【摘要】本文基于羊群效應(yīng)理論， 從非財(cái)務(wù)信息不確定性視角出發(fā)， 聚焦于ESG評(píng)級(jí)信息， 利用2010 ～ 2022年我國(guó)滬深A(yù)股上市公司數(shù)據(jù)， 實(shí)證檢驗(yàn)ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響。研究表明， ESG評(píng)級(jí)分歧會(huì)減少分析師盈余預(yù)測(cè)羊群行為。此外， 二者的關(guān)系在經(jīng)濟(jì)政策不確定性較高、 投資者情緒較高漲時(shí)更顯著。機(jī)制檢驗(yàn)發(fā)現(xiàn)， ESG評(píng)級(jí)分歧可通過(guò)減少分析師對(duì)私有信息的依賴和提高媒體關(guān)注度來(lái)抑制分析師盈余預(yù)測(cè)羊群行為。本文不僅補(bǔ)充了ESG評(píng)級(jí)分歧對(duì)資本市場(chǎng)參與者的影響及作用機(jī)制研究， 還對(duì)完善ESG評(píng)級(jí)體系和推動(dòng)資本市場(chǎng)平穩(wěn)運(yùn)行提出了建議。

【關(guān)鍵詞】ESG評(píng)級(jí)分歧；分析師盈余預(yù)測(cè)；羊群行為；資本市場(chǎng)

【中圖分類號(hào)】 F275.2" " "【文獻(xiàn)標(biāo)識(shí)碼】A" " " 【文章編號(hào)】1004-0994（2025）05-0109-8

一、 引言

在可持續(xù)發(fā)展背景下， ESG與國(guó)家的“雙碳”目標(biāo)高度契合， 相關(guān)信息已逐漸成為投資決策、 企業(yè)戰(zhàn)略制定以及社會(huì)監(jiān)督的重要依據(jù)， 受到了資本市場(chǎng)參與者與政府的廣泛關(guān)注。2022年4月， 中國(guó)證監(jiān)會(huì)發(fā)布了《上市公司投資者關(guān)系管理工作指引》， 要求上市公司在與投資者的溝通內(nèi)容中增加其ESG信息， 這對(duì)于促進(jìn)上市公司完善治理機(jī)制和加強(qiáng)投資者利益保護(hù)具有重要作用。然而， 由于各ESG評(píng)級(jí)機(jī)構(gòu)在制定評(píng)級(jí)標(biāo)準(zhǔn)和選取指標(biāo)等方面存在一定的主觀性， 不同評(píng)級(jí)機(jī)構(gòu)對(duì)同一企業(yè)的評(píng)級(jí)結(jié)果可能存在較大分歧。ESG評(píng)級(jí)作為典型的非財(cái)務(wù)信息， 其分歧的存在體現(xiàn)了非財(cái)務(wù)信息的不確定性， 會(huì)影響企業(yè)的非財(cái)務(wù)信息含量， 對(duì)其信息使用者造成不同程度的影響。現(xiàn)有研究主要關(guān)注ESG評(píng)級(jí)分歧對(duì)投資者決策等的影響（Krueger和Stammler-Gossmann，2019）， 僅有少數(shù)研究探究了其對(duì)分析師的影響， 如有研究認(rèn)為ESG評(píng)級(jí)分歧會(huì)降低分析師盈余預(yù)測(cè)質(zhì)量（周澤將等，2023）。但少有文獻(xiàn)從分析師自身存在的認(rèn)知和選擇偏差以及分析師之間的相互影響角度， 探究ESG評(píng)級(jí)分歧對(duì)分析師其他決策行為的影響。

分析師作為資本市場(chǎng)上的重要信息中介， 其對(duì)企業(yè)信息的跟進(jìn)與預(yù)測(cè)行為在企業(yè)運(yùn)營(yíng)和資本市場(chǎng)中一直發(fā)揮著不可替代的作用（Peter等，2016）。但近年來(lái)部分研究發(fā)現(xiàn)， 受信息或非信息因素的影響， 分析師會(huì)在盈余預(yù)測(cè)過(guò)程中表現(xiàn)出趨同， 產(chǎn)生明顯的羊群行為（Bikhchandani等，1992；Scharfstein和Stein，1990；Xue，2016）。分析師羊群行為會(huì)影響企業(yè)的股價(jià)同步性和資本市場(chǎng)的信息效率（Xu等，2017）， 加劇資本市場(chǎng)波動(dòng)（Cont和Bouchaud，2000；Bikhchandani和Sharma，2001）。因此， 基于分析師羊群行為視角探究ESG評(píng)級(jí)分歧的作用機(jī)制和經(jīng)濟(jì)后果， 有助于充分發(fā)揮分析師的信息中介作用和維系資本市場(chǎng)穩(wěn)定。分析師在盈余預(yù)測(cè)過(guò)程中已將企業(yè)的ESG表現(xiàn)作為重要信息納入考慮（Dhaliwal等，2012；孫光國(guó)等，2023）， 而ESG評(píng)級(jí)分歧的存在是非財(cái)務(wù)信息不確定性的體現(xiàn)， 會(huì)影響分析師的信息獲取， 進(jìn)而對(duì)其盈余預(yù)測(cè)羊群行為產(chǎn)生影響。一方面， ESG評(píng)級(jí)分歧越大， 說(shuō)明不同評(píng)級(jí)機(jī)構(gòu)獲取和利用的私有信息含量越高， 這能夠傳遞更多的異質(zhì)性信息； 另一方面， 當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 分析師難以對(duì)企業(yè)的ESG表現(xiàn)等信息做出準(zhǔn)確判斷（Berg等，2022）， 進(jìn)而對(duì)其盈余預(yù)測(cè)決策產(chǎn)生影響。故基于非財(cái)務(wù)信息不確定性視角探究ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響， 對(duì)于保障資本市場(chǎng)平穩(wěn)運(yùn)行具有重要意義。

基于此， 本文以2010 ～ 2022年我國(guó)滬深A(yù)股上市公司作為研究樣本， 實(shí)證檢驗(yàn)ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響， 并進(jìn)一步探究ESG評(píng)級(jí)分歧在不同經(jīng)濟(jì)政策不確定性、 投資者情緒下對(duì)分析師盈余預(yù)測(cè)羊群行為的影響效果及其內(nèi)在機(jī)理。研究表明， ESG評(píng)級(jí)分歧顯著抑制了分析師盈余預(yù)測(cè)羊群行為， 并且當(dāng)經(jīng)濟(jì)政策不確定性較高、 投資者情緒較高漲時(shí)， 二者的相關(guān)性更強(qiáng)。本文可能的邊際貢獻(xiàn)如下： 第一， 豐富了ESG相關(guān)研究。現(xiàn)有ESG相關(guān)研究主要集中在ESG評(píng)級(jí)產(chǎn)生的經(jīng)濟(jì)后果方面， 較少關(guān)注ESG評(píng)級(jí)分歧帶來(lái)的影響， ESG評(píng)級(jí)分歧與市場(chǎng)參與者之間的關(guān)系研究尚待補(bǔ)充。第二， 拓展了分析師羊群行為的相關(guān)研究。本文從非財(cái)務(wù)信息不確定性視角出發(fā)， 結(jié)合ESG發(fā)展背景， 討論ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響， 對(duì)分析師羊群行為的影響因素研究進(jìn)行了補(bǔ)充。

二、 文獻(xiàn)綜述

（一） ESG評(píng)級(jí)分歧相關(guān)研究

現(xiàn)有文獻(xiàn)對(duì)ESG 評(píng)級(jí)分歧的研究主要集中在其形成原因以及產(chǎn)生的經(jīng)濟(jì)后果方面。

ESG評(píng)級(jí)分歧產(chǎn)生的首要原因是缺乏統(tǒng)一的評(píng)價(jià)體系， 不同評(píng)級(jí)機(jī)構(gòu)可能采用不同的ESG評(píng)估標(biāo)準(zhǔn)（Krueger和Stammler-Gossmann，2019）。首先， 評(píng)級(jí)機(jī)構(gòu)在度量方式、 權(quán)重選擇、 對(duì)環(huán)境與社會(huì)責(zé)任的理解（Dimson，2020；Berg等，2022）以及缺失數(shù)據(jù)處理和基準(zhǔn)選擇等方面的差異（Chatterji，2016；Kotsantonis和Serafeim，2019）均會(huì)導(dǎo)致ESG評(píng)級(jí)分歧。其次， ESG評(píng)級(jí)所依據(jù)的信息也是影響ESG評(píng)級(jí)分歧的重要因素。不同的信息來(lái)源導(dǎo)致信息不對(duì)稱， 進(jìn)一步加劇了評(píng)級(jí)分歧（Clark和Urwin，2018）。企業(yè)公開(kāi)披露的信息作為ESG評(píng)級(jí)的重要信息來(lái)源， 是造成ESG評(píng)級(jí)分歧的重要因素（朱富顯等，2024）。Christensen等（2022）發(fā)現(xiàn)， 企業(yè)更多的ESG信息披露為評(píng)級(jí)機(jī)構(gòu)采用不同指標(biāo)評(píng)估企業(yè)業(yè)績(jī)提供了更多的可能性， 容易引起更大的ESG評(píng)級(jí)分歧。然而， 部分學(xué)者認(rèn)為， 隨著企業(yè)ESG信息披露規(guī)范性和透明度的提升， ESG評(píng)級(jí)分歧會(huì)有所減小（Jorgensen和Ellingsen，2021）。另外， 當(dāng)企業(yè)自愿披露ESG報(bào)告時(shí)ESG評(píng)級(jí)分歧會(huì)有所減小， 而ESG報(bào)告的語(yǔ)言特征， 包括報(bào)告的長(zhǎng)度、 語(yǔ)氣和粘性等， 也會(huì)影響ESG評(píng)級(jí)分歧（Kimbrough等，2024）。此外， ESG評(píng)級(jí)機(jī)構(gòu)的評(píng)估既依賴于公共信息， 也依賴于私人信息， 評(píng)級(jí)機(jī)構(gòu)獲取信息的途徑和能力差異會(huì)導(dǎo)致ESG評(píng)級(jí)分歧的產(chǎn)生（Larcker等，2022）。最后， 政府監(jiān)管也是導(dǎo)致ESG評(píng)級(jí)差異的關(guān)鍵因素之一（Zhang等，2022）。

就ESG評(píng)級(jí)分歧的經(jīng)濟(jì)后果而言， 一方面， ESG 評(píng)級(jí)分歧會(huì)對(duì)企業(yè)的經(jīng)營(yíng)管理產(chǎn)生影響。ESG評(píng)級(jí)分歧會(huì)增加企業(yè)進(jìn)行外部融資的難度（Christensen等，2022）， 從而導(dǎo)致企業(yè)投融資期限錯(cuò)配和綠色創(chuàng)新質(zhì)量下降（李曉艷等，2024；李清和陳琳，2024）。另外， ESG 評(píng)級(jí)分歧的存在不利于管理者對(duì)企業(yè)ESG表現(xiàn)形成清晰的認(rèn)識(shí)， 降低了企業(yè)提升 ESG 績(jī)效的積極性（Chatterji等，2016）， 這也為管理者利用ESG信息披露進(jìn)行“漂綠”提供了有利條件（Hu等，2023）。但部分學(xué)者持相反的觀點(diǎn)， 他們認(rèn)為ESG評(píng)級(jí)分歧會(huì)對(duì)企業(yè)的經(jīng)營(yíng)管理產(chǎn)生有利影響， 如降低企業(yè)債務(wù)融資成本（李鳳羽等，2024；陳鵬程等，2024）、 提升企業(yè)綠色創(chuàng)新水平（曾宇飛洋等，2024）和自愿性信息披露水平等（何太明等，2023）。

另一方面， ESG 評(píng)級(jí)分歧會(huì)對(duì)資本市場(chǎng)產(chǎn)生重要影響。ESG 評(píng)級(jí)分歧會(huì)影響投資者決策， 投資者在面對(duì)不同的ESG評(píng)級(jí)時(shí)會(huì)存在決策困難（Krueger和Stammler-Gossmann，2019）， 使得其在作出決策時(shí)面臨額外風(fēng)險(xiǎn)（Clark和Urwin，2018）。Gibson Brandon等（2021）、 Avramov等（2022）則從風(fēng)險(xiǎn)溢價(jià)角度出發(fā)， 發(fā)現(xiàn)股票收益率與ESG評(píng)級(jí)分歧呈正相關(guān)關(guān)系。與此同時(shí)， ESG評(píng)級(jí)分歧會(huì)對(duì)投資者產(chǎn)生“噪聲”干擾， 從而提高公司股價(jià)同步性（劉向強(qiáng)等，2023）。而Serafeim等（2022）研究發(fā)現(xiàn)， 當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 不僅會(huì)減弱其對(duì)未來(lái)ESG新聞的預(yù)測(cè)能力， 還會(huì)削弱ESG新聞與市場(chǎng)反應(yīng)之間的關(guān)系， 導(dǎo)致累計(jì)超額收益率和收益波動(dòng)率上升。

（二） 分析師羊群行為影響因素相關(guān)研究

根據(jù)現(xiàn)有研究， 分析師羊群行為產(chǎn)生的原因可以分為以下幾類：

第一， 由信息引起的羊群行為。信息級(jí)聯(lián)會(huì)導(dǎo)致基于信息的羊群行為（Froot等，1992；Hirshleifer等，1994；Bikhchandani等，1992）。分析師通過(guò)參考先前分析師的預(yù)測(cè)來(lái)推測(cè)信息， 往往選擇忽視自己獲取的信息， 采取跟隨策略發(fā)布類似的預(yù)測(cè)， 從而形成信息層疊， 誘發(fā)羊群行為。在信息級(jí)聯(lián)的基礎(chǔ)上， Banerjee（1992）、 Bikhchandni等（1992）指出， 羊群行為受信息內(nèi)容數(shù)量及信息產(chǎn)生順序的影響。當(dāng)面臨相似的環(huán)境和信息集時(shí)， 分析師會(huì)發(fā)布相似的預(yù)測(cè)。此外， 當(dāng)信息獲取量有限或缺乏時(shí)， 分析師更容易產(chǎn)生羊群行為（Scharfstein和Stein，1990；Economou等，2018）。由于分析師羊群行為會(huì)受到信息的影響， 宏觀數(shù)據(jù)發(fā)布（Galariotis等，2015）、 信息披露監(jiān)管政策（Hahn和Song，2013；Mensah和Yang，2008）、 企業(yè)信息環(huán)境透明度（Leece和White，2017）、 無(wú)形資產(chǎn)相關(guān)信息披露（Reuben等，2023）、 經(jīng)濟(jì)政策不確定性（Chen等，2021）、 分析師信息獲取渠道（Christensen等，2017）等因素， 均會(huì)對(duì)其產(chǎn)生影響。

第二， 由激勵(lì)機(jī)制引起的羊群行為。分析師行為會(huì)受到薪酬、 聲譽(yù)等因素的影響。Scharfstein和Stein（1990）、 Trueman（1994）提出了職業(yè)經(jīng)理人出于職業(yè)或聲譽(yù)考慮而從眾的模型。為了保持或獲得聲譽(yù)， 分析師往往會(huì)放棄自身預(yù)測(cè)而跟隨高能力分析師或者先前分析師的預(yù)測(cè)（Graham，1999；Hong等，2000；Hong和Kubik，2003；Prendergast和Stole，1996；Scharfstein和Stein，1990；Trueman，1994）。在薪酬激勵(lì)方面， Brenan（1993）、 Roll（1992）、 Maug和Naik（1996）研究發(fā)現(xiàn)， 分析師會(huì)跟隨和參考其他分析師的預(yù)測(cè)以獲取高薪酬。但部分學(xué)者持有不同的觀點(diǎn)。Clarke和Subramanian（2006）認(rèn)為， 分析師的就業(yè)風(fēng)險(xiǎn)和薪酬是驅(qū)動(dòng)其發(fā)布大膽預(yù)測(cè)的重要因素。由于凸性薪酬結(jié)構(gòu)的存在， 分析師會(huì)發(fā)布不同的預(yù)測(cè)， 以吸引注意力和展現(xiàn)自身能力（Ottaviani和S?rensen，2006；Bernhardt和Kutsoati，2004；Banerjee，2021；Banerjee等，2022）。Frijns和Huynh（2018）發(fā)現(xiàn)， 媒體關(guān)注會(huì)激勵(lì)分析師放棄跟隨其他分析師的預(yù)測(cè)， 而是通過(guò)發(fā)布突破共識(shí)的預(yù)測(cè)以脫穎而出。

第三， 基于行為金融學(xué)的角度， 個(gè)人行為會(huì)受到自身特征和偏好甚至他人行為的影響， 而分析師羊群行為同樣如此。Clement和Tse（2005）發(fā)現(xiàn)， 分析師的從眾行為會(huì)受到其他分析師特征的影響， 如券商規(guī)模、 預(yù)測(cè)頻率、 職業(yè)經(jīng)驗(yàn)、 分析師關(guān)注的公司和行業(yè)數(shù)量等。另外， 分析師的風(fēng)險(xiǎn)承受能力（Christoffersen和St?hr，2019）、 隸屬關(guān)系（Xue，2016）、 任務(wù)難度（Kim和Pantzalis，2003）、 職業(yè)經(jīng)驗(yàn)（Clement和Tse，2005；Hong等，2000；Youssef和Rajhi，2010）、建議之間的差異（Jegadeesh和Kim，2010）、 預(yù)測(cè)修正頻率（Jegadeesh和Kim，2010）、 預(yù)測(cè)范圍（De Bondt和Forbes，1999）等也會(huì)對(duì)分析師羊群行為產(chǎn)生影響。除此之外， 高漲的投資者情緒和市場(chǎng)情緒也會(huì)加劇分析師羊群行為（Garcia，2021；Chiang和Lin，2019）。

（三） 文獻(xiàn)述評(píng)

通過(guò)梳理相關(guān)文獻(xiàn)， 可以發(fā)現(xiàn)關(guān)于ESG評(píng)級(jí)分歧的研究主要集中于其形成原因以及產(chǎn)生的經(jīng)濟(jì)后果方面。但現(xiàn)有關(guān)于ESG評(píng)級(jí)分歧對(duì)資本市場(chǎng)參與者的影響研究主要關(guān)注點(diǎn)在投資者方面（Krueger和Stammler-Gossmann，2019；Clark和Urwin，2018）， 僅有少數(shù)學(xué)者探究了其對(duì)分析師的影響且主要集中在對(duì)分析師盈余預(yù)測(cè)質(zhì)量的影響， 鮮少涉及對(duì)分析師其他決策行為的影響?，F(xiàn)有研究表明， 受信息因素、 激勵(lì)機(jī)制以及行為特征的影響， 分析師在盈余預(yù)測(cè)過(guò)程中會(huì)產(chǎn)生羊群行為。ESG評(píng)級(jí)作為典型的非財(cái)務(wù)信息， 是財(cái)務(wù)信息的有益補(bǔ)充， 已成為分析師預(yù)測(cè)的重要參考（Dhaliwal等，2012；孫光國(guó)等，2023）， 其評(píng)級(jí)分歧的存在會(huì)影響分析師的信息獲取等， 進(jìn)而對(duì)分析師羊群行為產(chǎn)生影響， 但少有學(xué)者深入研究ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響。因此， 本文基于羊群效應(yīng)理論探究二者之間的關(guān)系。

三、 理論分析與假設(shè)提出

當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 其無(wú)法準(zhǔn)確反映企業(yè)的ESG表現(xiàn)（劉向強(qiáng)等，2023）， 分析師不能直接依賴和使用評(píng)級(jí)結(jié)果， 還需進(jìn)一步搜集相關(guān)信息進(jìn)行解讀， 其獲取信息的成本和難度有所提升。根據(jù)信息流模型， 信息成本越高越容易形成羊群行為。當(dāng)信息獲取成本過(guò)高時(shí)， 分析師很可能采取一種他們認(rèn)為的“捷徑”， 即觀察并跟隨他人發(fā)布的盈余預(yù)測(cè)， 導(dǎo)致羊群行為的產(chǎn)生（Bikhchandani等，1992）。ESG評(píng)級(jí)分歧的存在會(huì)降低公共信息含量， 此時(shí)分析師傾向于依賴私有信息進(jìn)行盈余預(yù)測(cè)（Das等，1998；郭杰和洪潔瑛，2009）。由于分析師的個(gè)人能力影響了私有信息的獲取量， 較少的公共信息披露激勵(lì)了私人信息的收集， 也為擁有較多私人信息的分析師創(chuàng)造了優(yōu)勢(shì)（Verrecchia，1982）。因此， ESG評(píng)級(jí)分歧的存在擴(kuò)大了能力較強(qiáng)與較差分析師之間的信息差距。基于信息流羊群效應(yīng)模型， 在信息不對(duì)稱的市場(chǎng)環(huán)境中， 由于無(wú)法獲知其他分析師的信息掌握情況， 分析師會(huì)根據(jù)他人的行為來(lái)推測(cè)他人的私有信息， 并極端地采取跟隨策略（Bikhchandani等，1992）。因此， 面對(duì)不同的ESG評(píng)級(jí)結(jié)果， 能力較差的分析師會(huì)傾向于跟隨能力較強(qiáng)的分析師發(fā)布預(yù)測(cè)， 以縮小自身與他人的差距（Scharfstein和Stein，1990）。此外， ESG評(píng)級(jí)分歧反映了企業(yè)ESG信息的不確定性， 不利于分析師進(jìn)行信息判斷。根據(jù)聲譽(yù)假說(shuō)和聲譽(yù)羊群效應(yīng)模型， 面對(duì)不確定的信息環(huán)境時(shí)， 分析師會(huì)更加謹(jǐn)慎并傾向于模仿其他分析師的預(yù)測(cè)， 從而降低可能的預(yù)測(cè)失誤對(duì)自身聲譽(yù)造成的影響（Scharfstein和Stein，1990）。

基于上述分析， 提出如下假設(shè)：

H1a： ESG評(píng)級(jí)分歧會(huì)增加分析師盈余預(yù)測(cè)羊群行為。

ESG評(píng)級(jí)分歧從另一方面說(shuō)明評(píng)級(jí)機(jī)構(gòu)會(huì)從多個(gè)角度分析和評(píng)估企業(yè)的ESG表現(xiàn)， 一定程度上為分析師提供了更多元的信息， 便于分析師更加全面地了解企業(yè)的ESG表現(xiàn)。ESG評(píng)級(jí)分歧較大說(shuō)明不同評(píng)級(jí)機(jī)構(gòu)獲取和利用的私有信息含量較高， 可以提供更多的異質(zhì)性信息， 從多維度更加真實(shí)地反映企業(yè)的情況。隨著信息獲取量的增加， 分析師會(huì)減少對(duì)私有信息的依賴， 進(jìn)而減少其在無(wú)法獲悉其他分析師私有信息掌握情況的背景下選擇跟隨其他分析師預(yù)測(cè)的行為（Leece和White，2017）。此外， 當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 由于個(gè)體之間存在著差異， 不同的分析師可能會(huì)參考不同的評(píng)級(jí)結(jié)果進(jìn)行預(yù)測(cè)， 從而減少分析師因信息相似所誘發(fā)的羊群行為。

與此同時(shí)， ESG評(píng)級(jí)分歧較大的企業(yè)也會(huì)引起媒體以及其他利益相關(guān)者的關(guān)注。然而基于有限關(guān)注理論， 只有預(yù)測(cè)更準(zhǔn)確的分析師才能獲得更多的關(guān)注和報(bào)道， 贏得更多的聲譽(yù)和薪酬， 進(jìn)而形成凸性激勵(lì)機(jī)制（Marinovic等，2013）。在凸性激勵(lì)機(jī)制下， 分析師因發(fā)布質(zhì)量較好的預(yù)測(cè)而獲得的收益高于其因發(fā)布質(zhì)量相對(duì)較差的預(yù)測(cè)而損失的收益（Bernhardt等，2004）。在ESG評(píng)級(jí)分歧較大的情況下， 分析師為了從眾多分析師中脫穎而出， 贏得更多的關(guān)注和收益， 會(huì)選擇減少羊群行為并發(fā)布不一致的預(yù)測(cè)， 將自己的預(yù)測(cè)與其他分析師的預(yù)測(cè)區(qū)別開(kāi)來(lái)（Frijns和Huynh，2018；Ottaviani和S?rensen，2006；Bernhardt等，2004）。因?yàn)榇藭r(shí)發(fā)布類似預(yù)測(cè)的分析師數(shù)量較少， 倘若分析師的預(yù)測(cè)準(zhǔn)確， 則可以獲取更多的收益。

基于上述分析， 提出如下假設(shè)：

H1b： ESG評(píng)級(jí)分歧會(huì)減少分析師盈余預(yù)測(cè)羊群行為。

四、 研究設(shè)計(jì)

（一） 樣本選擇與數(shù)據(jù)來(lái)源

本文選擇2010 ～ 2022年我國(guó)滬深兩市A股上市公司作為初始研究樣本， 并對(duì)樣本進(jìn)行了以下篩選：" 參考Christensen等（2022）的做法， 保留有兩家或兩家以上機(jī)構(gòu)評(píng)級(jí)結(jié)果的公司樣本； 剔除早于一年、 遲于會(huì)計(jì)年度結(jié)束前30天發(fā)布的分析師預(yù)測(cè)樣本； 若在同一年內(nèi)同一分析師對(duì)同一家企業(yè)發(fā)布了多次盈余預(yù)測(cè)， 則僅保留最后一次預(yù)測(cè)； 剔除僅對(duì)同一家公司做出一次預(yù)測(cè)的分析師預(yù)測(cè)樣本； 參考Xu等（2017）的做法， 由于當(dāng)分析師關(guān)注度達(dá)到一定數(shù)量時(shí)才能有效地計(jì)算分析師羊群行為指數(shù)， 剔除分析師預(yù)測(cè)數(shù)量小于3的樣本； 剔除金融業(yè)的上市公司樣本； 剔除 ST和?ST樣本； 剔除主要解釋變量和控制變量數(shù)據(jù)缺失的樣本。同時(shí)， 本文對(duì)所有連續(xù)型變量進(jìn)行了上下1%的縮尾處理以消除極端值的影響， 最終得到了46846個(gè)分析師—公司—年度數(shù)據(jù)。

（二） 模型構(gòu)建

為了檢驗(yàn)ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響， 本文構(gòu)建以下模型：

Herdi，j，t=α0+α1ESGdisj，t-1+α2∑Controlj，t+

∑Industry+∑Year+εi，j，t （1）

其中， Herd為分析師盈余預(yù)測(cè)羊群行為， ESGdis為ESG評(píng)級(jí)分歧， Control為控制變量， Industry和Year分別表示行業(yè)、 年份固定效應(yīng)， ε為隨機(jī)擾動(dòng)項(xiàng)。

（三） 變量設(shè)定

1. 被解釋變量： 分析師盈余預(yù)測(cè)羊群行為。本文參考Hong等（2000）的做法對(duì)分析師盈余預(yù)測(cè)羊群行為（Herd）進(jìn)行度量， 具體公式如下：

[Herdi，j，t=-AbsFEPSi，j，t-Fi，j，tAbsFi，j，t]" "（2）

其中， FEPSi，j，t為分析師i在t年對(duì)j股票每股收益（EPS）的預(yù)測(cè)值， Fi，j，t為除分析師i以外的所有分析師在t年對(duì)j股票每股收益預(yù)測(cè)值的均值。Herd的值越大， 表明羊群行為越明顯。

2. 解釋變量： ESG評(píng)級(jí)分歧。參考Avramov等（2022）的做法， 采用4家評(píng)級(jí)機(jī)構(gòu)ESG評(píng)級(jí)的標(biāo)準(zhǔn)差來(lái)衡量ESG評(píng)級(jí)分歧。首先， 對(duì)初始數(shù)據(jù)進(jìn)行處理。對(duì)商道融綠的評(píng)級(jí)結(jié)果進(jìn)行賦值， 使其轉(zhuǎn)化為評(píng)分形式， 將彭博及和訊網(wǎng)的評(píng)分?jǐn)?shù)據(jù)除以10， 使華證等4家評(píng)級(jí)機(jī)構(gòu)對(duì)上市公司的ESG評(píng)級(jí)或評(píng)分結(jié)果統(tǒng)一為0 ～ 10的評(píng)分形式， 便于各評(píng)級(jí)結(jié)果之間的比較。其次， 分年度將每一年各評(píng)級(jí)機(jī)構(gòu)對(duì)企業(yè)的評(píng)分進(jìn)行排序。評(píng)分相同的企業(yè)排名相同， 并采用極差標(biāo)準(zhǔn)化法對(duì)各評(píng)級(jí)機(jī)構(gòu)所評(píng)價(jià)企業(yè)的排名進(jìn)行標(biāo)準(zhǔn)化處理。最后， 將每?jī)蓚€(gè)評(píng)級(jí)機(jī)構(gòu)作為一組， 共形成六組， 計(jì)算每組的標(biāo)準(zhǔn)差， 取六組標(biāo)準(zhǔn)差的均值作為該企業(yè)該年度的ESG評(píng)級(jí)分歧。

3. 控制變量。本文參考Clement和Tse（2005）、 Hong等（2000）的研究， 加入以下分析師層面以及公司層面的控制變量： 預(yù)測(cè)公司數(shù)量、 預(yù)測(cè)行業(yè)數(shù)量、 一般工作經(jīng)驗(yàn)、 特定工作經(jīng)驗(yàn)、 券商規(guī)模、 上次預(yù)測(cè)的相對(duì)準(zhǔn)確性、 預(yù)測(cè)頻率、 日期間隔、 分析師關(guān)注度、 公司規(guī)模、 成長(zhǎng)能力、資產(chǎn)負(fù)債率、 賬面市值比、 凈資產(chǎn)收益率、 股權(quán)性質(zhì)。具體變量定義如表1所示。

五、 實(shí)證結(jié)果與分析

（一） 描述性統(tǒng)計(jì)

表2為主要變量的描述性統(tǒng)計(jì)結(jié)果。ESGdis的最大值為0.495， 最小值為0.006， 均值為0.196， 說(shuō)明ESG評(píng)級(jí)分歧普遍存在， 且不同企業(yè)之間的ESG評(píng)級(jí)分歧存在著較大差異。Herd的均值為-0.170， 最大值為-0.001， 最小值為-1.632， 說(shuō)明分析師盈余預(yù)測(cè)表現(xiàn)出較高的趨同性， 羊群行為普遍存在， 且分析師盈余預(yù)測(cè)羊群行為在不同企業(yè)和分析師之間表現(xiàn)出較大的不同。其他變量的統(tǒng)計(jì)結(jié)果與已有研究相近， 不再贅述。

（二） 基準(zhǔn)回歸

表3報(bào)告了基于模型（1）的基準(zhǔn)回歸結(jié)果。第（1）列為僅控制行業(yè)和年份固定效應(yīng)， 未對(duì)其他變量進(jìn)行控制的回歸結(jié)果。具體來(lái)說(shuō)， ESG評(píng)級(jí)分歧（ESGdis）與分析師盈余預(yù)測(cè)羊群行為（Herd）的相關(guān)系數(shù)為-0.0334， 在1%的水平上顯著。第（2）列展示了在控制行業(yè)和年份固定效應(yīng)的基礎(chǔ)上加入控制變量的回歸結(jié)果， ESG評(píng)級(jí)分歧（ESGdis）的系數(shù)仍在1%的水平上顯著為負(fù)。上述結(jié)果表明， ESG評(píng)級(jí)分歧減少了分析師盈余預(yù)測(cè)羊群行為， H1b得到了驗(yàn)證。其原因可能是， ESG評(píng)級(jí)分歧提供了增量信息， 當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 不同分析師在進(jìn)行盈余預(yù)測(cè)過(guò)程中可能參考不同的評(píng)級(jí)結(jié)果， 減少了因信息相似而引發(fā)的羊群行為。

（三） 穩(wěn)健性檢驗(yàn)

1. 控制反向因果。由于分析師盈余預(yù)測(cè)報(bào)告在一定程度上反映了企業(yè)的基本情況和信息， ESG評(píng)級(jí)機(jī)構(gòu)在評(píng)級(jí)過(guò)程中可能會(huì)將其作為參考， 進(jìn)而對(duì)其評(píng)級(jí)結(jié)果產(chǎn)生影響。因此， 分析師盈余預(yù)測(cè)可能會(huì)反向影響ESG評(píng)級(jí)分歧?；诖?， 本文引入當(dāng)年對(duì)企業(yè)進(jìn)行ESG評(píng)級(jí)的評(píng)級(jí)機(jī)構(gòu)個(gè)數(shù)作為工具變量， 并利用2SLS進(jìn)行內(nèi)生性檢驗(yàn)。由于不同評(píng)級(jí)機(jī)構(gòu)在度量方式和權(quán)重選擇等方面的差異導(dǎo)致了ESG評(píng)級(jí)差異（Dimson，2020；Berg等，2022）， 對(duì)企業(yè)做出評(píng)級(jí)的評(píng)級(jí)機(jī)構(gòu)數(shù)量越多越容易引起ESG評(píng)級(jí)差異， 但尚未有研究表明對(duì)企業(yè)進(jìn)行ESG評(píng)級(jí)的評(píng)級(jí)機(jī)構(gòu)數(shù)量會(huì)對(duì)分析師盈余預(yù)測(cè)羊群行為產(chǎn)生影響。表4第（1）列展示了以當(dāng)年對(duì)企業(yè)進(jìn)行ESG評(píng)級(jí)的評(píng)級(jí)機(jī)構(gòu)個(gè)數(shù)作為工具變量的回歸結(jié)果，可以看到ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)羊群行為仍在1%的水平上顯著負(fù)相關(guān)， 說(shuō)明在控制了反向因果后， 本文的研究假設(shè)依然得到了驗(yàn)證。

2. 控制樣本自選擇偏差。本文僅保留了有兩家及以上評(píng)級(jí)機(jī)構(gòu)對(duì)企業(yè)進(jìn)行評(píng)級(jí)的樣本， 未將由不足兩家評(píng)級(jí)機(jī)構(gòu)進(jìn)行評(píng)級(jí)的上市公司納入考慮， 而ESG評(píng)級(jí)機(jī)構(gòu)是否會(huì)對(duì)企業(yè)進(jìn)行評(píng)估并發(fā)布評(píng)級(jí)結(jié)果會(huì)受到企業(yè)自身特征的影響， 因此可能存在樣本自選擇偏差。為了緩解模型中可能存在的樣本自選擇偏差問(wèn)題， 本文采用Heckman兩階段模型進(jìn)行回歸。第一階段， 將沒(méi)有ESG評(píng)級(jí)以及僅有一家評(píng)級(jí)機(jī)構(gòu)進(jìn)行評(píng)級(jí)的企業(yè)都加入總樣本， 將企業(yè)是否存在ESG評(píng)級(jí)分歧作為被解釋變量， 同時(shí)參考已有研究選擇企業(yè)規(guī)模、 資產(chǎn)負(fù)債率、 成長(zhǎng)能力、 是否兩職合一、 董事會(huì)規(guī)模、 前十大股東持股比例、 企業(yè)年齡、 是否由“四大”審計(jì)、 產(chǎn)權(quán)性質(zhì)、 賬面市值比、 股權(quán)制衡度、 獨(dú)立董事比例以及管理層持股比例作為影響評(píng)級(jí)機(jī)構(gòu)是否對(duì)企業(yè)進(jìn)行評(píng)級(jí)的變量， 對(duì)企業(yè)是否存在ESG評(píng)級(jí)分歧進(jìn)行回歸， 并計(jì)算出逆米爾斯比率（IMR）。第二階段， 將第一階段計(jì)算出的IMR加入模型（1）進(jìn)行回歸。表4第（2）列展示了最終的回歸結(jié)果， ESGdis的系數(shù)為-0.0969， 且在1%的水平上顯著， 說(shuō)明本文的研究結(jié)論在控制樣本自選擇偏差后依然成立。

3. 改變被解釋變量的度量方式。為了避免關(guān)鍵變量度量誤差對(duì)研究結(jié)論造成的干擾， 本文借鑒Mensah和Yang（2008）、 Xu等（2017）的做法， 構(gòu)建分析師盈余預(yù)測(cè)羊群行為指數(shù)DHI（Degree of Herding Index）對(duì)分析師盈余預(yù)測(cè)羊群行為重新進(jìn)行度量。采用這一方法的前提條件是假定分析師盈余預(yù)測(cè)結(jié)果基本符合正態(tài)分布， 而DHI的度量方法則為其預(yù)測(cè)落在95%置信區(qū)間的比例。具體計(jì)算方法如下：

[DHI=L95%lt;Number of" Forecastslt;U95%Number of" Forecasts]" （3）

其中：" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "， 為分析師盈余預(yù)測(cè)95%置信區(qū)間的下限；

U95%=F+1.98" " " " " " " " " " " " " " " " " " " " " "， 為分析師盈余預(yù)測(cè)95%置信區(qū)間的上限；

F、 SD和Number of Forecasts分別為分析師盈余預(yù)測(cè)的均值、 標(biāo)準(zhǔn)差以及數(shù)量。

DHI為分析師發(fā)布預(yù)測(cè)中羊群預(yù)測(cè)的比例， DHI越大， 表示分析師盈余預(yù)測(cè)羊群行為越明顯。表4第（3）列報(bào)告了替換分析師盈余預(yù)測(cè)羊群行為度量方式后的回歸結(jié)果， ESGdis的系數(shù)仍顯著為負(fù)， 表明在減少分析師盈余預(yù)測(cè)羊群行為度量誤差的干擾后， 研究結(jié)論仍然穩(wěn)健。

4. 改變解釋變量的度量方式。由于ESG評(píng)級(jí)分歧存在不同的衡量方式， 為了減少關(guān)鍵變量度量誤差對(duì)研究結(jié)論可能造成的影響， 本文參考周澤將等（2023）的做法， 采用4個(gè)評(píng)級(jí)機(jī)構(gòu)標(biāo)準(zhǔn)化排名的標(biāo)準(zhǔn)差對(duì)該年度該企業(yè)ESG評(píng)級(jí)分歧重新進(jìn)行度量。如表4第（4）列所示， 在替換了ESG評(píng)級(jí)分歧的度量方式后ESGdis1的系數(shù)顯著為負(fù)， 證明本文的研究結(jié)論穩(wěn)健。

5. 縮短樣本期間。雖然2019年之前的華證評(píng)級(jí)數(shù)據(jù)為評(píng)級(jí)機(jī)構(gòu)回溯所得， 但考慮到數(shù)據(jù)的完整性， 本文借鑒劉向強(qiáng)等（2023）、 周澤將等（2023）的研究， 在基準(zhǔn)回歸中使用了更多期間樣本。為了保證結(jié)果的可靠性， 本文將樣本期間縮短至2019 ～ 2022年并重新進(jìn)行回歸。回歸結(jié)果如表4第（5）列所示， 可見(jiàn)本文研究結(jié)論依然成立。

六、 進(jìn)一步研究

（一） 機(jī)制檢驗(yàn)

為探究ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的作用機(jī)制， 參考溫忠麟和葉寶娟（2014）的研究， 在模型（1）的基礎(chǔ)上利用以下模型進(jìn)行機(jī)制檢驗(yàn)：

Mediatorj，t=β0+β1ESGdisj，t-1+β2∑Controlj，t+

∑Industry+∑Year+εj，t （4）

Herdi，j，t=γ0+γ1ESGdisj，t-1+γ2Mediatorj，t+

γ3∑Controlj，t+∑Industry+∑Year+εi，j，t （5）

其中， Mediator為中介變量。

1. 信息機(jī)制。根據(jù)前文的分析， ESG評(píng)級(jí)存在分歧從另一方面說(shuō)明了評(píng)級(jí)機(jī)構(gòu)從多個(gè)角度評(píng)價(jià)分析了企業(yè)的ESG表現(xiàn)， 能夠更為全面和多角度地揭示企業(yè)的真實(shí)面貌， 為分析師提供更多的異質(zhì)性信息， 減少分析師對(duì)私有信息的依賴。這將減少分析師在信息不對(duì)稱情況下根據(jù)他人的預(yù)測(cè)來(lái)推測(cè)他人的私有信息并跟隨其他分析師預(yù)測(cè)的行為（Bikhchandani等，1992）。因此， 分析師私有信息獲取量可能在ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)羊群行為之間起到中介作用?；诖?， 本文參考Barron等（1998）的做法， 采用公式（6）衡量分析師私有信息獲取量（Private）， 并將其作為中介變量進(jìn)行回歸。

[Private=SE-DN1-1ND+SE2] （6）

其中， SE是“實(shí)際每股收益-分析師預(yù)測(cè)值均值”平方的期望值， D為分析師預(yù)測(cè)值方差的期望值， N為企業(yè)的分析師跟蹤數(shù)量。表5第（1）列展示了ESG評(píng)級(jí)分歧對(duì)分析師私有信息獲取量的影響， ESGdis的系數(shù)在1%的水平上顯著為負(fù)， 表明ESG評(píng)級(jí)分歧減少了分析師獲取的私有信息。表5第（2）列展示了將分析師私有信息獲取量作為中介變量， 利用模型（5）進(jìn)行回歸的結(jié)果。具體來(lái)說(shuō)， Private的系數(shù)在1%的水平上顯著為正， ESGdis的系數(shù)在1%的水平上顯著為負(fù)， 表明ESG評(píng)級(jí)分歧可通過(guò)減少分析師對(duì)私有信息的依賴來(lái)抑制分析師盈余預(yù)測(cè)羊群行為。

2. 激勵(lì)機(jī)制。媒體作為企業(yè)與資本市場(chǎng)之間重要的信息中介， 為了吸引流量和擴(kuò)大影響力， 會(huì)傾向于關(guān)注投資者關(guān)注度更高的企業(yè)， 并報(bào)道有爭(zhēng)議的話題（Djonkov等，2003）。ESG評(píng)級(jí)分歧較大時(shí)意味著企業(yè)的ESG表現(xiàn)存在爭(zhēng)議， 會(huì)吸引更多媒體的關(guān)注。被媒體報(bào)道將有利于分析師的職業(yè)發(fā)展和聲譽(yù)提升（Rees等，2015）， 使分析師獲得更多收益。而媒體關(guān)注度的提升將會(huì)激勵(lì)分析師發(fā)布突破共識(shí)的預(yù)測(cè)以脫穎而出（Frijns和Huynh，2018）。因此， 媒體關(guān)注在ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)羊群行為之間可能起到中介作用?；诖?， 本文參考肖作平和周婧霏（2021）的做法， 采用網(wǎng)絡(luò)媒體報(bào)道總數(shù)加1后取自然對(duì)數(shù)衡量媒體關(guān)注度（Media）， 并將其作為中介變量進(jìn)行回歸。表5第（3）列展示了ESG評(píng)級(jí)分歧對(duì)媒體關(guān)注度的影響， ESGdis的系數(shù)在1%的水平上顯著為正， 表明ESG評(píng)級(jí)分歧越大， 越能吸引媒體關(guān)注。第（4）列的回歸結(jié)果顯示， Media的系數(shù)在1%的水平上顯著為負(fù)， ESGdis的系數(shù)在1%的水平上顯著為負(fù)?？梢?jiàn)， 媒體關(guān)注在ESG評(píng)級(jí)分歧和分析師盈余預(yù)測(cè)羊群行為的關(guān)系中起到部分中介作用。

（二） 異質(zhì)性分析

1. 經(jīng)濟(jì)政策不確定性。作為外部環(huán)境的重要組成部分， 經(jīng)濟(jì)政策不確定性會(huì)影響分析師的行為（Chen等，2021）。經(jīng)濟(jì)政策不確定性使得信息變得不再明朗和清晰， 從而使分析師難以對(duì)信息做出合理的判斷， 傾向于持保守態(tài)度（Hugon，2016）。經(jīng)濟(jì)政策不確定性較高時(shí)， 預(yù)測(cè)環(huán)境具有較大的挑戰(zhàn)性， 企業(yè)經(jīng)營(yíng)活動(dòng)的波動(dòng)性較強(qiáng)， 企業(yè)與分析師之間的信息不對(duì)稱程度也隨之提升（Chen等，2021）。此時(shí)， ESG評(píng)級(jí)分歧所提供的異質(zhì)性信息能更好地補(bǔ)充分析師所獲取的信息， 更大程度地緩解信息不對(duì)稱， 進(jìn)而更好地發(fā)揮其對(duì)分析師盈余預(yù)測(cè)羊群行為的抑制作用。因此， 經(jīng)濟(jì)政策不確定性可能正向調(diào)節(jié)ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)羊群行為之間的關(guān)系。

為了探究經(jīng)濟(jì)政策不確定性對(duì)二者關(guān)系的影響， 本文在模型（1）的基礎(chǔ)上加入ESG評(píng)級(jí)分歧（ESGdis）與經(jīng)濟(jì)政策不確定性（EPU）的交乘項(xiàng)（ESGdis×EPU）進(jìn)行檢驗(yàn)。借鑒李增福等（2022）的做法， 本文將Baker等（2016）構(gòu)建的月度中國(guó)經(jīng)濟(jì)政策不確定指數(shù)作為基礎(chǔ)數(shù)據(jù)， 對(duì)其進(jìn)行加權(quán)平均轉(zhuǎn)換為年度數(shù)據(jù)并除以100， 采用最終所得數(shù)值作為經(jīng)濟(jì)政策不確定性的度量指標(biāo)。回歸結(jié)果如表6第（1）列所示， ESGdis×EPU 的系數(shù)在1%的水平上顯著為負(fù)， 即經(jīng)濟(jì)政策不確定性較高時(shí)， ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的作用效果更顯著。

2. 投資者情緒。當(dāng)ESG評(píng)級(jí)存在分歧時(shí)， 投資者將難以解讀企業(yè)的ESG表現(xiàn)， 面臨決策困難（Krueger和Stammler-Gossmann，2019）。但當(dāng)投資者情緒高漲時(shí)， 投資者傾向于更加踴躍地投入資本市場(chǎng)， 進(jìn)一步增加對(duì)分析師盈余預(yù)測(cè)信息的需求以便解讀ESG信息和做出更有利的投資決策。隨著投資者需求的增加， 分析師受到的關(guān)注和做出準(zhǔn)確預(yù)測(cè)所獲得的收益也隨之增加， 這會(huì)有效地激勵(lì)分析師發(fā)布樂(lè)觀大膽的預(yù)測(cè)， 以脫穎而出、 贏得更好的聲譽(yù)和更多的薪酬。因此在投資者情緒較高漲時(shí)， ESG評(píng)級(jí)分歧可更好地發(fā)揮其對(duì)分析師盈余預(yù)測(cè)羊群行為的抑制效應(yīng)。

為了檢驗(yàn)投資者情緒對(duì)ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)羊群行為之間關(guān)系的影響， 本文在模型（1）的基礎(chǔ)上加入ESG評(píng)級(jí)分歧（ESGdis）與投資者情緒（Sentiment）的交乘項(xiàng)（ESGdis×Sentiment）進(jìn)行檢驗(yàn)。參考張慶和朱迪星（2014）的做法， 以通過(guò)分離估值水平所得到的投資者情緒指標(biāo)來(lái)度量投資者情緒?；貧w結(jié)果如表6第（2）列所示， ESGdis×Sentiment的系數(shù)在1%的水平上顯著為負(fù)， 表明投資者情緒較高漲時(shí)， ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的作用效果更顯著。

七、 結(jié)論與啟示

非財(cái)務(wù)信息是資本市場(chǎng)參與者的重要信息參考， 而ESG評(píng)級(jí)作為典型的非財(cái)務(wù)信息， 其分歧的存在是非財(cái)務(wù)信息不確定性的一種體現(xiàn)。本文基于非財(cái)務(wù)信息不確定性視角， 利用2010 ～ 2022年我國(guó)滬深A(yù)股上市公司數(shù)據(jù)， 實(shí)證檢驗(yàn)了ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的影響及不同情境下ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的異質(zhì)性影響， 并進(jìn)一步探究了其作用機(jī)制。研究發(fā)現(xiàn)， ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為存在顯著的抑制作用， 上述結(jié)論在經(jīng)過(guò)一系列穩(wěn)健性檢驗(yàn)后依舊成立。機(jī)制檢驗(yàn)結(jié)果表明， ESG評(píng)級(jí)分歧通過(guò)減少分析師對(duì)私有信息的依賴和提高媒體關(guān)注度發(fā)揮其對(duì)分析師盈余預(yù)測(cè)羊群行為的抑制作用。異質(zhì)性分析發(fā)現(xiàn)， 在經(jīng)濟(jì)政策不確定性較高和投資者情緒較高漲時(shí)， ESG評(píng)級(jí)分歧對(duì)分析師盈余預(yù)測(cè)羊群行為的抑制作用更加顯著?；谏鲜鲅芯拷Y(jié)論， 本文得到如下啟示：

其一， ESG評(píng)級(jí)標(biāo)準(zhǔn)尚未統(tǒng)一， 監(jiān)管部門需建立統(tǒng)一完善的ESG評(píng)級(jí)體系， 從而減少各評(píng)級(jí)機(jī)構(gòu)因評(píng)級(jí)標(biāo)準(zhǔn)不同而產(chǎn)生的評(píng)級(jí)分歧。此外， 監(jiān)管部門需制定更加細(xì)致有效的ESG政策， 加強(qiáng)對(duì)企業(yè)ESG信息披露的監(jiān)管， 督促企業(yè)提升ESG信息披露質(zhì)量， 以更好地發(fā)揮ESG評(píng)級(jí)的引導(dǎo)作用。在制定經(jīng)濟(jì)政策時(shí)， 政府部門要將政策實(shí)施的穩(wěn)定性納入考慮， 并對(duì)政策進(jìn)行充分解讀， 進(jìn)而降低經(jīng)濟(jì)政策不穩(wěn)定可能會(huì)給資本市場(chǎng)帶來(lái)的不利影響， 為資本市場(chǎng)參與者解讀信息和市場(chǎng)的平穩(wěn)運(yùn)行提供穩(wěn)定的宏觀環(huán)境。

其二， 企業(yè)應(yīng)積極完善ESG信息披露， 提高信息透明度， 切實(shí)提升ESG表現(xiàn)， 從而為自身的可持續(xù)發(fā)展提供充足的動(dòng)力。企業(yè)應(yīng)當(dāng)加強(qiáng)與分析師之間的信息交流， 從而減少分析師盈余預(yù)測(cè)羊群行為。

其三， 分析師要提升自身的專業(yè)能力， 對(duì)信息進(jìn)行有效識(shí)別， 減少“噪聲”的干擾。此外， 在對(duì)企業(yè)盈余狀況進(jìn)行分析預(yù)測(cè)的過(guò)程中， 分析師應(yīng)當(dāng)充分考慮所能獲取的各類信息， 在重視財(cái)務(wù)信息的同時(shí)將非財(cái)務(wù)信息納入考慮。分析師應(yīng)積極拓寬信息獲取渠道， 促進(jìn)信息來(lái)源的多元化， 堅(jiān)持自身的職業(yè)操守， 發(fā)布客觀的、 高質(zhì)量的盈余預(yù)測(cè)信息。

【 主 要 參 考 文 獻(xiàn) 】

郭杰，洪潔瑛．中國(guó)證券分析師的盈余預(yù)測(cè)行為有效性研究［ J］．經(jīng)濟(jì)研究，2009（11）：55 ～ 67+81．

劉向強(qiáng)，楊晴晴，胡珺．ESG評(píng)級(jí)分歧與股價(jià)同步性［ J］．中國(guó)軟科學(xué)，2023（8）：108 ～ 120．

孫光國(guó)，曹思宇，安家鵬．企業(yè)ESG表現(xiàn)能提高分析師盈余預(yù)測(cè)質(zhì)量嗎——來(lái)自A股上市公司的經(jīng)驗(yàn)證據(jù)［ J］．財(cái)經(jīng)論叢，2023（5）：68 ～ 77．

周澤將，谷文菁，傘子瑤．ESG評(píng)級(jí)分歧與分析師盈余預(yù)測(cè)準(zhǔn)確性［ J］．中國(guó)軟科學(xué)，2023（10）：164 ～ 176．

張慶，朱迪星．投資者情緒、管理層持股與企業(yè)實(shí)際投資——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)［ J］．南開(kāi)管理評(píng)論，2014（4）：120 ～ 127+139．

朱富顯，徐曉莉，李雙圓．信息披露會(huì)加劇ESG評(píng)級(jí)分歧嗎［ J］．財(cái)會(huì)月刊，2024（8）：65 ～ 72．

Avramov D.， Cheng S.， Lioui A.， et al.. Sustainable investing with ESG rating uncertainty［ J］． Journal of Financial Economics，2022（2）：642 ～ 664．

Banerjee S.. Does competition improve analysts' forecast informativeness？［ J］．Management Science， 2021（5）：3219 ～ 3238．

Berg F.， Klbel J. F.， Rigobon R.. Aggregate confusion：The divergence of ESG ratings［ J］． Review of Finance，2022（6）：1315 ～ 1344．

Bikhchandani S.， Hirshleifer D.， Welch I.. A theory of fads， fashion， custom， and cultural change as informational cascades［ J］． Journal of Political Econo-my，1992（5）：992 ～ 1026．

Clement B. M.， Tse Y. S.. Financial analyst characteristics and herding behavior in forecasting［ J］． The Journal of Finance，2005（1）：307 ～ 341．

Frijns B.， Huynh D. T.. Herding in analysts' recommendations： The role of media［ J］． Journal of Banking and Finance，2018（91）：1 ～ 18．

Hong H.， Kubik J. D.， Solomon A.. Security analysts' career concerns and herding of earnings forecasts［ J］． The Rand Journal of Economics，2000（1）：121 ～ 144．

Marinovic I.， Ottaviani M.， Sorensen" P.. Forecasters' objectives and strategies［ J］． Handbook of Economic Forecasting，2013（2）：690 ～ 720．

Mensah M. Y.， Yang R.. An empirical evaluation of analysts' herding behavior following regulation fair disclosure［ J］． Journal of Accounting and Public Policy，2008（4）：317 ～ 338．

Ottaviani M.， S?rensen N. P.. The strategy of professional forecasting［ J］． Journal of Financial Economics，2006（2）：441 ～ 466．

Scharfstein D. S.， Stein J. C.. Herd behavior and investment［ J］． The American Economic Review，1990（3）：465 ～ 479．

Trueman B.. Analyst forecasts and herding behavior［ J］． The Review of Financial Studies，1994（1）：97 ～ 124．