第四部分 实证分析全.ppt

描述性统计（1） 4、被解释变量 所有的分析师数据来源于IBES数据库。四个被解释变量包括： 分析师数量=提供年度盈利预测数的分析师数量； 预测标准差=所有对于该公司该年度盈余的预测的标准差（以股价为分母来标准化） 预测精确度=-（︳EPSt - AFt︳）/Pt，式中EPSt代表公司在t期实际的每股盈余；AFt代表t期所有分析师对该公司每股盈余预测的中值；Pt代表该公司t期的股价。 修订波动性=在同一年度中每月预测中值和前一月预测中值的差的标准差/上年度开始时的股价。 描述性统计（2） 5、控制变量 Bhushan(1989)Brennan?and?Hughes(1991)提供了跟踪公司的分析师数量与公司规模和绩效波动之间正相关的实证证据。 Waymire(1986)?and?Lang?and?Lundholm(1993)指出，公司规模和绩效波动也可能会与披露政策有关。 King?et?al.(1990)认为，公司的分析师数量可能会与历史盈余与回报的相关性正相关。 Lang?and?Lundholm(1993)指出历史盈余与回报的相关性和公司的披露水平之间存在负相关关系。 考虑到公司会推出新产品，这样，盈余可能会与预测的盈余有很大的差距，分析师之间的共识度可能会很低，分析师预测可能会进行重要的修改。考虑到上述因素，应加入盈余惊喜作为解释变量。 分析师在使用没有更新的统计信息进行预测时 ，可能会不准确，我们考虑新预测的百分比作为控制变量的一部分 。 对于研究公司跟踪的分析师的数量而言，将公司规模，净资产收益率的标准差、历史盈余与回报的相关性作为控制变量。 在研究分析师的行为特征时，除了上述三个控制变量，还要加入盈余惊喜、新预测的百分比作为控制变量。 公司规模=公司年初的市场价值 净资产收益率的标准差=公司前十年净资产收益率的标准差 历史盈余与回报的相关性=公司过去十年历史盈余与回报的相关性 盈余惊喜 =︱当年每股盈余 -上年每股盈余︱/年初的股票价格。 新预测的百分比 =(该月进行修订的预测+该月新出现的预测)/(该月总的预测数*12) 描述性统计（3） 6、简单相关性检验（1） 在回归方程中不存在多重共线性问题。 正如Lang and Lundholm(1993)认为的，公司披露得分越高，规模越大，过去的净资产收益率标准差越低，过去的历史盈余与回报相关性越低。而且，较高的披露得分公司预测修正的比例也越高。这表明，未来的披露政策与预测修正相关。 简单相关性检验（2） （1）分析师数量与公司的披露信息量正相关。公司披露信息越多，分析师预测的离散程度就越低，预测的就越准确，对预测结果修正的波动性就越低。 （2）分析师的数量与公司规模相关度很高（0.7）。预测的标准差以及修订波动性与盈余惊喜和过去净资产收益率标准差高度正相关。这表明，过去和现在收益情况越不确定，分析师预测的离散程度和波动性就越大。同样，预测精确度与盈余惊喜负相关，这表明如果过去公司盈余发生了重大变化，预测精确度就会降低。 （3）表3的C部分表明了被解释变量之间的关系。相关性最高的是预测修正波动和预测标准差（0.76），这表明，分析师之间的共识性越低，预测修正波动性越大。预测准确度与分析师数量正相关，因为随着预测的人数增加，预测值变得会越精确。 7、回归结果（1） MarkH.Lang UniversityofNorthCarolinaatChapelHill RussellJ.Lundholm UniversityofMichigan 摘要：本文研究了公司披露政策、公司分析师人数与分析师盈余预测的特征之间的关系。 从FAF数据中得出，披露信息越多的公司其跟踪的分析师人数越多，分析师的预测精度也越高，分析师预测之间的离差越小、分析师修订预测的程度越低。这些结果增加了我们对于分析师在资本市场上扮演的角色的理解。 一、引言 本文我们研究披露政策、跟踪的分析师人数与预测特征之间的关系。 企业可以吸引分析师，提高市场预期的精确度，减少信息的不对称，并通过采取更积极的披露政策来限制市场惊喜。 在FAF报告中，分析师评估公司披露的完备性，对以下三个方面分别进行评级打分，即每年公布的信息，其他已发表的信息（包括季度提交的文件，新闻稿和代理报表）以及投资者关系。我们的beij变量是跟踪的分析师人数和预测精度、预测标准差和预测修订的波动性。我们控制其他变量（以往的研究已表明这些变量与利益变量相关），不难发现，在行业内，公司的信息披露政策越积极，跟踪的分析师的人数越多，分析师的盈余预测越精确，分析师预测的离差程度越小，预测修订的波动性越小。 我们的研究表明，对跟踪的分析师和分析师预测的特征而言，公司披露的信息对他