分析师盈利预测误差（共6篇）
分析师盈利预测误差 篇1
一、引言
盈利预测是对公司未来会计期间的经营成果所做的预计和测算, 能够反映企业在预测期间内可能达到的营业收入、净利润、每股收益等指标, 帮助信息使用者评价企业未来收益的时间、金额和不确定性。在国外, 盈利预测是财务分析师的主要工作之一, 在我国, 财务分析师行业起步较晚, 但发展迅速, 并逐渐被投资者认可。
二、文献综述
国外的大多数研究表明不同分析师的盈利预测的准确度之间没有显著差异。Butler和Lang (1991) 将1983~1986年间单个分析师的预测与一致意见的中位数进行了比较, 没有发现单个分析师之间预测准确度差异在统计上呈显著性;Scharfstein和Stein (1990) 认为财务分析师为了提高自身声望也许会进行羊群行为, 羊群行为具有一定的盲目性, 会导致总体平均预测值的偏移。
许多研究发现分析师预测有明显的乐观倾向, Chopra (1998) 对1985~1997期间标准普尔500指数每月的收益及增长率预测进行了分析, 发现绝大多数年份盈余都被高估了。国内的情况则有所不同, 蒋义宏等 (2001) 以1991~1996年期间沪深两市的IPO公司为样本进行了研究发现, 从总体上看A股和B股的公司的预测盈余都要低于实际盈余。
三、实证研究
本文通过统计分析来研究分析师盈利预测的误差, 并采用横向对比的方法, 将多个机构盈利预测平均值的预测误差以及单个机构的预测误差进行比较。
1、数据和变量:
本研究的数据来源是WIND数据库中2007年度财务分析师对A股上市公司的盈利预测。
本研究采用WIND数据库中的所涵盖的28家证券公司的预测平均值作为“多机构预测平均值”, 并选取取其中两家机构的预测数据作为“单一机构预测值”, 选取时依据两个排名: (1) 针对EPS指标WIND数据库中各家证券机构所预测的上市公司数量; (2) 中国证券协会对104家证券公司2007年度股票、基金、债券和权证交易总额。根据以上排名, 本文选取申银万国和国泰君安两家证券机构, 这两家机构在 (1) 中的排名分别为第1位和第2位, 在 (2) 中的排名分别为第5位和第2位, 因此可以认为其预测值比较具有代表性。
截止至2007年12月31日, 能够获取机构预测平均值的A股上市公司有526家, 其中包含申银万国预测值的有365家, 包括国泰君安预测值的有304家。
本文采用SPE和AFE变量表示预测误差, 其中SFE= (实际盈余-分析师预测值) /实际盈余, 能够反映预测值是否具有乐观或稳健倾向;AFE=|SFE|, 能够排除正负相抵对预测误差的影响。这里的盈余指标用EPS (每股收益) 来表示, 其中SFEA和AFEA分别表示机构平均预测值的相对误差和绝对误差, SFEG和AFEG分别表示国泰君安预测值的相对误差和绝对误差, SFES和AFES分别表示申银万国预测值的相对误差和绝对误差。
2、多机构预测平均预测误差与单一机构预测误差:
表1显示了机构预测平均值、国泰君安预测值和申银万国预测值的相对误差的分布情况, 从中可以看出S F E A、SFEG和SFES的分布情况类似, SFE>0的公司数均略超过50%, 可以看出机构预测的平均值以及两家机构的预测值都存在轻微的稳健倾向, 即每股收益的预测值小于实际值的情况占多数。
表2显示了在剔除极端值 (99分位数之后的数值) 之后绝对误差的统计数据。根据表2中的统计值可以得出两个结论: (1) A F E A的平均值、中位数和标准差比A F E S和A F E G都要小, 因此可以说明多家机构盈利预测的平均数比单个机构的预测值更能反映被预测公司的实际水平; (2) 申银万国的预测绝对误差A F E S的平均值、中位数和标准差接近于平均预测误差AFEA, 而国泰君安的预测绝对误差AFES的平均值、中位数和标准差要比AFEA大得多, 因此可以说明不同机构的分析师的盈利预测的可靠性有较大差异。
3、研究结论:
(1) 多个机构财务分析师盈利预测的平均值接近于被预测公司2007年度的实际每股收益, 平均绝对预测误差为0.21, 且多机构分析师盈利预测的平均值的绝对误差要小于单一机构的预测值。 (2) 不同机构的分析师的盈利预测值的预测误差存在差异, 有些机构的分析师的预测误差与多机构分析师的预测平均值相近, 而另一些机构则与预测平均值之间存在较大差距。 (3) 由于分析师的盈利预测受到客观因素和主观倾向的影响, 使得分析师的盈利预测值总体偏离公司的实际盈利, 因此在参考分析师盈利预测信息的同时, 应当综合考虑宏观经济形势、被预测公司的实际情况和分析师的主观倾向等各种因素。
参考文献
[1]、Butler, Kirt C., Lang, Larry H.P., The ForecastA ccuracyo f IndividualA nalysts:E videnceo f Systematic Optimism and Pessimism, Journal of Ac-counting Research, 1991, Vol.29, 150-156.1、Butler, Kirt C., Lang, Larry H.P., The ForecastA ccuracyo f IndividualA nalysts:E videnceo f Systematic Optimism and Pessimism, Journal of Ac-counting Research, 1991, Vol.29, 150-156.
[2]、Scharfstein, David and Jeremy Stein.Herd be-havior and investment, American Economic Review, 1990, Vol.80, 65–79.2、Scharfstein, David and Jeremy Stein.Herd be-havior and investment, American Economic Review, 1990, Vol.80, 65–79.
[3]、Chopra, Vijay Kumar, Why So Much Error in Analysts’E arningF orecasts?F inancialA nalystsJ ournal, 1998, Vol.5435-42.3、Chopra, Vijay Kumar, Why So Much Error in Analysts’E arningF orecasts?F inancialA nalystsJ ournal, 1998, Vol.5435-42.
[4]、徐宗宇, 财务预测的实证研究及其对我国的借鉴意义, 当代经济科学, 1997年第四期, 57-61.4、徐宗宇, 财务预测的实证研究及其对我国的借鉴意义, 当代经济科学, 1997年第四期, 57-61.
[5]、蒋义宏, 魏刚, 盈利预测的精确性中国上市公司会计与财务问题研究, 东北财经大学出版社, 2001, 57-72.5、蒋义宏, 魏刚, 盈利预测的精确性中国上市公司会计与财务问题研究, 东北财经大学出版社, 2001, 57-72.
分析师盈利预测误差 篇2
高速公路软基沉降预测误差分析
简要介绍了当前高速公路软土地基沉降预测不准确而产生的危害,分析了软基沉降预测误差产生的`原因,并提出了减少软基沉降预测误差的方法.
作 者：汪卫东 作者单位：安徽省公路桥梁工程公司,安徽,合肥,230031 刊 名：淮北职业技术学院学报 英文刊名：JOURNAL OF HUAIBEI PROFESSIONAL AND TECHNICAL COLLEGE 年，卷(期)：2010 09(3) 分类号：U412 关键词：软土地基沉降 预测误差分析 高速公路明星分析师盈利预测分析 篇3
证券分析师在证券市场上扮演着非常重要的中介角色, 他们受到投资者的广泛关注。分析师搜集和分析上市公司的财务信息, 并以盈利预测报告的形式传递给投资者。由于投资者, 特别是我国股市众多的个人投资者, 缺乏专业的证券投资技能, 因此, 他们通常在选股前会通过阅读分析师的预测报告来判断上市公司的财务状况和经营前景。面对众多异质的分析师, 以及众多不一的预测报告, 投资者究竟应该相信谁呢?鉴于此, 《新财富》杂志从2003年开始, 每年根据国内机构投资者投票结果评选出“最佳分析师”, 以分析师的声誉来区分分析师。那么, 投资者是否可以相信这些明星分析师在随后的年份里给出的预测报告呢?
二、文献综述
证券分析师行业不仅受到普通投资者的广泛关注, 学术研究者也对其给予重点关注。关于分析师盈利预测的文献越来越多, 这些文献主要研究哪些因素影响了分析师盈利预测的准确性, 例如:Clement (1999) 的研究表明, 分析师的从业经验等五种因素会影响其盈利的预测结果;Stickel (1992) 等研究发现, 分析师过去预测的准确性会影响到他们未来的预测结果;岳衡和林小驰 (2008) 发现, 跟踪公司的分析师数量、公司上市时间以及公司盈余的波动性会影响分析师的预测结果等。尽管对分析师盈利预测的研究已经有相当的数量, 然而, 本文还未发现有学者对我国明星分析师的盈利预测进行研究。因此, 使用《新财富》评选的年度“最佳分析师”作为明星分析师, 本文的目的在于研究, 在我国证券市场中, 相对于非明星分析师, 明星分析师对盈利的预测是否更准确?如果以上的答案是肯定的, 那么本文进一步研究什么因素导致明星分析师的盈利预测具有更高的准确性。
(一) 国外研究
国外关于分析师的声誉与其盈利预测准确性的文献已有很多。Stickel (1992) 研究了分析师的声誉与盈利预测准确性的关系, 他们的结果表明, “全美分析师”具有更加准确的盈利预测。Sinha et al. (1997) 根据分析师在其估计期间内的预测表现将分析师进行分类, 然后研究在过去具有高超预测能力的分析师是否在未来仍然具有这样的能力。其结果表明, 高能力是具有持续性的。Brown (2001) 也研究了分析师过去预测的准确性对未来预测的影响, 他们的结果同样表明, 分析师的预测能力具有持续性, 即过去拥有较高准确性的分析师在未来更有可能做出更准确的盈利预测。Banerjee (2011) 研究了分析师排名和交易佣金 (trading commissions) 如何影响分析师的盈利预测行为, 他们的研究结果表明, 两种因素联合起来能够促使分析师发布更加好的预测报告, 但是两者单独无法达到这种效果。除了分析师的声誉, 国外已有文献的研究结果还表明, 下列因素对分析师预测准确性会产生影响:分析师的经验 (Mikhail et al., 1997) ;分析师的资源, 以及预测组合的复杂性 (Clement, 1999) ;经纪商的特征 (Jacob et al., 1999) 。
(二) 国内研究
石桂峰等人 (2007) 使用2004年—2005年的数据对影响我国证券分析师盈利预测准确性的因素进行了研究, 他们的结果表明, 以下因素会影响预测的准确性:预测机构数量、信息披露的质量、盈余波动程度、公司规模等。岳衡和林小驰 (2008) 比较了分析师预测结果和统计模型预测结果, 他们的研究表明, 以年度历史数据为基础, 分析师比统计模型的相对预测准确性更高, 且跟踪公司的分析师人数会影响预测结果。以上因素在李悦和王超 (2011) 的研究中也得到证实, 而券商规模则与预测准确性没有关系。
而关于我国分析师声誉与预测准确性的相关文献则很少, 本文关于明星分析师盈利预测的分析将在一定程度上弥补相关文献的缺乏。
三、研究设计
(一) 研究假设
评选明星分析师的目的不仅在于认可分析师在过去取得的成绩, 而是希望借助评选来区分他们的预测能力, 以帮助投资者在众多盈利预测报告中做出更好的选择。如果, 在明星分析师当选后, 他们相对于非明星分析师仍然可以做出更加准确的预测, 那么本文可以认为分析师的预测能力是具有持续性的, 进而本文可以得出结论认为, 投资者可以从明星分析师的预测报告中获得更好的投资建议。因此, 本文提出假设:
H1:相对于非明星分析师, 明星分析师对盈利的预测更加准确
虽然我国明星分析师评选开始时间较晚, 经验比不上资本市场发达的国家的评选;而且学术界对明星分析师的评选结果也存在一定的质疑。但是作为明星分析师的投票人———机构投资者, 他们同时又是分析师预测报告的使用者, 本文有理由相信, 这些机构投资者出于对预测报告质量的关切, 他们投票的依据主要还是分析师的预测能力。因此, 为了验证分析师是否因为其在过去拥有更高准确性的盈利预测而当选明星分析师, 本文提出假设:
H2:相对于非明星分析师, 在当选前明星分析师具有更加准确的盈利预测
如果明星分析师预测的结果更加准确, 那么本文进一步研究是什么因为导致了这样的结果。分析师被评为明星分析师后, 他们的薪水和享受的公司资源显著高于其当选前的水平, 因此, 分析师可能由于当选为明星分析师而获得更多资源来提高其预测的准确性;不仅是其能获得经纪商的更多资源, 他们在当选后可能具有更多、更近地接触上市公司高管的机会, 因此可以在公司发布财务包括前便获知其中的内容, 从而也提高其预测的准确性。如果假设一和假设二同时成立, 即在当选前后, 明星分析师都能战胜非明星分析师, 则本文可以认为分析师是因为其高超的能力才具有更准确的预测。
当然, 分析师可能从进入证券分析业便于上市公司建立了联系, 因而借此做出更准确的盈利预测, 从而获得明星分析师的称号。为了考察是否存在这种可能性, 本文将公司完整财政年度之后发布的针对此年的盈利预测报告排除在外, 因此提出假设:
H3:在剔除上市公司完整财年之后发布的预测报告后, H1和H2仍然成立
(二) 样本选取及数据来源
本文样本中的明星分析师采用的是《新财富》评选出的年度“最佳分析师”, 该数据通过对《新财富》网站刊登的评选结果进行手工处理得到。《新财富》的最佳分析师评选开始于2003年, 由于2003年和2004年评选中仅有基金经理参与投票, 为了防止投票方的片面性;而且由于截止本文成文之时, 上市公司还未公布2011年财务报告, 本文无法验证分析师对2011年进行的预测, 因此, 本文选取的明星分析师样本期限为2005年—2010年。对于团队获奖的情况, 本文视其团队中每位成员均为明星分析师, 因此, 本文共获得1065人次的明星分析师。除了明星分析师样本, 本文还从锐思数据库中得到分析师对上市公司每股收益 (EPS) 的预测数据, 该样本期限也是2005年—2010年, 共有590004份预测报告。最后, 本文从锐思数据库获得对应于预测报告的上市公司2005年—2011年的年报, 并从中计算得到公司的基本每股收益率。
对于上述样本数据, 本文进行了以下筛选:剔除无法找到其预测报告的明星分析师;财务报告采用经过调整的数据;采用上市公司合并财务报告数据;剔除有缺失的样本数据。
(三) 研究方法
为了对本文的假设进行实证检验, 本文首先根据Clement (1999) 的方法定义相对盈利预测准确性指标, RRFE, 如下:
其中, FEti为分析师i对上市公司在第t年度的盈利进行的预测值, AEt为公司在第t年度的真实盈利情况, N为对某上市公司做出盈利预测的分析师的人数。
在构建预测误差指标后, 本文采用U检验方法来验证本文的假设是否成立。
对于H1检验:首先, 计算所有明星分析师在当选后对公司i在第t期的每股收益做出的预测的平均误差, 记为ARRFEti* (=∑ti*RRFEti*) /N*, 其中N*是在第t期跟踪公司i的明星分析师人数, 采用同样的方法计算非明星分析师的平均预测误差, 记为RRFEti;其次, 计算两者的差异, 记为DRRFEt (=ARRFEti-ARRFEti*) ;最后, 利用U检验来检验DRRFEt是否显著大于0。
对于H2检验, 采用与上述相同的方法, 计算在明星分析师当选前的DRRFEt, 并对其进行检验。
对于H3检验, 本文将分析师在上市公司完整的财政年度结束后发布的针对该年的预测报告排除在样本外, 再重复以上步骤对H1和H2进行检验。
四、实证结果分析
(一) 描述性统计
本文样本中共包含7196个分析师或分析师组合, 其中有346个明星分析师, 明星分析师占总分析师人数的4.8%左右。相对预测误差指标的描述性统计结果为:所有分析师的平均相对预测误差为0.130, 明星分析师为0.085, 非明星分析师为0.143, 这个结果表明, 明星分析师的预测确实较非明星分析师准确, 从描述性统计结果来看, 明星分析师的预测准确度都高于非明星分析师。
(二) 实证检验结果
表1给出了本文的实证检验结果。
注:***、**、*分别表示1%、5%、10%的显著性水平, 下表同。
表1中, (非) 明星分析师对应的列给出的是 (非) 明星分析师相对预测误差的平均水平及t统计量, 差距对应的列给出的是DARRFE的平均值及其t统计量。
第 (1) 部分为在当选后, 明星分析师与非明星分析师对上市公司盈利预测的平均相对准确度情况。从中可以得知, 明星分析师在当选后的平均相对预测误差在1%水平下显著为0.364, 而非明星分析师的在1%下显著为0.406, 从均值大小来看, 明星分析师比非明星分析师具有更好的预测准确性。进一步, 本文对两类分析师预测误差的差距进行检验, 结果表明, 非明星分析师的平均相对预测误差在5%水平下显著大于明星分析师。
这一实证结果支持了本文的H1, 即在当选后, 明星分析师相对于非明星分析师具有更加准确的盈利预测。然而, 仅仅凭借这一实证结果, 本文还无法得出结论认为明星分析师比非明星分析师具有更好的预测能力。这是因为, 分析师可能侥幸地当上明星分析师, 然后, 他可以得到受雇公司更多、更有利的资源, 这些资源可能在一定程度上帮助他得出更加准确的预测报告;或者分析师当选为明星分析师后, 他能和上市公司保持更加紧密的联系以获得关于公司盈利情况的财务信息。为了排除这一可能性, 本文对H2进行了实证检验, 结果列在表1的第 (2) 部分。
从第 (2) 部分的结果可以看出, 明星分析师在获选结果公布前一年对盈利预测的平均相对误差为-0.003, t值为12.85, 而非明星分析师在相同期间内的平均相对预测误差在1%水平显著为0.012, 两者之差在5%水平下显著为0.015, 这意味着在当选前, 明星分析师的预测误差就显著高于非明星分析师。也就是说, 明星分析师之所以能够获选, 是因为其具有更高的预测能力, 而非运气等因素。
表1的结果还表明, 明星分析师优异的预测能力是从当选前持续到当选后的, 而明星分析师之所以能够战胜其他分析师的原因正是其自身具有的更高的预测能力。
(三) 报告发布时间的影响
如果盈利预测是在上市公司上个财政年度结束后发布的, 则可能存在分析师通过与上市公司的联系而提早获取与盈利相关的财务信息, 从而做出更加准确的预测, 为了排除这一因素的影响, 本文将在财年结束后发布的报告剔除后对H1、H2进行了检验, 结果列在表2中。
从表2中的结果可以看出, 在剔除年后发布的预测报告后, 明星分析师和非明星分析师的预测准确度都下降了, 这说明预测报告公布的时间确实对结果具有影响, 但是剔除该影响后, 实证检验结果仍然和表1中的结果相似, 即无论在当选前还是当选后, 明星分析师的预测准确度都超过非明星分析师。本文在此不再详细解释表2的实证结果, 以避免累赘。
五、结论与建议
本文利用2005年—2010年的数据对我国明星分析师的盈利预测报告进行了研究。本文的实证检验发现:首先, 在当选后, 明星分析师对盈利预测的准确度显著的高于非明星分析师;其次, 在当选前, 明星分析师比非明星分析师同样具有更高准确度的盈利预测。这两项结果同时表明, 明星分析师的获选以及在当选后仍然能够战胜非明星分析师是凭借其自身高超的预测能力, 而非依靠运气或者其他因素;而且, 明星分析师高超的预测能力能够持续到当选后。
本文剔除了分析师在上市公司上一财政年度结束后发布的预测报告后发现, 所有分析师的预测准确度都略有下降, 这表明某些分析师通过在获取上市公司财务信息后发布预测报告以模仿高能力的分析师。在剔除了这些样本后, 本文发现明星分析师在当选前后都能战胜非明星分析师, 这再次支持了本文的假设, 即明星分析师凭借自身能力获选, 并依靠能力战胜非明星分析师。
本文的以上发现具有重要的现实意义:首先, 明星分析师的盈利预测报告对于投资者来说具有更高的参考意义, 因为他们能够发布更加准确的预测报告。其次, 监管部门应该禁止分析师在年后发布报告, 以防止某些分析师利用得到的数据来形成其预测报告, 给分析师行业造成不正当竞争。
参考文献
[1]李悦、王超:《中国证券分析师盈利预测准确度的影响因素》, 《山西财经大学学报》2011年第33期。[1]李悦、王超:《中国证券分析师盈利预测准确度的影响因素》, 《山西财经大学学报》2011年第33期。
分析师盈利预测误差 篇4
【企业网址】(点击看正文)
正文目录
第一章大型购物中心相关概述1
第一节大型购物中心特征分析1
一、占地面积大1
二、公用空间大3
三、停车场大4
四、建筑规模大6
五、货物全9
第二节大型购物中心12
一、Shopping Mall的物业管理服务要求12
二、Shopping Mall的起源与蔓延14
第三节大型购物中心与其他业态的区别18
一、与传统商业街的比较18
二、与百货公司及量贩店的比较21
三、对百货公司、量贩店的影响23
第二章2013年世界大型购物中心运行状况分析26
第一节2013年国外购物中心的特点26
一、美国式购物中心（大型摩尔购物中心的起源地）26
二、以法国为代表的欧洲式购物中心（缩小版的美国式购物中心）
三、日本式购物中心（特大百货商厦型购物中心）31
四、香港、新加坡式购物中心32
五、以菲律宾、泰国为代表的东南亚式连锁摩尔购物中心34
第二节2013年世界各国大型购物中心发展情况38
一、欧洲：购物中心发展势头迅猛38
二、美国：组合优化 专业管理41
三、德国：市区的优势43
四、英国：选准位置 找准客户44
五、巴西：购物中心发展前景看好46
六、新加坡：规划科学节约第一50
七、奥地利维也纳：公众监督 合理竞争50
第三章2013年全球十大购物中心运行浅析55
第一节华南购物中心55
第二节金源时代购物中心56
第三节SM Mall of Asia57
第四节西爱德蒙顿购物中心58
第五节SM Megamall59
第六节柏嘉雅时代广场60 29
第八节正佳广场62第九节SM City North Edsa63第十节普鲁士国王购物中心64 第四章2013年中国购物中心产业运行环境解析66第一节2013年中国宏观经济环境分析66
一、中国GDP分析66
二、中国CPI分析69
三、城乡居民家庭人均可支配收入分析71
四、我国主要商品价格监测分析7
2五、殴债危机中国购物中心的影响74 第二节2013年中国购物中心产业政策环境分析78
一、购物中心开发的经济背景和政策78
二、我国将采取七大措施搞活流通扩大消费8
1三、中国起草大型购物中心监管规定8
3四、相关政策法规841、国内缺统一标准862、商务部发布《纲要》，要控制发展大型购物中心893、商务部将出台规范，新建购物中心将分级严控91第三节2013年中国购物中心产业社会环境分析93 第五章2013年中国大型购物中心运行新形势分析95第一节我国大型购物中心发展历程9
5一、萌芽阶段9
5二、起步阶段96
三、发展阶段98 第二节2013年中国大型购物中心运行简况10
2一、发展迅速10
2二、实力较强，世界十大购物中心中国占四席10
5三、呈多元化发展格局107
四、长三角购物中心数量占全国1/4108
五、外资青睐购物中心110 第三节2013年中国大型购物中心发展存在的问题11
4一、我国大型购物中心发展速度超越消费能力11
4二、大型购物中心存在四大问题倾向117
二、大型购物中心自身发展存在问题119
三、大型购物中心结构性矛盾突出120
四、购物中心发展面临的困境122 第六章2013年中国大型购物中心的开发管理探析127第一节2013年中国大型购物中心的开发策略127
一、开发的基本思路和关键控制因素127
二、定位不应脱离特色128
三、要注重自身价值的创造与提高130第二节2013年中国大型购物中心的开发规划要点13
4二、建筑配置计划137
三、商业空间系统规划139
四、造型、景观设计构想140 第三节2013年中国大型购物中心的区位原则1
43一、用地区位和交通人口状况分析1
43二、用地经济状况评估14
4三、用地的物理状况146 第七章2013年中国大型购物中心的运营分析151第一节2013年中国大型购物中心的经营管理模式1
51一、建制原则1
51二、组织架构1
52三、经营管理理念154 第二节2013年中国大型购物中心的运营策略158
一、运营原则158
二、运营体制：三权分离的经营体制16
1三、运营管理目标16
3四、运营要点16
4五、招商组织166 第八章2013年中国大型购物中心竞争状况分析171第一节2013年大型购物中心的发展周期分析17
1一、大型购物中心的经济周期17
1二、大型购物中心的增长性与波动性17
2三、大型购物中心的成熟度174 第二节2013年中国大型购物中心竞争格局综述分析
一、大型购物中心集中度分析178
二、大型购物中心的竞争程度181 第三节2013年中国大型购物中心企业竞争状况分析
一、领导企业的市场力量18
4二、追随企业的竞争力186 第四节2013年大型购物中心国际竞争者的影响分析
一、大型购物中心国际进入情况分析190
二、国内外大型购物中心企业的 SWOT比较分析 第五节2013年中国大型购物中心区域竞争态势分析***3196
一、华北地区196
二、华东地区198
三、华南地区20
1四、西北地区20
3五、东北地区20
4六、华中地区206
七、西南地区209 第九章2013年中国重点区域大型购物中心运行动态分析213第一节北京大型购物中心发展情况21
3二、大型购物中心放量激增，商场透支商圈21
5三、市场展望216
四、北京开始控制购物中心发展218 第二节上海大型购物中心发展情况22
2一、上海大型购物中心发展特点22
2二、品牌匮乏成上海购物中心发展瓶颈22
5三、发展趋势227 第三节广东大型购物中心发展情况229
一、发展阶段229
二、发展的特点2
31三、发展的趋势232 第十章2013年中国重点大型购物中心运营状况同比分析236第一节华南购物中心236
一、中心概况236
二、北大资源重组华南Mall238
三、运营情况241第二节金源时代购物中心24
4一、中心概况
二、项目定位
三、经营情况第三节正佳广场 244 246 2492
52一、发展概况2
52二、经营情况2
54三、孕育了三家主题百货公司257第四节华润万象城260
一、发展概况260
二、经营理念与经营战略26
2三、营销思路26
5四、物业管理体系267 第十一章2013-2017年中国大型购物中心发展趋势及投资建议270第一节2013-2017年中国大型购物中心发展的趋势270
一、产业发展与经济和社会发展紧密相连270
二、融合、变异实现大型购物中心的创新27
3三、购物中心逐渐朝小型化发展27
5四、泛购物中心成发展趋势276
五、区域型购物中心或成主流278 第二节2013-2017年中国大型购物中心投融资情况分析28
2一、大型购物中心的投资特点28
2二、大型购物中心的融资28
5三、大型购物中心贷款偿还的方式287 第三节2013-2017年中国大型购物中心投资建议289
一、大型购物中心的前期规划设计289
三、人力资源战略29
2四、大型购物中心的公共关系294 第十二章2013-2017年中国大型购物中心发展趋势分析299第一节2013-2017年中国大型购物中心发展趋势分析299
一、购物中心渐成商业地产主流299
二、中国购物中心迈向金融与运营并进时代300
三、从日本香港MALL看我国MALL的发展趋势302 第二节2013-2017年中国大型购物中心发展的三大方向分析306
一、改变单一的封闭式趁筑模式，发展具有开放式建筑格局的购物中心306
二、改变重购物轻休闲的模式，发展具有丰富休闲功能的购物中心309
三、改变贪大求全现象，发展具有特色主题的中小型购物中心311第三节2013-2017年中国大型购物中心市场供需状况预测分析313------------------------------【报告价格】[纸质版]:6300.00元 [电子版]:6500.00元 [纸质+电子]:6800.00元（部分用户可以享受折扣）
【交付方式】EMIL电子版或特快专递（付款后24小时内发报告）
【电话订购】010-62665210 62664210
图表 目录（部分）：
分析师盈利预测误差 篇5
关键词：分析师盈利预测修正,信息含量,股价漂移
一、引言
证券分析师在资本市场信息传递媒介中扮演着重要的角色,他们能够利用其专业知识和搜集信息的相对优势,对会计信息进行解读、预测,向市场参与者提供合理反映证券内在价值的信息,这就加快了信息向资本市场输入的速度,促使股票价格更快地融合相关信息,从而提高了股票市场的信息效率。基于前人的广泛研究,分析师能够通过其盈利预测及荐股意见向市场参与者提供有效信息,从而影响股票价格。根据有效市场理论,任何新信息都应该迅速地反映在股票价格中。然而,盈余公告后股价漂移现象的普遍存在有力挑战了“有效市场”范式。大量研究表明,分析师盈利预测修正也存在着股价漂移现象。如Chan(1996)、Gleason和Lee(2003)以及Yuan Zhang(2008)研究发现,分析师盈利预测在修正很长一段时间后仍然能对股价产生显著影响,即股价对分析师盈利预测修正存在显著的漂移现象,这表明市场并没有及时吸收分析师盈利预测修正所包含的信息。相较于发达国家,我国资本市场还很不成熟,证券市场仍处于成长阶段,加之由于缺乏如I/B/E/S等系统的分析师盈利预测数据库,目前国内关于分析师盈利预测的研究非常有限,鲜有学者考虑分析师盈利预测修正的信息含量对股票价格的影响。Graham(1999),Hong等(2000)等研究学者指出,证券分析师存在明显的“羊群行为”,即证券分析师会模仿同行,从而使其预测趋于一致。在我国,蔡庆丰等(2011)也发现,我国证券分析师的评级调整行为存在着明显的“羊群行为”,这会加剧市场波动性,容易引发市场信息阻塞、定价效率低下,甚至引发资产泡沫。可见,盈利预测信息的质量与数量同样重要,然而国内外许多研究都忽视了其“质”方面的信息对股价的影响。本文借鉴Gleason和Lee(2003)的做法,将分析师的盈利预测修正分为“富有信息”和“缺乏信息”的两类修正,从而从“质”的角度对分析师盈利预测进行分析。同时,本文采用浮动窗口期来考察分析师盈利预测修正对股价的影响,这就避免了人为选择窗口期带来的不确定性,从而使研究结论更加可信。
二、理论分析与研究假设
关于分析师盈利预测修正对股价的影响研究主要分为两个流派:第一,分析师盈利预测修正是具有即时价格信息的,即在分析师发布盈利预测消息后,市场会立即对其产生显著的反应;第二,市场对分析师盈利预测修正的即时价格信息反应是不完全的,在分析师盈利预测修正很长一段时间后,股价仍然会对此存在显著反应,即存在股价漂移现象。关于分析师盈利预测修正具有即时价格信息的研究可以追溯至20世纪70年代。早期研究表明,市场对分析师盈利预测修正产生了反应。Elton等(1981)研究发现,分析师盈利预测修正所包含的信息比盈余公告所包含的信息对股价更具有价值相关性。上述研究均表明,分析师盈利预测修正向市场传达了新的信息。
与成熟的西方股票市场不同,我国资本市场发展较晚,市场的投机气氛浓厚,且机构投资者存在着操纵市场的行为。同时我国资本市场投资者以个人投资者为主,根据中国证券业协会发布的《中国证券业发展报告(2013)》,我国99.6%的投资者账户为个人投资者,仅有0.4%为机构投资者账户。而个人投资者相较于机构投资者更不理性,羊群行为非常明显,其做出交易决策主要是追随其他成功的个人投资者或者机构投资者,所以投资者可能不会在分析师盈利预测修正公告后立即关注分析师盈利预测修正的信息。另外,分析师盈利预测修正属于对企业长期经营业绩的预测,投资者在短期内可能并不关注与企业“基本面”信息有关的盈利预测修正,这使得分析师盈利预测修正对股价的影响可能存在一定的时滞性。基于上述分析,本文提出假设1。
假设1:在短期内,分析师盈利预测修正并不能对股价产生显著影响,但随着时间的延长,分析师盈利预测修正对股价的作用将逐渐显现
分析师盈利预测修正通常是根据分析师前一次盈利预测和最近的一致盈利预测来进行的。有些分析师进行盈利预测修正是在前一次盈利预测基础上经过详细的信息收集和分析的,这种盈利预测修正能够向市场传递新的信息;而有些分析师出于节约成本或者规避风险等因素的考虑,会模仿其他分析师的盈利预测行为,从而使自己修正后的盈利预测与一致盈利预测趋近,即所谓的“羊群效应”,这种盈利预测修正仅仅是复制了同行的信息,故并不能向市场传达更多新的信息。Stickel(1990)研究表明,出于模仿目的而进行的盈利预测修正所包含的信息量要小于基于信息收集的盈利预测修正。Hong等(2000)的研究也发现,分析师如果放弃私人信息而模仿其他分析师的盈利预测时,会披露有偏差的信息。
目前许多研究都表明,众多国家的股票市场都对分析师盈利预测修正存在显著的股价漂移现象,但都没有深入研究产生这种现象的原因。然而,由于股价漂移现象是对“有效市场”范式的一个重大挑战,一直以来,都是理论界和实务界关注的热点问题。尤其是针对盈余公告后的股价漂移现象,各国学者也已从证明这种现象的存在性发展到深入解释盈余公告后股价漂移现象的产生和持续性的原因。如于李胜、王艳艳(2006)研究发现,信息质量是盈余公告后股价漂移现象产生和持续的重要原因之一,在盈余公告后,信息质量差的投资组合平均累计超额回报大于信息质量好的投资组合。但随着时间的推移,信息质量差的投资组合的超额回报下降幅度较大,会在短时间内恢复到正常收益水平,而信息质量好的股票的超额回报下降较少,能持续较长时间。同理,本文认为分析师盈利预测修正的信息质量也是造成分析师盈利预测修正后股价漂移现象的主要原因之一。相对于信息质量较差的分析师盈利预测修正来说,信息质量好的分析师盈利预测修正有较少的信息不确定性,投资者在解读信息质量好的分析师盈利预测修正时会发现其所包含的信息更加可靠,因此他们对股价的预期也会与分析师所做的盈利预测趋同,从而使得超额回报的下降幅度较小,即股价漂移现象将更加明显。基于此,本文提出假设2。
假设2:相较于缺乏信息的盈利预测修正,富有信息的盈利预测修正对股价的作用更加明显,且存在更为明显的股价漂移现象
三、研究设计
(一)样本的选择与数据来源
本文以2006-2013年沪、深A股上市公司为研究对象,并按照如下标准对各样本数据进行处理:(1)剔除金融、保险类公司及研究期间被PT、ST的公司;(2)由于本文研究涉及到盈利预测修正的计算,所以剔除同一分析师对同一家公司只有一次盈利预测的记录,并且为了保证预测信息的有效性,剔除当前盈利预测和上一次盈利预测间隔超过1年的记录;(3)剔除分析师姓名、股价、日收益率、实际每股收益、公司总资产、机构投资者持股比例等控制变量信息缺失的记录;(4)为了消除公司特殊事件,例如:IPO、配股、增发、股利分配、报表发布等对股价的影响,本文剔除事件窗口期内有上述事项发生的记录;(5)为了避免异常值对回归结果的干扰,本文对所有连续变量在1%以下和99%以上的极值进行了Winsorize缩尾处理。经过上述步骤的筛选后,最终得到69816个盈利预测样本,其中涉及1980支股票,4287名分析师。本文的数据均来自国泰安(CSMAR)数据库。模型统计检验采用Stata12.0完成。
(二)变量定义
(1)被解释变量(CAR)。对股价的影响可以通过分析师盈利预测修正前后的累计超额收益率(CAR)来衡量。本文采用市场调整模型计算累计超额回报率,具体方法如下:
首先,在参数估计窗口(为实施稳健性检验),将预测当年一整年定义为参数估计窗口,利用CAPM模型分别计算各样本的α和β值)利用CAPM模型估计出回归参数αi和βi:
其中,ri,t表示各样本的日回报率,rm,t表示市场指数(本文选择中证流通指数作为市场指数)对应的日回报率。
然后,将估计出的回归参数αi和βi代入模型(2),计算出日超额回报率:
其中,ARi,t表示各样本在事件窗口(本文以分析师盈利预测修正日为事件日,在(-1,1)窗口期内考察市场反应)期内的日超额回报率。
最后,选择(-1,1)为事件窗口,由此得到的累计超额回报率为:
(2)解释变量。盈利预测修正(Forecast Revisions)。本文选择同一分析师前后两次预测来进行比较,主要是基于前人的研究。这些文献表明,在对单个分析师的盈利预测修正进行研究时,作为一个比较基准,分析师自己之前的盈利预测要比公司层面的一致预测要好。同时本文使用本次预测发布日前一天的收盘价对盈利预测修正进行标准化处理。盈利预测修正的信息含量。为了区分分析师的盈利预测修正是出于模仿目的的预测修正还是基于他们获取了新的信息而进行的预测修正,本文借鉴Gleason和Lee(2003)的做法,使用富有信息的盈利预测修正和缺乏信息的盈利预测修正来对其进行区分,并将富有信息的盈利预测修正定义为当前盈利预测同时高于(或低于)同一分析师对同一公司的上一次盈利预测及所有分析师对该公司的一致盈利预测,而将处于上一次盈利预测和一致盈利预测之间的其他分析师盈利预测修正定义为缺乏信息的盈利预测修正。更进一步,本文将富有信息的盈利预测修正区分为富有信息的向上盈利预测修正(High-up-innovation revisions)和富有信息的向下盈利预测修正(High-down-innovation revisions),其中富有信息的向上盈利预测修正是指当前盈利预测同时高于同一分析师对该公司的上一次盈利预测和所有分析师对该公司的一致盈利预测,富有信息的向下盈利预测修正是指当前盈利预测同时低于同一分析师对该公司的上一次盈利预测和所有分析师对该公司的一致盈利预测。如果分析师盈利预测修正为富有信息的向上盈利预测修正,则High-up-innovation revisions取值为1,否则为0;如果分析师盈利预测修正为富有信息的向下盈利预测修正,则High-down-innovation revisions取值为1,否则为0。同时,本文将一致盈利预测定义为截止至当前盈利预测修正日前一天,所有分析师对该公司所给出的盈利预测的平均值。
(三)模型构建
为了准确分析盈利预测修正自身特性及相关影响因素在短窗口期(-1,1)对股票价格的影响,本文建立了如下模型(4):
其中主要控制变量ES表示盈利预测误差,Signal表示盈利预测误差的方向。所谓分析师盈利预测误差,即盈利意外,指分析师所做的盈利预测与实际盈利之间的差异,本文将其定义为实际每股收益(EPS)与分析师预测的每股收益之差的绝对值,并使用本次预测发布日前一天的收盘价对其进行标准化处理。由于距离年报发布日越近,分析师得到的相关信息越充分,越有把握进行预测,因此,预期越接近年报公布日的盈利预测越准确,本文选取距离年报公布日最近的一次预测作为分析师盈利预测,来与实际每股收益进行比较。同时,本文定义当实际每股收益小于分析师盈利预测的每股收益,即盈余被高估时,Signal取值为1,否则为0。Star表示如果分析师上一年是《新财富》杂志评选出的最佳分析师,则取值为1,否则为0。Team表示做出盈利预测的是否为一组分析师,如果对公司做出的盈利预测是一组分析师共同进行的,则取值为1,否则为0。Interval表示同一分析师针对同一公司前后两次盈利预测的间隔天数。针对同一盈利预测修正事件,如果前后两次盈利预测的间隔时间越长,那么分析师就有越长的时间为盈利预测修正进行准备工作,这样所做出的盈利预测修正应该更加准确,市场反应也应该更好。COV表示公司分析师覆盖率的高低。本文将在预测当年跟踪样本公司的分析师总数作为跟踪公司的分析师人数。根据Elgers等(2001)的研究,如果跟踪样本公司的分析师人数超过所有样本公司的跟踪分析师人数的平均数,那么本文就将该公司定义为分析师覆盖率高的公司,则COV的取值为1,否则取值为0。Lnsize表示被预测公司的规模,用被预测公司上一年年末总资产的自然对数来衡量。Inst表示被预测公司上一年年末机构投资者的持股比例。EM表示盈余管理动机。研究表明,资本市场中普遍存在盈余管理现象,并且该现象的存在会影响分析师盈利预测修正对股价的作用机制。借鉴查灿(2013)的做法,当被预测公司表现为巨亏(每股收益小于-0.2元)或者处于微利水平(每股收益大于0且小于0.05元)时,认为该公司有盈余管理动机,该变量取值为1,否则取值为0。Merge和Special分别表示公司是否存在并购或违规处理情况。当公司在预测年度存在兼并或收购现象时,Merge取值为1,否则为0;当公司在预测年度存在违规处理情况时,Special取值为1,否则为0。最后,为了控制年份固定效应和行业固定效应,本文加入了7个年份虚拟变量,并按照证监会的21个行业(剔除金融、保险类)分类设置了20个行业虚拟变量。
(四)计量问题
为了更好地研究分析师盈利预测的特性对股价的影响,本文以单个分析师盈利预测为样本进行分析。但针对同一公司的分析师盈利预测并不独立,各分析师的盈利预测之间存在正相关,因此,使用普通最小二乘法(OLS)进行回归则会夸大模型的显著性。为了克服此问题,本文借鉴Diggle等(1994)的做法,使用Huber/White方法来进行OLS回归。该方法采用最大似然估计法,在构建方差和协方差矩阵时假设针对同一公司的各分析师盈利预测存在共同的因子,从而解决了截面相关性问题。
四、实证分析
(一)描述性统计
表1和表2列示了各变量的描述性统计。从表1可知,CAR的平均值为0.0050,中位数为0.0011,CAR具有正的均值和中位数,表明分析师盈利预测修正在短窗口期内能够为投资者带来正的回报。FR的均值为-0.0061,表明大部分分析师会向下调整盈利预测。这种现象可能是因为,证券分析师在首次做出盈利时通常具有乐观倾向[20,37],随着时间的推移,分析师将获得更多的有效信息来进行预测并修正,使其预测更接近实际值,所以分析师更多的是向下修正其盈利预测,这与国外成熟市场中分析师的表现是相似的。分析师两次盈利预测间隔的时间(Interval)的平均值为95.68天,最小值为1天,最大值为365天,说明各分析师两次盈利预测的间隔时间差异较大,且间隔时间普遍较长。从表2可知,Signal取值为1的记录有50739条,而取值为0的记录只有19077条,这预示着分析师盈利预测的每股收益要普遍高于企业的实际每股收益,这就进一步说明分析师在进行盈利预测时具有乐观倾向。富有信息的向上盈利预测修正(High-up-innovation)只有7638条,而富有信息的向下盈利预测修正(High-down-innovation)有26872条,明显高于前者,这说明大部分分析师在获取了更多的有效信息后为了使其盈利预测更接近企业的实际盈余,会向下调整之前的盈利预测。COV取值为1的样本量有53029个,即在被预测的公司中绝大部分是高分析师覆盖率的,这说明随着我国证券市场的发展,分析师行业也在逐步兴起,参与盈利预测的分析师也越来越多。
(二)相关性分析
表3列出了各变量之间的Pearson相关系数。从表中可以看出CAR与FR的相关系数为正,与ES的相关系数为负,且都在1%统计水平上显著,说明分析师盈利预测修正和盈利预测误差都能对股价产生显著影响。CAR与Signal在1%统计水平上显著负相关,说明盈利预测误差的方向能对股价产生负向影响,与预期相符。同时,如预期设想,CAR与High-up-innovation在1%统计水平上显著正相关,与High-down-innovation在1%统计水平上显著负相关,即富有信息的向上盈利预测修正能够对股价产生正向影响,而富有信息的向下盈利预测修正会对股价产生负向影响。此外,富有信息的向下盈利预测修正(High-down-innovation)与分析师盈利预测修正(FR)和富有信息的向上盈利预测修正(High-up-innovation)在1%统计水平上具有较高的负相关性(相关系数分别为-0.3629、-0.2772),分析师盈利预测修正(FR)与富有信息的向上盈利预测修正(High-up-innovation)在1%统计水平上具有较高的正相关性(相关系数为0.2014),而盈利预测误差(ES)与盈利预测误差方向(Signal)在1%统计水平上具有较高的正相关性(相关系数为0.2734)。但总体而言,本文研究的各变量之间的相关系数都没有超过0.4,因此,各变量之间不存在存在多重共线性。
(三)回归分析
(1)分析师盈利预测修正在短窗口期对股价的影响。表4列示了分析师盈利预测修正在短窗口期(-1,1)对股价影响的检验结果。其中模型1仅考虑解释变量分析师盈利预测修正(FR)、富有信息的向上盈利预测修正(High-up-innovation)、富有信息的向下盈利预测修正(High-down-innovation)和主要控制变量盈利预测误差(ES)、盈利预测误差方向(Signal)对股价的影响;模型2在模型1的基础上加入针对分析师本身特征的控制变量,明星分析师(Star)、是否为一组分析师(Team)以及分析师两次盈利预测的间隔时间(Interval);模型3在模型2的基础上进一步考虑被预测公司的特性,加入控制变量:跟踪公司的分析师人数(COV)、被预测公司的规模(Lnsize)、机构投资者持股比例(Inst)、公司的盈余管理动机(EM)、公司是否发生兼并或收购事项(Merge)以及公司是否存在违规处理情况(Special)。另外,如前所述,为了克服针对同一公司各预测之间的正相关性问题,本文采用Huber/White方法对各模型进行OLS回归。从表4的结果可知,解释变量中分析师盈利预测修正(FR)在3个模型中的系数都不显著,说明分析师盈利预测修正(FR)在短窗口期内并不能对股价产生显著影响。富有信息的盈利预测修正在3个模型中的回归系数都是显著的,说明相较于缺乏信息的盈利预测修正,富有信息的盈利预测修正能对股价产生更为显著的影响。同时,富有信息的向上盈利预测修正(High-up-innovation)的回归系数在3个模型中都显著为正,富有信息的向下盈利预测修正(High-down-innovation)在3个模型中的回归系数都显著为负,说明富有信息的盈利预测修正能使股价产生同向变动,即当本次盈利预测高于前次盈利预测时,股价会上涨,反之亦然。如前文所述,FR可视为分析师盈利预测修正“量”方面的信息,High-up-innovation、High-down-innovation可视为分析师盈利预测修正“质”方面的信息。从上述分析中可以得出以下结论:在(-1,1)短窗口期中,只有分析师盈利预测修正“质”方面的信息能对股价产生影响,而“量”方面的作用并不明显。并且,可以看出High-down-innovation的Huber/White t检验值为-18.53(模型3),且在3个模型中t检验值都是最高的,说明在“质”方面的信息中,富有信息的向下盈利预测修正(High-down-innovation)对股价的影响最为强烈。而主要的控制变量分析师盈利预测误差(ES)在3个模型中的系数都不显著,说明同分析师盈利预测修正(FR)一样,盈利预测误差(ES)在短窗口期内也不能对股价产生显著影响。而盈利预测误差的方向(Signal)在3个模型中的回归系数都显著为负,说明盈利预测误差的方向在短窗口期内能对股价产生显著的负向影响,这与本文的预期相符。在模型2和模型3中,Team和Interval的系数显著为正,表明随着人力的增加,分析师两次盈利预测的间隔时间越长,其所做出的盈利预测修正对股价产生的影响就越正面,这与本文的预期相符。而在模型3中,公司规模变量(Lnsize)和机构投资者持股比例(Inst)变量的系数显著为负,说明机构投资者持股比例越少,分析师盈利预测的市场反应越好,这很可能是由于当被预测公司规模较小、机构投资者持股比例较少时,其信息的披露程度较低,当分析师对其进行盈利预测修正时,市场在短期内会对这些盈利预测信息做出积极的反应。COV和Merger的系数在模型3中显著为正,说明跟踪公司的分析师人数越多或被预测公司最近发生兼并或收购情况时,分析师的盈利预测对股价的影响越大。而Star、EM、Special的系数虽然不显著,但是其对股价的影响方向符合本文预期。从对表4的分析得出结论:在(-1,1)的短窗口期中,分析师盈利预测修正“量”方面的作用并不明显,而“质”方面却能对股价产生显著影响。为了进一步分析盈利预测修正后的股价反应,本文进一步拓展事件窗口期,研究在较长窗口期下分析师盈利预测修正对股价的影响。
注:***、**、*分别表示在1%、5%和10%的统计水平上显著(双尾检验),下同。样本量为69816。
注:为了克服针对同一公司各预测之间的正相关性问题,采用Huber/White方法进行OLS回归,其中括号中为Huber/White检验t值;在进行回归时考虑了年份固定效应和行业固定效应,由于篇幅有限,表中未列出其系数,下同。
(2)延长窗口期后,分析师盈利预测修正对股价的影响。从表5的结果可以看出,分析师盈利预测修正“量”方面的信息(FR)在盈利预测修正后的第8个交易日开始对股价产生显著的负向影响,且随着时间的推移逐渐加强。主要控制变量盈利预测误差(ES)对股价的影响要早于分析师盈利预测修正,大约在盈利预测修正后的第5个交易日开始对股价产生显著的正向影响,且随着时间的推移逐渐加强。这表明随着时间的推移,投资者开始关注分析师盈利预测修正和盈利预测误差“量”方面的信息,假设1得到验证。同时,与在短窗口期(-1,1)的结论类似,分析师盈利预测修正“质”方面的信息仍然对股价产生了显著的影响,且在各个窗口期中富有信息的向下盈利预测修正(High-down-innovation)的Huber/White t检验值都是最高的,说明在“质”方面的信息中,富有信息的向下盈利预测修正(High-down-innovation)对股价的影响最为强烈。这表明,当分析师盈利预测修正行为具有信息含量时,市场会产生强烈的反应,且市场对于坏消息的反应比对好消息的反应更加敏感。这主要是由于分析师更愿意为被预测公司做出比较有利的盈利预测,同时投资者也乐于接受这样的好消息,故当好消息披露时,市场不会产生太剧烈的波动;而公司一般都有隐瞒坏消息的动机,当分析师向下修正被预测公司的盈利时,表明该分析师一定是获取了极为有效的信息并经过缜密的分析后得出的结果,从而对股价产生了更强烈的影响。
为了更进一步验证分析师盈利预测修正在未来更长的时期是否对股价产生显著影响,本文继续将事件窗口期进行扩展。从表6可以看出,随着窗口期的延长,干扰因素增多,各变量对股价的影响并不稳定。但可以看出,在更长的窗口期盈利预测修正“量”方面的信息和盈利预测误差对股价的影响越来越显著(从各变量的Huber/White t检验值可以看出),分析师盈利预测修正“质”方面的信息随着窗口期的进一步延长,其对股价的影响逐渐减弱,尤其是富有信息的向上盈利预测修正,在窗口期(-1,20)之后对股价的影响就不再显著。
(3)分析师盈利预测修正在股价漂移窗口期对股价的影响。从上述分析可以看出,在分析师盈利预测修正很长一段时间后分析师盈利预测修正的信息仍然对股价存在显著影响,表明市场并没有及时吸收分析师盈利预测修正所包含的信息,即股价对分析师盈利预测修正的反应存在漂移现象。为了进一步研究该现象,本文选取盈利预测修正日后60个交易日作为股价漂移窗口(即以分析师盈利预测修正日为事件日,选取窗口期(2,61)作为股价漂移窗口)来对模型(4)进行回归,观察股价对分析师盈利预测修正的反应。从表7的结果可以看出,在股价漂移窗口分析师盈利预测修正在“量”和“质”方面都对股价产生了显著影响,也就进一步验证了之前的结论,即股价对分析师盈利预测修正存在漂移现象,且相较于缺乏信息的盈利预测修正,富有信息的盈利预测修正的股价漂移现象更为明显,这也与本文的假设2一致。
五、结论
本文基于国泰安(CSMAR)数据库中2006-2013年沪、深A股所有单个分析师盈利预测数据,在考虑了分析师自身特征以及被预测公司特性后建立实证模型,并采用Huber/White方法进行OLS回归;同时本文还考虑到证券分析师的“羊群行为”,将分析师的盈利预测修正区分为富有信息的盈利预测修正和缺乏信息的盈利预测修正,从“量”和“质”的角度对分析师盈利预测修正在不同窗口期对股价的影响进行了比较全面的分析。本文不仅拓宽了分析师盈利预测对股价作用机制的研究范围,为已有文献提供新兴市场的研究视角,还为我国今后如何提高资本市场效率提供了相关经验借鉴。综合本文的结果可以看出,投资者对分析师盈利预测修正“量”方面的信息存在时滞性,在分析师盈利预测修正8日后,分析师盈利预测修正“量”方面的信息对股价的影响才不断显现;而“质”方面的信息在各个窗口期都能对股价产生显著影响。同时,盈利预测修正后存在着股价漂移现象,并且富有信息的盈利预测修正的股价漂移现象更为明显。以上研究结论更进一步证明了分析师盈利预测修正中包含大量有用信息,但股票价格并没有对此进行完全、及时地反映,这就使得投资者利用分析师盈利预测数据来构建投资组合获取套利机会,取得超额收益成为可能;而盈利预测修正后股票独特的反应方式也反映了我国股票市场的一些独有特点,如市场不够关注盈利预测信息,且机构投资者存在着操纵市场的行为;此外,市场对于富有信息含量的好消息和坏消息的不同反应程度也说明了好消息与坏消息之间的不对称性,公司更倾向于隐藏坏消息,从而使坏消息的发布对市场产生更为剧烈的影响。另外,证券分析师的行为存在着明显的“羊群效应”,在考虑该因素后,市场能够对富有信息的盈利预测修正和缺乏信息的盈利预测修正进行区别定价。鉴于分析师在市场定价中发挥的重要作用,我国相关监管机构应该积极探索如何更好的规范和加强证券分析师队伍的建设,促进其稳步、健康发展。
分析师盈利预测误差 篇6
由于上市公司所披露的历史信息的滞后性,在现代信息观的理论指导下,资本市场上的信息使用者开始对预期信息加以关注,以降低内部管理者与外部使用者在公司信息之间的不对称性。在这一要求下,盈利预测问题引起了国内外众多学者的关注与研究。在影响盈利预测准确度的因素中,成本因素不可忽视。然而,近年来学界对传统的成本性态假设提出了怀疑,学者们发现成本与业务量之间并非呈线性关系,这种现象称为成本粘性或反粘性。那么,成本与业务量之间的该种非线性关系即成本的非对称性是否必然会导致盈利的非对称性呢?而在成本粘性和反粘性对证券分析师盈利预测准确度的影响上,资本市场是否能够意识到?本文试图通过对我国A股上市企业实际情况进行分析来解答上述几个问题。
二、文献综述
(一)国外文献
Abarbanell等(1997)验证了管理层盈利预测具有信息含量,并认为正向盈利预测误差产生股价上扬的市场表现、负向盈利预测误差产生股价下跌的市场表现。Lipe(1990)研究发现盈余报告对市场投资者的有用性会随着未来盈余可预测性的降低而下降,与此同时资本市场对盈余惊喜的反应也会随之减弱。Kenneth Calleja,Michael Steliarors和Dylan C.Thomas(2006)对成本粘性进行了跨国研究,提出成本粘性会受到管理监督体制和公司控制的等因素的影响。Balakrishnan等(2004)研究发现成本粘性受产能利用率的制约,认为当企业产能利用率很高时,会表现为较强的成本粘性。Banker和Chen(2006)构建了一个基于成本习性的盈利预测模型,发现成本习性在分析师盈利预测中发挥着重要的影响。Dan Weiss(2010)提出成本粘性和反粘性会影响证券分析师盈利预测结果的准确性、以及资本市场对这一问题的感知能力,导致盈余公告披露后资本市场对盈余惊喜做出的反应会有所减弱。
(二)国内文献
曹晓雪(2009)对中央企业上市公司进行了单独研究,经过测试发现中央企业上市公司也存在费用粘性,并且表现出行业差异。苏文兵(2012)从管理会计角度基于本量利分析和成本粘性,构建了一个盈利预测模型,其实证研究发现基于成本粘性的盈利预测模型在预测能力和预测准确度方面显著优于其他常用模型。张雁翔、申爱涛(2004)的研究发现,管理层盈利预测误差与股价变动相关、股价反应程度与盈利预测误差大小也相关。吕晶晶(2012)从成本角度研究了盈利预测准确度的相关问题。杨德明(2006)在业绩报告的市场反应研究中,也发现市场对坏消反应更为剧烈。石桂峰(2007)通过实证分析发现预测机构数量的增加、盈余可预测性以及信息披露质量的提高,将伴随着高的盈余预测精确度,而盈余波动程度越大、公司规模越大,预测的精确度则越低。孔玉生、战泽昊、孔庆根(2009)利用我国827家A股上市公司2003-2007年的数据,实证研究发现我国上市公司的营业成本也存在着粘性现象,且资本密集型和劳动密集型上市公司的成本粘性较大。通过对上述文献的梳理,可以发现国内外学术界对成本粘性以及盈利预测的相关问题等领域都进行了广泛的研究,将上市公司成本粘性的存在性、影响因素、分地区和行业的比较,以及从管理层行为及公司治理角度等方面进行了大量论证,但是将二者加以结合探索成本粘性对盈利预测影响以及成本反粘性的关注与研究颇少,笔者认为成本粘性和反粘性在企业中是客观存在的,并且这种存在会对企业未来的经营成果产生一定程度的影响。目前国内外在计量成本粘性时,大多数研究采用的模型存在着无法从公司层面进行某一具体公司成本粘性的计算的缺点,最重要的是模型很可能会因为大样本的回归而忽略某一具体样本公司存在的反粘性。固在此基础上,本文借鉴Dan Weiss(2010)的研究,通过对沪深两市A股上市公司进行实证分析,来探讨中国上市公司的成本习性行为与盈利预测、市场反应之间的关系。
三、理论分析与研究假设
本文借鉴Balakrishnan等人(2004)关于产能利用率的观点。在企业产能利用率程度较高的情况下,若企业业务量下降,此时管理层很可能会认为这是暂时现象,继而不会马上减少资源的投入;而当业务量上升时,管理者则倾向于投入更多的资源以扩大生产经营规模。因此在产能利用率较高的情况下,业务量增加时引起的成本增加额会呈现大于等量业务量减少时引起的成本的降低额的情况,此时企业成本呈现粘性。然而,当企业存在闲置的生产能力时,若此时业务量上升,管理者倾向于利用剩余的生产能力来满足业务量上升的要求;但当业务量出现下滑,管理者则会认为这种下滑是持续存在的,管理者会大量减少资源的投入以缩减经营规模。所以在存在闲置的生产能力的情况下,会呈现出业务量下降时引起的成本减少额大于等量业务量上升时引起的成本的增加额的情况,此时企业成本呈现反粘性。如此看来,企业的成本习性具有两面性,产能利用率高的公司成本呈现粘性,产能过剩的公司成本呈现反粘性。由此本文提出研究假设:
H1:上市公司中,部分公司成本呈现粘性,部分公司成本呈现反粘性
那么,上述成本与业务量之间的非线性关系是否会对盈利预测产生影响呢?在不考虑市场影响时,成本的非对称性是否必然导致盈利的非对称性呢?针对该问题,Banker和Chen(2006)首次在证券分析师盈利预测的研究上引入了成本习性因素,其研究发现基于成本习性的盈利预测模型相对于其他预测模型具有较高的准确度,充分说明成本习性在分析师盈利预测中的重要影响,该结论间接证明公司未来收益与成本粘性有一定的相关性。Dan Weiss(2010)研究了成本习性与分析师盈利预测之间的关系,在将1986-2005年间的所有工业企业样本实证回归后,发现分析师盈利预测准确度与成本粘性程度二者负相关,原因在于相对于粘性较弱的公司,成本粘性较大的公司使得收益波动性增大,从而提高了分析师盈利预测的难度,故预测误差加大、预测准确度降低。国内学者朱乃平(2009)也认为粘性水平过低或过高都有可能引起企业绩效的下降。此外,国内外学者在研究成本习性对盈利预测准确度的影响时大多只考虑了成本粘性,而忽略了成本非对称性的另一情况、即成本反粘性。根据前文提到的Balakrishnan等人(2004)关于产能利用率的观点,在业务量下降同等额度的情况下,成本粘性水平越高的企业,其利润下降幅度会越大;成本反粘性水平越高的企业,则其利润下降幅度会越小。因此,对于成本粘性或反粘性程度较大的公司,由于成本粘性和反粘性导致的利润的下降将增加未来盈利的波动性,从而提高了盈利预测的难度,进而导致证券分析师盈利预测误差加大、准确度降低。同时,对于成本粘性和反粘性导致的未来经营成果的波动性,是否存在显著不同?对于该问题,以往很少有学者对该领域做过研究,且成本反粘性目前在国内外的研究较少、不深入,但是从理论上来说,由于成本粘性与反粘性的产生机制不同,对企业本身而言利弊不同,所以本文认为,成本粘性和反粘性对分析师盈利预测准确度的影响会有所差异。综上,本文认为,由于成本粘性和反粘性的存在,使得企业成本与业务量变化呈非线性关系,基于成本的非对称性引起盈利的非对称性,由此导致未来盈利的波动性和不可预测性加大,从而增加了盈利难度,使得预测误差加大。同时,成本粘性和反粘性在影响证券分析师盈利预测准确度上,其程度也存在差异。基于以上分析,本文在此提出以下假设:
H2a:公司的成本粘性和反粘性程度越大,分析师盈利预测误差将越大
H2b:公司的成本粘性和反粘性程度,对分析师盈利预测准确度的影响有所不同
学界对于盈余公告市场反应的研究结论基本一致,即盈利预测误差与股价变动相关、股价反应程度与盈利预测误差大小也相关。然而,作为影响盈利预测误差的重要因素,成本习性在此受到的关注少之又少。正如前文所述,成本粘性和反粘性程度较高的公司,其未来盈利的波动性和不可预测性加大,从而增加了分析师盈预测的难度,造成盈利预测偏差。对投资者而言,盈利预测准确度的下降意味着盈余报告的有用性在降低,从而导致较低的盈余反应系数。那么在上市公司披露盈余公告时,如果投资者能够利用盈余公告意识到公司的成本非对称性对分析师盈利预测准确度产生的影响,这就意味着成本习性很可能会影响资本市场对盈余惊喜的反应。因此,本文认为,当资本市场在利用盈利预报告时,投资者能够意识到成本粘性和反粘性均会在盈余预测准确度上对证券分析师产生影响,那么当出现盈余惊喜时,资本市场做出的反应会稍弱。同时,若区分成本粘性和反粘性加以研究,由此造成的盈利预测误差,对比二者,资本市场是否均能够意识到该影响呢?本文中,成本粘性和反粘性的区分,本质上源于产能利用率的高低:产能利用率高,业务量上升引起的成本增加额大于同等业务量下降时引起的成本减少额,即产生成本粘性;与之相反,产能利用率低,业务量上升引起的成本增加额将小于同等业务量下降时引起的成本减少额,即产生成本反粘性。通常而言,业务量上升代表着企业规模的扩张、整体实力的增强,所以即使有一定的不利后果,在可控的情况下,大多数企业都倾向于扩张。在这里,如果其他条件相同,成本反粘性的公司则更容易受市场的青睐,因为其不仅能实现业务量的提升,即企业规模的扩大,而且由此引起的成本增加额还少于成呈粘性的公司。因此,基于资本市场者对这类公司原有的乐观预期,当这些公司出现盈余惊喜时,资本市场的反应将会有所减弱,而且成本反粘性对这些公司而言属于固有的有利条件,市场对这一特征很可能无法感知或者甚至忽略,使得相较于这类公司,市场更容易认识到成本粘性对分析师盈余预测准确度的影响,致使当此类公司出现盈余惊喜时,市场的反应也会弱化,且成本粘性程度越大,资本市场对盈余惊喜的反应越弱。正向盈利预测误差即正向盈余惊喜,代表实际业绩要高于预测的业绩,负向盈利预测误差则相反,代表实际业绩要高于预测的业绩。本文认为,从投资者的心理角度出发,在投资回报最大化的驱使下,其更愿意关注那些出现负向盈余惊喜的公司,此时投资者会分析判断哪些因素造成了负向盈余惊喜,分析师盈利预测报告则是其进行判断的重要依据,因此相比较于出现正向盈余惊喜的公司,在出现负向盈余惊喜的公司中,成本粘性和反粘性对分析师盈利预测产生的影响更容易被投资者意识到,所以在这类公司中出现盈余惊喜时,市场的反应会减弱,并且成本粘性和反粘性程度越大,资本市场对盈余惊喜的反应越弱。综上所述,首先本文认为当资本市场在利用盈利预报告时,投资者能够意识到成本粘性和反粘性对证券分析师盈余预测准确度的影响,所在当公司出现盈余惊喜时,市场反应会减弱。其次,由于资本市场对成本反粘性的公司比较看好,所以投资者更能够意识到成本粘性对分析师盈余预测准确度的影响,致使当公司出现盈余惊喜时,市场的反应也会弱化,并且成本粘性程度越大,资本市场对盈余惊喜的反应越弱。最后,投资者可能更愿意关注出现负向盈余惊喜的公司,从而使得资本市场更容易意识到该类公司中成本粘性和反粘性对盈利预测造成的影响,所在当这类公司出现盈余惊喜时,市场的反应也会弱化,并且成本粘性和反粘性程度越大,资本市场对盈余惊喜反应越弱。基于以上分析,本文提出以下假设:
H3a:成本粘性和反粘性对证券分析师盈余预测准确度的影响能够被资本市场意识到,且程度越大,盈余惊喜的市场反应越弱
H3b:相较于成本呈现反粘性的公司,成本粘性对证券分析师盈利预测准确度的影响更容易被资本市场意识到,且程度越大,盈余惊喜的市场反应越弱
H3c:相较于正向盈利预测误差的公司,负向盈利预测误差公司中成本粘性和反粘性对证券分析师盈余预测准确度的影响更容易被资本市场意识到,且程度越大,盈余惊喜的市场反应越弱
四、研究设计
(一)样本选取和数据来源
本文的研究样本来自沪深两市A股上市公司2010-2014年的财务数据,并按以下标准进行数据筛选:(1)剔除金融行业的上市公司,由于金融行业受政府管制比较多;(2)剔除ST上市公司,由于ST上市公司处于非正常经营环境中,与其他公司不具有可比性,故将其剔除;(3)剔除存在数据缺失的样本,例如缺少分析师盈利预测值等;(4)剔除成本变动与经营活动变动方向相反的公司;(5)剔除连续两个交易日无股价数据的样本,以计算累计异常报酬。经过以上标准的筛选,最终得到917个有效样本。对于数据处理,本文使用Excel 2013和STATA统计软件。研究中所使用的财务指标、市场收益率数据以及盈利预测信息等资料来源于国泰安数据库(CSMAR)和锐思数据库(RESSET)。
(二)变量定义
(1)被解释变量。第一,成本粘性和反粘性(ABSTICKY)。本文采用Dan Weiss(2010)的计算方法,直接从公司层面计算出某一具体公司的成本粘性和反粘性程度,该方法如公式(1)所示:
模型在度量成本与业务量的非线性关系时,业务量用利润表中的营业收入(SALE)替代,成本用销售费用和管理费用之和(S&G)替代。此外,w代表出现业务量(营业收入)下降的年份,v代表出现业务量(营业收入)上升的年份,i代表样本公司。那么,模型中的因变量STICKY代表2010-2014五年中,业务量上升或者下降时导致的成本的非线性变化。具体为:如果公司成本呈现粘性特征,即在业务量上升时引起的成本增加额大于业务量下降相同额度时引起的成本减少额,此时STICKY的值应为负,且越小,说明粘性程度越大;相反,如果企业成本呈现反粘性特征,即业务量上升引起的成本增加额小于业务量下降相同额度时引起的成本减少额,此时STICKY的值应为正,且越大,说明反粘性程度越大。本文在回归时取STICKY的绝对值(即ABSTICKY,代表公司成本粘性和反粘性程度的大小。很明显,ABSTICKY越大,成本粘性和反粘性程度越大。第二,盈利预测误差的绝对值(ABSFW)。本文在研究盈利预测准确度时,选取盈利预测误差的绝对值(ABSFW)作为衡量指标,该指标己被国内外学者广泛运用,具体计算如式(2)所示:
公式中,分析师盈利预测平均值(FE)为分析师对该企业净利润预测的平均值,实际盈利值(AE)为企业的实际净利润,FW代表实际盈利值(AE)与分析师盈利预测平均值(FE)之差。将盈利预测误差FW取绝对值后,用ABSFW衡量,指的是盈利预测误差的绝对值,代表了盈利预测的准确度。很明显,误差越大,盈利预测准确度越低,反之准确度越高。
第三,累计异常回报(CAR)。本文在研究成本习性是否影响资本市场对盈利预测误差的反应程度时采用事件研究法,选取了指标累计异常回报(CAR)以衡量市场反应。在累计异常回报(CAR)的计算上,本文采用以市场指数计算CAR的方法,并且事件窗选取盈利公告前后15日内的股价。具体计算如下:
计算个股日实际收益率Ri,t=Pi,t/Pi,t-1-1,其中,Pi,t和Pi,t-1为股票i在交易日t和t-1日的收盘价;
计算个股超额日回报率ARi,t=Ri,t-Rm,t,其中,Rm,t为上证和深圳成分指数的日报酬率;
计算累计异常回报CAR=∑ARi,t。
(2)解释变量。第一,营业收入(SALE)。本文用利润表中的营业收入替代业务量。第二,销售费用和管理费用(COST)。本文用销售费用和管理费用之和替代成本。第三,成本特性(S)。S为虚拟变量,当公司成本呈现反粘性特征时取值为1,呈现粘性特征时为0。第四,分析师的盈利预测误差(FW)。见公式(2)。
(3)控制变量。第一,资产规模(SCALE)。已有研究表明公司规模与分析师盈利预测的准确性呈正相关,因为规模大的公司通常信息披露较为透明,同时收益波动性也较小。第二,亏损(LOSS)。虚拟变量,本文设定当公司盈余预测年度净利润为负时取值1,反之为,并预测盈利预测误差绝对值(ABSFW)与亏损正相关。第三,环境不确定性(VSALE)。环境的不确定程度必然会影响外部证券分析师的盈利预测准确度,不确定性程度越大,盈利预测偏差越大、准确性越低。本文用营业收入的变异系数度量环境的不确定性(VSALE),并预测盈利预测误差绝对值(ABSFW)与环境不确定性(VSALE)正相关。第四,经营杠杆系数(DOL)。经营杠杆系数反映了固定性经营成本对企业息税前利润的影响程度,经营杠杆系数高的企业,其盈利波动性也越大,由此证券分析师盈利预测的准确性会受到影响,使预测的准确性降低。经营杠杆系数(DOL)越高的企业,证券分析师盈利预测误差将越大,二者呈正相关。第五,盈利可预测性(PC)。公司总利润包括经营利润和非经营利润,后者主要指政府补助、营业外收支等项目,由于这些项目的不确定性程度较高、可持续性程度较低,所以若非营业利润比例较高则说明公司受益具有较高的不确定性,从而影响分析师盈利预测的准确性。本文用非营业利润与总利润的比值来度量公司盈利的可预测性(PC),并预测盈利可预测性(PC)越强,分析师盈利预测误差绝对值(ABSFW)越大,二者呈正相关。本文相关变量如表1所示:
(三)模型构建
H1的验证模型即为公式(1),这里我们设该式为模型1:
如果H1成立,即上市公司中,部分公司成本呈现粘性,部分公司成本呈现反粘性,那么,模型1中STICKY的值应该有正有负,正的STICKY代表该公司成本呈现反粘性特征,负的STICKY代表该公司成本成本呈现粘性特征。为了验证公司的成本粘性和反粘性程度是否会影响证券分析师盈利预测的准确性,本文在Dan Weiss(2010)模型的基础上进行扩展得到模型2:
如果H2a成立,即公司的成本粘性和反粘性程度越大,分析师盈利预测误差将越大,那么模型2中β1的系数应该为正且显著。模型2中交叉变量S*ABSTICKY用以衡量成本粘性和反粘性对证券分析师盈利预测准确度的不同影响,从而验证H2b是否成立。为了检验市场是否能意识到成本粘性和反粘性对证券分析师盈利预测准确度的影响,本文在模型2的基础上加以扩展得到模型3:
如果H3a成立,即资本市场能够意识到成本粘性和反粘性对证券分析师盈利预测准确度的影响,且成本粘性和反粘性程度越大,盈余惊喜的市场反应就越弱,则β1的系数应显著为正、β2的系数应显著为负。在此基础上,根据STICKY和FW的正负,进行分样本检验H3b和H3c,以验证相较于成本呈现反粘性的公司,资本市场更容易意识到成本粘性对证券分析师盈利预测准确度的影响,且粘性程度越大,盈余惊喜的市场反应越弱,即H3b;以及相较于正向盈利预测误差的公司,资本市场更容易意识到负向盈利预测误差公司中成本粘性和反粘性对证券分析师盈余预测准确度的影响,且粘性和反粘性程度越大,盈余惊喜的市场反应越弱,即H3c。
五、实证分析
(一)描述性统计
研究样本的描述性统计结果如表2所示。由表2可知,在所研究的917个样本中,成本粘性和反粘性STICKY的均值为4.9720,说明我国上市公司成本大多呈现反粘性,这与以往众多学者的研究有所不同,以往国内外学者大多证明的是我国上市公司成本呈粘性,结论的不同可能有以下两原因:一是研究样本的不同,二可能是研究方法以及变量的计量方式存在差别。且成本粘性和反粘性程度在不同公司之间存在较大差异,最大值为17.9660(成本呈粘性),最小值为-9.7267(成本呈反粘性)。分析师盈利预测FW的均值为-0.1716,说明分析师在进行上市公司盈利预测时存在负向的盈利预测误差倾向,即负向盈余惊喜,同时FW在样本公司中差异较大,其最大值为12.7216、最小值为-14.1918。市场反应的度量值累计异常回报CAR的均值为0.1928,说明事件窗15日内的累计异常回报为正值,且不同上市公司在事件窗内的CAR值差异不大。
(二)相关性分析
本文进行了Pearson相关性检验,并将检验结果列示于表3中。Pearson相关性检验结果说明:分析师盈利预测误差绝对值(ABSFW)与成本粘性和反粘性程度(ABSTICKY)正相关,且在10%的水平上显著,这与本文研究假设H2a预期一致,即说明公司的成本粘性和反粘性程度越大,证券分析师的盈利预测误差就越大、准确性就越低。同时,分析师盈利预测误差绝对值(ABSFW)与控制变量公司规模(SCALE)显著负相关、与亏损情况(LOSS显著正相关、与环境不确定性(VSALE)显著正相关,这与模型构建时的预测一致。而分析师盈利预测误差绝对值(ABSFW)与盈利可预测性(PC)虽然正相关,但该相关性在Pearson相关性检验下并不显著。此外,部分控制变量之间存在着一定程度的相关性。
(三)回归分析
根据表4所示,在总样本917家公司中,有88家公司成本呈粘性(STICKY<0),均值为-2.2914,有829家公司成本呈反粘性(STICKY>0),均值为5.7430,且在T检验中二者均在1%的水平上显著。这充分说明,上市公司成本与业务量之间的非线性关系,不仅有粘性特征,样本公司中大多数呈现出的是反粘性特征,并且十分显著,这与研究假设H1相符。值得一提的是,在样本公司中,大量存在成本呈反粘性的公司,而以往关于成本和业务量之间非线性关系的研究大多关注成本粘性,而忽略了成本与业务量之间的另一非线性关系,即反粘性的存在,所以本文认为有必要将成本粘性和反粘性加以区别,来分别研究其与分析师盈利预测、市场反应的关系。
表5列示了模型2的回归结果,检验了成本粘性和反粘性程度对证券分析师盈利预测准确度的影响。由表5可以看出:自变量成本粘性和反粘性程度(ABSTICKY)的参数估计为0.0623,这一系数大于零、且在5%的水平上显著,说明样本公司的成本粘性和反粘性程度越大,分析师的盈利预测误差就越大、预测的准确度就越低。这与研究假设H2的预期一致,并且也验证了Pearson相关性检验中关于分析师盈利预测准确度(ABSFW)与成本粘性和反粘性程度(ABSTICKY)之间的显著正相关关系。此外,模型2中设置有交叉变量S*ABSTICKY用以成本粘性和反粘性对分析师盈利预测准确度的不同影响,其系数虽然为负,但并不显著,这意味着成本粘性和反粘性程度对分析师盈利预测准确度的影响可能存在差异。根据STICKY值的正负将总样本分成成本粘性(STICKY<0)和成本反粘性(STICKY>0)两个子样本,并分别就模型2进行回归检验,回归结果如表6所示:
表6的回归结果中,控制变量的系数与H2a的检验结果基本一致。不同的是当成本呈粘性(STICKY>0)时,成本粘性程度的系数显著为正,而成本呈反粘性(STICKY>0)时,成本反粘性程度的系数为正但是不显著,这样的差异说明公司的成本粘性程度越大,分析师的盈利预测误差就越大、预测的准确度就越低,而公司的反粘性程度虽然与分析师盈利预测分析师的盈利预测误差也正相关,但该结果并不显著。之所以出现这样的差异,本文认为根源在于成本粘性和反粘性的产生机制不同,回到前文关于Balak rishnan等人(2004)提出的产能利用率的观点,对企业而言,成本反粘性是一有利因素,而成本粘性则属于不利因素。资本市场上的分析师在进行盈利预测时,可能更多地关注对企业不利的因素,并就此对盈利预报告进行调整,而较少关注或忽视企业本身所具备的有利条件,所以此处结果可以这样理解,即:如果企业成本呈现粘性,由于这对企业而言属于不利因素,那么该因素在分析师进行盈利预测时会受到关注,从而使得自变量成本粘性程度的系数为正且显著;相反,如果企业成本呈现反粘性,由于这对企业而言属于有利因素,那么该因素在分析师进行盈利预测时会受到忽视,从而使得自变量成本反粘性程度的系数虽为正但是不显著。表7列示了模型3的回归结果,检验了资本市场能否意识到成本粘性和反粘性对证券分析师盈利预测准确度的影响。
由表7可知:自变量分析师盈利预测误差(FW)的回归系数在1%的水平上显著为正,与预期一致,验证了学者们关于市场反应与盈利预测误差正相关的结论,即正向的盈利预测误差会产生正向的市场反应。另一自变量即模型中的交叉变量FW*ABSTICKY,其回归系数为负,虽然与预期一致,但其P值并不显著。就该问题,本文接下来根据STICKY的正负将总样本分成了两个子样本加以分别检验。最后,由于FW的系数显著,说明证券分析师盈利预测误差的方向很可能会影响资本市场对于成本粘性和反粘性对分析师盈利预测准确度影响的感知能力,故本文又根据FW的正负将总样本分成两个子样本,以检验资本市场究竟更容易感知正向盈利预测误差的公司、还是负向盈利预测误差的公司,以及何类公司中成本的非对称性在市场反应与证券分析师盈利预测误差二者关系中所发挥的影响更加显著。接下来,本文根据STICKY值的正负将总样本分成成本粘性(STICKY<0)和成本反粘性(STICKY>0)两个子样本,并分别就模型3进行回归检验,结果如表8所示。
由表8可知:成本粘性(STICKY<0)子样本的回归结果显示,自变量分析师盈利预测误差(FW)的回归系数在1%的水平上显著为正,与预期一致;交叉变量FW*ABSTICKY的回归系数为负,与预期一致,且其P值显著,这说明对于成本存在粘性的公司,资本市场能够意识到成本粘性对分析师盈利预测准确度的影响,系数为负说明由于成本粘性的存在会弱化市场反应(CAR)与分析师盈利预测误差(FW)之间的显著正相关关系,即对于盈余惊喜会呈现减弱的市场反应。与此同时,成本反粘性(S TICKY>0)子样本的回归结果显示,自变量分析师盈利预测误差(FW)的回归系数同样在1%的水平上显著为正,与预期一致;但是交叉变量FW*ABSTICKY的回归系数为负,虽然与预期一致,但其P值并不显著,究其原因,本文认为原因可能来自于成本粘性与反粘性的产生来源不同,进而导致二者对企业的利弊不同,由于成本存在反粘性的公司要优于成本存在粘性的公司,资本市场对于成本存在反粘性的公司的看好或者青睐,可能导致资本市场忽略成本反粘性对分析师盈利预测准确度的影响,从而反映在回归结果中交叉变量FW*ABSTICKY的回归结果不显著。最后,本文根据FW值的正负将总样本分成正向盈余惊喜(FW>0)和负向盈余惊喜(FW<0)两个子样本,并分别就模型3进行回归检验,结果如表9所示。
由表9可知:首先,正向盈余惊喜(FW>0)与负向盈余惊喜(FW<0)两个子样本的回归结果均显示,自变量分析师盈利预测误差(FW)的系数回归结果显著为正,与预期一致,再一次证明市场反应与分析师盈利预测误差之间存在着正相关关系。其次,尽管两个子样本中分析师盈利预测误差(FW)的系数回归结果均显著为正,但是系数大小程度不同,在正向盈余惊喜(FW>0)子样本中,FW的系数为0.0058而负向盈余惊喜(FW<0)子样本中FW的系数为0.0218,这一结果说明资本市场对负向盈利预测误差的反应更加强烈,即投资者更为关注负向盈余惊喜。最后,从交叉变量FW*ABSTICKY系数的回归结果看,虽然系数均为负,但两个子样本存在很大不同,表9显示只有在出现负向盈余惊喜(FW<0)时,FW*ABSTICKY的系数才显著为负,这就是说,只有当公司出现负向盈余惊喜时,即实际净利润低于预测净利润时,资本市场才能意识到成本粘性和反粘性程度对证券分析师盈利预测准确度的影响,从而在出现盈余惊喜时会呈现弱化的市场反应;而当出现正向盈余惊喜(FW>0)时,即实际净利润高于预测净利润时,资本市场无法意识到成本粘性和反粘性程度对证券分析师盈利预测准确度的影响,使得我们认为在正向盈余惊喜(FW>0)的前提下,成本性态的不对称性在市场反应与分析师盈利预测准确度的关系中并没产生影响。
六、结论与建议
(一)结论
本文从成本粘性和反粘性的角度出发,以沪深A股2547家上市公司作为研究对象,选取其2010-2014年的财务数据,对分析师盈利预测与市场反应的关系进行了研究。经过实证回归,本文得到以下结论:上市公司中,部分公司成本呈现粘性,部分公司成本呈现反粘性。企业的成本粘性和反粘性程度越大,证券分析师的盈利预测误差将越大;而且成本粘性和反粘性对证券分析师盈利预测准确度的影响存在显著不同,只有当成本呈现粘性时,分析师盈利预测误差与成本粘性程度之间的正相关才显著,而在成本呈反粘性的公司中,该关系并不显著。市场反应与证券分析师盈利预测误差的变动方向一致,且资本市场对负向盈利预测误差的反应更为强烈;同时,市场反应与分析师盈利预测误差之间的变动程度会受到成本粘性或反粘性程度的影响,且相比较于成本呈现反粘性的公司,资本市场更容易意识到成本粘性对证券分析师盈利预测准确度的影响,并且粘性程度越大,资本市场对盈余惊喜的反应越弱;此外,只有当出现负向盈余惊喜时,资本市场才能意识到成本粘性和反粘性程度对证券分析师盈利预测准确度的影响,同样成本粘性和反粘性程度越大,资本市场对盈余惊喜的反应越弱。
(二)建议
基于上述研究结论,本文认为上市公司在实务中应该对以下两点加以注意:(1)成本非对称性在盈利预测中的重要影响。目前,将成本习性作为盈利预测的重要考虑因素这一观点在学界得到了广泛认同,众多学者也做了广泛的研究,但是盈利预测的大多数结论均是在对称性假设的条件下推导出来的,然而面对近几年己经被国内外学术界证明的成本与业务量之间呈现的非线性关系,显而易见之前关于盈利预测的结论在一定程度上己经脱离了现实意义。本文研究结论表明,成本非对称性确实影响上市公司盈利预测的准确度,具体表现为:企业的成本粘性和反粘性程度越大,证券分析师的盈利预测误差将越大;而且成本粘性和反粘性对证券分析师盈利预测准确度的影响存在显著不同,只有当成本呈现粘性时,分析师盈利预测误差与成本粘性程度之间的正相关才显著,而在成本呈反粘性的公司中,该关系并不显著。因此,本文认为,成本非对称性作为国内外学术界己经证明的事实,并且成本作为影响企业盈利的重要因素,上市公司在盈利预测的过程中,理应要考虑成本非对称性这一实际,基于这样的前提得到的预测结果才具有实际意义。(2)成本反粘性的存在不可忽视。近年来,学界对成本非对称性的证明己经引起了众多上市公司的关注,本文也得到了这样的结论,发现:上市公司中,部分公司成本呈现粘性,部分公司成本呈现反粘性。但是在相关文献中,研究和讨论较多的是成本粘性这一方面,而忽视了成本非对称性的另一情况、即成本反粘性。本文研究结论表明,成本反粘性确实存在,并且在上市公司盈利预测过程中发挥了重要影响,并进一步影响了资本市场对上市公司盈利预测结果的反应。所以,本文认为上市公司应对成本反粘性加以关注,并将其提升到和成本粘性一样重要的程度加以重视,在研究成本非对称性的过程中,能够全面的考虑粘性和反粘性这两种情况,在不同的年份正确判定自身成本呈现粘性还是反粘性,进而在盈利预测等相关实务中获得的结果更加可靠和真实。
摘要：本文以2010—2014年沪深A股上市公司为研究样本对成本粘性、分析师盈利预测与市场反应间的关系进行了研究。研究发现:成本粘性和反粘性水平越高,证券分析师盈利预测误差越大、预测的准确性越低;市场反应与外部证券分析师盈利预测误差的变动方向一致;同时,资本市场更容易意识到成本粘性对证券分析师盈利预测准确度的影响;此外,只有当出现负向盈余惊喜时,资本市场才能意识到成本粘性或反粘性程度对证券分析师盈利预测准确度的影响。