证券分析师盈余预测偏差与券商阵营——来自中国证券市场的研究发现_

证券分析师盈余预测偏差与券商阵营

——来自中国证券市场的研究发现?

肖斌卿 王杨

摘 要：证券分析师作为证券市场的信息中介，是证券市场最重要的参与主体之一。其提供的盈余预测报告的准确度对市场有非常重要的影响。文献研究表明分析师所属券商的内在环境与其盈余预测精度有显著的相关性。根据《新财富》杂志每年评选的“本土最佳券商（研究机构）”为标准将我国证券公司分为两大阵营：“本土最佳券商（研究机构）”前五名记为Top5，其余券商记为非Top5 ，研究二者分析师预测偏差是否有差异。研究表明，分属不同券商阵营的证券分析师预测差异显著，“本土最佳券商（研究机构）”前五名的分析师盈余预测更加准确。特别是在不存在承销关系和大券商其预测偏差更小；而存在承销关系时，分析师更倾向于发布乐观预测。研究还发现虽然乐观性对盈余预测偏差影响显著，但不同券商阵营的这种差异并不是由于分析师乐观性不同造成的，可能更多的与分析师素质有关。本文研究结果拓展了分析师行为研究，对分析师的独立性提出了思考的空间，为投资者评价分析师、有选择性的关注分析师报告有很好的借鉴意义。

关键字：证券分析师，盈余预测偏差，券商，乐观性

FINANCIAL ANALYST EARNING FORECAST ERRORS AND THEIR BROKER LEVEL: EVINDICE FROM CHINA’S STOCK MARKET

Xiao Binqing; Wang Yang

Abstract: Being access to information sources, financial analysts play a very important role in the stock market. Their report accuracy about earning forecast has deeply influenced on investors. Prevenient studies have shown that the internal-environment of brokers which analysts belong to is significantly correlated with earning forecast errors. In this paper, we classify brokers into two levels according to whether it’s the top 5 of “Best Brokers in Mainland” published by New Fortune magazine. According to the result of this paper, the difference of earning forecast errors between Top 5 and Non-Top 5 analysts is significant, that is the earning forecast report produced by analysts of the Top 5 brokers is more accurate, specially, when the Top 5 broker is also the upper one according to its total assets, or there is no underwriting relationship between broker and its forecasted listed companies. Though the point is one of our findings that earning forecast errors are significantly influenced by optimism of analyst, it is not the factor making difference of forecast accuracy between Top 5 and Non-Top 5 analysts, so we imply that the nature of analysts will be more related with the difference. This article provides us a broad view of behaviors of analyst and a space of thinking more about analyst independence. It will be helpful for investors to evaluate the forecast reports and follow analysts selectively.

Key words：Financial Analyst, Earning Forecast Errors, Brokers, Optimism

?基金项目：国家自然科学基金项目“投资者关系、分析师行为与公司价值——基于中国证券市场的实证研究”（70901037），国家自然基金重点项目（70932003），教育部人文社会科学研究项目（09YJCZH061），教育部科技创新工程重大项目培育资金项目（708044）。

作者简介：肖斌卿，博士，南京大学工程管理学院副教授，bengking@https://www.wendangku.net/doc/cc2468742.html,；王杨，硕士生，南京大学工程管理学院。

一、引言

证券分析师是指证券市场中的专业分析人员，他们通过对信息的收集、处理和分析，提供关于宏观、行业或公司层面的投资建议并出具研究报告。通常来讲证券分析师的主要工作就是对公司的进行盈余预测和股票评级。

自从我国1991年引入股票市场以来，伴随着资本市场的巨大发展，分析师行业也在不断的发展与完善。1998年之前我国证券市场刚刚成立，各种机制还不健全，证券市场投机风气弥漫，投资者的投资决策基本上是建立在对“政策”“、庄家”、“内幕消息”等概念上，为迎合投资者投机的需要，各类“股评家”、“股评人士”、“市场人士”、“证券研究员”活跃在证券交易所和各种新闻媒体之上对股价的大起大落推波助澜，而且同时市场缺乏政策监管，使得分析师行业发展比较混乱。1998年之后，有关分析师的政策法规相继出台，约束了分析师的行为，我国分析师行业才步入正规。特别是在2006年到2007年，中国股市经历了前所未有的大牛市，证券分析师也从过去不受欢迎的角色转变为市场所热捧的职业，投资者和研究者开始更多的关注分析师。

证券分析师作为证券市场的信息中介，是证券市场最重要的参与主体之一。基于传统主流金融学的有效市场假说（EMH），证券分析师通过其专业的信息收集手段和分析技术，向市场提供了更加准确的价格信息，降低上市公司与投资者以及其他利益相关者的信息不对称，使套利更容易实现，阻止价格的进一步偏离，促进了证券市场的有效性。但同时在行为金融学角度出发，我们发现由于分析师的行为偏差，也对证券市场产生了非理性的影响。比如分析师普遍存在乐观性倾向（Dowen 1989；Calderon 1993；Chopra 1998等）、过度自信现象（Olaf Stotz 和 Nitzsch 2005；Calderon 1993）、羊群效应等，会使分析师预测偏离真实值，造成其对市场或上市公司过分乐观的评价，向投资者发出错误的信息：一方面致使大批投资者跟进，造成投资损失，另一方面由于大批投资者跟进，造成了股票市场价格的偏离和持续的波动，增加了市场的不确定性。特别是2008年分析师所推荐的股票一跌再跌，极大的削弱了投资者对分析师的信心，也对分析师行业的信誉度造成了很大影响。这不禁使我们产生对分析师行业独立性和其利益相关者关系的思考。无论如何，对分析师行为的研究都迫在眉梢。

由此引发我们关于分析师行为与其所属券商关系研究的兴趣。本文将券商分为两个阵营：根据《新财富》杂志每年评选的“本土最佳券商（研究机构）”为标准，前五名“本土最佳券商（研究机构）”记为Top 5，其他归为另一组。那么券商阵营对分析师的预测有影响吗？俗话说“大树底下好乘凉”，那么依附与优秀券商的分析师是否更“有恃无恐”的发布乐观自信的预测呢？一方面，分析师所属券商与其预测的上市公司可能存在承销关系，那么为了促销券商所承销的股票，分析师可能高估其盈余以吸引投资者跟进；另一方面，小券商在市场信息的获得投入方面不及大券商，可能使得其分析师发布更加乐观的预测，维持与上市公司管理层良好的关系，以获得更多非公开的信息。但同时我们还有另一种思考：大券商虽然承销的股票更多，但是其更加注重市场上的名誉，一方面会投入更多资源吸引优秀分析师，另一方面在信息成本的投入上会更多，获得更加准确的盈余分析。本文的研究发现，Top 5 券商的盈余预测更加准确，特别是在不存在承销关系和大券商其预测偏差更小；并且研究发现这种差异不是由于分析师乐观性不同造成的。

本文接下来内容安排如下：第二部分分析本文所要研究的分析师盈余预测偏差的因素，并提出研究假设；第三部分为数据样本的采集处理、运用方法、变量的定义，和对样本的描述性统计；第四部分为研究分析，我们将对分析师盈余预测偏差与券商阵营、分析师乐观性、承销关系以及券商规模进行分析；最后一部分总结本文的研究结论、未来研究前景。

二、文献综述和研究假设

对上市公司盈余进行预测是证券分析师的主要工作之一，他们通过收集市场信息，运用专业的

技术手段，来分析评价公司未来的走势，向投资者出具投资建议；同时分析师的预测还被广泛的用作市场预期的代理变量。因此证券分析师预测的准确度成为投资者和研究者所关注的重点问题。基于Fama（1970）提出的有效市场假说（EMH），认为分析师是理性的，其提供的盈余预测也应该是无偏估计，能够完全的反应市场信息。但是，研究者发现事实并非如此，分析师预测长期存在系统性偏差。Dowen (1989)取1977～1986年10年间的数据做分析，发现其中7年预测错误显著为正；Calderon (1993)将1976～1988年间分析师对每股收益EPS预测值作为样本, 也发现分析师发布的盈利预测往往超过实际盈余。正如Marc Goedhart, Rishi Raj, and Abhishek Saxena在麦肯锡季刊中提到的一样，“为了更好地了解分析师预测的准确性，几乎在10年前，我们做过一次研究，该研究得出的结论发人深省，分析师往往过于乐观……令人遗憾的是, 过去10年间出台了一系列法规，旨在提高分析师对长期收益预测的质量，以恢复投资者对他们的信心，并且避免利益冲突……我们最近重新进行的研究得出的结论却再次印证了上述观点……长期以来，分析师的预测都是过分乐观，鲜有例外”。

既然分析师都是训练有素的专家，可以通过不断地学习改善其预测的精度，那么这种长期的偏离为什么会存在？Olaf Stotz and Rüdiger von Nitzsch（2005）年提出，导致分析师预测偏离来自两个因素：利益冲突和分析师心理因素。关于前者研究者总结了三种原因：（1）乐观分析会吸引投资者的关注，刺激交易量提高所属券商交易手续费收入（Francis and Philbrick 1993, Rajan and Servaes 1997，Michaely and Womack 1999，）；（2）分析师为了维持与公司管理层的良好关系，以获得更多非公开信息（Lim 2001）；（3）分析师所属券商与其预测的公司股票存在承销关系，为促销券商承销的股票，分析师发布了过分乐观的预测（Lin and McNichols 1998，Malloy 2005）。而分析师的心理因素包括过分乐观、过度自信，锚定，羊群效应等（DeBondt and Thaler 1990, Amir and Ganzach 1998），这些心理因素会对分析师预测产生影响。

胡奕明（2005）总结出影响证券分析师水平或业绩的主要有四大因素：时间因素、分析师个人因素、公司因素以及环境因素。时间因素指分析师预测到实际盈余公布的时间长度。Claymen and Schwartz（1994）比较了1982~1992年间399家公司的每月估计盈余与实际盈余，发现平均而言，在第一个月估计值比实际值高57.1%，最后一个月对整个年度的估计值只比实际值高11.9%；Clement （1999）发现，越接近报告期，相应的准确度会以每天0.35%的速度提高。李冬昕，李心丹等（2011）用分析师发布盈余报告到当年12月31日天数的对数值衡量时间长度，回归结果非常显著，表明随着实际盈余公布日的临近，分析师预测会越来越准确。

分析师个人因素包括上文提到的分析师心理因素、分析师行为、分析师的手段和技能、分析师的信息来源（胡奕明 2005）。除此之外，还有分析师的经验，Rees（1999）用发表预测报告的年限来衡量分析师经验，发现其会对预测精度产生影响；Michael B. Mikhail and Beverly R. Walther （2003）研究发现随着分析师经验增加，分析师对以前盈余信息反应不足效果变低了，分析师的预测精度也变得更高；Malloy（2005）以及Bae（2008）都发现经验与准确度严格正相关。胡奕明（2005）对我国证券分析师进行大规模问卷调查，调查结果表明工作经验对分析师的分析质量有正向解释力。关于公司因素的研究中，包括公司的规模、行为等特征。Dowen(1989)的研究发现被分析公司的大小与分析师错误有正相关关系；Clement（1999）也发现分析师的预测准确度与公司规模相关。但李冬昕，李心丹等（2011）年对我国2005－2007年的数据研究却发现上市公司规模对分析师预测偏差的影响并不显著，这也符合kross（1990）的研究结论——企业规模大小与预测优势没有显著关系。同时李心丹等（2009）也检验了基于本地优势分析，券商对国有企业的预测更加准确。

环境因素指分析师预测所处的环境，包括市场环境，券商环境等。Clement（1999）和Jacobs et al.（1999）的研究表明，分析师的预测准确度与其所在证券公司的规模有关；Malloy（2005）对公司特点做了进一步细化，发现准确性还与承销关系，明星分析师，以及是否是institutional Investor杂志评选的最佳分析师和最佳券商有显著关系。Rees（1999）的研究也表明大证券公司雇佣的证券分析师预测准确度更高一些。

因此，基于以上文献研究，我们提出以下三个研究假设:

假设一：乐观性会影响分析师预测偏差。如文献所述，乐观性在文献研究中普遍存在。其一，

乐观的分析师会吸引投资者的关注，刺激交易量提高所属券商交易手续费收入；其二，分析师为了

维持与公司管理层的良好关系，以获得更多非公开信息，会促使分析师发布乐观的预测；第三，分

析师所属券商与其预测的公司股票存在承销关系，为了吸引投资者跟进，促销券商承销的股票，分

析师发布过分乐观的预测。而普遍的乐观性将是盈余预测长期偏离实际盈余，因此我们提出乐观性

会影响盈余预测偏差。

假设二: 盈余预测偏差还与时间因素、分析师个人因素、上市公司因素等有关。根据文献综述，

本文设定时间因素、分析师个人因素、上市公司因素等作为控制变量。特别的，根据李冬昕，李心

丹等（2011）的研究展望，本文在环境因素中加入了市场趋势变量，这在前人的研究是不存在的，

目的在于检验其对预测偏差是否显著，同时为了改善回归方程。

假设三：Top 5券商的分析师有更低的盈余预测偏差。本文将券商分为两个阵营：根据《新财

富》杂志每年评选的“本土最佳券商（研究机构）”为标准，前五名“本土最佳券商（研究机构）”

记为Top 5，其他归为另一组。Malloy（2005）研究发现准确性与券商是否是Institutional Investor

杂志最佳券商有显著关系，而我国可能也存在此种情况，这是因为 “本土最佳券商（研究机构）”

多为大券商，在市场上拥有更高的名誉，一方面其有能力投入更多资源吸引优秀分析师，另一方面

在信息成本的投入上会更多，获得更加准确的盈余分析。

三、数据样本和变量

3.1 研究样本选取与处理

本文样本选自WIND数据库分析师报告平台2004-2009年度分析师盈余预测数据。在选取数据

时，做如下设定：（1）选取当年1月1日到12月31日所有分析师关于当年财务报告每股收益（EPS）

的预测；（2）并假定上市公司发布年报的日期为每年的12月31日。这样我们提取了04-09六年共

39041份报告，如表1所示。可以发现报告数、券商数、分析师数、分析师跟进的上市公司数逐年

递增，也从侧面说明我国证券分析师行业的飞速发展。

表1 总体样本和筛选后样本的统计

总样本

预测报告数上市公司数券商数分析师数2004 1805 580 17 279 2005 4675 750 30 533 2006 6782 899 33 613 2007 7397 993 49 837 2008 7889 964 58 1045 2009 10466 1169 68 1184

Sample A

2004 1457 377 17 274 2005 4344 582 28 529 2006 6604 732 33 609 2007 7208 808 48 832 2008 7682 775 57 1042 2009 10265 968 68 1184 注：（1）在 WIND 数据库中，由于部分分析师报告并没有记录分析师的名字，这样的记录不超过当年样本总数的

1％，对总体的影响十分有限，所以本文统计时没有计入总样本。

（2）所有统计的证券公司包括了还包括了香港的群益证券等。

根据总体样本进行筛选得到样本A：（1）删除总体样本中只有一个分析师跟进的预测报告，如2008年海王生物（000078）只有联合证券分析师谷方庆进行了预测；这样做的目的是为了下文计算盈余预测偏差；（2）对于两人或多人共同发表的盈余预测视为一条记录；（3）删除异常记录，如所有者权益或总市值缺失的年份、 或ijt PMAFE 、ijt POPT 值出现异常（比如除以零）的数据。这样得到的样本A 如表1所示。

3.2 变量说明

3.2.1 盈余预测偏差

我们用Clement （1999）所定义的业绩衡量指标PMAFE ijt （Proportional Mean Absolute Forecast Error ）来衡量分析师盈余预测的偏差。t 代表年份，i 代表分析师，j 代表分析师所跟进的上市公司，定义为：在第t 年分析师i 跟进的公司j 的盈余预测偏差的绝对值减去第t 年所有对j 公司预测偏差绝对值的平均值，再除以该平均值。计算公示如下：

ijt jt

ijt jt ijt AFE -AFE PMAFE =AFE AFE ||

ijt ijt FE AE =?

其中，ijt FE 为第t 年分析师i 跟进的公司j 的盈余预测，ijt AE 第t 年分析师i 跟进的公司j 的实际盈余，ijt AFE 是盈余预测与实际盈余差值的绝对值，jt AFE 是第t 年所有跟进公司j 的分析师盈余预测绝对偏差ijt AFE 的平均值。ijt PMAFE 是一种预测偏差相对准确度的评价标准，除以jt AFE 后可以很好的降低估算的异方差性。ijt PMAFE 的取值范围为[)1,?∞，如果ijt PMAFE 为正，说明该分析师对某公司的预测偏差要高于该年市场预测的平均水平；如果为负，则说明该分析师的预测偏差低于市场平均水平，值越小则偏差越低，预测的效果越好；如果为0 表示预测偏差的平均水平为市场平均水平；特别地，当ijt PMAFE ＝－1时，该分析师的预测偏差为零。

3.2.2 券商分类变量

这里我们根据《新财富》杂志每年评选的“本土最佳券商（研究机构）”为标准，设定虚拟变量it SBest ，在第t 年券商i 被评为“本土最佳券商（研究机构）”的前五名（Top 5），则记为1，否则为0，表2列出了2004‐2009历年评选结果。 表2 04-05 年度“本土最佳券商（研究机构）”前五名

Year

2004 2005 2006 2007 2008 2009 本土最佳券商

前五名(Top5) 中金公司 中信证券 中信证券 中信证券 中信证券 中信证券 申银万国

国泰君安 申银万国 申银万国 国泰君安 申银万国 国泰君安 申银万国 国泰君安 国泰君安 中金公司 招商证券

招商证券

中金公司 招商证券 国信证券 申银万国 中金公司 海通证券 国信证券 国信证券 招商证券

国金证券 国金证券 中金公司 国泰君安 注：2007年只评选出“本土最佳券商（研究机构）”共六名，这里全部收取；2009年评选中金公司、国金证券、国泰君安并列第四名，本文没有收录第五名。资料来源：https://www.wendangku.net/doc/cc2468742.html,/newfortune/

3.2.3 预测时间跨度

如前文献所述，分析师进行盈余预测的日期距离实际盈余公布日期的长短会影响预测偏差。本文参照李冬昕、李心丹等(2011)年的研究，假设年报的公布日期为财务年度结束当年12月31日，记n 为分析师发布盈余预测的时间到当年12月31日的天数，并取ijt AGE =ln(1)n +，代表t 年分析师i 发布公司j 的盈余预测的时间到实际盈余公布的时间跨度。

3.2.4 分析师经验

分析师的从业经验会影响预测的准确性，我们用it EXP 代表分析师的经验参数。事实上经验是一个非常抽象的概念，it EXP 参数并不好确定。

Rees 等人(1999)用发表关于一般或特定企业的预测报告的年限来衡量分析师经验，李冬昕等（2011）用分析师第一次发布研究报告到第t 年的时间长短来代表分析师经验。这里我们收集WIND 数据库中所有年份关于分析师预测的记录，以分析师第一次出现盈余预测报告的年份到第t 年的间隔代表it EXP 。这样做只是一种近似的代替，因为即使两个从业年限相同的分析师，可能有勤奋的分析师发布了较多的研究报告而获得了足够的经验，而另一个懒惰的分析师发布较少的研究报告，二者经验可能并不相同。

3.2.5 市场趋势

不同的市场环境下，可能会对分析师的预测产生影响。本文用市场趋势变量t MktT （Market Trend ）代表市场的总体环境，其意义为在第t 年市场趋势。简单说来，即将市场分为牛市与熊市，当市场为牛市时其值取为1，熊市时为0。虽然区分牛市与熊市有不同的标准，而且其时间的划分也并不完全与我们所研究的年度吻合，我们这里的处理方法为，采用市场公认的牛市与熊市划分，若某年总体趋势上升，则记为牛市，否则为熊市，如表3是本文用到的2004-2009年牛市与熊市的划分。

表3t MktT 取值 Year 2004 2005 2006 2007 2008 2009 t MktT 0 0 1 1 0 0

3.2.6 上市公司规模

很多文献研究发现分析师跟进的上市公司规模会对其盈余预测偏差产生影响（Clement 1999等）。李冬昕、李心丹等（2011）在研究分析师盈余预测偏差与本地优势时采用了上市公司规模变量作为参数，定义上市公司规模为其公司总资产的自然对数，但发现上市公司规模对盈余预测偏差的影响并不显著。本文将上市公司规模因素定义为对数账面市值比，B /M jt jt jt FSizeA FSizeM =?，

其中jt FSizeA 上市公司j 在第t 年净资产的对数，jt FSizeM 市公司j 在第t 年12月31日总市值的对数。这样处理是基于以下思考：Fama 和French （1993）提出Fama ‐French 三因素模型并对其对其实证检验，发现账面市值比与上市公司股票收益率成显著的正相关特性；同时，利用国内股票市场数据进行的实证研究也支持Fama ‐French 模型，也就是存在账面市值比效应。那么我们猜想，账面市值比越大，对上市公司股票收益率要求越高，从而分析师进行预测时会更偏乐观，有可能加大预测偏差。

3.2.7 其他变量

根据本文的研究还有一些其他的控制变量：分析师跟进数 it COVER 、 分析师所属券商的规模jt BSize 、分析师所属券商与其跟进公司是否存在承销关系ijt CX 等。本文用到的变量定义如表4。 表4 本文用到的变量定义 变量符号 变量名称 说明

i

PMAFE 分析师盈余预测偏差 在第t 年分析师i 跟进的公司j 的盈余预测偏差的绝对值减去第t 年所有对j 公司预测的平均值，再除以该平均值。若ijt PMAFE 为正，说明该分析师对某公司的预测偏差

要高于其平均水平；为负则低于市场平均水平，值越小则偏差越低，预测的效果越好；

如果0 表示预测偏差的平均水平为市场平均水平。

ijt POPT 分析师乐观趋势变量 为第t 年分析师i 对上市公司j 的预测偏差减去当年所有对j 公司预测偏差的平均值，再

除以该平均值。大于0表明分析师乐观，小于0则是分析师悲观；乐观程度随其值大小

而定。

it SBest 券商分类参数

第t 年券商i 被评为“本土最佳券商（研究机构）”的前五名（Top 5），则记为1，否则为

0。

ijt AGE 预测间隔时

间 假设年报的公布日期为财务年度结束当年12月31日，记n 为分析师发布盈余预测的时间到当年12月31日的天数，并取ln(1)ijt AGE n =+，代表t 年分析师i 发布公司j 的盈余预测的时间到实际盈余公布的时间跨度。

it EXP

分析师经验 WIND 数据库中出现分析师i 的第一份分析盈余预测报告的年份到第t 年的间隔。 t MktT

市场趋势 代表t 年上证A 股市场的总体走势，若t 年为牛市，其值取为1，熊市时为0；见表3。it

COVER 分析师跟进数

WIND 数据库中t 年分析师i 所有发布分析报告的公司数量。 jt FSizeA 以上市公司

净资产代表

的规模因素

上市公司j 在第t 年12月31日净资产的自然对数，ln()jt jt FSizeA Asset =。j FSizeM 以上市公司

总市值代表

的规模因素

市公司j 在第t 年12月31日总市值的自然对数ln()jt jt FSizeM MktV =。 B /M jt 对数账面市

值比 B /M jt jt jt FSizeA FSizeM =?，用来代表上市公司规模因素

j BSize

券商规模 分析师j 所在券商的资产在所有券商总资产的中位数之上记为1，表示大券商；否则记为0，表示小券商。 ijt CX

承销关系 根据WIND 数据库2003－2009数据，分析师i 所在券商对公司j 存在承销关系，则记为1，否则为0。

3.3 统计性描述

表5为所选取的样本A 盈余预测偏差ijt PMAFE 的描述性统计特性。表5按分析师所属券商是否是Top 5分类，统计了2004－2009 六年间分析师报告预测偏差的均值、中位数、标准差等量。根据表5做出分析师报告数做出图1，可以发现04‐09分析师报告数量不断上升，而Top 5券商分析师报告所占的比例在04年达到了最大值58.82%，在05年骤然下降到了22.44％，之后的年份里始终维持在20％的水平。2004以及之前的年份，分析师行业并不成熟，而市场的大部分分析师被前几名的券商占据；2005年之后，券商发现了其服务与研究型公司的重要性，比如国泰君安提出“研究所要以机构客户为主要目标，研究要围绕满足客户的研究性需要，根据客户特征提供个性化服务”，因此需扩充分析师队伍，造成了分析师无论在数量和质量上都有了很大提高。本文研究的样本A 总计37560条记录，其中Top 5券商8091条，其他券商29469条。

表5 样本A -

ijt PMAFE 描述性统计 N N/Total

Mean Median Max Min Std. Deviation 2004 Other

600 41.18% 0.059 -0.001 3.43 -1.00 0.70 Top 5

857 58.82% -0.039 -0.080 4.51 -1.00 0.64 Total

1457 0.000 -0.051 4.51 -1.00 0.67 2005 Other

3369 77.56% 0.014 -0.119 7.44 -1.00 0.81 Top 5

975 22.44% -0.047 -0.174 8.67 -1.00 0.80 Total

4344 0.000 -0.130 8.67 -1.00 0.81 2006 Other

4878 73.86% -0.002 -0.125 8.15 -1.00 0.78 Top 5

1726 26.14% 0.005 -0.080 8.08 -1.00 0.77 Total

6604 0.000 -0.117 8.15 -1.00 0.78 2007 Other

5601 77.71% 0.005 -0.097 7.02 -1.00 0.73 Top 5

1607 22.29% -0.017 -0.094 4.43 -1.00 0.70 Total

7208 0.000 -0.097 7.02 -1.00 0.72 2008 Other

6631 86.32% 0.010 -0.124 9.65 -1.00 0.80 Top 5

1091 13.68% -0.060 -0.150 6.25 -1.00 0.71 Total

7682 0.000 -0.128 9.65 -1.00 0.79 2009 Other

8462 82.44% 0.020 -0.118 6.77 -1.00 0.81 Top 5

1803 17.56% -0.094 -0.196 4.82 -1.00 0.70 Total

10265 0.000 -0.140 6.77 -1.00 0.79 2004-2009

综合 Other 29469 78.46% 0.011 -0.116 9.65 -1.00 0.79 Top 5

8091 21.54% -0.042 -0.138 8.67 -1.00 0.72 Total 37560 0.000 -0.119 9.65 -1.00 0.78

注：表格中Top 5 指的是《新财富》杂志评选的“本土最佳券商（研究机构）”前五名（名单见表 2）；Other 代表除Top 5外的其他券商。N/Total 为分类券商t 年分析师报告数占该年的百分比。

图1 2004－2009分析师报告数（左）和Top 5券商分析师报告数占比（右）

观察表5中2004-2009各年市场总体（Total）预测偏差都为0，这也符合我们定义的ijt PMAFE 的意义。图2是根据表5 ijt PMAFE 的均值（Mean）和中位数（Median）统计量做出柱状图。从图2

可以发现，除了2006年Top 5券商ijt PMAFE 均值为正，其他券商为负之外，其他五年都明显的呈

现Top 5预测偏差均值<0，而其余券商预测偏差>0的特点。根据ijt PMAFE 变量的意义，不难得出结论：从平均效果上看，Top 5券商报告的预测偏差对比于市场平均水平要更加小，预测质量更好；而其他券商报告的预测偏差水平要高于市场平均偏差水平，预测质量不及Top 5 券商。同样根据Median 的统计量，也可以发现类似的规律。

图2 Top5和其他券商ijt PMAFE 均值（左）和中位数（右）比较

对图2 分析师盈余预测偏差ijt PMAFE 的中位数（Median）分析，可以发现无论是Top 5 券商分析师、其他（Other）券商分析师、或者04－09四年综合情况，其Median 值都小于0，说明历年都有超过50％的预测要优于平均水平，而小于50％的预测报告劣于平均水平；换句话说，劣于平均水平的报告占少数，其偏差更大。为了进一步分析以上的推论，我们在样本A 中选取ijt PMAFE >0的记录，记为样本B，统计性描述见表6。可以发现，对于预测劣于市场平均水平的分析师报告，Top 5 券商只占有21％（占B 样本总数），仅是所有报告总数的9％（占A 样本总数），而其他券商占有79％（占B 样本总数），占所有报告的33％（占A 样本总数）。对于B 样本均值、中位数的分析都可以支持上面的推论，即市场上劣质报告大部分由非Top 5 券商分析师提供，Top 5分析师提

供的报告多为优质报告。

以上统计性描述可以在一定程度上支持本文的假设一：Top 5 券商有更低的盈余预测偏差；进一步的分析我们将在研究分析中进行。

表6 样本B-

ijt PMAFE 描述性统计 N

N/Total （1） N/Total （2）Mean Max Std. Deviation Other

12580 79% 33% 0.68 9.65 0.76 Top 5

3352 21% 9% 0.59 8.67 0.68 Total 15932 100％ 42% 0.66 9.65 0.74 注：N/Total （1）为样本B 分类券商分析师报告数占样本B 总数的百分比；N/Total （2）为样本B 中分类券商分析师报告数占样本A 总数的百分比。

四、实证结果与讨论

4.1 分析师盈余预测偏差与Top5券商

本文的回归采用模型参照Clement（1999），Bae et al.（2008）等研究方法，李冬昕、李心丹等（2011）的研究也采用这种方法。我们设定回归模型(a )，如下：

0123456/ijt it ijt it

t it jt ijt PMAFE SBest AGE EXP MktT COVER B M βββββββε=+++++++ （a）

模型中t 代表年份，j 代表分析师所跟进的上市公司，i 代表分析师。ijt PMAFE 如上文定义为分析师盈余预测偏差，作为为被解释变量。解释变量中包含可能影响到分析师盈余预测偏差的因素，本文选取了共六个变量。it SBest 为券商分类变量，根据《新财富》杂志评选的“本土最佳券商（研究机构）”确定。ijt AGE 为预测时间间隔参数，it EXP 为分析师经验因素，由于it EXP 准确数值难于

得到，我们采用WIND 数据库中分析师i 出现最早的分析报告的时间到t 年的间隔代替。

it COVER 为分析师跟进数，/jt B M 为上市公司的规模因素，t MktT 是市场趋势变量。同时，如前面文献所述，分析师盈余预测偏差还会收到多种变量的影响，比如分析师是否是明星分析师等，但根据李心丹等人的研究，《新财富》所评选的“最佳分析师”对预测结果偏差影响并不显著，所以本文没有将其列为自变量。模型a 中ijt ε为残差项。

表7为各变量间的Pearson 相关系数，可以发现各参数之间的相关系数至少在5％水平上显著，且其值均小于0.3，因此对我们的回归分析没有影响。it EXP 与it SBest 的相关系数为正且较大，经验

丰富的分析师与券商是否是Top 5券商正相关，这与Top 5券商拥有更多有经验的分析师有关；

it EXP

与it COVER 也正相关，表明经验丰富的分析师倾向于跟进更多的上市公司。同时，发现账面市值比B /M jt 与市场趋势变量t MktT 的相关系数为-0.265，原因是在牛市时上市公司市值更高，而账面价值不变，造成B /M jt 的值会低。 表7 Pearson 相关系数

it SBest

it COVER it EXP t MktT ijt AGE B /M jt it SBest 1

it COVER -.013*

1 it EXP .185**

.164** 1 t MktT .048**

.073** -.110** 1 ijt AGE -.029**

.061** .137** .174** 1 B /M jt

.023** -.040** -.114** -.265** -.248** 1 注：* 为5％水平上显著， ** 为1％水平上显著（双尾检验）。

对模型a 进行回归，结果如表 8 所示。表8的回归结果表明，04-09（1）和04-09（2）在加入it SBest 变量前后各系数的显著性没有发生跟本性的变化，除分析师经验变量it EXP 外其他变量都至少在5％水平上显著。盈余预测偏差ijt PMAFE 与研究报告预测时间跨度ijt AGE 和市公司账面市值比B /M jt 显著正相关，特别是与B /M jt 显著正相关正好验证了我们前面的分析，即账面市值比越大，上市公司股票收益率越高，从而分析师进行预测时会更偏乐观，加大了分析师预测偏差；但是在04‐09各年的回归中，除了2007年显著外，其他各年都不显著，也就是说在单独年份中，分析师盈余预测偏差与上市公司规模因素无关。ijt PMAFE 与ijt AGE 显著正相关，表明ijt AGE 越小越是接近上市公司发布年报的时间，盈余偏差越小，预测越准确，这与李冬昕、李心丹等（2011）文献研究结果吻合。ijt PMAFE 还与分析师跟进数it COVER 和是市场趋势t MktT 变量显著负相关，即分析师跟进的上市公司数目越多，股市处在上升期，分析师预测越准确。ijt PMAFE 与it COVER 负相关与文献研究相悖，文献研究表明分析师跟进数量越少，其经历投入的越集中，研究结果越准确，而本文回归出来的结果却出人意料；其可能的原因是分析师关注的股票处在同一行业，因此关注跟进的股票越多，其对行业的趋势判断越准确；当然根据本文，这种结果影响非常弱，因此it COVER 系数仅为为‐0.002，并不是ijt PMAFE 最主要的影响因子。同时ijt PMAFE 与t MktT 负相关，表明在市场处于牛市，指数不断上涨时，分析师预测的会更准确。当前市场分析师报告绝大多数为买入报告，即分析师只发布看多信息，同时文献研究表明分析师普遍存在乐观倾向，因此与其说是市场趋势影响预测偏差，倒不如说是由于市场上涨配合了分析师的乐观性，被动的使得分析师预测偏差减小。

表 8 分类券商与分析师预测偏差的回归

tan Cons t it SBest ijt AGE it EXP B /M jt it COVER t MktT 04－09（1） -0.58*** （-6.71）

0.052*** (23.57) -0.004 (-1.49) 0.416*** (4.70) -0.002*** (-3.95) -0.023*** (-2.64) 04－09（2） -0.59*** （-6.89） -0.05***

（-4.66）

0.052*** (23.27) -0.001 (-0.47) 0.439*** (4.953) -0.002*** (-4.185) -0.019** (-2.176) 2004 -0.129（-0.28） -0.063*

（-1.67）

0.042*** (3.260) -0.024 (-0.79) 0.021 (0.044) 0.002 (0.665) 2005 0.105（0.341） -0.07***

（-2.38）

0.097*** (16.22) -0.003 (-0.16) -0.444 (-1.378) -0.002 (-1.121) 2006 0.150（0.716） 0.024

（1.028）

-0.012** (-2.33) -0.02** (-2.10) 0.024 (0.106) -0.005*** (-3.698) 2007 -0.578** （-2.82） 0.005

（0.228）

0.149*** (22.863) 0.008 (1.012) -0.353* (-1.526) 0.001 (-0.787) 2008 -0.026（-0.13） -0.09***

（-3.42）

0.0001 (0.038) 0.021 *** (3.203) -0.008 (-0.037) -0.794*** (-6.058) 2009 -0.81*** （-4.44） -0.08***

（-3.71） 0.166***(28.655) -0.003 (-0.679) -0.036 (-0.180) -0.003*** (-4.089)

注：04－09（1）为04－09样本回归，采用模型（a ）而没有加入券商分类变量it SBest 。04－09（2）加入券商分类变量it SBest 后的回归。2004-2005为每年的分析师预测偏差回归，采用模型a 而不包含市场趋势变量t MktT 。* 为10％水平上显著， ** 为5％水平上显著，***为1％水平上显著（双尾检验）。

分析比较2004－2009各年和综合六年的回归系数，可以发现券商分类因素it SBest 除了在2006和2007年不显著外，其余各年均显著为负值，也就是说Top 5 的分析师预测报告更优于市场平均水平。从而验证了我们的假设一：Top 5券商的分析师有更低的盈余预测偏差。

分析师经验变量it EXP 除了在2006和2008年显著外其余均不显著，并且在2006和2008两年虽然显著但正负不一，足以说明it EXP 与预测偏差无关。这与李冬昕、李心丹等（2011）的研究结果相悖。可能的原因是数据收集口径不一致，前者采取的是分析师在WIND 数据库中出现的第一份研究报告到t 年的间隔年数，而本文是根据WIND 数据库中出现的各年分析师盈余预测最早的年份到t 年的间隔年数。由于WIND 数据库只收集了2002年以后的分析师预测数据，因此本文关于分析师经验的数据可能因此受到影响。

4.2 券商规模、承销关系与分析师盈余预测偏差

前面发现了不同阵营券商盈余预测偏差显著不同，下面我们将按券商规模和是否存在承销关系分类，考虑不同阵营券商对待这两个因素的反应。

表9 2007－2009年A 股首发与增发主承销商统计

首发家数

比例 增发家数 比例 Other 427

79% 110 86%

Top 5 116

21% 18 14% Total 543 128 注：（1）本表收集了2003－2009年所有发行（增发）上市的公司；若有多家券商共同为主承销商则至少一家为Top 5则计入Top 5券商行列。

首先，我们节选样本A 中2007－2009年的分析师预测数据进行研究。定义承销关系变量ijt CX 为若券商i 是上市公司j 首发或者增发的主承销商，则在t 年记ijt CX =1，否则为0。虽然根据Malloy （2005）的定义，如果分析师i 所在的券商是公司j 首次公开发行（IPO）或者增发（SEO）的主承销商，且满足发表分析报告的第t 年在IPO 后的5年之内，或SEO 后的两年之内，我们就认为存在承销关系；由于我们这里选取的只有2007-2009的预测数据和20003-2009的股票发行增发的数据（表9），因此放宽了条件要求。如表9，Top 5券商不足市场的5％，去占据了20％的承销市场。表10 中，平均意义角度存在承销关系券商分析师的预测偏差为-0.07，远小于无承销关系券商分析师的预测偏差0.002，即存在承销关系券商分析师预测更加准确；同时对照乐观性参数ijt POPT (定义见下一节)均值，存在承销关系的券商分析师要远远比无承销关系券商的分析师更加乐观。也就是说，存在承销关系的券商分析师更加乐观但预测偏差更小。可见若存在承销关系，分析师可以得到更多详细的信息，致使其预测偏差比不存在承销关系的情况要小；但同时，分析师更有可能发布极度乐观的信息，其盈余预测比实际的要高更多。

表10 2007－2009分析师预测报告

N Mean1 Mean2

无承销关系

21116 0.002 0.002 承销关系

325 -0.070 0.156 注：Mean1为ijt PMAFE 均值，Mean2为ijt POPT 均值。

进一步回归分析，结果见表11 ，不存在承销关系的券商分析师it SBest 系数显著，而存在承销关系的券商分析师it SBest 系数则不显著。表明作为上市公司首发或者增发的主承销商，可以获得更多的信息，包括公开信息与私下信息，那么Top 5 券商在盈余预测将不处于优势，故使得it SBest 系数则不显著；对不存在承销关系的预测报告，Top 5 券商分析师能力更强，预测更准确，表现为it SBest 系数显著为负。同时，考虑到表12乐观性指标非常大，可以断言，存在承销关系存在时任何券商的每个分析师更加喜欢发布过度乐观报告，为推销本公司承销股票，吸引投资者跟进。

其次，我们引入分析师规模变量j BSize ，分析师j 所在券商的资产在所有券商总资产的中位数之上（即前50％）记为1，代表大券商；否则记为0，代表小券商。我们惊奇的发现表11 中，小券商it SBest 系数为正且在10％水平显著，大券商的it SBest 系数显著为负；也就是说规模较小的“最

佳券商”会利用其“名誉优势”发布乐观的预测，一方面可以提高交易量增加佣金收入，另一方面可以维持与管理层的良好关系，更加便利的获取信息，壮大自己的实力。而规模大的“最佳券商”会更注重其名誉，独立性较之要好。

表11 不同分类券商与预测偏差的关系 存在承销关系

预测 不存在承销关系预测

大券商 小券商 ijt PMAFE it SBest -0.065 （-0.83）

-0.067***

（-4.824） -0.038** （-2.14） 0.088* （1.63） 注：模型采用（a ），自变量中去掉市场趋势变量后，分组回归得到上述结果。* 为10％水平上显著， ** 为5％水平上显著，***为1％水平上显著（双尾检验）。

4.3 盈余预测偏差与分析师乐观性

分析师盈余预测偏差与是否是top 5券商的关系研究，表明Top 5券商的预测偏差更小，其预测结果更优秀。但这种现象是否是由于分析师乐观性造成的呢？就是说非Top5券商的分析师更加的盲目乐观，使其预测在统计上表现出劣于Top 5 券商分析师的结果呢？

为了检验这一推论，我们根据Malloy（2005）的研究，设定了分析师乐观变量ijt POPT ，定义如下：

()ijt ijt jt jt ijt jt jt FE AE FE AE POPT FE AE ???=?

ijt POPT 与ijt PMAFE 的唯一不同在于ijt POPT 采取的是ijt ijt FE AE ?的实际值而非绝对值。这样做的目的是体现分析师的乐观程度，若ijt POPT >0，则说明分析师预测乐观；ijt POPT <0，则分析师预测悲观。样本A 的ijt POPT 统计性描述见表12。

表12 样本A-ijt POPT 统计性描述

ijt POPT

N Mean 乐观分析师相对比例 POPT>0比例 Std.

Deviation Other

29469 0.11 79％ 36.5% 31.12 Top 5

8091 -0.40 21％ 9.8% 31.87 Total 37560 0.00 46.3% 31.29 注：乐观分析师相对比例，为Top 5券商和非Top 5券商所拥有的乐观分析师占总体乐观分析师的比例；POPT>0的比例为样本A 中乐观性的预测占总样本的比例。

通过表9可以看出，在平均效果上Top 5券商的分析师不如其他券商分析师乐观，甚至表现的是悲观的（-0.4）；市场中有8成的乐观性分析师报告在非Top 5券商中出现。但比较ijt POPT 与

it SBest 的相关系数为-0.01但并不显著，即说明分析师所在券商阵营的乐观性并没有显著性差异。进一步分析我们进行以下回归，结果见表13。PMAFE 为在模型（a）加入ijt POPT 后的回归，对比于表8 各变量系数的显著性没有变化，而ijt POPT 系数显著为正，也就是总体看来分析师越乐观其预测偏差也越大。POPT 是以ijt POPT 代替ijt PMAFE 作为因变量，对模型（a）中的变量进行回归，各参数系数都不显著。综上可以得到这样的结论：乐观性在非Top 5券商分析师与Top 5券商分析师之间并不存在显著性差异，不同阵营券商盈余预测偏差虽然都受到乐观性的影响，但这不是造成非Top 5券商与Top 5券商阵营盈余预测偏差显著不同的原因。

表13 样本A-ijt POPT 的回归分析 因变量

tan Cons t it SBest ijt AGE it EXP B /M jt it COVER t MktT ijt POPT PMAF

E

-.153*** （-11.57） -.05*** （-4.7） .052*** （23.3） -.0012（-0.4）.033*** （5.17） -.0017*** （-4.25） -.0179** （-2.02） .0003**（1.97）POPT -.681

（-1.268） -.489（-1.2） .134（1.48）

-.004 （-.03） .100（.389）.024 （1.477） -.070（-.193） 注：（1）为样本A 2004-2009年回归；（2）PMAFE 行为模型a 加入POPT 后分析师报告预测偏差回归；（3）POPT 行为将POPT 作为因变量，采用模型a 回归。* 为10％ 水平上显著， ** 为5％水平上显著，***为1％水平上显著（双尾检验）。

五、总结

国内关于分析师行为与其所属券商关系的研究并不多见，只是简单的分析分析师预测精度与券商规模、承销等的关系。本文通过研究证券分析师与其所属券商阵营的关系，力图深入探讨分析师预测偏差来自券商方面的影响因素。研究发现，分属不同券商阵营的证券分析师预测差异显著，“本土最佳券商（研究机构）”前五名的分析师盈余预测更加准确。特别是在不存在承销关系和大券商其预测偏差更小；而存在承销关系时，分析师更倾向于发布乐观预测。研究还发现虽然乐观性对盈余预测偏差影响显著，但不同券商阵营的这种差异并不是由于分析师乐观性不同造成的，可能更多的与分析师素质有关。在引入变量方面，本文创新的引入了市场趋势变量t MktT 和对数账面市值比B /M jt ，用于检验市场趋势和公司规模对分析师预测的影响。结果表明，在市场上升期分析师预测更加准确，由于乐观性的普遍存在，我们把这一结论归因为市场上涨配合了分析师的乐观性，被动的使得分析师预测偏差减小；同时也发现B /M jt 与预测偏差正相关，说明账面市值比效应亦是预测偏差的影响因素。

本文的研究拓展了分析师行为研究，使我们有了更多关于分析师的独立性的思考空间，同时为投资者评价分析师、有选择性的关注分析师报告有很好的借鉴意义。既然券商会对分析师预测偏差

产生影响，那么如何控制券商内在因素以提高分析师预测的精度，将是我们思考的主要问题；同时如何保护投资者利益，在券商利益与分析师预测之间加入一道“防火墙”是将来研究的重点。如文献综述所言，心理是影响分析师行为的重要因素，那么依附于不同券商的分析师心理会有何不同，以及券商的哪些潜质影响分析师心理的变化也是我们所关注的问题。

由于我国证券市场发展尚不完善，分析师行业也才刚刚步入正轨，WIND数据库关于分析师预测数据有限，必然会对本文的研究造成影响，相信随着分析师行业的发展，关于分析师的研究会更加深入。

参考文献

[1]Clement, M. B.Analyst forecast accuracy: Do ability, resources, and portfolio complexity matter [J]?

Journal of Accounting and Economics, 1999, 27(3), 285~303.

[2]Malloy, C.J.The Geography of equity analysis [J]. Journal of Finance 2005,60, 719~755.

[3]Lim. Rationality and analysts’ forecast bias[J].Journal of Finance 2001,56, 369~385.

[4]Olaf Stotz and Rüdiger von Nitzsch. The Perception of Control and the Level of Overconfidence:

Evidence from Analyst Earnings Estimates and Price Targets [J]. The Journal of Behavioral Finance，2005, V ol. 6, No. 3, 121–128.

[5]Dowen, Richard J. What Are Analysts' Forecasts Worth? One-Period Growth Expectations and

Subsequent Stock Returns [J]. Financial Analysts Journal, Jul/Aug 1989. V ol. 45, 71-75.

[6]Calderon, Thomas G. Predictive properties of analysis' forecasts of corporate earnings [J]. The Mid -

Atlantic Journal of Business, Mar 1993, V ol. 29, 41-59.

[7]Marc Goedhart, Rishi Raj, Abhishek Saxena. Equity analysts: Still too bullish [M]. McKinsey on

Finance, spring 2010, Number 35.

[8]Sundaresh Ramnath , Steve Rock , Philip Shane. Financial analyst forecasting literature: A taxonomy

with suggestions for further research [J]. International Journal of Forecasting 24 (2008) 34–75.

[9]Erik Devos, Seow Eng Ong, Andrew C.Spieler. Analyst Activity and Firm Value: Evidence from the

REIT Sector [J]. J Real Estate Finan Econ (2007) 35:333–35.

[10]Clayman, Michelle R, Schwartz, Robin A. Falling in love again - Analysts' estimates and reality [J].

Financial Analysts Journal, Sep/Oct 1994, 50, 66-68.

[11]李心丹.行为金融理论:研究体系及展望[J].金融研究，2005年第1期，175-190.

[12]胡奕明, 林文雄. 信息关注深度、分析能力与分析质量—对我国证券分析师的调查分析[J].金融

研究, 2005(2): 46-58.

[13]朱红军, 何贤杰, 陶林. 中国的证券分析师能够提高资本市场的效率吗[J]. 金融研究, 2007(2):

110~121.

[14]王宇熹, 陈伟忠, 肖峻. 国外证券分析师理论研究综述[J]. 证券市场导报, 2005(7): 55-60.

[15]南京大学工程管理学院课题组. 中国证券分析师行为研究报告[N]. 21世纪经济报道, 2008-1-24.

[16]胡奕明, 孙聪颍. 国外证券分析师盈利预测实证研究综述[J]. 证券市场导报, 2005(8): 27-32.

[17]李冬昕, 李心丹, 张兵. 我国分析师的盈利预测偏差与本地优势——基于中国A股市场的证据

分析[J]. 财经科学, 2011(3).

[18]张烨, 胡倩, 周健. 证券分析师评级报告的投资价值研究——来自香港股市的经验证据[J]. 当

代财经, 2009(10): 60-65.

[19]王宇熹, 肖峻, 吴佳, 陈伟忠. 证券分析师盈余预测偏差之谜的新解释[J]. 统计与决策, 2006(8):

117-120.

证券分析师盈余预测偏差与券商阵营——来自中国证券市场的研究发现?

作者：肖斌卿， 王杨

作者单位：南京大学工程管理学院

本文读者也读过(10条)

1.Wei Shi.Qing Ling.Gang Wu Sparsity-Enhanced Linear Time-Invariant MIMO System Identification[会议论文]-2011

2.顾张新.邢冰冰.李银传.聂敏车载电子用MnZn铁氧体TPW30材料[会议论文]-2011

3.严剑峰.李永劬.郭凤鸣MnZn功率铁氧体发展趋势探讨[会议论文]-2011

4.颜冲.何俊.王素平.吕东华超高饱和磁通密度MnZn铁氧体的研究[会议论文]-2011

5.聂敏.孙蒋平.申志刚.龚佑辉.陆明.董生玉.徐方舟无屏蔽式方形功率电感及其对NiZn铁氧体材料的要求[会议论文]-2011

6.Guolian Hou.Yuanyuan Zhang.Jianhua Zhang Real-coding Genetic Algorithm-based Model Identification for Bed Temperature of 300MW CFB Boiler[会议论文]-2011

7.牛永涛适应全球金融一体化趋势完善我国金融监管体系--对强化银行、证券、保险监管部门协作的几点思考[期刊论文]-西安金融2001(5)

8.周冬华.赵玉洁证券分析师盈余预测乐观倾向：认知偏差还是共谋？[会议论文]-2011

9.黄福广.李西文.彭涛.谢奥然.蒋明风险资本对管理层持股传递信号的影响研究—基于IPO抑价的视角[会议论文]-2011

10.胡聪慧噪音与证券分析师的迎合动机[会议论文]-2011

本文链接：https://www.wendangku.net/doc/cc2468742.html,/Conference_7538980.aspx