证券分析师作为经济行为中的理性人，其预测行为常常也会产生一定的偏差.传统经济学认为证券分析师的行为偏差通常由公司规模^[1]、盈余预测环境^[2]及信息披露政策^[3]等因素造成.但是有关数据发现，在股市高涨的形势下，分析师的盈余预测值往往高出实际值，而在股市下跌时，分析师又持悲观的预测态度.本文从投资者情绪的角度来解释分析师的预测行为，研究其与分析师预测乐观偏差、准确度及分歧度的关系.在投资者情绪的不同时期，对分析师预测行为的表现进行更加细化的分析.

1 文献回顾与研究假设

文献[4]通过市场数据最早发现分析师由于乐观偏差会导致反应过度的行为.Baker等^[5]发现，公司管理者具有的信息优势，使他们在投资者情绪高涨时容易受到乐观情绪的感染；反之亦然.游家兴等^[6]通过博弈模型也证实了分析师迎合行为的存在，分析师会迎合投资者的先验信念披露有偏的信息.因此，提出以下假设.

H₁：投资者情绪对分析师盈利预测行为具有显著的正向影响.

Schipper^[7]研究表明上市公司对公开信息的披露程度是影响分析师预测准确度的重要因素.Bless等^[8]从社会认知领域指出，悲观主义者相对于乐观主义者会更加细致而准确地处理信息.当市场情绪高涨时，分析师处于乐观状态，业绩预告的不确定性增加；在情绪低落时反之.

H₂：投资者情绪对分析师盈利预测准确度具有显著的负向影响.

Ciccone^[9]认为投资者情绪的乐观导致的股票价格上涨是由于分析师分歧的存在.Kim等^[10]论证了投资者情绪对股票市场收益预测的分歧有显著影响.

H₃：投资者情绪对分析师盈利预测分歧度具有显著的正向影响.

2 研究设计 2.1 数据来源与样本说明

本文选取2005年1月1日~2013年12月31日中国沪深A股上市公司的面板数据为研究样本.其中，剔除金融保险行业、年报中净资产为负及处于ST，PT或曾处于ST，PT状态的公司.此外，还剔除了有关变量缺失的样本数据及1%和99%的极端值样本，最终选取了280家公司的2 520个样本点，数据取自于WIND数据库.

2.2 分析师盈利预测

1)分析师盈利预测的乐观偏差：

(1)

式中：FEPS_{i, t}为公司i在第t年分析师对每股收益预测的平均值；EPS_{i, t}为公司i在第t+1年的每股收益实际值；AFB_{i, t}为公司i在第t年分析师对每股收益的预测偏差，如果AFB_{i, t}大于零，说明分析师对股票呈乐观的预测态度，反之.

本文所涉及的分析师预测是分析师在t年的1~12月对t+1年的盈利预测.

2)分析师盈利预测的准确度：

(2)

式中：AFE_{i, t}为公司i在第t年的分析师盈利预测的准确度，即分析师预测的绝对误差，代表预测值相对于实际值的偏离程度，其值越大，表明分析师对股票盈利预测的偏差越大，即准确度越低，反之.

3)分析师盈利预测的分歧度：

(3)

式中：DISG_{i, t}为公司i在第t年的分析师预测分歧, 通常被作为公司未来盈利不确定性的代理变量；FEPSD_{i, t}为公司i在第t年其跟踪分析师对每股收益预测值的标准差.本文采用姜国华^[11]的方法，用变异系数表示分析师预测分歧度，即标准差除以均值绝对值，为减少当均值较小时产生的异常值，在其基础上加0.5进行修正.

2.3 投资者情绪指标的构建

基于Baker等^[12]的构建方法，根据我国股市的实际情况，选取沪深两市2005年1月~2013年12月新增开户数Acc、市场换手率Tr, IPO数量Ipon和消费者信心指数Con的月度数据，共计108个月，构建投资者情绪的综合指标.Baker等^[12]指出，反映投资者情绪不同的代理变量可能会存在时间上的“提前”与“滞后”关系，为了避免时滞不同的问题，本文采用上述4个变量的当期和滞后一期，共8个代理变量，从中选取相关性较大的Acc_t，Tr_t-1，Ipon_t，Con_t作为最终的投资者情绪变量.再将这4个变量对宏观经济代理变量(宏观经济景气指数、居民消费价格指数、工业品出厂价格指数)进行回归，所得残差序列作为剔除了宏观经济影响的新投资者情绪的代理指标.为了消除量纲的影响，对其进行标准化处理后再进行主成分分析(采用第一、二、三个主成分加权构造投资者情绪综合指标，前三个主成分的累积贡献率为90.9%)，提取特征值大于1的主成分，加权平均构建的最终投资者情绪综合指标为

(4)

将情绪复合指数Sent_t标准化为均值为0，标准差为1的序列，当情绪高于平均水平(大于零)时，则为情绪乐观期；反之，则为悲观期.

3 实证检验 3.1 模型建立

为考察投资者情绪对分析师盈利预测行为的影响，将2.3节构建的投资者情绪作为解释变量引入多元回归分析，此外，为保证回归结果的稳定性，控制了其他变量可能产生的影响.

根据假设H₁~H₃，建立了如下回归模型：

(5)

式中：AFB_{i, t}为公司i在第t年分析师对每股盈余预测的乐观偏差；Sent_{i, t}为公司i在第t年的投资者情绪，选取12个月的平均值作为全年的代表数据.此外，引入如下控制变量：公司规模(Size)，是年末企业总资产的自然对数；财务杠杆(Debt)，采用公司的资产负债率来度量；总资产收益率(Roa)，代表公司的盈利能力；分析师的关注度(Follow)，以预测年度对公司做出盈利预测的分析师的数量衡量.

3.2 描述性统计分析

表 1列出了主要研究变量的描述性统计结果.从表 1可知：AFB的均值和中位数分别为0.182和0.108，代表公司预测的盈余水平普遍大于其实际盈余，说明分析师预测普遍呈乐观的趋势.这与文献[4]的研究基本一致，认为分析师乐观偏差普遍存在.DISG的标准差为0.071，表示分析师分歧度离散程度较小.Sent的均值为-0.034，说明投资者情绪普遍处于低落的水平，而最大值和最小值分别为0.650和-1.138，说明投资者情绪波动起伏较大.

3.3 多元回归分析

本文采用固定效应模型对面板数据进行分析，对分析师预测乐观偏差的回归结果见表 2.可以看出，解释变量的系数都在1%的水平下显著.其中，投资者情绪Sent的系数为0.063，说明投资者情绪对分析师盈利乐观偏差产生正向的影响.在投资者情绪乐观时，分析师给出乐观的盈利预测，假设1得到了验证，这与游家兴等^[6]得出的结论一致.在控制变量中，Size和Follow的回归系数显著为正，说明公司规模、分析师的关注度会引起分析师预测的乐观偏差，且Size的系数较大，对AFB影响较大；Debt和Roa的回归系数显著为负，说明财务风险较高和总资产收益率较大的公司，分析师不容易产生乐观的盈利预测.

对分析师盈利预测准确度的回归结果见表 3.从表 3可知，解释变量的系数分别在1%，5%的水平下显著，其中Sent的系数为0.104，说明投资者情绪对分析师盈利预测准确度产生正向的影响，分析师给出的盈利预测在投资者情绪乐观时较悲观时的准确度高，因而假设2没有得到验证.这说明分析师并没有因情绪乐观而影响信息披露的质量，可能是基于情绪及声誉等方面的影响，在乐观时期处于较为放松和理性的状态，对盈利预测把握较准确；反之在悲观时期，受市场低落情绪的影响，增加了评估的不确定性，从而降低了预测的准确性.在控制变量中，Size和Follow的回归系数显著为正，说明公司规模、分析师的关注度与分析师盈利预测准确度存在正向关系，且Size的系数最大；Debt和Roa的回归系数显著为负，说明财务风险较高和总资产收益率较大的公司，分析师盈利预测的准确性较低.

对分析师盈利预测分歧度的回归结果见表 4.从表 4可以看出，Sent的系数为0.010，说明投资者情绪对分析师盈利预测分歧度产生正向的影响.在投资者情绪乐观时，分析师盈利预测分歧度较高，在投资者情绪悲观时，分析师盈利预测分歧度较低，因而假设3得到了验证.在控制变量中，Size和Follow的回归系数显著为正，说明公司规模、分析师的关注度对分析师盈利预测的分歧度具有正向影响.而Debt和Roa系数近似为0，说明财务风险和总资产收益率对分析师盈利预测的分歧度几乎没有影响.

4 结论

本文以2005~2013年沪深两市的分析师盈利预测数据为对象，从投资者情绪的角度出发，通过固定效应模型对面板数据进行实证分析，解释分析师盈利预测的行为偏差.通过实证检验，发现在情绪高涨阶段，分析师容易受乐观情绪的影响，发布乐观而准确的盈利预测，但与此同时，乐观时期分析师预测的分歧度也较大.而在情绪低落时期，分析师受悲观情绪影响，发布悲观而分歧度较小的预测，但准确性相对较低.证券分析师在传统金融学中一直被认为是理性的代表之一，但在其预测行为中也会像噪声交易者那样受投资者情绪的影响.因此，本文认为在不否认传统金融学关于分析师预测行为解释的前提下，从行为金融的角度考虑分析师的行为偏差，将二者结合起来，可以更好解释分析师行为偏差的起因.