分析师对股票未来收益的预测和其后股票回报之间的关系一直是国内外学术界和实业界关注的热点，但大部分前人关注重点集中在预测的“一致性”上，即分析师预测值的平均值接近真实值的程度，而本文则注意到分析师预测的“不一致性”，研究分析师预测分歧(预测值的标准差)对股票收益的影响。　　预测分歧对股票收益的影响正负与否，涉及到两种不同的理论。若股票收益与预测分歧正相关，则预测分歧可以代表信息风险，是Merton(1987)模型中不完备信息的表现，假定投资者只拥有市场中部分资产的信息，他们只会持有他们有信息的资产，对于有更大信息风险的资产，他们要求有更高的回报，所以，刻画信息风险的预测分歧越大，股票收益越高。若股票收益与预测分歧负相关，则预测分歧代表异质性，Miller(1977)描述了一个卖空限制+异质预期的模型，乐观的投资者很容易买到他们想买的资产，而有悲观预期的投资者被限制不能卖空资产，市场价格其实反映的是较乐观投资者的预期，因此价格被高估，其后资产收益会下降，因此，度量异质性的预测分歧越大，资产回报越低。　　本文通过排序分组(一维、二维、三维)、Fama-French因子回归(按disp分组)、Fama-MacBeth横截面回归等多种方式考察了预测分歧和其后股票收益的关系，不同的研究方法都在不同程度上证明了预测分歧和股票收益正相关，支持了投资者预测分歧与信息风险相关的莫顿假说。风险越高，投资者对资产要求的期望回报也越大，则其后股票收益越高。但在排序分组和按预测分歧指标分组的F-F回归中，显著性并不强，而在个股的F-M回归中则显示出较强的显著性，这个现象引起进一步思索，若信息风险假说成立，这种引起预测分歧的信息风险为什么会在不同检验方法下有显著性的差别？直接分解了系统风险和非系统风险，通过相关分析、分组、横截面回归等方法表明，预测分歧指标与非系统性风险更相关。可能引起预测分歧的信息风险更与非系统性风险有关，资产组合后，非系统性风险对组合收益的贡献相互抵消，才降低了排序分组和F-F回归中检验结果的显著性。最后本文还使用相关分析和回归分析，没有找到证据支持预测分歧的异质性假说，同时在行业内分析也进一步支持了预测分歧的信息风险假说。