周愛民，劉曉孟

（南開大學(xué)金融學(xué)院，天津 300350）

一、引言

自2020年初，新冠疫情在全球的蔓延對各國資本市場均造成重大沖擊。以美股為例，新冠疫情爆發(fā)后標(biāo)普500、道瓊斯及納斯達(dá)克指數(shù)均出現(xiàn)30%-40%的下跌，并在兩周內(nèi)4 次熔斷。與美股類似，歐洲、亞洲等其他主要市場也經(jīng)歷了不同程度的下跌與波動。作為資本市場中發(fā)布信息、消除不確定性的重要主體，證券分析師在新冠疫情爆發(fā)后的預(yù)測對未來資本市場走向具有重要參考意義。同時，評估該群體面對突發(fā)事件(新冠疫情) 的表現(xiàn)也有助資本市場更好地認(rèn)識分析師預(yù)測的價值與局限性。

通過調(diào)研與數(shù)據(jù)分析，證券分析師以研究報告形式發(fā)布對整體市場、行業(yè)或各股的觀點(diǎn)。其中代表公司未來盈利能力的預(yù)期每股收益（FEPS）對未來資本市場的走向具有重要意義，而資本市場作為實(shí)體經(jīng)濟(jì)的晴雨表，其走向也與整體經(jīng)濟(jì)發(fā)展高度相關(guān)。目前對經(jīng)濟(jì)發(fā)展受新冠疫情影響的文獻(xiàn)主要采用宏觀模型方法(SIR 族模型)，Eichenbaum et al.(2020),Atkeson (2020) 均從此角度分析疫情的經(jīng)濟(jì)影響。宏觀模型雖具有較強(qiáng)的理論基礎(chǔ)，但其模型設(shè)定與校準(zhǔn)仍存在一定主觀成分。與之相比，使用分析師群體對未來幾年上市公司盈利增長的預(yù)測可更直觀地描述資本市場對未來經(jīng)濟(jì)增長的預(yù)期。因新冠疫情對各公司盈利能力的影響有所不同，Ding et al.（2020）發(fā)現(xiàn)高現(xiàn)金、低杠桿公司的股價受新冠疫情沖擊較小。分析師對不同類型公司盈利能力的預(yù)期也可作為新冠疫情對公司盈利沖擊異質(zhì)性的有效證據(jù)。

分析師作為證券市場中信息的重要來源，其面對重大突發(fā)事件的表現(xiàn)亦有較大研究價值。證券分析師是否會受非理性因素（過度反應(yīng)、市場情緒等）影響一直是學(xué)界關(guān)注的熱點(diǎn)問題之一（Mendel &Shleifer,2012;伍燕然等,2012)。因疫情在的最初爆發(fā)始于2019年年底，并未對2019年湖北上市公司實(shí)際經(jīng)營造成顯著影響，其對2019年湖北上市公司盈利預(yù)測的沖擊可視為分析師非理性行為的有力證據(jù)。同時，對我國明星（“新財富”）分析師預(yù)測能力的研究也受到學(xué)界的廣泛關(guān)注1見游家興等(2017)、張然等（2017）。。新冠疫情作為一次重大突發(fā)事件，對比明星分析師與普通分析師的反應(yīng)對正確認(rèn)識明星分析師出具報告的價值具有重要意義。

針對以上問題，本文使用分析師預(yù)期每股收益增長率為被解釋變量，結(jié)合DID 框架進(jìn)行分析。選擇DID 分析框架是因?yàn)橐咔榈谋l(fā)具有較強(qiáng)外生性，以疫情為事件進(jìn)行研究較其他人為政策更能避免混雜現(xiàn)象(confounding)，充分區(qū)分因果性(causality) 與相關(guān)性(association)。同時，我國在2020年1月底迅速實(shí)施有效的隔離遏制政策將疫情早期影響主要限制在湖北省內(nèi)，這為準(zhǔn)自然實(shí)驗(yàn)提供了明確的實(shí)驗(yàn)組(treatment group) 與對照組(control group)，且后續(xù)穩(wěn)健性假設(shè)也支持新冠疫情初期影響僅對湖北省內(nèi)上市公司顯著。故通過因果推斷模型可得到疫情爆發(fā)對分析師預(yù)期每股收益效應(yīng)的可靠估計。2020年1月20日確認(rèn)人傳人感染途徑的時點(diǎn)也可較好地從情緒上將時期劃分為疫情前和疫情后(Fang et al.,2020)。較強(qiáng)的外生性、明確的控制對照組及事前事后劃分均有利于提高DID 模型估計的可靠性。根據(jù)估計結(jié)果本文發(fā)現(xiàn)：第一，分析師在面對突發(fā)事件，尤其是負(fù)面事件時，會受到非理性因素影響在沒有基本面信息支撐的情況下調(diào)低預(yù)期每股收益。第二，分析師更看好負(fù)債水平較低的低杠桿公司與線上性質(zhì)更強(qiáng)的創(chuàng)業(yè)板公司在未來兩年的盈利水平。第三，不論上市公司是否存在基本面變化，明星分析師都更敢于迅速大幅下調(diào)盈利預(yù)期，這種現(xiàn)象在對2020年及2021年的預(yù)測中表現(xiàn)為“勇敢” (游家興等,2017) 下調(diào)，但在2019年的預(yù)測中表現(xiàn)為受非理性因素影響更大的“魯莽”下調(diào)。第四，預(yù)期每股收益增長率結(jié)果表明，分析師群體認(rèn)為新冠疫情對我國經(jīng)濟(jì)的沖擊是短期的，其影響在2020年后將逐漸減弱。此外，作為進(jìn)一步分析，文中還對分析師分歧、分析師預(yù)測頻率及各行業(yè)受疫情沖擊的異質(zhì)性進(jìn)行了定性或定量分析。

本文的主要邊際貢獻(xiàn)可總結(jié)為以下三點(diǎn)：首先，本文對分析師預(yù)測是否受非理性因素影響提供了新的實(shí)證證據(jù)。Abarbanell et al.（1992）,Bouchaud et al.（2019）,Alexander et al.（2020）認(rèn)為證券分析師會存在反應(yīng)不足（Under-reaction）或反應(yīng)過激（Over-reaction）現(xiàn)象從而導(dǎo)致發(fā)布非理性預(yù)測，而爆發(fā)于2020年初的新冠疫情恰好可作為一個驗(yàn)證該現(xiàn)象的準(zhǔn)自然實(shí)驗(yàn)。分析師如在疫情發(fā)生后大幅調(diào)低與疫情并無顯著關(guān)系的2019年盈利預(yù)測，可說明分析師受到非理性因素影響作出缺乏理性根據(jù)的預(yù)期調(diào)整。其次，文中從證券分析師視角給出了疫情對經(jīng)濟(jì)沖擊的持續(xù)性效果。與現(xiàn)有文獻(xiàn)主要通過宏觀模型預(yù)測（Eichenbaum et al.,2020;Atkeson,2020）疫情影響及其持續(xù)時間不同，分析師基于調(diào)研與自身經(jīng)驗(yàn)從上市公司微觀視角預(yù)測了新冠疫情影響的持續(xù)性。此種觀點(diǎn)雖有一定主觀成分，但這種類似專家系統(tǒng)的預(yù)測方式可對現(xiàn)有文獻(xiàn)形成補(bǔ)充。最后，本文通過對比明星分析師與普通分析師對新冠疫情爆發(fā)的反應(yīng)差別進(jìn)一步探究了明星分析師的行為特征。“新財富”分析師作為我國證券行業(yè)中的明星，其業(yè)務(wù)水平是否顯著高于其他同行一直受到學(xué)界與業(yè)界的廣泛關(guān)注。對比本次疫情爆發(fā)前后明星與非明星分析師的反應(yīng)可探究明星分析師預(yù)測的價值及其行為特點(diǎn)，有助于資本市場理性看待這些“明星”提供的信息。

本文剩余部分安排如下：第二部分介紹現(xiàn)有文獻(xiàn)并提出研究假設(shè)；第三部分描述數(shù)據(jù)與研究設(shè)計；第四部分報告DID 模型實(shí)證結(jié)果；第五部分進(jìn)一步分析了疫情沖擊持續(xù)性、分析師分歧、分析師預(yù)測頻率與各行業(yè)受疫情影響的異質(zhì)性，第六部分總結(jié)全文。

二、文獻(xiàn)與研究假設(shè)

自新冠疫情在全球各國爆發(fā)以來，其對資本市場的沖擊被各界學(xué)者廣泛關(guān)注。Alfaro et al.（2020）發(fā)現(xiàn)疫情期間未被有效預(yù)期的新增確診病例數(shù)與股指收益率相關(guān)，股指波動率也會隨著疫情形勢趨于明朗而下降。Ding et al.（2020）指出不同資本結(jié)構(gòu)、所有權(quán)構(gòu)成及供應(yīng)鏈結(jié)構(gòu)的公司對新冠疫情反應(yīng)有著顯著差別。Hassen et al.（2020）基于文本分析對各國上市公司的主要擔(dān)憂進(jìn)行研究，結(jié)果表明需求下降、未來的不確定性與供應(yīng)鏈?zhǔn)歉魃鲜泄镜闹饕獡?dān)憂。雖然新冠疫情在我國已被有效控制，但考慮其較強(qiáng)的隱蔽性及可能的季節(jié)性局部性爆發(fā)，新冠疫情對資本市場的影響還將在一段時間內(nèi)受到學(xué)界與業(yè)界的廣泛關(guān)注。

作為業(yè)界的重要組成部分之一，分析師在資本市場中具有十分重要的作用。眾多國內(nèi)外文獻(xiàn)（Lys &Sohn,1990;潘越et al.,2011;儲一昀和倉勇濤,2008;Gleason &Lee,2003）指出分析師可通過出具研究報告提高資本市場信息傳遞效率，提高股價對公司實(shí)際經(jīng)營狀況的反映能力，從而提高市場有效性。

但分析師及其預(yù)測存在一定局限性，國內(nèi)許多文獻(xiàn)從理性與非理性角度評估分析了各國資本市場中分析師預(yù)測的偏誤并嘗試探究其原因。從理性角度看，券商利益與提振市場交易均是造成分析師發(fā)布有偏盈利預(yù)期的因素。投資機(jī)構(gòu)傭金等券商利益因素會對分析師獨(dú)立性造成顯著影響。國內(nèi)外文獻(xiàn)（Chen &Matsumoto,2006;姜波和周銘山,2015;曹勝和朱紅軍,2011;許年行等,2012）表明，參股基金公司、券商自營與重倉、過高的機(jī)構(gòu)投資者比例、存在再融資行為等均會造成分析師的利益沖突，從而降低其預(yù)測的可信度。同時，資本市場中持幣觀望者顯著多于高倉位客戶，為促進(jìn)市場交易進(jìn)而擴(kuò)大自身利益，發(fā)布有偏的樂觀信息成為分析師的理性選擇。因此樂觀(Optimism) 偏差，即高估公司盈利能力及股價的偏差普遍存在于分析師預(yù)測之中。Cowen et al.(2006),Kadan et al.(2008) 分析了分析師樂觀現(xiàn)象及其在美國資本市場的演變。國內(nèi)文獻(xiàn)(官峰等,2015;王攀娜和羅宏,2017;胡凡和夏翊,2017) 也從各角度估計了我國證券分析師的樂觀及其影響因素。

除理性因素，非理性因素亦是分析師預(yù)測偏誤的重要原因之一。Abarbanell et al.(1992) 和Bouchaud et al.(2019) 指出分析師常常反應(yīng)不足(Under-reaction) 導(dǎo)致其修正預(yù)測中存在顯著的自相關(guān)性。而另一種觀點(diǎn)(Alexander et al.,2020) 認(rèn)為，資本市場對突發(fā)事件，尤其是類似新冠疫情這類的重大突發(fā)事件，往往存在過度反應(yīng)(Over-reaction)。此外，許多文獻(xiàn)2Kang et al.(1994),Loffler (1998),Sedor (2002)。發(fā)現(xiàn)情緒作為另一種非理性因素，也會影響分析師的判斷。Mendel &Shleifer（2012）與伍燕然等（2012）均指出情緒會影響分析師預(yù)測精度。即使控制理性因素影響，伍燕然等(2016)發(fā)現(xiàn)情緒仍會顯著影響分析師預(yù)測精度。蔡慶豐等(2011)指出即使被視為證券市場中理性力量的分析師，其行為與個人投資者一樣均受到情緒的影響，且他們的非理性行為進(jìn)一步加劇了市場波動。游家興等（2013）的研究結(jié)果也表明我國分析師存在迎合投資者信念發(fā)布有偏的預(yù)測信息的行為。

結(jié)合上述相關(guān)文獻(xiàn)，我國分析師是否在疫情爆發(fā)后顯著調(diào)低受影響公司2019年預(yù)期每股收益可作為其預(yù)測是否受到非理性因素影響的重要證據(jù)。在疫情爆發(fā)節(jié)點(diǎn)，各上市公司2019年實(shí)際經(jīng)營活動已經(jīng)結(jié)束，故后續(xù)爆發(fā)疫情對前年度每股收益的影響極為有限。雖分析師存在獲取上市公司最新信息并調(diào)低其預(yù)期收益的可能，但在疫情爆發(fā)前后一致顯著大幅調(diào)低受疫情影響最為嚴(yán)重的湖北地區(qū)上市公司預(yù)期收益只能用過度反應(yīng)與市場情緒等非理性因素進(jìn)行解釋。作為準(zhǔn)自然實(shí)驗(yàn)，與其他政策評估不同，新冠疫情的爆發(fā)具有較高的外生性，同時我國較為有效的遏制隔離手段保證了疫情的早期影響主要被控制在湖北省內(nèi)，故通過新冠疫情爆發(fā)后分析師對預(yù)期收益的調(diào)整可作為有效評估我國分析師是否受非理性因素影響的可靠證據(jù)。基于以上原因，本文提出第一個假設(shè)如下：

H1：面對重大突發(fā)事件，證券分析師預(yù)測會受到市場情緒與過度反應(yīng)等非理性因素影響。

同時，分析師對不同特征公司的預(yù)期每股收益調(diào)整具有異質(zhì)性，其中公司負(fù)債水平及償債能力對分析師的判斷有著重大影響。Ding et al.(2020)指出是否持有充足現(xiàn)金及負(fù)債規(guī)模的大小會影響公司抵御疫情沖擊的能力。更高的資產(chǎn)流動性與較低的杠桿有助于公司在疫情中保持靈活狀態(tài)。為檢驗(yàn)分析師是否認(rèn)可這一觀點(diǎn)，文中對公司持有現(xiàn)金及負(fù)債的狀況與分析師預(yù)期EPS 增長率變化的關(guān)系進(jìn)行了檢驗(yàn)。在此基礎(chǔ)上，本文還對比了創(chuàng)業(yè)板與主板市場間預(yù)期EPS 增長率的差異。其中創(chuàng)業(yè)板雖在行業(yè)成熟度等方面較主板市場處于劣勢，但本次疫情后部分創(chuàng)業(yè)板企業(yè)因其高科技與線上特性表現(xiàn)較好。故對該問題提出兩個相反的假設(shè)。綜上，提出一組假設(shè)如下：

H2a：較持有較低現(xiàn)金的公司相比，分析師更看好高現(xiàn)金公司的增長能力。

H2b：較高杠桿公司相比，分析師更看好低杠桿的增長能力。

H2c_1：較創(chuàng)業(yè)板公司相比，分析師更看具有較高成熟度的主板公司增長能力。

H2c_2:較主板公司相比，分析師更看業(yè)務(wù)模式新穎，線上性質(zhì)強(qiáng)的創(chuàng)業(yè)板增長能力。

作為分析師中的高收入群體，探究明星分析師觀點(diǎn)較其同行的額外價值具有重要現(xiàn)實(shí)意義，但現(xiàn)有文獻(xiàn)對明星分析師及其觀點(diǎn)的價值并未得到一致評價3見董大勇等(2012)、黃俊等(2018)。。張然等（2017）通過構(gòu)建投資組合發(fā)現(xiàn)明星分析師較其同行具有更高的收益水平。我國證券分析報告的領(lǐng)先-跟隨特征表明，明星分析師發(fā)布領(lǐng)先度低于行業(yè)平均水平（董大勇等,2012）；黃俊等(2018) 指出非明星分析師在賣空放開后預(yù)測能力較明星分析師具有更大提升。游家興等(2017)發(fā)現(xiàn)較其他同行明星分析師的選美競賽效應(yīng)與羊群效應(yīng)較弱，且有更強(qiáng)的預(yù)測能力；同時，明星分析師更敢于突破常規(guī)給出勇敢預(yù)測。這意味著在疫情影響下明星分析師較其同行更可能大幅調(diào)低收益預(yù)期。下調(diào)預(yù)期每股收益帶來的潛在利益沖突可能阻止分析師出具不利于上市公司的研究報告，但值得注意的是，大幅下調(diào)預(yù)期在不同預(yù)測期有著不同含義，在2020年與2021年體現(xiàn)為分析師的勇敢下調(diào)，但在2019年則表明分析師受市場情緒影響更為顯著。故本文提出第四個假設(shè)如下：

H3a:相較其他同行，明星分析師受市場情緒影響更顯著。

H3b:相較其他同行，明星分析師更“勇敢”。

三、研究數(shù)據(jù)與研究設(shè)計

（一）研究數(shù)據(jù)

本文 提取2020年1月6日 至2020年2月7日間分析師發(fā)布研究報告中的盈利預(yù)測作為研究對象。其選擇理由在于，2020年1月20日，國家衛(wèi)健委指出新型冠狀病毒(COVID-19) 存在人傳人現(xiàn)象，該警告也成為COVID-19 引起恐慌情緒的起點(diǎn) (Fang et al.,2020)。該區(qū)間是考慮春節(jié)假期后的確認(rèn)前后兩周時間。兩周時間既保證有一定數(shù)量的分析師研報以供DID 模型回歸，同時也確保該期限內(nèi)疫情的主要影響仍局限于湖北境內(nèi)，其他省（區(qū)、市）內(nèi)的上市公司可作為有效的控制組。故文中以1月20日作為處理時間點(diǎn)(Post)，將湖北省內(nèi)注冊或辦公的上市公司作為處理組 (Treatment Group) 構(gòu)建DID 模型以驗(yàn)證前文中各假設(shè)。分析師預(yù)測數(shù)據(jù)源于CSMAR 分析師預(yù)測數(shù)據(jù)庫，其他控制變量數(shù)據(jù)源于WIND 與CSMAR 相應(yīng)數(shù)據(jù)庫。參照現(xiàn)有文獻(xiàn)，在整體數(shù)據(jù)中剔除ST、金融、保險行業(yè)上市公司，在因變量中剔除上下1%的異常值，并對控制變量中的連續(xù)變量進(jìn)行上下1%的縮尾處理(Winsorize)。

1.被解釋變量定義

參考Landier &David (2020) 的研究設(shè)計，定義預(yù)期EPS 增長率 (GFEPS) 為DID 模型的被解釋變量，其具體表達(dá)如下：

其中g(shù)i,t,h表示第i 個上市公司在日期t 相對2018年的h年分析師預(yù)期EPS年化增長率。因我國多數(shù)研報中僅預(yù)測未來三年EPS，而所選期間多數(shù)股票還未發(fā)布2019年財務(wù)報表，故h 僅有2019、2020 和2021三種取值。作為證券分析中的重要指標(biāo)，預(yù)期EPS 增長率上升代表分析師的樂觀觀點(diǎn)，反之亦然。

2.控制變量

參考許年行等(2012)、游家興等(2017)、董望等(2017)、何熙瓊和尹長萍(2018)、姜波和周銘山(2015)等文獻(xiàn)，加入財務(wù)指標(biāo)、公司信息質(zhì)量與分析師相關(guān)信息三個維度的控制變量。具體定義如表1所示：

表1 變量定義、簡稱及計算方式

各變量描述性統(tǒng)計如表2所示。

表2 各變量描述性統(tǒng)計

?

由描述性統(tǒng)計可以看出，雖然疫情會對2020年甚至2021年經(jīng)濟(jì)造成實(shí)際沖擊，但2019年的預(yù)期EPS 增速在三者間均值最低，而2021年略高于2020年。這說明在總體上分析師對2019年預(yù)期最為悲觀，同時相信后續(xù)年度整體增速會逐漸提升。各變量除杠桿外均表現(xiàn)出尖峰肥尾現(xiàn)象，同時所有變量均拒絕服從正態(tài)分布的原假設(shè)。

（二）研究設(shè)計

本文通過構(gòu)建DID 模型結(jié)合數(shù)據(jù)分組檢驗(yàn)上文中各假設(shè)，其中為驗(yàn)證H1 構(gòu)建如下模型：

其中IND 為行業(yè)效應(yīng)，為關(guān)鍵變量，如其系數(shù)顯著為負(fù)，表明湖北地區(qū)上市公司2019年的增長預(yù)期在疫情爆發(fā)后出現(xiàn)顯著下降。因疫情發(fā)生于2019年年底，并未對2019年湖北上市公司的實(shí)際經(jīng)營造成顯著影響，且EPS 中利潤的計算基于權(quán)責(zé)發(fā)生制，故大幅下調(diào)湖北公司2019年EPS 預(yù)期只能用市場情緒引起的分析師非理性，即假設(shè)1 來解釋。

為檢驗(yàn)H2 與H3，參考現(xiàn)有文獻(xiàn)4見周開國等（2014）、謝震和艾春榮（2014）、董望等（2017）、肖斌卿等（2017）。，對上述回歸樣本依照持有現(xiàn)金水平、杠桿水平、是否創(chuàng)業(yè)板與是否為明星分析師進(jìn)行分組回歸。其中前三個對應(yīng)假設(shè)2的四個子假設(shè)，因多現(xiàn)金、少負(fù)債的公司被預(yù)期具有更強(qiáng)的抵御流動性沖擊能力，故預(yù)期高現(xiàn)金組與低杠桿組有絕對值較小且顯著性較低的系數(shù)值。對應(yīng)假設(shè)H2c_1與H2c_2，因創(chuàng)業(yè)板與主板公司在疫情中均具有自身的獨(dú)特優(yōu)勢，其結(jié)果并無一致的預(yù)期。根據(jù)游家興等(2017) 的結(jié)果，明星分析師更敢于做出“勇敢”預(yù)測，故預(yù)期明星組有絕對值更大且顯著的系數(shù)值。此種現(xiàn)象在2020年、2021年的預(yù)測中表現(xiàn)了明星分析師的“勇敢”（H3a），但這種“勇敢”在2019年的預(yù)測中則體現(xiàn)為明星分析師更易受市場情緒影響(H3b)。

在本次以新冠疫情為事件的準(zhǔn)自然實(shí)驗(yàn)中，實(shí)驗(yàn)較強(qiáng)的外生性與完全的樣本覆蓋提升了因果推斷結(jié)果的可靠性。因果推斷（Causal Inference）與普通的計量模型目的不同，其分析試圖確定關(guān)鍵解釋變量（疫情爆發(fā)）與被解釋變量（預(yù)期每股收益) 間的因果關(guān)系而非相關(guān)水平，而這兩者間的差異主要由混同現(xiàn)象(Confounding) 與選擇偏誤（Selection Bias）造成。圖1通過有向無環(huán)圖方式（Hernan &Robins,2020）展示了常見的偏誤及其原因。其中C 代表產(chǎn)生混同現(xiàn)象的變量，研究的目標(biāo)是由實(shí)驗(yàn)分組（A）到觀測結(jié)果（Y）的關(guān)系，即因果關(guān)系A(chǔ)→Y。根據(jù)有向無環(huán)圖理論，對Y 用A 進(jìn)行回歸將導(dǎo)致估計量包含因果關(guān)系A(chǔ)→Y 的同時也包含由A←C→Y 路徑傳導(dǎo)的相關(guān)關(guān)系，從而不能得到無偏的估計量。本實(shí)驗(yàn)因疫情的外生性導(dǎo)致大概率不存在因素C 可導(dǎo)致疫情爆發(fā)，而存在某個變量可同時影響疫情與分析師預(yù)期的可能性更是微乎其微?？刂艫 與Y 的共同的結(jié)果易導(dǎo)致選擇偏差的產(chǎn)生5基于圖理論，A 與Y 的共同結(jié)果S 被稱作對撞因素（Collider），其存在可阻斷相關(guān)關(guān)系的傳導(dǎo)，但控制該變量將導(dǎo)致原本被阻斷的相關(guān)關(guān)系A(chǔ)→S←Y 被打通，Hernan &Robin（2020）將該現(xiàn)象稱為選擇偏誤（Selection Bias）。，這其中最常見的即刪截（Censoring）現(xiàn)象。在存在刪截的因果推斷中，部分樣本因Y 與A 的特殊取值而無法被觀測（被觀測樣本退出實(shí)驗(yàn)或死亡）。本文中各股在分析期持續(xù)上市交易并被分析師關(guān)注，故并不存在所謂刪截現(xiàn)象。綜上，本文實(shí)驗(yàn)設(shè)計可充分剖析疫情對分析師預(yù)測每股收益的因果關(guān)系。在此基礎(chǔ)上，為進(jìn)一步保證實(shí)證結(jié)果的穩(wěn)健性，本文使用安慰劑檢驗(yàn)，在事件時間上，分別將發(fā)生時點(diǎn)整體前推一年與兩年；在處理組上，使用北京與湖南兩省市作為假想的事件發(fā)生地進(jìn)行檢驗(yàn)。

圖1 因果推斷常見偏誤

四、新冠疫情對每股收益增長率預(yù)測值的沖擊

（一）H1 與H2 的實(shí)證檢驗(yàn)

表3展示了對應(yīng)H1 的2019年GFEPS 回歸結(jié)果，模型1-4 中逐漸加入了財務(wù)指標(biāo)、公司信息質(zhì)量與分析師相關(guān)信息三類指標(biāo)?？梢钥闯?，無論是否加入其它控制變量，關(guān)鍵變量始終顯著為負(fù)。這表明假設(shè)1 成立，即分析師在疫情爆發(fā)后受到市場情緒影響非理性地顯著調(diào)低本不應(yīng)被調(diào)低的2019年預(yù)期每股收益。其中，Post 在模型1-3 中為正但不顯著，在4 中雖顯著為正但絕對值水平不高。這表明分析師并未在疫情爆發(fā)后普遍調(diào)低所有股票的預(yù)期每股收益，其他地區(qū)股票作為控制組其預(yù)期每股收益并未受到疫情爆發(fā)的顯著影響，處理組與控制組的分類較為有效。在控制變量方面，財務(wù)指標(biāo)中高現(xiàn)金、高杠桿、小規(guī)模、高ROA 的公司具有更高的2019年預(yù)期每股收益，表明在控制其他變量的前提下流動性充裕、負(fù)債能力較強(qiáng)、前期盈利水平高的小規(guī)模公司具有更高的增速預(yù)期。信息質(zhì)量變量中僅四大會計師事務(wù)所審計具有負(fù)的顯著系數(shù)，這說明以大企業(yè)為代表的四大客戶其2019年預(yù)期每股收益水平較低。這也與上文中對小規(guī)模公司的分析結(jié)果一致。各分析師相關(guān)變量在模型中均不顯著。

表3 2019年預(yù)期EPS 增長率結(jié)果

注：*、**、*** 分別代表10%、5%、1%顯著水平，括號內(nèi)為行業(yè)聚類后的t 值，下同。

（二）H2 與H3 的實(shí)證檢驗(yàn)

表4展示對假設(shè)2 的分組檢驗(yàn)結(jié)果。Panel B 中高杠桿公司的預(yù)期每股收益因疫情影響出現(xiàn)顯著下滑。這驗(yàn)證了H2b 的假設(shè)，即高杠桿公司因其負(fù)債水平較高，在疫情期間更易遭遇流動性危機(jī)，從而影響其正常的生產(chǎn)銷售，導(dǎo)致其預(yù)期較低杠桿公司每股收益在疫情爆發(fā)后出現(xiàn)大幅下降。值得注意的是，高杠桿公司受疫情較為明顯的沖擊不僅限于2019年，2020年與2021年高杠桿公司較其他公司仍有顯著更低的預(yù)期每股收益增速。這說明隨著疫情的不斷發(fā)展，分析師預(yù)期高負(fù)債水平的公司將經(jīng)歷一個持續(xù)的困難時期。與Ding et al.(2020) 的觀點(diǎn)不同，我國分析師并不認(rèn)為持有現(xiàn)金及等價物較多的公司受疫情沖擊更小，Panel A 中不同現(xiàn)金持有水平的組其預(yù)期每股收益增速在疫情爆發(fā)后均未受到顯著沖擊。但關(guān)鍵回歸變量的系數(shù)在高現(xiàn)金組為正，而在低現(xiàn)金組為負(fù)。這說明分析師在疫情爆發(fā)后仍更為青睞高現(xiàn)金持有的公司，只是其青睞程度并未達(dá)到統(tǒng)計上的顯著水平。Panel C 中對比了創(chuàng)業(yè)板與主板市場，分析師在疫情爆發(fā)后并未顯著調(diào)低創(chuàng)業(yè)板預(yù)期每股收益增速，但卻顯著調(diào)低了2019年與2020年主板公司的預(yù)期增速。這印證了H2c_2 的假設(shè)，創(chuàng)業(yè)板公司因其更強(qiáng)的線上性質(zhì)較少受到新冠疫情的沖擊，且分析師預(yù)期疫情對創(chuàng)業(yè)板與主板影響的異質(zhì)性將會在2021年結(jié)束。

表4 H2 分組檢驗(yàn)結(jié)果

表5為假設(shè)3 對應(yīng)的分組檢驗(yàn)結(jié)果。首先，明星分析師與非明星分析師在面對疫情信息沖擊時均顯著調(diào)低2019年GFEPS 水平，這表明分析師群體受市場負(fù)面情緒影響顯著。如上文所述，對2019年GFEPS的下調(diào)并無基本面信息作為支撐，更多是受市場情緒影響。而明星分析師較其他同行下調(diào)幅度更大，故市場情緒對明星分析師影響更為顯著，即假設(shè)H3a 成立。其次，明星分析師在疫情發(fā)生后顯著調(diào)低了2020年與2021年預(yù)期每股收益增速，而此現(xiàn)象在非明星分析師中并不存在。疫情對當(dāng)?shù)亟?jīng)濟(jì)的影響十分明顯，及時調(diào)整未來收益預(yù)期說明明星分析師較其同行更能“勇敢”地對負(fù)面突發(fā)事件進(jìn)行快速反應(yīng)，故假設(shè)H3b 成立?？傮w來看，明星分析師較其他同行更敢于快速調(diào)整預(yù)期每股收益，但此種行為在某些情況下缺乏理性支撐。在面對新信息時能依據(jù)信息主動調(diào)低受影響公司的預(yù)期每股收益（GFEPS2020、GFEPS2021）體現(xiàn)出明星分析師較其同行更為“勇敢”；但面對負(fù)面事件沖擊更大幅度調(diào)低本不應(yīng)受影響的2019年預(yù)期每股收益則說明明星分析師的調(diào)整也具有一定 “魯莽”的成分。

表5 H3 分組檢驗(yàn)結(jié)果

（三）穩(wěn)健性檢驗(yàn)

本文采用安慰劑檢驗(yàn)(Placebo Test) 對上述實(shí)證結(jié)果進(jìn)行分析，將事件發(fā)生時點(diǎn)分別提前一年與兩年，并在保持原事件時點(diǎn)不變的前提下將處理組(湖北) 更換為北京與湖南。其中在事件提前的穩(wěn)健性檢驗(yàn)中，將對應(yīng)的分析師預(yù)測年限也進(jìn)行等幅度提前。結(jié)果關(guān)鍵變量Hubei/Beijing/Hunan×Post 均不顯著，表明本文結(jié)果較為穩(wěn)健。具體結(jié)果如表6所示。

表6 穩(wěn)健性檢驗(yàn)結(jié)果

五、進(jìn)一步分析

上文以預(yù)期EPS 增長率 (GFEPS) 為切入點(diǎn)通過DID 模型分析了疫情發(fā)生前后分析師行為的變化及其背后意義。除該角度外，分析師對疫情持續(xù)影響的預(yù)期、分析師分歧、預(yù)測頻率及行業(yè)間受疫情影響的異質(zhì)性（王玉濤和王彥超,2012;林晚發(fā)等,2020;Landier &David,2020）均是具有研究價值的問題。

（一）對疫情持續(xù)影響的預(yù)期

與對2019年的預(yù)期收益增速不同，分析師在疫情前后對2020年及2021年每股收益的增長率預(yù)期代表資本市場對經(jīng)濟(jì)未來走勢的樂觀程度。Landier&David (2020) 發(fā)現(xiàn)美股EPS 增長率的預(yù)期隨預(yù)測期增加而增加，即分析師相信疫情對美國經(jīng)濟(jì)的沖擊將在短期內(nèi)見頂，經(jīng)濟(jì)形勢會隨著時間推移快速好轉(zhuǎn)。資本市場是實(shí)體經(jīng)濟(jì)的晴雨表，作為掌握資本市場最多信息的群體之一，分析師觀點(diǎn)可作為預(yù)測未來經(jīng)濟(jì)走勢的重要依據(jù)。為探究分析師對未來經(jīng)濟(jì)走勢的預(yù)期，使用如下模型：

其中Post×Hubei 仍為關(guān)鍵變量，其他變量與表達(dá)方式與式（2）相同。因疫情對實(shí)體經(jīng)濟(jì)的沖擊作用，故預(yù)期該系數(shù)在2020年與2021年均會顯著為負(fù)。但兩者間差別體現(xiàn)了分析師對未來兩年經(jīng)濟(jì)走勢的預(yù)期，如2020年預(yù)期增速下降幅度大于2021年，則表明分析師預(yù)期疫情對實(shí)體經(jīng)濟(jì)的沖擊將在2020年達(dá)到最大；反之則說明分析師認(rèn)為疫情將長期影響實(shí)體經(jīng)濟(jì)，且此種影響會在未來兩年內(nèi)逐漸增強(qiáng)。

表7給出2020年與2021年(GFEPS2020、GFEPS2021)基于式(3) 的回歸結(jié)果，與表3類似模型5-8 與9-12中逐漸加入控制變量。關(guān)鍵變量Post×Hubei 在2020年與2021年各模型設(shè)定中均顯著為負(fù)，且2020年中其系數(shù)絕對值均不小于2021年。故從分析師角度，新冠疫情對經(jīng)濟(jì)的負(fù)面影響將在2020年達(dá)到最大，之后其影響將逐漸減弱，即疫情僅會對實(shí)體經(jīng)濟(jì)造成短期沖擊。此外，在表4與表5顯著調(diào)低預(yù)期的分組中（高杠桿組與明星分析師組），分析師對2021年的預(yù)期降幅均低于2020年，這也從另一個角度印證了上述分析師認(rèn)為經(jīng)濟(jì)形勢將在短期沖擊后逐漸轉(zhuǎn)好的結(jié)論。在控制變量中，除與2019年類似的結(jié)果外，高市凈率、高EPS 波動率公司會獲得更高的GFEPS；研究報告數(shù)有正系數(shù)，關(guān)注分析師數(shù)有負(fù)系數(shù)，因數(shù)據(jù)處理采用自然對數(shù)方式，符號相反且絕對值較相近的系數(shù)表明分析師關(guān)注強(qiáng)度（研報總數(shù)/關(guān)注分析師數(shù)）較高的公司預(yù)期增速下滑幅度較小。與表3不同，高ROA 公司的未來預(yù)期增速較低，這表明前期盈利能力較強(qiáng)的公司可能因行業(yè)等原因在后疫情期間不被看好。

表7 2020年、2021年預(yù)期EPS 增長率結(jié)果

vol 0.170* 0.189* 0.176* 0.183** 0.189** 0.176*(1.680) (1.866) (1.951) (2.068) (2.150) (1.951)Big4 -0.267** -0.231** -0.197* -0.231**(-2.280) (-2.194) (-1.925) (-2.194)AnaAttention -0.764*** -0.769*** -0.784*** -0.769***(-4.396) (-4.918) (-5.183) (-4.918)ReportAttention 0.416*** 0.480*** 0.476*** 0.480***(2.865) (3.656) (3.764) (3.656)Star -0.069 -0.069(-0.917) (-0.917)ActiveAnalyst 0.111 0.111(1.244) (1.244)ReportNumber -0.075 -0.075(-1.176) (-1.176)Constant 0.546*** 6.556*** 4.025*** 4.817*** 0.564*** 6.836*** 4.790*** 4.817***(11.477) (7.409) (4.043) (5.371) (13.391) (9.184) (5.679) (5.371)IND Yes Yes Yes Yes Yes Yes Yes Yes Observations 2,070 1,982 1,969 1,860 2,065 1,977 1,964 1,860 Adjusted R2 0.053 0.106 0.125 0.146 0.051 0.127 0.147 0.146

（二）分析師分歧

對分析師群體在疫情發(fā)生后預(yù)測會趨同還是差異化的問題，本文通過畫圖方式直觀判斷不同日期、不同期限預(yù)期收益增速的分歧度，具體如圖2所示。

圖2中實(shí)線為某日對某年預(yù)期收益增速的中位數(shù)，上下虛線分別為5%與95%分位數(shù)值。因各公司在2020年第一季度后陸續(xù)公布2019年年報數(shù)據(jù)，故對2019年預(yù)期收益增速的日期僅取到2020年3月31日，對2020年與2021年預(yù)期收益增速值取至2020年5月底。由圖中可看出三個不同期限預(yù)期收益增速分歧度均在1月20日確認(rèn)人傳人后迅速下降，具體表現(xiàn)為上下虛線距離收窄。但值得注意的是，疫情信息對原本預(yù)期增長率較低的分析師（下虛線）并未造成顯著影響，其影響主要通過降低高增長率預(yù)期分析師的預(yù)期實(shí)現(xiàn)。疫情對總體應(yīng)有對稱的沖擊，其對高預(yù)期增速公司的影響也應(yīng)類似地反映到對低預(yù)期增速公司之上。非對稱的預(yù)期變化體現(xiàn)出分析師較具有較大下調(diào)空間的高增速公司更不愿意下調(diào)預(yù)期已經(jīng)較低的公司。這與分析師群體中普遍存在的信息選擇機(jī)制相關(guān)，即分析師更愿意發(fā)布有利的市場消息(利多消息)，而不愿發(fā)布利空消息。對未來增速已經(jīng)較低的公司繼續(xù)發(fā)表不利信息不論從研究報告價值上或分析師個人利益上均不是理性選擇。同時，在2020年與2021年的預(yù)期增速中，可以發(fā)現(xiàn)0 預(yù)期增速成為5%分位數(shù)的一個下界，無論疫情發(fā)生前后預(yù)期的下界均在0 附近并未出現(xiàn)明顯變化。2019年經(jīng)營活動已完全發(fā)生，分析師可依據(jù)季報等客觀信息估計預(yù)期增速，故存在一部分分析師敢于對經(jīng)營不善的公司給出負(fù)增長的預(yù)期。而2020年與2021年經(jīng)營活動尚未發(fā)生，分析師對其增速的預(yù)期主觀成分更強(qiáng)，其樂觀偏誤（Cowen et al.,2006;Kadan et al.,2008）導(dǎo)致其不愿發(fā)布增速下滑的預(yù)測，故其下界在0 增速預(yù)期成為其預(yù)期增速5%分位數(shù)的下界。通過本次疫情的反應(yīng)也可看出，分析師對未發(fā)生經(jīng)營與預(yù)期具有較大的主觀因素，且0 增速左右的增速預(yù)期能傳遞的信息含量較低。

（三）分析師預(yù)測頻率

分析師是否會顯著地追逐熱點(diǎn)，明星分析師在突發(fā)事件中是否會較其他分析師更為勤勉，這都是非常具有實(shí)際意義的問題。圖3通過對比分析師在不同時期出具報告的內(nèi)容與數(shù)量回答了以上兩個問題。由圖3上側(cè)兩圖可看出明星分析師出具報告數(shù)量在疫情爆發(fā)后（2019年第四周62019年第五周為春節(jié)，僅個別分析師發(fā)布報告，故將其并入第四周數(shù)據(jù)。），無論是較前幾周或上年均未顯著增加。由下側(cè)兩圖可看出，湖北上市公司的相關(guān)報告未在疫情爆發(fā)后顯著增加。故在此次突發(fā)事件中，從報告數(shù)量上，明星分析師并未表現(xiàn)出較同行更高的勤勉程度；同時，整體證券分析行業(yè)也未對疫情較為嚴(yán)重的湖北省上市公司給予特別關(guān)注。當(dāng)然，報告數(shù)量并不能完全代表分析師的工作量，關(guān)注湖北上市公司也不是對疫情熱點(diǎn)問題跟蹤的唯一方式，更多細(xì)節(jié)仍有待進(jìn)一步分析。

（三）行業(yè)間異質(zhì)性分析

不同行業(yè)及預(yù)測期收益增速對疫情的反應(yīng)具有異質(zhì)性，對該異質(zhì)性的研究有助在后疫情期間發(fā)掘理想的投資標(biāo)的。參考Landier &David (2020) 的研究方法，在上文各股預(yù)期收益增速的基礎(chǔ)上計算各行業(yè)在疫情前后一周內(nèi)預(yù)期增速中位數(shù)的變化比例:

其中，i 為第i 個行業(yè)，h 為2019、2020 或2021 三個不同預(yù)測期間，T0、T1分別為1月20日的前后一周。在此基礎(chǔ)上，對其結(jié)果在行業(yè)間使用K-Means 算法進(jìn)行聚類。根據(jù)不同分類數(shù)結(jié)合組內(nèi)方差7因篇幅有限，如有需要不同類個數(shù)組內(nèi)方差情況者，請與作者聯(lián)系。，選擇4類為最佳聚類數(shù)。聚類結(jié)果與各類別中心如表8所示。

表8 行業(yè)GFEPS 變化率與聚類結(jié)果、各類中心

表中1,2,3,4 四類代表對疫情沖擊的不同反應(yīng)，其中1 類僅有采礦一個行業(yè)，其2019年預(yù)期增長在疫情爆發(fā)后出現(xiàn)較其他行業(yè)更高的上升，但2020年與2021年增速均處于較低水平。3 類中也僅租賃與商業(yè)服務(wù)一個行業(yè)，其三年預(yù)期增長在疫情爆發(fā)后均較其他行業(yè)更高，這可能與租賃行業(yè)更符合疫情爆發(fā)后輕資產(chǎn)的經(jīng)營生產(chǎn)特殊需求有關(guān)。2 類是受疫情影響較大的類別，其中交通運(yùn)輸、文化娛樂業(yè)受疫情沖擊的機(jī)理較為明顯，但為何信息技術(shù)、水利、衛(wèi)生也受疫情顯著沖擊仍有待進(jìn)一步研究。4 類中的行業(yè)受疫情影響處于各行業(yè)平均水平，其中制造業(yè)、電力能源、批發(fā)零售等均屬于較為基礎(chǔ)的行業(yè)。因這些行業(yè)的社會需求具有一定穩(wěn)定性，故其受疫情沖擊影響較小。綜上，在后疫情期間租賃與商業(yè)服務(wù)業(yè)很可能將迎來一波較大的發(fā)展，作為保守行業(yè)制造、能源、批發(fā)零售在后疫情期間會保持較為穩(wěn)健的發(fā)展，而文化體育、交通等行業(yè)將面對一段相對困難的時期。

六、結(jié)論

本文對比了新冠疫情爆發(fā)前后兩周分析師預(yù)期每股收益增長率的變化，并以此為切入點(diǎn)分析疫情對經(jīng)濟(jì)沖擊的分析師觀點(diǎn)與分析師在其間的行為特征，具體結(jié)論如下：

一是，面對重大負(fù)面事件時，分析師預(yù)測會顯著地受市場情緒影響。其表現(xiàn)為分析師在疫情爆發(fā)后大幅調(diào)低了湖北上市公司2019年的EPS 增長預(yù)期，而2019年湖北公司的實(shí)際經(jīng)營并未受疫情影響，故此種下調(diào)只能解釋為對市場情緒的非理性反應(yīng)。

二是，基于分組回歸結(jié)果，負(fù)債水平較低的低杠桿公司與線上性質(zhì)更強(qiáng)的創(chuàng)業(yè)板公司較高杠桿公司與主板公司受疫情沖擊更小。

三是，明星分析師在下調(diào)預(yù)期每股收益增速上更為“勇敢”。作為證券分析行業(yè)的頭部群體，明星分析師較其他分析師更敢于大幅下調(diào)預(yù)期EPS 增長。在對2020年與2021年EPS 的下調(diào)中，明星分析師表現(xiàn)出了較其他分析師更高的及時性與調(diào)整幅度。但在本不該調(diào)整的2019年EPS 上，明星分析師依然表現(xiàn)出較其他同行更大的下調(diào)幅度，這也在一定程度上使“勇敢”變成了“魯莽”。

四是，對未來兩年每股收益增長率的預(yù)期表明分析師認(rèn)為本次疫情對實(shí)體經(jīng)濟(jì)的沖擊為短期沖擊，在2020年后其對經(jīng)濟(jì)的影響將逐漸減弱。

五是，通過進(jìn)一步分析發(fā)現(xiàn)分析師分歧在疫情爆發(fā)后因高預(yù)測分析師下調(diào)預(yù)期而出現(xiàn)下降，而相對較低的預(yù)測并未受疫情影響進(jìn)行相應(yīng)下調(diào)；明星分析師與其他分析師均未在疫情爆發(fā)后對熱點(diǎn)事件進(jìn)行高強(qiáng)度跟蹤；租賃與商務(wù)服務(wù)在未來兩年成為最被看好的行業(yè)，文化、交通等成為最被看衰的行業(yè)，而如制造、能源及零售批發(fā)等基礎(chǔ)行業(yè)受疫情影響處于各行業(yè)平均水平。

本研究在理論與實(shí)際意義上均具有一定啟示。從理論意義上，本文通過新冠疫情的準(zhǔn)自然實(shí)驗(yàn)給出了分析師預(yù)測受情緒影響的實(shí)證證據(jù)。同時，由分析師預(yù)測得出的未來經(jīng)濟(jì)走勢估計也對現(xiàn)有評估疫情影響的宏觀模型方法進(jìn)行了一定程度的補(bǔ)充。從實(shí)際意義上，分析師對低杠桿與創(chuàng)業(yè)板公司的偏好對企業(yè)在疫情期間的融資安排與業(yè)務(wù)發(fā)展具有一定的指導(dǎo)意義。此外，對明星分析師行為特征的研究也有助于市場理性看待重大突發(fā)事件中明星分析師的投資建議。