謝 璇 王運陳,2 吳 萌

(1．四川農(nóng)業(yè)大學(xué) 管理學(xué)院，四川 成都 611130；2．復(fù)旦大學(xué) 工商管理博士后流動站，上海 200433；3．四川師范大學(xué) 商學(xué)院，四川 成都 610101)

一、引言

證券分析師的行業(yè)知識是衡量其人才價值高低的核心因素，因為行業(yè)知識很大程度上決定了分析師收集和處理信息的效率。分析師的行業(yè)知識是在執(zhí)業(yè)過程中逐漸積累的專業(yè)化知識，構(gòu)成其競爭優(yōu)勢。在諸如美國等發(fā)達的資本市場上，行業(yè)專長一直是市場評價分析師的重要指標。例如由美國《機構(gòu)投資者》雜志組織的明星分析師評選活動中，分析師的行業(yè)知識水平始終被視為最重要的評價指標。近年來，我國資本市場上無論是投資者還是券商都越來越重視分析師的行業(yè)知識儲備，真正有深度的行業(yè)研究能夠讓券商及其研究團隊在市場中脫穎而出，甚至有券商在招聘首席分析師時，會將行業(yè)專家甚至是行業(yè)權(quán)威作為其崗位要求的首要條件①。盡管多數(shù)研究對于“分析師的行業(yè)知識能否提高研報質(zhì)量”這一問題給出了肯定的結(jié)論，但是對行業(yè)知識的考察主要局限于跟蹤公司本身所處行業(yè)，還缺乏對分析師跨行業(yè)知識的關(guān)注。

一般來說，分析師的行業(yè)知識體現(xiàn)為對兩種知識的掌握：其一是行業(yè)內(nèi)知識，即分析師對跟蹤公司所屬行業(yè)本身的相關(guān)知識和經(jīng)驗；其二是跨行業(yè)知識，即分析師對跟蹤公司自身行業(yè)之外但又與其緊密關(guān)聯(lián)行業(yè)的知識和經(jīng)驗[1]。無論是公司所屬行業(yè)的信息，還是其客戶或供應(yīng)商所屬行業(yè)的信息，都應(yīng)成為分析師判斷該公司未來盈利和投資潛力的重要信息來源，分析師可以利用供應(yīng)鏈行業(yè)的信息補充其原有信息渠道從而提高盈余預(yù)測質(zhì)量。但總體來看，已有對分析師行業(yè)知識的研究大多忽視了跨行業(yè)知識對分析師盈余預(yù)測質(zhì)量可能產(chǎn)生的影響，特別是忽視了對分析師供應(yīng)鏈行業(yè)知識的考察。

鑒于此，本文以2008～2015年中國A股非金融業(yè)上市公司為樣本，研究了分析師具備的供應(yīng)鏈行業(yè)知識對其盈余預(yù)測質(zhì)量的影響。相對于以往的研究，本文的貢獻主要體現(xiàn)在：首先，雖然分析師行業(yè)知識是體現(xiàn)其核心價值的重要特征，但相關(guān)研究較少，少數(shù)幾篇相關(guān)文獻都是針對分析師行業(yè)內(nèi)知識對其盈余預(yù)測質(zhì)量影響的研究[2][3]，而忽略了分析師供應(yīng)鏈行業(yè)知識的作用，本文在控制了行業(yè)內(nèi)知識的前提下，揭示了分析師供應(yīng)鏈行業(yè)知識對其盈余預(yù)測質(zhì)量的影響，進一步拓展了分析師行業(yè)專長方面的研究，并從行業(yè)知識的角度豐富了分析師個人特征領(lǐng)域的研究。其次，本文從供應(yīng)商/客戶-公司的角度考察了供應(yīng)鏈上信息溢出對分析師盈余預(yù)測質(zhì)量的影響，區(qū)別于Guan等(2015)、Luo和Nagarajan(2015)的研究[4][5]，本文的研究表明即使分析師不關(guān)注公司的第一大客戶，僅僅具備重要客戶或供應(yīng)商所屬行業(yè)的相關(guān)知識，也會有助于其盈余預(yù)測質(zhì)量的提高，從而豐富了供應(yīng)鏈的信息溢出對第三方?jīng)Q策影響的研究。

二、文獻綜述、理論分析與研究假設(shè)

分析師是降低證券市場信息不對稱和提高股票定價效率的重要中介機制[6][7]。分析師對某個行業(yè)的長期關(guān)注會形成相應(yīng)的行業(yè)知識和行業(yè)經(jīng)驗，已有少數(shù)研究得出了行業(yè)內(nèi)知識有助于提高分析師信息質(zhì)量的一致結(jié)論[8][9][10]。行業(yè)內(nèi)知識之所以能夠提高分析師的研報質(zhì)量，主要原因在于行業(yè)信息能較好地體現(xiàn)公司的競爭環(huán)境、投資機會、成長性和經(jīng)營風險等；同時，對行業(yè)內(nèi)知識的掌握有助于提高分析師搜集和解讀信息的效率[11]。按照這一邏輯，分析師擁有與公司有著緊密聯(lián)系的供應(yīng)鏈行業(yè)相關(guān)知識，是否也有助于提高其研報的信息質(zhì)量呢？

首先，從信息供給的角度來說，供應(yīng)鏈上的采購和銷售活動作為企業(yè)運營中最為重要的兩個環(huán)節(jié)，對公司日常的生產(chǎn)經(jīng)營會產(chǎn)生至關(guān)重要的影響[12]。一方面，供應(yīng)商作為公司的上游，很大程度上決定了公司的采購成本和運營績效，這不僅體現(xiàn)在公司的采購業(yè)務(wù)上，還體現(xiàn)在營運資金管理的績效上[13]。另一方面，客戶作為公司的下游，不但對產(chǎn)品定價、盈利水平具有重要影響，還會影響公司的財務(wù)決策和資本結(jié)構(gòu)[14]?？梢钥闯?，公司的供應(yīng)鏈上蘊藏著大量與公司經(jīng)營環(huán)境、財務(wù)狀況等相關(guān)的有益信息。Olsen和Dietrich(1985)的研究發(fā)現(xiàn)，客戶的盈余公告能夠引起其供應(yīng)商股價的波動，證實了信息在供應(yīng)鏈上的縱向傳遞[15]。但是他們的研究僅驗證了供應(yīng)鏈信息在公司層面的傳遞，而并未驗證供應(yīng)鏈信息在行業(yè)層面的傳遞。Pandit等(2011)則在其研究的基礎(chǔ)上，發(fā)現(xiàn)客戶盈余公告的發(fā)布不但引起供應(yīng)商公司股價的顯著波動，同時還導(dǎo)致與其供應(yīng)商所處同一行業(yè)的其他公司的股價波動，進而驗證了供應(yīng)鏈信息在行業(yè)層面的傳遞效應(yīng)[16]。可見，公司與其上下游之間的緊密聯(lián)系使供應(yīng)鏈信息能夠通過公司及行業(yè)層面縱向傳遞，從而產(chǎn)生供應(yīng)鏈行業(yè)信息的溢出效應(yīng)。因此，公司供應(yīng)鏈上的行業(yè)信息應(yīng)作為決策主體獲取有關(guān)信息的潛在渠道，能夠為分析師更好地理解公司價值提供有價值的增量信息。

其次，從信息解讀的角度來說，不同分析師對不同行業(yè)的了解程度不同，對行業(yè)信息的敏感程度自然也存在差異，這會影響其對信息的運用和分析。如Hilary和Shen(2013)就指出，同行業(yè)信息的溢出效應(yīng)能夠?qū)Ψ治鰩燁A(yù)測發(fā)揮積極作用，但對行業(yè)信息的解讀需要分析師具備一定的行業(yè)知識[17]。具備行業(yè)知識的分析師在搜集行業(yè)信息時成本更低、獲取渠道更多、解讀更為準確，從而能夠提高其盈余預(yù)測的準確性[2]。由此可推測，雖然供應(yīng)鏈行業(yè)信息與行業(yè)內(nèi)信息存在互補性，但不同分析師對供應(yīng)鏈行業(yè)所掌握的知識程度不同，對相關(guān)信息的解讀也會存在差異，進而影響其盈余預(yù)測質(zhì)量。Luo和Nagarajan(2015)的研究發(fā)現(xiàn)，當分析師同時跟蹤了公司的第一大客戶時，其對公司盈余預(yù)測的信息質(zhì)量會更高[5]，類似的研究結(jié)論也體現(xiàn)在Guan等(2015)的研究中[4]?？梢钥闯?，當公司的供應(yīng)商或客戶同時存在于分析師的跟蹤組合中時，分析師會對公司供應(yīng)鏈行業(yè)上的信息更有把握，能夠更有效地利用這一信息來提高其對公司盈余的預(yù)測質(zhì)量。另外，分析師在預(yù)測時對不同來源的信息的分配比例也存在差異[18]，對供應(yīng)鏈行業(yè)較為了解的分析師在處理相關(guān)信息時更為敏感，更容易捕捉到對公司有效的信息，進而提高供應(yīng)鏈行業(yè)信息在其決策中所占的比重，進行更準確的預(yù)測。綜上所述，供應(yīng)鏈行業(yè)的信息溢出效應(yīng)能夠補充分析師對公司價值判斷的有效信息，同時，具備供應(yīng)鏈行業(yè)知識的分析師能夠更好地利用這一信息，從而提高其盈余預(yù)測的信息質(zhì)量。據(jù)此，本文提出假設(shè)1：

假設(shè)1：與一般分析師相比，擁有供應(yīng)鏈行業(yè)知識的分析師對公司盈余預(yù)測的信息質(zhì)量更高。

雖然供應(yīng)鏈的行業(yè)信息有助于分析師對公司未來前景的預(yù)測，但不同公司與客戶或供應(yīng)商構(gòu)建的合作關(guān)系存在諸多差異，而供應(yīng)鏈行業(yè)信息對公司的影響程度取決于公司與供應(yīng)鏈公司的關(guān)系性質(zhì)和緊密程度。當公司對其供應(yīng)鏈公司依賴程度越大時，公司的經(jīng)營情況和財務(wù)決策受到供應(yīng)鏈行業(yè)的影響就越大，比如公司的資產(chǎn)周轉(zhuǎn)率速度會更快，持有的現(xiàn)金會更多或者權(quán)益資本成本會更高等[14]。此外，公司與客戶或供應(yīng)商的依賴關(guān)系會促使它們形成緊密的利益共同體，這種利益協(xié)同性會加強供應(yīng)鏈行業(yè)信息的縱向傳遞。如王雄元和彭旋(2016)發(fā)現(xiàn)，公司的客戶穩(wěn)定性能夠提高分析師的盈余預(yù)測準確性，并且當公司對客戶銷售占比越高時，穩(wěn)定客戶對分析師預(yù)測的正向作用越顯著[19]。這意味著，當公司對其客戶或供應(yīng)商的依賴度較高時，供應(yīng)鏈行業(yè)的信息對公司盈利預(yù)測更具參考價值，進而更有助于提高分析師的預(yù)測效率。據(jù)此，本文提出假設(shè)2：

假設(shè)2：當公司對客戶/供應(yīng)商的依賴度越高時，分析師的供應(yīng)鏈行業(yè)知識對盈余預(yù)測質(zhì)量的提升作用越大。

另外，由于公司經(jīng)營業(yè)務(wù)和范圍的不同，不同公司面臨的信息環(huán)境存在諸多差異，公司所面臨的信息不確定性會加劇分析師對信息的反應(yīng)不足，從而影響其預(yù)測質(zhì)量[20]。公司的信息不確定性越高，分析師進行盈余預(yù)測的難度就越大，并導(dǎo)致更大的預(yù)測誤差和更頻繁的修正[21]。信息不確定性意味著決策主體缺乏足夠信息去預(yù)測公司未來經(jīng)營的變化，此時更需要拓寬信息渠道以做出有效的決策。也就是說，當公司面臨的信息不確定程度越高時，分析師與公司之間的信息不對稱程度越大，分析師可獲取的公司層面的特有信息越少，對相關(guān)行業(yè)信息的需求就越高[22]。在這種情況下，供應(yīng)鏈行業(yè)的信息能更有效地幫助分析師預(yù)測需求和供給變化對公司經(jīng)營狀況的影響。換句話說，公司的不確定因素放大了分析師供應(yīng)鏈行業(yè)知識的作用，對于信息不確定程度較高的公司來說，擁有供應(yīng)鏈行業(yè)知識的分析師能夠以更低的成本搜尋到與未來盈余相關(guān)的信息，從而提供更高質(zhì)量的盈余預(yù)測。據(jù)此，本文提出假設(shè)3：

假設(shè)3：當公司面臨的信息不確定性越高時，分析師的供應(yīng)鏈行業(yè)知識對盈余預(yù)測質(zhì)量的提升作用越大。

三、研究設(shè)計

(一)樣本選擇與數(shù)據(jù)來源

本文選取2008～2015年中國A股上市公司作為初始研究樣本。我們以2008年作為起始年份主要是因為：2007年12月中國證券監(jiān)督管理委員會發(fā)布《公開發(fā)行證券的公司信息披露內(nèi)容與格式準則第2號》，首次鼓勵上市公司披露供應(yīng)商和客戶的名稱，自此之后上市公司才較為普遍地披露前五大供應(yīng)商和客戶信息。據(jù)此，我們以2008年作為樣本區(qū)間的起始年度。

在初始樣本的基礎(chǔ)上，根據(jù)上市公司披露的前五大客戶和供應(yīng)商的名稱，本文手工搜集和整理了客戶和供應(yīng)商的主營業(yè)務(wù)，對其所屬行業(yè)進行了歸類，并做了如下處理：(1)剔除前五大客戶或供應(yīng)商無法獲取主營業(yè)務(wù)及行業(yè)類別的樣本；(2)剔除分析師姓名和研報數(shù)據(jù)缺失的樣本；(3)剔除當年只有一個分析師出具研報的樣本；(4)剔除金融行業(yè)的樣本；(5)剔除所需數(shù)據(jù)缺失的樣本。本文最終得到39364個觀測值。在判斷行業(yè)類別時，我們采用《上市公司行業(yè)分類指引》(2012年)的分類標準，對制造業(yè)以外的行業(yè)采用門類行業(yè)代碼，對制造業(yè)采用次類行業(yè)代碼，在此基礎(chǔ)上對次類代碼中仍存在較大差異的行業(yè)進一步細分②。前五大客戶和供應(yīng)商的主要經(jīng)營范圍和行業(yè)分類數(shù)據(jù)來自手工收集整理，其他數(shù)據(jù)均來自CSMAR和WIND數(shù)據(jù)庫。數(shù)據(jù)處理和分析過程在Excel和STATA14.0中完成。

(二)模型設(shè)計與研究方法

本文構(gòu)建了多元線性回歸模型(1)來驗證假設(shè)1，考慮到該模型采用的是分析師-年度-公司的數(shù)據(jù)結(jié)構(gòu)，分析師和公司都可能在同一年度中多次出現(xiàn)，因此回歸時對統(tǒng)計量的標準誤差進行了分析師和年度兩維的聚類處理，以控制自相關(guān)問題[5]。

RError/RBias=α0+β1Chain+β2Ind_Ratio+β3Follow+β4Reports+β5Exper+β6BrokerSize+

β7BrokerRev+β8Firmsize+β9Lev+β10ROA+β11Inst+β12Horizon+∑Year+

∑Ind+ε

(1)

1.被解釋變量?？紤]到分析師對不同公司的預(yù)測準確性會因公司本身所處環(huán)境不同而有所差異，本文采用經(jīng)均值調(diào)整后的相對預(yù)測誤差(RError)和相對預(yù)測樂觀偏差(RBias)來度量分析師的盈余預(yù)測質(zhì)量，分析師的相對預(yù)測誤差和相對樂觀偏差越小，表示盈余預(yù)測的信息質(zhì)量越高[4]。分析師i在t年對公司j的預(yù)測誤差(Errorijt)和樂觀偏差(Biasijt)的計算方法如下所示：

Errorijt=|EPS_fijt-EPS_rjt|/Pj

(2)

Biasijt=(EPS_fijt-EPS_rjt)/Pj

(3)

式(2)和式(3)中，EPS_fijt為分析師i在t年對公司j每股收益的最新一次預(yù)測值③；EPS_rjt為公司j在t年的實際每股收益；Pj為公司j在預(yù)測日前一個交易日的股價。在此基礎(chǔ)上，我們計算所有分析師在t年對公司j的平均預(yù)測誤差MErrorjt和平均預(yù)測樂觀偏差MBiasjt；最后，得到分析師i在t年對公司j的相對預(yù)測誤差(RError)和相對預(yù)測樂觀偏差(RBias)分別為：

RErrorijt= Errorijt-MErrorjt

(4)

RBiasijt= Biasijt-MBiasjt

(5)

2.解釋變量。對于分析師的供應(yīng)鏈行業(yè)知識(Chain)，借鑒對分析師同行業(yè)知識的度量方法，我們考察分析師跟蹤組合中是否有與目標公司重要供應(yīng)商或客戶同屬一個行業(yè)的公司，若有則判斷分析師對目標公司具備供應(yīng)鏈行業(yè)知識。本文分別用兩種方式來度量分析師供應(yīng)鏈行業(yè)知識：一是定義虛擬變量(Chain_Dum)，若分析師i在t年同時跟蹤了與公司j前五大客戶或供應(yīng)商同行業(yè)的公司，則賦值為1，否則為0；二是計算比例(Chain_Ratio)，利用分析師i在t年跟蹤的與公司j前五大客戶或供應(yīng)商同行業(yè)公司的個數(shù)除以分析師i在t年跟蹤的公司總數(shù)計算得到。

3.控制變量。首先，已有研究發(fā)現(xiàn)分析師的同行業(yè)專長或關(guān)注度會提高分析師盈余預(yù)測的質(zhì)量[2][3][8]，為了與分析師同行業(yè)知識發(fā)揮的效用區(qū)分開，本文控制了分析師的同行業(yè)知識水平(Ind_Ratio)，它等于分析師跟蹤的與目標公司同行業(yè)的公司數(shù)占比。其次，分析師預(yù)測日距會計年度結(jié)束越近，其獲得的信息越多，預(yù)測可能越準確[2][9]，所以本文控制了分析師預(yù)測日期距離會計年度結(jié)束的遠近(Horizon)。最后，從以下三個方面選取余下控制變量：(1)分析師特征方面，其投入在跟蹤公司的精力越多，對盈余預(yù)測的準確性應(yīng)該會越高[9]，分析師一年中跟蹤的公司越多，投入到每個公司的精力就會分散，因此本文控制了分析師在當年跟蹤公司的數(shù)量(Follow)和當年發(fā)布研報的數(shù)量(Reports)；分析師從業(yè)時間越長，其對信息的獲取和分析越有經(jīng)驗，因此本文控制了分析師的從業(yè)經(jīng)驗(Exper)。(2)券商特征方面，券商能夠為分析師提供必要的研究資源，本文分別以分析師人數(shù)(BrokerSize)和營業(yè)收入水平(BrokerRev)來控制分析師所屬券商的特征。(3)公司特征方面，本文控制了公司規(guī)模(Firmsize)、資產(chǎn)負債率(Lev)、公司業(yè)績(ROA)和機構(gòu)持股比例(Inst)；最后在模型中還控制了年度和行業(yè)效應(yīng)。以上各變量的具體定義如表1所示。

表1 變量定義表

四、實證結(jié)果分析

(一)描述性統(tǒng)計

表2是對主要變量進行描述性統(tǒng)計的結(jié)果。由表2可知，分析師盈余預(yù)測的相對誤差(RError)的均值為-0.002，中位數(shù)為-0.006，標準差為0.084，表明經(jīng)過對公司一致預(yù)測誤差的修正后，分析師對公司預(yù)測相對誤差的差異數(shù)值并不大。類似地，分析師盈余預(yù)測的相對樂觀偏差的均值為-0.001，中位數(shù)為-0.002，標準差為0.096，也未體現(xiàn)出較大差異。另外，供應(yīng)鏈分析師(Chain_Dum)的均值為0.347(中位數(shù)為0)，說明平均來看，樣本中有34.7%的分析師對跟蹤公司具備供應(yīng)鏈行業(yè)知識。

表2 描述性統(tǒng)計表④

(二)回歸結(jié)果

1.分析師的供應(yīng)鏈行業(yè)知識與盈余預(yù)測質(zhì)量。表3報告了模型(1)的回歸結(jié)果。在回歸(1)和回歸(2)中，分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum和Chain_Ratio)對相對預(yù)測誤差(RError)的回歸系數(shù)都顯著為負，表明分析師的供應(yīng)鏈行業(yè)知識降低了其對公司盈余預(yù)測的誤差；在回歸(3)和回歸(4)中，分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum和Chain_Ratio)對相對預(yù)測樂觀偏差(RBias)的回歸系數(shù)顯著為負，說明分析師的供應(yīng)鏈行業(yè)知識降低了其對公司盈余預(yù)測的樂觀偏差。此外，與現(xiàn)有研究一致，我們發(fā)現(xiàn)以下控制變量對分析師盈余預(yù)測質(zhì)量產(chǎn)生了顯著影響：Ind_Ratio的回歸系數(shù)顯著為負，說明分析師的同行業(yè)知識越多，其盈余預(yù)測質(zhì)量越高；Horizon的回歸系數(shù)顯著為正，說明分析師預(yù)測日期距離年報公告日越近，分析師預(yù)測質(zhì)量也越高；BrokerSize和BrokerRev的回歸系數(shù)均不顯著，表明雖然券商規(guī)模越大，分析師可利用的資源越多，但其預(yù)測質(zhì)量不一定越高。

這一實證結(jié)果表明，在控制了分析師的同行業(yè)知識后，分析師的供應(yīng)鏈行業(yè)知識仍能顯著提高其盈余預(yù)測的質(zhì)量。供應(yīng)鏈的信息渠道中既包含公司層面信息，也包含行業(yè)層面信息，公司的客戶或供應(yīng)商所處行業(yè)環(huán)境、面臨的產(chǎn)業(yè)政策變動，往往都會對其上游或者下游企業(yè)產(chǎn)生影響，而分析師對公司供應(yīng)鏈行業(yè)環(huán)境的把握程度可以補充分析師所掌握的行業(yè)信息，同時，具備供應(yīng)鏈行業(yè)知識的分析師對于供應(yīng)鏈行業(yè)信息的加工和解讀力度也會更強，從而提高了對公司未來盈余預(yù)測的準確程度。本文的假設(shè)1得以驗證，此結(jié)果在一定程度上也支持了Luo和Nagarajan(2015)的研究，他們發(fā)現(xiàn)分析師對公司第一大客戶的跟蹤行為能夠提高其對公司盈余預(yù)測的信息質(zhì)量[5]，而本文的實證結(jié)果進一步表明，即使不關(guān)注公司的第一大客戶，僅僅關(guān)注公司重要客戶或供應(yīng)商所處的行業(yè)，也將有助于分析師盈余預(yù)測準確度的提高。

表3 分析師供應(yīng)鏈行業(yè)知識與盈余預(yù)測質(zhì)量

注：括號內(nèi)為經(jīng)分析師和年度Cluster和Robust修正的t值；***、**、*分別表示在1%、5%、10%的水平上顯著。下表同。

2.客戶/供應(yīng)商依賴程度和信息不確定性的調(diào)節(jié)效應(yīng)。為驗證本文的假設(shè)2和假設(shè)3，借鑒相關(guān)研究[19]，我們分別按照公司對供應(yīng)鏈的依賴程度和面臨的信息不確定性高低對模型(1)進行分組回歸檢驗。具體來說，在區(qū)分供應(yīng)鏈依賴程度高低時，首先，按照客戶銷售量(供應(yīng)商采購量)占比高低對全樣本進行劃分：若公司當年的前五大客戶銷售量(供應(yīng)商采購量)占比大于對應(yīng)樣本的中位數(shù)，則將該公司與其客戶(供應(yīng)商)的關(guān)系劃為高依賴程度組，否則劃為低依賴程度組。其次，按照公司所處行業(yè)是否屬于耐用品行業(yè)進行劃分：若公司屬于耐用品行業(yè)，則劃為高依賴程度組，否則劃為低依賴程度組⑤。在區(qū)分信息不確定性高低時，分別從盈余波動性和股票回報波動性兩方面來度量，其中，盈余波動性等于過去三年的營業(yè)收入占總資產(chǎn)比例的標準差的平均值，股票回報波動性等于過去一年內(nèi)股票日回報率的標準差，若公司當年的盈余波動性或股票回報波動性大于對應(yīng)的樣本中位數(shù)，則劃為高信息不確定性組，否則劃為低信息不確定性組。

表4報告了上述的回歸結(jié)果⑥。在回歸(1)～(4)中，無論是按銷售量占比(采購量占比)還是耐用品行業(yè)區(qū)分公司對供應(yīng)鏈的依賴程度，分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum)都只在高依賴程度組中顯著為負，而在低依賴程度組中不顯著，這表明分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum)對盈余預(yù)測誤差的負向關(guān)系主要存在于對供應(yīng)鏈依賴度更高的公司中。在回歸(5)～(8)中，分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum)回歸系數(shù)僅在高信息不確定性組中顯著為負，而在低信息不確定性組中不顯著，這表明當公司面臨的信息不確定性較大時，分析師的供應(yīng)鏈行業(yè)知識(Chain_Dum)對盈余預(yù)測誤差的負向作用更明顯。

以上結(jié)果表明：首先，供應(yīng)鏈企業(yè)之間的經(jīng)濟依賴程度會影響供應(yīng)鏈行業(yè)環(huán)境與公司盈余之間的相關(guān)性，當公司與客戶或供應(yīng)商的經(jīng)濟密切度較高時，供應(yīng)鏈行業(yè)的信息與公司本身的相關(guān)性較高，此時分析師具備的供應(yīng)鏈行業(yè)知識才更具價值；同時，供應(yīng)鏈企業(yè)間的依賴程度還會影響分析師對供應(yīng)鏈行業(yè)信息的關(guān)注程度，以及其在解讀行業(yè)信息時分配的權(quán)重，進而影響供應(yīng)鏈信息的傳遞效應(yīng)。因此，公司對供應(yīng)鏈企業(yè)之間的依賴程度強化了分析師供應(yīng)鏈行業(yè)知識在提高預(yù)測準確性中的作用。其次，當公司面臨的信息不確定程度較高時，信息波動性會加劇分析師對公司信息或者同行業(yè)信息的反應(yīng)不足，同時也增加了分析師拓寬信息渠道的需求，在供應(yīng)鏈行業(yè)信息對公司盈余預(yù)測存在正向補充作用的情況下，具備供應(yīng)鏈行業(yè)知識的分析師可以通過信息加工對公司未來盈余做出更準確地判斷。因此，公司面臨的信息不確定性會增強分析師供應(yīng)鏈行業(yè)知識對預(yù)測質(zhì)量的提升作用，本文的假設(shè)2和假設(shè)3得以驗證。

表4 供應(yīng)鏈行業(yè)知識與預(yù)測誤差：供應(yīng)鏈依賴程度和信息不確定性的調(diào)節(jié)效應(yīng)

注：表中的Chow檢驗是分組回歸檢驗Chain_Dum的系數(shù)差異，數(shù)字表示該檢驗的卡方統(tǒng)計量。

(三)進一步研究

1.供應(yīng)鏈行業(yè)知識正向作用的機理分析。如上文所述，公司供應(yīng)鏈行業(yè)中的信息溢出效應(yīng)能夠在一定程度上補充有關(guān)公司價值判斷的信息，而具備供應(yīng)鏈行業(yè)知識的分析師能夠更好地利用這一信息，提高其盈余預(yù)測的信息質(zhì)量。但具體來說，究竟這種供應(yīng)鏈行業(yè)知識是通過知識本身提高了分析師的預(yù)測質(zhì)量還是知識帶來的熟練程度或經(jīng)驗提高了預(yù)測質(zhì)量？這里我們對供應(yīng)鏈行業(yè)知識的作用機理作進一步探究，若具備供應(yīng)鏈行業(yè)知識的分析師對跟蹤公司的預(yù)測頻率更低，則表明分析師憑借供應(yīng)鏈行業(yè)知識本身的知識效應(yīng)向市場提供了質(zhì)量更高的盈余預(yù)測。對此，我們定義了被解釋變量預(yù)測頻率(Frequency)，即分析師當年對公司發(fā)布的預(yù)測次數(shù)。表5報告了這一檢驗的回歸結(jié)果，供應(yīng)鏈行業(yè)知識的虛擬變量(Chain_Dum)在回歸(1)中顯著為正，即具備供應(yīng)鏈行業(yè)知識的分析師對上市公司的預(yù)測頻率更高，但Chain_Ratio在回歸(2)中不顯著。我們認為對此可能的解釋是：對于分析師整體來說，是否具備供應(yīng)鏈行業(yè)知識對其能否更積極地利用相關(guān)行業(yè)的新信息去修正先前預(yù)測值有顯著影響，但是對于供應(yīng)鏈分析師整體來說，擁有供應(yīng)鏈行業(yè)知識的多寡對其修正預(yù)測頻率的影響并無顯著區(qū)別。結(jié)合上文的實證結(jié)果，可以看出，具備供應(yīng)鏈行業(yè)知識的分析師積極地利用新的信息修正之前的預(yù)測值，并通過供應(yīng)鏈行業(yè)知識帶來的經(jīng)驗進一步提高了分析師的盈余預(yù)測質(zhì)量。

表5 分析師的供應(yīng)鏈行業(yè)知識與預(yù)測頻率

2.區(qū)分知識溢出效應(yīng)高低的行業(yè)。考慮到不同行業(yè)的知識溢出效應(yīng)不同，如果是分析師供應(yīng)鏈行業(yè)知識起作用，那么這種效應(yīng)會在知識溢出效應(yīng)比較強的行業(yè)中更明顯。借鑒雷欣和陳繼勇(2012)的研究[23]，本文選取了以下具有較強知識溢出效應(yīng)的行業(yè)：石油天然氣開采、石油加工及煉焦、木材加工及家具制造、化學(xué)工業(yè)、金屬制品業(yè)、電力及熱力的生產(chǎn)供應(yīng)業(yè)和其他制造業(yè)，并進行了分組回歸，回歸結(jié)果如表6所示。我們發(fā)現(xiàn)，在絕大多數(shù)情況下，分析師的供應(yīng)鏈行業(yè)知識對盈余預(yù)測誤差和樂觀偏差的負向作用只在知識溢出效應(yīng)強的行業(yè)中顯著。而在回歸(3)和回歸(4)中，供應(yīng)鏈行業(yè)知識(Chain_Ratio)對RError的負向作用在不同行業(yè)中都顯著，但在行業(yè)溢出效應(yīng)較強組中的回歸系數(shù)(絕對值)大于行業(yè)溢出效應(yīng)較弱組中的回歸系數(shù)。公司供應(yīng)鏈行業(yè)中的信息溢出效應(yīng)，能夠為分析師更好地理解公司價值提供有益的增量信息，表6的實證結(jié)果說明，分析師供應(yīng)鏈行業(yè)知識對盈余預(yù)測質(zhì)量的提升作用在知識溢出效應(yīng)比較強的行業(yè)更明顯。這一點恰恰說明了供應(yīng)鏈分析師是通過供應(yīng)鏈行業(yè)知識溢出與傳遞的路徑提供了更高質(zhì)量的盈余預(yù)測報告，進而也支撐了上文的實證結(jié)果。

表6 供應(yīng)鏈行業(yè)知識與預(yù)測質(zhì)量：區(qū)分知識溢出效應(yīng)高低行業(yè)

注：表中的Chow檢驗是分組回歸檢驗Chain_Dum或Chain_Raio的系數(shù)差異，數(shù)字表示該檢驗的卡方統(tǒng)計量。

(四)內(nèi)生性問題處理

1.反向因果問題。優(yōu)秀的分析師可能更傾向于跟蹤所關(guān)注公司供應(yīng)鏈行業(yè)上的公司，以補充行業(yè)信息獲取來源，而這些分析師由于本身研究水平高，提供的盈余預(yù)測信息質(zhì)量本來就較高，因此，本文的回歸結(jié)果可能受到反向因果導(dǎo)致的內(nèi)生性問題。為緩解上述內(nèi)生性問題帶來的影響，我們采用Heckman兩階段法進行處理。具體實施步驟為：第一階段，以Chain_Dum為被解釋變量做Logistic回歸得出逆米勒比率(Lambda)；第二階段，在模型(1)的回歸中加入第一階段估算出的Lambda重新檢驗。在構(gòu)建Logistic回歸模型時，本文選取了是否明星分析師(Star),公司是否被分析師的客戶重倉持有(Related),與公司是否具有承銷關(guān)系(UW),以及其他分析師特征與公司特征變量。這一檢驗結(jié)果在表7中進行了報告，在第一階段的回歸中(回歸(1))，Star的系數(shù)顯著為負，表明明星分析師不傾向于形成供應(yīng)鏈行業(yè)知識；Related的系數(shù)顯著為負，UW則不顯著，表明分析師對存在關(guān)聯(lián)關(guān)系的公司也不傾向于形成供應(yīng)鏈行業(yè)知識。我們認為這一結(jié)果在現(xiàn)實中是存在的：一方面，券商有較強的托市動機[24]，分析師出于券商壓力會犧牲準確性而提供更樂觀的研報為承銷股票提供支持；另一方面，在我國賣空收益模式尚不成熟的情況下，高質(zhì)量的研究報告未必能為客戶帶來收益，因此，分析師沒有動力對關(guān)聯(lián)公司投入成本以形成供應(yīng)鏈行業(yè)知識，通過發(fā)布樂觀的研報就能為客戶帶來較大的投資收益[25]。我們將回歸(1)估算出的逆米勒比率(Lambda)加入模型(1)中，得到第二階段的回歸結(jié)果，見回歸(2)和回歸(3)。從中可以看出，供應(yīng)鏈行業(yè)知識(Chain_Ratio)仍都顯著為負，研究結(jié)論未發(fā)生改變，說明反向因果的內(nèi)生性問題并未影響本文的實證結(jié)果。

表7 供應(yīng)鏈行業(yè)知識與預(yù)測質(zhì)量：Heckman回歸結(jié)果

2.遺漏變量問題。分析師與公司之間的配對可能受到某些未觀測因素的影響，而這些因素可能同時影響到分析師對公司盈余預(yù)測的質(zhì)量。為了盡可能緩解因遺漏變量帶來的內(nèi)生性問題，本文將通過兩種方法來處理。首先，我們選取了樣本區(qū)間內(nèi)分析師對跟蹤公司存在供應(yīng)鏈行業(yè)知識的子樣本，對模型(1)重新進行檢驗，這可以直接比較分析師對公司的盈余預(yù)測質(zhì)量在具備供應(yīng)鏈行業(yè)知識年度和不具備供應(yīng)鏈行業(yè)知識年度的差異。若本文的結(jié)論是由于分析師跟蹤上市公司的系統(tǒng)性差異帶來的，那么無論分析師是否具備公司的供應(yīng)鏈行業(yè)知識，其對盈余預(yù)測質(zhì)量的影響應(yīng)不存在顯著差別；若這種影響主要存在于分析師具備供應(yīng)鏈行業(yè)知識的公司，則能在一定程度上緩解由遺漏變量帶來的內(nèi)生性問題?；貧w結(jié)果見表8中的回歸(1)～(4)，我們發(fā)現(xiàn)研究結(jié)論未發(fā)生實質(zhì)變化。其次，我們使用傾向得分匹配法對有無供應(yīng)鏈行業(yè)知識的樣本做了配對，在選擇配對公司時，我們控制了分析師的經(jīng)驗、發(fā)布報告數(shù)量、跟蹤公司數(shù)、同行業(yè)專長及公司層面的規(guī)模、資產(chǎn)負債率、盈利性等因素，采用1∶1鄰近匹配得到一組配對樣本，根據(jù)配對樣本我們重新對模型(1)進行了回歸，結(jié)果見表8中的回歸(5)～(8)，可以看出研究結(jié)論仍然沒有發(fā)生實質(zhì)變化。

表8 分析師供應(yīng)鏈行業(yè)知識與預(yù)測質(zhì)量：子樣本的重新回歸

(五)穩(wěn)健性檢驗

首先，我們采用供應(yīng)鏈跟蹤年限(Chain_Exp)來重新度量分析師的供應(yīng)鏈行業(yè)知識，定義Chain_Exp等于分析師i對公司j具備供應(yīng)鏈行業(yè)知識的年份減去首次跟蹤與公司j前五大客戶/供應(yīng)商同行業(yè)公司的年份。其次，對分析師的盈余預(yù)測質(zhì)量進行了重新度量：(1)計算了盈余預(yù)測的絕對誤差(Abs_Error)，等于分析師在t年對該公司最新的每股收益預(yù)測值與實際每股收益之差的絕對值除以預(yù)測日前一天的股價；(2)計算了分析師對公司的預(yù)測得分(Score)[26]，在t年根據(jù)預(yù)測的絕對誤差對所有跟蹤該公司的分析師進行排序并賦值(Rank)，誤差最小的分析師賦值為1，誤差最大的分析師賦值最高，則Score=100-[(Rank-1) / (N-1)] ×100，N為對該公司發(fā)布預(yù)測的分析師人數(shù)。根據(jù)新定義的變量分別重新進行了回歸分析，研究結(jié)論未發(fā)生變化。最后，我們還在模型(1)中進一步控制了分析師個體的固定效應(yīng)，研究結(jié)論也未有本質(zhì)變化。因此，總體來看，本文的實證結(jié)果是穩(wěn)健的(限于篇幅，穩(wěn)健性檢驗結(jié)果均未列示)。

五、研究結(jié)論與啟示

增強信息有效供給、切實維護投資者利益是推進資本市場供給側(cè)結(jié)構(gòu)性改革的一項重要內(nèi)容[27]。在資本市場中，分析師扮演著重要角色，分析師所具備的行業(yè)知識是代表其研究能力的核心要素，會對分析師提供的信息質(zhì)量產(chǎn)生顯著影響。本文針對目前對分析師行業(yè)知識領(lǐng)域研究的不足，主要考察了分析師供應(yīng)鏈行業(yè)知識對其盈余預(yù)測信息質(zhì)量的影響，得到以下結(jié)論：與一般分析師相比，具備供應(yīng)鏈行業(yè)知識的分析師提供的盈余預(yù)測的信息質(zhì)量更高；當公司對供應(yīng)鏈公司的依賴程度越高、公司面臨的信息不確定程度越高時，分析師的供應(yīng)鏈行業(yè)知識對盈余預(yù)測質(zhì)量的提升作用就越大。本文從分析師的角度驗證了供應(yīng)鏈信息溢出的積極作用，揭示了分析師供應(yīng)鏈行業(yè)知識對其研究報告質(zhì)量的提升作用。

本文的研究結(jié)論能夠幫助我們更好地理解分析師的行業(yè)知識是如何在我國資本市場上發(fā)揮作用的。實際上，分析師的行業(yè)知識或行業(yè)專長不僅僅局限在跟蹤公司的同行業(yè)內(nèi)，與跟蹤公司的客戶或供應(yīng)商相關(guān)的行業(yè)知識對于分析師提高研報的信息質(zhì)量同樣發(fā)揮著重要作用。對券商來說，對分析師行業(yè)專長的培養(yǎng)不應(yīng)局限在某一個或幾個行業(yè)本身，而應(yīng)在挖掘每一個分析師行業(yè)特長的同時，將重要客戶和供應(yīng)商所處行業(yè)內(nèi)的公司也納入跟蹤范圍，以更合理地配置分析師的跟蹤組合，從而形成分析師更強的行業(yè)優(yōu)勢。另外，本文的研究結(jié)論也為市場投資者如何使用分析師研報提供了一定的參考：面對龐大的分析師隊伍與繁多的分析師研報，投資者在事前判斷分析師預(yù)測準確性的依據(jù)就顯得尤為重要。長期以來，我國資本市場上散戶投資者有著迷信明星分析師的傾向，但是無論從《新財富》“最佳分析師”評選的實踐經(jīng)驗還是已有實證研究來看，與一般分析師相比，明星分析師提供研究報告的質(zhì)量并非更高。從本文的研究也可以看出，明星分析師并沒有更積極地構(gòu)建供應(yīng)鏈行業(yè)專長，而對行業(yè)知識掌握程度較高的分析師往往可以為投資者提供更有價值的研究報告。因此，投資者不應(yīng)盲目追捧“明星”，而應(yīng)更多關(guān)注其頭銜背后的行業(yè)知識儲備，特別對于那些同時具備供應(yīng)鏈行業(yè)知識的分析師要予以重點關(guān)注。

注釋：

①來自中國證券網(wǎng)2011年7月“得行業(yè)者得天下，券商偏好實業(yè)出身研究員”的報道，新浪財經(jīng)對此的摘錄網(wǎng)址：http://finance.sina.com.cn/stock/quanshang/ybyj/20110719/022510168530.shtml。

②例如，根據(jù)《上市公司行業(yè)分類指引》(2012年修訂版)的分類標準，制造業(yè)中次類代碼為“C2”的行業(yè)中包括“家具制造”“造紙及印刷”“石油加工煉焦”“醫(yī)藥制造”“橡膠與塑料”等等，明顯可以看出這些行業(yè)之間仍存在較大的差異性，因此，為了保證同行業(yè)之間的信息傳遞存在意義，在證監(jiān)會行業(yè)分類指引的基礎(chǔ)上，進一步對這種次類行業(yè)劃分不清晰的行業(yè)進行了細分。

③借鑒主流文獻做法，若分析師在當年對一家上市公司發(fā)布了不止一份盈余預(yù)測時，僅保留最新的一份預(yù)測數(shù)據(jù)。

④限于篇幅，本文的實證結(jié)果主要以報告核心變量為主，完整的實證結(jié)果留存?zhèn)渌鳌?/p>

⑤耐用品行業(yè)包括金屬和非金屬加工業(yè)(行業(yè)代碼：C30～C33)、機械設(shè)備制造業(yè)(行業(yè)代碼：C34～C38)、電子業(yè)(行業(yè)代碼：C39)和儀器儀表制造業(yè)(行業(yè)代碼：C40)。

⑥限于篇幅，這里僅報告了以相對預(yù)測誤差(RError)作為被解釋變量、供應(yīng)鏈行業(yè)知識的虛擬變量(Chain_Dum)作為解釋變量的回歸結(jié)果，相對預(yù)測樂觀偏差(RBias)和供應(yīng)鏈行業(yè)知識連續(xù)變量(Chain_Ratio)的相關(guān)回歸結(jié)果留存?zhèn)渌鳌?/p>