论文部分内容阅读
摘 要：本文运用中国A股市场数据验证分析师关注度与股票收益率之间的关系。分析师关注度相对于业绩预测与投资评级能够提供更多更确切的信息；分析师更多地关注大市值、业绩优良的上市公司。运用剩余关注度模型的分析发现，分析师关注度高的公司股票相对于关注度低的公司股票具有显著正的收益率；假想的零投资组合能够为投资者带来显著正收益；运用Fama-Macbeth方法的回归分析发现股票收益率与分析师剩余关注度正相关，但二者之间相互影响的方式有待于进一步研究。
关键词：分析师；剩余关注度；股票收益率；零投资组合；投资评级
中图分类号：F830．91文献标识码：A
文章编号：1000-176X（2008）04-0056-06
证券分析师在给出股票的投资评级时，往往更多地考虑自身的声誉、以及所在机构与上市公司的关系，通常不愿对上市公司做出负面评论。相对于分析师投资评级给出的信息，分析师对股票的关注程度更为确切可信。
20世纪90年代以来，伴随着证券市场的发展，证券分析机构与分析师队伍也随之壮大起来，在证券市场中起着不可或缺的作用。一般来讲，分析师通过其优于一般投资者的信息搜集途径和专业分析能力，对特定证券、公司和行业进行尽职全面的调查，将研究结果形成报告，向市场参与者提供合理反映证券内在价值的信息，从而减弱证券市场内股票真实价值的价格偏离，促进市场的有效性。从广义角度来看，分析师并不局限于自然人，基金管理公司、证券公司的研究部门、专业证券咨询机构、各大专业证券报刊以及专业财经网站的公司研究栏目等都应涵盖在内。本文中的分析师概念即属后者。在我国证券市场上，分析师的投资建议并不规范，监管部门也没有相应的约束机制。一些证券公司的投资评级为四个级别（如国泰君安、申银万国）、三个级别（如中银国际），而更多的分析报告只分析公司基本面与技术面，并不给出明确的投资评级。分析师在给出股票的投资评级时，往往更多地考虑自身的声誉，并且与其所在公司的投资银行业务相关联。这会导致公司的投资评级失真。同样，分析师通常也不愿对上市公司做出负面评论，因为如此可能会损害分析师及所在机构与上市公司的关系，从而影响分析师所属机构的投资银行业务方面的利益。参见Somnath Das等（2006）。因此，与给出明确的投资评级相比，分析师对股票的关注度则更接近真实的判断和敏感性。因此我们认为，相对于分析师投资评级给出的信息，分析师对股票的关注度提供的信息更丰富、更可靠。
分析师往往更关注大市值、业绩优良的上市公司。根据我们的统计，2005年度分析师的公司研究中曝光率最高的便是集大市值与绩优于一身的中国石化（600028），达到297次。因此在对分析师关注度与股票收益率的研究中，需要剔除规模与业绩的影响。在本研究中，我们尝试运用分组比较、回归分析等多种方法探索分析师关注度与股票收益率之间的关系。
一、文献回顾
关于分析师行为与股票收益率的文献中，较早的是James H．Bjerring等（1983）的研究。[1]该文章以一家加拿大证券公司的分析师推荐作为研究对象，结果显示分析师推荐的信息内容并不是立刻反映到市场价格中，但遵循分析师推荐的投资者在扣除交易成本后将会得到显著的正异常收益。他们研究的主要不足是样本单一，并且分析师的推荐集中于石油、天然气、林产品和采矿业等少数行业。
Kent L．Womack（1996）按照两条不同思路，对美国14家主要证券公司的证券分析师买卖推荐进行研究。[2]该研究发现了显著的初期价格和交易量反应，以及在推荐前的股票价格和最终价值之间存在明显的系统性差异。对于买入推荐，平均的事后漂移是温和和短期的，但是对于卖出推荐，事后漂移更大，可以持续6个月之久。分析师买入推荐最具备市场择时和短期择股的价值，总体来看，分析师具有市场择时和选股的能力。
Barber等（2001）研究了投资者根据证券分析师推荐构建投资策略获利的可能性，他们发现：在不考虑交易成本的情况下买入那些评价最高的主流推荐股票并卖空那些评价最低的主流推荐股票，同时根据推荐变化进行投资组合头寸的日调整，将会得到大于4％的年度异常总收益。调整频率的降低或者对调整变化反应的延迟都会消除该收益。而且他们的交易策略会产生高交易成本，扣除成本后他们的投资策略收益并不能显著大于0。[3]
Narasimhan Jegadeesh等（2004）发现证券分析师倾向于推荐成长性好的股票，而高成长股票通常表现为具有较好的定量特性，如正动量、高增长、高交易量和相对昂贵。[4]分析师推荐和动量指标正相关，在那些具有较差定量特性的股票中，更高主流推荐评级将会导致更差的随后收益。他们还在Barber等（2001）的研究基础上首次对主流推荐评级和评级变化做了对比研究，发现在推荐评级和评级变化的价值之间存在显著差异。
Somnath Das等（2006）运用1986—2000年IPO公司股票作为研究对象。[5]该研究认为，分析师出于自身声誉与所在公司投行业务发展考虑，不愿发布关于公司的负面投资分析报告，也不愿意极力推荐某公司股票，因而其所关注的公司股票代表了分析师的投资建议。运用剩余覆盖模型（Residual Coverage Model）分析发现，分析师关注率高的新上市股票收益率显著高于关注率低者，通过财务指标的分析也有类似的结论。该研究证实分析师具有很强的预测能力。
多数国内研究将分析师的财务预测与投资建议（例如国泰君安对股票增持、谨慎增持、中性、减持评级）作为研究对象，运用沪深A股市场数据，考察不同投资建议下股票收益率状况。较有代表性的为姜国华（2004），吴东辉，薛祖云（2005），王征等（2006）等。[6-7-8]
如我们在引言中所述，分析师关注度相对于投资评级，可能更多地显示了分析师偏好与建议。本文试图从分析师剩余关注度的视角着眼，采用与Somnath Das等（2006）的剩余覆盖模型较为相近的方法，研究分析师关注度、剩余关注度与股票收益率的关系。
二、数据、模型与变量
1．数据与样本
本文数据来自WIND资讯、国泰君安数据库，以及各大财经网站、报刊的手工采集。
由于分析师关注度数据搜集工作量巨大，我们仅选用2005年的数据用于研究。
我们在2004—2006年间所有A股上市公司中，剔除了ST类公司、金融类公司，以及数据不完整的公司，最后得到了样本公司982家。
2．模型与变量
我们先考察分析师对股票的关注度的影响因素。我们用股票受到的关注的频数来表示其受关注程度。在剔除公司规模、公司业绩等因素的影响后，得到分析师对该股票的剩余（residual）关注度，为下面研究提供样本分类依据。
其中，CONi为公司i受到关注的频数，SIZEi为公司i市值的自然对数，PEi为公司i的市盈率，residuali为公司i的剩余关注度。
在得到了分析师剩余关注度数据后，我们对所有样本公司按剩余关注度从小到大排序，然后依剩余关注度由小到大分成数目大致相同的三组，对于上述三组公司，进行如下分析：
首先，分别比较三组样本的2004年、2005年、2006年的收益率状况，我们采用未经调整的收益率、指数调整后的收益率分别比较。
其次，我们对三组样本分别采用Fama-French四因素模型，[9]从股票收益率中剔除市场收益率、公司规模因素（小公司收益率减去大公司收益率，SMB）、市净率因素（高账面市值比公司收益率减去低账面市值比公司收益率，HML）、动量效应因素（高动量效应股票收益率减去低动量效应股票收益率），再将经过上述剔除后得到的收益率，即回归方程的常数项进行比较。四因素模型的方程如下：
其中，Rpt表示股票第t期的收益率，Rft表示第t期的无风险利率，Rmt为第t期的市场收益率。
最后，我们建立以股票收益率为被解释变量、以剩余关注度等为解释变量的回归方程，考察剩余关注度对股票收益率的影响。方程如下：
其中，Rit为股票i第t期的收益率，MVit为公司i第t期的市值，(BV/MV)it为公司i第t期的账面价值与市场价值之比。
需要指出的是，上述方程的回归方法为Fama-Macbeth方法[10]，即对每一期的截面数据分别作回归，然后将各期回归得到的参数取平均值，作为最终的参数值。此方法在一定意义上增强了回归结果的稳定性。
三、实证结果
1．描述性统计
2005年度分析师关注度数据采集自华夏基金、南方基金等12家基金公司，国泰君安、中银国际等16家证券公司，北京首证等10家咨询机构以及中国证券报等6家证券报刊。统计特征如下：
其中，Rit为股票i第t期的收益率，MVit为公司i第t期的市值，(BV/MV)it为公司i第t期的账面价值与市场价值之比。
需要指出的是，上述方程的回归方法为Fama-Macbeth方法[10]，即对每一期的截面数据分别作回归，然后将各期回归得到的参数取平均值，作为最终的参数值。此方法在一定意义上增强了回归结果的稳定性。
如表2所示，常数项、公司规模的系数、公司业绩的系数均显著。所不同的是，前二者为正值，而业绩系数为负值。由此可知，分析师关注度与公司规模、公司业绩正相关（由于市盈率越低的公司业绩越好）。调整后的拟合优度为0．59，解释变量对被解释变量的解释能力较强。由该回归方程得到的残差（residual）序列为下面的研究提供上市公司分类标准，并且作为模型（3）的解释变量。
3．收益率分组比较结果
在上一节得到分析师剩余关注度数据后，我们对所有样本公司按剩余关注度从小到大排序，然后分成数目大致相同
的三组，第一组和第三组中分别包含327家公司，具有最小和最大的声誉关注度，第二组中包含328家上市公司，剩余关注度居中。
如表3所示，在每一年份中，三组公司的收益率均存在差异。2004年，中国股市经历了由1783点指上证综合指数，下同。的阶段性头部到1259点的单边下行行情，大部分股票随大盘一路走低。剩余关注度较低的第一组公司在该年份的平均跌幅高达19．13%，第二组公司的平均跌幅也高达16．39%；相对于前两者而言，剩余关注度较高的第三组平均跌幅最小，为9．83%。在大盘筑底阶段的2005年，股票的表现同样不尽如人意，三类公司的股票平均收益率均出现负值，第一组公司跌幅最大，第二组公司跌幅相对较小，第三组公司跌幅最小，但与第二组公司较为接近。2006年，三组公司的股票收益率均出现爆发式增长，但三组公司按收益率排序状况依然没有改变。
注：R表示未经调整的股票收益率，IAR表示指数调整后的股票收益率。“*”，“**”分别代表由t-检验在10%，5%的显著性水平下拒绝零假设。
值得注意的是，我们的分析师关注度数据采自2005年度，而表3显示第一类公司与第三类公司的平均收益率均显著不为零，且二者之间差异较大，说明分析师剩余关注度与前期、当期、后期的股票收益率相关。我们还发现，2004年度第三组公司的平均收益率较前两组高出很多，而三年中，第一组公司的平均收益率均明显低于后两组公司。分析师关注较少的股票有被边缘化的倾向。2007年2月—5月间，中国A股经历了前所未有的个股普涨局面，低价、题材的炒作甚至消灭了5元以下的股票，前期被冷落的个股几乎都迎来了表现机会，某些基金公司一度也转向低价股的炒作。由于超出了本研究的时间段，故不作过多讨论。
4．模型（2）的回归结果
我们分别以由分析师剩余关注度排序分组而得的样本公司的收益率与同期无风险收益率之差为被解释变量，以同期市场收益率与无风险收益率之差、小公司与大公司收益率之差、高账面市值比公司与低账面市值比公司收益率之差以及高动量效应股票与低动量效应股票收益率之差为解释变量，运行如模型（2）所示的回归方程。为了使结果更全面可信，除三组公司外，还加入了全部样本公司与零投资组合两个回归方程。其中，零投资组合是指买入第三组公司股票的同时，卖空等值的第一组公司股票的投资组合，其初始投资为零。由于中国股市尚无卖空机制，故此组合的意义仅停留在理论层面。回归方程如表4—表6所示。
上述回归结果中，由t-检验显示，除零投资组合外大部分回归系数统计显著，拟合优度较高。四个解释变量对被解释变量均有较强的解释能力，说明市场因素、规模因素、市净率因素（账面-市值比的倒数）、动量因素确实与股票收益率相关。
常数项的回归结果显示，在剔除上述四因素的影响后，第一组公司收益率明显低于第三组公司的收益率。三个年份中，买入第三组公司股票、卖空第一组公司股票的零投资组合均有显著为正的收益率。
5．模型（3）的回归结果
在模型（3）中，我们不再进行分组回归，而是将分析师剩余关注度作为解释变量，将公司规模、公司账面市值比作为控制变量，考察其对股票收益率的影响。
如表7所示，在控制了公司规模、公司账面市值比两个因素后，分析师剩余关注度显著为正，说明其对股票收益率有很强的解释能力：一只股票的剩余关注度越高，其收益率越高。
上述的实证结果说明，分析师关注度确实与股票收益率相关。2004年、2005年、2006年度的股票收益率均与2005年的分析师剩余关注度相关。由于我们没有搜集2004年、2006年的分析师关注度数据，因此不能得出进一步的关于二者之间相互影响方式的结论，只能证实二者之间可能存在相互影响。
6．实证部分的不足及下一步研究
本文的实证部分存在一些不足之处，可能会影响到结果的可信度。随着股票市场的健全、数据可得性的提高以及相关研究的开展，我们将在后续研究中逐步弥补这些不足。
首先，本文所用的分析师关注度数据仅取自2005年，收益率数据取自2004—2006年，数据跨度较短，不利于发现长期规律。这一方面是由于数据搜集的复杂性与数据可得性，另一方面也是由于2003年以前分析师数据本身较少。因此，今后的研究中，随着时间的推移以及数据资源可得性的提高，我们将运用更长的数据进行分析，以取得分析师关注度数据的更长序列，对其本身特征进行分析，以发现分析师行为规律与特征。此外，我们还应该运用更长的股票收益率序列以配合关注度数据，以发现关注度对收益率的长期影响。
其次，本文并未区分不同来源的分析师关注度，原因是我们无法给出证券公司、基金、咨询机构、财经媒体等发布的公司评论的重要性区分，即目前没有赋权的依据。这也是值得进一步研究的课题之一。
最后，股票收益率与分析师关注度的相互影响并没有被细致地研究。上文的实证分析发现，二者之间存在相互影响，但影响的方式有待于进一步探索。
四、结 论
通过实证分析发现，分析师关注度与股票收益率之间存在相互影响。描述性统计发现，分析师更关注中国石化（600028）等大盘指标股，且存在关注客体趋同的倾向。以分析师关注度为被解释变量的回归分析发现，分析师关注度与上市公司的规模、业绩正相关。我们依据通过上述回归得到的分析师剩余关注度序列，将样本公司分为分析师关注度不同的三组。对2004—2006年度每一组公司的收益率与市场调整收益率状况的列表比较发现，分析师关注度高的第三组公司股票收益率显著高于分析师关注度低的第一组。接着，我们用Fama-French四因素模型对市场收益、公司规模、市净率、动量效应等因素加以剔除，对回归方程常数项的比较发现，第一组与第三组公司的收益率依然存在明显差异。引入零投资组合的分析发现，该组合具有显著的正收益。由于中国股市没有卖空机制，因此该组合尚停留在理论分析上。我们又运用Fama-Macbeth方法，将分析师剩余关注度直接作为股票收益率的解释变量，与事前年份、事中年份、事后年份等三个年份的股票收益率进行回归分析。结果发现，在三个年份中，分析师剩余关注度对股票收益率均有显著的正的影响。此外，数据与方法上的一些不足可能会影响到结论的可信度，分析师关注度问题的研究有待于今后进一步向纵深拓展。
综上分析，我们虽然尚未发现分析师关注度与股票收益率的相互影响方式，即二者相互影响的时序问题，但不难发现，投资于分析师关注度高的股票、卖出（在条件允许时可卖空）分析师关注度低的股票，可以获得相对较高的收益。这对投资者的投资行为具有较强的指导意义。
参考文献：
［1］ James H．Bjerring，Josef Lakonishok，and Theo Vermaelen．Stock price and financial analysts’ recommendations［J］．The Journal of Finance，1983，（138）：187-204．
［2］ Kent L．Womack．Do brokerage analysts’ recommendations have investment value? ［J］．The Journal of Finance，1996，（151）：137-167．
［3］ Brad Barber，Reuven Lehavy，Maureen Mcnichols，and Brett trueman．Can investors profit from the prophet? security analyst recommendations and stock returns［J］．The Journal of Finance，2001，（531）：531-563．
［4］ Narasimhan Jegadeesh，Joonghyuk Kim，Susan D．Krische and Charles，M．Lee．Analyzing the analysts: when do recommendations add value? ［J］．The Journal of Finance，2004，59（3）：1083-1124．
［5］ Somnath Das，Re-Jin Guo and Huai Zhang．Analysts Selective Coverage and Subsequent Performance of Newly Public Firms［J］．Journal of Finance，2006，61（3）：1159-1185．
［6］ 姜国华．关于证券分析师对中国上市公司会计收益预测的实证研究［J］．经济科学，2004，（6）：72-79．
［7］ 吴东辉，薛祖云．财务分析师盈利预测的投资价值:来自深沪A股市场的证据［J］．会计研究，2005，（8）：37-42．
［8］ 王征等．分析师的建议是否有投资价值——来自中国市场的经验数据［J］．财经问题研究，2006，（7）：36-44．
［9］ Fama，E．and French，K．The Cross2Sectional of Expected Stock Returns［J］．Journal of Finance，1992，（47）：427-465．
［10］ Fama，Eugene F．，and James D．Macbeth．Risk，Return and Equilibrium: Empirical Tests［J］．Journal of Political Economy，1973，（81）: 603-636．
（责任编辑：杨全山）
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”
关键词：分析师；剩余关注度；股票收益率；零投资组合；投资评级
中图分类号：F830．91文献标识码：A
文章编号：1000-176X（2008）04-0056-06
证券分析师在给出股票的投资评级时，往往更多地考虑自身的声誉、以及所在机构与上市公司的关系，通常不愿对上市公司做出负面评论。相对于分析师投资评级给出的信息，分析师对股票的关注程度更为确切可信。
20世纪90年代以来，伴随着证券市场的发展，证券分析机构与分析师队伍也随之壮大起来，在证券市场中起着不可或缺的作用。一般来讲，分析师通过其优于一般投资者的信息搜集途径和专业分析能力，对特定证券、公司和行业进行尽职全面的调查，将研究结果形成报告，向市场参与者提供合理反映证券内在价值的信息，从而减弱证券市场内股票真实价值的价格偏离，促进市场的有效性。从广义角度来看，分析师并不局限于自然人，基金管理公司、证券公司的研究部门、专业证券咨询机构、各大专业证券报刊以及专业财经网站的公司研究栏目等都应涵盖在内。本文中的分析师概念即属后者。在我国证券市场上，分析师的投资建议并不规范，监管部门也没有相应的约束机制。一些证券公司的投资评级为四个级别（如国泰君安、申银万国）、三个级别（如中银国际），而更多的分析报告只分析公司基本面与技术面，并不给出明确的投资评级。分析师在给出股票的投资评级时，往往更多地考虑自身的声誉，并且与其所在公司的投资银行业务相关联。这会导致公司的投资评级失真。同样，分析师通常也不愿对上市公司做出负面评论，因为如此可能会损害分析师及所在机构与上市公司的关系，从而影响分析师所属机构的投资银行业务方面的利益。参见Somnath Das等（2006）。因此，与给出明确的投资评级相比，分析师对股票的关注度则更接近真实的判断和敏感性。因此我们认为，相对于分析师投资评级给出的信息，分析师对股票的关注度提供的信息更丰富、更可靠。
分析师往往更关注大市值、业绩优良的上市公司。根据我们的统计，2005年度分析师的公司研究中曝光率最高的便是集大市值与绩优于一身的中国石化（600028），达到297次。因此在对分析师关注度与股票收益率的研究中，需要剔除规模与业绩的影响。在本研究中，我们尝试运用分组比较、回归分析等多种方法探索分析师关注度与股票收益率之间的关系。
一、文献回顾
关于分析师行为与股票收益率的文献中，较早的是James H．Bjerring等（1983）的研究。[1]该文章以一家加拿大证券公司的分析师推荐作为研究对象，结果显示分析师推荐的信息内容并不是立刻反映到市场价格中，但遵循分析师推荐的投资者在扣除交易成本后将会得到显著的正异常收益。他们研究的主要不足是样本单一，并且分析师的推荐集中于石油、天然气、林产品和采矿业等少数行业。
Kent L．Womack（1996）按照两条不同思路，对美国14家主要证券公司的证券分析师买卖推荐进行研究。[2]该研究发现了显著的初期价格和交易量反应，以及在推荐前的股票价格和最终价值之间存在明显的系统性差异。对于买入推荐，平均的事后漂移是温和和短期的，但是对于卖出推荐，事后漂移更大，可以持续6个月之久。分析师买入推荐最具备市场择时和短期择股的价值，总体来看，分析师具有市场择时和选股的能力。
Barber等（2001）研究了投资者根据证券分析师推荐构建投资策略获利的可能性，他们发现：在不考虑交易成本的情况下买入那些评价最高的主流推荐股票并卖空那些评价最低的主流推荐股票，同时根据推荐变化进行投资组合头寸的日调整，将会得到大于4％的年度异常总收益。调整频率的降低或者对调整变化反应的延迟都会消除该收益。而且他们的交易策略会产生高交易成本，扣除成本后他们的投资策略收益并不能显著大于0。[3]
Narasimhan Jegadeesh等（2004）发现证券分析师倾向于推荐成长性好的股票，而高成长股票通常表现为具有较好的定量特性，如正动量、高增长、高交易量和相对昂贵。[4]分析师推荐和动量指标正相关，在那些具有较差定量特性的股票中，更高主流推荐评级将会导致更差的随后收益。他们还在Barber等（2001）的研究基础上首次对主流推荐评级和评级变化做了对比研究，发现在推荐评级和评级变化的价值之间存在显著差异。
Somnath Das等（2006）运用1986—2000年IPO公司股票作为研究对象。[5]该研究认为，分析师出于自身声誉与所在公司投行业务发展考虑，不愿发布关于公司的负面投资分析报告，也不愿意极力推荐某公司股票，因而其所关注的公司股票代表了分析师的投资建议。运用剩余覆盖模型（Residual Coverage Model）分析发现，分析师关注率高的新上市股票收益率显著高于关注率低者，通过财务指标的分析也有类似的结论。该研究证实分析师具有很强的预测能力。
多数国内研究将分析师的财务预测与投资建议（例如国泰君安对股票增持、谨慎增持、中性、减持评级）作为研究对象，运用沪深A股市场数据，考察不同投资建议下股票收益率状况。较有代表性的为姜国华（2004），吴东辉，薛祖云（2005），王征等（2006）等。[6-7-8]
如我们在引言中所述，分析师关注度相对于投资评级，可能更多地显示了分析师偏好与建议。本文试图从分析师剩余关注度的视角着眼，采用与Somnath Das等（2006）的剩余覆盖模型较为相近的方法，研究分析师关注度、剩余关注度与股票收益率的关系。
二、数据、模型与变量
1．数据与样本
本文数据来自WIND资讯、国泰君安数据库，以及各大财经网站、报刊的手工采集。
由于分析师关注度数据搜集工作量巨大，我们仅选用2005年的数据用于研究。
我们在2004—2006年间所有A股上市公司中，剔除了ST类公司、金融类公司，以及数据不完整的公司，最后得到了样本公司982家。
2．模型与变量
我们先考察分析师对股票的关注度的影响因素。我们用股票受到的关注的频数来表示其受关注程度。在剔除公司规模、公司业绩等因素的影响后，得到分析师对该股票的剩余（residual）关注度，为下面研究提供样本分类依据。
其中，CONi为公司i受到关注的频数，SIZEi为公司i市值的自然对数，PEi为公司i的市盈率，residuali为公司i的剩余关注度。
在得到了分析师剩余关注度数据后，我们对所有样本公司按剩余关注度从小到大排序，然后依剩余关注度由小到大分成数目大致相同的三组，对于上述三组公司，进行如下分析：
首先，分别比较三组样本的2004年、2005年、2006年的收益率状况，我们采用未经调整的收益率、指数调整后的收益率分别比较。
其次，我们对三组样本分别采用Fama-French四因素模型，[9]从股票收益率中剔除市场收益率、公司规模因素（小公司收益率减去大公司收益率，SMB）、市净率因素（高账面市值比公司收益率减去低账面市值比公司收益率，HML）、动量效应因素（高动量效应股票收益率减去低动量效应股票收益率），再将经过上述剔除后得到的收益率，即回归方程的常数项进行比较。四因素模型的方程如下：
其中，Rpt表示股票第t期的收益率，Rft表示第t期的无风险利率，Rmt为第t期的市场收益率。
最后，我们建立以股票收益率为被解释变量、以剩余关注度等为解释变量的回归方程，考察剩余关注度对股票收益率的影响。方程如下：
其中，Rit为股票i第t期的收益率，MVit为公司i第t期的市值，(BV/MV)it为公司i第t期的账面价值与市场价值之比。
需要指出的是，上述方程的回归方法为Fama-Macbeth方法[10]，即对每一期的截面数据分别作回归，然后将各期回归得到的参数取平均值，作为最终的参数值。此方法在一定意义上增强了回归结果的稳定性。
三、实证结果
1．描述性统计
2005年度分析师关注度数据采集自华夏基金、南方基金等12家基金公司，国泰君安、中银国际等16家证券公司，北京首证等10家咨询机构以及中国证券报等6家证券报刊。统计特征如下：
其中，Rit为股票i第t期的收益率，MVit为公司i第t期的市值，(BV/MV)it为公司i第t期的账面价值与市场价值之比。
需要指出的是，上述方程的回归方法为Fama-Macbeth方法[10]，即对每一期的截面数据分别作回归，然后将各期回归得到的参数取平均值，作为最终的参数值。此方法在一定意义上增强了回归结果的稳定性。
如表2所示，常数项、公司规模的系数、公司业绩的系数均显著。所不同的是，前二者为正值，而业绩系数为负值。由此可知，分析师关注度与公司规模、公司业绩正相关（由于市盈率越低的公司业绩越好）。调整后的拟合优度为0．59，解释变量对被解释变量的解释能力较强。由该回归方程得到的残差（residual）序列为下面的研究提供上市公司分类标准，并且作为模型（3）的解释变量。
3．收益率分组比较结果
在上一节得到分析师剩余关注度数据后，我们对所有样本公司按剩余关注度从小到大排序，然后分成数目大致相同
的三组，第一组和第三组中分别包含327家公司，具有最小和最大的声誉关注度，第二组中包含328家上市公司，剩余关注度居中。
如表3所示，在每一年份中，三组公司的收益率均存在差异。2004年，中国股市经历了由1783点指上证综合指数，下同。的阶段性头部到1259点的单边下行行情，大部分股票随大盘一路走低。剩余关注度较低的第一组公司在该年份的平均跌幅高达19．13%，第二组公司的平均跌幅也高达16．39%；相对于前两者而言，剩余关注度较高的第三组平均跌幅最小，为9．83%。在大盘筑底阶段的2005年，股票的表现同样不尽如人意，三类公司的股票平均收益率均出现负值，第一组公司跌幅最大，第二组公司跌幅相对较小，第三组公司跌幅最小，但与第二组公司较为接近。2006年，三组公司的股票收益率均出现爆发式增长，但三组公司按收益率排序状况依然没有改变。
注：R表示未经调整的股票收益率，IAR表示指数调整后的股票收益率。“*”，“**”分别代表由t-检验在10%，5%的显著性水平下拒绝零假设。
值得注意的是，我们的分析师关注度数据采自2005年度，而表3显示第一类公司与第三类公司的平均收益率均显著不为零，且二者之间差异较大，说明分析师剩余关注度与前期、当期、后期的股票收益率相关。我们还发现，2004年度第三组公司的平均收益率较前两组高出很多，而三年中，第一组公司的平均收益率均明显低于后两组公司。分析师关注较少的股票有被边缘化的倾向。2007年2月—5月间，中国A股经历了前所未有的个股普涨局面，低价、题材的炒作甚至消灭了5元以下的股票，前期被冷落的个股几乎都迎来了表现机会，某些基金公司一度也转向低价股的炒作。由于超出了本研究的时间段，故不作过多讨论。
4．模型（2）的回归结果
我们分别以由分析师剩余关注度排序分组而得的样本公司的收益率与同期无风险收益率之差为被解释变量，以同期市场收益率与无风险收益率之差、小公司与大公司收益率之差、高账面市值比公司与低账面市值比公司收益率之差以及高动量效应股票与低动量效应股票收益率之差为解释变量，运行如模型（2）所示的回归方程。为了使结果更全面可信，除三组公司外，还加入了全部样本公司与零投资组合两个回归方程。其中，零投资组合是指买入第三组公司股票的同时，卖空等值的第一组公司股票的投资组合，其初始投资为零。由于中国股市尚无卖空机制，故此组合的意义仅停留在理论层面。回归方程如表4—表6所示。
上述回归结果中，由t-检验显示，除零投资组合外大部分回归系数统计显著，拟合优度较高。四个解释变量对被解释变量均有较强的解释能力，说明市场因素、规模因素、市净率因素（账面-市值比的倒数）、动量因素确实与股票收益率相关。
常数项的回归结果显示，在剔除上述四因素的影响后，第一组公司收益率明显低于第三组公司的收益率。三个年份中，买入第三组公司股票、卖空第一组公司股票的零投资组合均有显著为正的收益率。
5．模型（3）的回归结果
在模型（3）中，我们不再进行分组回归，而是将分析师剩余关注度作为解释变量，将公司规模、公司账面市值比作为控制变量，考察其对股票收益率的影响。
如表7所示，在控制了公司规模、公司账面市值比两个因素后，分析师剩余关注度显著为正，说明其对股票收益率有很强的解释能力：一只股票的剩余关注度越高，其收益率越高。
上述的实证结果说明，分析师关注度确实与股票收益率相关。2004年、2005年、2006年度的股票收益率均与2005年的分析师剩余关注度相关。由于我们没有搜集2004年、2006年的分析师关注度数据，因此不能得出进一步的关于二者之间相互影响方式的结论，只能证实二者之间可能存在相互影响。
6．实证部分的不足及下一步研究
本文的实证部分存在一些不足之处，可能会影响到结果的可信度。随着股票市场的健全、数据可得性的提高以及相关研究的开展，我们将在后续研究中逐步弥补这些不足。
首先，本文所用的分析师关注度数据仅取自2005年，收益率数据取自2004—2006年，数据跨度较短，不利于发现长期规律。这一方面是由于数据搜集的复杂性与数据可得性，另一方面也是由于2003年以前分析师数据本身较少。因此，今后的研究中，随着时间的推移以及数据资源可得性的提高，我们将运用更长的数据进行分析，以取得分析师关注度数据的更长序列，对其本身特征进行分析，以发现分析师行为规律与特征。此外，我们还应该运用更长的股票收益率序列以配合关注度数据，以发现关注度对收益率的长期影响。
其次，本文并未区分不同来源的分析师关注度，原因是我们无法给出证券公司、基金、咨询机构、财经媒体等发布的公司评论的重要性区分，即目前没有赋权的依据。这也是值得进一步研究的课题之一。
最后，股票收益率与分析师关注度的相互影响并没有被细致地研究。上文的实证分析发现，二者之间存在相互影响，但影响的方式有待于进一步探索。
四、结 论
通过实证分析发现，分析师关注度与股票收益率之间存在相互影响。描述性统计发现，分析师更关注中国石化（600028）等大盘指标股，且存在关注客体趋同的倾向。以分析师关注度为被解释变量的回归分析发现，分析师关注度与上市公司的规模、业绩正相关。我们依据通过上述回归得到的分析师剩余关注度序列，将样本公司分为分析师关注度不同的三组。对2004—2006年度每一组公司的收益率与市场调整收益率状况的列表比较发现，分析师关注度高的第三组公司股票收益率显著高于分析师关注度低的第一组。接着，我们用Fama-French四因素模型对市场收益、公司规模、市净率、动量效应等因素加以剔除，对回归方程常数项的比较发现，第一组与第三组公司的收益率依然存在明显差异。引入零投资组合的分析发现，该组合具有显著的正收益。由于中国股市没有卖空机制，因此该组合尚停留在理论分析上。我们又运用Fama-Macbeth方法，将分析师剩余关注度直接作为股票收益率的解释变量，与事前年份、事中年份、事后年份等三个年份的股票收益率进行回归分析。结果发现，在三个年份中，分析师剩余关注度对股票收益率均有显著的正的影响。此外，数据与方法上的一些不足可能会影响到结论的可信度，分析师关注度问题的研究有待于今后进一步向纵深拓展。
综上分析，我们虽然尚未发现分析师关注度与股票收益率的相互影响方式，即二者相互影响的时序问题，但不难发现，投资于分析师关注度高的股票、卖出（在条件允许时可卖空）分析师关注度低的股票，可以获得相对较高的收益。这对投资者的投资行为具有较强的指导意义。
参考文献：
［1］ James H．Bjerring，Josef Lakonishok，and Theo Vermaelen．Stock price and financial analysts’ recommendations［J］．The Journal of Finance，1983，（138）：187-204．
［2］ Kent L．Womack．Do brokerage analysts’ recommendations have investment value? ［J］．The Journal of Finance，1996，（151）：137-167．
［3］ Brad Barber，Reuven Lehavy，Maureen Mcnichols，and Brett trueman．Can investors profit from the prophet? security analyst recommendations and stock returns［J］．The Journal of Finance，2001，（531）：531-563．
［4］ Narasimhan Jegadeesh，Joonghyuk Kim，Susan D．Krische and Charles，M．Lee．Analyzing the analysts: when do recommendations add value? ［J］．The Journal of Finance，2004，59（3）：1083-1124．
［5］ Somnath Das，Re-Jin Guo and Huai Zhang．Analysts Selective Coverage and Subsequent Performance of Newly Public Firms［J］．Journal of Finance，2006，61（3）：1159-1185．
［6］ 姜国华．关于证券分析师对中国上市公司会计收益预测的实证研究［J］．经济科学，2004，（6）：72-79．
［7］ 吴东辉，薛祖云．财务分析师盈利预测的投资价值:来自深沪A股市场的证据［J］．会计研究，2005，（8）：37-42．
［8］ 王征等．分析师的建议是否有投资价值——来自中国市场的经验数据［J］．财经问题研究，2006，（7）：36-44．
［9］ Fama，E．and French，K．The Cross2Sectional of Expected Stock Returns［J］．Journal of Finance，1992，（47）：427-465．
［10］ Fama，Eugene F．，and James D．Macbeth．Risk，Return and Equilibrium: Empirical Tests［J］．Journal of Political Economy，1973，（81）: 603-636．
（责任编辑：杨全山）
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”