■都春竹 趙漢卿

（上海財經(jīng)大學(xué)）

1 引 言

在經(jīng)歷了20世紀初數(shù)波牛市之后，中國有越來越多人開始向股市中投資。根據(jù)證券市場的注冊人數(shù)數(shù)據(jù)，目前中國A股的股民人數(shù)達到了約1.46億人。很多人們選擇股票的依據(jù)來自于或是熟人的推薦或是股票研究員的建議，因而他們的意見可以說至關(guān)重要。由于私人推薦難以獲得數(shù)據(jù)，本文因而想要探究股票研究員對股價的預(yù)測是否是準確的，進而分析他們出現(xiàn)可能的預(yù)測偏差的原因，期待為廣大股民的選股以及為公司如何提高研究員的預(yù)測質(zhì)量、產(chǎn)生更大盈利提供有意義的參考。

2 文獻綜述

在現(xiàn)有文獻中，也有一些關(guān)于預(yù)測準確性的研究：首先是研究員賴以做出預(yù)測的信息獲取方面，研究發(fā)現(xiàn)內(nèi)部控制信息披露（李建軍，2020）、信息披露質(zhì)量（劉永澤，2014）、信息獲?。ǔ滩?017）等因素都會影響到研究員的預(yù)測準確率；另一方面，研究員的準確性也與研究員個人的特征相關(guān)，如大膽程度（李東陽，2013）、學(xué)歷和聲譽（周銘山等，2015）、性別（翟淑萍等，2019）也會與分析準確性相關(guān)；并且公司的經(jīng)營管理模式如公司多元化（楊昌安，2020）、公司內(nèi)部控制質(zhì)量（曹巍，2016）、穩(wěn)定客戶（彭旋，2016）等均會對研究員的預(yù)測質(zhì)量產(chǎn)生影響。

3 數(shù)據(jù)來源

研究員的預(yù)測報告和被預(yù)測股票的實際每股收益（ROE）以及其他變量的數(shù)據(jù)都從Wind數(shù)據(jù)庫中收集。本文采用2018—2019年之間的數(shù)據(jù)，我們篩選了其中包含投資回報率、報告發(fā)布時間（上下午）、研究員所在公司信息較完整的預(yù)測以及每日預(yù)測在兩次及以上的數(shù)據(jù)，并將數(shù)據(jù)的時間范圍限定在每日上午8:30至下午6:00之間——這是因為我們比較關(guān)注可以被認為是當天的工作量的已經(jīng)發(fā)布的數(shù)據(jù)，我們還將在同一天中發(fā)布的每個報告都根據(jù)發(fā)布順序依次標記為。最終經(jīng)過精選，選擇了132條可用數(shù)據(jù)。

本文的研究對象是預(yù)測準確性與工作量（身體疲勞程度），工作年限（工作經(jīng)驗）和自我影響效應(yīng)（預(yù)測受自己之前預(yù)測影響）之間的關(guān)系，并且進一步研究了是什么原因?qū)е铝搜芯繂T們傾向于相信自己之前的預(yù)測。本文定義研究員相對預(yù)測準確性：

該變量越大（不是絕對值），表示研究員相對預(yù)測準確性越高。

關(guān)于身體疲勞程度我們用這兩個變量來衡量。首先是Numberi,j,t，它是每個研究員每天發(fā)布的報告的順序。用來發(fā)布報告順序來衡量研究員一天的勞累程度。另一個用Timei,j,t來表示。把它定義為一個虛擬變量，如果研究員發(fā)布的時間為上午則取1，下午則取0。它同樣代理了身體疲憊的程度。對于研究員的工作經(jīng)驗，我們用工作年限Working years來表示，我們把它定義為從研究員從業(yè)那年開始一直到2018年結(jié)束的年數(shù)。

另外我們參考一些文獻設(shè)置了研究員相對準確性的一些其他因素，即控制變量C，包括Sex（研究員的性別）、School（研究員畢業(yè)的院校）、Company size（即該研究員所在經(jīng)紀公司規(guī)模）、Report num（即研究員一年發(fā)布的總報告篇數(shù)），Season(研究員發(fā)布報告所處2018—2019年的季度)。

4 模型建立與實證結(jié)果

4.1 研究員身體疲勞與準確性之間的關(guān)系

首先我們認為研究員當日的身體狀況會影響最終結(jié)果的準確性。

4.1.1 預(yù)測數(shù)量作為代理變量

我們用當日做出預(yù)測數(shù)量的多少來對疲勞程度進行代理，預(yù)測數(shù)量越多，其預(yù)測結(jié)果可能越不準確。對于這一假設(shè)，我們建立以下回歸模型：

在此公式里，是指股票研究員在某一天的預(yù)測數(shù)量；是相對預(yù)測準確度；C是之前定義的一系列控制變量的向量，包括性別（male=1, female=0）、季度(season)、學(xué)歷(school)、員工公司的規(guī)模(Company size)以及分析師每年的總報告數(shù)量。

由回歸結(jié)果，研究員每天多寫一篇報告則預(yù)測準確度會下降0.816，且此效應(yīng)十分顯著。由此可見，我們對于研究員進行的股票預(yù)測不應(yīng)完全信任的原因之一就是同一公司在相同信息下研究員進行預(yù)測時，隨著其預(yù)測數(shù)量的增加，其預(yù)測準準確性會出現(xiàn)顯著的下降。

4.1.2 做出預(yù)測的時間點作為代理變量

在這里我們認為上下午的時間不同對于研究員預(yù)測的準度也有影響，加入Time虛擬變量，Time=0則代表預(yù)測時間是上午，Time=1而則代表預(yù)測時間是下午。此外再加入Time與Number的交互項查看上午下午會不會對于預(yù)測的邊際效率遞減的速率產(chǎn)生影響。

由回歸實證結(jié)果可知，Time與NT前的系數(shù)都比較顯著，說明上午下午進行預(yù)測確實對于預(yù)測準確性產(chǎn)生影響，并且下午進行預(yù)測時，隨著預(yù)測數(shù)量的增加，預(yù)測準確性有著更大的下降，即邊際效率遞減效應(yīng)中遞減幅度更大。

4.2 工作經(jīng)驗與準確性之間關(guān)系

我們認為員工參與工作時間越長，積攢了更多工作經(jīng)驗，可以幫助他們在錯綜復(fù)雜的局勢中做出更加準確的判斷；然而研究員也會過度迷信自己的經(jīng)驗，沒有根據(jù)當下的局勢做出相應(yīng)的調(diào)整而發(fā)布與以前的結(jié)果類似的預(yù)測，這可能又是經(jīng)驗帶來的弊端，因此我們使用了兩種模型分別對經(jīng)驗這一變量進行研究:

由實證結(jié)果可知，工作年限對于預(yù)測準確度有顯著影響，平均每多工作一年使得預(yù)測準確度上升0.541，可見有經(jīng)驗的研究員做出的預(yù)測可信度比沒有經(jīng)驗的要高。但是一般一個研究員剛進入工作前幾年內(nèi)，通過積累經(jīng)驗取得的進步應(yīng)該是最大的，但是當隨著入職時間的變長，每增加一年的工作經(jīng)驗對于預(yù)測準確度的幫助就不大了，我們引入工作年限的二次項，希望通過分析此系數(shù)來看工作年限對于準確度的提升是否有邊際效益遞減的效用。如上表的回歸結(jié)果可以看出，由于二次項前負數(shù)系數(shù)顯著，說明確實存在顯著的邊際效益遞減。

5 結(jié)論與啟示

總而言之，研究員預(yù)測的準度會受到多方面的影響。首先，當一個研究員一天之內(nèi)寫的報告數(shù)量增加時，其預(yù)測準度會出現(xiàn)顯著的下降，這是由于身體疲憊導(dǎo)致的；其次，研究員做出預(yù)測的時間也對于預(yù)測準度產(chǎn)生影響，平均而言，下午的預(yù)測準度會出現(xiàn)下降，并且預(yù)測準度隨著預(yù)測數(shù)量遞減的效應(yīng)也會更加明顯；再者，預(yù)測準度也與研究員的工作經(jīng)驗有關(guān)，平均而言，工作年限越長預(yù)測準度就會越高，我們還想查看研究員相信自我的程度與預(yù)測準度的關(guān)系，發(fā)現(xiàn)并沒有顯著影響。

這一研究也說明了研究員的預(yù)測其實是不一定準確的。不過對于廣大股民朋友來說，相信我們的研究對他們也會有所參考，相對來說工作經(jīng)驗越長的研究員的預(yù)測準確性會更高，對于證券公司來說，他們應(yīng)該專注于設(shè)法留住那些具有豐富經(jīng)驗的員工，并且通過更加細致的工作時間管理和任務(wù)分配方式管理，降低員工的疲勞度，提高員工的工作效率，最終達到利益最大化的目的。