分析師社交圈、 利益沖突與研究報(bào)告文本信息①

劉亞輝， 黃 凱， 尹玉剛， 汪 勇

(西南財(cái)經(jīng)大學(xué)金融學(xué)院， 成都 611130)

0 引 言

證券分析師在抑制信息不對(duì)稱、促進(jìn)價(jià)格的信息發(fā)現(xiàn)過程中起到了不可忽視的作用[1-4].尤其近年來隨著更多高學(xué)歷、行業(yè)經(jīng)驗(yàn)豐富甚至具有海外經(jīng)歷者的加入，證券分析師隊(duì)伍不斷成長(zhǎng)和壯大. 但分析師是否有效發(fā)揮了信息中介作用？現(xiàn)有文獻(xiàn)并未得出一致結(jié)論. 大部分研究認(rèn)為研究報(bào)告(下文簡(jiǎn)稱為“研報(bào)”)中存在普遍的樂觀偏差，并將其歸因于分析師所面臨的利益沖突(1)對(duì)分析師的研究集中在受雇于券商的賣方分析師，券商與承銷上市公司、 證券投資基金之間的利益關(guān)聯(lián)很容易通過雇傭關(guān)系傳導(dǎo) 給分析師，對(duì)分析師的獨(dú)立性與客觀性形成壓力，形成利益沖突. 分析師面臨的利益沖突主要有3種，一是來自所屬券商的壓力，不 能發(fā)表對(duì)客戶(或投資者)不利的報(bào)告；二是分析師出于對(duì)自身職業(yè)生涯的考慮；三是分析師與被研究公司之間存在利益共謀.[5-9]. 也有學(xué)者認(rèn)為分析師向市場(chǎng)提供了顯著的增量信息，在抑制信息不對(duì)稱、改善信息環(huán)境中發(fā)揮了不可替代的作用[10-13].

現(xiàn)有文獻(xiàn)大多以盈余預(yù)測(cè)及薦股評(píng)級(jí)等量化指標(biāo)來衡量研報(bào)的信息價(jià)值[14-16]. 然而，作為分析師基于公開及私有信息做出的結(jié)論性預(yù)測(cè)，這些量化指標(biāo)無法涵蓋所有信息，且不具有及時(shí)的可驗(yàn)證性. 更為重要的是從分析師解讀信息到做出盈余預(yù)測(cè)和薦股評(píng)級(jí)的過程是個(gè)“黑匣子”，更容易受制于利益漩渦而失去客觀性(2)在研報(bào)發(fā)布初投資者是無法驗(yàn)證這些量化指標(biāo)的客觀性的，只能在一段時(shí)間后通過市場(chǎng)表現(xiàn)或公司披露財(cái)報(bào)進(jìn)行驗(yàn)證.[15]. 僅基于這些量化指標(biāo)衡量研報(bào)信息價(jià)值可能有失偏頗. 作為研報(bào)更重要的組成部分，文字分析是分析師提供信息的重要載體，占據(jù)了研報(bào)的大部分篇幅(3)研報(bào)文字分析主要包括公司最近的業(yè)績(jī)表現(xiàn)、發(fā)展戰(zhàn)略、行業(yè)競(jìng)爭(zhēng)力以及公司治理等方面的內(nèi)容.. 相對(duì)于其他量化指標(biāo)，它更多的是對(duì)客觀事實(shí)的描述，并更受投資者關(guān)注(4)美國(guó)《機(jī)構(gòu)投資者》對(duì)美國(guó)市場(chǎng)的調(diào)查顯示，1998年以來投資者更注重研報(bào)的文本，例如在2010年～2011年， 受訪者認(rèn)為文本的重 要性排第5，而盈余預(yù)測(cè)排在第12位. 并且盡管很多金融數(shù)據(jù)庫(kù)已經(jīng)包含了研報(bào)中量化指標(biāo)的數(shù)據(jù)，投資者每年花費(fèi)在研報(bào)全文購(gòu) 買上的資金仍高達(dá)數(shù)百萬美元.. 但是囿于研報(bào)文本可得性、文本挖掘技術(shù)的發(fā)展等因素，分析師研報(bào)的相關(guān)文獻(xiàn)卻較少涉及文本信息[17].

中國(guó)是個(gè)關(guān)系型社會(huì)[18]，在股市這個(gè)名利場(chǎng)更是如此. 無論研報(bào)的量化指標(biāo)還是文字分析，都不可避免地受到分析師社交圈的影響. 在社會(huì)關(guān)系資本化的資本市場(chǎng)，“圈子”已然成為利益?zhèn)鬏數(shù)闹匾獦蛄篬6, 9]. 對(duì)于分析師來說，“圈子”也是其獲取私有信息的潛在途徑[19, 20]. “圈子”在資本市場(chǎng)中的影響近年來不斷受到學(xué)者們的關(guān)注. 現(xiàn)有對(duì)分析師社交圈的研究主要集中在商業(yè)關(guān)系上，例如券商與上市公司、證券投資基金之間的利益關(guān)聯(lián)通過雇傭關(guān)系影響分析師的獨(dú)立性[9]. 但是在錯(cuò)綜復(fù)雜的人際關(guān)系中，同窗校友之情、共同調(diào)研之誼都是關(guān)系的重要內(nèi)涵，與雇傭關(guān)系相比，這種私人關(guān)系對(duì)分析師來說更加平等，也具有更多的主動(dòng)權(quán)和互動(dòng)性[18].

因此，本文從增量文本信息和傳統(tǒng)量化指標(biāo)的雙重視角較為全面地考察私人“圈子”對(duì)研報(bào)信息含量的影響. 以文本相似度代理研報(bào)所提供的增量信息，以量化指標(biāo)的樂觀偏差度量分析師對(duì)職業(yè)生涯的考量，進(jìn)而較為全面地研究分析師在利益旋渦中的行為軌跡. 以文本相似度衡量增量信息的方法在財(cái)經(jīng)新聞以及財(cái)務(wù)報(bào)告的文本分析中已被較多的學(xué)者采用[21-23]，將該方法應(yīng)用在研報(bào)中. 通過手工搜集研報(bào)全文內(nèi)容，利用余弦相似度計(jì)算出每份研報(bào)與該公司前3個(gè)月所有研報(bào)文本相似度的均值作為該研報(bào)所提供的增量信息. 文本相似度越低，該研報(bào)信息含量越高(5)之所以用文本相似度度量分析師所提供的關(guān)于上市公司的特有信息，是因?yàn)槌ノ谋鞠嗨贫缺粡V泛運(yùn)用的科學(xué)性以外， 對(duì)于投資者來 說，研報(bào)有價(jià)值的部分在于研報(bào)文本中與其他分析師所提供的不一樣的基本面等分析. 對(duì)于文本中與其他分析師所提供的一樣的廣為 人知的共同信息，不但私有信息含量很少，且這一共同信息可能正如董大勇等[50]所述那樣， 僅僅是研報(bào)信息的“相互借鑒”， 并未提供 增量信息.. 同時(shí)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析的方法，計(jì)算出分析師在基金經(jīng)理中擁有的人脈資源(“圈子”). 將 “圈子”的范圍限制在基金經(jīng)理之內(nèi)，是因?yàn)榛鸾?jīng)理有《新財(cái)富》明星分析師的投票權(quán)，而入選《新財(cái)富》是分析師職業(yè)生涯的終極目標(biāo)；并且基金經(jīng)理通常擁有其所持股票的私有信息，分析師可以獲取“圈子”內(nèi)基金經(jīng)理的私有信息而得到信息優(yōu)勢(shì)，進(jìn)而體現(xiàn)在研報(bào)的文本內(nèi)容中(6)基金經(jīng)理的私有信息不一定是從上市公司獲得的內(nèi)幕信息，更多的是關(guān)于公司更為真實(shí)的基本面信息..

基于2006年～2016年的樣本數(shù)據(jù)，發(fā)現(xiàn)“圈子”能夠顯著提高分析師研報(bào)的文本信息含量，其原因是作為獲取私有信息的潛在途徑，“圈子”增加了分析師的相對(duì)信息優(yōu)勢(shì)[19]. 進(jìn)一步研究表明，這一優(yōu)勢(shì)主要體現(xiàn)在“圈子”內(nèi)基金經(jīng)理持股的研報(bào)上，證實(shí)了分析師通過“圈子”獲取私有信息的推論. 作為利益沖突形成的土壤，廣泛的社交圈在使分析師有獲取信息的優(yōu)勢(shì)同時(shí)，也使其更容易陷入利益漩渦之中. 擁有較廣社交圈的分析師總體上發(fā)布了更高的薦股評(píng)級(jí)，而這種系統(tǒng)的樂觀性是由“圈子”內(nèi)基金經(jīng)理持股所致.

高薦股評(píng)級(jí)與分析師利益如何關(guān)聯(lián)？作為重要的外部激勵(lì)，入選《新財(cái)富》是分析師職業(yè)生涯的重大跨越[6]. “圈子”能顯著提升入選概率，且這一提升作用主要通過分析師對(duì)“圈子”內(nèi)基金經(jīng)理持股發(fā)布更高的薦股評(píng)級(jí)實(shí)現(xiàn). 對(duì)研報(bào)文本信息而言，雖然對(duì)當(dāng)選概率沒有顯著影響，但信息含量高的研報(bào)能夠引起投資者對(duì)該股票顯著且持續(xù)的關(guān)注.

入選《新財(cái)富》,分析師在財(cái)富與聲譽(yù)(投資者關(guān)注)均顯著提升之后，分析師對(duì)二者的權(quán)衡會(huì)發(fā)生怎樣的改變？結(jié)果表明，分析師當(dāng)選后對(duì)“圈子”內(nèi)外薦股評(píng)級(jí)的差異顯著降低. 這是因?yàn)楫?dāng)選后隨著地位提高，他們無需再以高評(píng)級(jí)取悅基金經(jīng)理. 與“圈子”外相比，當(dāng)選后“圈子”內(nèi)股票的研報(bào)信息含量顯著更高，這一方面是因?yàn)榉治鰩煾幼⒅刈陨砺曌u(yù)，傾向于提供更多的特質(zhì)信息，另一方面是分析師在當(dāng)選后獲取私有信息的能力進(jìn)一步增強(qiáng).

本文的主要貢獻(xiàn)體現(xiàn)在兩個(gè)方面. 第一，不同于現(xiàn)有文獻(xiàn)以盈余預(yù)測(cè)準(zhǔn)確度、薦股評(píng)級(jí)等較為主觀的量化指標(biāo)衡量研報(bào)的信息價(jià)值，而以較為客觀的研報(bào)文本為標(biāo)的，運(yùn)用文本挖掘中的相似度算法，為研報(bào)信息含量的評(píng)估提供新的方法；第二，“圈子”產(chǎn)生的利益沖突對(duì)分析師行為的影響仍是學(xué)術(shù)界較為前沿的話題，僅有的一些研究也局限在分析師通過券商而產(chǎn)生的外部利益關(guān)聯(lián)上，通過研究分析師私人關(guān)系，為“圈子”與分析師利益沖突的研究提供了新的證據(jù)與補(bǔ)充.

1 文獻(xiàn)綜述與研究假設(shè)

1.1 研報(bào)文本分析回顧

在信息傳遞中扮演關(guān)鍵角色的分析師受到投資者和學(xué)術(shù)界的普遍關(guān)注[14,15]. 分析師一方面廣泛搜集有價(jià)值的公開信息，另一方面通過實(shí)地調(diào)研等其他途徑獲得私有信息，并對(duì)這些信息進(jìn)行專業(yè)解讀，以研報(bào)的形式傳遞到市場(chǎng)[25-29]. 在我國(guó)資本市場(chǎng)處于新興加轉(zhuǎn)軌、信息環(huán)境有待改善且投資者以散戶為主的背景下，分析師在抑制信息不對(duì)稱、促進(jìn)價(jià)格發(fā)現(xiàn)方面被寄予更高的期望. 作為分析師信息傳遞的重要載體，研報(bào)成為評(píng)價(jià)其表現(xiàn)的重要依據(jù). 個(gè)股研報(bào)常常對(duì)公司近期的業(yè)績(jī)表現(xiàn)、發(fā)展戰(zhàn)略、行業(yè)競(jìng)爭(zhēng)力以及公司治理等方面的信息進(jìn)行初步分析，進(jìn)而得出盈余預(yù)測(cè)、薦股評(píng)級(jí)和目標(biāo)價(jià)位等量化指標(biāo). 囿于大量研報(bào)全文的不可得性及文本挖掘技術(shù)的發(fā)展，現(xiàn)有研究多局限于研報(bào)的量化指標(biāo)，對(duì)文本內(nèi)容較少涉及.

然而，正如Tsao[30]所言，“薦股評(píng)級(jí)和目標(biāo)價(jià)位是分析師研報(bào)中無關(guān)痛癢的部分，真正有價(jià)值的是產(chǎn)生這些結(jié)論的邏輯分析與細(xì)節(jié)”(7)原文是“Stock ratings and price targets are just the skin and bones of analysts’ research. The meat of such reports is in the analysis, detail, and tone”..盈余預(yù)測(cè)、薦股評(píng)級(jí)和目標(biāo)價(jià)位等量化指標(biāo)是分析師基于基本面信息得出的結(jié)論性建議，但從信息到結(jié)論的推導(dǎo)是個(gè)“黑匣子”，難以避免地?fù)诫s著分析師的主觀傾向；而文字分析更多的是對(duì)客觀事實(shí)的描述，包含了更多的增量信息. Asquith等[31]對(duì)1 126份研報(bào)全文手工構(gòu)建情緒指標(biāo)，發(fā)現(xiàn)在控制薦股評(píng)級(jí)后，這一指標(biāo)對(duì)研報(bào)發(fā)布日未來5天收益率仍有顯著解釋力，但其樣本量過小，回歸中用到的觀測(cè)數(shù)僅有193個(gè)，結(jié)論缺乏普適性. Twedt和Rees[32]通過詞性標(biāo)注對(duì)2 057份深度研報(bào)文本構(gòu)建量化指標(biāo)，也發(fā)現(xiàn)了研報(bào)文本對(duì)收益率的顯著影響，而小樣本導(dǎo)致的穩(wěn)健性問題也削弱了這一研究的代表性. Huang等[17]首次在大樣本范圍內(nèi)對(duì)研報(bào)文本進(jìn)行分析，發(fā)現(xiàn)研報(bào)文本比盈余預(yù)測(cè)、薦股評(píng)級(jí)等包含了更多的信息，且文本信息對(duì)公司盈利有更長(zhǎng)期的預(yù)測(cè)力. Huang等[33]進(jìn)一步發(fā)現(xiàn)分析師在研報(bào)文字中對(duì)管理層電話會(huì)議內(nèi)容進(jìn)行了信息挖掘，而投資者對(duì)這部分挖掘的信息更為關(guān)注. 伊志宏等[34]利用文本分析技術(shù)，發(fā)現(xiàn)研報(bào)文本中的負(fù)面情感傾向能夠降低股價(jià)暴跌風(fēng)險(xiǎn). 馬黎珺等[35]通過機(jī)器學(xué)習(xí)對(duì)分析師研報(bào)進(jìn)行了文本分析，發(fā)現(xiàn)前瞻性語句的情感傾向與研報(bào)發(fā)布后的市場(chǎng)反應(yīng)顯著正相關(guān). 本文雖然同樣關(guān)注文本內(nèi)容，但側(cè)重的是研報(bào)信息的“增量”而非“傾向”，是對(duì)前述文獻(xiàn)的補(bǔ)充與完善.

文本相似度被廣泛應(yīng)用在基于內(nèi)容的推薦系統(tǒng)、信息檢索及論文重復(fù)率檢測(cè)等領(lǐng)域，在財(cái)經(jīng)文本中的應(yīng)用也初露端倪. 其原理是用文本之間的相似程度代理信息差異，相似度越高，則二者的信息差異越小. 利用這一思想，Hoberg和Philips[21]發(fā)現(xiàn)年報(bào)中產(chǎn)品描述章節(jié)文本相似度高的企業(yè)相互并購(gòu)后獲得了更好的協(xié)同效應(yīng). 類似的，以年報(bào)中產(chǎn)品描述章節(jié)的文本相似度為上市公司重新劃分行業(yè)，Hoberg和Philips[22]發(fā)現(xiàn)這種新行業(yè)劃分能更好地解釋公司盈利能力和銷售增長(zhǎng)等個(gè)體特征，新的行業(yè)風(fēng)險(xiǎn)因子也具有更強(qiáng)的解釋力. Bushman等[23]發(fā)現(xiàn)銀行年報(bào)的文本相似度與其系統(tǒng)風(fēng)險(xiǎn)正相關(guān)，并且文本相似度高的銀行之間的風(fēng)險(xiǎn)存在較高的聯(lián)動(dòng)性.

本文以每份研報(bào)與前3個(gè)月目標(biāo)公司所有研報(bào)文本相似度的均值作為其信息含量的代理，這一方面為衡量分析師研報(bào)信息提供了新的角度，得以更全面地研究分析師信息中介角色的發(fā)揮，另一方面擴(kuò)展了文本挖掘技術(shù)在財(cái)經(jīng)文本領(lǐng)域的應(yīng)用.

1.2 “圈子”與研報(bào)文本信息

“社會(huì)關(guān)系資本化，資本市場(chǎng)江湖化”[17]，關(guān)系在資本市場(chǎng)的影響不容忽視. 研究的第一個(gè)問題是分析師在基金經(jīng)理中的“圈子”對(duì)研報(bào)文本信息和薦股評(píng)級(jí)的影響. 將“圈子”的范圍限制在基金經(jīng)理之內(nèi)是因?yàn)樗麄冇小缎仑?cái)富》明星分析師的投票權(quán)，而入選《新財(cái)富》在很大程度上是分析師職業(yè)生涯成功的標(biāo)志，并且基金經(jīng)理通常擁有其所持股票的私有信息，分析師可以獲取“圈子”內(nèi)基金經(jīng)理的私有信息而得到信息優(yōu)勢(shì)，進(jìn)而體現(xiàn)在研報(bào)的文本內(nèi)容中. “圈子”包括校友關(guān)系、調(diào)研關(guān)系和地域關(guān)系3個(gè)層次. 校友關(guān)系是形成社交網(wǎng)絡(luò)的重要紐帶，在資本市場(chǎng)中，校友間的利益共享、信息共享已被學(xué)者發(fā)現(xiàn)并證實(shí)[18]. 調(diào)研亦是分析師獲取信息的重要渠道，有兩層含義，一是調(diào)研者之間很可能已經(jīng)具有緊密的聯(lián)系；二是“交個(gè)朋友多條路”，調(diào)研時(shí)新建立的關(guān)系也很可能是新合作的開始. 而工作地點(diǎn)同城且同一個(gè)區(qū)，會(huì)由于地理的臨近而為社交關(guān)系的形成提供很大的潛在可能，因此,將地域關(guān)系也納入“圈子”的范疇. 借助社會(huì)網(wǎng)絡(luò)分析方法，計(jì)算每個(gè)分析師在基金經(jīng)理中“圈子”(Network)的大小.

社會(huì)關(guān)系對(duì)分析師具有雙重影響. 一方面它是資本市場(chǎng)信息擴(kuò)散的重要渠道之一，分析師可以籍此取得信息優(yōu)勢(shì). Horton和Serafeim[20]用社會(huì)網(wǎng)絡(luò)分析法對(duì)10 508名分析師和42 376名公司高管構(gòu)建校友關(guān)系網(wǎng)絡(luò)，發(fā)現(xiàn)網(wǎng)絡(luò)中心度高的分析師盈余預(yù)測(cè)更準(zhǔn)確，并且失業(yè)率更低. Cohen等[19]發(fā)現(xiàn)校友關(guān)系是分析師獲取私有信息的重要渠道，與上市公司高管有校友關(guān)系的分析師取得了顯著更高的薦股超額收益. 程博和潘飛[36]也發(fā)現(xiàn)分析師與CEO之間的校友關(guān)系增加了分析師的信息獲取優(yōu)勢(shì). Cohen等[37]對(duì)校友網(wǎng)絡(luò)的進(jìn)一步研究發(fā)現(xiàn)，基金經(jīng)理的持倉(cāng)集中于與高管有校友關(guān)系的上市公司股票，且有關(guān)系的持倉(cāng)組合收益比無關(guān)系的持倉(cāng)組合收益率每年高出7.8%，這部分超額收益主要來自于上市公司重大事項(xiàng)公布前后，間接證實(shí)了基金經(jīng)理通過校友關(guān)系獲得了信息優(yōu)勢(shì).

本文則用文本相似度度量研報(bào)信息含量，研究“圈子”的影響，并提出如下假設(shè)：

H1a“圈子”越廣，分析師研報(bào)文本信息含量越高.

H1b分析師對(duì)“圈子”內(nèi)基金經(jīng)理持股的研報(bào)文本信息含量較“圈子”外研報(bào)更高.

另一方面，“圈子”在賦予分析師信息優(yōu)勢(shì)的同時(shí)，也影響著研報(bào)的獨(dú)立性與客觀性. “圈子”內(nèi)私有信息的獲取不是無償?shù)?，分析師向基金?jīng)理付出的成本是更樂觀的薦股評(píng)級(jí). Tan等[8]發(fā)現(xiàn)對(duì)于基金經(jīng)理重倉(cāng)的股票，分析師公開發(fā)布的研報(bào)樂觀偏差較大，但未公開的研報(bào)不存在樂觀偏差，間接證明了分析師與基金經(jīng)理之間可能存在的利益共謀. 李志生等[38]研究發(fā)現(xiàn)證券分析師在媒體上發(fā)布的薦股行為中存在內(nèi)幕交易和利益輸送，使得財(cái)富向機(jī)構(gòu)投資者轉(zhuǎn)移. Yin[9]通過將受雇于基金公司控股股東或發(fā)起人的分析師與這些基金公司進(jìn)行配對(duì)，直接研究了分析師與關(guān)聯(lián)基金經(jīng)理之間的利益互動(dòng)，發(fā)現(xiàn)分析師傾向于對(duì)關(guān)聯(lián)基金公司持有的股票發(fā)布較高的薦股評(píng)級(jí)，而基金經(jīng)理則在樂觀評(píng)級(jí)發(fā)布后顯著減少了持股數(shù)量. 上述研究集中在雇傭引起的商業(yè)關(guān)系上，證實(shí)了分析師對(duì)與其具有商業(yè)關(guān)聯(lián)的股票發(fā)布了較高的薦股評(píng)級(jí)，這一邏輯同樣適用于私人關(guān)系，即分析師與基金經(jīng)理的“圈子”. 基金經(jīng)理對(duì)其持股的信息優(yōu)勢(shì)和《新財(cái)富》明星分析師投票權(quán)，有足夠的誘惑力吸引分析師用較高的薦股評(píng)級(jí)與基金經(jīng)理達(dá)成協(xié)議. 據(jù)此本文提出如下假設(shè)：

H2a“圈子”越廣，分析師薦股評(píng)級(jí)越高.

H2b分析師對(duì)“圈子”內(nèi)基金經(jīng)理持股的薦股評(píng)級(jí)較“圈子”外高.

入選《新財(cái)富》能極大促進(jìn)分析師職業(yè)生涯的發(fā)展及個(gè)人財(cái)富的積累，因此競(jìng)爭(zhēng)異常激烈. 基金經(jīng)理投票的評(píng)選機(jī)制是“圈子”效應(yīng)發(fā)揮作用的溫床. Emery和Li[39]把競(jìng)選明星分析師稱為“人氣競(jìng)賽”，他們發(fā)現(xiàn)市場(chǎng)認(rèn)可度是當(dāng)選最重要的因素. 吳偎立等[40]對(duì)我國(guó)《新財(cái)富》明星分析師評(píng)選進(jìn)行研究，發(fā)現(xiàn)獲獎(jiǎng)前明星分析師與普通分析師的研報(bào)信息含量無顯著差異，影響獲獎(jiǎng)概率的不是提供信息的多寡而是其曝光率及所屬券商的市場(chǎng)地位. 這些研究都表明能否當(dāng)選更重要的是基金經(jīng)理對(duì)分析師的認(rèn)可度. 在同等條件下，分析師更容易獲得“圈子”內(nèi)基金經(jīng)理的選票，“圈子”越廣的分析師越容易當(dāng)選. 然而，分析師獲得基金經(jīng)理的選票和私有信息不是無償?shù)模麄冃枰獮椤叭ψ印眱?nèi)基金經(jīng)理持股提供更高的薦股評(píng)級(jí). 同時(shí)，校友關(guān)系、調(diào)研關(guān)系和地域關(guān)系只是名義上的，實(shí)質(zhì)利益同盟的形成離不開對(duì)“圈子”的維護(hù). 只有當(dāng)分析師確實(shí)為基金經(jīng)理提供了較高的薦股評(píng)級(jí)時(shí)，才能得到基金經(jīng)理的投票回報(bào). 從分析師對(duì)“圈子”內(nèi)、外基金經(jīng)理持股的薦股評(píng)級(jí)差異和跟蹤偏好兩個(gè)方面衡量分析師對(duì)“圈子”的維護(hù). 因此，本文提出假設(shè)：

H3“圈子”會(huì)提升分析師入選《新財(cái)富》的概率，這種提升效應(yīng)形成的途徑是分析師對(duì)“圈子”內(nèi)、外基金經(jīng)理持股的薦股評(píng)級(jí)差異和跟蹤偏好.

在普遍認(rèn)識(shí)到研報(bào)量化指標(biāo)存在樂觀偏差的情況下，投資者更關(guān)注文本信息. 在我國(guó)股票市場(chǎng)也存在類似的情況，一是Wind、東方財(cái)富、國(guó)泰安和中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)等金融數(shù)據(jù)庫(kù)投入大量資金從券商研究所購(gòu)買賣方分析師的研報(bào)全文，并將其以收費(fèi)的方式向用戶限量提供；二是雖然中美股市在投資者結(jié)構(gòu)、市場(chǎng)交易制度安排方面有明顯差異，但投資者對(duì)信息獲取的訴求是一致的，在分析師研報(bào)的量化指標(biāo)存在普遍樂觀偏差的環(huán)境下，投資者更看重研報(bào)的文本信息. 在與中國(guó)的機(jī)構(gòu)投資者和中小投資者的交流中，他們也表達(dá)了對(duì)研報(bào)文本信息的重視. 據(jù)此本文提出假設(shè)：

H4研報(bào)文本信息含量越高，投資者對(duì)目標(biāo)公司的關(guān)注度越高.

當(dāng)選明星分析師后，其利益和地位得到了極大提高[6]，分析師與“圈子”內(nèi)基金經(jīng)理的交流也隨之改變. 一方面，分析師當(dāng)選后無須再一味地以高評(píng)級(jí)取悅基金經(jīng)理；另一方面，明星分析師獲取信息的能力增強(qiáng)，且更注重文本信息含量對(duì)自身聲譽(yù)的影響. 因此，分析師當(dāng)選后對(duì)利益與自身聲譽(yù)的動(dòng)態(tài)權(quán)衡必然發(fā)生改變(8)高質(zhì)量的研報(bào)文字能夠提高投資者對(duì)分析師的認(rèn)可度，進(jìn)而影響到對(duì)研報(bào)量化指標(biāo)的置信程度，并且無論是從分析師職業(yè)操守的角度，還是從監(jiān) 管層對(duì)研報(bào)信息的質(zhì)量要求，分析師都有動(dòng)力提供較高質(zhì)量的文字分析.. 據(jù)此提出假設(shè)：

H5明星分析師當(dāng)選后對(duì)“圈子”內(nèi)、外股票的薦股評(píng)級(jí)差異降低，“圈子”內(nèi)股票研報(bào)信息含量提高.

2 研究設(shè)計(jì)

2.1 研究樣本與數(shù)據(jù)來源

數(shù)據(jù)有3個(gè)來源. 在構(gòu)建分析師社交圈時(shí)，分析師和基金經(jīng)理的學(xué)歷、畢業(yè)院校、所屬券商等個(gè)人特質(zhì)數(shù)據(jù)從中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)(CNRDS)獲得，由于樣本期內(nèi)(2006年～2016年)部分院校出現(xiàn)更名、合并等現(xiàn)象，統(tǒng)一將院校名稱改為現(xiàn)用名稱，并以此構(gòu)建校友圈；分析師和基金經(jīng)理調(diào)研數(shù)據(jù)亦來自CNRDS. 分析師所屬券商的辦公地址從全國(guó)企業(yè)信用信息公示系統(tǒng)手動(dòng)搜集，并以此構(gòu)建地域圈. 研報(bào)全文數(shù)據(jù)來自和訊財(cái)經(jīng)，時(shí)間跨度為2006-01～2016-12，共168 184份原始研報(bào)；當(dāng)研報(bào)為團(tuán)隊(duì)撰寫時(shí)，將該研報(bào)視為每一團(tuán)隊(duì)成員的單獨(dú)成果，分離后共有193 097個(gè)分析師—研報(bào)數(shù)據(jù)， 將這些研報(bào)按標(biāo)的公司、分析師姓名、所屬券商和發(fā)布日期與國(guó)泰安數(shù)據(jù)庫(kù)(CSMAR)中的研報(bào)量化指標(biāo)匹配后， 最終得到64 431個(gè)研究樣本. 其他控制變量數(shù)據(jù)來自CSMAR數(shù)據(jù)庫(kù).

2.2 關(guān)鍵指標(biāo)構(gòu)建

分析師社交圈為分析師在基金經(jīng)理中擁有的人脈資源. 與申宇等[18]不同，對(duì)社交圈從深度和廣度兩個(gè)層面進(jìn)行了擴(kuò)展，在深度上除了考慮直接關(guān)系，還加入了間接關(guān)系；在廣度上把“圈子”的范疇在校友圈之外加入了調(diào)研圈和地域圈.

“圈子”的計(jì)算依賴于社會(huì)網(wǎng)絡(luò)分析技術(shù)[41]，連接矩陣(adjacent matrix)是其常用的數(shù)據(jù)形式(見表1).

表1 一個(gè)連接矩陣Table 1 An adjacent matrix

如果A和B曾經(jīng)是校友，則賦值為1，否則為0. 如果A和B在同一時(shí)間調(diào)研了同一家上市公司，則認(rèn)為二者之間存在調(diào)研關(guān)系；如果A和B所屬券商的辦公地在同一個(gè)城市的同一個(gè)區(qū)，則二者存在地域臨近關(guān)系(9)部分券商存在雙總部或多總部的情形，這可能導(dǎo)致基于注冊(cè)地計(jì)算的地域圈不精確，在穩(wěn)健性檢驗(yàn)中詳細(xì)考察并排除了這種可能性對(duì)本文結(jié)論的影響.. 這樣就構(gòu)建了3個(gè)僅由0和1組成的對(duì)稱矩陣，三者加總，得到初始矩陣(有權(quán)).

“朋友的朋友亦是朋友”. 間接關(guān)系也屬于“圈子”的范疇，并且與直接關(guān)系相比，其強(qiáng)度勢(shì)必減弱. 為將間接關(guān)系和直接關(guān)系強(qiáng)度統(tǒng)一加總計(jì)算，采用Yin和Liu[42]提出的指數(shù)衰減法對(duì)間接關(guān)系進(jìn)行處理. 具體來說，假設(shè)A和B沒有直接關(guān)系(僅考慮直接關(guān)系時(shí)二者的權(quán)重為0)，但A和B同時(shí)與C有直接關(guān)系，即A和B通過C建立了間接關(guān)系，C是A和B的中介(10)分析師和基金經(jīng)理的本科、碩士、博士階段可能不在同一學(xué)校，因此存在這種交叉校友的現(xiàn)象.. 將A和B的間接關(guān)系進(jìn)行指數(shù)衰減(具體算法見附錄A).

連接矩陣中包括分析師和基金經(jīng)理兩類節(jié)點(diǎn)，而《新財(cái)富》明星分析師評(píng)選時(shí)只有基金經(jīng)理才有投票權(quán)，二者不能等同而論，因此對(duì)傳統(tǒng)的社會(huì)網(wǎng)絡(luò)分析方法進(jìn)行改進(jìn). 具體方法是對(duì)所有的節(jié)點(diǎn)按照類型進(jìn)行排序，例如矩陣共有n=n1+n2個(gè)節(jié)點(diǎn)，n1個(gè)節(jié)點(diǎn)為分析師，n2個(gè)節(jié)點(diǎn)為基金經(jīng)理. 這樣排序之后可以根據(jù)每個(gè)連線的坐標(biāo)確定其關(guān)系類型，例如某個(gè)點(diǎn)的坐標(biāo)為(x,y),x>n1,y

基于綜合考慮了直接和間接關(guān)系的連接矩陣，用社會(huì)網(wǎng)絡(luò)分析中的點(diǎn)度中心性來衡量分析師“圈子”的大小. 在對(duì)矩陣根據(jù)分析師和基金經(jīng)理進(jìn)行排序后，分析師i(i

(1)

式中E(i,j)為分析師i和基金經(jīng)理j的關(guān)系值，即排序后連接矩陣中元素(i,j)的值.Networki越大，表示該分析師在基金經(jīng)理中擁有越廣的人脈.

盡管分析師的校友關(guān)系、地域關(guān)系在不同年份保持穩(wěn)定，但其調(diào)研圈會(huì)有較大波動(dòng)，同時(shí)每年均有離職和新進(jìn)的分析師和基金經(jīng)理，這將導(dǎo)致分析師的“圈子”大小有較大的年度差異. 因此在樣本期內(nèi)的每一年度，都按照上述方法計(jì)算分析師“圈子”的大小.

文本相似度為研報(bào)文本余弦相似度. 兩個(gè)文本之間的余弦相似度計(jì)算主要分為分詞、構(gòu)建詞向量、計(jì)算余弦夾角3個(gè)步驟.

分詞是把研報(bào)文本拆分成詞語，以進(jìn)行更深入的分析. 相比英文分詞，中文的分詞更加復(fù)雜(11)英文以空格作為分詞標(biāo)記即可，但是中文分詞需要完善的詞匯庫(kù)，詞匯庫(kù)應(yīng)該盡可能的包含目標(biāo)文本中所有的詞匯.. Jieba是中文分詞中最常用的工具，其自帶的通用詞匯庫(kù)已較為完善(12)Jieba分詞是國(guó)內(nèi)團(tuán)隊(duì)開發(fā)的主要針對(duì)中文分詞的開源項(xiàng)目，是目前最為流行的分詞組件之一. Jieba可跨語言調(diào)用，本文用到的是 其R語言版本，該項(xiàng)目托管在github上，網(wǎng)址https://github.com/qinwf/jiebaR.. 考慮到研報(bào)屬于財(cái)經(jīng)文本，有較多的財(cái)經(jīng)專業(yè)術(shù)語，將搜狗輸入法官方推薦的“財(cái)經(jīng)金融詞匯大全”和“財(cái)務(wù)會(huì)計(jì)詞匯大全”導(dǎo)入Jieba中，以進(jìn)一步提高分詞的準(zhǔn)確性. 分詞中另一個(gè)重要問題是對(duì)停用詞的處理. 如果將停用詞認(rèn)為是噪音，則在分詞時(shí)剔除之；如果認(rèn)為停用詞也是種信息，則保留之(13)停用詞是指“的”、“了”、“嗎”等沒有實(shí)際意義的結(jié)構(gòu)助詞或語氣詞以及特殊符號(hào)，本文用到的是哈工大停用詞表，網(wǎng)址為https:// github.com/chdd/weibo/blob/master/stopwords/哈工大停用詞表.txt.. 考慮到過多的停用詞意味著研報(bào)沒有提供太多有價(jià)值的信息，所以將保留了停用詞的文本相似度作為穩(wěn)健性檢驗(yàn).

研報(bào)文本分詞后要將每份研報(bào)向量化(14)基礎(chǔ)文庫(kù)是計(jì)算IDF必須用到的概念. 對(duì)某個(gè)詞語，IDF指這個(gè)詞語在該研報(bào)所屬特定領(lǐng)域內(nèi)的通用程度，基礎(chǔ)文庫(kù)就是這個(gè)“特 定領(lǐng)域”內(nèi)所有研報(bào)的集合. 本文中研報(bào)的基礎(chǔ)文庫(kù)是研報(bào)目標(biāo)公司所屬行業(yè)的所有研報(bào)集合.. 向量化的核心問題是每個(gè)詞語對(duì)應(yīng)的數(shù)值應(yīng)該是多少？ 采用最常用的TF-IDF方法，其中TF(text frequency)指某一詞語在這份研報(bào)中出現(xiàn)的次數(shù)，IDF指基礎(chǔ)文庫(kù)中包含該詞語的文檔數(shù)(15)在附錄B中，從兩個(gè)方面驗(yàn)證了以文本相似度代理增量信息的有效性. 一是根據(jù)已有研究，給出負(fù)面薦股評(píng)級(jí)的研報(bào)中包含了更多 的新信息. 與此一致，本文發(fā)現(xiàn)賣空或減持評(píng)級(jí)的研報(bào)文本相似度顯著更低. 二是現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，當(dāng)股票收益率出現(xiàn)跳躍時(shí)，說明股 票受到了價(jià)值相關(guān)的新信息沖擊. 以月度收益率向下跳躍代理負(fù)面信息沖擊，發(fā)現(xiàn)與同一年度其他月份的均值相比，當(dāng)月研報(bào)的文 本相似度顯著更低；而盈余預(yù)測(cè)準(zhǔn)確度無顯著差異；薦股評(píng)級(jí)反而更高. 進(jìn)一步地，在以文本相似度為被解釋變量的回歸中，代理收 益率是否出現(xiàn)向下跳躍的啞變量系數(shù)顯著為負(fù)； 而以盈余預(yù)測(cè)準(zhǔn)確度和薦股評(píng)級(jí)為被解釋變量時(shí)， 啞變量的系數(shù)并不顯著 (或?yàn)?正). 表明本文的研報(bào)文本相似度能夠更好地捕捉這一信息沖擊.. TF越大，說明該詞語在這份研報(bào)中越重要；IDF越大，說明在基礎(chǔ)文庫(kù)中，該詞語是個(gè)較為通用的詞語，沒有特質(zhì)信息含量，因此權(quán)重越小. 對(duì)于一篇研報(bào)中的某個(gè)詞語，其TF-IDF最終的計(jì)算公式為

(2)

式中ft,d是該詞語在研報(bào)d中出現(xiàn)的頻率；nd是該研報(bào)包含的詞語總數(shù)；N是基礎(chǔ)文庫(kù)包含的研報(bào)份數(shù)；nt是基礎(chǔ)文庫(kù)中包含該詞語的研報(bào)份數(shù)，較低的nt表明包含詞語t研報(bào)份數(shù)較少，意味著該詞代表了較高的特質(zhì)信息.

向量化后的研報(bào)可以計(jì)算兩兩之間的相似度，即余弦夾角，計(jì)算公式為

(3)

式中A,B分別表示向量化之后的研報(bào)；cos(θ)表示A,B的余弦夾角；Ak表示向量A的第k個(gè)元素；Bk表示向量B的第k個(gè)元素；n為向量A,B的維度. 研報(bào)的余弦值越大，說明二者的夾角越小，兩篇文檔的相似度越高.

在計(jì)算出研報(bào)之間兩兩相似度之后，計(jì)算每一份研報(bào)與對(duì)應(yīng)目標(biāo)公司前3個(gè)月所有研報(bào)的相似度的均值，作為這篇研報(bào)的文本相似度. 如果在分詞時(shí)剔除了停用詞，變量為SimWu，如果保留了停用詞，變量為SimYou. 文本相似度越高，則該研報(bào)提供的新信息越少.

市場(chǎng)關(guān)注度采用百度指數(shù)作為度量[43-45]. 百度是國(guó)內(nèi)占有量最大的搜索引擎，自2010年3月谷歌宣布退出中國(guó)大陸市場(chǎng)后，2010年～2016年間百度占搜索引擎市場(chǎng)份額的70.17%，而即使在谷歌退出前的2009年～2010年也達(dá)到59.51%. 因此，選取百度搜索指數(shù)作為市場(chǎng)關(guān)注的代理具有較好的代表性. 百度指數(shù)值越大，說明該股票受到投資者的關(guān)注度越高. 其他變量構(gòu)造見變量定義表2.

表2 主要變量定義Table 2 Definition of main variables

2.3 實(shí)證模型

社交圈對(duì)分析師研報(bào)信息含量具有如下影響：一方面“圈子”(Network)拓展了私有信息的獲取途徑，分析師籍此能夠向市場(chǎng)提供更多的增量文本信息(SimWu)；另一方面“圈子”使分析師更容易陷入其獨(dú)立性與職業(yè)發(fā)展追求的利益旋渦，降低其研報(bào)量化指標(biāo)的客觀性. 因此，以Network為核心解釋變量，并綜合現(xiàn)有文獻(xiàn)中研報(bào)信息的其他相關(guān)因素，利用模型(4)來檢驗(yàn)“圈子”對(duì)研報(bào)文本信息、盈余預(yù)測(cè)偏差以及薦股評(píng)級(jí)的影響

Qualityi,j,t=β0+β1Networki,t+β2Lag.Indi,j,t+β3Edui,t+β4Experiencei,t+β5Asseti,t+

(4)

國(guó)內(nèi)外學(xué)者對(duì)當(dāng)選明星分析師的影響因素進(jìn)行了較為深入的研究[39,40]. 但是尚未有文獻(xiàn)將“圈子”納入模型，本文將Network作為核心解釋變量引入如下logistic模型

(5)

建立如下模型

Xβi,t=β0+β1Networki,t+β2SimWui,t+β3RelativeBiasi,t+β4Ranki,t+β5Timesi,t+β6ZcRatioi,t+

β7BuyRatioi,t+β8Edui,t+β9Experiencei,t+β10Asseti,t+β11AnaNumi,t+β12EliteSchooli,t+εi,t

(6)

利用模型(6)檢驗(yàn)“圈子”以及文本相似度、薦股評(píng)級(jí)對(duì)當(dāng)選明星分析師概率的影響. 除核心變量Network和研報(bào)質(zhì)量(SimWu、RelativeBias、Rank)之外，參考吳偎立等[43]，同時(shí)控制如下變量：評(píng)選前分析師累計(jì)獲獎(jiǎng)次數(shù)(Times)；跟蹤機(jī)構(gòu)重倉(cāng)股比例(ZcRatio)、買入評(píng)級(jí)占比(BuyRatio)、分析師學(xué)歷(Edu)和是否名校畢業(yè)(EliteSchool)、從業(yè)時(shí)間(Experience)、所屬券商規(guī)模(Asset)以及券商所屬分析師數(shù)量 (AnaNum). 上述變量的計(jì)算方法見表 2.

建立如下模型

Xβi,t=β0+β1Networki,t+β2RankDiffi,t+β3NumDiffi,t+β4Ranki,t+β5Timesi,t+β6ZcRatioi,t+

β7BuyRatioi,t+β8Edui,t+β9Experiencei,t+β10Asseti,t+β11AnaNumi,t+β12EliteSchooli,t+εi,t

(7)

利用模型(7)檢驗(yàn)“圈子”以及薦股評(píng)級(jí)差異(RankDiff)、跟蹤偏好差異(NumDiff)對(duì)當(dāng)選概率的影響，之所以將RankDiff和NumDiff加入模型是因?yàn)镹etwork僅是分析師潛在的關(guān)系，其在評(píng)選中作用的發(fā)揮依賴于分析師對(duì)該關(guān)系的維護(hù)，而“圈子”內(nèi)外薦股評(píng)級(jí)差異和跟蹤偏好差異是維護(hù)關(guān)系的重要手段. 其他控制變量的選取與模型(6)一致.

在分析師薦股評(píng)級(jí)等量化指標(biāo)存在普遍樂觀偏差的先驗(yàn)認(rèn)知下，投資者更關(guān)注研報(bào)文本信息. 尹玉剛[46]發(fā)現(xiàn)投資者更關(guān)注明星分析師，而對(duì)分析師教育背景、經(jīng)驗(yàn)、努力程度等影響研報(bào)質(zhì)量的分析師特質(zhì)信息關(guān)注度較低. 在控制上述已有文獻(xiàn)中的變量后，Network、SimWu對(duì)投資者關(guān)注度是否有顯著影響？采用和模型(4)一樣的控制變量，用如下模型進(jìn)行考察

(8)

式中Baidui,j,t是分析師i跟蹤的上市公司j在研報(bào)發(fā)布窗口期內(nèi)的搜索熱度指標(biāo)[42-44]. 同時(shí)，以異常換手率(Turnover)作為穩(wěn)健性檢驗(yàn).

曾當(dāng)選明星分析師和從未當(dāng)選明星分析師對(duì)不同分析師而言是質(zhì)的區(qū)別，一朝當(dāng)選，名氣與利益隨之而來. 他們的研究報(bào)告信息有何不同？用如下模型來檢驗(yàn)這一差異

Qualityi,j,t=β0+β1EverStari,t+β2NetDummyi,j,t+β3EverStari,t×NetDummyi,j,t+β4Timesi,t+β5Edui,t+

(9)

式中EverStari,t為在年度t之前分析師i是否曾當(dāng)選明星分析師的虛擬變量，其他變量選取與模型(4)相同.

當(dāng)選明星分析師后，其收入、地位以及人脈資源均得到巨大提升[6]，此時(shí)分析師對(duì)利益與聲譽(yù)的權(quán)衡有何不同？用如下模型來研究這一動(dòng)態(tài)變化

Qualityi,j,t=β0+β1AfterStari,t+β2NetDummyi,j,t+β3AfterStari,t×NetDummyi,j,t+β4Timesi,t+β5Edui,t+

(10)

式中AfterStari,t為分析師i當(dāng)選明星分析師前/后的虛擬變量，其他變量選取與模型(4)相同.

3 實(shí)證結(jié)果及分析

3.1 描述統(tǒng)計(jì)分析

表3列示了主要變量的描述統(tǒng)計(jì)結(jié)果，從表中可以看出，在剔除個(gè)人信息(學(xué)歷、經(jīng)驗(yàn)等)缺失的數(shù)據(jù)后共有7 052個(gè)有效的分析師數(shù)據(jù)，其Network均值為0.133，標(biāo)準(zhǔn)差為0.572，中位數(shù)為0.005，說明分析師在基金經(jīng)理中的人脈資源差異較大. 剔除研報(bào)作者信息缺失的數(shù)據(jù)后共有64 431個(gè)文本相似度的有效觀測(cè)值，其中SimWu均值為0.087，標(biāo)準(zhǔn)差為0.043，中位數(shù)為0.080，離散程度和偏度較小.Rank的特征與前人研究一致，體現(xiàn)出較高的樂觀偏差(均值為1.313)，在75%分位數(shù)仍為買入評(píng)級(jí)，且標(biāo)準(zhǔn)差較小(0.616)；BuyRatio均值達(dá)到0.370，呈左偏態(tài)(中位數(shù)0.300). 從跟蹤上市公司的基金持股特征來看，ZcRatio均值為0.795，且分布離散程度低(標(biāo)準(zhǔn)差為0.254)，中位數(shù)為0.878，呈現(xiàn)右偏態(tài)，說明分析師傾向于對(duì)基金重倉(cāng)股發(fā)布研報(bào).RankDiff的均值為0.102，說明分析師對(duì)“圈子”內(nèi)持股普遍發(fā)布了較高的薦股評(píng)級(jí).

表3 主要變量描述統(tǒng)計(jì)Table 3 Descriptive statistics of main variables

3.2 分析師社交圈、利益沖突與研報(bào)信息

表4利用模型(4)分析了社交圈對(duì)分析師研報(bào)文本信息含量、相對(duì)預(yù)測(cè)偏差以及薦股評(píng)級(jí)的影響，其中Edui,t、EliteSchooli,t、Experiencei,t、Asseti,t以及AnaNumi,t等分析師特征的頻率為年度，其他控制變量則在每次研報(bào)發(fā)布日進(jìn)行更新. 注意到模型中解釋變量之間的量綱不同，以原始數(shù)據(jù)直接回歸將導(dǎo)致系數(shù)對(duì)量綱過于敏感，且不便于不同變量系數(shù)之間的對(duì)比. 為消除量綱差異以及系數(shù)的可比，常用的做法是Greenland等[47]提出的標(biāo)準(zhǔn)化回歸方法. 其思路是先將被解釋變量和所有自變量進(jìn)行標(biāo)準(zhǔn)化，用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行多元回歸. 其回歸的系數(shù)βi代表變量i變動(dòng)1個(gè)標(biāo)準(zhǔn)差，被解釋變量變動(dòng)βi個(gè)標(biāo)準(zhǔn)差. 需要注意的是，雖然在模型中加入了前人發(fā)現(xiàn)的控制變量，仍無法窮盡被解釋變量的所有影響因素，但可以合理地推斷這些因素中相當(dāng)?shù)囊徊糠植粫?huì)隨著時(shí)間推移而迅速消失. 因此，通過將被解釋變量的一階滯后項(xiàng)加入模型，能夠從一定程度上更全面地控制這些因素對(duì)被解釋變量的影響. 下文所有固定效應(yīng)模型的實(shí)證分析均遵循此范式.

表4 分析師社交圈與研報(bào)信息含量關(guān)系分析Table 4 Analysis on the relationship between analysts’ social ties and information content in research reports

分析師的信息來源有兩部分，上市公司披露的公開信息和分析師獲得的私有信息[26]. 私有信息包括廠房設(shè)備維護(hù)、日常運(yùn)營(yíng)狀況、公司管理水平等無須依法披露但與公司價(jià)值息息相關(guān)的信息. Cheng等[28]發(fā)現(xiàn)分析師通過調(diào)研活動(dòng)獲取了有價(jià)值的私有信息，并有更好的盈余預(yù)測(cè)及薦股表現(xiàn)，這一現(xiàn)象在重資產(chǎn)的行業(yè)(如傳統(tǒng)制造業(yè))中更為明顯. 分析師獲得私有信息的另一重要渠道為其“圈子”，即本文定義的社交圈. “圈子”廣的分析師能夠獲得更多的私有信息，因此，其文本信息含量更高，體現(xiàn)為更低的文本相似度(表4第3列Network系數(shù)為-0.020，t值為-5.79)，驗(yàn)證了上文提出的H1a.

分析師一方面通過“圈子”獲得了更多的私有信息，另一方面也需要發(fā)布更樂觀的薦股評(píng)級(jí)作為補(bǔ)償. 表4第6列和第9列表明，“圈子”顯著增加了分析師研報(bào)的薦股評(píng)級(jí)(Network系數(shù)為0.050，t值為20.74)和盈余預(yù)測(cè)樂觀偏差(Network系數(shù)為0.005，t值為1.98)，這與H2a一致. 表4整體上看，在控制了年度和行業(yè)固定效應(yīng)后，無論是僅以“圈子”作為獨(dú)立解釋變量的單變量分析，還是逐漸加入其他控制變量后的多元回歸分析，“圈子”對(duì)研報(bào)信息含量、盈余預(yù)測(cè)偏差和薦股評(píng)級(jí)的系數(shù)都符合前文假設(shè).

表5和表6展示了logistic模型(模型(5))的實(shí)證結(jié)果. 出于自身職業(yè)生涯的考慮，分析師具有發(fā)布樂觀薦股評(píng)級(jí)的傾向. Emery和Li[39]和吳偎立等[40]的研究都表明，高薦股評(píng)級(jí)能夠幫助分析師當(dāng)選. 與前人研究一致，表5第4列說明較高的薦股評(píng)級(jí)能夠增加當(dāng)選為明星分析師的概率(Rank系數(shù)為0.928，z值為3.71). 但是分析師研報(bào)的文本信息含量和盈余預(yù)測(cè)準(zhǔn)確度對(duì)當(dāng)選概率無顯著影響(第2列SimWu系數(shù)為0.096；第3列RelativeBias系數(shù)為-0.039，均不顯著).

表5 分析師社交圈、薦股評(píng)級(jí)與當(dāng)選明星分析師概率Table 5 Analysts’ social ties, stock recommendations and probability of being a star analyst

分析師社交圈能夠顯著增加其當(dāng)選為明星分析師的概率. “圈子”文化在中國(guó)由來已久，其在金融領(lǐng)域的作用逐漸受到學(xué)者的廣泛關(guān)注[18-20]. 在基金經(jīng)理投票的評(píng)選機(jī)制下，明星分析師評(píng)選更成了“圈子”發(fā)揮作用的溫床：分析師更容易獲得“圈子”內(nèi)基金經(jīng)理的選票，并為基金經(jīng)理的持股發(fā)布高薦股評(píng)級(jí). 表5第1列從實(shí)證上支持了這一推論，控制其他控制變量后，“圈子”對(duì)分析師當(dāng)選的影響系數(shù)為0.182，并且在10%的置信水平上顯著. 在控制了文本相似度、盈余預(yù)測(cè)偏差以及薦股評(píng)級(jí)后(第5列)，“圈子”的系數(shù)增加到0.353，z統(tǒng)計(jì)量增加到2.30，并且薦股評(píng)級(jí)在加入“圈子”后不再顯著，這說明相對(duì)于薦股評(píng)級(jí)，“圈子”是影響分析師當(dāng)選更重要的因素.

“圈子”為分析師與基金經(jīng)理的利益交換提供了潛在途徑，但其發(fā)揮作用還依賴于分析師對(duì)關(guān)系的維護(hù). 從兩個(gè)角度衡量分析師對(duì)“圈子”內(nèi)基金經(jīng)理關(guān)系的維護(hù)，一是分析師在某一年度對(duì)“圈子”內(nèi)基金經(jīng)理持股薦股評(píng)級(jí)的均值減去對(duì)“圈子”外基金經(jīng)理持股薦股評(píng)級(jí)的均值(RankDiff)，二是分析師在某一年度對(duì)“圈子”內(nèi)基金經(jīng)理持股發(fā)布的研報(bào)數(shù)量占該年度該分析師發(fā)布研報(bào)的總量，即跟蹤偏好(NumDiff). Gu等[48]發(fā)現(xiàn)分析師傾向于跟蹤與其有校友關(guān)系的基金經(jīng)理持有的股票.

從表6看出，RankDiff(表6第1列系數(shù)為0.249，z值為2.43)和NumDiff(第2列系數(shù)為0.242，z值為2.49)對(duì)分析師當(dāng)選都有顯著影響，同時(shí)加入這兩個(gè)變量后各自依然顯著(第3列RankDiff系數(shù)為0.193，z值為1.84；NumDiff系數(shù)為0.197，z值為1.95). 并且加入這兩個(gè)變量中的任何一個(gè)后“圈子”不再顯著(第1列、第2列和第3列Network的系數(shù)分別為0.137、0.122和0.122；z值分別為1.29、1.16和1.15). 從第3列進(jìn)一步發(fā)現(xiàn)薦股評(píng)級(jí)差異(系數(shù)0.193)和跟蹤偏好(系數(shù)0.197)對(duì)當(dāng)選的影響大于“圈子”(系數(shù)為0.122). 這說明“圈子”效應(yīng)的發(fā)揮依賴于分析師對(duì)基金經(jīng)理的利益輸送。表5與表6共同驗(yàn)證了H3. 盡管更高的薦股評(píng)級(jí)有助于分析師當(dāng)選，進(jìn)而實(shí)現(xiàn)其利益，但文本信息含量卻可能影響分析師的市場(chǎng)影響力和公信力.

表6 分析師跟蹤偏好、樂觀偏差與當(dāng)選明星分析師概率Table 6 Following preference, optimistic bias and the probability of being stars

利用模型(8)檢驗(yàn)了文本信息含量對(duì)市場(chǎng)關(guān)注度的影響，結(jié)果見表7.實(shí)證發(fā)現(xiàn)，研報(bào)發(fā)布后的第1天(Baidu(-1,1))投資者更關(guān)注分析師自身的“圈子”(表7第3列的系數(shù)為0.012，t值為1.97)以及當(dāng)選次數(shù)(表7第1列系數(shù)為0.007，t值為2.05；而在第3列加入SimWu后Times不顯著，t值為0.733). 但第3天(Baidu(-3,3))和第5天(Baidu(-5,5))投資者更關(guān)注研報(bào)的信息含量，第6列和第9列SimWu系數(shù)分別為-0.018和-0.010，t值分別為-3.09和-1.76，而分析師的“圈子”和當(dāng)選次數(shù)對(duì)市場(chǎng)關(guān)注沒有顯著影響. 驗(yàn)證了H4. 尹玉剛[46]將投資者關(guān)注明星分析師而忽視分析師特質(zhì)的現(xiàn)象稱為認(rèn)知偏差，因?yàn)檫@些分析師特質(zhì)更能影響研報(bào)質(zhì)量. 值得注意的是，從表7看出投資者對(duì)新發(fā)布的研報(bào)在第1天(Baidu(-1,1))出現(xiàn)了關(guān)注偏差，但是隨著時(shí)間推移，這種偏差在研報(bào)發(fā)布后第3天和第5天(Baidu(-3,3) 和Baidu(-5,5))消失，市場(chǎng)關(guān)注重新回歸富含文本信息的研報(bào).

表7 分析師“圈子”與市場(chǎng)關(guān)注(百度指數(shù))Table 7 Analysts’ social ties and market attention (Baidu Index)

等[47]的標(biāo)準(zhǔn)化回歸方法，其常數(shù)項(xiàng)為0，故未列示.

3.3 進(jìn)一步研究

上文研究為分析師社交圈與研報(bào)文本信息含量和薦股評(píng)級(jí)的關(guān)系提供了直接證據(jù)，并證明了薦股評(píng)級(jí)及其在“圈子”內(nèi)外的差異對(duì)分析師職業(yè)生涯的重要影響，以及研報(bào)文本信息含量對(duì)市場(chǎng)關(guān)注的作用. 下面則進(jìn)一步研究不同分析師群體對(duì)其“圈子”內(nèi)/外基金經(jīng)理持股研報(bào)的差異，以及明星分析師在當(dāng)選前后研報(bào)各指標(biāo)(文本信息含量和量化指標(biāo))的變化，從而考察“圈子”導(dǎo)致的利益沖突在分析師當(dāng)選前后的動(dòng)態(tài)過程,結(jié)果如表8所示.

表8表明，從研報(bào)文本增量信息的角度，曾當(dāng)選的明星分析師從“圈子”內(nèi)獲取信息的能力更強(qiáng)，在面板 A中體現(xiàn)為DiffStar的絕對(duì)值(0.011)大于DiffNonStar的絕對(duì)值(0.009)；從動(dòng)態(tài)變化看，明星分析師當(dāng)選后從“圈子”內(nèi)獲取信息的能力進(jìn)一步增強(qiáng)，DiffAfter的絕對(duì)值(0.012)大于當(dāng)選前的DiffBefore的絕對(duì)值(0.005).

表8 不同分組下”圈子”內(nèi)外研報(bào)信息差異Table 8 Difference of research report information between inside and outside social ties under different groups

這一證據(jù)與上文的分析一致，分析師當(dāng)選后從“圈子”內(nèi)獲取信息的能力增強(qiáng). 其次，在前文論述中，將薦股評(píng)級(jí)作為分析師獲取信息的成本，那么這一成本的動(dòng)態(tài)變化有什么特征？ 從明星分析師與非明星分析師的靜態(tài)對(duì)比看，明星分析師整體上對(duì)“圈子”內(nèi)基金經(jīng)理的持股給予了更高的薦股評(píng)級(jí)(面板A第2列中DiffStar的值為0.071，而DiffNonStar的值為0.037)，這也是明星分析師能獲取更多增量信息的原因. 尤其是明星分析師當(dāng)選前，對(duì)“圈子”內(nèi)基金經(jīng)理持股的薦股評(píng)級(jí)顯著更高(面板 BDiffBefore的值為0.196). 有趣的是，在當(dāng)選明星分析師后隨著分析師自身財(cái)富和市場(chǎng)地位的迅速提高，他們出于對(duì)聲譽(yù)的考量，給出了相對(duì)較低的薦股評(píng)級(jí)(DiffAfter的值為0.048).

最后，曾當(dāng)選明星的分析師對(duì)“圈子”內(nèi)基金經(jīng)理持股給予了更樂觀的盈余預(yù)測(cè)(面板 ADiffStar的值為0.778)，且“圈子”內(nèi)外的樂觀程度差異更大(面板ADiffNonStar的值為0.226). 這也表明明星分析師群體給出的盈余預(yù)測(cè)整體上比非明星分析師更樂觀. 僅從明星分析師群體看，當(dāng)選后他們對(duì)“圈子”內(nèi)的樂觀程度更高(面板BDiffBefore的值為0.603，而DiffAfter的值為0.791). 結(jié)合薦股評(píng)級(jí)的動(dòng)態(tài)變化，可以看出明星分析師當(dāng)選后雖然給予了更客觀的薦股評(píng)級(jí)，但盈余預(yù)測(cè)中的樂觀偏差卻在增加.

在加入控制變量后，用模型(9)更細(xì)致地研究了明星/非明星分析師研報(bào)信息的差異,結(jié)果見表9. 表9第1列表明明星分析師和非明星分析師的文本相似度整體上沒有差異(EverStar系數(shù)為0.006，t值為0.96)，但他們呈現(xiàn)出共同特征——對(duì)“圈子”內(nèi)股票研報(bào)的文本相似度都更低(表9第2列中NetDummy的系數(shù)為-0.009，且在5%水平上顯著). 然而在第3列中加入NetDummy和EverStar的交叉項(xiàng)后發(fā)現(xiàn)其系數(shù)為-0.013，且在5%水平上顯著，這說明明星分析師對(duì)”圈子內(nèi)外文本相似度的差異要顯著大于非明星分析師，即明星分析師更能獲得“圈子”內(nèi)基金經(jīng)理的私有信息，并體現(xiàn)在文本信息中，也驗(yàn)證了H1b. 高的薦股評(píng)級(jí)(第6列EverStar系數(shù)為0.094，t值為28.40)；無論是明星還是非明星分析師，都會(huì)對(duì)“圈子”內(nèi)的股票給出更高的薦股評(píng)級(jí)(第5列NetDummy系數(shù)為0.038，t值為16.31)；與表9結(jié)論相對(duì)應(yīng)，發(fā)現(xiàn)明星分析師更注重給“圈子”內(nèi)基金經(jīng)理持股發(fā)布較高的薦股評(píng)級(jí)(第6列交叉項(xiàng)EverStar×NetDummy系數(shù)為0.008，t值為2.17)，驗(yàn)證了H2b. 對(duì)于盈余預(yù)測(cè)偏差，第9列EverStar系數(shù)為0.003，t值為0.90，這是由于盈余預(yù)測(cè)偏差的來源有兩個(gè)：一是分析師的樂觀偏差，曾當(dāng)選的分析師面臨更嚴(yán)重的利益沖突；其次，盈余預(yù)測(cè)偏差也包含了信息，明星分析師有更廣泛的的信息搜集和處理能力，預(yù)測(cè)更準(zhǔn)確. 兩個(gè)相反的效應(yīng)相互抵消，導(dǎo)致其系數(shù)不顯著. 同樣的，交叉項(xiàng)也沒有顯著的解釋力(第9列EverStar×NetDummy系數(shù)為-0.003，t值為-0.81). 首次當(dāng)選后分析師的知名度大大提高，同時(shí)也獲得極大經(jīng)濟(jì)利益. 這對(duì)分析師有兩方面的重要影響，一是其更加注重自己的市場(chǎng)影響力及公信力；二是隨著其地位的提高，他們通過“圈子”內(nèi)基金經(jīng)理獲取私有信息的能力也得到增強(qiáng).

表9 明星/非明星分析師研報(bào)信息差異Table 9 Difference of information content between star and non-star analysts

利用模型(10)動(dòng)態(tài)研究了分析師入選《新財(cái)富》后對(duì)“圈子”內(nèi)外評(píng)級(jí)差異的動(dòng)態(tài)變化,結(jié)果見表10. 從第1列可以看出，盡管當(dāng)選后明星分析師研報(bào)的文本相似度整體上有所上升(AfterStar系數(shù)為0.012，t值為1.81)，但是他們當(dāng)選后對(duì)“圈子”內(nèi)股票研報(bào)的文本相似度顯著降低(第3列AfterStar×NetDummy系數(shù)為-0.041，t值為-3.18)，這一方面是因?yàn)樗麄兏菀撰@取“圈子”內(nèi)基金經(jīng)理的私有信息，另一方面是因?yàn)樗麄兏⒅刈陨淼氖袌?chǎng)號(hào)召力，有動(dòng)機(jī)提供更有信息的研報(bào). 前文提到分析師當(dāng)選后市場(chǎng)知名度及地位會(huì)有顯著提高，這很可能會(huì)影響其與“圈子”內(nèi)基金經(jīng)理的“議價(jià)”能力：他們一方面能夠更容易獲得“圈子”內(nèi)基金經(jīng)理所擁有的私有信息，另一方面無需一味地以高薦股評(píng)級(jí)取悅基金經(jīng)理. 第6列驗(yàn)證了這一推論，明星分析師當(dāng)選后對(duì)“圈子”內(nèi)股票的薦股評(píng)級(jí)依然顯著(AfterStar×NetDummy系數(shù)為-0.021，t值為-3.40). 與表9的結(jié)論類似，盈余預(yù)測(cè)偏差則在明星分析師當(dāng)選前后沒有顯著差異(第9列第3行系數(shù)不顯著). 表10的實(shí)證結(jié)果驗(yàn)證了H5.

表10 明星分析師當(dāng)選前后研報(bào)信息差異Table 10 Difference of information content between before and after being star analysts

3.4 穩(wěn)健性檢驗(yàn)

實(shí)證分析中，用剔除了停用詞的文本相似度度量研報(bào)增量文本信息，然而作為沒有實(shí)際意義的結(jié)構(gòu)助詞或語氣助詞以及特殊符號(hào)，停用詞從某種程度上代表了特殊的“信息”——無用信息. 為保證結(jié)論的可靠性，使用保留了停用詞的文本相似度(SimYou)進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果見表11. 表11第3列加入所有控制變量后，結(jié)論不變(Network系數(shù)為-0.032，t值為-7.50).

表11 保留停用詞的穩(wěn)健性檢驗(yàn)Table 11 Robustness test of remaining stop words

盡管以百度指數(shù)作為市場(chǎng)對(duì)股票的關(guān)注度是學(xué)者常用的做法[43-45]，但也有采用換手率作為市場(chǎng)關(guān)注度的度量[49,50]. 研報(bào)文本相似度對(duì)市場(chǎng)關(guān)注度的影響在替換市場(chǎng)關(guān)注度指標(biāo)后是否依然存在？本文構(gòu)建異常換手率(Turnover)指標(biāo)來檢驗(yàn)結(jié)果的穩(wěn)健性. 異常換手率是研報(bào)發(fā)布后i日與發(fā)布前i日換手率的均值差異(i分別取值1，3，5). 檢驗(yàn)結(jié)果展示在表12中. 從中看出研報(bào)文本相似度對(duì)股票換手率的影響與百度指數(shù)具有同樣的模式，結(jié)論穩(wěn)健.

表12 分析師“圈子”與市場(chǎng)關(guān)注度(異常換手率)Table 12 Analysts’ social ties and market attention (Turnover)

在前文中，用模型(10)研究了分析師當(dāng)選明星后股票研報(bào)質(zhì)量(SimWu和Rank)的變化，發(fā)現(xiàn)明星分析師更加注重研報(bào)的文本信息含量，而降低了“圈子”內(nèi)股票薦股評(píng)級(jí). 為驗(yàn)證這一結(jié)論的可靠性，直接以RankDiff及NumDiff為被解釋變量，采用如下模型檢驗(yàn)分析師當(dāng)選明星后的動(dòng)態(tài)變化

（11）

式中Diffi,t代表RankDiff和NumDiff，控制變量的選取與模型(4)相同，回歸結(jié)果展示在表13中.

表13 明星/非明星分析師研報(bào)差異穩(wěn)健性檢驗(yàn)Table 13 Robustness test of difference of information content between star and non-star analysts

回歸方法，其常數(shù)項(xiàng)為0，故未列示；為節(jié)約篇幅，其他控制變量也未在表中顯示.

與表9和表10的結(jié)論吻合，發(fā)現(xiàn)相對(duì)于非明星分析師，明星分析師對(duì)“圈子”內(nèi)股票的薦股評(píng)級(jí)更高，也更傾向于對(duì)“圈子”內(nèi)的股票發(fā)布研報(bào).

另外，我國(guó)部分券商存在雙總部或多總部的情況，這可能會(huì)導(dǎo)致正文中基于注冊(cè)地計(jì)算的分析師“地域圈”有偏差. 實(shí)際上，雖然很多券商存在雙總部或多總部的情況，但大部分分析師主要在注冊(cè)地的研究所辦公，其它總部的研究所主要是為在當(dāng)?shù)亻_展業(yè)務(wù)的分析師設(shè)置的臨時(shí)辦公場(chǎng)所. 但是依然檢驗(yàn)了雙總部或多總部情形對(duì)分析師“地域圈”構(gòu)建造成的可能影響。從各地方證監(jiān)局網(wǎng)站統(tǒng)計(jì)了各自轄區(qū)內(nèi)券商的情況，得到每家券商的總部數(shù)量與所在地，發(fā)現(xiàn)樣本所包含的133家券商中，有72家券商只有1家總部，雙總部或多總部的有61家. 對(duì)于多總部或雙總部的券商，無法確切地知道某個(gè)分析師所屬的確切總部進(jìn)而計(jì)算“地域圈”，因此表14基于72家單總部券商旗下的分析師樣本重復(fù)了表4的實(shí)證模型. 與表4相比，表14中主要解釋變量的系數(shù)與顯著性保持一致. 同樣的，社交圈對(duì)分析師預(yù)測(cè)偏差的影響也保持穩(wěn)健，這些結(jié)論進(jìn)一步表明多總部券商的情況并不影響本文主要結(jié)論.

表14 基于單總部券商的子樣本分析Table 14 Subsample analysis based on single-headquarter brokerage

4 結(jié)束語

研究報(bào)告是分析師向市場(chǎng)傳遞信息的重要載體，以往研究多以盈余預(yù)測(cè)偏差和薦股評(píng)級(jí)等量化指標(biāo)評(píng)價(jià)研報(bào)的信息價(jià)值，但這些量化指標(biāo)本質(zhì)上是分析師基于其公共信息和私有信息的結(jié)論性預(yù)測(cè)，而非信息本身. 分析師從解讀信息到作出預(yù)測(cè)的過程是個(gè)“黑匣子”，具有較強(qiáng)的主觀性且易受到外部利益沖突的干擾，從投資者角度來說這些指標(biāo)也不具有及時(shí)的可驗(yàn)證性，以其作為評(píng)價(jià)分析師信息中介功能的依據(jù)可能片面且不客觀. 因此，本文創(chuàng)新性地以文本相似度衡量研報(bào)信息含量，并通過量化分析師社交圈的大小，研究“圈子”對(duì)分析師獨(dú)立性的影響及其在研報(bào)信息含量中的體現(xiàn)，運(yùn)用邏輯演繹并實(shí)證得出一些有價(jià)值的發(fā)現(xiàn).

“圈子”是分析師獲取私有信息的重要途徑，人脈廣泛的分析師憑借信息優(yōu)勢(shì)能夠向市場(chǎng)提供具有顯著增量信息的研究報(bào)告. 實(shí)證發(fā)現(xiàn)“圈子”廣的分析師研報(bào)文本信息含量更高，這一現(xiàn)象在“圈子”內(nèi)基金經(jīng)理持股的研報(bào)中更為顯著. 同時(shí)，在“社會(huì)關(guān)系資本化，資本市場(chǎng)江湖化”的股票市場(chǎng)，“圈子”增加了分析師陷入利益漩渦的概率，分析師可能以高評(píng)級(jí)的研報(bào)謀求私人利益. 對(duì)該問題的實(shí)證分析證實(shí)了這一推論，“圈子”廣的分析師整體上薦股評(píng)級(jí)更高，并且其對(duì)“圈子”內(nèi)基金經(jīng)理持股的薦股評(píng)級(jí)顯著高于“圈子”外.

本文進(jìn)一步分析“圈子”效應(yīng)在分析師研報(bào)中發(fā)揮作用的機(jī)制. 作為重要的外部激勵(lì)，當(dāng)選明星分析師是分析師職業(yè)生涯的終極追求，而基金經(jīng)理手握明星分析師評(píng)選的投票權(quán). 實(shí)證發(fā)現(xiàn)對(duì)“圈子”內(nèi)基金經(jīng)理持股發(fā)布高評(píng)級(jí)能顯著增加分析師入選《新財(cái)富》的概率，從某種程度上講，高薦股評(píng)級(jí)是分析師獲取基金經(jīng)理選票的籌碼. 盡管文本信息含量對(duì)當(dāng)選概率沒有顯著影響，但是高信息含量的研報(bào)文本能夠引起更大的市場(chǎng)反應(yīng)，標(biāo)的股票獲得了更廣泛的市場(chǎng)關(guān)注.

作為分析師職業(yè)發(fā)展的重要節(jié)點(diǎn)，入選《新財(cái)富》后分析師的聲譽(yù)與利益發(fā)生了顯著改變，此時(shí)“圈子”效應(yīng)發(fā)生了何種變化？對(duì)這一動(dòng)態(tài)問題的研究發(fā)現(xiàn)當(dāng)選明星后分析師更注重文本信息含量，而對(duì)“圈子”內(nèi)股票的薦股評(píng)級(jí)有所下降. 其原因是分析師的職業(yè)生涯利益得到實(shí)現(xiàn)后更注重聲譽(yù)，并且明星分析師獲取私有信息的途徑更加多元化，而以高評(píng)級(jí)獲取選票的動(dòng)機(jī)減弱.

本文的研究?jī)r(jià)值主要體現(xiàn)在兩方面. 一是為全面評(píng)價(jià)分析師研報(bào)信息含量提供了新的方法. 不同于以往局限于研報(bào)量化指標(biāo)的研究，本文將其范圍拓展到了更為客觀和重要的的研報(bào)文本，并且相對(duì)于量化指標(biāo)，投資者更關(guān)注研報(bào)的文本信息. 二是為“圈子”在資本市場(chǎng)的作用提供了新的補(bǔ)充，發(fā)現(xiàn)“圈子”對(duì)分析師具有雙重影響：一方面為分析師發(fā)現(xiàn)私有信息提供了便利，有利于其信息中介作用的發(fā)揮；另一方面影響分析師的獨(dú)立性，提高了薦股評(píng)級(jí)的樂觀偏差. 這為投資者如何充分利用研報(bào)信息以及規(guī)范分析師行為提供了新的思考與啟示.