胡　軍，王　甄，陶　瑩，鄒雋奇

(1.江西財經(jīng)大學(xué) 金融學(xué)院，江西 南昌 330013；

2.上海財經(jīng)大學(xué) 金融學(xué)院，上海 200433；

3.新加坡理工大學(xué) 設(shè)計教育和社會科學(xué)學(xué)院，新加坡 138683)

?

微博、信息披露與分析師盈余預(yù)測*

胡軍1，王甄2，陶瑩1，鄒雋奇3

(1.江西財經(jīng)大學(xué) 金融學(xué)院，江西 南昌 330013；

2.上海財經(jīng)大學(xué) 金融學(xué)院，上海 200433；

3.新加坡理工大學(xué) 設(shè)計教育和社會科學(xué)學(xué)院，新加坡 138683)

摘要：信息技術(shù)和社交網(wǎng)絡(luò)的發(fā)展改變了信息的數(shù)量、類型及其傳播方式。作為金融市場上最專業(yè)的信息使用者，分析師無疑會受到這一變化的影響。文章研究了上市公司開通微博對分析師盈余預(yù)測的影響，結(jié)果發(fā)現(xiàn)：(1)開通微博后，分析師盈余預(yù)測的修正頻率增加，說明分析師會使用微博信息及時更新盈余預(yù)測。(2)開通微博后，分析師的平均盈余預(yù)測偏差和盈余預(yù)測分歧度都顯著下降，說明微博信息是分析師進行預(yù)測的重要信息源，有助于其更好地了解和分析公司的經(jīng)營活動。(3)開通微博后，公司股價對分析師盈余預(yù)測修正的反應(yīng)更大。一個合理的解釋是，投資者對微博發(fā)布的信息反應(yīng)不足，而分析師能夠幫助理解這些信息。文章的研究結(jié)論對于監(jiān)管部門制定基于微博的社交網(wǎng)絡(luò)信息披露標(biāo)準(zhǔn)，以及分析師如何在資本市場信息定價效率方面最大程度地發(fā)揮作用具有參考意義。

關(guān)鍵詞：微博；非財務(wù)信息；分析師；盈余預(yù)測

一、引言

信息的產(chǎn)生、收集、分析和整合貫穿于金融市場參與者的所有行為。金融市場定價效率本質(zhì)上就體現(xiàn)在證券價格對信息的反映上。因此，信息披露的多寡、傳播的快慢如何影響個體行為和金融市場的資源配置效率，是金融學(xué)、會計學(xué)研究的一個核心問題。

隨著信息技術(shù)的發(fā)展，社交網(wǎng)絡(luò)在公眾和公司中得到廣泛的應(yīng)用。微博作為最新的社交網(wǎng)絡(luò)平臺，越來越多地連接了上市公司、證券分析師和投資者。微博的使用顛覆性地改變了信息的數(shù)量、類型及其傳播方式(Miller和Skinner，2015；何賢杰等，2016)。任何公司在任何時間和任何地點都可以通過微博發(fā)布公司的相關(guān)信息。公司通過微博發(fā)布的信息也并不局限于財務(wù)信息，關(guān)于日常經(jīng)營管理的非財務(wù)信息也不斷增加。

何賢杰等(2016)研究發(fā)現(xiàn)，上市公司通過微博披露了大量的公司特質(zhì)性信息，其中84%是正式公告之外的信息，而日常經(jīng)營活動及策略類信息則占到所有微博信息的69%。這說明上市公司通過微博披露了大量的、新增的、非財務(wù)的公司特質(zhì)性信息。

證券分析師作為金融市場上最專業(yè)的信息使用者，是連接上市公司和投資者的信息中介。分析師通過挖掘和分析公司的相關(guān)信息(Lang和Lundholm，1996)，對公司的盈利做出預(yù)測，幫助投資者更好地理解公司。最終，通過投資者的交易行為，公司股價得以及時準(zhǔn)確地反映所有可得信息。隨著信息技術(shù)的不斷發(fā)展，越來越多的公司開始使用微博，越來越多的信息得以在市場中發(fā)布和傳播。因此，在大數(shù)據(jù)時代，分析師能否有效使用微博發(fā)布的大量信息、這些信息又能否改善分析師的盈余預(yù)測，對于理解信息技術(shù)的發(fā)展如何影響資本市場信息定價效率有著極為重要的現(xiàn)實意義。

本文研究了上市公司開通新浪官方微博對分析師盈余預(yù)測行為的影響，*與新浪微博并駕齊驅(qū)的社交網(wǎng)絡(luò)是騰訊旗下的微信，盡管兩者都是社交網(wǎng)絡(luò)的一員，但是新浪微博強調(diào)的是公開發(fā)布信息，而微信強調(diào)的是私下分享信息。正如新浪微博董事長曹國偉所說，“微博和微信是當(dāng)前移動端最熱門的兩大應(yīng)用。在我們看來，這是兩種完全不同的社交平臺。微博更像是供人們分享信息的公開網(wǎng)絡(luò)，在微博上發(fā)布的一切、所說的一切都可以被任何人看到，而微信更像是私人網(wǎng)絡(luò)，供人們在好友之間分享內(nèi)容和信息”。因此，以新浪微博作為研究對象更符合本文的研究目的。實證結(jié)果顯示：(1)對于開通微博的公司，分析師盈余預(yù)測的修正頻率增加，說明分析師會根據(jù)公司最新的相關(guān)信息及時更新盈余預(yù)測。(2)開通微博有利于提高分析師的盈余預(yù)測精度，降低分析師之間的意見分歧，說明微博披露的非財務(wù)信息是分析師預(yù)測的重要信息源。(3)開通微博后，公司股價對分析師盈余預(yù)測修正的反應(yīng)更大，一個合理的解釋是，投資者對微博發(fā)布的非財務(wù)信息反應(yīng)不足，而分析師能夠幫助理解這些信息。

本文的可能貢獻在于：(1)首次研究了公司社交網(wǎng)絡(luò)信息披露對分析師盈余預(yù)測行為及資本市場定價的影響，打開了分析師盈余預(yù)測過程這一“黑匣子”，發(fā)現(xiàn)分析師在幫助市場理解微博信息時發(fā)揮了重要的作用。(2)在大數(shù)據(jù)時代，爆炸式增長的信息如何影響金融市場的參與者，本文在這方面進行了基礎(chǔ)性的研究，為以后更為深入和細(xì)化地研究其他各方面提供了啟示。(3)本文的研究結(jié)論擴展了關(guān)于信息披露的現(xiàn)有研究，強調(diào)了微博披露的、一般化的非財務(wù)信息對理解公司經(jīng)營行為的重要作用。(4)對于理論上如何刻畫投資者對非財務(wù)信息的處理能力，本文的結(jié)論亦提供了一定的啟示。

二、文獻回顧和研究假設(shè)

(一)微博、分析師盈余預(yù)測精度與修正頻率

大量研究表明，分析師盈余預(yù)測的準(zhǔn)確度顯著優(yōu)于直接用時間序列模型得出的預(yù)測，一個廣泛使用的解釋是，時間序列模型只考慮了過去的、已知的相關(guān)盈余信息，而分析師預(yù)測時使用的信息不僅僅限于盈余信息，而且會隨時對市場上出現(xiàn)的新信息做出及時反應(yīng)，即分析師的預(yù)測會比時間序列模型融入更多的信息(Fried和Givoly，1982；Brown等，1987；方軍雄，2007)。

Rogers和Grant(1997)通過研究187份賣方分析師研究報告，發(fā)現(xiàn)在分析師的研究報告中只有一半左右的信息能在年報中找到，說明分析師還收集和運用了其他來源的信息進行預(yù)測，而且這一半的信息似乎更多地來自描述性的部分而非基本的財務(wù)報告。因此，僅僅研究定量的信息可能無法完全捕捉分析師預(yù)測的復(fù)雜本質(zhì)(Rogers和Grant，1997；Ramnath等，2008)。這也說明分析師在進行預(yù)測時會廣泛收集可以獲得的信息以最優(yōu)化自身的盈余預(yù)測。

此外，大量研究表明，分析師的預(yù)測行為會受到來源于不同渠道信息的影響。這些渠道包括電話會議(Bowen等，2002)、季報和年報中管理層討論和分析(Barron等，1999)、審計質(zhì)量(Behn等，2008)以及社會責(zé)任報告披露(Dhaliwal等，2012)等。Dhaliwal等(2012)研究了公司社會責(zé)任報告的披露對分析師盈余預(yù)測精度的影響。他們認(rèn)為公司披露的“社會責(zé)任報告”包含了公司的“非財務(wù)信息”，這些信息會被分析師所使用，進而影響分析師的盈余預(yù)測精度。李馨子和肖土盛(2015)發(fā)現(xiàn)，管理層自愿披露的業(yè)績預(yù)告有利于提高分析師的盈余預(yù)測能力。以上結(jié)論說明，分析師在做出相應(yīng)的盈余預(yù)測前會努力整合自己能夠獲得的相關(guān)信息以便提高預(yù)測的精準(zhǔn)度。

微博是最新的社交平臺，公司可以通過官方微博將自己最新的動態(tài)和消息直接推送給關(guān)注自己的用戶，用戶無需自己去搜尋和查閱相關(guān)信息。而關(guān)注公司微博的用戶往往是與公司有一定利益關(guān)系的經(jīng)濟參與者，如股票投資者、員工、供應(yīng)商等。因此，微博把公司最及時的動態(tài)和消息直接推送給了最需要這些信息的人群，使得公司的信息可以更多、更快、更準(zhǔn)確地傳遞到市場參與者手中，微博及時、快捷、便利的特性大大降低了信息使用者的信息搜尋成本。

基于以上分析，我們認(rèn)為分析師會充分利用微博披露的最新信息及時修正和更新自身的盈余預(yù)測。而在其他條件相同時，由于這些公司披露的信息更多、信息流動更快、更容易獲取，分析師的盈余預(yù)測精度也會更高。因此，本文提出以下兩個待檢驗的假設(shè)：

假設(shè)1：其他條件相同時，公司開通微博后，分析師的盈余預(yù)測修正頻率更高。

假設(shè)2：其他條件相同時，公司開通微博后，分析師的盈余預(yù)測精度更高。

(二)微博信息披露與分析師之間的預(yù)測分歧

從以上分析可以推斷，當(dāng)分析師都能充分利用公司通過微博發(fā)布的信息時，對單個分析師來說，我們預(yù)期其發(fā)布的盈余預(yù)測會更加準(zhǔn)確，更加接近實際值。當(dāng)所有分析師都如此時，這些分析師的預(yù)測差異會下降，即對于開通微博的公司，不同分析師之間的預(yù)測分歧程度下降。此外，預(yù)測所依據(jù)的信息集的趨同也會導(dǎo)致不同分析師之間的預(yù)測差異下降。Lys和Sohn(1990)認(rèn)為，不同分析師獲取的私有信息可以看成是相互獨立的。而公司對外發(fā)布的公共信息和分析師自身獲取的私有信息就構(gòu)成了分析師預(yù)測所使用的信息集(朱紅軍等，2008)。對于不同的分析師，相同的公共信息使他們的預(yù)測趨同，而獨立的私有信息使他們的預(yù)測產(chǎn)生差異。因此，公司公共信息越多，分析師之間的預(yù)測所依據(jù)信息的重合程度越高，分析師的預(yù)測差異越低?；谝陨戏治?，本文提出以下待檢驗的假設(shè)：

假設(shè)3：其他條件相同時，公司開通微博后，不同分析師間的盈余預(yù)測分歧程度降低。

(三)投資者對微博信息的理解程度與分析師盈余預(yù)測修正對股價的影響

Lang和Lundholm(1996)認(rèn)為，分析師在提高資本市場信息定價效率方面的作用主要表現(xiàn)為兩類：信息挖掘和信息解讀。Lang和Lundholm(1996)進一步認(rèn)為，公司的信息如果是選擇性披露給某些人將會提高分析師的作用，但當(dāng)信息是向整個市場發(fā)布時，分析師的作用就會下降。

然而，Lang和Lundholm(1996)的結(jié)論有賴于一個重要的假設(shè)，即市場是足夠有效的，實際情況可能并非如此，因為投資者對信息的選擇和理解可能存在偏差。對于通過微博披露的信息，情況就可能與Lang和Lundholm(1996)的假設(shè)不同，因為企業(yè)通過微博發(fā)布的信息與經(jīng)常使用的公司財務(wù)信息有很大的差別。企業(yè)通過年報、季報等形式發(fā)布的財務(wù)信息往往基于一定的會計信息準(zhǔn)則，普通投資者可以在不同公司、同一公司不同年份之間對這些信息進行比較。相對于定量化的財務(wù)信息，微博發(fā)布的信息則更多的是“定性”的描述，當(dāng)識別和判斷這些信息存在困難時，投資者可能就無法使用這些信息，從而也無法基于這些信息進行證券交易(Hirshleifer和Teoh，2003)。

Kahneman和Tversky(1972)以及Tversky和Kahneman(1973，1974)對人類心理學(xué)的研究認(rèn)為，人們在決策時往往要面對海量信息，由于無法完全掌握自身所處經(jīng)濟環(huán)境的全部信息，個體決策行為可能存在可得性偏差，即當(dāng)需要進行抉擇時，人們往往會依賴快速得到的信息，或是最先想到的信息，而不是致力于挖掘更多的信息。這種行為傾向?qū)е氯藗儗τ谧约翰涣私饣蚴遣磺宄氖挛?，更傾向于選擇漠視和低估該信息的作用。顯然，由于微博發(fā)布的“非財務(wù)信息”缺乏統(tǒng)一的分析前提和分析邏輯，投資者更有可能選擇漠視和低估這些信息的作用。因此，盡管公司通過微博披露的信息是面向整個市場的，但當(dāng)普通投資者無法準(zhǔn)確和有效地利用微博發(fā)布的非財務(wù)信息時，分析師在“整合”這些非財務(wù)信息時可能會發(fā)揮更大的作用。例如，徐欣和唐清泉(2010)就發(fā)現(xiàn)分析師對于信息不對稱程度較高的R&D活動具有很強的解讀能力。

Lys和Sohn(1990)以及朱紅軍等(2008)認(rèn)為，分析師進行盈余預(yù)測修正都是基于一定的新信息，這些信息包括兩類：從上一次預(yù)測至本次預(yù)測市場上新增的信息(已有公共信息)以及分析師在這一段時間獲得的私有信息(新增信息)。由于“已有信息”已經(jīng)反映在過去的股價中，分析師盈余預(yù)測修正對公司股價的影響主要源于分析師的私有信息。而如果投資者無法及時理解某些公共信息，如微博發(fā)布的信息，這些信息也就無法及時進入股價。當(dāng)這些信息被分析師加以收集、整理和整合，并以更為標(biāo)準(zhǔn)化的研究報告的形式向市場發(fā)布時，這些信息實際上可以看成是分析師帶來的新增信息。

基于以上分析，我們認(rèn)為在控制了分析師盈余預(yù)測修正幅度和其他影響因素后，盈余預(yù)測修正對股價有更大的影響。因此，本文提出以下待檢驗的假設(shè)：

假設(shè)4：其他條件相同時，公司開通微博后，相同幅度的盈余預(yù)測修正對股價的影響更大。

三、樣本選擇和研究方法

(一)樣本選擇

2009年8月14日，新浪微博開始內(nèi)測，中國人迎來了自己的Twitter。此后，新浪微博的用戶呈幾何形式增長，截至2013年12月底，新浪微博擁有1.291億月活躍用戶，平均每天活躍用戶達到6 140萬。*數(shù)據(jù)來源：http://www.sec.gov/Archives/edgar/data/1595761/000119312514100237/d652805df1.htm。微博的發(fā)布采用的是一種“推送”(Push)技術(shù)(Blankespoor等，2014)，公司通過官方微博可以將自己最新的動態(tài)和消息直接推送給關(guān)注自己的用戶。

本文按以下標(biāo)準(zhǔn)判斷一個公司是否開通官方微博：(1)選擇新浪微博進行研究。新浪微博的用戶量幾乎是其他社交平臺和微博平臺無法企及的。截至2013年3月底，新浪微博注冊用戶數(shù)增長到5.36億，*數(shù)據(jù)來源：http://edge.media-server.com/m/p/d9gt62ht/lan/en。并于2014年4月17日在美國納斯達克上市。(2)開通的微博必須是加藍(lán)V認(rèn)證的總公司微博。(3)所有與銷售有關(guān)的微博都不作為官方微博。(4)官方微博開通時間超過3個月，且月發(fā)布量不低于15條。經(jīng)過以上篩選并剔除金融行業(yè)公司，共有299家上市公司開通微博，占上市公司總數(shù)的12.3%左右(截至2013年第四季度)。各行業(yè)和各時段微博的開通情況見表1。分析師盈余預(yù)測數(shù)據(jù)、公司財務(wù)數(shù)據(jù)和公司特征數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。*為了保證回歸結(jié)果不受異常值、通貨膨脹等影響，本文對所用數(shù)據(jù)進行了以下處理：(1)所有名義指標(biāo)用CPI調(diào)整至2013年末的價格水平；(2)剔除所有者權(quán)益小于0的觀測值；(3)剔除預(yù)測期間交易狀態(tài)異常公司的觀測值；(4)對相關(guān)財務(wù)數(shù)據(jù)及比例進行縮尾(winsorize)處理(首尾1%)。

第二次熔頂后，對六缸燃油噴嘴進行了檢測，經(jīng)檢測熔頂?shù)牡谖甯讎娪妥靽娪土渴橇字凶钌俚模捎诘谖甯赘鼡Q了新的缸套，其閉口間隙值為0.38，小于通過（1）式計算所得的最小允許值0.40。在其它缸噴油量大于第五缸的情況下，其它缸并沒有產(chǎn)生拉缸，而且完好無損，主要是由于第五缸第一道氣環(huán)閉口間隙值偏小，在爬長坡的大功率工況下，氣環(huán)與缸套的溫差在加大，使閉口間隙值減小，最終被抵住而變形造成拉缸、熔頂。

表1　各行業(yè)、各時段公司開通官方微博情況

(二)實證方法

為了驗證分析師的盈余預(yù)測行為如何受到微博信息披露的影響，本文設(shè)計了以下回歸方程：

DEPit=γ0+γ1MICROBLOGit+γCONTROLS

+YearDummies+IndustryDummies+ξit

(1)

其中，MICROBLOG衡量的是公司是否開通微博，開通后取1，否則取0。CONTROLS是一系列控制變量，財務(wù)數(shù)據(jù)取滯后一期(下同)。重要變量定義見表2。*受篇幅限制，部分常用控制變量的定義未報告，簡單定義可以參見下文控制變量解釋，如需要詳細(xì)定義可以聯(lián)系作者。DEP根據(jù)研究假設(shè)的不同而不同，包括：(1)分析師的盈余預(yù)測偏差。本文使用一年內(nèi)所有分析師最后一次盈余預(yù)測的均值與實際值之間差額的絕對值來衡量(AFE，AbsoluteForecastError)。根據(jù)標(biāo)準(zhǔn)化的變量不同，分別用AFEPRC(AFE/年初股價)和AFEEPS(AFE/|實際EPS|)作為被解釋變量進行回歸。(2)分析師的盈余預(yù)測分歧程度。本文使用同一公司一年內(nèi)所有分析師最后一次盈余預(yù)測的標(biāo)準(zhǔn)差除以預(yù)測均值的絕對值來衡量，即分析師盈余預(yù)測的變異系數(shù)(DISPEPS)，本文也用年初股價進行標(biāo)準(zhǔn)化(DISPPRC)。(3)分析師的盈余預(yù)測修正頻率(REVISION)。本文使用同一公司一年內(nèi)所有分析師盈余預(yù)測修正次數(shù)的均值來衡量。此外，本文還就股本的變動對EPS的影響進行了調(diào)整，以保證分析師預(yù)測值與實際值存在可比性。

參考相關(guān)研究，如Behn等(2008)、岳衡和林小馳(2008)、Dichev和Tang(2009)、Dhaliwal等(2012)等，以上回歸方程中控制變量包括公司規(guī)模(SIZE)、MTB、杠桿水平(LEVERAGE)、預(yù)測日與實際盈余發(fā)布日的時間間隔(HORIZON，取對數(shù))、分析師數(shù)量(COVERAGE，取對數(shù))、EPS的波動性(STDEPS)、是否虧損(LOSE)、特質(zhì)波動性(IVOL)、EPS的變動水平(EPSCHG)、是否四大審計(BIG4)。樣本最終包括1 596家公司、3 479個公司—年份數(shù)據(jù)。

表2　重要變量定義

為了驗證開通微博后，分析師盈余預(yù)測修正對股價的影響，本文設(shè)計了以下回歸方程：

CARijt=κ0+κ1MICROBLOGijt+κ2MICROBLOGijt×DELTAijt+κ3DELTAijt

+κCONTROLS+YearDummies+IndustryDummies+ζijt

(2)

DELTA表示一年內(nèi)針對第i個公司第j個分析師第t次盈余預(yù)測修正的幅度，等于(第t次預(yù)測的EPS-第t-1次預(yù)測的EPS)/年初股價。參考Gleason和Lee(2003)以及朱紅軍等(2008)的研究，以上回歸方程中控制變量包括公司規(guī)模(SIZE)、MTB、預(yù)測修正日與實際盈余發(fā)布日的時間間隔(HORIZON)。樣本最終程包括40 027次分析師盈余預(yù)測修正，其中前后兩次預(yù)測的EPS發(fā)生變動的為20 927次。

四、實證結(jié)果分析

(一)描述性統(tǒng)計

表3報告了重要變量的描述性統(tǒng)計結(jié)果。*受篇幅限制，本文未報告其他控制變量的描述性統(tǒng)計結(jié)果，但這些結(jié)果與現(xiàn)有研究中國數(shù)據(jù)的文章結(jié)果是類似的，如需要可以聯(lián)系作者。從PanelA中可以看到，對于開通微博的公司，分析師盈余預(yù)測偏差和分歧程度比未開通公司的要低，而預(yù)測修正頻率要高。開通前后分析師的相關(guān)行為沒有顯著變化，原因可能是：(1)沒有控制其他影響因素，分析師的盈余預(yù)測很大程度上還是依賴于公司的基本面特性；(2)公司真正使用最新信息技術(shù)的時點可能比開通微博更早。

從PanelB中可以看到，分析師向上(向下)的盈余預(yù)測修正帶來了正(負(fù))的超額收益率。平均來看，相同幅度的盈余預(yù)測修正在開通微博的公司中對股價的影響更為顯著。以向上修正為例，對于相同幅度的盈余預(yù)測修正，開通微博公司的超額收益率是未開通微博公司的1.5倍，是開通前的2.1倍。

表3　重要變量描述性統(tǒng)計

(二)開通微博對分析師盈余預(yù)測行為的影響

表4報告了開通微博對分析師盈余預(yù)測行為影響的回歸結(jié)果。*由于解釋變量MICROBLOG以及被解釋變量在同一公司不同年份之間可能存在很大相關(guān)性，參考Petersen(2009)的研究，本文統(tǒng)計推斷中的標(biāo)準(zhǔn)差均經(jīng)過公司層面上cluster調(diào)整。此外，受篇幅限制，這部分未報告控制變量的回歸結(jié)果。第(1)列和第(2)列是有關(guān)分析師盈余預(yù)測偏差的回歸結(jié)果，可以看到，無論是用AFEPRC還是AFEEPS度量分析師的預(yù)測偏差，開通微博后，分析師的預(yù)測偏差都顯著下降，而且均在5%的顯著性水平上異于零。從幅度來看，相對于均值而言，以AFEPRC和AFEEPS度量，開通微博能夠使分析師的盈余預(yù)測精度提高13.3%和19.6%，這一結(jié)果在經(jīng)濟學(xué)意義上也是顯著的。

第(3)列和第(4)列報告了開通微博對分析師之間預(yù)測分歧程度影響的回歸結(jié)果。開通微博后，分析師獲得的信息增多，而且微博發(fā)布的信息是針對整個市場的，因而分析師之間的共同信息比例增加，導(dǎo)致他們的預(yù)測行為趨于一致。在DISPPRC和DISPEPS的回歸方程中，MICROBLOG的系數(shù)顯著為負(fù)，而且均在10%的顯著性水平上異于零。

第(5)列報告了開通微博對分析師盈余預(yù)測修正頻率的影響。公司開通微博后為市場提供了更多的信息。如果分析師能夠積極努力收集和使用相關(guān)信息，公司開通微博會促使分析師更加頻繁地發(fā)布盈余報告。從回歸結(jié)果來看，本文的確發(fā)現(xiàn)了這一現(xiàn)象，說明對于開通微博的公司，分析師的盈余預(yù)測修正更加頻繁。

本文進一步將分析師盈余預(yù)測分成分析師高估樣本(樂觀樣本)和分析師低估樣本(悲觀樣本)，然后分析開通微博對分析師盈余預(yù)測精度的影響。*基于篇幅考慮，文中未報告回歸結(jié)果，如需要可以聯(lián)系作者。對于高估(樂觀)的分析師，微博披露的信息可以有效降低其盈余預(yù)測值(AFEPRC和AFEEPS的系數(shù)分別為-0.0013和-0.175，且均在5%的顯著性水平上異于0)，朝著更接近真實值的方向移動。而對于低估(悲觀)的分析師，微博披露的信息可以有效提高其盈余預(yù)測值(AFEPRC和AFEEPS的系數(shù)分別為-0.0011和-0.0624，前者在1%、后者在5%的顯著性水平上異于0)，也朝著更接近真實值的方向移動。以上結(jié)果說明，微博披露的信息的確是有價值的，即使微博披露的信息可能存在偏誤，無論是樂觀的分析師還是悲觀的分析師通過利用微博信息都能有效提高其盈余預(yù)測精度。

表4　開通微博對分析師預(yù)測精度、分歧程度和預(yù)測修正頻率的影響

注：括號內(nèi)為所估計系數(shù)的標(biāo)準(zhǔn)誤，標(biāo)準(zhǔn)誤經(jīng)公司層面的cluster調(diào)整。*、**和***分別表示在10%、5%和1%的顯著性水平上異于零。下表同。

(三)分析師盈余預(yù)測修正對股價的影響

本文將進一步探究普通投資者是否能夠及時地判斷和解讀公司通過微博發(fā)布的非財務(wù)信息，以便明確分析師在使用這些信息時是起到信息解讀還是事后信息重述的作用。如果投資者者無法理解這些信息，也就無法基于這些信息進行交易，那么只有當(dāng)分析師以更加標(biāo)準(zhǔn)化的研究報告的形式發(fā)布時這些信息才能夠被市場所理解，并及時反映到股價中。此時，分析師起到了信息解讀的作用。當(dāng)分析師起到信息解讀作用時，相同的盈余預(yù)測修正幅度將帶來更加顯著的價格變動。表5的實證結(jié)果支持了分析師信息解讀作用的觀點。表5前兩列是所有修正樣本的回歸結(jié)果，MICROBLOG×DELTA的系數(shù)顯著正，說明對于相同的盈余預(yù)測修正幅度，在開通微博的公司中其影響更大，而且MICROBLOG×DELTA的系數(shù)(0.418)幾乎與DELTA的系數(shù)(0.477)相當(dāng)。

由于同一分析師針對同一家公司發(fā)布的前后兩次EPS預(yù)測值很多時候并沒有發(fā)生變動，表5最后兩列報告了剔除EPS預(yù)測值沒有發(fā)生變動的樣本回歸結(jié)果。以上結(jié)果幾乎沒有發(fā)生變化。

表5　分析師盈余預(yù)測修正對股價的影響

(四)穩(wěn)健性檢驗和進一步討論

以上結(jié)果說明，公司開通微博后向市場發(fā)布了更多的特質(zhì)信息，并且這些信息能被分析師及時地使用，以增加其關(guān)于公司EPS預(yù)測的準(zhǔn)確性。然而，這些結(jié)果還可能有其他一些解釋或是由對比偏差導(dǎo)致的?；诜€(wěn)健性考慮，本文做了以下幾方面的檢驗：*基于篇幅考慮，穩(wěn)健性分析結(jié)果在文中未報告，如需要可以聯(lián)系作者，同時感謝審稿專家提供的一些穩(wěn)健性檢驗的建議。(1)控制其他信息獲取渠道。本文進一步控制了其他信息獲取渠道，主要包括公司當(dāng)年的公告數(shù)量、公司當(dāng)年被相關(guān)媒體報道的數(shù)量、公司在上交所和深交所開通的互動平臺上回復(fù)的數(shù)量，結(jié)果依然穩(wěn)健。(2)以月均發(fā)微博數(shù)量代替是否開通微博。參考何賢杰等(2016)的做法，本文用月均發(fā)微博數(shù)量代替是否開通微博重復(fù)上述回歸，估計結(jié)果類似。(3)自我選擇模型。由于是否開通微博是公司可以自主選擇的，因此可能存在自我選擇偏差。本文進一步采用自我選擇模型進行估計，結(jié)果依然穩(wěn)健。(4)PSM配對對比分析。為了降低采用回歸方法可能存在的配對偏差，本文進一步采用傾向得分匹配(PSM)的方法研究開通微博對分析師預(yù)測行為的影響，結(jié)果依然穩(wěn)健。(5)二次差分的思想。本文將2003—2007年作為一個新的樣本區(qū)間，對于分析師預(yù)測行為，在該樣本區(qū)間內(nèi)兩者并無顯著差異，說明本文的結(jié)果不是由組別固有偏差引起的。

五、結(jié)論和政策建議

信息技術(shù)的發(fā)展對信息的產(chǎn)生、傳播和接收產(chǎn)生了重要的影響，也深刻地改變了信息的數(shù)量、類型(財務(wù)和非財務(wù))及其傳播方式和途徑。其中一個重要的變化是社交網(wǎng)絡(luò)在公眾和公司中的廣泛應(yīng)用。信息的推送方式不再完全依賴于新聞媒體這一信息中介，公司可以直接將相關(guān)信息推送給相關(guān)利益者。我們發(fā)現(xiàn)在這一過程中，分析師在對這些信息的解讀和整合方面起到了積極的作用，有效提高了資本市場信息定價效率，具體表現(xiàn)為：(1)開通微博后，分析師盈余預(yù)測的修正頻率增加。這說明微博的使用使上市公司更多的信息得以更快地對外發(fā)布，有效降低了分析師搜尋和獲取信息的成本，因而分析師有更強的動力更新相關(guān)盈余預(yù)測。(2)開通微博有利于提高分析師的盈余預(yù)測精度，降低分析師之間的意見分歧，說明微博披露的非財務(wù)信息是分析師預(yù)測的重要信息源。該信息有助于分析師更好地了解和分析公司的經(jīng)營活動，增強其對公司盈余預(yù)測的能力，說明公司通過微博向市場傳遞的信息是有價值的。(3)開通微博后，公司股價對分析師盈余預(yù)測修正的反應(yīng)更大，一個合理的解釋是，投資者對微博發(fā)布的非財務(wù)信息反應(yīng)不足，而分析師能夠幫助理解這些信息。

以上結(jié)論說明，微博已經(jīng)成為上市公司披露信息的重要途徑，深刻地改變了上市公司的信息環(huán)境。盡管分析師能夠有效利用這些信息，但是普通投資者似乎無法理解這些信息。除了投資者本身的心理和行為偏差因素外，監(jiān)管當(dāng)局“重強制信息披露，輕其他信息披露”的政策在一定程度上導(dǎo)致了投資者重視強制披露的財務(wù)信息和臨時重大公告信息，而忽視了公司自愿披露的非財務(wù)信息的價值。因此，在社交網(wǎng)絡(luò)發(fā)展極大地促進了非財務(wù)信息披露和傳播的背景下，監(jiān)管部門有必要完善相關(guān)信息披露政策，引導(dǎo)市場對非財務(wù)信息的重視和理解，使股價能夠更加快速準(zhǔn)確地反映非財務(wù)信息，提高整個資本市場的信息定價效率。

*本文還得到江西財經(jīng)大學(xué)金融學(xué)院青年英才扶持計劃和上海財經(jīng)大學(xué)金融學(xué)院互聯(lián)網(wǎng)金融課題組的支持。

參考文獻：

[1]方軍雄.我國上市公司信息披露透明度與證券分析師預(yù)測[J].金融研究，2007，(6)：136-148.

[2]何賢杰，王孝鈺，趙海龍，等.上市公司網(wǎng)絡(luò)新媒體信息披露研究：基于微博的實證分析[J]. 財經(jīng)研究，2016,(3):16-27.

[3]李馨子，肖土盛.管理層業(yè)績預(yù)告有助于分析師盈余預(yù)測修正嗎?[J].南開管理評論，2015，(2)：30-38.

[4]徐欣，唐清泉.財務(wù)分析師跟蹤與企業(yè) R&D 活動——來自中國證券市場的研究[J].金融研究，2010，(12)：173-189.

[5]岳衡，林小馳.證券分析師vs統(tǒng)計模型：證券分析師盈余預(yù)測的相對準(zhǔn)確性及其決定因素[J].會計研究，2008，(8)：40-49.

[6]朱紅軍，何賢杰，陶林.信息源、信息搜尋與市場吸收效率——基于證券分析師盈利預(yù)測修正的經(jīng)驗證據(jù)[J].財經(jīng)研究，2008，(5)：63-74.

[7]Barron O, O’Kile C, O’Keefe T. MD&A quality as measured by the SEC and analysts’ earnings forecasts[J]. Contemporary Accounting Research, 1999, 16(1): 75-109.

[8]Behn B, Choi J, Kang T. Audit quality and properties of analyst earnings forecasts[J]. The Accounting Review, 2008, 83(2): 327-349.

[9]Blankespoor E, Miller G, White H. The role of dissemination in market liquidity: Evidence from firms’ use of Twitter[J]. The Accounting Review, 2014, 89(1): 79-112.

[10]Bowen R, Davis A, Matsumoto D. Do conference calls affect analysts’ forecasts[J]. The Accounting Review, 2002, 77(2): 285-316.

[11]Brown L, Richardson G, Schwager S. An information interpretation of financial analyst superiority in forecasting earnings[J]. Journal of Accounting Research, 1987, 25(1): 49-67.

[12]Dhaliwal D, Radhakrishnan S, Tsang A, et al. Nonfinancial disclosure and analyst forecast accuracy:International evidence on corporate social responsibility disclosure[J]. The Accounting Review, 2012, 87(3): 723-759.

[13]Dichev I, Tang V. Earnings volatility and earnings predictability[J]. Journal of Accounting and Economics, 2009, 47(1-2): 160-181.

[14]Fried D, Givoly D. Financial analysts’ forecasts of earnings: A better surrogate for market expectations[J]. Journal of Accounting and Economics, 1982, 4(2): 85-107.

[15]Gleason C, Lee C. Analyst forecast revisions and market price discovery[J]. The Accounting Review, 2003, 78(1): 193-225.

[16]Hirshleifer D, Teoh S. Limited attention, information disclosure, and financial reporting[J]. Journal of Accounting and Economics, 2003, 36(1-3): 337-386.

[17]Kahneman D, Tversky A. Subjective probability: A judgment of representativeness[J]. Cognitive Psychology, 1972, 3(3): 430-454.

[18]Lang M, Lundholm R. Corporate disclosure policy and analyst behavior[J]. The Accounting Review, 1996, 71(4): 467-492.

[19]Lys T, Sohn S. The association between revisions of financial analysts’ earnings forecasts and security-price changes[J]. Journal of Accounting and Economics, 1990, 13(4): 341-363.

[20]Miller G, Skinner D. The evolving disclosure landscape: How changes in technology, the media, and capital markets are affecting disclosure[J]. Journal of Accounting Research, 2015, 53(2): 221-239.

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

[22]Ramnath S, Rock S, Shane P. The financial analyst forecasting literature: A taxonomy with suggestions for further research[J]. International Journal of Forecasting, 2008, 24(1): 34-75.

[23]Rogers R, Grant J. Content analysis of information cited in reports of sell-side financial analysts[J]. Journal of Financial Statement Analysis, 1997, 3(1): 17-30.

[24]Tversky A, Kahneman D. Availability: A heuristic for judging frequency and probability[J]. Cognitive Psychology, 1973, 5(2): 207-232.

[25]Tversky A, Kahneman D. Judgment under uncertainty: Heuristics and biases[J]. Science, 1974, 185(4157): 1124-1131.

(責(zé)任編輯康健)

Weibo, Information Disclosure and Analysts’ Earnings Forecasts

Hu Jun1, Wang Zhen2, Tao Ying1, Zou Junqi3

(1.SchoolofFinance,JiangxiUniversityofFinanceandEconomics,Nanchang330012,China;2.SchoolofFinance,ShanghaiUniversityofFinanceandEconomics,Shanghai200433,China;3.CollegeofDesign,EducationandSocialScience,SingaporeInstituteofTechnology,Singapore138683,Singapore)

Abstract：The development of information technology and social networks leads to changes in the amount, types and transmission routes of information. As the most professional information users, it is no doubt that security analysts are influenced by this change. This paper studies the effect of the usage of Weibo among companies on analysts’ earnings forecasts. It arrives at the conclusions as follows: firstly, the frequency of analysts’ earnings forecasts revisions increases after the launch of Weibo, showing that analysts can use Weibo information to timely revise earnings forecasts; secondly, the average earnings forecasts error and dispersion both decrease after the launch of Weibo, showing that the information disclosed through Weibo is an important source helping to develop analysts’ earnings forecasts and is beneficial to better understanding and analysis of corporate operation activities; thirdly, the sensitivity of stock prices to analysts’ earnings forecasts revisions increases after the using of Weibo. One possible explanation for this phenomenon is that individual investors cannot fully understand the information disclosed through Weibo, and analysts can help them to understand the information disclosed through Weibo. These conclusions have the reference for the formulation of information disclosure criteria through social networks based on Weibo and the exertion of the role of analysts to the largest extent in information pricing efficiency in capital market.

Key words:Weibo; nonfinancial information; security analyst; earnings forecast

DOI:10.16538/j.cnki.jfe.2016.05.006

中圖分類號：F832.5

文獻標(biāo)識碼：A

文章編號：1001-9952(2016)05-0066-11

作者簡介：胡軍(1989-)(通訊作者)，男，江西南昌人，江西財經(jīng)大學(xué)金融學(xué)院講師；鄒雋奇(1982-)，女，香港人，新加坡理工大學(xué)會計學(xué)助理教授。

基金項目：國家自然科學(xué)基金(71102135，71301058)；上海市浦江人才計劃(11PJC062)

收稿日期：2015-10-26

王甄(1978-)，男，上海人，上海財經(jīng)大學(xué)金融學(xué)院副教授；

陶瑩(1988-)，女，江西南昌人，江西財經(jīng)大學(xué)金融學(xué)碩士；