——来自中国A股上市公司的经验证据
汪弘1 罗党论2 林东杰3
（1.清华大学经济管理学院，北京 100084；2.中山大学岭南学院，广东 广州 510275；
3.中山大学管理学院，广东 广州 510275）
提要：近年来，频发的“研报门”事件引起了广泛关注。根据分析师研究报告的投资评级进行买卖能否获得超额收益？本文使用2009年1月1日至2010年12月31日的50000余份行业研究报告，以中国A股1475家公司24167个收到研究报告的事件日为对象，通过实证研究发现：(1)分析师撰写的研报具有显著的信息含量，研报评级越高、分析师名气越大、分析师所在券商的名气越大，投资者根据其研报买卖股票获得的超额收益越高，但明星券商的作用局限于短期；(2)信息不对称会影响研报的作用，研报涉及的公司信息越对称，分析师的评级作用会显著降低。本文的研究有助于提高对分析师作用的认识，监管层应鼓励发展分析师行业，缓解信息不对称状况，促进市场效率提升。 关键词：行业分析师，研究报告，评级，信息不对称
Abstract: The scandal of analysts’ reports has attracted great attention of the public. Can investors gain superior profits by following analysts’ recommendations? This paper finds: (1)Analysts have predictive abilities. Higher rating level, star analysts’ and star brokers’ recommendations bring about positive market reactions. Star analysts or brokers’ ratings are more effective. But star analysts’ influence is significantly important only in the short term; (2)When information becomes more symmetrical, the CAR (Cummulative Abnormal Return) reduces simultaneously. Analysts are of importance in eliminating information asymmetry. This study helps to deepen the understanding of analysts’ roles and to improve the regulatory efficiency of the growing industry of analysts.
Key words: Analysts; Recommendations; Rating; Information Asymmetry
作者简介：汪弘，清华大学经济管理学院博士生。罗党论，中山大学岭南学院副教授、会计学博士，研究方向：资本市场与公司财务行为。林东杰，中山大学管理学院博士生。 中图分类号： 文献标识码：A
引言
在中国，股民的投资决策在很大程度上受到各种荐股栏目的影响（丁亮和孙慧，2001），券商的研究报告常被奉为至宝。在形形色色的评选中获得优胜的行业研究员，不仅享受明星待遇而广受中小股民追捧，也以更高的身价受到各家券商研究机构的青睐。
然而2011年夏天，行业分析师之中的“激进者”彻底将分析师群体推到了风口浪尖上。据《理财周报》，2011年6月24日，中信证券黄巍发布研报《推高端产品拉升企业形象》称，涪陵榨菜今年推出的600克装沉香榨菜零售价为2200元，一时成为笑谈。5天后的6月29日，申银万国娄圣睿发布研报《东阿阿胶：阿胶块每公斤零售价5000元不是梦》，再次挑战市场神经。
那么，分析师的报告究竟是否有投资价值呢？如果没有，很难解释这个群体的存在，也很难理解为什么市场上每天都有大量研究报告出现。分析师群体的研究报告整体上是否有效，不能通过一些极端的“门事件”来解读和评判。分析师的研报评级能否给投资者带来超额回报？明星分析师和明星券商的研究报告更加有效吗？信息不对称在研报评级的效果上起到了什么作用？
理论分析与研究假设
一、投资评级、明星效应与超额收益率
关于行业分析师的研究报告究竟有没有投资价值，学术界进行了长期的探讨，但早期与近二十年来研究的结论并不一致。Cowles（1933）认为分析师的投资建议不能够带来超额收益，偶尔的
[7][11]
正确性可能是运气的因素。Diefenbach（1972）、Logue和Tuttle（1973）等均发现，分析师的推荐不能带来超额收益。当有研究发现超额收益的存在时，样本有偏性和数据不完全性常常会减弱这些发现的解释力（Womack，1996）。
但随着研报数量的增长、数据库的完善，陆续有实证研究支持研究报告的作用。Barber和Loeffler（1993）发现荐股公告后两天之内，产生了4%的异常收益，但一部分正向超额收益在公告后的25个交易日内发生了反转。他们认为分析师荐股的超额收益中既有价格压力的作用，也有信息内容的驱动。Stickel（1995）发现研报的投资评级在短期和长期都能带来显著的异常收益。
近年来，国内学者借鉴国外研究方法，以卖方分析师的投资评级为样本进行了一些颇有成效的研究，但在样本时间、样本大小、研究范围方面存在着不小的局限。丁亮和孙慧（2001）针对《中国证券报》“潜力股推荐”专栏进行了研究，认为中国存在大量的噪声交易者，以致价格压力假说在中国资本市场能够找到证据，但推荐引起的的价格变化不具有永久性，信息假说缺乏有力支撑。 经典的有效市场假说（Fama，1970）自问世以来，就不断受到各种“市场异象”的挑战。Grossman
[9]
和Stiglitz（1980）提出，股票价格不可能充分反映各种可获得信息，否则信息搜集、分析、加工活动的成本将无法得到补偿。这样一来从事信息搜集、加工的人会因为无法得到补偿而放弃这项活动，于是股票价格将不能有效反映股票的价值，如此，信息搜集活动又有了利益的驱动。因此，市场有效程度应该使信息加工者的劳动得到补偿，即信息加工的收益至少要抵消劳动成本。这就是拓展的有效市场观，即信息搜寻成本必须得到至少是市场超额收益的补偿。Womack（1996）进一步指出，信息处理是成本高昂的活动，证券公司每年花费数以亿计美元的资金来支持研究工作。投资者购买研报的前提是研报带来的期望收益至少要大于购买研报的成本，而期望收益的逻辑源头就是遵循投资建议而带来的超额收益。证券分析师是专业人士，从事的是一项成本高昂的专业劳动，其研报理应具有投资价值，这不仅是对其劳动的尊重，更重要的是对信息加工成本的补偿。否则分析师这个职业在逻辑上是否存在都值得怀疑，更不用说进行对研报有效性进行研究。
Barber和Loeffler（1993）分离了异常收益产生的两种驱动因素，提出了价格压力假说和信息假说，从一个角度验证了拓展的有效市场观。价格压力假说认为，会有一部分投资者乐于根据分析师的意见行动，因此异常收益可归因于对不具有专业知识和内幕信息的幼稚投资者产生的临时买入压力，这种买入压力来自分析师及其所在券商的影响力等要素；而信息假说则认为分析师通过其研报揭示了有关股票价值的新信息，异常收益具有永久性，提示市场对股票进行价值重估。
中国A股市场也可能存在信息和价格压力的双重作用，更积极的投资评级能够产生更高的超额收益率。由此有本文第一个假设：
H1：行业分析师的投资评级越高，在研报发布日前后买入并持有的超额收益越大。 研报的明星效应也是通过价格压力和增量信息的作用传导到超额收益上。一些明星分析师可谓呼风唤雨，甚至到微博上发表观点，有一批忠实的“粉丝”，他们往往是幼稚投资者，明星分析师的观点在短期非常容易形成价格压力。分析师声誉来自于证券分析师多年来通过精准的预测积累的口碑，知名度反过来也会强化分析师的影响力，同时明星分析师的专业水准使得其预测具有更多的增量信息。Stickel（1992）在对全美研究团队（由美国的《Institutional Investor》杂志评选，类似中国的《新财富》最佳分析师）的研究中发现，当他们调高盈利预测时，股价更加显著地上升。Stickel（1995）发现在短期内分析师声誉越大影响力越高。王宇熹等（2012）区分“买入/增持”、“中性”、“减持/卖出”评级三个子样本，研究发现明星效应对超额收益存在不同方向的影响，但在后两
- 1 -
[15]
[21]
[14]
[1]
[17]
[8]
[19]
[15]
[1]
[17]
[5]
个子样本中的回归结果并不显著。
明星机构的增量信息效应主要来源于在其中供职的明星分析师，与分析师的研究水准关系较大。但明星券商对超额收益的作用更多体现在其市场推广部门和营销网络带来的短期价格压力效应。Stickel（1995）发现，大券商往往有更多的销售员工，市场营销能力比小券商更强，但大券商效应主要体现在短期。据此，提出假设：
H1a：受到明星分析师关注的公司，在研报发布日前后买入并持有的超额收益越大。
H1b：受到明星券商关注的公司，在研报发布日前后买入并持有的超额收益越大，但局限于短期的价格压力效应。
H1c：来自明星分析师或者明星券商的积极评级对超额收益的效果更加明显。
[15]
二、信息不对称与超额收益率
朱红军等（2007）发现，分析师对信息的搜寻，使股价包含了更多公司基本面信息，提高了资本市场运行效率。
我们认识到，信息不对称状况会影响分析师投资评级的价值。换言之，公司的信息环境会影响研报的效果。公司的信息不对称状况严重、信息环境较差时，新信息发布的独有性较高，对于幼稚投资者的鼓动作用会更强，能带来更大的市场反应。此时，增量信息的价值也要大的多，“物以稀为贵”，信息也是这样。于是研报的增量信息能够更大程度上地传导到股价上，导致长期市场反应更强。不管是短期还是长期，信息环境都会影响研报的作用。
信息环境较差的情况下，发掘信息的成本较大。比如得到分析师关注较少的中小企业其信息成本较高，研究报告的独创性要求也高得多，不能够人云亦云、东拼西凑。这样看来，分析师的研究信息成本高，信息的边际贡献更大，也要求得到更高的超额收益率，这也符合Grossman和Stiglitz（1980）扩展的有效市场观，即信息搜寻成本必须得到来自市场收益的补偿。Stickel（1995）就发现，小市值公司对研报的市场反应比大市值公司强烈，这与公司信息环境关系密切，对小公司信息的收集和处理不那么频繁，他进一步指出，“小公司效应”是一种长期的信息效应。
由此有本文第二个假设：
H2：公司信息不对称状况越严重，行业分析师的投资评级带来的超额收益率越大。分析师的研究报告对降低资本市场之间的信息不对称方面成效显著，而良好的信息状况能够“挤出”投资评级的超额收益。
[9]
[15]
[23]
研究设计
一、样本选择和数据来源
本文以2009年1月1日到2010年12月31日券商研究机构对中国A股上市公司出具的研究报告为样本。同时，根据以下原则剔除：（1）金融业上市公司；（2）没有投资评级的研究报告；（3）评级标准混乱的研究报告；（4）某日某家公司因为暂停交易或者数据缺失而无法计算出CAR值（Cumulative Abnormal Return，累计超额收益率）的样本点；（5）股票在研报发布日无涨跌幅限制的样本点；（6）控制变量缺失的样本点；（7）个别样本极端值；（8）重复样本。最终样本包括54421份研究报告，其中2009年24491份研报，2010年29930份研报，为事件研究的方便，将其按同一被研究公司、同一研报发布日进行横向归并，形成来自1475家A股上市公司的24167份有效样本。
研究报告及评级数据来自CSMAR公司治理数据库，其中对标准化评级进行部分修正，部分缺失数据通过WIND数据库手工输入补齐。明星分析师数据基于《新财富》杂志对各个行业分析师的排名；明星券商数据也是来自《新财富》杂志的最具影响力研究机构排名和本土最佳研究团队排名。
二、主要变量与计量方法
1、事件窗口和超额收益率变量
本文采用事件研究的方法。MacKinlay（1997）
- 2 -
[12]
指出，在资本市场事件研究中，考虑到股票
市场收市和信息提前泄露等因素，事件窗口常定义为事件信息发布日及前后各一天。相对于普通的信息公布来说，卖方分析师书面的、正式的研报公布前，买方机构有很强的动机了解研报内容，内幕消息泄露的概率较大。Stickel（1995）指出，证券公司常会召开会议来发布对公司的评级，而分析师的文章常常在之前就写好了，信息容易泄露。本文将研究报告发布的当天以及其前后各一天定义为事件日（以下称“事件3日”），还在此窗口基础上，设置前后各20个交易日的事件窗口（以下称“事件41日”）。在稳健性检验中，本文还使用事件前后各5个交易日的事件窗口以及前后各10个交易日的事件窗口（以下分别称“事件11日”以及“事件21日”）。较短事件窗口的收益率体现分析师荐股的市场影响力，较长事件窗口的收益率体现分析师发掘股票价值的能力。
本文使用市场调整模型的CAR值作为超额收益率的指标，并按规模进行调整。我们将2009年1月1日至2010年12月31日的所有样本研究报告涉及到的A股公司，按照流通市值由小到大十等分（Decile）。规模组合每个月更新一次，评级当月的规模分组是按照上月最后一个交易日A股公司的流通市值排序来划分组合的，再按流通市值加权分别计算每个规模组合的日收益。CAR值以一段时间内以日为单位的多日实际收益率减去以日为单位的多日规模收益率来表示。以事件三日为例，事件三日的规模调整超额收益率即是累计三日实际收益率减去累计三日规模收益率。事件三日规模调整超额收益率CAR[−1,1]公式如下：（其中rti表示i公司股票在t日的收益率，rtsize表示评级当月该公司所在规模组合中所有上市公司按流通市值加权计算的在t日的收益率，即是规模指数收益率）
i1size
CAR[−1,1]=∏1) （1） t=−1(1+rt)−∏t=−1(1+rt
[15]
本文的研究中，并没有筛除分析师荐股以外影响股票收益的事件。在没有控制样本的情况下，为了防止事件窗口的市场反应是由其他事件而非行业报告导致的，借鉴Cready和Hurtt（2002），我们使用了更为精细的市场反应指标ABRET，定义如下：（ABRETt表示i公司在t日的异常收益，
i
[6]
MEAN_ABRETsi表示rti−rtsize在离事件窗口下限105至6个交易日之间的估计期间s中的均值，σsi表示rti−rtsize在估计期间s中的标准差）
ABRETti=(rti−rtsize−MEAN_ABRETsi)/σsi （2）
接着，我们按事件窗口覆盖日期加总各上市公司各天的ABRET值，得到不同事件窗口的超额收益CARa，以事件三日为例，CARa[−1,1]的公式如下：
i
CARa[−1,1]=∏1t=−1ABRETt （3）
2、分析师研究报告相关变量
本文重点关注研究报告中的投资评级。如果在特定日期内对同一股票有多位分析师的推荐意见，本文借鉴Barber等（2001）的方法，研究分析师一致评级意见的获利能力。我们将一致评级
界定为所有分析师在同一日内对某个公司出具的研报投资评级的平均值。
将投资评级按“买入”、“增持”、“中性”、“减持”、“卖出”标准化，分别赋值为5-1，评级越高赋值越高。一致评级范围为[1,5]，按其数值从大到小分为五段：买入(4.5,5]；增持(3.5,4.5]；中性(2.5,3.5]；减持(1.5,2.5]；卖出[1,1.5]。另外设置了虚拟变量Posrating和Negrating作为积极评级和消极评级的指示变量，以查看大方向不同的投资评级带来的超额收益率有什么不同，一致评级为买入、增持时则为积极评级，为减持、卖出时则为消极评级。
本文还设置了《新财富》明星分析师和明星券商的虚拟变量Staranalyst和Starbroker。
- 3 -
[2]
3、信息不对称变量
证券市场信息不对称概念量化研究的难度较大，本文借鉴Miller和Piotroski（2000）、
[4][22]
Bhattacharya等（2003）、杨之曙和彭倩（2004）等的方法，构建公司信息披露水平和信息不对称状况的代理指标。
为避免单一指标体系的缺陷，本文定义三个信息不对称变量：机构持股比例Instown，公司资产规模Lnsize，上市时间Listdur。进一步，按三个信息不对称变量中位数进行分组，凡取值大于中位数者赋值为1，形成研究定性效应的虚拟变量HInst、HLnsi和HList。机构持股比例越高，资产规模越大，上市时间越长，信息状况越对称。
在本文的研究中，结合卖方分析师为买方机构服务的特点，机构持股比例首先应当是衡量信息不对称状况的良好指标。Miller和Piotroski（2000）
[18]
[13]
[13]
发现机构持股比例高的公司更有可能披露公
司信息。崔学刚（2004）发现前十大股东中具有机构投资者能够提高信息披露的透明度。机构投资者作为专业投资者，通常是公司的较大股东，持有大量的公司股份，而且对其投资的收益相当敏感。机构持股越多，就相对降低了管理层或者家族持股对公司的影响力。机构有动力去监督管理层实施良好的治理，公开各种信息。另外，机构投资者在信息收集与信息处理方面较个人投资者具有优势（Hand，1990；Bartov等，2000），不容易发生行为学上的偏差；机构投资者也有更多信
[20]
息渠道。宋玉和李卓（2007）发现机构投资者能相对更早解读会计盈余信息，机构持股比例越高，盈余宣告后的市场反应越小，会计盈余宣告的信息含量越低。我们认为，机构持股比例越高，信息不对称状况越低。
公司规模越大，信息越对称。Stickel（1995），Womack（1996），Barber等（2001）等发现规模小的公司对分析师荐股的市场反应大于规模大的公司，他们认为相对更高的超额收益是对小公司更高的信息成本的补偿。小公司的信息可得性较差，解读的难度也相应较高，其信息不对称现象必然较大公司严重。
公司上市时间越长，信息越对称。上市时间长的公司，各项信息公开制度建设相对完善，自觉接受投资者监督的意识更强，也会得到更多分析师的关注和研究，其信息不对称状况应当越低，分析师对此类公司进行研究时的信息成本也会较小。
[15]
[17]
[2]
[10][3]
4、控制变量
本文还控制公司其他因素对超额收益率的影响。其中行业变量采用了证监会的第一级分类，并以公司数目较多的制造业上市公司为基准评级。变量定义具体见表1。
表1：变量的定义
变量
简写
定义
市场调整模型定义的规模调整超额收益率，事件3日、事件11
规模调整超额收益率
CAR[−t,t]
日、事件21日和事件41日的超额收益率分别为CAR[−1,1]，
CAR[−5,5]，CAR[−10,10]，CAR[−20,20]
ABRET 超额收益率 一致评级 积极评级 消极评级 明星分析师
CARa[−t,t]
Rating Posrating Negrating Staranalyst
ABRET异常收益加总的超额收益率
某家公司在研报发布日收到的所有研究报告的平均数值标准化投资评级
虚拟变量，当一致评级为买入和增持时赋值为1，否则为0 虚拟变量，当一致评级为减持和卖出时赋值为1，否则为0 虚拟变量，当发布研报的分析师是当年《新财富》明星分析师- 4 -
时赋值为1，否则为0
虚拟变量，当发布研报的分析师是当年《新财富》明星券商时赋值为1，否则为0
年初公司的机构持股数与总股本的比率，另设虚拟变量HInst，
机构持股比例
Instown
当Instown取值大于机构持股比例中位数时HInst赋值为1，否则为0
研报发布日当年年初公司总资产的自然对数值，另设虚拟变量
公司规模
Lnsize
HLnsi，当Lnsize取值大于公司规模中位数时HLnsi赋值为1，否则为0
公司从上市到研报发布日当年经历的年数，另设虚拟变量
上市年数
Listdur
HList，当Listdur取值大于上市年数中位数时HList赋值为1，否则为0
第一大股东持股比例 总资产报酬率 资产负债率 营业利润增长率 息税前利润增长率 年份 行业
Shareholder ROA Leverage Incomegrow EBITgrow Year Industry
年初公司的第一大股东持股数与总股本的比率 年初公司税前利润与资产的比率 年初公司的负债总额与资产总额的比率 年初比上年初营业利润增长的比率 年初比上年初息税前利润增长的比率
虚拟变量，研报发布日在2010年时赋值为1，否则为0 根据CSRC的第一级行业分类，当企业处于该行业时为1，否则为0
明星券商 Starbroker
根据研究假设及变量，本文构造如下基本回归模型检验投资评级、明星效应的效果：
CARa[−t,t]=β0+β1Rating+β2Posrating+β3Negrating+β4Staranalyst+β5Starbroker+β6Staranalyst*Rating+β7Starbroker*Rating+β8shareholder+β9ROA+β10Incomegrow+β11EBITgrow+β12Leverage+β13Year+∑λiIndustryi+ε
i
为了检验假设二中信息不对称变量对评级效果的影响，引入信息不对称变量与研报评级变量的
交叉项回归如下：
CARa[−t,t]=α0+α1Rating+α2Staranalyst+α3Starbroker+α4Instown*Rating+α5HInst*Rating+α6Lnsize*Rating+α7HLnsi*Rating+α8Listdur*Rating+α14Leverage+α15Year+∑γiIndustryi+µ
i
+α9HList*Rating+α10Shareholder+α11ROA+α12Incomgrow+α13EBITgrow
实证结果与分析
一、描述性统计
因篇幅限制，主要变量的描述性统计结果未一一列示，仅作简要说明。
就规模调整超额收益率而言，CAR[−1,1]、CAR[−5,5]、CAR[−10,10]、CAR[−20,20]的均值分别为0.007，0.012，0.012，0.013；标准差分别为0.050，0,085，0.111，0.148。超额收益率的均值和波动性都随着事件窗口的扩大而增大。平均评级指标平均值为4.089，中位值为4.000，按本文的标准化定义均
- 5 -
落入了“增持”的评级中，可以认为行业分析师具有普遍的乐观心态，但由于客观条件的限制，这种乐观未必是真正的乐观，不过由于评级指标的平移对于本研究影响不是特别大，不再进行进一步的数据处理。
从总体上看，超额收益率有随着平均评级增加而增大的趋势，预计它们之间存在着一定程度的正相关关系，见图1。由于标准化一致评级为减持和卖出的样本分别仅有76份和95份，占样本总数分别仅约为0.31%和0.39%，对于减持和卖出评级的情况此处并未列示。
图1：超额收益率均值随平均评级增大而增大的图示
二、模型回归结果与分析 1、基本模型回归结果
表2和表3列示了基本模型的回归结果，因变量分别是CAR[−1,1]、CAR[−20,20]。其中，年份、行业控制变量的结果省略。
表2与表3中，回归结果在偏回归系数的正负上几乎没有区别，但表3中各个偏回归系数的绝对值普遍增大了。
控制了公司特质变量后，平均评级越高，超额收益率也越高，这证实了H1，即越高的投资评级能够带来越大的超额收益率。超额收益率的方向在较长的事件窗口没有发生反转，说明分析师的研究报告的确揭示了新的信息。以事件三日CAR[−1,1]为例，平均评级提高0.1，超额收益率的总体均值能够提高0.1%。
从多元回归的结果看来，H1b也得到了证实。控制公司层面的变量以后，分析师和券商的名气在短期内对超额收益率具有显著为正的影响。来自明星分析师和明星券商的研究报告，其投资评级对超额收益的作用也更大，但在长期，明星券商的影响变得不显著。看来明星券商效应确实更多体现在短期价格压力上，是营销能力带来的结果。仍以CAR[−1,1]为例，相较于非明星分析师，明星分析师的研报平均能够增加约0.3%的超额收益率；相较于非明星券商，明星券商的研报平均能够增加超额收益约0.4%。
由（2）和（3）的回归结果可见，在1%的显著性水平上，短期来看，买入、增持等积极评级能够带来正的超额收益率，而减持、卖出等消极评级会带来负的超额收益率。积极评级带来的超额收益率增长，短期在绝对数上略大于出具消极评级带来的负超额收益率，但由于消极评级样本数远
- 6 -
远少于积极评级，故其系数t值也小得多。长期积极评级的超额收益率在绝对数上明显大于消极评级，但此时消极评级的作用变得不显著。Womack（1996）认为出具卖出评级对于分析师来说隐含的成本更高，风险也更大，应当要求更大的回报，卖出评级的市场反应应该更大。本文的发现刚好相反，消极评级的市场反应不及积极评级。这可能跟我国做空机制受限有关、分析师没有足够的激励去搜集负面信息有关。这就削弱了消极评级的市场影响力。
表2：投资评级、明星效应与分析师作用(短期事件窗口[-1，1])
Rating Posrating Negrating Staranalyst Starbroker Shareholder ROA Incomegrow EBITgrow Leverage Staranalyst*Rating Starbroker*Rating
Constant Adj.
(1) 0.010*** (19.17) 0.003*** (3.07) 0.004*** (5.37) -0.007*** (-3.57) 0.046*** (6.40) 0.000 (0.21) 0.000 (0.23) 0.004** (1.97) -0.037*** (-15.14) 0.027
(2) 0.013*** (14.74) 0.003*** (3.34) 0.003*** (4.24) -0.008*** (-3.65) 0.054*** (7.36) 0.000 (0.08) 0.000 (0.31) 0.006*** (2.80) -0.008*** (-4.95) 0.021
(3) -0.011*** (-2.72) 0.003*** (3.79) 0.004*** (5.39) -0.007*** (-3.40) 0.073*** (10.15) -0.000 (-0.58) -0.000 (-0.17) 0.008*** (3.99) -0.002 (-1.10) 0.013
(4) 0.009*** (16.59) -0.012** (-2.16) 0.004*** (5.50) -0.007*** (-3.52) 0.046*** (6.29) 0.000 (0.19) 0.000 (0.27) 0.004* (1.93) 0.003*** (2.68) -0.034*** (-13.26) 0.028
(5) 0.009*** (14.70) 0.003** (2.99) -0.009** (-2.11) -0.007*** (-3.49) 0.046*** (6.27) 0.000 (0.18) 0.000 (0.22) 0.004* (1.94) 0.003*** (3.08) -0.033*** (-11.92) 0.028
[17]
R2
注：***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。为减少极端值的影响，对回归中的连续变量按1%进行了winsorize处理。下同。
表3：投资评级、明星效应与分析师作用(长期事件窗口[-20，20])
Rating Posrating Negrating
(1) 0.025*** (16.44)
(2) 0.030*** (12.23) - 7 -
(3) -0.013
(4) 0.022*** (13.72)
(5) 0.022*** (12.63)
Staranalyst Starbroker Shareholder ROA Incomegrow EBITgrow Leverage Staranalyst*Rating Starbroker*Rating
Constant Adj.
0.009*** (3.41) 0.003 (1.39) -0.051*** (-8.36) 0.384*** (18.21) 0.000 (0.40) 0.000 (0.03) 0.049*** (8.04) -0.120*** (-16.95) 0.056
0.009*** (3.66) 0.001 (0.48) -0.051*** (-8.41) 0.40*** (19.11) 0.000 (0.27) 0.000 (0.09) 0.054*** (8.79) -0.048*** (-9.90) 0.051
(-1.15) 0.010*** (4.05) 0.003 (1.45) -0.050*** (-8.20) 0.451*** (21.65) -0.000 (-0.32) -0.000 (-0.32) 0.060*** (9.77) -0.033*** (-6.92) 0.045
-0.048*** (-3.01) 0.004 (1.57) -0.050*** (-8.30) 0.381*** (18.06) 0.000 (0.37) 0.000 (0.09) 0.049*** (7.99) 0.014*** (3.60) -0.111*** (-14.63) 0.056
0.009*** (3.34) -0.030 (-2.32) -0.050*** (-8.29) 0.382*** (18.10) 0.000 (0.38) 0.000 (0.02) 0.049*** (8.02) 0.008*** (2.60) -0.110*** (-13.75) 0.056
R2
将CARa指标作为因变量的回归结果，在这里不详细列示。此时超额收益的单位是标准差个数，所以在回归系数大小上与规模调整的CAR值并不一致，但结论差异不大。
2、信息不对称变量交叉回归结果
为证实本文的第二个假设，将信息不对称变量与一致评级变量交叉相乘进行检验，CAR[−1,1]、
CAR[−20,20]为因变量的结果分别见表4、表5。其中，年份、行业控制变量的结果省略。
可以看出，在机构持股比例、资产规模以及上市时间小于中位数、即信息不对称状况严重的样本中，分析师评级对CAR[−1,1]的作用在绝对数上分别增大0.4%，0.5%和0.1%，对CAR[−20,20]的作用在绝对数上分别增大0.5%，1.2%和0.4%。假设2也得到证实。注意到信息不对称变量与一致评级变量交叉检验的结果中，如表4和表5的（2）与（5）所示，公司规模与评级的交叉项在短期和长期事件窗口均十分显著；而如（1）与（4）所示，机构持股比例与评级的交叉项在短期十分显著，但在长期并不能通过统计水平为10%的t检验，这可能跟我国的基金等机构偏好高流动性的股票，并且换手率比较高有关系。总体而言，机构持股比例越高、公司资产规模越大、上市时间越长，即信息越对称，投资评级带来超额收益的偏效应就越低；反之，若信息不对称现象较严重，研究报告的信息成本就越大，投资评级便能带来更高的超额收益，即分析师的研究报告显著降低了资本市场的信息不对称状况。
表4：信息不对称与分析师作用(短期事件窗口[-1，1])
(1) Instown
(2) Lnsize
- 8 -
(3) Listdur
(4) HInst
(5) HLnsi
(6) HList
Rating Staranalyst Starbroker Shareholder ROA Incomegrow EBITgrow Leverage Instown(HInst) Instown(HInst)*Rating
Lnsize(HLnsi) Lnsize(HLnsi)*Rating Listdur(HList) Listdur(HList)*Rating
Constant Adj.
0.013*** (13.28) 0.003*** (3.33) 0.004*** (5.42) -0.007*** (-3.14) 0.055*** (7.31) 0.000 (0.14) 0.000 (0.01) 0.006*** (2.70) 0.022** (2.52) -0.007*** (-3.24) -0.048*** (-11.74) 0.028
0.053*** (7.01) 0.003*** (3.37) 0.004*** (5.48) -0.004* (-1.69) 0.048*** (6.63) 0.000 (0.03) -0.000 (-0.00) 0.010*** (4.32) 0.006*** (4.35) -0.002*** (-5.69) -0.179*** (-5.73) 0.030
0.011*** (10.92) 0.003*** (3.05) 0.004*** (5.31) -0.007*** (-3.35) 0.045*** (6.14) 0.000 (0.19) 0.000 (0.32) 0.003 (1.16) 0.001** (2.20) -0.000* (-1.70) -0.044*** (-9.95) 0.028
0.011*** (17.40) 0.003*** (3.28) 0.004*** (5.40) -0.007*** (-3.29) 0.052*** (7.05) 0.000 (0.22) 0.000 (0.02) 0.005** (2.45) 0.014*** (3.33) -0.004*** (-3.97) -0.045*** (-14.82) 0.028
0.012*** (17.43) 0.003*** (3.36) 0.004*** (5.37) -0.006*** (-2.83) 0.050*** (6.82) 0.000 (0.14) 0.000 (0.11) 0.008*** (3.70) 0.015*** (3.72) -0.005*** (-4.66) -0.048*** (-15.22) 0.029
0.010*** (14.89) 0.003*** (3.07) 0.004*** (5.35) -0.007*** (-3.52) 0.046*** (6.30) 0.000 (0.15) 0.000 (0.30) 0.004 (1.64) 0.005 (1.30) -0.001 (-1.08) -0.039*** (-12.58) 0.027
R2
表5：信息不对称与分析师作用(长期事件窗口[-20，20])
(1) Instown 0.029*** (10.45) 0.010*** (3.76) 0.004* (1.69) -0.046*** (-7.62) 0.428*** (19.59)
(2) Lnsize 0.126*** (5.74) 0.010*** (3.79) 0.004* (1.72) -0.036*** (-5.73) 0.392*** (18.59)
- 9 -
(3) Listdur 0.029*** (9.51) 0.009*** (3.39) 0.003 (1.34) -0.050*** (-8.13) 0.380*** (17.92)
(4) HInst 0.027*** (13.96) 0.009*** (3.65) 0.004 (1.58) -0.048*** (-7.91) 0.409*** (19.05)
(5) HLnsi 0.030*** (15.06) 0.009*** (3.67) 0.003 (1.40) -0.047*** (-7.64) 0.393*** (18.55)
(6) HList 0.026*** (13.01) 0.009*** (3.41) 0.003 (1.38) -0.051*** (-8.32) 0.383*** (18.13)
Rating Staranalyst Starbroker Shareholder ROA
Incomegrow EBITgrow Leverage Instown(HInst) Instown(HInst)*Rating
Lnsize(HLnsi) Lnsize(HLnsi)*Rating Listdur(HList) Listdur(HList)*Rating
Constant Adj.
0.000 (0.11) -0.000 (-0.34) 0.058*** (9.24) 0.003 (0.10) -0.008 (-1.38) -0.135*** (-11.41) 0.058
0.000 (0.13) -0.000 (-0.23) 0.072*** (10.78) 0.012*** (2.83) -0.005*** (-4.59) -0.400*** (-4.41) 0.059
0.000 (0.38) 0.000 (0.12) 0.045*** (7.06) 0.003** (2.10) -0.000 (-1.62) -0.141*** (-10.85) 0.056
0.000 (0.28) -0.000 (-0.24) 0.054*** (8.71) 0.008 (0.63) -0.005 (-1.61) -0.132*** (-15.06) 0.057
0.000 (0.34) -0.000 (-0.08) 0.061*** (9.15) 0.040*** (3.31) -0.012*** (-4.16) -0.148*** (-16.27) 0.057
0.000 (0.34) 0.000 (0.08) 0.048*** (7.68) 0.017 (1.41) -0.004 (-1.28) -0.128*** (-14.102) 0.056
R2
将CARa指标作为因变量的回归结果，限于篇幅不再列示。此时的回归结果不如CAR指标为因变量时理想，但机构持股比例虚拟变量与评级的交叉项在短期十分显著，公司规模与评级的交叉项在长期也在1%的水平内显著。
三、稳健性检验
为检验结论的可靠性，本文还采用事件11日超额收益率、事件21日超额收益率分别重复上述的回归检验，结论基本一致。随着事件窗口的拉大，各偏回归系数的绝对值也随之增大。我们还对明星分析师变量和明星券商变量进行了数值化的处理，将虚拟变量变为整数数值变量，分别定义为公司在研报发布日收到的研报中，由明星分析师出具的研报份数和由明星券商出具的研报份数，结论没有改变。限于篇幅，不再一一列示。
结论
本文的实证研究显示，在控制第一大股东持股比例、总资产报酬率等因素后，更高的研报评级、分析师名气能在短期和长期的事件窗口带来显著的超额收益率，且来自明星分析师和明星券商的积极评级作用更大，但券商名气对超额收益的作用局限于短期的价格压力效应。同时，信息越对称，积极评级带来的超额收益率较小，也即良好的信息状况能够“挤出”超额收益率，分析师在降低资本市场的信息不对称方面作用显著。本文的研究有助于提高对中国证券市场中分析师作用的认识。监管层应鼓励发展分析师行业，缓解信息不对称状况，促进市场效率提升。
[基金项目：本文感谢国家自然科学基金青年项目（项目号 70902024、71272200）、广东省软科学课题（2011B070300024）、广东省研究生创新培养计划资助项目（sybzzxm201022）、中山大学经济研究所基地建设经费项目与中山大学青年教师培育项目的资助。] 参考文献：
- 10 -
[1]Barber, B. and Loeffler D.. The Dartboard Column:Second-hand Information and Price Pressure [J]. Journal of Financial and Quantitative Analysis, 1993, 28: 273-284
[2]Barber, B., Lehavy R., McNichols M. and Trueman B.. Can Investors Profit From the Prophets? Security Analyst Recommendations and Stock Returns [J]. The Journal of Finance, 2001, 56: 531-563. [3]Bartov, E., Radhakrishnan S. and I. Krinsky. Investor Sophistication and Patterns in Stock Return [J]. The Accounting Review, 2000, 75(1): 43–63.
[4]Bhattacharya, U., H. Daouk and M. Welker. The World Price of Earnings Opacity [J]. The Accounting Review, 2003, 78(3): 641-678
[5]Cowles, A.. Can Stock Market Forecasters Forecast? [J]. Econometrica, 1933, 1(3): 309-324.
[6]Cready, W., and D. Hurtt. Assessing Investor Response to Information Events Using Return and Volume Metrics [J]. The Accounting Review, 2002, 77(4): 891-909.
[7]Diefenbach, R.E.. How Good Is Institutional Brokerage Research? [J].Financial Analysts Journal, 1972, 28(1): 54-60
[8]Fama, E.. Efficient Capital Markets: A Review of Theory and Empirical Work [J]. The Journal of Finance, 1970, 25: 383-417
[9]Grossman, Sanford J. and Stiglitz, Joseph E.. On the Impossibility of Informationally Efficient Markets [J]. American Economic Review, 1980, 70: 393-408
[10]Hand, J.R.M.. A Test of the Extended Functional Fixation Hypothesis [J]. The Accounting Review, 1990, 65(4): 740–763
[11]Logue, D.E., and D.L. Tuttle. Brokerage House Investment Advice [J]. Financial Review, 1973, 8(1): 38-54
[12]MacKinlay, A. Craig. Event Studies in Economics and Finance [J]. Journal of Economics Literature, 1997, 35: 13-39
[13]Miller, G., and J. Piotroski. Forward-looking Earnings Statements: Determinants and Market Response [R]. Working paper, 2000, Harvard University
[14]Stickel, Scott E.. Reputation and Performance Among Security Analysts [J]. The Journal of Finance, 1992, 47: 1811-1836
[15]Stickel, Scott E.. The Anatomy of the Performance of Buy and Sell Recommendations [J]. Fiancial Analysts Journal, 1995, 9: 25-39
[16]Welker M.. Disclosure Policy, Information Asymmetry, and Liquidity in Equity Markets [J]. Contemporary Accounting Research, 1995, 11(2): 801-827
[17]Womack, Kent. Do Brokerage Analysts’ Recommendations Have Investment Value? [J]. The Journal of Finance, 1996, 51: 137-167
[18]崔学刚. 公司治理机制对公司透明度的影响[J]. 会计研究, 2004, 8: 72-80 [19]丁亮，孙慧. 中国股市股票推荐效应研究[J]. 管理世界, 2001, 5: 161-167
[20]宋玉，李卓. 机构投资者持股与会计盈余宣告的信息含量[J]. 证券市场导报, 2007, 2: 29-35
[21]王宇熹，洪剑峭，肖峻. 顶级券商的明星分析师荐股评级更有价值么——基于券商声誉、分析师声誉的实证研究[J]. 管理工程学报, 2012, 3: 197-206
[22]杨之曙，彭倩. 中国上市公司收益透明度实证研究[J]. 会计研究, 2004, 11: 62-70
[23]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——基于股价同步性和股价信息含量的经验证据[J]. 金融研究, 2007, 2: 110-121
- 11 -
因篇幅问题不能全部显示，请点此查看更多更全内容