王成龍 冉明東

(1．廈門大學(xué) 管理學(xué)院，福建 廈門 361005；2．中南財經(jīng)政法大學(xué) 會計學(xué)院/會計大數(shù)據(jù)研究所，湖北 武漢 430073)

一、引言

在經(jīng)典金融學(xué)研究框架中，分析師是完全理性的，其盈余預(yù)測之所以出現(xiàn)樂觀偏差，主要源于主客觀兩方面因素。主觀因素包括分析師個人利益、券商盈利壓力等，而客觀因素主要為分析師專業(yè)能力。行為金融學(xué)打破了經(jīng)典金融學(xué)研究框架，認(rèn)為即便是作為資本市場信息專家的分析師，也會因為受到非理性因素干擾而產(chǎn)生認(rèn)知偏差[1]。而大量心理學(xué)研究表明，天氣是誘發(fā)人們產(chǎn)生認(rèn)知偏差的重要非理性因素[2]?；诖耍疚囊罁?jù)心理學(xué)和行為金融學(xué)理論，探究天氣這一因素是否會引致分析師盈余預(yù)測樂觀偏差。

我國特有的制度背景和地理特征，為研究天氣對分析師盈余預(yù)測樂觀偏差的影響創(chuàng)造了良好條件。首先，我國上市公司必須公布分析師的調(diào)研日期與地點，這有助于確定分析師調(diào)研時的天氣狀況，明確調(diào)研與發(fā)布預(yù)測報告之間的關(guān)系，進(jìn)而將天氣與分析師盈余預(yù)測關(guān)聯(lián)起來。其次，我國資本市場起步較晚，分析師行業(yè)的整體專業(yè)水平與發(fā)達(dá)資本市場相比尚存較大差距，專業(yè)能力不足可能使得分析師更容易受到天氣等非理性因素的干擾。最后，我國幅員遼闊，氣候復(fù)雜多變，“同一時間不同地點”以及“同一地點不同時間”都可能會存在多種天氣類型，這有利于排除季節(jié)、地理位置等可能影響因果識別的因素。

本文以2012～2016年跟蹤A股上市公司的分析師為研究對象，首先按照調(diào)研日期匹配分析師調(diào)研地點和當(dāng)?shù)靥鞖?，然后分析?dāng)?shù)靥鞖馊绾斡绊懛治鰩熢谡{(diào)研日及之后一周內(nèi)所發(fā)布盈余預(yù)測的樂觀偏差。結(jié)果發(fā)現(xiàn)，調(diào)研日的好天氣會增大分析師盈余預(yù)測樂觀偏差，尤其當(dāng)管理層能力越低、分析師學(xué)歷越低，以及分析師跟蹤上市公司數(shù)量越少時，好天氣導(dǎo)致的分析師盈余預(yù)測樂觀偏差越大。

本文可能的貢獻(xiàn)在于：第一，拓展了天氣影響資本市場參與主體非理性決策的相關(guān)研究?，F(xiàn)有文獻(xiàn)已經(jīng)關(guān)注到天氣對投資者、管理層和分析師非理性行為的影響，特別是Dehaan等(2017)研究了天氣對分析師“公司公告信息反應(yīng)速度”的影響[3]，本文在此基礎(chǔ)上進(jìn)一步探討天氣對分析師盈余預(yù)測樂觀偏差的影響，從而拓展了相關(guān)領(lǐng)域的研究范圍。第二，為分析師盈余預(yù)測樂觀偏差提供了一種非理性因素視角的解釋。盡管學(xué)術(shù)界對分析師預(yù)測行為偏差做了大量研究，也提出了豐富的理論解釋，但這些研究大多局限于經(jīng)典金融學(xué)理論框架，是在分析師完全理性的前提下進(jìn)行討論。本文則基于心理學(xué)和行為金融學(xué)理論，從非理性視角對分析師盈余預(yù)測樂觀偏差進(jìn)行研究。

下文結(jié)構(gòu)安排如下：第二部分為文獻(xiàn)回顧；第三部分為理論分析與研究假設(shè)；第四部分為研究設(shè)計；第五部分為實證結(jié)果分析；第六部分為穩(wěn)健性檢驗；第七部分為結(jié)論與啟示。

二、文獻(xiàn)回顧

(一)分析師盈余預(yù)測樂觀偏差

在經(jīng)典金融學(xué)研究框架中，分析師盈余預(yù)測樂觀偏差可以分解為主觀偏差和客觀偏差[4]，主觀偏差指分析師因利益驅(qū)使而主動調(diào)整盈余預(yù)測導(dǎo)致的偏差，客觀偏差則是由非利益因素導(dǎo)致的分析師預(yù)測盈余與公司真實盈余之間的偏差。早期學(xué)者更多關(guān)注主觀偏差，發(fā)現(xiàn)形成主觀偏差的主要原因包括盈利壓力等券商利益[5]，以及追求晉升或者評價等分析師個人利益[6]?？陀^偏差的影響因素對分析師盈余預(yù)測的可靠程度同樣十分重要，相關(guān)因素包括分析師的專業(yè)能力、勤奮程度等。近年來，關(guān)于客觀偏差的探究逐漸成為研究熱點。如Lee和Lo(2016)發(fā)現(xiàn)，投資者認(rèn)為在公司財務(wù)重述前發(fā)布相對消極意見的分析師，其能力更強(qiáng)，更能得到投資者的信任，從而導(dǎo)致更大的盈余修正市場反應(yīng)系數(shù)[7]。Cheng等(2016)使用中國數(shù)據(jù)發(fā)現(xiàn)，實地調(diào)研有助于分析師獲取更多公司信息進(jìn)而減少預(yù)測偏差[8]。

行為金融學(xué)的發(fā)展打破了經(jīng)典金融學(xué)研究框架，認(rèn)為分析師并非完全理性，其同樣存在認(rèn)知偏差。根據(jù)已有研究不難發(fā)現(xiàn)，非理性因素是導(dǎo)致分析師盈余預(yù)測樂觀偏差的重要原因。如伍燕然等(2012)發(fā)現(xiàn)投資者情緒會影響分析師的專業(yè)判斷，導(dǎo)致盈余預(yù)測出現(xiàn)樂觀偏差[9]。然而，從行為金融學(xué)視角對分析師盈余預(yù)測樂觀偏差的研究還較為缺乏，本文擬對相關(guān)研究進(jìn)行適當(dāng)補(bǔ)充。

(二)天氣與資本市場

諸多研究表明，天氣會在各個領(lǐng)域影響人的行為，如利他行為、攻擊行為、消費行為等。借鑒心理學(xué)研究成果，金融領(lǐng)域?qū)W者逐步將天氣納入行為金融學(xué)研究領(lǐng)域。Saunders(1993)發(fā)現(xiàn)紐約的云層厚度與紐約證券交易所的指數(shù)收益率顯著負(fù)相關(guān)[10]，初步證實了資本市場的“天氣效應(yīng)”(weather effect)，但是當(dāng)其他學(xué)者再次檢驗Saunders(1993)的研究時，并未發(fā)現(xiàn)天氣影響紐約證券交易所指數(shù)收益率的證據(jù)[11]。此后，學(xué)者們檢驗了天氣效應(yīng)在不同國家的適用性。Kr?mer和Runde(1997)發(fā)現(xiàn)德國市場不存在“天氣效應(yīng)”[12]，但Hirshleifer和Shumway(2003)將研究樣本擴(kuò)大至26個交易所以后，再次證實了“天氣效應(yīng)”[13]。

近期有研究開始關(guān)注天氣對投資者交易行為的影響，Chang等(2008)發(fā)現(xiàn)云量的增加更容易導(dǎo)致賣出交易并造成股價劇烈波動[14]，該現(xiàn)象同樣適用于中國[15]。若進(jìn)一步區(qū)分天氣對個體投資者與機(jī)構(gòu)投資者的影響，已有研究發(fā)現(xiàn)多云天氣會導(dǎo)致機(jī)構(gòu)投資者錯誤定價，增加賣出操作概率[16]。企業(yè)管理層的決策行為也會受到天氣影響，如已有研究發(fā)現(xiàn)天氣越好，管理層盈余預(yù)測越樂觀，特別是當(dāng)管理層風(fēng)險偏好高或者企業(yè)信息不透明時，天氣對管理層盈余預(yù)測樂觀偏差的影響更顯著[17]。除了投資者和管理層，分析師也是資本市場的重要參與者。分析師的主要作用之一在于通過盈余預(yù)測影響企業(yè)的資產(chǎn)定價和投資者的決策行為。已有研究發(fā)現(xiàn)，壞天氣會帶來負(fù)面情緒進(jìn)而降低分析師的活動程度，與那些正在經(jīng)歷好天氣的分析師相比，經(jīng)歷壞天氣的分析師對公告信息反應(yīng)更慢或者更傾向于不反應(yīng)[3]。既然天氣會引發(fā)分析師心理活動發(fā)生變化，而非理性因素又是分析師盈余預(yù)測樂觀偏差產(chǎn)生的重要原因，我們不禁疑問，天氣是否會影響分析師盈余預(yù)測樂觀偏差？

考察天氣對分析師盈余預(yù)測樂觀偏差的影響，必須在某一時點對分析師的地理位置進(jìn)行精確定位，并明確天氣與分析師樂觀偏差的因果關(guān)系，這或許是目前相關(guān)研究還比較匱乏的原因之一。Dehaan等(2017)利用分析師辦公室所在地的天氣數(shù)據(jù)，探究天氣如何影響分析師對上市公司公告信息的反應(yīng)及時性[3]。顯然，公司發(fā)布公告時，分析師并不一定正處于辦公地點。我國上市公司披露了分析師進(jìn)行企業(yè)調(diào)研的詳細(xì)資料，如調(diào)研日期、地點和內(nèi)容等，這些資料有助于我們解決研究難點。其一，通過調(diào)研資料，我們可以確切掌握分析師在調(diào)研日的地理位置，進(jìn)而匹配當(dāng)?shù)靥鞖?。其二，較高比例的分析師會在調(diào)研日及之后幾天內(nèi)對被調(diào)研企業(yè)進(jìn)行盈余預(yù)測，這為明確調(diào)研日天氣與分析師盈余預(yù)測樂觀偏差的因果關(guān)系提供了良好的研究條件?；诖?，本文以分析師企業(yè)調(diào)研為研究背景,考察天氣對分析師盈余預(yù)測樂觀偏差的影響。

三、理論分析與研究假設(shè)

心理學(xué)研究發(fā)現(xiàn)，天氣會影響人的情緒。而行為金融學(xué)研究表明，情緒會進(jìn)一步影響人們在資本市場中的交易決策與交易行為。也就是說，天氣會通過人的情緒影響其在資本市場中的行為。分析師作為資本市場的重要參與者，其盈余預(yù)測行為也可能受到天氣的影響。需要特別說明的是，依據(jù)“情緒泛化假說”(affective generalization hypothesis)，情緒會對人們的行為決策造成跨期影響[18]。換句話說，情緒不僅影響當(dāng)期判斷，還會通過信息解讀形成記憶，影響后期判斷[19]。盡管分析師并非全部在調(diào)研日對信息進(jìn)行處理并完成研究報告，但是如果調(diào)研日的好天氣能夠提高分析師調(diào)研時對企業(yè)未來經(jīng)營業(yè)績評價的積極程度，這同樣會影響到分析師后期的決策行為。因此，依據(jù)心理學(xué)和行為金融學(xué)理論，我們認(rèn)為在分析師通過企業(yè)調(diào)研收集、處理信息并完成預(yù)測報告的全過程中，調(diào)研日的天氣狀況都有可能影響其盈余預(yù)測樂觀偏差。

首先，在信息收集階段，好天氣可能會促使分析師收集更多積極信息。心理學(xué)研究發(fā)現(xiàn)，人類具有“心境一致性效應(yīng)”(mood congruency effect)，即人在心情好時，更容易發(fā)現(xiàn)積極信息，而在心情差時，更容易發(fā)現(xiàn)消極信息[20]。在企業(yè)調(diào)研過程中，如果遇到好天氣，相對壞天氣而言分析師的情緒會更加積極，那么依據(jù)心境一致性效應(yīng)，積極情緒會促使分析師關(guān)注并收集到更多關(guān)于調(diào)研對象正面的信息，進(jìn)而更大概率地促使分析師對企業(yè)的運營情況做出積極評價，最終增加分析師盈余預(yù)測樂觀偏差。其次，在信息解讀階段，好天氣可能會使得分析師高估積極事件的發(fā)生概率，提高分析師信息加工的樂觀水平。研究表明，天氣會影響人們在信息處理時的情感狀態(tài)，進(jìn)而影響其行為決策[12]。具體而言，好的情緒會導(dǎo)致個體更多依賴積極暗示，從而變得更加樂觀[21]。情緒越樂觀，人們越容易高估積極事件的發(fā)生概率，并低估消極事件的發(fā)生概率[17]。行為金融學(xué)研究發(fā)現(xiàn)，陽光誘導(dǎo)的樂觀情緒會導(dǎo)致個體在金融決策中接受更高水平的風(fēng)險[22]。同樣，分析師在進(jìn)行決策時也會受到心理因素的影響，使得其在處理企業(yè)調(diào)研信息時也可能因為天氣良好而低估企業(yè)消極事件的發(fā)生概率，高估積極事件的發(fā)生概率，從而對企業(yè)未來盈余做出更加樂觀的預(yù)測。最后，在報告形成階段，好天氣會影響分析師撰寫報告時對企業(yè)評價的積極程度。心理學(xué)研究表明，好心情會使得作者的寫作內(nèi)容更加積極[23]。應(yīng)用到分析師報告撰寫情境中，好天氣帶來的積極情緒將使得分析師用更加正面和積極的語言對調(diào)研對象進(jìn)行描述，從而得到更加積極的結(jié)論。盈余預(yù)測作為分析師報告研究結(jié)論的集中體現(xiàn)，自然也會因為分析師積極情緒的存在而產(chǎn)生樂觀偏差。

需要強(qiáng)調(diào)的是，天氣影響分析師盈余預(yù)測的前提在于分析師“不自知”。因為如果分析師預(yù)期到天氣會對其盈余預(yù)測產(chǎn)生影響，可能會事先進(jìn)行理性調(diào)整。關(guān)于該問題，Cunningham(1979)的田野研究發(fā)現(xiàn)，人們并未意識到天氣對行為決策的影響，而是將其決策偏差歸因到其他因素[24]。也就是說，分析師更傾向于將較高的盈余預(yù)測偏差錯誤地歸因于企業(yè)的突出業(yè)績而不是好天氣。

綜上所述，本文認(rèn)為天氣可能同時在信息收集、信息解讀以及報告撰寫階段影響分析師決策，并且分析師個人并未意識到天氣的影響。基于此，本文提出假設(shè)H1：

H1：企業(yè)調(diào)研日天氣越好，分析師盈余預(yù)測的樂觀偏差越大。

分析師與企業(yè)之間存在較大程度的信息不對稱，為了緩解信息不對稱，分析師希望加強(qiáng)與管理層的溝通。分析師調(diào)研是較為直接的溝通方式，但是溝通效果在較大程度上取決于管理層自身對企業(yè)信息的掌握程度與溝通意愿[25]。一方面，能力強(qiáng)的管理層對企業(yè)信息的掌握程度更高，對企業(yè)、行業(yè)乃至宏觀經(jīng)濟(jì)具有更加全面、深入的了解，其與人溝通的能力通常也較高。另一方面，為了釋放高能力信號，能力強(qiáng)的管理層對外披露信息的意愿也更加強(qiáng)烈[26]。Baik等(2011)發(fā)現(xiàn)，高能力管理層不僅對其所管理企業(yè)的盈余預(yù)測更加準(zhǔn)確，而且頻率更高[27]。由此推測，高能力管理層向分析師傳遞更多有效信息的能力和意愿較強(qiáng)，從而有助于降低分析師與企業(yè)之間的信息不對稱水平。

因此，我們認(rèn)為能力強(qiáng)的管理層可以更好地理解產(chǎn)業(yè)發(fā)展、宏觀環(huán)境等多方面信息，對企業(yè)發(fā)展戰(zhàn)略、經(jīng)營策略的理解更加充分，進(jìn)而使得其在分析師調(diào)研過程中所傳達(dá)的信息質(zhì)量更好、內(nèi)涵更豐富。相反，如果管理層能力比較弱，那么其將難以向分析師傳遞準(zhǔn)確、翔實的信息。根據(jù)心理學(xué)“首因效應(yīng)”和“近因效應(yīng)”觀點，管理層向分析師傳達(dá)的信息導(dǎo)致分析師對企業(yè)形成“初始印象”和“短期印象”。管理層能力越強(qiáng)，向分析師傳遞的信息越多、越充分，分析師所形成的印象也就越深刻，這樣管理層向分析師描繪的企業(yè)印象會壓縮分析師在信息挖掘與信息解讀過程中的主觀判斷空間。經(jīng)濟(jì)學(xué)研究表明，信息獲取的數(shù)量和質(zhì)量直接影響到?jīng)Q策是否理性[28]。管理層能力的提高有助于改善信息的數(shù)量和質(zhì)量，進(jìn)而緩解分析師的非理性決策行為。如上文所述，天氣通過影響分析師心理活動導(dǎo)致其非理性決策，信息收集與信息解讀是天氣影響分析師盈余預(yù)測樂觀偏差的主要路徑，而管理層能力的提升則使得分析師信息收集和處理的質(zhì)量得以提高，從而壓縮了分析師非理性決策的空間。換言之，管理層能力的增強(qiáng)降低了天氣影響分析師盈余預(yù)測樂觀偏差的程度。基于此,本文提出假設(shè)H2：

H2：管理層能力越強(qiáng)，企業(yè)調(diào)研日的天氣對分析師盈余預(yù)測樂觀偏差的影響越小。

H3：分析師學(xué)歷越高，企業(yè)調(diào)研日的天氣對分析師盈余預(yù)測樂觀偏差的影響越小。

除了學(xué)歷，分析師跟蹤的企業(yè)數(shù)量也是影響分析師決策能力的重要因素，但是已有研究對此并未得到一致看法。一種觀點認(rèn)為，分析師跟蹤企業(yè)數(shù)量越多，其精力越會被分散，從而無暇在數(shù)據(jù)收集和處理時投入足夠的資源，最終導(dǎo)致決策質(zhì)量下降[29]。在這種情況下，分析師跟蹤的企業(yè)數(shù)量越多，其數(shù)據(jù)收集和處理的能力受到的負(fù)面影響越大，進(jìn)而越有可能做出非理性決策。另一種觀點認(rèn)為，分析師跟蹤企業(yè)數(shù)量越多，其對行業(yè)信息掌握越充分，在學(xué)習(xí)效應(yīng)和行業(yè)知識溢出效應(yīng)的作用下，分析師可以從跟蹤的同行業(yè)其他公司中獲取信息[30]。特別是在跟蹤對象信息質(zhì)量比較低時，分析師可以依賴對行業(yè)其他公司的了解改善其預(yù)測質(zhì)量[31]。事實上，大部分分析師傾向于將跟蹤對象聚焦于某幾個行業(yè)①。在這種情境下，學(xué)習(xí)效應(yīng)和行業(yè)知識的溢出效應(yīng)會顯著增強(qiáng)，分析師同時跟蹤的公司越多，越有助于提升其信息處理能力，進(jìn)而削弱天氣對其非理性決策的影響。理論上，分析師跟蹤企業(yè)數(shù)量對分析師理性決策存在正負(fù)兩種效應(yīng)，因此本文提出對立假設(shè)H4a和H4b：

H4a：分析師跟蹤公司數(shù)量越多，企業(yè)調(diào)研日的天氣對分析師盈余預(yù)測樂觀偏差的影響越大。

H4b：分析師跟蹤公司數(shù)量越多，企業(yè)調(diào)研日的天氣對分析師盈余預(yù)測樂觀偏差的影響越小。

四、研究設(shè)計

(一)數(shù)據(jù)來源與樣本選擇

本文以2012～2016年跟蹤A股上市公司的證券分析師為研究對象，考察調(diào)研企業(yè)所在地的天氣狀況對分析師盈余預(yù)測樂觀偏差的影響。其中，分析師對企業(yè)的調(diào)研數(shù)據(jù)來自東方財富網(wǎng)，各城市天氣狀況數(shù)據(jù)來自天氣預(yù)報網(wǎng)，分析師盈余預(yù)測數(shù)據(jù)、分析師個人特征數(shù)據(jù)以及公司財務(wù)數(shù)據(jù)等均來自CSMAR數(shù)據(jù)庫。

數(shù)據(jù)處理過程如下：(1)從東方財富網(wǎng)獲得所有A股企業(yè)調(diào)研數(shù)據(jù)，共499627條觀測值②；(2)僅保留券商調(diào)研數(shù)據(jù)，剩余141352條觀測值；(3)剔除調(diào)研人員缺失的樣本(共89054條觀測值)，剩余52298條券商調(diào)研觀測值和68102條分析師調(diào)研觀測值③；(4)根據(jù)CSMAR的券商名稱和分析師姓名，匹配出分析師調(diào)研數(shù)據(jù)，共41118條觀測值；(5)匹配分析師盈余預(yù)測數(shù)據(jù)，并剔除調(diào)研當(dāng)天及之后一周未進(jìn)行預(yù)測的情況，對于同一分析師對同一家公司進(jìn)行多次預(yù)測的情況，僅保留距離調(diào)研最近的一次盈余預(yù)測，剩余6756條觀測值；(6)剔除電話訪談和網(wǎng)上交流會等調(diào)研方式的樣本，共305條觀測值；(7)剔除金融類上市公司、ST和*ST公司，以及控制變量缺失的樣本，共3319條觀測值，最終剩余3132條觀測值。同時，本文對所有連續(xù)變量進(jìn)行1%和99%縮尾處理。

(二)模型與變量

為了檢驗調(diào)研時的天氣是否會影響分析師盈余預(yù)測樂觀偏差，本文構(gòu)建模型(1)，使用Stata14.0進(jìn)行OLS回歸分析。

二里半為了生氣，他的白眼球立刻多過黑眼球。他的熱情立刻在心里結(jié)成冰。李青山不與他再多說一句，望向窗外天邊的樹，小聲搖著頭，他唱起小調(diào)來。二里半臨出門，青山的女人在廚房向他說：

OPT=β0+β1WEATHER+β2STAR+β3EXPE+β4COVER+β5BKSIZE+β6SIZE+β7LEV+

β8GROWTH+β9INST+β10BIG10+β11ROA+β12SOE+β13BLANC+

∑Firm+∑Year+∑Analyst+ε

(1)

式(1)中，OPT為分析師預(yù)測樂觀偏差，其等于“100×(EPS預(yù)測值-EPS實際值)÷預(yù)測前一天的股價”[32]。WEATHER為調(diào)研當(dāng)天的天氣狀況，若為晴天則WEATHER=3；若為陰天或多云，則WEATHER=2；若為雨天，則WEATHER=1。在其他條件不變的情況下，WEATHER數(shù)值越大，表示天氣越好。模型(1)控制了分析師個人特征和公司特征。分析師個人特征主要包括：是否為明星分析師(STAR)、分析師工作經(jīng)驗(EXPE)、分析師跟蹤公司數(shù)(COVER)和分析師所屬券商規(guī)模(BKSIZE)。公司特征包括：公司規(guī)模(SIZE)、資產(chǎn)負(fù)債率(LEV)、銷售增長率(GROWTH)、機(jī)構(gòu)持股比例(INST)、大所審計(BIG10)、總資產(chǎn)收益率(ROA)、產(chǎn)權(quán)性質(zhì)(SOE)和股權(quán)制衡度(BLANC)。最后，我們控制了公司、年度和分析師的個體固定效應(yīng)。

為了檢驗H2、H3和H4，本文在模型(1)的基礎(chǔ)上增加了高管或分析師特征(用X表示)及其與天氣的交乘項(WEATHER*X)，構(gòu)建模型(2)。具體而言，為了檢驗H2，本文在模型(1)的基礎(chǔ)上增加了管理層能力(MA)及其與天氣的交乘項(WEATHER*MA)。為了檢驗H3，本文在模型(1)的基礎(chǔ)上增加了分析師學(xué)歷(EDU)及其與天氣的交乘項(WEATHER*EDU)，但因為控制了分析師個體固定效應(yīng)，且分析師學(xué)歷不隨時間變化，故而省略了分析師學(xué)歷(EDU)。為了檢驗H4，本文在模型(1)的基礎(chǔ)上增加了分析師跟蹤公司數(shù)(COVER)及其與天氣的交乘項(WEATHER*COVER)。具體變量定義見表1。

OPT=β0+β1WEATHER+β2X+β3WEATHER*X+β4STAR+β5EXPE+β6COVER+

β7BKSIZE+β8SIZE+β9LEV+β10GROWTH+β11INST+β12BIG10+β13ROA+

β14SOE+β15BLANC+∑Firm+∑Year+∑Analyst+ε

(2)

表1 變量一覽表

五、實證結(jié)果分析

(一)描述性統(tǒng)計

表2報告了所有變量的描述性統(tǒng)計結(jié)果，由表2可知：(1)OPT的平均值為1.618，表明分析師盈余預(yù)測值與真實值之差占股價的比例平均為1.618%，結(jié)果較為合理。OPT的標(biāo)準(zhǔn)差是2.427，說明樣本中的分析師的盈利預(yù)測樂觀偏差具有一定的差異度。OPT的最小值和最大值分別為-3.863和11.974，表明分析師盈余預(yù)測值與真實值之差對股價的最小占比為-3.863%，但最大占比為11.974%，最大值的絕對值遠(yuǎn)大于最小值的絕對值，說明分析師在盈余預(yù)測時具有樂觀傾向。(2)WEATHER的平均值為1.911，該值小于2，說明分析師在調(diào)研時遇到雨天天氣的情況稍多于晴天天氣。WEATHER的標(biāo)準(zhǔn)差是0.742，說明分析師在進(jìn)行實地調(diào)研時天氣狀況具有較高的差異度。此外，MA的樣本數(shù)低于其他變量，這主要是由于MA在計算過程中相關(guān)變量樣本存在缺失。

表2 所有變量的描述性統(tǒng)計表

(二)回歸結(jié)果

本文主回歸結(jié)果如表3所示。其中，前兩列對應(yīng)假設(shè)H1。第(1)列表示僅控制公司和年份固定效應(yīng)以及其他控制變量時，調(diào)研日天氣對分析師盈余預(yù)測樂觀偏差的影響；第(2)列表示在第(1)列基礎(chǔ)上控制分析師個體固定效應(yīng)后，調(diào)研日天氣對分析師盈余預(yù)測樂觀偏差的影響。我們發(fā)現(xiàn)，當(dāng)沒有控制分析師個體固定效應(yīng)時，天氣狀況指標(biāo)WEATHER的系數(shù)為0.146，且在5%的水平上顯著為正，說明在控制其他條件的情況下，天氣在“雨天-陰天-晴天”三個等級中每上升一個等級，分析師盈余預(yù)測樂觀偏差上升14.6%。當(dāng)進(jìn)一步控制分析師個體固定效應(yīng)后發(fā)現(xiàn)，WEATHER的系數(shù)增

表3 天氣對分析師預(yù)測偏差的影響

注：括號內(nèi)為t值；*、**、***分別表示在10%、5%和1%的水平上顯著(雙尾檢驗)。下表同。

加為0.233，且在10%的水平上顯著為正，說明在控制分析師不隨時間變化的個性特征以后，天氣對分析師盈余預(yù)測樂觀偏差的影響更大。第(1)和第(2)列的結(jié)果綜合說明，分析師會受到天氣這一非理性因素的影響，調(diào)研日天氣越好，分析師盈余預(yù)測越樂觀，回歸結(jié)果支持假設(shè)H1。

表3第(3)列對應(yīng)假設(shè)H2。第(3)列在第(2)列基礎(chǔ)上加入了管理層能力(MA)及其與調(diào)研日天氣的交乘項(WEATHER*MA)。第(3)列中WEATHER*MA的系數(shù)為-0.639，且在5%的水平上顯著為負(fù)，說明管理層能力會對天氣與分析師盈余預(yù)測樂觀偏差之間的關(guān)系產(chǎn)生負(fù)向調(diào)節(jié)作用。這一結(jié)論表明，管理層能力的提高能夠“抑制”天氣這一因素對分析師盈余預(yù)測樂觀偏差的負(fù)面影響，假設(shè)H2得到了驗證。

表3第(4)和第(5)列分別對應(yīng)假設(shè)H3和H4。其中，第(4)列在第(2)列基礎(chǔ)上加入了分析師學(xué)歷(EDU)及其與調(diào)研日天氣的交乘項(WEATHER*EDU)，但由于分析師學(xué)歷不隨時間變化，其效應(yīng)已經(jīng)包含在分析師固定效應(yīng)中，故在模型中省略。第(4)列中WEATHER*EDU的系數(shù)為-0.050，且在10%的水平上顯著為負(fù)，說明隨著分析師教育水平的提高，天氣對分析師盈余預(yù)測樂觀偏差的影響隨之降低，假設(shè)H3得到了驗證。第(5)列在第(2)列基礎(chǔ)上加入了分析師跟蹤公司數(shù)(COVER)及其與調(diào)研日天氣的交乘項(WEATHER*COVER)。第(5)列中WEATHER*COVER的系數(shù)為-0.041，且在5%的水平上顯著為負(fù)，說明隨著分析師跟蹤公司數(shù)量的提高，天氣對分析師盈余預(yù)測樂觀偏差的影響也隨之降低。該結(jié)論支持學(xué)習(xí)效應(yīng)和行業(yè)知識溢出效應(yīng)，即隨著分析師跟蹤公司數(shù)量的提高，分析師通過學(xué)習(xí)行業(yè)知識提高了其對被調(diào)研企業(yè)的了解程度，從而能夠緩解調(diào)研日天氣這一因素的影響，假設(shè)H4b得到了驗證。

六、穩(wěn)健性檢驗

(一)內(nèi)生性分析

調(diào)研日期大多提前確定，在確定調(diào)研日期時，未來調(diào)研日的天氣往往難以準(zhǔn)確預(yù)判。因此，我們可以將調(diào)研日天氣視為隨機(jī)外生變量。此外，分析師先調(diào)研后寫研究報告，調(diào)研日天氣與分析師盈余預(yù)測之間存在時間滯后性，出現(xiàn)反向因果的概率較低。

然而，天氣預(yù)報增加了分析師選擇調(diào)研日天氣的主觀能動性?？赡艽嬖诘挠^點是分析師特意選擇好天氣調(diào)研自己認(rèn)為比較優(yōu)質(zhì)的企業(yè)，這也會導(dǎo)致天氣與分析師盈余預(yù)測樂觀偏差出現(xiàn)正相關(guān)關(guān)系。不過，該觀點成立的前提在于分析師可以主觀確定調(diào)研日期。我們無法準(zhǔn)確判斷調(diào)研日期是否由分析師確定，但在一般情況下，一同調(diào)研的單位(如分析師、基金公司、媒體)越多，分析師可以主觀確定調(diào)研日期的可能性越小。因此，如果存在反向因果關(guān)系，那么天氣對分析師盈余預(yù)測樂觀偏差的影響更可能顯著出現(xiàn)在一同參與調(diào)研的單位較少的樣本中。

為了檢驗上述觀點是否成立，本文按照一同調(diào)研的單位數(shù)量將樣本分為調(diào)研單位數(shù)量較少組和調(diào)研單位數(shù)量較多組，并進(jìn)行分組回歸(結(jié)果如表4所示)。表4的回歸結(jié)果顯示，天氣與分析師盈余預(yù)測樂觀偏差的顯著正相關(guān)關(guān)系并沒有出現(xiàn)在調(diào)研單位數(shù)量較少組，而是出現(xiàn)在調(diào)研單位數(shù)量較多組。該結(jié)果說明“分析師特意選擇好天氣調(diào)研自己認(rèn)為比較優(yōu)質(zhì)的企業(yè)”的說法并不成立。這一結(jié)論與Cheng等(2016)的結(jié)論相一致，其發(fā)現(xiàn)當(dāng)多個分析師一同參與調(diào)研時，分析師盈余預(yù)測相對不夠準(zhǔn)確[8]。表4的結(jié)果則進(jìn)一步表明，多個分析師一同參與調(diào)研所發(fā)布的盈余預(yù)測樂觀偏差之所以較大，可能是因為天氣這一因素所導(dǎo)致的。

表4 分析師調(diào)研人數(shù)分組檢驗

(二)天氣類型替代指標(biāo)

為了進(jìn)一步剖析導(dǎo)致分析師盈余預(yù)測樂觀偏差的具體天氣類型，本文根據(jù)天氣類型分別定義三個虛擬變量：SUNNY表示天氣是否為晴天，若是則為1，否則為0；CLOUDY表示天氣是否為陰天或多云，若是則為1，否則為0；RAINY表示天氣是否為雨天或雪天，若是則為1，否則為0。分別用SUNNY、CLOUDY和RAINY替換模型(1)中的WEATHER，回歸結(jié)果如表5所示。表5第(1)～(3)列的天氣變量分別對應(yīng)SUNNY、CLOUDY和RAINY。第(1)和第(2)列顯示的結(jié)果比較類似，SUNNY的系數(shù)為0.224，CLOUDY的系數(shù)是0.127，但均不顯著。第(3)列中，RAINY的系數(shù)為-0.337，且在10%的水平上顯著為負(fù)，說明同雨雪天氣比，非雨雪天氣使得分析師盈余預(yù)測樂觀偏差增加了33.7%。表5的結(jié)果說明，影響分析師盈余預(yù)測樂觀偏差的主要天氣類型為“是否雨雪天氣”。

表5 天氣類型替代指標(biāo)檢驗

(三)調(diào)研日與研究報告公布日時間間隔的替代

在主回歸中，我們將調(diào)研日與研究報告公布日的時間間隔設(shè)置為一周(小于等于7天)。為了保證結(jié)果穩(wěn)健性，本文將分析師調(diào)研日與研究報告公布日的時間間隔分別調(diào)整為1天、3天、5天、10天、15天以及30天。結(jié)果發(fā)現(xiàn)，除了1天和10天時間間隔外，天氣對分析師盈余預(yù)測樂觀偏差均產(chǎn)生顯著影響(如表6所示)。

七、結(jié)論與啟示

證券分析師盈余預(yù)測為什么會產(chǎn)生樂觀偏差？傳統(tǒng)理論觀點大多基于經(jīng)典金融學(xué)研究框架，認(rèn)為分析師樂觀偏差主要源于利益驅(qū)動、個人能力等。本文將心理學(xué)中的心境一致性效應(yīng)和情緒泛化假說納入行為金融學(xué)研究框架，分析天氣對分析師盈余預(yù)測樂觀偏差的影響。

具體而言，本文利用中國上市公司披露分析師企業(yè)調(diào)研日期、地點這一制度背景，在精確定位分析師地點的同時，將其與當(dāng)?shù)靥鞖?、調(diào)研日期以及分析師盈余預(yù)測數(shù)據(jù)一一匹配，研究被調(diào)研企業(yè)所在地區(qū)的天氣如何影響分析師在調(diào)研日及之后一周內(nèi)的盈余預(yù)測樂觀偏差。結(jié)果發(fā)現(xiàn)，好天氣會增加分析師盈余預(yù)測樂觀偏差，這表明作為資本市場信息專家的分析師并非完全理性；尤其當(dāng)管理層能力越低、分析師學(xué)歷越低、分析師跟蹤上市公司數(shù)量越少時，好天氣導(dǎo)致的分析師盈余預(yù)測樂觀偏差越大。

就理論貢獻(xiàn)而言，本文在已有研究基礎(chǔ)上進(jìn)一步探討了天氣對分析師盈余預(yù)測樂觀偏差的影響，拓展了天氣影響資本市場參與主體非理性決策的相關(guān)文獻(xiàn)，并從天氣視角為分析師盈余預(yù)測樂觀偏差提供了一種解釋。在實踐價值方面，無論是對分析師本身，還是對投資者來說，本文的研究結(jié)論均具有啟發(fā)意義。面對競爭日益激烈的證券分析師行業(yè)，提高盈余預(yù)測水平對分析師個人的職業(yè)發(fā)展十分重要。然而，分析師可能并未意識到天氣帶來的干擾效應(yīng)。本文的研究結(jié)論表明，如果分析師將天氣因素納入其預(yù)測模型，那么可能有助于其提升工作績效。從投資者角度看，本文研究結(jié)論提示投資者應(yīng)適當(dāng)考慮天氣等因素對分析師盈余預(yù)測行為的影響，進(jìn)而有助于其利用分析師盈余預(yù)測結(jié)果進(jìn)行投資決策。

注釋：

①本文的樣本統(tǒng)計表明，大約1/3的分析師跟蹤一個行業(yè)，1/4的分析師跟蹤兩個行業(yè)。

②若同一天有多個調(diào)研機(jī)構(gòu)進(jìn)行調(diào)研，則每個調(diào)研機(jī)構(gòu)的調(diào)研情況為一條數(shù)據(jù)。

③存在同一券商多名分析師同時去同一家公司調(diào)研的情況。