业绩快报披露对分析师预测行为和预测质量影响.docVIP

　　业绩快报披露对分析师预测行为和预测质量影响 　　一、引言 　　证券分析师是资本市场上重要的信息提供者，他们通过深入分析上市公司公开披露的信息，结合专业的宏观经济和行业分析，预测上市公司的未来业绩并对公司进行估值，为投资者提供公司业绩预测及买卖股票的建议。既有研究发现，证券分析师的业绩预测比时间序列模型更为准确，其给出的预测结果和股票投资建议具有显着的市场反应（Broire，1986；Jennings，1987）[10，11]，提供了较多管理层业绩预测的公司有着更多的分析师跟踪（Graham 等，2005；、盈余与收益相关系数 CORR、公司的融资需求 ISSUE等变量。 　　根据已有研究（Lang 和 Lundholm，1996；白晓宇，2009；王玉涛和王彦超，2012）[16，15，8]，本文用分析师预测分歧度和准确度来表征分析师预测质量，研究业绩快报披露对分析师预测质量的影响。为了检验本文的假说 1c，我们构建了如下模型：【2】 　　 　　模型中的 FDISP 表示分析师预测分歧度，用每个分析师最近一次盈余预测值的标准差来衡量，计算过程见表 1 中的变量定义。ACCURACY 表示分析师预测的准确度，由分析师盈余预测均值与公司实际值之差的绝对值来衡量，详见表 1 中的定义。基于Lang 和 Lundho（l1996）、白晓宇（2009）、王玉涛和王彦超（2012）的研究[16，15，8]，我们控制了预测期长度LENGTH 变量，它由每个分析师最近一次预测距离年报公布日时间长度的均值构成。在对假说 2 进行检验时，我们先将解释变量DISC 扩展为 MAND 与 VOLD，在同一个模型中分别考察业绩快报强制披露和自愿披露的公司相比于未披露的公司在分析师预测方面是否存在差异。此检验可以直观反映强制披露和自愿披露业绩快报在资本市场中的不同效果，但尚不能证明两者的效果是否存在显着差异。为此，在检验强制披露和自愿披露业绩快报对分析师预测的影响是否存在差异时，我们将样本限定为披露了业绩快报的公司，并将模型（1）至（3）中的 DISC 替换为 MAND，该变量系数显着则表明强制披露和自愿披露业绩快报在分析师预测方面存在明显差异。模型中涉及到的变量计算说明如表 1 所示。 　　四、实证分析 　　（一）数据 　　本文业绩快报的原始数据取自 RESSET 金融研究数据库，公司财务数据、市场交易数据以及其他相关数据取自 CSMAR 数据库。本文选取 2004~2013 年的沪深 A 股上市公司作为全样本，公司年度原始观测值有 18 480 个，其中，披露了业绩快报的有5 797 个公司年度观测值。 　　根据研究需要，我们剔除了如下样本：（1）由于行业的特殊性及财务指标的差异，剔除了金融类上市公司，减少了 530 个观测值；（2）剔除了数据缺失的公司年度观测值 1 268 个。最后，在模型（1）中的回归分析中共有 16 682 个观测值，由于部分公司没有分析师跟踪，分析师预测修正 UPDATE 取值为 0无意义，故进一步删除无分析师跟踪的 5 123 个观测值。在模型（2）的回归分析中共有 11 559 个样本，模型（3）中的分析师预测准确度共有 11 558 个样本。 　　由于预测分歧度由分析师盈余预测的方差来衡量，如果某个上市公司只有一个分析师跟踪，则该样本无法取值，故模型（3）在对分析师预测分歧度进行回归分析时只有 9 476 个观测值。样本的行业分类采用了证监会 2012 的分类标准，其分布基本与 A 股公司行业分布相同，如制造业占比较大等。此外，各年度的业绩快报披露样本差异较大，强制披露样本量由于中小板和创业板公司数量存在年度变化而具有年度差异，自愿披露样本的年度占比为 3.13%到9.88%不等，有较明显的年度聚集特征。为此，我们在模型回归中控制了行业和年度变量。 　　（二）描述性统计分析 　　表 2 为变量的描述性统计分析。分析师跟踪数量 NUM 的均值为 1.339 2，说明样本中每家上市公司约有 2.816（e1.3392-1）个分析师发布了业绩预测，最多有 37 个分析师跟踪了上市公司并发布了业绩预测。分析师预测修正 UPDATE 的均值为 19.73%，以每家样本公司平均有 2.816 个分析师跟踪计，平均有 0.56 个分析师报告得到修正。分析师预测分歧度FDISP 的均值为 0.012 1，在样本公司中差异较大，最大者是最小者的 940 倍。分析师预测准确度ACCURACY 的均值为-0.017 7，预测准确度最高的为 0，也即分析师一致性预测值与公司实际业绩相同，中位数-0.006 9 大于均值，说明大部分公司的预测准确度较高。业绩快报披露变量 DISC 的均值为30.98%，说明样本公司中披露业绩快报的公司与未披