師覆蓋率低、收益不易預測的行業(yè)中更為顯著。進一步地，本文發(fā)現(xiàn)分析師數(shù)量下降產(chǎn)生的負向信息溢出效應(yīng)減少了股價中的行業(yè)信息量，增加了行業(yè)股價同步性，導致證券市場定價效率降低。

本文可能的創(chuàng)新點是：第一，改進分析師數(shù)量測算方法，減輕變量的內(nèi)生性問題。已有文獻在測算分析師數(shù)量時往往忽視了變量的內(nèi)生性問題，如李春濤等（2013）使用跟蹤一家公司的分析師數(shù)量和跟蹤一家公司的機構(gòu)數(shù)目作為分析師數(shù)量的測度。該方法下分析師數(shù)量和研究報告質(zhì)量存在反向因果關(guān)系，分析師和機構(gòu)可能偏好對研究報告質(zhì)量更好（或者更差）的公司進行跟蹤。本文采用因證券公司關(guān)閉導致的失業(yè)分析師數(shù)量作為分析師數(shù)量下降指標。證券公司關(guān)閉取決于證券公司內(nèi)部因素，與其跟蹤的行業(yè)無關(guān)，是一個理想的外生沖擊。此外，本文僅統(tǒng)計所屬證券公司關(guān)閉后一年內(nèi)沒有發(fā)布研究報告的分析師數(shù)量，這部分分析師可以判斷為因無法在行業(yè)中再就業(yè)而轉(zhuǎn)行，證券公司關(guān)閉成為一個競爭的自然實驗。第二，填補了分析師數(shù)量下降對行業(yè)研究報告質(zhì)量溢出影響及其影響機制的研究空白?，F(xiàn)有文獻較多關(guān)注跟蹤同一上市公司的分析師數(shù)量減少對該公司信息環(huán)境（Hong和Kacperczyk，2010）、經(jīng)營管理（Chen等，2015；Kim等，2019）、財務(wù)決策（Derrien和kecskés，2013；劉少波等，2021）的直接影響，鮮有研究某一公司的分析師減少對同行業(yè)其他公司研究報告質(zhì)量的溢出效應(yīng)。本文是對分析師價值和行業(yè)研究的有益補充和拓展，能夠為監(jiān)管部門引導證券分析師行業(yè)的規(guī)范發(fā)展提供指導和啟發(fā)。

二、理論分析與研究假設(shè)

（一）證券分析師與行業(yè)研究報告質(zhì)量

證券分析師對于塑造資本市場的信息環(huán)境具有重要作用（吳偎立等，2020）。上市公司的跟蹤分析師數(shù)量越多，有利于分析師作出準確的企業(yè)盈利預測（Hong和Kacperczyk，2010；岳衡和林小馳，2008；李春濤等，2013），也有利于加強對企業(yè)的監(jiān)督（Chen等，2015；李春濤等，2016），更好地挖掘企業(yè)創(chuàng)新活動信息，提升資本市場對企業(yè)創(chuàng)新活動的認同度，促進企業(yè)創(chuàng)新投資（徐欣和唐清泉，2010）。反之，分析師跟蹤數(shù)量減少會增加信息不對稱，從而增加企業(yè)融資成本，導致公司的投資和融資減少（Derrien和kecskés，2013），加大公司未來的股價崩盤風險（Kim等，2019）。

研究報告的質(zhì)量取決于分析師的專業(yè)能力、信息渠道和獨立性。在專業(yè)能力方面，從業(yè)年限（Mikhail等，2003；何慧華和方軍雄，2019）、明星分析師頭銜（Fang和Yasuda，2009；張然等，2017）、學歷水平（Bertrand和Schoar，2003）以及行業(yè)專長（劉永澤和高嵩，2014）能夠反映分析師的專業(yè)能力，對分析師在研究報告中的預測表現(xiàn)具有重要影響。在信息渠道方面，上市公司的信息披露（白曉宇，2009）和媒體報道（周開國等，2014）等公開信息，由于成本較低、易于獲取，是分析師最主要的信息來源，能夠顯著影響研究報告的質(zhì)量。此外，分析師通過實地調(diào)研（楊青等，2019）或者參與上市公司的交流會（Green等，2014）私下獲取的非公開信息，也能夠?qū)ρ芯繄蟾娴馁|(zhì)量產(chǎn)生重大影響。在獨立性方面，國內(nèi)外學者均一致認為，證券分析師受制于各種利益關(guān)系難以保持獨立性，傾向于在研究報告中發(fā)布樂觀的盈余預測，降低研究報告質(zhì)量。證券分析師之所以這樣做，主要有五種動機：一是為所在證券公司爭取承銷業(yè)務(wù)（Bessler和Stanzel，2010；吳超鵬等，2013）；二是獲取機構(gòu)投資者的分倉傭金（許年行等，2012；Gu等，2013）；三是增加交易費用（Jackson，2005；曹勝和朱紅軍，2011）；四是維護與上市公司管理層的關(guān)系以獲取私有信息（Francis和Philbrick，1993；孫淑偉等，2019）；五是為了自身的職業(yè)發(fā)展（Bradshaw，2011；褚劍等，2019）。

（二）證券分析師數(shù)量變化與行業(yè)研究報告質(zhì)量

分析師數(shù)量增加會導致競爭加?。℉ong和Kacperczyk，2010）。分析師在行業(yè)排名和行業(yè)聲望等方面的競爭，能夠促使分析師進行更高質(zhì)量的研究來區(qū)分自己和其他分析師。又由于分析師會經(jīng)常參考同行業(yè)其他分析師的研究報告（Clement等，2011），因此更高質(zhì)量的研究可以為行業(yè)中的其他分析師提供更多的信息，進而提高所在行業(yè)的研究報告質(zhì)量。因此，新進入的證券分析師不僅會對其所跟蹤行業(yè)中的公司x1研究報告質(zhì)量產(chǎn)生影響，對行業(yè)X中的其他公司研究報告質(zhì)量也會產(chǎn)生溢出效應(yīng)；反之，若分析師數(shù)量下降，則會產(chǎn)生負向信息溢出效應(yīng)，降低行業(yè)研究報告質(zhì)量（見圖1）。

圖1 證券分析師數(shù)量下降的溢出效應(yīng)

進一步地，若分析師數(shù)量變化對行業(yè)研究報告質(zhì)量的影響是由分析師競爭變化驅(qū)動的，隨著分析師數(shù)量的下降、行業(yè)競爭減小，這種負向溢出效應(yīng)會不斷減弱。本文通過預測偏差和預測樂觀度兩個指標衡量分析師的研究報告質(zhì)量。以預測偏差為例，分析師下降相同的數(shù)量（△x2=△x1），對降低行業(yè)研究報告質(zhì)量的影響是不斷減弱的（△y2＜△y1）。

基于以上分析，提出本文的第一個研究假設(shè)：

H1a：分析師數(shù)量下降將增大證券分析師的預測偏差和預測樂觀度，降低行業(yè)研究報告質(zhì)量。

H1b：隨著分析師數(shù)量的下降，其對行業(yè)研究報告質(zhì)量的不利影響會不斷減弱。

（三）證券分析師數(shù)量下降、行業(yè)分析師覆蓋率與行業(yè)研究報告質(zhì)量

若分析師數(shù)量變化是通過改變行業(yè)競爭程度影響該行業(yè)研究報告的質(zhì)量，則分析師數(shù)量下降對不同競爭壓力的行業(yè)的研究報告質(zhì)量影響應(yīng)該是不同的?；贕entzkow和Shapiro（2008）的研究，當市場上有大量的傳媒公司，失去一個傳媒公司不太可能影響新聞的報道，但當市場上只有少數(shù)傳媒公司時，失去一個傳媒公司很大可能會影響新聞報道。如果一個行業(yè)擁有大量的分析師跟蹤，那么分析師數(shù)量的下降對這些行業(yè)研究報告質(zhì)量的影響將下降到較低的水平。由此，提出本文的第二個研究假設(shè)：

H2：分析師數(shù)量下降對分析師覆蓋率高的行業(yè)的研究報告質(zhì)量影響較小。

（四）證券分析師數(shù)量下降、行業(yè)收益預測難度與行業(yè)研究報告質(zhì)量

歷史盈余數(shù)據(jù)是分析師進行預測的重要信息來源，公司盈余波動越大，從歷史盈余數(shù)據(jù)中預測未來收益的難度越高（Kross等，1990；石桂峰等，2007；岳衡和林小馳，2008）。同理，如果一個行業(yè)中的公司收益可以通過行業(yè)歷史盈余數(shù)據(jù)推算，而不太依賴于行業(yè)公司間的異質(zhì)信息，這不僅說明該行業(yè)中的公司收益高度相關(guān)，也意味著該行業(yè)中的公司收益易于預測，此時該行業(yè)擁有更多分析師的價值相對較低。當行業(yè)中的公司收益易于預測時，個別分析師離開該行業(yè)，行業(yè)損失的信息較少，分析師數(shù)量下降影響較小?；诖耍岢霰疚牡牡谌齻€研究假設(shè)：

H3：分析師數(shù)量下降對收益易于預測的行業(yè)的研究報告質(zhì)量影響較小。

（五）證券分析師數(shù)量下降與行業(yè)股價同步性

分析師研究報告向市場提供的信息會對股票估值產(chǎn)生影響（Asquith等，2005；Bradley等，2014）。股價中包含的公司特質(zhì)信息越多，股價越能夠反映公司的實際價值，引導資本市場實現(xiàn)資源的最優(yōu)配置，而并非僅僅跟隨市場走勢波動，因此股價同步性可作為衡量公司股價信息含量的指標，反映證券市場的定價效率。分析師的活動能夠增加股價中公司層面的特質(zhì)信息，降低公司股價同步性，提高資本市場的運行效率（朱紅軍等，2007；姜超，2013）。然而，公司之間并非相互獨立，尤其是處在同一行業(yè)中的公司是相互影響的，單家公司的信息會對行業(yè)中的其他公司產(chǎn)生溢出效應(yīng)（Kim等，2008）。分析師利用從同行業(yè)其他公司獲取的信息可以提高預測的準確性（Hilary和Shen，2013；劉永澤和高嵩，2014）。基于此，本文預期分析師數(shù)量下降產(chǎn)生的負向信息溢出效應(yīng)對行業(yè)信息含量會有負面影響，增加行業(yè)股價同步性。同樣地，若分析師數(shù)量變化對行業(yè)股價同步性的影響是由分析師競爭變化導致的，隨著分析師數(shù)量的下降，行業(yè)競爭減小，這種負向溢出效應(yīng)會不斷減弱。由此，提出本文的第四個假設(shè)：

H4a：分析師數(shù)量下降會增加行業(yè)股價同步性，降低證券市場定價效率。

H4b：隨著分析師數(shù)量的下降，其對證券市場定價效率的不利影響會不斷減弱。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文使用的分析師預測數(shù)據(jù)、上市公司財務(wù)數(shù)據(jù)、股票市場交易數(shù)據(jù)均來源于國泰安（CSMAR）數(shù)據(jù)庫，樣本期間為2006—2020年。其中，對分析師預測數(shù)據(jù)作如下處理：①因分析師作出預測的時間與預測年度間隔不同會對預測偏差、預測樂觀度產(chǎn)生不同影響，僅保留分析師對上市公司的當年預測；②僅保留同一分析師對同一上市公司當月的最后一次預測。本文按照證監(jiān)會行業(yè)分類2012版門類分類標準，將上市公司劃分為19個行業(yè)。剔除缺失值后，最終得到3027個觀測值。

（二）變量設(shè)計

1.分析師的下降數(shù)量（AnalystDrops）

本 文 參 照Hong和Kacperczyk（2010）、Derrien和kecskés（2013）、Chen等（2015）以及Kim等（2019）的做法，使用證券公司關(guān)閉這一事件作為外生沖擊，通過匹配確定失業(yè)分析師及其失業(yè)前跟蹤的上市公司，按行業(yè)逐月統(tǒng)計出分析師的下降數(shù)量。導致證券公司關(guān)閉的常見原因有兩種：一是證券公司在經(jīng)營過程中出現(xiàn)違法違規(guī)、未能清償?shù)狡趥鶆?wù)等問題使其被撤銷、托管、接管或破產(chǎn)；二是為了補齊業(yè)務(wù)短板、擴張市場份額而發(fā)生的證券公司合并。因此，證券公司關(guān)閉取決于證券公司內(nèi)部因素，而與其跟蹤的行業(yè)無關(guān)，是一個理想的外生沖擊。本文根據(jù)證券公司最后一次發(fā)布研究報告的時間確定了66家證券公司關(guān)閉的時間，如果分析師在所屬證券公司關(guān)閉后的一年內(nèi)沒有發(fā)布研究報告，則判定其因無法在行業(yè)中再就業(yè)而轉(zhuǎn)行，計入失業(yè)分析師數(shù)量。

2.研究報告質(zhì)量

分析師在對公司未來盈利作出預測時，會因信息不對稱而產(chǎn)生偏差。Hong和Kacperczyk（2010）的研究表明競爭具有約束作用，分析師數(shù)量減少導致的競爭減小會導致分析師預測樂觀度增加。因此，本文使用預測偏差（Biasi,s,t）和預測樂觀度（Optimismi,s,t）兩個指標衡量分析師研究報告質(zhì)量。Biasi,s,t為行業(yè)i分析師在第t年第s月的預測偏差，定義為分析師預測的每股收益值與實際每股收益值之差的絕對值。為了消除公司間的異質(zhì)性，將其除以分析師預測的每股收益值進行調(diào)整，并對預測偏差求平均值。Optimismi,s,t考慮了偏差的方向，為行業(yè)i分析師在第t年第s月的預測樂觀度。

其中：fepsj,s,t,k表示第k個分析師在第t年第s月對j公司作出的每股收益指標預測值；epsj,t對應(yīng)j公司第t年每股收益的實際值；j剔除了行業(yè)中上一個月經(jīng)歷分析師下降的公司，以考察分析師數(shù)量的下降對該行業(yè)中其他沒有經(jīng)歷分析師跟蹤變化的公司研究報告質(zhì)量的影響，即分析師的下降數(shù)量對行業(yè)研究報告質(zhì)量的溢出效應(yīng)。

3.行業(yè)分析師覆蓋率（HighCoverage）

本文將行業(yè)分析師覆蓋率定義為對某一行業(yè)進行跟蹤的分析師數(shù)量。由于分析師通常會定期提供報告，每月一次或者更頻繁。因此，本文根據(jù)研究報告的月度發(fā)布情況統(tǒng)計當月對各行業(yè)進行跟蹤的分析師數(shù)量。如果一個行業(yè)分析師覆蓋率高于該月各行業(yè)的中位數(shù)，虛擬變量HighCoverage賦值為1，否則賦值為0。

4.行業(yè)收益預測難度（HighR2）

其中：ROAj,i,q,t表示第t年第q季度行業(yè)i公司j的資產(chǎn)回報率。ROAi,q,t表示第t年第q季度行業(yè)i的資產(chǎn)回報率，按照行業(yè)中各公司流通市值為權(quán)重加權(quán)平均計算得到。若一個行業(yè)的年度R2i,t高于該年各行業(yè)的中位數(shù)，則認為該行業(yè)該年收益易于預測，虛擬變量HighR2賦值為1，否則賦值為0。

5.行業(yè)股價同步性（Synch）

其中：IndReti,w,t表示第t年第w周行業(yè)i的收益率，按照行業(yè)中各公司流通市值為權(quán)重加權(quán)平均計算得到。MarketRetw,t表示第t年第w周市場收益率。Synchi,t表示第t年行業(yè)i的股價同步性。

6.控制變量

本文參考Merkley等（2017）與唐雪松等（2019）的做法，選取分析師經(jīng)驗（AnalystExperience）、市值規(guī)模（Size）、資產(chǎn)回報率（Roa）、盈利能力變化（△Roa）、賬面市值比（Mb）、業(yè)績增速（SalesGrowth）作為控制變量。

為了避免異常值對實證結(jié)果造成的潛在影響，本文對連續(xù)型變量進行了1%的雙向縮尾處理。主要變量的具體定義如表1所示。

表1 變量定義

（三）模型設(shè)定

本文建立模型（6）檢驗假設(shè)H1a：

其中：FEi,s,t為衡量研究報告質(zhì)量的預測偏差（Biasi,s,t）和預測樂觀度（Optimismi,s,t）。若β1顯著為正，則代表證券分析師數(shù)量下降能夠降低行業(yè)研究報告質(zhì)量。在模型（6）的基礎(chǔ)上，引入分析師下降數(shù)量的平方項AnalystDrops2i,s,t，建立模型（7）檢驗假設(shè)H1b。若β2顯著為負，則說明隨著分析師數(shù)量的下降，其對行業(yè)研究報告質(zhì)量的不利影響會不斷減弱。

建立模型（8）檢驗假設(shè)H2，模型中加入了AnalystDropsi,s,t與HighCoveragei,s,t的交互項。若β2顯著為負，則代表分析師數(shù)量下降對分析師覆蓋率較高的行業(yè)的研究報告質(zhì)量影響不大。

建立模型（10）檢驗假設(shè)H4a。若β1顯著為正，則代表分析師數(shù)量下降會增加行業(yè)股價同步性，降低證券市場定價效率。

基于模型（10），引入分析師下降數(shù)量的平方項AnalystDrops2i,s,t，建立模型（11）檢驗假設(shè)H4b。若β2顯著為負，則代表隨著分析師數(shù)量的下降，其對證券市場定價效率的不利影響會不斷減弱。

四、實證分析

（一）描述性統(tǒng)計分析

表2為主要變量的描述性統(tǒng)計結(jié)果。分析師下降數(shù)量（AnalystDrops）的均值為0.8827，說明每個月每個行業(yè)平均有0.8827位分析師因證券公司關(guān)閉失業(yè)。預測樂觀度（Optimism）的均值為正，表明分析師研究報告的盈余預測存在過度樂觀的傾向，這與國內(nèi)外諸多學者的結(jié)論是一致的。

表2 描述性統(tǒng)計

（二）回歸分析

1.分析師數(shù)量下降對行業(yè)研究報告質(zhì)量的影響

表3第（1）（2）列的被解釋變量分別為預測偏差（Bias）和預測樂觀度（Optimism）。AnalystDrops的回歸系數(shù)在1%顯著性水平下均顯著為正，表明分析師數(shù)量下降能夠增加行業(yè)分析師的預測偏差和預測樂觀度，對行業(yè)中其他公司的研究報告質(zhì)量產(chǎn)生負向溢出效應(yīng)，降低行業(yè)研究報告的質(zhì)量。具體而言，分析師數(shù)量每下降1人，行業(yè)分析師的平均預測偏差增加0.23個百分點，平均預測樂觀度增加0.23個百分點。上述結(jié)果與Hong和Kacperczyk（2010）、岳衡和林小馳（2008）以及李春濤等（2013）在公司層面的研究發(fā)現(xiàn)是一致的。假設(shè)H1a得到證實。第（3）（4）列的估計結(jié)果顯示，AnalystDrops2的回歸系數(shù)在1%顯著性水平下均顯著為負，表明隨著分析師數(shù)量的下降，行業(yè)研究報告質(zhì)量會降低，但這種影響會不斷減弱。假設(shè)H1b得到證實。

表3 分析師數(shù)量下降與行業(yè)研究報告質(zhì)量

2.分析師數(shù)量下降對不同分析師覆蓋率行業(yè)研究報告質(zhì)量的影響

表4第（1）列的估計結(jié)果顯示，交互項AnalystDrops×HighCoverage的回歸系數(shù)為負但在統(tǒng)計上不顯著，說明分析師數(shù)量下降對不同分析師覆蓋率行業(yè)的分析師預測偏差影響沒有顯著不同。第（2）列的估計結(jié)果顯示，交互項AnalystDrops×HighCoverage的回歸系數(shù)在5%顯著性水平下顯著為負，表明分析師數(shù)量下降導致的競爭減小，顯著助長了分析師覆蓋率較低行業(yè)的分析師過度樂觀行為。具體而言，對于分析師覆蓋率低的行業(yè)，分析師的下降數(shù)量每增加1人，行業(yè)中分析師的平均預測樂觀度增加2.14個百分點；對于分析師覆蓋率高的行業(yè)，分析師的下降數(shù)量每增加1人，行業(yè)中分析師的平均預測樂觀度增加0.25個百分點?？傮w來看，分析師數(shù)量下降對分析師覆蓋率低的行業(yè)的研究報告質(zhì)量能夠產(chǎn)生更大的負面影響。假設(shè)H2得到證實。

3.分析師數(shù)量下降對不同收益預測難度行業(yè)研究報告質(zhì)量的影響

表4第（3）（4）列的估計結(jié)果顯示，交互項AnalystDrops×HighR2的回歸系數(shù)在1%顯著性水平下均顯著為負，表明分析師數(shù)量下降對收益不易預測的行業(yè)的研究報告質(zhì)量影響更大。假設(shè)H3得到證實。具體而言，對于收益不易預測的行業(yè)，分析師的下降數(shù)量每增加1人，行業(yè)中分析師的平均預測偏差增加1.38個百分點，平均預測樂觀度增加1.86個百分點。對于收益易于預測的行業(yè)，分析師的下降數(shù)量每增加1人，行業(yè)中分析師的平均預測偏差增加0.21個百分點，平均預測樂觀度增加0.18個百分點。以上結(jié)果進一步表明，信息溢出是分析師數(shù)量影響行業(yè)研究報告質(zhì)量的一種機制，當個別分析師信息不太重要時，對行業(yè)研究報告的質(zhì)量影響較小。

表4 分析師數(shù)量下降影響行業(yè)研究報告質(zhì)量的行業(yè)異質(zhì)性

4.分析師數(shù)量下降對行業(yè)股價同步性的影響

表5第（1）（2）列的被解釋變量為行業(yè)股價同步性（Synch）。估計結(jié)果顯示，無論是否考慮控制變量，AnalystDrops的回歸系數(shù)在1%顯著性水平下均顯著為正，表明分析師的數(shù)量下降能夠減少股價中的行業(yè)信息量，導致行業(yè)股價同步性增加，降低證券市場的資產(chǎn)定價效率。如第（2）列所示，平均而言，分析師的下降數(shù)量每增加1人，行業(yè)股價同步性增加0.42個百分點。上述結(jié)果與朱紅軍等（2007）和姜超（2013）的結(jié)論是相似的。假設(shè)H4a得到證實。

表5 分析師數(shù)量下降與行業(yè)股價同步性

Controls 控制 控制 控制 控制Constant 7.2877（0.9352）-382.9624***（-4.7862）年份/行業(yè) 控制 控制 控制 控制觀測值 3027 3027 3027 3027 R2 0.6953 0.7025 0.6955 0.7028-380.6424***（-4.7501）7.3925（0.9502）

表5第（3）（4）列的估計結(jié)果表明，AnalystDrops2的回歸系數(shù)在5%顯著性水平下均顯著為負，表明隨著分析師數(shù)量下降，行業(yè)股價同步性會增加，降低了證券市場的定價效率，但這種影響在不斷減弱。本文假設(shè)H4b得到證實。

五、穩(wěn)健性檢驗

（一）改變證券分析師數(shù)量的測量方法

證券公司關(guān)閉導致的分析師數(shù)量下降提供了一個理想的外生沖擊。但這一變量設(shè)置只關(guān)注分析師數(shù)量減少產(chǎn)生的影響，忽略了分析師數(shù)量增加的影響。因此，本文使用跟蹤某一行業(yè)的分析師數(shù)量變化作為自變量進行穩(wěn)健性檢驗。檢驗結(jié)果如表6所示。估計結(jié)果表明，行業(yè)中的分析師數(shù)量增加會減小預測偏差和預測樂觀度。這與表3的結(jié)論是一致的。

表6 穩(wěn)健性檢驗結(jié)果

（二）剔除股市異常波動期和泡沫期數(shù)據(jù)

2007—2008年的全球金融危機以及2014—2015年的中國股市泡沫可能對分析師的預測表現(xiàn)產(chǎn)生巨大的影響。本文參照Han和Liang（2017）與Cumming等（2020）的做法，將2007年8月至2008年12月、2015年6月至2015年9月定義為中國股市崩盤期，將2007年1月至2007年7月、2014年7月至2015年5月定義為中國股市泡沫期。表6結(jié)果顯示，剔除了股市異常波動期和泡沫期數(shù)據(jù)后，第（5）（6）列中AnalystDrops的回歸系數(shù)仍然顯著為正，第（7）（8）列中AnalystDrops2的回歸系數(shù)仍然顯著為負，說明前文結(jié)論是穩(wěn)健的。

（三）其他穩(wěn)健性檢驗

本文還進行了以下穩(wěn)健性檢驗：①使用不同的行業(yè)分類標準。被國際廣泛使用的全球行業(yè)分類標準（GICS）與中國證監(jiān)會行業(yè)分類存在較大差異。本文基于GICS二級行業(yè)分類標準將上市公司重新分為24個行業(yè)，然后進行穩(wěn)健性檢驗。②剔除金融行業(yè)。由于金融行業(yè)具有一定的特殊性，本文使用前文研究方法，基于剔除金融行業(yè)的樣本數(shù)據(jù)進行穩(wěn)健性檢驗。③考慮不同的股票市場環(huán)境。鑒于市場環(huán)境對股票市場具有重要影響，本文參考Chen（2009）的做法，根據(jù)市場移動平均回報率將樣本期劃分為牛市和熊市，研究不同股票市場環(huán)境（牛市、熊市）下，分析師數(shù)量下降對行業(yè)研究報告質(zhì)量的影響差異。④考慮季度、月度固定效應(yīng)。上述穩(wěn)健性檢驗結(jié)果均與前文結(jié)論基本一致，受篇幅限制，在此不再贅述。

六、結(jié)論

本文根據(jù)證券公司最后一次發(fā)布研究報告的時間確定證券公司關(guān)閉時間，并匹配出所屬證券公司的失業(yè)分析師，得到各行業(yè)每月因證券公司關(guān)閉導致的失業(yè)分析師人數(shù)。在剔除經(jīng)歷證券分析師跟蹤數(shù)量變化的公司后，研究分析師數(shù)量下降對同行業(yè)其他公司研究報告的信息溢出效應(yīng)。本文的主要結(jié)論：第一，證券分析師數(shù)量下降將減小分析師的競爭程度，增加分析師的預測偏差和預測樂觀度，從而降低行業(yè)研究報告的質(zhì)量，產(chǎn)生負向信息溢出效應(yīng)；第二，對于分析師覆蓋率低或收益不易預測的行業(yè)，分析師數(shù)量下降的市場影響更為顯著；第三，分析師數(shù)量下降產(chǎn)生的負向信息溢出效應(yīng)，減少了股價中的行業(yè)信息量，導致行業(yè)股價同步性增加，降低了證券市場的定價效率。

本文的研究結(jié)論對于提升證券市場的資產(chǎn)定價效率與中小投資者的利益保護、引導證券分析師行業(yè)的規(guī)范發(fā)展具有啟示意義。鑒于資本市場中擁有更多的證券分析師可以更有效地傳播信息、提高市場定價效率，有關(guān)部門應(yīng)進一步發(fā)展證券分析師行業(yè)，擴大分析師供給數(shù)量，強化對證券分析師的專業(yè)能力要求，持續(xù)提升資本市場信息披露水平。