行業因素對證券分析師收益預測的影響研究*

鄭州航空工業管理學院會計與財務研究中心 楊紅娟

一、引言

證券分析師作為企業和投資者之間的信息中介，在資本市場上扮演著重要角色。由于證券分析師具有優于一般投資者的信息收集途徑、專業分析能力等優勢，其收益預測有助于提高市場的定價效率，減少被分析企業的信息不對稱，促進市場整體的有效性，從而增加投資者的收益。在有效市場中，分析師做出的盈余預測應是完美的，其預測所依據的信息能夠迅速反映到價格中。而現實中，由于分析師的行為不可避免地受到各種因素影響，其所做的收益預測往往是有偏的，也必然影響到資本市場的資源配置效率。導致分析師收益預測有偏的主要原因是被預測公司的特征和分析師自身的因素。而行業因素是導致被預測公司特征產生差異的重要原因，不同的行業屬性決定了公司盈利能力、風險水平、融資能力、稅收狀況等存在差異，預測的準確度也可能存在差異，關注分析師預測準確性的行業差異是證券分析師預測研究中的重要內容。

二、文獻綜述

我國分析師行業發展比較晚，證券分析師的分析、預測能力和資本市場發達國家的證券分析師還有相當的差距（姜國華，2004）。國內對于分析師預測的研究大多將行業作為控制變量引入模型中（岳衡，2008），僅有較少的研究涉及證券分析師與行業的關系，如高明華等（2010）發現我國證券分析師在被關注公司的行業選擇上存在“趨同效應”，更傾向于關注熱門行業的公司。從絕對數量上看，機械、設備、儀表行業是最受關注的行業，其次是金屬、非金屬、石油、化學、塑膠和塑料、醫藥、生物制品，批發和零售貿易，交通運輸以及倉儲業，這些行業被關注公司數占被關注公司總數的59%。但從相對數值來看，關注度最高的行業依次是金融、保險業，受關注的公司占總數的100%。被關注公司與未被關注公司在盈利能力上存在顯著差異，被關注公司的凈資產收益率顯著高于未被關注的公司，該結果表明證券分析師偏好盈利能力較好的公司，這樣可以降低預測風險。Patz（1989）研究表明分析師對大型重工業的盈利預測比對消費品行業的預測更加困難。Capstaff（2001）以1987～1994年間歐洲公司的盈利預測為樣本發現，相對于交通及消費耐用品部門，分析師對公共事業及醫療衛生單位的預測更準確。綜上所述，鮮有涉及分析師預測準確度的行業差異的研究，但投資者進行行業選擇是必不可少的決策內容。本文從這一角度出發，分析并檢驗分析師預測準確性的行業差異以及產生差異的原因。

三、理論分析與研究假設

（一）盈余波動性對預測準確度的影響 不同行業的企業在生產模式、銷售方式及獲利方式等方面不同，其盈利的穩定性也有所差異。穩定行業中公司的盈余相對容易預測，而受外來因素影響較多的行業則增加了分析師預測的難度（O’Brien，1990）。McNichols和0’Brien（1997）研究發現證券分析師傾向于跟蹤盈利公司而放棄虧損公司。盈利公司除能給投資者帶來穩定的收益、更受投資者的追捧外，其公司運作的規范程度也更高，同時長期盈利的公司也表現出較高的價值。林小馳、歐陽婧和岳衡（2007）在研究國外證券分析師對我國滬深兩市上市的境內公司的關注度時，發現這些公司在發布預測的決定時，受公司財務特征的影響很大，海外證券分析師也往往更傾向于對財務特征表現好的公司進行預測。基于此，本文提出假設1：

H1：盈余波動性與分析師預測的準確度負相關

（二）規模對預測準確度的影響 證券分析師一般按行業進行研究，即一個分析師主要負責一個或幾個相關行業的研究。為了提供可靠的投資建議，分析師在前期的分析過程中需要投入大量的成本去搜集行業和企業的信息，并對其財務、經營和管理狀況進行評價和分析。而公司規模越大，多元化經營和行業變化越大，獲取信息的成本越大，難度越高，盈余預測準確度也隨之降低。國外研究將公司規模作為影響盈余預測的一個變量。石桂峰等（2007）研究發現盈余波動程度越大、公司規模越大，預測的精確度則越低。基于以上分析，本文提出假設2：

H2：公司規模與分析師預測的準確度負相關

（三）成長性對預測準確度的影響 Lang、Lins和Miller（2004）的研究表明，高成長性企業更能吸引證券分析師的關注。分析師對成長性及效益好的公司跟進的多且預測準確度高（Pae，1998）。Myers（1977）認為企業價值是由投資機會集和現有運營資產兩部分組成，而企業價值中較大一部分以企業所擁有的未來投資機會的形式存在。相對于傳統行業，處于成長期的行業有更多的投資機會，其企業核心產品或服務的盈利能力更強，因此，筆者認為成長性好的行業的預測準確度較高。基于此，本文提出假設3：

H3：成長性與分析師預測準確度正相關

四、研究設計

（一）樣本選取與數據來源 本文選取所有分析師對上市公司2011～2013年每股收益（EPS）所作的預測數據進行研究，若不同分析師對同一上市公司進行多次預測，取每股收益預測數據的均值。同時，本文依據中國證監會2001年發布的《上市公司行業分類指引》對上市公司進行分類。為了確保財務信息的可比性，本文剔除了金融行業的樣本、主營業務不明確的綜合業和上市公司較少的行業后按行業大類共取了10個行業3年共計3148家上市公司的面板數據。本文數據源于CSMAR數據庫，為了排除異常值對研究結果的影響，用Winsorize對數據進行極值處理。

（二）變量定義及模型構建 根據理論分析并參照國內外相關文獻，本文選取相關變量如表1所示。

表1 變量選取及定義

本文的目的是研究分析師預測準確度的行業差異以及行業差異產生的原因，所以將FERR作為因變量，構建回歸模型如下：

五、實證結果與分析

（一）描述性統計 表2是分析師對不同行業的收益預測準確度的描述統計，由表2可知，分析師預測的準確性具有明顯的行業差異，整體準確度較高的是電力、熱力、燃氣及水生產和供應業，交通運輸、倉儲和郵政業及社會服務業。這些行業預測誤差較小且預測的一致性較高。電力、熱力、燃氣及水生產和供應業的FERR均值和標準誤為0.8、0.96；交通運輸、倉儲和郵政業的均值和標準誤分別為0.67、0.88，社會服務業均值和標準誤為0.69、0.84。同時可以看出分析師預測分歧較大的行業往往也是也是預測的準確性較差的行業。預測誤差較大且一致性較差的行業分屬農、林、牧、漁業，制造業、采礦業。農、林、牧、漁業的FERR均值和標準誤為1.74、1.52；制造業均值和標準誤為1.49、1.36，采礦業均值和標準誤為1.24、1.33。同時，分析發現，分析師的預測普遍較為樂觀，從相對數來看，2011～2013年預測值和真實值之間的差額大于零的占98%左右。

（二）回歸分析 本文進行多元回歸的結果如表3所示，模型具有顯著的解釋效果，調整R2為0.1315，F統計量為33.21。結果表明行業因素對分析師預測的準確度具有顯著影響，收益波動性與預測誤差顯著正相關（回歸系數為0.134），波動性越大，預測的準確性越低，與H1一致。成長性與預測誤差顯著負相關（回歸系數為-0.4264），說明企業成長性越強，預測的準確度越高；而規模與預測誤差的相關性不顯著，說明企業規模對分析師的收益預測準確度并不會產生顯著影響。

表2 分析師對不同行業預測的準確度描述統計

表3 預測準確度的影響因素的回歸結果

另外，本文以農、林、牧、漁業作為基準行業，發現除采礦業和制造業外，其他行業和農、林、牧、漁業差異較為顯著，這與描述統計的結果相符，農、林、牧、漁業，采礦業及制造業預測的誤差較大，且和其他行業的預測準確度相差較大。究其原因，制造業企業受宏觀經濟影響較大，近年來全球尤其是歐洲制造業增長急劇收縮，外需惡化且去庫存壓力增加，致使制造業活動增長放緩，整體效益較差，同時，制造業中的高新技術企業有大量的研發費用，而研發結果具有較強的不確定性，行業收益的波動性較大，財務風險較高，因此較多的不確定因素導致預測準確性較低。采礦業作為機械制造業企業的關聯產業為我國高度壟斷的行業，但由于近年機械工業產能過剩，國家加大調整產業結構及采取嚴格的環保要求和恢復地表生態的法律法規，提高了采礦業的準入標準，導致采礦業經營困難，收益的波動性較大且成長性較差，尤其是煤炭工業更為突出，所以預測的準確度較差。而作為第一產業的農、林、牧、漁業因上市公司數量相對較少，行業受自然條件影響較大，近幾年收益的波動性較大，分析預測中的不確定因素較多，預測準確性和一致性較差。

電力、熱力、燃氣及水生產和供應業，交通運輸、倉儲和郵政業、社會服務業等是預測比較準確的行業。電力、熱力、燃氣及水生產和供應業及鐵路運輸業、航空運輸業與道路運輸業受到嚴格的政府管制，是高度壟斷行業，一般具有穩定的現金流，收益的波動性較小，預測的準確度較高。倉儲和郵政業從廣義上講屬于物流業范疇，電子商務的快速發展給物流產業帶來了發展機遇，行業成長性較好且收益波動性較小，所以預測的準確度較高。社會服務業受宏觀政策影響較少，行業發展中的風險小，盈余波動性較小且成長性較好，所以預測的準確度較高。

六、研究結論

本文通過對證券分析師2011～2013年每股收益預測的準確性進行分析，進一步掌握了會計收益預測的行業間差異的證據，得出如下結論：證券分析師預測的準確度具有顯著的行業差異，其中，收益波動性較小、成長性較好的行業的預測準確度較高。本文的研究意義在于揭示了行業因素對證券分析師預測準確度的影響，行業的收益波動性、成長性是影響分析師預測的重要因素，所以，投資者在借鑒分析師的預測信息時應考慮行業因素。同時，本文的不足之處在于，行業按照大類進行分類，并未進行行業細分，如制造業中包含醫藥制造業、鋼鐵制造業等很多產品性質差異較大的制造業企業，本文將制造業作為整個行業和其他行業進行對比，勢必會降低預測信息的可比性，這些將在后續研究中進行完善。

［1］岳衡、林小馳：《證券分析師VS統計模型:證券分析師盈余預測的相對準確性及其決定因素》，《會計研究》2008年第8期。

［2］高明華、曾誠、杜雯翠：《公司特征與證券分析師關注度——基于中國上市公司的實證研究》，《黑龍江社會科學》2010年第3期。