證券分析師的信息來源研究：基于A股市場的證據(jù)

金 鑫，吳 祥

（中央財經(jīng)大學 會計學院，北京 100081）

一、引 言

近年來，隨著我國證券市場的不斷發(fā)展、完善，證券分析師在資本市場中也發(fā)揮著越來越大的作用，其影響力也與日俱增，成為資本市場中不可忽視的力量，隨著這支新生事物的興起，國內(nèi)外不少學者都以證券分析師為研究對象，大量文獻都表明證券分析師的研究報告具有投資價值，Lys 和Sohn （1990）［1］，Michaely，和Womack （1999）［2］，以 及Brav 和Lehavy（2003）［3］等人的結論都支持了這點。國內(nèi)的吳東輝、薛祖云（2O05）［4］，朱紅軍（2007）［5］，岳衡和林小弛（2008）［6］等人的研究都先后從不同角度證明了我國證券分析師預測準確性在不斷提高，該群體在證券市場中發(fā)揮了積極的作用。

基于前人研究的成果，既然證券分析師預測準確性優(yōu)越于隨機游走模型（岳衡、林小弛（2008），石桂峰、蘇力勇、齊偉山（2007）［7］），證券分析師可以給市場提供新的信息（方軍雄（2007）［8］），那么這些分析師所提供的增量信息主要來源于哪里？本文主要嘗試探討這一問題。分析師所提供的信息是來源于行業(yè)的信息更多些？還是具體某一個公司層面的信息更多些？國外不少的研究都支持分析師具有行業(yè)背景信息（Piotroski 和Roulstone（2004）［9］，Boni 和Womack（2006）［10］），與此相反，Bhushan（1989）［11］、O′Brien 和Bhushan（1990）［12］等人的研究也表明，證券分析師主要是生產(chǎn)了具體的公司層面信息，而不是籠統(tǒng)依據(jù)行業(yè)信息來發(fā)布公告。我國的朱紅軍（2007）基于股票同步性的視角，檢驗認為分析師更多地反映公司層面信息，而馮旭南、李心愉（2011）［13］采用相同的方法進行檢驗，卻得出了相反的結論，他們認為證券分析師給市場提供的更多的是市場層面的信息。

依據(jù)中國資本市場數(shù)據(jù)，本文探討證券分析師所提供的信息來源。與該問題相關的一個更基礎性的問題就是有哪些因素刺激分析師去生產(chǎn)、加工不同的信息，了解這個問題，才能夠幫助我們更好地認識證券分析師的行為，同時也能夠幫助投資人更加有效地利用證券分析師的研究報告，從而提高投資收益。本文采用Ayers 和Freeman（1997）［14］的方法，把證券分析師研究報告中所提供的信息分解為市場層面、行業(yè)層面和公司層面三部分，研究結論顯示：我國證券分析師所生產(chǎn)的信息主要是具體的公司層面信息，而不是行業(yè)層面信息，這和證券分析師希望提高自身報告的準確性，增加研究報告的投資價值，使得研究報告使用人獲得更大收益，從而增加證券分析師的傭金收入和提升自己的聲譽息息相關的。在此基礎上，投資人在面對證券分析師的研究報告時，應該認識到，高波動性公司研究報告的使用價值要遠高于低波動性公司的研究報告。

在各種因素的約束下，如成本、時間和精力這些因素總是稀缺的，理性的經(jīng)濟人就要權衡，到底是選擇生產(chǎn)公司層面的信息還是行業(yè)層面信息？如果收集行業(yè)信息，那么證券分析師就很容易地把該信息移植到其他公司的研究報告中，從而從同行業(yè)多家公司的研究報告中獲益，進而形成一種“規(guī)模效益”。另一方面，當證券分析師關注具體的公司時，其生產(chǎn)的公司層面信息，也可以幫助分析市場中其他公司，形成一種正的外部性，這樣也就產(chǎn)生了一種“溢出效應”。因此，我們可以斷定，分析師是選擇生產(chǎn)行業(yè)層面信息還是公司層面信息，主要是基于“規(guī)模效應”和“溢出效益”的孰高孰低，當規(guī)模效應大于溢出效益時，證券分析師將更多地生產(chǎn)行業(yè)信息，反之，亦然。

研究結論顯示，證券分析師的股票推薦中的公司層面信息其平均回報率要遠大于行業(yè)層面信息，在股票業(yè)績上升組，在股票推薦日發(fā)布后，公司層面信息、行業(yè)信息的三日累計報酬率分別為2.49%、0.07%，同時，在股票業(yè)績下降組，其三日的累計報酬率分別為-2.82%、-0.05%。如果說股價的變動情況反映了新信息的披露程度，上述數(shù)字說明，在公司業(yè)績上升組，分析師的研究報告提供的公司層面信息是行業(yè)信息的35 倍之多。諸多經(jīng)典文獻都證實（Womack（1996），Walther和Willis（2004））：證券分析師評估后公司股價出現(xiàn)的“拖尾”現(xiàn)象與評估的更正程度正相關，本文還創(chuàng)造性地發(fā)現(xiàn)，評估日后的“拖尾”現(xiàn)象主要是由于公司層面信息引起的，而不是評估報告中所包含的行業(yè)信息。

和前人工作一致，本文也是研究證券分析師研究報告的信息含量問題，不過，我們并不調查證券分析師的研究報告是否具有投資價值，而是細究證券分析師的信息是來源于公司層面還是行業(yè)層面，是那些因素引起了這種差異？結論顯示，證券分析師更青睞于公司層面的信息，這和Boni 和Womack（2006）的研究結論不謀而合。他們在其文中構建了兩種投資組合，第一類投資組合是在確定某一行業(yè)的基礎上，買進該行業(yè)中業(yè)績表現(xiàn)好的公司股票，而賣出該行業(yè)中業(yè)績表現(xiàn)差的公司股票；第二類投資組合，是在市場中挑選公司，買入業(yè)績好的公司股票，同時賣出業(yè)績表現(xiàn)差的公司股票。比較這兩種投資組合，第一類策略在同一行業(yè)中挑選公司，此時業(yè)績好和業(yè)績差的公司所屬的行業(yè)信息就一樣了，而在第二種投資策略中，行業(yè)信息和公司層面信息都是在考慮范圍之內(nèi)。他們的投資結果顯示，第一種投資策略的收益率遠遠超過第二種投資策略，即公司層面信息比行業(yè)信息具有更高的投資價值，這和我們的發(fā)現(xiàn)相同。

本文余下部分安排如下：第二部分提出本文的三個假設，第三部分描述本文的實證過程方法以及結論。最后，概括本文的研究發(fā)現(xiàn)及實踐意義。

二、研究假設

我們在這里參考Mark H Liu（2011）［15］提出的模型，假設在任意的一個行業(yè)中有N個公司，公司n的價值為Vn，市場預期值為，這二者之間存在這種關系：

其中， βn 代表公司n 的行業(yè)貝塔值，是行業(yè)層面信息，它影響著該行業(yè)中所有的公司， Fn是公司層面的信息，二者之間相互獨立。

假設有三個時間點，0，1，2，首先，在時間點0時，所有的信息都是公共信息，股票的價格反映了市場中全部的個體公司信息以及行業(yè)公共信息。在時點1，關注上市公司的分析師把自己收集的信息以某種途徑傳遞給投資人，投資人依據(jù)分析師的建議來做投資決定。緊接著在時點2，證券分析師搜集的信息由私有信息轉變?yōu)楣残畔?，此時證券價格進行更新，從而，進入一個新的循環(huán)，等待市場信息的下一次冒尖。同時，投資人將會從其投資收益中提取一部分支付給證券分析師，作為其工作的報酬。

在實踐過程中，證券分析師需要決定生產(chǎn)多少行業(yè)信息以及公司個體層面的信息量，無論是什么信息，只要證券分析師投入更多的精力和資源，那么最后得出的準確性就越高，更高的預測準確性也就具有了更多的投資價值，投資人能夠獲得更多的收益，從而，證券分析師的收益也就會增加。站在理性經(jīng)濟人的角度，證券分析師將權衡自己決策的收益和成本，最終的均衡點將是他生產(chǎn)加工信息所獲得的邊際收益恰好等于邊際成本。此時，證券分析師所獲得的總收益最大。

在時點0，公司的股票價格包涵了市場中所有的行業(yè)信息，由于行業(yè)信息影響著本行業(yè)中所有的上市公司，各家上市公司的股票價格都能夠反映出行業(yè)信息。在某一個行業(yè)中，如果一家上市公司股票價格有變動，倘若該價格變動反映了新的市場行業(yè)信息，那么該信息會很快傳遞給別的上市公司，行業(yè)信息反映到他的股票價格中去，也就是說與此相反，公司層面的信息并不能直接影響到其他公司的股價。因此，可以推斷，在任何時點上，公司股票價格中包含了更多的行業(yè)信息。這也與Ayers和Freeman（1997）的研究結論一致，他們認為相比較公司層面信息來說，行業(yè)信息要更早地反映到股票價格中。

由于股票價格中包含了更多的行業(yè)信息，要想挖掘行業(yè)信息來獲得更多的收益將會更加困難，相比較而言，把有限的資源投入到生產(chǎn)公司層面的信息，其投入產(chǎn)出率將會更高。這將會激勵證券投資人選擇關注更多的公司層面的信息。另一方面，當證券分析師選擇生產(chǎn)行業(yè)信息時，它能夠把一個信息運用到該行業(yè)中的所有公司，然后銷售給投資人，從多家公司中獲得收益。面對這兩種不同的盈利模式，證券投資人到底選擇哪一方向，最終取決于哪一種模式的收益更大。因此，本文提出第一個假設：

假設1a：如果溢出效益大于規(guī)模效益，那么分析師公布后的市場反應中，公司層面的信息將大于行業(yè)信息。

假設1b：如果規(guī)模效益大于溢出效益，那么分析師公布后的市場反應中，行業(yè)信息將大于公司層面信息。

另外，公司的某些特征也會影響到分析師生產(chǎn)公司層面的信息，從等式（1）中我們可以看出，公司的價值受到行業(yè)和公司層面因素的影響。因此，公司N的股票價值方差可以分解行業(yè)因素方差β2n×Var(I)和公司層面方差Var(F)兩部分。公式表示如下：

假設同屬于一個行業(yè)的兩個公司，他們的行業(yè)βn 相同，但是各自公司層面的波動方差不一樣，此時，公司價值波動程度將隨公司層面的風險而波動，公司層面信息方差越大（越小），那么公司的價值也就越大（越?。?。因而，相對于股票投資人來說，也將更容易（艱難）從那些具有高（低）的股票波動性公司中收益。這就促使證券分析師面對具有高（低）波動性的公司時，挖掘更多（少）的公司層面信息。由此，提出第二個假設：

假設2：被分析師推薦的股票所包含的公司層面信息將隨著該股票的波動性增加而增加。

同樣道理，假設有兩家公司，他們的Var(Fn)相等，但是所屬行業(yè)不同，具有不同的βn，公司所屬行業(yè)的βn 越大（越小），該公司的價值越多（越少）受到行業(yè)因素的影響。因此，對于βn βn 越大（越?。┑墓荆顿Y人也就越多（少）地能夠從行業(yè)信息中投資收益，進而，這也就促使證券分析師更多（少）地關注βn 大（?。┑墓镜男袠I(yè)信息。如果市場上的股價變動反映出信息的更新情況，我們提出本文的第三個假設：

假設3：被推薦公司的βn 越大，分析師預測公布后，公司股價的變動將反映出更多的行業(yè)信息。

相比較股價波動小的公司，股價波動程度越大的公司，受行業(yè)因素的影響程度較低，而受公司層面信息的影響較大，因此，理性的分析師在面對股價波動小的公司時，將會更多地關注行業(yè)信息，而對股價波動大的公司，將相應地選擇公司層面信息。如果市場股價的變動反映出市場的信息披露情況，我們提出本文的第四個假設：

假設4：分析師預測公布后，若公司股價波動性越大，那么公司股價波動中的行業(yè)信息將越低。

需要指出的是，在四個假設中，第一個假設和其他三個假設是獨立的，無論規(guī)模效應、溢出效益哪一個占主導，其結論都不會影響其他三個假設的證明。只要證券分析師是在約束的條件下做出推薦，生產(chǎn)使投資價值最大化的行業(yè)、公司層面的信息，而且市場價格能夠反映出公司的所有信息時，那么，假設2～4都應該得到證實。

三、實證結果

在該部分，我們檢驗了假設1～4 能否得到驗證，尤其檢驗了市場對分析師推薦中的行業(yè)信息或公司層面信息中的哪一個反應更加強烈？同時運用面板數(shù)據(jù)檢驗了分析師對具有不同特征的公司推薦后，市場對行業(yè)信息、公司層面信息的反應情況，最后，我們也研究了論文研究的投資價值。

（一）分析師推薦重估

本文從萬德數(shù)據(jù)庫（Wind）中取得了分析師對上市公司的評論，數(shù)字1～5 分別代表強烈買入、買入、推薦、較差和賣出。對于同一公司、同一分析師如果下一次推薦數(shù)字小于（大于）上一次的推薦等級，就把這種情況定義為上調（下調）。表1顯示了分析師推薦的樣本統(tǒng)計情況，樣本總期間為2003-2010年，共計有12424個上調和12601個下調的樣本數(shù)，可以看出下調組的數(shù)量要稍大于上調組的數(shù)量，說明分析師有樂觀預測的傾向，這和郭杰、洪潔瑛（2009）的發(fā)現(xiàn)一致。

表1 分析師推薦情況的樣本分布

（二）市場對分析師推薦的反應

關于市場的反應，我們采用分析師推薦日的市場反應累計三日回報來衡量，定義如下：

其中Rn,t是被推薦股票n在t天當日的日回報率。表2中報告了從一個等級改變?yōu)榱硪粋€等級后，公司的三日累計回報率的變動情況。

表2 上調、下降組的市場反應

其中，在所有上調樣本中，最多的是持有改為購買（3979例），三天的累計報酬率共上升了2.35%，在1%水平上顯著，最少的樣本是由賣出改為較差（43 例），三日的累計報酬率為0.57%，在統(tǒng)計上并不顯著。在所有下調等級樣本中，由購買建議改為持有建議的觀測值最多（5050），平均三日累計報酬率為-2.17%，在1%水平上面上顯著。最少的觀測值為較差下調為賣出（41 例），三日的累計報酬率為-1.76%，在5%水平上顯著。該結論與Mikhail（2004）、Boni和Womak（2006）等人的研究結論一致。

（三）分析師推薦公布后，市場對行業(yè)信息、公司層面信息的反應

本文把分析師推薦的股票，其市場價格變動中所包含的信息分為市場、行業(yè)和公司層面三部分，以2003-2010年為年度區(qū)間，通過下列模型來估計和：

Womack（1996），Mikhail等人（1999）的研究顯示分析師盈余預測具有拖尾現(xiàn)象。為了弄清楚拖尾現(xiàn)象的誘因是行業(yè)信息還是公司層面信息，我們也把推薦日后的股票回報分解成行業(yè)信息回報、公司層面信息回報，進而觀察到底哪個信息時拖尾現(xiàn)象產(chǎn)生的原因。假設一個月內(nèi)有22個交易日，股票n 在分析師推薦日后的1個月中市場回報定義為，市場月累計回報率計算為：

與此同時，行業(yè)的月累計報酬率定義為：

表3 是關于分析師推薦公布后，市場、行業(yè)以及公司層面信息的股票回報的描述性統(tǒng)計①，A部分顯示了所有上調組的三日累計回報，所有上調組公司所屬行業(yè)的平均貝塔值為1.03，中位數(shù)為1.01，標準差為0.37，上升組公司的市場、行業(yè)平均貝塔值分別為：1.12、0.57。公司層面信息的三日累計報酬率平均數(shù)（中位數(shù)） 為2.49%（1.51%），遠高于行業(yè)信息0.07（0.01%）和市場信息0.17%（0.21%）的回報率。公司層面信息三日回報率的標準差為8.71，這也大于行業(yè)信息的標準差1.73 和2.51 的市場信息標準差。B 部分報告了下調組公司的相關信息：下調組公司所屬行業(yè)的平均貝塔值為1.07，中位數(shù)為1.05，標準差為0.41。下調組公司的平均市場和行業(yè)貝塔值分別為1.12、0.55。公司層面信息的三日累計報酬率平均（中位數(shù)） 為-2.82% （-1.59%），這大于行業(yè)信息的-0.05%（-0.01%）三日累計報酬率和市場信息0.07%（0.17%）的報酬率。公司層面信息三日回報率標準差為10.17，這也大于1.71的行業(yè)信息回報率標準差和2.61的市場回報率標準差。

在表3的C、D部分，分別報告了上調組和下調組股票推薦日后的短期（1個月）和長期（3個月）市場反應狀況，上調組的公司1個月、3個月平均的累計市場報酬率分別為2.14%、4.88%，下調組的對應為0.69%、2.92%。上調組行業(yè)信息的平均1月、3月累計報酬率分別為-0.01、0.07，通過t 值檢驗發(fā)現(xiàn)，這與下調組的-0.02、0.05 在統(tǒng)計上沒有差異。上調組公司的公司層面信息平均1個月、3個月累計報酬率分別為0.87%、1.48%，而下調組的公司層面信息平均1個月、3個月的累計報酬率分別為-0.37%、-0.49%。上述結論顯示股票推薦后出現(xiàn)的拖尾和行業(yè)信息無關，而主要是由公司層面信息引起的。

觀察表3 的結果我們發(fā)現(xiàn)：分析師股票推薦后，公司層面信息引起的股價波動要遠大于行業(yè)信息的影響，也就是說分析師生產(chǎn)了更多的公司層面信息，而較少的行業(yè)信息。這個結論支持了假設1a，意味著，在我國證券市場中，溢出效益要大于規(guī)模效應。和該結論一致，我們還發(fā)現(xiàn)股票推薦日后引起的拖尾現(xiàn)象也主要是基于公司層面信息的，而與行業(yè)信息關聯(lián)不大。

假設2 提出股票的波動性越大，分析師將會生產(chǎn)更多的公司層面信息，而且，如果分析師所生產(chǎn)的信息沒有被市場在3 天的短窗口內(nèi)消化的話，市場就將在未來一段時間內(nèi)對分析師生產(chǎn)的公司層面信息產(chǎn)生一個拖尾現(xiàn)象，所以我們也預期推薦日后的公司層面信息回報與股票波動性正相關。為了驗證該假設，本文用兩個替代變量來衡量股票波動性，第一種方法是采用絕對值RMSE，這是前文回歸方程誤差的平方根。第二種方法，是相對值1-RSQ，在計算上等于1 減去回歸方程調整后的R2。

表3 證券分析師重估后，市場、行業(yè)、公司層面信息的報酬率描述性統(tǒng)計

在表4 的第一部分，我們對用上一年度數(shù)據(jù)估算出的RMSE 進行排序，依據(jù)RMSE 的大小，把公司分成十等分，然后計算出每一組公司的在分析師公告日后的短期、長期平均報酬率（3 天、一個月、3個月）。從數(shù)據(jù)中我們可以看出，上調組的上市公司中，公司層面信息的三日累計報酬率隨RMSE 的增加而增加，兩者呈正相關關系。波動性最大的組，其三日累計報酬率為4.74%，而波動性最小的組，其三日累計報酬率為0.91%，通過t 檢驗發(fā)現(xiàn)，兩者在1%水平上具有顯著差異。與此同時，1個月、3個月的累計回報率也和RMSE 呈正相關關系，不過這種顯著性稍比窗口期的要弱一些。數(shù)據(jù)顯示，波動性最大組的1個月累計回報率為1.29%，波動性最小組的月累計報酬率為0.65%，兩者在5%水平上顯著不同。對于下調組公司，公司層面信息回報率與RMSE 也呈現(xiàn)出與上升組類似的情形，這種相關程度也有不同程度的下降。具體來說，波動性最大的公司三日累計回報率為-4.57%，而波動性最小組的回報率為-1.06%，兩者在1%水平上顯著不同，波動性最大組的3個月回報率為-1.44%，而波動性最小組的回報率為-0.03%，兩者在5%水平上顯著不同。

在表4 的第二部分，我們依據(jù)之前估算出的1-RSQ 大小，把所有的樣本公司進行排序分成十等分，進而再計算出股評推薦日后短期和長期的公司層面信息回報率，得到的結論和第一部分的結論基本相同。除幾組例外，在上調組中，隨著波動性增加，公司層面信息短期和長期回報率都在不斷提高，相應地，在下調組，隨著波動性的增加，公司層面信息回報率不斷下降（負值），不過其絕對值是增加的。可以看出，無論是上調組還是下調組的樣本，窗口期觀察的結論都比滯后期顯著。

表4 股票推薦公布后，股價波動性與公司層面信息回報聯(lián)系

這些就驗證了假設2 的正確性，我們發(fā)現(xiàn)了股評推薦日前后的公司層面信息回報率與股票的波動性之間存在正相關關系，而且在推薦日后的一段時間內(nèi)，股票的公司層面信息回報率還是和股票的波動性有正相關關系，雖然這種相關性相比較前者要弱一些。這也就說明了，當股票的波動性越大，分析師就越傾向于生產(chǎn)更多的公司層面信息。

（四）行業(yè)貝塔值與行業(yè)信息回報率

類似于前文的方法，在表5 中，我們首先也是通過以前年度的數(shù)據(jù)，估算出回歸方程的行業(yè)貝塔值，再依據(jù)行業(yè)貝塔值絕對值的大小把樣本進行排序，分成十等分，進而按照等分數(shù)計算出行業(yè)信息累計平均回報率，在上調組樣本中，行業(yè)信息三日累計報酬率隨著的增加而增加，最小組的行業(yè)信息三日累計平均報酬率為0，而最大組的平均報酬率為0.38%，通過t 值檢驗，發(fā)現(xiàn)兩者在1%水平上顯著不同，在下調組樣本中，行業(yè)信息三日累計平均報酬率隨著的增加而降低，雖然有個別例外，不過基本上滿足這一特征。下調組中行業(yè)貝塔值最小組的行業(yè)信息累計平均回報率為0，而最大組的平均報酬率為-0.17%，通過t值檢驗，發(fā)現(xiàn)兩者也在1%水平上顯著不同。這表明：在窗口期內(nèi)，行業(yè)信息累計回報率與股票的行業(yè)貝塔值之間存在正相關關系。同時在表中我們也報告了行業(yè)貝塔值與拖尾現(xiàn)象的檢驗結果，在上調組和下調組中，我們都沒有找到與有相關性的證據(jù)。這也和假設1的結論相一致，股價的拖尾現(xiàn)象與行業(yè)信息無關。

表5 股票推薦公布后，行業(yè)貝塔值與行業(yè)信息回報聯(lián)系

表5 的結果表明：股票推薦公布日，行業(yè)信息回報率與股票的行業(yè)貝塔值的絕對值之間呈現(xiàn)正相關關系，因此，假設3 得到了驗證。除此之外，我們也沒有找到，在股票推薦公布后的1個月、3個月內(nèi)，行業(yè)信息回報率與行業(yè)貝塔值的絕對值之間有相關性的證據(jù)，這也和行業(yè)信息沒有拖尾現(xiàn)象的結論相一致。

（五）股價波動性與行業(yè)信息回報率

表6 顯示了股評推薦公布日窗口期以及滯后期內(nèi)，行業(yè)信息回報率與股票的波動性之間的聯(lián)系，在該檢驗中，我們報告了用1-RSQ來衡量股價波動性的程度所得到的結論。

表6 股票推薦公布后，股價波動性與行業(yè)信息回報聯(lián)系

依據(jù)用上一年度數(shù)據(jù)回歸的1-RSQ數(shù)值大小，我們把公司分成十等分，然后再計算出每組的平均行業(yè)信息回報率。在上調組樣本中，大致呈現(xiàn)出隨著1-RSQ的增加而降低的趨勢，在股價波動最小的組，其窗口期三日行業(yè)信息累計報酬率達到0.47%，而股價波動最大的組，其三日行業(yè)信息累計報酬率僅為0.01%，通過t 值檢驗，兩者在1%水平上顯著差異。對于下調組公司，三日行業(yè)信息報酬率隨著1-RSQ 的增加而增加，在股價波動最小的組，其三日行業(yè)信息回報率為-0.26%，而股價波動最大的組中，該數(shù)值為-0.01%，兩數(shù)值也在1%水平上顯著差異。同時，在公布日后的滯后期內(nèi)，無論在上調組還是在下調組，都與1-RSQ 有個負相關的聯(lián)系，不過這種相關性非常弱，不是嚴格單調的遞減關系。

四、結論與啟示

無論是在中國新興市場，還是在歐美成熟資本市場，大部分學者都認為分析師的研究報告具有使用價值，但是，當討論分析師的信息主要是基于行業(yè)信息還是公司層面信息的時候，爭論就比較大。本文借助于中國資本市場數(shù)據(jù)，嘗試論證分析師的信息來源，由于分析師的收入主要來源于其所屬證券公司的傭金，因此為了提高其預測報告的使用價值，分析師就有很大的動機去挖掘公司層面具體的信息，從而獲得更大的收益。

事實上，影響全行業(yè)所有公司的行業(yè)信息是把“雙刃劍”，一方面，在任一時點上，相比較公司層面信息，公眾投資人將接觸到更多的行業(yè)信息，因此，分析師要想提高報告的使用價值，就必須要收集、生產(chǎn)更多的公司層面信息。另一方面，由于行業(yè)信息可以復制到行業(yè)內(nèi)的所有公司，在實際研究過程中能夠產(chǎn)生“規(guī)模效應”，這也就刺激了分析師去生產(chǎn)行業(yè)信息。與此同時，由于公司層面信息也具有“溢出效益”，從而，理性的分析師在追求自身利益最大化的背景下，就需要在行業(yè)信息和公司層面信息之間進行權衡與抉擇。在既定成本約束的條件下，到底是生產(chǎn)行業(yè)信息還是公司層面信息，取決于規(guī)模效應與溢出效益的大小，通過分析我們發(fā)現(xiàn)，在中國證券市場，分析師們生產(chǎn)了更多的公司層面信息，這在客觀上也提高了我國資本市場的有效性，從另一個角度驗證了朱紅軍（2007）、方軍雄（2007）、郭杰、洪潔瑛（2009）［15］等人的觀點。

同時，我們還發(fā)現(xiàn)，股票的波動性越高，分析師將越傾向于生產(chǎn)公司層面信息，而當公司所屬的行業(yè)貝塔值的絕對值越大、股票的波動性越低，分析師將越傾向于生產(chǎn)行業(yè)信息。進而，站在投資人的角度上，為了更加有效地利用分析師的研究報告，我們應該著重關注那些股票波動性大的公司，而不是分析師所提供的全部研究報告，這樣將提高投資人的收益水平。

注 釋：

①表1 中我們報告了12424個上調組和12601個下調組，這里因為剔除關于同一支股票在15個交易日內(nèi)的有其他預測（造成股價交叉影響），合計2485個上調組、2518個下調組；同時由于要估測和，要求每只股票在前一年度至少要有22個交易日的數(shù)據(jù)存在，這又分別剔除了726個上調組、842個下調組，因而剩下9213個上調組和9241個下調組樣本數(shù)。

［1］Lys T，S Sohn.The Association between Revisions of Financial Analysts’Earnings Forecasts and Security-Price Changes［J］.Journal of Accounting and Economics，1990（13）：341-363.

［2］Michaely R，K L Womack.Conflict of Interest and the Credibility of Underwriter Analyst Recommendations［J］.Review of Financial Studies，1999（12）：653-686.

［3］Brav A，R Lehavy. An Empirical Analysis of Analysts’Target Prices：Short-Term information and Long-Term Dynamics［J］.Journal of Finance，2003（58）：1933-1967.

［4］吳東輝，薛祖云.財務分析師盈利預測的投資價值：來自深滬A股市場的證據(jù)［J］.會計研究，2005（8）：38-41.

［5］朱紅軍，何賢杰，陶林.中國的證券分析師能夠提高資本市場的效率嗎？基于股價同步性和股價信息含量的經(jīng)驗證據(jù)［J］.金融研究，2007（2）：110-121.

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

［7］石桂峰，蘇力勇，齊偉山.財務分析師盈余預測精確度決定因素的實證分析［J］.財經(jīng)研究，2007（5）：62-66.

［8］方軍雄.我國上市公司信息披露透明度與證券分析師預測［J］.金融研究，2007（6）：136-142.

［9］Piotroski J D，B T Roulstone.The Influence of Analysts，Institutional Investors，and Insiders on the Incorporation of Market，Industry，and Firm-Specific Information into Stock Prices［J］.Accounting Review，2004（79）：1119-1151.

［10］Boni L，K L Womack.Analysts，Industries，and Price Momentum［J］. Journal of Financial and Quantitative Analysis，2006（41）：85-109.

［11］Bhushan R . Firm characteristics and analyst following［J］.Journal of Accounting and Economics，1989，11（2-3）：255-274.

［12］O′Brien P，R Bhushan. Analyst following and institutional ownership［J］. Journal of Accounting Research，1990（28）（Supplement）：55-76.

［13］馮旭南，李心愉.中國證券分析師能反映公司特質信息嗎?——基于股價波動同步性和分析師跟進的證據(jù)［J］.經(jīng)濟科學，2011（4）：46-55.

［14］Ayers B，R N Freeman. Market Assessment of Industry and Firm Earnings Information［J］. Journal of Accounting and Economics，1997（24）：205-218.

［15］郭杰，洪潔瑛.中國證券分析師的盈余預測行為有效性研究［J］.經(jīng)濟研究，2009（11）：57-66.