基于非財務(wù)信息不確定性視角的分析師盈余預(yù)測羊群行為研究

【摘要】本文基于羊群效應(yīng)理論， 從非財務(wù)信息不確定性視角出發(fā)， 聚焦于ESG評級信息， 利用2010 ～ 2022年我國滬深A(yù)股上市公司數(shù)據(jù)， 實證檢驗ESG評級分歧對分析師盈余預(yù)測羊群行為的影響。研究表明， ESG評級分歧會減少分析師盈余預(yù)測羊群行為。此外， 二者的關(guān)系在經(jīng)濟(jì)政策不確定性較高、 投資者情緒較高漲時更顯著。機(jī)制檢驗發(fā)現(xiàn)， ESG評級分歧可通過減少分析師對私有信息的依賴和提高媒體關(guān)注度來抑制分析師盈余預(yù)測羊群行為。本文不僅補(bǔ)充了ESG評級分歧對資本市場參與者的影響及作用機(jī)制研究， 還對完善ESG評級體系和推動資本市場平穩(wěn)運行提出了建議。

【關(guān)鍵詞】ESG評級分歧；分析師盈余預(yù)測；羊群行為；資本市場

【中圖分類號】 F275.2" " "【文獻(xiàn)標(biāo)識碼】A" " " 【文章編號】1004-0994（2025）05-0109-8

一、 引言

在可持續(xù)發(fā)展背景下， ESG與國家的“雙碳”目標(biāo)高度契合， 相關(guān)信息已逐漸成為投資決策、 企業(yè)戰(zhàn)略制定以及社會監(jiān)督的重要依據(jù)， 受到了資本市場參與者與政府的廣泛關(guān)注。2022年4月， 中國證監(jiān)會發(fā)布了《上市公司投資者關(guān)系管理工作指引》， 要求上市公司在與投資者的溝通內(nèi)容中增加其ESG信息， 這對于促進(jìn)上市公司完善治理機(jī)制和加強(qiáng)投資者利益保護(hù)具有重要作用。然而， 由于各ESG評級機(jī)構(gòu)在制定評級標(biāo)準(zhǔn)和選取指標(biāo)等方面存在一定的主觀性， 不同評級機(jī)構(gòu)對同一企業(yè)的評級結(jié)果可能存在較大分歧。ESG評級作為典型的非財務(wù)信息， 其分歧的存在體現(xiàn)了非財務(wù)信息的不確定性， 會影響企業(yè)的非財務(wù)信息含量， 對其信息使用者造成不同程度的影響?，F(xiàn)有研究主要關(guān)注ESG評級分歧對投資者決策等的影響（Krueger和Stammler-Gossmann，2019）， 僅有少數(shù)研究探究了其對分析師的影響， 如有研究認(rèn)為ESG評級分歧會降低分析師盈余預(yù)測質(zhì)量（周澤將等，2023）。但少有文獻(xiàn)從分析師自身存在的認(rèn)知和選擇偏差以及分析師之間的相互影響角度， 探究ESG評級分歧對分析師其他決策行為的影響。

分析師作為資本市場上的重要信息中介， 其對企業(yè)信息的跟進(jìn)與預(yù)測行為在企業(yè)運營和資本市場中一直發(fā)揮著不可替代的作用（Peter等，2016）。但近年來部分研究發(fā)現(xiàn)， 受信息或非信息因素的影響， 分析師會在盈余預(yù)測過程中表現(xiàn)出趨同， 產(chǎn)生明顯的羊群行為（Bikhchandani等，1992；Scharfstein和Stein，1990；Xue，2016）。分析師羊群行為會影響企業(yè)的股價同步性和資本市場的信息效率（Xu等，2017）， 加劇資本市場波動（Cont和Bouchaud，2000；Bikhchandani和Sharma，2001）。因此， 基于分析師羊群行為視角探究ESG評級分歧的作用機(jī)制和經(jīng)濟(jì)后果， 有助于充分發(fā)揮分析師的信息中介作用和維系資本市場穩(wěn)定。分析師在盈余預(yù)測過程中已將企業(yè)的ESG表現(xiàn)作為重要信息納入考慮（Dhaliwal等，2012；孫光國等，2023）， 而ESG評級分歧的存在是非財務(wù)信息不確定性的體現(xiàn)， 會影響分析師的信息獲取， 進(jìn)而對其盈余預(yù)測羊群行為產(chǎn)生影響。一方面， ESG評級分歧越大， 說明不同評級機(jī)構(gòu)獲取和利用的私有信息含量越高， 這能夠傳遞更多的異質(zhì)性信息； 另一方面， 當(dāng)ESG評級存在分歧時， 分析師難以對企業(yè)的ESG表現(xiàn)等信息做出準(zhǔn)確判斷（Berg等，2022）， 進(jìn)而對其盈余預(yù)測決策產(chǎn)生影響。故基于非財務(wù)信息不確定性視角探究ESG評級分歧對分析師盈余預(yù)測羊群行為的影響， 對于保障資本市場平穩(wěn)運行具有重要意義。

基于此， 本文以2010 ～ 2022年我國滬深A(yù)股上市公司作為研究樣本， 實證檢驗ESG評級分歧對分析師盈余預(yù)測羊群行為的影響， 并進(jìn)一步探究ESG評級分歧在不同經(jīng)濟(jì)政策不確定性、 投資者情緒下對分析師盈余預(yù)測羊群行為的影響效果及其內(nèi)在機(jī)理。研究表明， ESG評級分歧顯著抑制了分析師盈余預(yù)測羊群行為， 并且當(dāng)經(jīng)濟(jì)政策不確定性較高、 投資者情緒較高漲時， 二者的相關(guān)性更強(qiáng)。本文可能的邊際貢獻(xiàn)如下： 第一， 豐富了ESG相關(guān)研究?，F(xiàn)有ESG相關(guān)研究主要集中在ESG評級產(chǎn)生的經(jīng)濟(jì)后果方面， 較少關(guān)注ESG評級分歧帶來的影響， ESG評級分歧與市場參與者之間的關(guān)系研究尚待補(bǔ)充。第二， 拓展了分析師羊群行為的相關(guān)研究。本文從非財務(wù)信息不確定性視角出發(fā)， 結(jié)合ESG發(fā)展背景， 討論ESG評級分歧對分析師盈余預(yù)測羊群行為的影響， 對分析師羊群行為的影響因素研究進(jìn)行了補(bǔ)充。

二、 文獻(xiàn)綜述

（一） ESG評級分歧相關(guān)研究

現(xiàn)有文獻(xiàn)對ESG 評級分歧的研究主要集中在其形成原因以及產(chǎn)生的經(jīng)濟(jì)后果方面。

ESG評級分歧產(chǎn)生的首要原因是缺乏統(tǒng)一的評價體系， 不同評級機(jī)構(gòu)可能采用不同的ESG評估標(biāo)準(zhǔn)（Krueger和Stammler-Gossmann，2019）。首先， 評級機(jī)構(gòu)在度量方式、 權(quán)重選擇、 對環(huán)境與社會責(zé)任的理解（Dimson，2020；Berg等，2022）以及缺失數(shù)據(jù)處理和基準(zhǔn)選擇等方面的差異（Chatterji，2016；Kotsantonis和Serafeim，2019）均會導(dǎo)致ESG評級分歧。其次， ESG評級所依據(jù)的信息也是影響ESG評級分歧的重要因素。不同的信息來源導(dǎo)致信息不對稱， 進(jìn)一步加劇了評級分歧（Clark和Urwin，2018）。企業(yè)公開披露的信息作為ESG評級的重要信息來源， 是造成ESG評級分歧的重要因素（朱富顯等，2024）。Christensen等（2022）發(fā)現(xiàn)， 企業(yè)更多的ESG信息披露為評級機(jī)構(gòu)采用不同指標(biāo)評估企業(yè)業(yè)績提供了更多的可能性， 容易引起更大的ESG評級分歧。然而， 部分學(xué)者認(rèn)為， 隨著企業(yè)ESG信息披露規(guī)范性和透明度的提升， ESG評級分歧會有所減?。↗orgensen和Ellingsen，2021）。另外， 當(dāng)企業(yè)自愿披露ESG報告時ESG評級分歧會有所減小， 而ESG報告的語言特征， 包括報告的長度、 語氣和粘性等， 也會影響ESG評級分歧（Kimbrough等，2024）。此外， ESG評級機(jī)構(gòu)的評估既依賴于公共信息， 也依賴于私人信息， 評級機(jī)構(gòu)獲取信息的途徑和能力差異會導(dǎo)致ESG評級分歧的產(chǎn)生（Larcker等，2022）。最后， 政府監(jiān)管也是導(dǎo)致ESG評級差異的關(guān)鍵因素之一（Zhang等，2022）。

就ESG評級分歧的經(jīng)濟(jì)后果而言， 一方面， ESG 評級分歧會對企業(yè)的經(jīng)營管理產(chǎn)生影響。ESG評級分歧會增加企業(yè)進(jìn)行外部融資的難度（Christensen等，2022）， 從而導(dǎo)致企業(yè)投融資期限錯配和綠色創(chuàng)新質(zhì)量下降（李曉艷等，2024；李清和陳琳，2024）。另外， ESG 評級分歧的存在不利于管理者對企業(yè)ESG表現(xiàn)形成清晰的認(rèn)識， 降低了企業(yè)提升 ESG 績效的積極性（Chatterji等，2016）， 這也為管理者利用ESG信息披露進(jìn)行“漂綠”提供了有利條件（Hu等，2023）。但部分學(xué)者持相反的觀點， 他們認(rèn)為ESG評級分歧會對企業(yè)的經(jīng)營管理產(chǎn)生有利影響， 如降低企業(yè)債務(wù)融資成本（李鳳羽等，2024；陳鵬程等，2024）、 提升企業(yè)綠色創(chuàng)新水平（曾宇飛洋等，2024）和自愿性信息披露水平等（何太明等，2023）。

另一方面， ESG 評級分歧會對資本市場產(chǎn)生重要影響。ESG 評級分歧會影響投資者決策， 投資者在面對不同的ESG評級時會存在決策困難（Krueger和Stammler-Gossmann，2019）， 使得其在作出決策時面臨額外風(fēng)險（Clark和Urwin，2018）。Gibson Brandon等（2021）、 Avramov等（2022）則從風(fēng)險溢價角度出發(fā)， 發(fā)現(xiàn)股票收益率與ESG評級分歧呈正相關(guān)關(guān)系。與此同時， ESG評級分歧會對投資者產(chǎn)生“噪聲”干擾， 從而提高公司股價同步性（劉向強(qiáng)等，2023）。而Serafeim等（2022）研究發(fā)現(xiàn)， 當(dāng)ESG評級存在分歧時， 不僅會減弱其對未來ESG新聞的預(yù)測能力， 還會削弱ESG新聞與市場反應(yīng)之間的關(guān)系， 導(dǎo)致累計超額收益率和收益波動率上升。

（二） 分析師羊群行為影響因素相關(guān)研究

根據(jù)現(xiàn)有研究， 分析師羊群行為產(chǎn)生的原因可以分為以下幾類：

第一， 由信息引起的羊群行為。信息級聯(lián)會導(dǎo)致基于信息的羊群行為（Froot等，1992；Hirshleifer等，1994；Bikhchandani等，1992）。分析師通過參考先前分析師的預(yù)測來推測信息， 往往選擇忽視自己獲取的信息， 采取跟隨策略發(fā)布類似的預(yù)測， 從而形成信息層疊， 誘發(fā)羊群行為。在信息級聯(lián)的基礎(chǔ)上， Banerjee（1992）、 Bikhchandni等（1992）指出， 羊群行為受信息內(nèi)容數(shù)量及信息產(chǎn)生順序的影響。當(dāng)面臨相似的環(huán)境和信息集時， 分析師會發(fā)布相似的預(yù)測。此外， 當(dāng)信息獲取量有限或缺乏時， 分析師更容易產(chǎn)生羊群行為（Scharfstein和Stein，1990；Economou等，2018）。由于分析師羊群行為會受到信息的影響， 宏觀數(shù)據(jù)發(fā)布（Galariotis等，2015）、 信息披露監(jiān)管政策（Hahn和Song，2013；Mensah和Yang，2008）、 企業(yè)信息環(huán)境透明度（Leece和White，2017）、 無形資產(chǎn)相關(guān)信息披露（Reuben等，2023）、 經(jīng)濟(jì)政策不確定性（Chen等，2021）、 分析師信息獲取渠道（Christensen等，2017）等因素， 均會對其產(chǎn)生影響。

第二， 由激勵機(jī)制引起的羊群行為。分析師行為會受到薪酬、 聲譽等因素的影響。Scharfstein和Stein（1990）、 Trueman（1994）提出了職業(yè)經(jīng)理人出于職業(yè)或聲譽考慮而從眾的模型。為了保持或獲得聲譽， 分析師往往會放棄自身預(yù)測而跟隨高能力分析師或者先前分析師的預(yù)測（Graham，1999；Hong等，2000；Hong和Kubik，2003；Prendergast和Stole，1996；Scharfstein和Stein，1990；Trueman，1994）。在薪酬激勵方面， Brenan（1993）、 Roll（1992）、 Maug和Naik（1996）研究發(fā)現(xiàn)， 分析師會跟隨和參考其他分析師的預(yù)測以獲取高薪酬。但部分學(xué)者持有不同的觀點。Clarke和Subramanian（2006）認(rèn)為， 分析師的就業(yè)風(fēng)險和薪酬是驅(qū)動其發(fā)布大膽預(yù)測的重要因素。由于凸性薪酬結(jié)構(gòu)的存在， 分析師會發(fā)布不同的預(yù)測， 以吸引注意力和展現(xiàn)自身能力（Ottaviani和S?rensen，2006；Bernhardt和Kutsoati，2004；Banerjee，2021；Banerjee等，2022）。Frijns和Huynh（2018）發(fā)現(xiàn)， 媒體關(guān)注會激勵分析師放棄跟隨其他分析師的預(yù)測， 而是通過發(fā)布突破共識的預(yù)測以脫穎而出。

第三， 基于行為金融學(xué)的角度， 個人行為會受到自身特征和偏好甚至他人行為的影響， 而分析師羊群行為同樣如此。Clement和Tse（2005）發(fā)現(xiàn)， 分析師的從眾行為會受到其他分析師特征的影響， 如券商規(guī)模、 預(yù)測頻率、 職業(yè)經(jīng)驗、 分析師關(guān)注的公司和行業(yè)數(shù)量等。另外， 分析師的風(fēng)險承受能力（Christoffersen和St?hr，2019）、 隸屬關(guān)系（Xue，2016）、 任務(wù)難度（Kim和Pantzalis，2003）、 職業(yè)經(jīng)驗（Clement和Tse，2005；Hong等，2000；Youssef和Rajhi，2010）、建議之間的差異（Jegadeesh和Kim，2010）、 預(yù)測修正頻率（Jegadeesh和Kim，2010）、 預(yù)測范圍（De Bondt和Forbes，1999）等也會對分析師羊群行為產(chǎn)生影響。除此之外， 高漲的投資者情緒和市場情緒也會加劇分析師羊群行為（Garcia，2021；Chiang和Lin，2019）。

（三） 文獻(xiàn)述評

通過梳理相關(guān)文獻(xiàn)， 可以發(fā)現(xiàn)關(guān)于ESG評級分歧的研究主要集中于其形成原因以及產(chǎn)生的經(jīng)濟(jì)后果方面。但現(xiàn)有關(guān)于ESG評級分歧對資本市場參與者的影響研究主要關(guān)注點在投資者方面（Krueger和Stammler-Gossmann，2019；Clark和Urwin，2018）， 僅有少數(shù)學(xué)者探究了其對分析師的影響且主要集中在對分析師盈余預(yù)測質(zhì)量的影響， 鮮少涉及對分析師其他決策行為的影響?，F(xiàn)有研究表明， 受信息因素、 激勵機(jī)制以及行為特征的影響， 分析師在盈余預(yù)測過程中會產(chǎn)生羊群行為。ESG評級作為典型的非財務(wù)信息， 是財務(wù)信息的有益補(bǔ)充， 已成為分析師預(yù)測的重要參考（Dhaliwal等，2012；孫光國等，2023）， 其評級分歧的存在會影響分析師的信息獲取等， 進(jìn)而對分析師羊群行為產(chǎn)生影響， 但少有學(xué)者深入研究ESG評級分歧對分析師盈余預(yù)測羊群行為的影響。因此， 本文基于羊群效應(yīng)理論探究二者之間的關(guān)系。

三、 理論分析與假設(shè)提出

當(dāng)ESG評級存在分歧時， 其無法準(zhǔn)確反映企業(yè)的ESG表現(xiàn)（劉向強(qiáng)等，2023）， 分析師不能直接依賴和使用評級結(jié)果， 還需進(jìn)一步搜集相關(guān)信息進(jìn)行解讀， 其獲取信息的成本和難度有所提升。根據(jù)信息流模型， 信息成本越高越容易形成羊群行為。當(dāng)信息獲取成本過高時， 分析師很可能采取一種他們認(rèn)為的“捷徑”， 即觀察并跟隨他人發(fā)布的盈余預(yù)測， 導(dǎo)致羊群行為的產(chǎn)生（Bikhchandani等，1992）。ESG評級分歧的存在會降低公共信息含量， 此時分析師傾向于依賴私有信息進(jìn)行盈余預(yù)測（Das等，1998；郭杰和洪潔瑛，2009）。由于分析師的個人能力影響了私有信息的獲取量， 較少的公共信息披露激勵了私人信息的收集， 也為擁有較多私人信息的分析師創(chuàng)造了優(yōu)勢（Verrecchia，1982）。因此， ESG評級分歧的存在擴(kuò)大了能力較強(qiáng)與較差分析師之間的信息差距?；谛畔⒘餮蛉盒?yīng)模型， 在信息不對稱的市場環(huán)境中， 由于無法獲知其他分析師的信息掌握情況， 分析師會根據(jù)他人的行為來推測他人的私有信息， 并極端地采取跟隨策略（Bikhchandani等，1992）。因此， 面對不同的ESG評級結(jié)果， 能力較差的分析師會傾向于跟隨能力較強(qiáng)的分析師發(fā)布預(yù)測， 以縮小自身與他人的差距（Scharfstein和Stein，1990）。此外， ESG評級分歧反映了企業(yè)ESG信息的不確定性， 不利于分析師進(jìn)行信息判斷。根據(jù)聲譽假說和聲譽羊群效應(yīng)模型， 面對不確定的信息環(huán)境時， 分析師會更加謹(jǐn)慎并傾向于模仿其他分析師的預(yù)測， 從而降低可能的預(yù)測失誤對自身聲譽造成的影響（Scharfstein和Stein，1990）。

基于上述分析， 提出如下假設(shè)：

H1a： ESG評級分歧會增加分析師盈余預(yù)測羊群行為。

ESG評級分歧從另一方面說明評級機(jī)構(gòu)會從多個角度分析和評估企業(yè)的ESG表現(xiàn)， 一定程度上為分析師提供了更多元的信息， 便于分析師更加全面地了解企業(yè)的ESG表現(xiàn)。ESG評級分歧較大說明不同評級機(jī)構(gòu)獲取和利用的私有信息含量較高， 可以提供更多的異質(zhì)性信息， 從多維度更加真實地反映企業(yè)的情況。隨著信息獲取量的增加， 分析師會減少對私有信息的依賴， 進(jìn)而減少其在無法獲悉其他分析師私有信息掌握情況的背景下選擇跟隨其他分析師預(yù)測的行為（Leece和White，2017）。此外， 當(dāng)ESG評級存在分歧時， 由于個體之間存在著差異， 不同的分析師可能會參考不同的評級結(jié)果進(jìn)行預(yù)測， 從而減少分析師因信息相似所誘發(fā)的羊群行為。

與此同時， ESG評級分歧較大的企業(yè)也會引起媒體以及其他利益相關(guān)者的關(guān)注。然而基于有限關(guān)注理論， 只有預(yù)測更準(zhǔn)確的分析師才能獲得更多的關(guān)注和報道， 贏得更多的聲譽和薪酬， 進(jìn)而形成凸性激勵機(jī)制（Marinovic等，2013）。在凸性激勵機(jī)制下， 分析師因發(fā)布質(zhì)量較好的預(yù)測而獲得的收益高于其因發(fā)布質(zhì)量相對較差的預(yù)測而損失的收益（Bernhardt等，2004）。在ESG評級分歧較大的情況下， 分析師為了從眾多分析師中脫穎而出， 贏得更多的關(guān)注和收益， 會選擇減少羊群行為并發(fā)布不一致的預(yù)測， 將自己的預(yù)測與其他分析師的預(yù)測區(qū)別開來（Frijns和Huynh，2018；Ottaviani和S?rensen，2006；Bernhardt等，2004）。因為此時發(fā)布類似預(yù)測的分析師數(shù)量較少， 倘若分析師的預(yù)測準(zhǔn)確， 則可以獲取更多的收益。

基于上述分析， 提出如下假設(shè)：

H1b： ESG評級分歧會減少分析師盈余預(yù)測羊群行為。

四、 研究設(shè)計

（一） 樣本選擇與數(shù)據(jù)來源

本文選擇2010 ～ 2022年我國滬深兩市A股上市公司作為初始研究樣本， 并對樣本進(jìn)行了以下篩選：" 參考Christensen等（2022）的做法， 保留有兩家或兩家以上機(jī)構(gòu)評級結(jié)果的公司樣本； 剔除早于一年、 遲于會計年度結(jié)束前30天發(fā)布的分析師預(yù)測樣本； 若在同一年內(nèi)同一分析師對同一家企業(yè)發(fā)布了多次盈余預(yù)測， 則僅保留最后一次預(yù)測； 剔除僅對同一家公司做出一次預(yù)測的分析師預(yù)測樣本； 參考Xu等（2017）的做法， 由于當(dāng)分析師關(guān)注度達(dá)到一定數(shù)量時才能有效地計算分析師羊群行為指數(shù)， 剔除分析師預(yù)測數(shù)量小于3的樣本； 剔除金融業(yè)的上市公司樣本； 剔除 ST和?ST樣本； 剔除主要解釋變量和控制變量數(shù)據(jù)缺失的樣本。同時， 本文對所有連續(xù)型變量進(jìn)行了上下1%的縮尾處理以消除極端值的影響， 最終得到了46846個分析師—公司—年度數(shù)據(jù)。

（二） 模型構(gòu)建

為了檢驗ESG評級分歧對分析師盈余預(yù)測羊群行為的影響， 本文構(gòu)建以下模型：

Herdi，j，t=α0+α1ESGdisj，t-1+α2∑Controlj，t+

∑Industry+∑Year+εi，j，t （1）

其中， Herd為分析師盈余預(yù)測羊群行為， ESGdis為ESG評級分歧， Control為控制變量， Industry和Year分別表示行業(yè)、 年份固定效應(yīng)， ε為隨機(jī)擾動項。

（三） 變量設(shè)定

1. 被解釋變量： 分析師盈余預(yù)測羊群行為。本文參考Hong等（2000）的做法對分析師盈余預(yù)測羊群行為（Herd）進(jìn)行度量， 具體公式如下：

[Herdi，j，t=-AbsFEPSi，j，t-Fi，j，tAbsFi，j，t]" "（2）

其中， FEPSi，j，t為分析師i在t年對j股票每股收益（EPS）的預(yù)測值， Fi，j，t為除分析師i以外的所有分析師在t年對j股票每股收益預(yù)測值的均值。Herd的值越大， 表明羊群行為越明顯。

2. 解釋變量： ESG評級分歧。參考Avramov等（2022）的做法， 采用4家評級機(jī)構(gòu)ESG評級的標(biāo)準(zhǔn)差來衡量ESG評級分歧。首先， 對初始數(shù)據(jù)進(jìn)行處理。對商道融綠的評級結(jié)果進(jìn)行賦值， 使其轉(zhuǎn)化為評分形式， 將彭博及和訊網(wǎng)的評分?jǐn)?shù)據(jù)除以10， 使華證等4家評級機(jī)構(gòu)對上市公司的ESG評級或評分結(jié)果統(tǒng)一為0 ～ 10的評分形式， 便于各評級結(jié)果之間的比較。其次， 分年度將每一年各評級機(jī)構(gòu)對企業(yè)的評分進(jìn)行排序。評分相同的企業(yè)排名相同， 并采用極差標(biāo)準(zhǔn)化法對各評級機(jī)構(gòu)所評價企業(yè)的排名進(jìn)行標(biāo)準(zhǔn)化處理。最后， 將每兩個評級機(jī)構(gòu)作為一組， 共形成六組， 計算每組的標(biāo)準(zhǔn)差， 取六組標(biāo)準(zhǔn)差的均值作為該企業(yè)該年度的ESG評級分歧。

3. 控制變量。本文參考Clement和Tse（2005）、 Hong等（2000）的研究， 加入以下分析師層面以及公司層面的控制變量： 預(yù)測公司數(shù)量、 預(yù)測行業(yè)數(shù)量、 一般工作經(jīng)驗、 特定工作經(jīng)驗、 券商規(guī)模、 上次預(yù)測的相對準(zhǔn)確性、 預(yù)測頻率、 日期間隔、 分析師關(guān)注度、 公司規(guī)模、 成長能力、資產(chǎn)負(fù)債率、 賬面市值比、 凈資產(chǎn)收益率、 股權(quán)性質(zhì)。具體變量定義如表1所示。

五、 實證結(jié)果與分析

（一） 描述性統(tǒng)計

表2為主要變量的描述性統(tǒng)計結(jié)果。ESGdis的最大值為0.495， 最小值為0.006， 均值為0.196， 說明ESG評級分歧普遍存在， 且不同企業(yè)之間的ESG評級分歧存在著較大差異。Herd的均值為-0.170， 最大值為-0.001， 最小值為-1.632， 說明分析師盈余預(yù)測表現(xiàn)出較高的趨同性， 羊群行為普遍存在， 且分析師盈余預(yù)測羊群行為在不同企業(yè)和分析師之間表現(xiàn)出較大的不同。其他變量的統(tǒng)計結(jié)果與已有研究相近， 不再贅述。

（二） 基準(zhǔn)回歸

表3報告了基于模型（1）的基準(zhǔn)回歸結(jié)果。第（1）列為僅控制行業(yè)和年份固定效應(yīng)， 未對其他變量進(jìn)行控制的回歸結(jié)果。具體來說， ESG評級分歧（ESGdis）與分析師盈余預(yù)測羊群行為（Herd）的相關(guān)系數(shù)為-0.0334， 在1%的水平上顯著。第（2）列展示了在控制行業(yè)和年份固定效應(yīng)的基礎(chǔ)上加入控制變量的回歸結(jié)果， ESG評級分歧（ESGdis）的系數(shù)仍在1%的水平上顯著為負(fù)。上述結(jié)果表明， ESG評級分歧減少了分析師盈余預(yù)測羊群行為， H1b得到了驗證。其原因可能是， ESG評級分歧提供了增量信息， 當(dāng)ESG評級存在分歧時， 不同分析師在進(jìn)行盈余預(yù)測過程中可能參考不同的評級結(jié)果， 減少了因信息相似而引發(fā)的羊群行為。

（三） 穩(wěn)健性檢驗

1. 控制反向因果。由于分析師盈余預(yù)測報告在一定程度上反映了企業(yè)的基本情況和信息， ESG評級機(jī)構(gòu)在評級過程中可能會將其作為參考， 進(jìn)而對其評級結(jié)果產(chǎn)生影響。因此， 分析師盈余預(yù)測可能會反向影響ESG評級分歧?；诖?， 本文引入當(dāng)年對企業(yè)進(jìn)行ESG評級的評級機(jī)構(gòu)個數(shù)作為工具變量， 并利用2SLS進(jìn)行內(nèi)生性檢驗。由于不同評級機(jī)構(gòu)在度量方式和權(quán)重選擇等方面的差異導(dǎo)致了ESG評級差異（Dimson，2020；Berg等，2022）， 對企業(yè)做出評級的評級機(jī)構(gòu)數(shù)量越多越容易引起ESG評級差異， 但尚未有研究表明對企業(yè)進(jìn)行ESG評級的評級機(jī)構(gòu)數(shù)量會對分析師盈余預(yù)測羊群行為產(chǎn)生影響。表4第（1）列展示了以當(dāng)年對企業(yè)進(jìn)行ESG評級的評級機(jī)構(gòu)個數(shù)作為工具變量的回歸結(jié)果，可以看到ESG評級分歧與分析師盈余預(yù)測羊群行為仍在1%的水平上顯著負(fù)相關(guān)， 說明在控制了反向因果后， 本文的研究假設(shè)依然得到了驗證。

2. 控制樣本自選擇偏差。本文僅保留了有兩家及以上評級機(jī)構(gòu)對企業(yè)進(jìn)行評級的樣本， 未將由不足兩家評級機(jī)構(gòu)進(jìn)行評級的上市公司納入考慮， 而ESG評級機(jī)構(gòu)是否會對企業(yè)進(jìn)行評估并發(fā)布評級結(jié)果會受到企業(yè)自身特征的影響， 因此可能存在樣本自選擇偏差。為了緩解模型中可能存在的樣本自選擇偏差問題， 本文采用Heckman兩階段模型進(jìn)行回歸。第一階段， 將沒有ESG評級以及僅有一家評級機(jī)構(gòu)進(jìn)行評級的企業(yè)都加入總樣本， 將企業(yè)是否存在ESG評級分歧作為被解釋變量， 同時參考已有研究選擇企業(yè)規(guī)模、 資產(chǎn)負(fù)債率、 成長能力、 是否兩職合一、 董事會規(guī)模、 前十大股東持股比例、 企業(yè)年齡、 是否由“四大”審計、 產(chǎn)權(quán)性質(zhì)、 賬面市值比、 股權(quán)制衡度、 獨立董事比例以及管理層持股比例作為影響評級機(jī)構(gòu)是否對企業(yè)進(jìn)行評級的變量， 對企業(yè)是否存在ESG評級分歧進(jìn)行回歸， 并計算出逆米爾斯比率（IMR）。第二階段， 將第一階段計算出的IMR加入模型（1）進(jìn)行回歸。表4第（2）列展示了最終的回歸結(jié)果， ESGdis的系數(shù)為-0.0969， 且在1%的水平上顯著， 說明本文的研究結(jié)論在控制樣本自選擇偏差后依然成立。

3. 改變被解釋變量的度量方式。為了避免關(guān)鍵變量度量誤差對研究結(jié)論造成的干擾， 本文借鑒Mensah和Yang（2008）、 Xu等（2017）的做法， 構(gòu)建分析師盈余預(yù)測羊群行為指數(shù)DHI（Degree of Herding Index）對分析師盈余預(yù)測羊群行為重新進(jìn)行度量。采用這一方法的前提條件是假定分析師盈余預(yù)測結(jié)果基本符合正態(tài)分布， 而DHI的度量方法則為其預(yù)測落在95%置信區(qū)間的比例。具體計算方法如下：

[DHI=L95%lt;Number of" Forecastslt;U95%Number of" Forecasts]" （3）

其中：" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "， 為分析師盈余預(yù)測95%置信區(qū)間的下限；

U95%=F+1.98" " " " " " " " " " " " " " " " " " " " " "， 為分析師盈余預(yù)測95%置信區(qū)間的上限；

F、 SD和Number of Forecasts分別為分析師盈余預(yù)測的均值、 標(biāo)準(zhǔn)差以及數(shù)量。

DHI為分析師發(fā)布預(yù)測中羊群預(yù)測的比例， DHI越大， 表示分析師盈余預(yù)測羊群行為越明顯。表4第（3）列報告了替換分析師盈余預(yù)測羊群行為度量方式后的回歸結(jié)果， ESGdis的系數(shù)仍顯著為負(fù)， 表明在減少分析師盈余預(yù)測羊群行為度量誤差的干擾后， 研究結(jié)論仍然穩(wěn)健。

4. 改變解釋變量的度量方式。由于ESG評級分歧存在不同的衡量方式， 為了減少關(guān)鍵變量度量誤差對研究結(jié)論可能造成的影響， 本文參考周澤將等（2023）的做法， 采用4個評級機(jī)構(gòu)標(biāo)準(zhǔn)化排名的標(biāo)準(zhǔn)差對該年度該企業(yè)ESG評級分歧重新進(jìn)行度量。如表4第（4）列所示， 在替換了ESG評級分歧的度量方式后ESGdis1的系數(shù)顯著為負(fù)， 證明本文的研究結(jié)論穩(wěn)健。

5. 縮短樣本期間。雖然2019年之前的華證評級數(shù)據(jù)為評級機(jī)構(gòu)回溯所得， 但考慮到數(shù)據(jù)的完整性， 本文借鑒劉向強(qiáng)等（2023）、 周澤將等（2023）的研究， 在基準(zhǔn)回歸中使用了更多期間樣本。為了保證結(jié)果的可靠性， 本文將樣本期間縮短至2019 ～ 2022年并重新進(jìn)行回歸?；貧w結(jié)果如表4第（5）列所示， 可見本文研究結(jié)論依然成立。

六、 進(jìn)一步研究

（一） 機(jī)制檢驗

為探究ESG評級分歧對分析師盈余預(yù)測羊群行為的作用機(jī)制， 參考溫忠麟和葉寶娟（2014）的研究， 在模型（1）的基礎(chǔ)上利用以下模型進(jìn)行機(jī)制檢驗：

Mediatorj，t=β0+β1ESGdisj，t-1+β2∑Controlj，t+

∑Industry+∑Year+εj，t （4）

Herdi，j，t=γ0+γ1ESGdisj，t-1+γ2Mediatorj，t+

γ3∑Controlj，t+∑Industry+∑Year+εi，j，t （5）

其中， Mediator為中介變量。

1. 信息機(jī)制。根據(jù)前文的分析， ESG評級存在分歧從另一方面說明了評級機(jī)構(gòu)從多個角度評價分析了企業(yè)的ESG表現(xiàn)， 能夠更為全面和多角度地揭示企業(yè)的真實面貌， 為分析師提供更多的異質(zhì)性信息， 減少分析師對私有信息的依賴。這將減少分析師在信息不對稱情況下根據(jù)他人的預(yù)測來推測他人的私有信息并跟隨其他分析師預(yù)測的行為（Bikhchandani等，1992）。因此， 分析師私有信息獲取量可能在ESG評級分歧與分析師盈余預(yù)測羊群行為之間起到中介作用?；诖?， 本文參考Barron等（1998）的做法， 采用公式（6）衡量分析師私有信息獲取量（Private）， 并將其作為中介變量進(jìn)行回歸。

[Private=SE-DN1-1ND+SE2] （6）

其中， SE是“實際每股收益-分析師預(yù)測值均值”平方的期望值， D為分析師預(yù)測值方差的期望值， N為企業(yè)的分析師跟蹤數(shù)量。表5第（1）列展示了ESG評級分歧對分析師私有信息獲取量的影響， ESGdis的系數(shù)在1%的水平上顯著為負(fù)， 表明ESG評級分歧減少了分析師獲取的私有信息。表5第（2）列展示了將分析師私有信息獲取量作為中介變量， 利用模型（5）進(jìn)行回歸的結(jié)果。具體來說， Private的系數(shù)在1%的水平上顯著為正， ESGdis的系數(shù)在1%的水平上顯著為負(fù)， 表明ESG評級分歧可通過減少分析師對私有信息的依賴來抑制分析師盈余預(yù)測羊群行為。

2. 激勵機(jī)制。媒體作為企業(yè)與資本市場之間重要的信息中介， 為了吸引流量和擴(kuò)大影響力， 會傾向于關(guān)注投資者關(guān)注度更高的企業(yè)， 并報道有爭議的話題（Djonkov等，2003）。ESG評級分歧較大時意味著企業(yè)的ESG表現(xiàn)存在爭議， 會吸引更多媒體的關(guān)注。被媒體報道將有利于分析師的職業(yè)發(fā)展和聲譽提升（Rees等，2015）， 使分析師獲得更多收益。而媒體關(guān)注度的提升將會激勵分析師發(fā)布突破共識的預(yù)測以脫穎而出（Frijns和Huynh，2018）。因此， 媒體關(guān)注在ESG評級分歧與分析師盈余預(yù)測羊群行為之間可能起到中介作用?；诖耍?本文參考肖作平和周婧霏（2021）的做法， 采用網(wǎng)絡(luò)媒體報道總數(shù)加1后取自然對數(shù)衡量媒體關(guān)注度（Media）， 并將其作為中介變量進(jìn)行回歸。表5第（3）列展示了ESG評級分歧對媒體關(guān)注度的影響， ESGdis的系數(shù)在1%的水平上顯著為正， 表明ESG評級分歧越大， 越能吸引媒體關(guān)注。第（4）列的回歸結(jié)果顯示， Media的系數(shù)在1%的水平上顯著為負(fù)， ESGdis的系數(shù)在1%的水平上顯著為負(fù)?？梢姡?媒體關(guān)注在ESG評級分歧和分析師盈余預(yù)測羊群行為的關(guān)系中起到部分中介作用。

（二） 異質(zhì)性分析

1. 經(jīng)濟(jì)政策不確定性。作為外部環(huán)境的重要組成部分， 經(jīng)濟(jì)政策不確定性會影響分析師的行為（Chen等，2021）。經(jīng)濟(jì)政策不確定性使得信息變得不再明朗和清晰， 從而使分析師難以對信息做出合理的判斷， 傾向于持保守態(tài)度（Hugon，2016）。經(jīng)濟(jì)政策不確定性較高時， 預(yù)測環(huán)境具有較大的挑戰(zhàn)性， 企業(yè)經(jīng)營活動的波動性較強(qiáng)， 企業(yè)與分析師之間的信息不對稱程度也隨之提升（Chen等，2021）。此時， ESG評級分歧所提供的異質(zhì)性信息能更好地補(bǔ)充分析師所獲取的信息， 更大程度地緩解信息不對稱， 進(jìn)而更好地發(fā)揮其對分析師盈余預(yù)測羊群行為的抑制作用。因此， 經(jīng)濟(jì)政策不確定性可能正向調(diào)節(jié)ESG評級分歧與分析師盈余預(yù)測羊群行為之間的關(guān)系。

為了探究經(jīng)濟(jì)政策不確定性對二者關(guān)系的影響， 本文在模型（1）的基礎(chǔ)上加入ESG評級分歧（ESGdis）與經(jīng)濟(jì)政策不確定性（EPU）的交乘項（ESGdis×EPU）進(jìn)行檢驗。借鑒李增福等（2022）的做法， 本文將Baker等（2016）構(gòu)建的月度中國經(jīng)濟(jì)政策不確定指數(shù)作為基礎(chǔ)數(shù)據(jù)， 對其進(jìn)行加權(quán)平均轉(zhuǎn)換為年度數(shù)據(jù)并除以100， 采用最終所得數(shù)值作為經(jīng)濟(jì)政策不確定性的度量指標(biāo)?；貧w結(jié)果如表6第（1）列所示， ESGdis×EPU 的系數(shù)在1%的水平上顯著為負(fù)， 即經(jīng)濟(jì)政策不確定性較高時， ESG評級分歧對分析師盈余預(yù)測羊群行為的作用效果更顯著。

2. 投資者情緒。當(dāng)ESG評級存在分歧時， 投資者將難以解讀企業(yè)的ESG表現(xiàn)， 面臨決策困難（Krueger和Stammler-Gossmann，2019）。但當(dāng)投資者情緒高漲時， 投資者傾向于更加踴躍地投入資本市場， 進(jìn)一步增加對分析師盈余預(yù)測信息的需求以便解讀ESG信息和做出更有利的投資決策。隨著投資者需求的增加， 分析師受到的關(guān)注和做出準(zhǔn)確預(yù)測所獲得的收益也隨之增加， 這會有效地激勵分析師發(fā)布樂觀大膽的預(yù)測， 以脫穎而出、 贏得更好的聲譽和更多的薪酬。因此在投資者情緒較高漲時， ESG評級分歧可更好地發(fā)揮其對分析師盈余預(yù)測羊群行為的抑制效應(yīng)。

為了檢驗投資者情緒對ESG評級分歧與分析師盈余預(yù)測羊群行為之間關(guān)系的影響， 本文在模型（1）的基礎(chǔ)上加入ESG評級分歧（ESGdis）與投資者情緒（Sentiment）的交乘項（ESGdis×Sentiment）進(jìn)行檢驗。參考張慶和朱迪星（2014）的做法， 以通過分離估值水平所得到的投資者情緒指標(biāo)來度量投資者情緒?；貧w結(jié)果如表6第（2）列所示， ESGdis×Sentiment的系數(shù)在1%的水平上顯著為負(fù)， 表明投資者情緒較高漲時， ESG評級分歧對分析師盈余預(yù)測羊群行為的作用效果更顯著。

七、 結(jié)論與啟示

非財務(wù)信息是資本市場參與者的重要信息參考， 而ESG評級作為典型的非財務(wù)信息， 其分歧的存在是非財務(wù)信息不確定性的一種體現(xiàn)。本文基于非財務(wù)信息不確定性視角， 利用2010 ～ 2022年我國滬深A(yù)股上市公司數(shù)據(jù)， 實證檢驗了ESG評級分歧對分析師盈余預(yù)測羊群行為的影響及不同情境下ESG評級分歧對分析師盈余預(yù)測羊群行為的異質(zhì)性影響， 并進(jìn)一步探究了其作用機(jī)制。研究發(fā)現(xiàn)， ESG評級分歧對分析師盈余預(yù)測羊群行為存在顯著的抑制作用， 上述結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗后依舊成立。機(jī)制檢驗結(jié)果表明， ESG評級分歧通過減少分析師對私有信息的依賴和提高媒體關(guān)注度發(fā)揮其對分析師盈余預(yù)測羊群行為的抑制作用。異質(zhì)性分析發(fā)現(xiàn)， 在經(jīng)濟(jì)政策不確定性較高和投資者情緒較高漲時， ESG評級分歧對分析師盈余預(yù)測羊群行為的抑制作用更加顯著?；谏鲜鲅芯拷Y(jié)論， 本文得到如下啟示：

其一， ESG評級標(biāo)準(zhǔn)尚未統(tǒng)一， 監(jiān)管部門需建立統(tǒng)一完善的ESG評級體系， 從而減少各評級機(jī)構(gòu)因評級標(biāo)準(zhǔn)不同而產(chǎn)生的評級分歧。此外， 監(jiān)管部門需制定更加細(xì)致有效的ESG政策， 加強(qiáng)對企業(yè)ESG信息披露的監(jiān)管， 督促企業(yè)提升ESG信息披露質(zhì)量， 以更好地發(fā)揮ESG評級的引導(dǎo)作用。在制定經(jīng)濟(jì)政策時， 政府部門要將政策實施的穩(wěn)定性納入考慮， 并對政策進(jìn)行充分解讀， 進(jìn)而降低經(jīng)濟(jì)政策不穩(wěn)定可能會給資本市場帶來的不利影響， 為資本市場參與者解讀信息和市場的平穩(wěn)運行提供穩(wěn)定的宏觀環(huán)境。

其二， 企業(yè)應(yīng)積極完善ESG信息披露， 提高信息透明度， 切實提升ESG表現(xiàn)， 從而為自身的可持續(xù)發(fā)展提供充足的動力。企業(yè)應(yīng)當(dāng)加強(qiáng)與分析師之間的信息交流， 從而減少分析師盈余預(yù)測羊群行為。

其三， 分析師要提升自身的專業(yè)能力， 對信息進(jìn)行有效識別， 減少“噪聲”的干擾。此外， 在對企業(yè)盈余狀況進(jìn)行分析預(yù)測的過程中， 分析師應(yīng)當(dāng)充分考慮所能獲取的各類信息， 在重視財務(wù)信息的同時將非財務(wù)信息納入考慮。分析師應(yīng)積極拓寬信息獲取渠道， 促進(jìn)信息來源的多元化， 堅持自身的職業(yè)操守， 發(fā)布客觀的、 高質(zhì)量的盈余預(yù)測信息。

【 主 要 參 考 文 獻(xiàn) 】

郭杰，洪潔瑛．中國證券分析師的盈余預(yù)測行為有效性研究［ J］．經(jīng)濟(jì)研究，2009（11）：55 ～ 67+81．

劉向強(qiáng)，楊晴晴，胡珺．ESG評級分歧與股價同步性［ J］．中國軟科學(xué)，2023（8）：108 ～ 120．

孫光國，曹思宇，安家鵬．企業(yè)ESG表現(xiàn)能提高分析師盈余預(yù)測質(zhì)量嗎——來自A股上市公司的經(jīng)驗證據(jù)［ J］．財經(jīng)論叢，2023（5）：68 ～ 77．

周澤將，谷文菁，傘子瑤．ESG評級分歧與分析師盈余預(yù)測準(zhǔn)確性［ J］．中國軟科學(xué)，2023（10）：164 ～ 176．

張慶，朱迪星．投資者情緒、管理層持股與企業(yè)實際投資——來自中國上市公司的經(jīng)驗證據(jù)［ J］．南開管理評論，2014（4）：120 ～ 127+139．

朱富顯，徐曉莉，李雙圓．信息披露會加劇ESG評級分歧嗎［ J］．財會月刊，2024（8）：65 ～ 72．

Avramov D.， Cheng S.， Lioui A.， et al.. Sustainable investing with ESG rating uncertainty［ J］． Journal of Financial Economics，2022（2）：642 ～ 664．

Banerjee S.. Does competition improve analysts' forecast informativeness？［ J］．Management Science， 2021（5）：3219 ～ 3238．

Berg F.， Klbel J. F.， Rigobon R.. Aggregate confusion：The divergence of ESG ratings［ J］． Review of Finance，2022（6）：1315 ～ 1344．

Bikhchandani S.， Hirshleifer D.， Welch I.. A theory of fads， fashion， custom， and cultural change as informational cascades［ J］． Journal of Political Econo-my，1992（5）：992 ～ 1026．

Clement B. M.， Tse Y. S.. Financial analyst characteristics and herding behavior in forecasting［ J］． The Journal of Finance，2005（1）：307 ～ 341．

Frijns B.， Huynh D. T.. Herding in analysts' recommendations： The role of media［ J］． Journal of Banking and Finance，2018（91）：1 ～ 18．

Hong H.， Kubik J. D.， Solomon A.. Security analysts' career concerns and herding of earnings forecasts［ J］． The Rand Journal of Economics，2000（1）：121 ～ 144．

Marinovic I.， Ottaviani M.， Sorensen" P.. Forecasters' objectives and strategies［ J］． Handbook of Economic Forecasting，2013（2）：690 ～ 720．

Mensah M. Y.， Yang R.. An empirical evaluation of analysts' herding behavior following regulation fair disclosure［ J］． Journal of Accounting and Public Policy，2008（4）：317 ～ 338．

Ottaviani M.， S?rensen N. P.. The strategy of professional forecasting［ J］． Journal of Financial Economics，2006（2）：441 ～ 466．

Scharfstein D. S.， Stein J. C.. Herd behavior and investment［ J］． The American Economic Review，1990（3）：465 ～ 479．

Trueman B.. Analyst forecasts and herding behavior［ J］． The Review of Financial Studies，1994（1）：97 ～ 124．