賣空限制、分析師盈余預測分歧度與股票未來收益

常州工學院 姚 俊

賣空限制、分析師盈余預測分歧度與股票未來收益

常州工學院 姚 俊

本文選取2010年4月至2015年12月間滬深兩市一直存在賣空限制和不存在賣空限制的兩組公司作為研究對象，通過我國證券市場融資融券業務逐漸開放所提供的“自然實驗”環境，分析了賣空限制、分析師盈余預測分歧度與股票未來收益間的關系。研究表明：在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場顯著存在，即分析師盈余預測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負相關關系；而賣空限制的放松顯著改變了分析師盈余預測分歧度與股票未來收益的相關關系。當不再存在賣空限制，分歧度與股票未來收益不存在相關關系。因此，可以認為融資融券政策是具有市場效率的，它顯著改善了市場的賣空限制的程度，使我國的資本市場向更合理的方向發展。

賣空限制 分歧度 股票未來收益

一、引言

分析師是資本市場的重要信息中介。他們擁有專業的信息分析能力、多元化的信息來源渠道，通過挖掘上市公司的潛在信息，出具研究報告，為投資者決策提供參考標準。熱門的股票會有眾多的分析師關注，分析師的信息來源和預測依據不同，預測結果也不盡相同。對分析師的盈余預測分歧度的解讀，主要存在兩方面的看法。一方面認為，分析師的分歧度來源于公司未來盈余的不確定性。公司的未來盈余越不確定，風險越大，分析師盈余預測的難度也越大，造成了分析師盈余預測的分歧度越大。在這種情況下，投資者的投資決策面臨的風險也越大，會相應要求一個更高的收益回報以補償這種不確定性，反映在公司估值模型上，投資者采用的折現率相對較高，得出的公司現值相對較小。由于投資者過高的折現率的選擇，導致公司的當前股價小于公司的內在價值，股票未來收益越高。這也是Doukas，Kim and Pantzalis（2006）的實證研究結果。在這種解讀之下，分析師盈余預測的分歧度越大，投資者的未來股票收益應該是越大，兩者之間是正相關關系。

另一方面認為，分析師的分歧度來源于分析師本身的異質信念，即分析師之間的信息不對稱。Miller（1977）認為，如果投資者對股票的價值存在不同意見，由于賣空限制的存在，股票價格將會反應樂觀投資者的意見，悲觀投資者的意見得不到充分的表達，股價就會出現樂觀偏差，這會導致未來的股票收益下降。延伸到這里的解釋就是，市場上存在了樂觀的分析師和悲觀的分析師，他們的意見不一致，悲觀的分析師更多地獲取了公司負面的消息，但由于賣空限制的存在，股票不能夠被做空，負面消息不能快速地融入股價，導致當前股價高估，未來收益下降。這也是Diether，Malloy and Scherbina（2002） 發現的“Dispersion effect”，分析師盈余預測分歧度大的股票未來的市場表現是要差于分歧度小的股票。在這種解讀之下，分析師盈余預測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負相關關系。

本文試圖從國內資本市場的情況出發，在我國融資融券業務逐步放開的大背景下，探討在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場是否存在？而賣空限制的放松是否顯著改變了分析師盈余預測分歧度與股票未來收益的相關關系？

二、理論分析與研究假設

在投資者進行公司價值估計的過程中，分析師的盈余預測是一個可供利用的參考標準。投資者可以在分析師已經充分進行公司信息收集、利用專業財務工具分析的情況對股票進行價值估計，而且分析師有背后的研究團隊進行支持，做出的盈余預測往往更加理性、客觀，分析師是投資者與市場之間的中介角色，一方面幫助投資者做出決策，另一方面充分挖掘了市場信息，提高了市場效率。因此，分析師在資本市場擁有舉足輕重的地位。

投資者在考慮不同分析師的意見時，只了解盈余預測的具體數值往往是遠遠不夠的，尤其是分析師在給出的盈余預測存在很大差別的情況下。為了評價盈余預測信號的可靠性，投資者會挖掘額外的包含在分析師盈余預測分布中的信息。一般來說，如果盈余預測分布越集中，標準差越小，代表分析師之間的意見越一致，投資者對盈余預測的確定性把握越高；如果盈余預測分布越分散，標準差越大，則說明分析師之間的意見非常不統一，投資者對盈余預測的預估也會出現非常大的不確定性。從直觀意義上來說，分析師的盈余預測不確定性越高，表示公司未來的盈余不確定性也比較高，風險比較大，投資者會要求一個更高的收益回報以補償這種不確定性，反映在公司估值模型上，投資者采用的折現率相對較高，得出的公司現值相對較小。由于投資者過高的折現率的選擇，導致公司的當前股價小于公司的內在價值，股票未來收益越高。也就是說盈余預測的分歧度越大，股票的未來收益是越大，兩者之間是正相關關系。但是這種把分歧度視為風險因子的情況，與大部分的實證檢驗結果出現了背離。Diether，Malloy and Scherbina（2002）就曾指出分歧度小的股票的市場表現是要好于分歧度高的股票，分歧度小，不確定性低的股票反而在隨后有更好的市場表現，這種現象也被稱作“Dispersion effect”。

針對這種“Dispersion effect”，DMS（2002）認為分歧度不應該作為風險因子，而是衡量不同意見的維度，即每個分析師對股票抱有異質的信念。這個也正好論證了Miller（1977）的觀點。Miller認為，如果投資者對股票的價值存在不同意見的話，由于賣空限制的存在，股票價格將會反應樂觀投資者的意見，悲觀投資者的意見得不到充分的表達，股價就會出現樂觀偏差，這會導致未來的股票收益下降。這里的樂觀投資者和悲觀投資者就是上文不同意見的維度，也許客觀上他們面臨了同樣的不確定性，同樣的風險，但是他們對風險的解讀確實不一樣的。Boehme等（2006）也提到這種“Dispersion effect”在存在賣空限制的公司是最顯著的。

本文采用的分析師的異質信念作為投資者異質信念的衡量是最早出現在Diether，Malloy and Scherbina（2002）。根據DMS（2002）的觀點，分析師盈余預測的分歧度越高，股票未來的市場表現越差。本文提出假設1：

H1：在絕對賣空限制的條件下，分析師盈余預測分歧度與股票未來收益呈負相關關系

我國融資融券業務的開放也為深入研究這一問題提供了絕佳的“自然實驗”環境。融資融券業務是指投資者可以向具有開展融資融券業務資格的券商提供擔保物，借入資金買入證券或者借入證券賣出的行為。融資融券業務的開展，一方面給投資者提供資金來源的渠道，對市場股票行情看漲的投資者產生了“資金杠桿放大的效應”，投資者不僅可以利用自有資金進行股票交易，同時還借入券商的資金進行交易，放大了資金的杠桿：另一方面如果投資者看跌未來的市場行情，投資者可以向券商借入證券進行及時的賣出操作，等到未來證券價格下跌時買入相同數量的證券歸還券商并支付一定的費用。即融資融券交易賦予了投資者雙向操作的機會，讓投資者利用不斷變化的股市行情進行及時的套利。因此，融資融券交易加大了股票市場的活躍程度，使信息通過投資者買入賣出的行為快速融入到資本市場，提高了資本市場的效率。尤其是融券業務的最大特點就是加速推動負面消息向市場擴散的速度，賣空交易往往包含著對現有證券價值的重估的信息，監管機構及時地披露賣空交易的情況，這樣不僅提高了市場的公平性和透明性，這樣增強了對一般的投資者利益的保護，他們能夠及時獲取的新信息進行合理的市場操作，也使公司的價值向合理區間回歸。

Hong and Stein（2003）引入一個完全競爭的市場，存在一個風險中立的、完全理性的風險套利者在不受賣空限制的情況下，市場可以達成一個無偏的股票價格，這時異質信念與股票收益是無關的。融資融券標的股票在2010年3月31日過后放松了賣空限制，因此，本文提出假設2：

H2：賣空限制放松后，分析師盈余預測分歧度與股票未來收益不再具有相關關系

三、研究設計

（一）樣本選擇與數據來源 本文從分析師的角度和政策放開的市場環境，研究賣空限制如何作用于異質信念與股票未來收益的相關關系。第一步，遵循傳統文獻的做法，研究在絕對賣空限制條件下異質信念與股票收益的相關關系，因此選取的樣本一直處在嚴格的賣空環境下。2014年9月融資融券標的股票樣本數擴容到了900只，本文刪除這一部分的樣本，同時剔除金融公司，剩下的這一部分公司的樣本就是一直處于嚴格的賣空環境，最后得到4016個月度觀測值，時間跨度是從2010年4月到2015年12月，本文對這一組樣本稱為“N”組。第二步，由于我國股票市場經歷了從嚴格的賣空限制到放松的過程，為本文檢驗賣空限制如何作用于異質信念與股票未來收益的相關關系提供了“自然實驗”的環境，因此選取融資融券標的股票作為研究樣本。融資融券標的股票樣本數經歷了從2010年3月的90只，到2014年9月的900只。本文選取最初的90只股票，同時，（1）剔除了金融企業。（2）剔除研究期間被調融資融券的標的股票。最后得到1761個月度觀測值，時間跨度是從2010年4月到2015年12月，本文對這一組樣本稱為“Y”組。本文的收益數據、分析師數據、公司特征數據均來源于CSMAR數據庫，換手率數據來源于銳思數據庫。

（二）變量定義

（1）被解釋變量。Return：考慮現金紅利再投資的月個股回報率。本文要研究的是分析師的異質信念如何影響股票回報率，分析師的評級推薦或者研究報告往往是根據及時的行情而不定期或定期發布的，因此采用月度的股票回報率更能動態地反映兩者之間的相關關系。

（2）解釋變量。Dispersion：分析師盈余預測的分歧度，作為衡量分析師異質信念的指標。公司每個月會有多家券商的分析師對其EPS進行預測，不同的分析師基于信息集的不同會給出不同的盈余預測，同時每個月同一家券商的分析師可能會給出多次預測。本文取券商在本月給出的最后一次盈余預測的觀測值，對所有券商的盈余預測求標準差，除以所有券商盈余預測平均值的絕對值，計算得出的結果作為分析師盈余預測的分歧度。假設數據庫中只提供了該月內一家券商對某公司的盈余預測，則刪除該觀測，因為一家券商的數據是無法計算盈余預測標準差。

（3）控制變量。Returnl：月度股票收益率的滯后一期。月度的股票收益率很容易受到上一期股票收益率的影響，因此在這里控制上一期股票收益率的影響。

Beta值：作為個股相較于市場的風險指標。

公司市值Lnmsmvttl：對公司總市值取自然對數，而不是僅僅對流通股的市值取對數。Fama-French的三因素模型中提到影響股票的收益率很重要的兩個因素，就是公司規模和賬市比。公司規模是公司獲利能力重要的參數。

資產負債率Lev：總負債與總資產的比值。資產負債率一定程度上衡量的是公司的財務風險的大小，公司的負債越多，債權人相應的債務保障要求越多，不僅要付出相應的資本成本，還會影響到公司的投資決策，在兩者的綜合作用之下，會最終反映在公司未來的股票收益上。

賬市比BM：公司的賬面價值與公司總市值的比值。

市盈率PE：股票收盤價與每股收益的比值。

凈資產收益率ROE：凈利潤與股東權益的比值。

表1 變量定義表

（三）模型構建本文構建以下模型來驗證前文的假設：

其中，Return是t期的月度股票收益率；Dispersion是t-1期分析師盈余預測的分歧度；其余為t-1期公司的特征變量，重點關注Dispersion的系數。

四、實證分析

（一）描述性統計 為了從直觀上了解絕對賣空限制的樣本的“Dispersion effect”，本文首先采用了組合分析策略。DMS（2002）在分析師異質信念與股票未來收益之間的相關關系采用了組合分析策略。文章將股票按照一定的特征分為若干個組合，從而來比較不同組合間的差異。比如，本文按照dispersion和公司規模對股票進行分組，然后比較不同組未來收益率的差異。這樣可以從直觀上了解，在控制公司規模的影響下，Dispersion大小的變化會引起股票未來收益發生的變化。

本文假設股票的持有期限是一個月，每個月首先按照上一個月的公司規模將股票分為3大組，再按照上一個月的Dispersion大小在3大組內將股票分為5小組，然后對本月的股票收益率進行加權平均。這也就是本文需要研究的分析師異質信念與股票未來收益之間的相關關系方法，通過滯后期和本期的數據實現。這里公司規模的衡量是采用CSMAR數據行情版塊的總市值月度數據，這樣使得分析師的月度Dispersion與月度總市值相匹配。表2是組合策略分析的結果。從表2的統計結果看出，按照規模分為3組的數據中，有2組的數據得出了分歧度與股票未來收益呈顯著的負相關關系。D1-D5的未來收益的均值差為1.75%，是顯著相關的。也就是說，分歧度的數值越大，反而收益率的數值越小。

Fama-French的三因素模型告訴過我們，公司規模、賬市比是影響公司未來收益最重要的兩個指標。因此，本文首先從公司規模和分歧度兩個維度將數據分為15組，主要是為了說明“Dispersion effect”不是簡單由公司的規模帶來的，在控制了規模的前提，這種效應仍然顯著存在。而且在每個小組里面包含了260個左右的樣本觀測，這個樣本數量是具有統計意義的。

同時表2的結果也表明一個很有意思的現象，D1和D5兩者之間的收益差的顯著性隨著規模的增大而逐漸消失。雖然本文在公司規模較小的兩組D1-D5的值是顯著為正的，但是規模最大的一組D1-D5的值不再顯著。當然，不能說“Dispersion effect”是由公司規模帶來的，因為在控制規模的前提下，3組的數據中已經有2組的數據顯著，這種負相關關系是顯著存在的。

表2 按規模分組的組合分析

這里初步給出了一個重要的提示，“Dispersion effect”在規模小的公司是最顯著的，與DMS（2002）的結論基本一致?！癉ispersion effect”受公司規模的影響。Fama-French的三因素模型還有一個重要的變量，公司的賬市比。接下來，本文加入BM這個維度，對總樣本先按照BM的大小分為3大組，再按照公司規模的大小分為3小組，最后在每個小組內按照分歧度的大小再分為3組，這樣子組合起來，總共分為了27個小組，每個小組包括148個左右的樣本觀測值，同樣是具有統計意義的。

從表3的統計結果，可以看出，9組Low組和High組的收益率差值有3組是顯著為正的，這說明了“Dispersion effect”并不是有公司的賬市比效應帶來的。同樣，本文觀測到了在公司規模較小的組別，這種“Dispersion effect”是最顯著存在的。但是本文并沒有觀測到明顯的“Dispersion effect”隨著公司BM數值的大小的改變而改變的規律。雖然表3的結果只有在BM的高組和低組存在顯著的組別，但是本文并不能得出統一性的規律。組合分析策略使本文驗證了絕對賣空限制的樣本中存在于主流文獻相一致的“Dispersion effect”。

表3 按公司規模和BM分組的組合分析

（二）相關性分析 在進行模型的多元回歸之前，先進行樣本內各相關變量之間的相關性分析，表4和表5分別為絕對賣空限制樣本組（N組）和非賣空限制組（Y組）的相關性分析。這里重點關注影響被解釋變量股票未來收益和關鍵解釋變量分歧度這兩列的數據。從表4可以看出，首先，從第一列數據可以看到股票未來收益與分歧度、公司規模、資本負債率、賬市比和過去的股票收益是具有相關性的。被解釋變量與關鍵的解釋變量之間具有顯著的負相關關系，這也與組合分析策略中得到的結果相一致，分歧度越大的股票，未來股票收益越小，未來的市場表現越差。

接下來，關注第二列的數據，可以看到分歧度與公司的beta系數、公司規模、資產負債率、賬市比、和凈資產收益率存在相關關系。本文主要得出以下結論：（1）與公司beta系數顯著正相關，公司的風險越大，分歧度也就越大。（2）公司規模與分歧度顯著負相關，說明公司規模越小，分歧度越大；資產負債率與分歧度呈顯著正相關，資產負債率越大，公司可能面臨的財務破產可能性也就越大，分析師的分歧度也隨之增大。這與DMS（2002）、Johnson（2004）和Avramov，Chordia，Jostova，and Philipov（2009）的實證結果是相一致的，他們認為規模小、公司杠桿較高、財務危機的公司這種“Dispersion effect”最顯著。（3）與賬市比顯著正相關，賬市比越大，公司越不被市場看好，分析師的分歧度也越大。（4）與凈資產收益率顯著負相關，過去的財務業績越差，分析師的分歧度也越大。綜合上面的指標來看，越是業績差、規模小、風險大、不被市場看好的公司，往往也是賣空限制最嚴重的公司，這些公司的分歧度也越大。

從表5可以看出，首先，從第一列數據可以看到被解釋變量與關鍵的解釋變量不具有相關性，這是符合模型預期的。Hong and Stein（2003）實證發現在不存在賣空限制的前提，異質信念與股票收益是無關的。所以這里分歧度與股票收益不存在相關關系是與Hong and Stein（2003）的結論相一致的。接下來關注第二列的數據，可以看到分歧度與公司的beta系數、規模、資產負債率、賬市比和凈資產收益率存在相關關系，其中與公司的beta系數、資產負債率和賬市比是顯著正相關的，與規模和凈資產收益率呈顯著負相關關系。

表5 非賣空限制組股票未來收益與分析師盈余預測分歧度等變量的相關性分析

（三）回歸分析 在多元回歸的模型中，同時采用了OLS和固定效應模型，從表6和表7的回歸結果可以看出固定效應的調整R2數值明顯要大于OLS模型，固定效應模型的擬合程度較好，所以重點關注固定效應模型的回歸結果。本文對固定效應模型還是隨機效應模型的選擇進行了Hausman檢驗，最終選定了固定效應模型而排除了隨機效應模型。從表6中的回歸結果可以看到，在僅考慮分析師的分歧度與股票未來收益相關關系的情況下，回歸結果（2）中Dispersion與股票未來收益之間的回歸系數不具有顯著性。也就是說，本文可能遺漏了重要的控制變量，單單Dispersion是無法解釋股票的未來回報。

接著本文控制了最為常見的幾個公司特征的控制變量——公司的Beta系數、公司規模、資產負債率、賬市比，發現回歸結果（4）中，Dispersion與股票未來收益之間的回歸系數（結論在1%水平上顯著），是顯著為負的，回歸系數的絕對值相較于（2）的系數的絕對值有所增大，由原來的不顯著變為很顯著。這里的結果跟組合策略、相關性分析是相一致的。加入的四個控制變量回歸系數全部顯著（結論在1%水平上顯著）。在前文的相關性分析中，已經看到越是業績差、規模小、風險大、不被市場看好的公司，往往也是賣空限制最嚴重的公司，這些公司的分歧度也越大，因而這里表現出較差的市場業績，與預期結果相一致。

最后的回歸模型當中，本文加入了更多的控制變量——滯后一期的股票回報率、市盈率和凈資產收益率?；貧w結果（6）中，仍然可以看到Dispersion與股票未來收益之間的回歸系數（結論在1%水平上顯著），是顯著為負的，回歸系數相較于（4）的系數沒有發生變化，顯著性也不變。在回歸模型（4）已經出現的四個控制變量，在這一階段的回歸沒有發生大的變化，新加入的三個變量中市盈率的回歸系數不顯著。其余兩個變量，滯后一期的股票回報率的回歸系數顯著為負，說明上一期好的的市場表現并不會在下一期延續。凈資產收益率的回歸系數顯著為負，同樣跟相關性分析的結果相一致，過去的財務業績越差，分歧度越大，股票的市場表現也就越差。

表6 絕對賣空限制組股票未來收益與分析師盈余預測分歧度的回歸結果

從表7中的回歸結果可以看到，與本文的理論預期相一致，6組回歸結果，Dispersion的回歸系數都是不顯著的。也就是說，不存在賣空限制的前提下，分歧度與股票的未來收益是不存在相關關系的。

接著本文控制了最為常見的幾個公司特征的控制變量——公司的Beta系數、公司規模、資產負債率、賬市比。與非標的股票“N組”的固定效應模型回歸結果相比，四個控制變量中公司的Beta系數和資產負債率的正相關關系由原來的顯著變為不顯著。

最后的回歸當中，本文加入了更多的控制變量——滯后一期的股票回報率、市盈率和凈資產收益率。與非標的股票“N組”的固定效應模型回歸結果相比，滯后一期的股票回報率和凈資產收益率也由原來的顯著相關變為不顯著。

綜合比較非標的股票“N組”和標的股票“Y組”可以看出，賣空限制確實導致了分歧度與股票未來收益兩者之間的負相關關系，放松賣空限制后，分歧度與股票未來收益將不再存在相關關系。這反映出了中國的融資融券政策產生了顯著的市場效應，降低市場的賣空程度，達到了預期的政策效果。

由于目前絕大多數的股票仍然處于絕對賣空限制的市場條件下，相比與融資的市場規模，融券規模較小，市場的賣空限制依然存在，“Dispersion effect”在中國資本市場依然是顯著存在的。

五、結論

本文通過我國證券市場融資融券業務逐漸開放所提供的“自然實驗”環境，研究了賣空限制、分析師盈余預測分歧度與股票未來收益間的關系，并主要選取2010年4月至2015年12月間滬深兩市一直存在賣空限制和不存在賣空限制的兩組公司作為研究對象，主要得出以下結論：第一，在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場顯著存在，即分析師盈余預測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負相關關系。第二，賣空限制的放松顯著改變了分析師盈余預測分歧度與股票未來收益的相關關系。當不再存在賣空限制，分歧度與股票未來收益不存在相關關系。因此，可以認為融資融券政策是具有市場效率的，它顯著改善了市場的賣空限制的程度，使我國的資本市場向更合理的方向發展。

［1］史金艷、趙江山、張茂軍：《基于投資者異質信念的均衡資產定價模型研究》，《管理科學》2009年第6期。

［2］張崢、劉力：《換手率與股票收益：流動性溢價還是投機性泡沫》，《經濟學》2006年第3期。

［3］涂宏偉：《我國股市的特質波動率之謎及基于異質信念的解釋》，廈門大學2008年碩士學位論文。

［4］陳國進、胡超凡、王景：《異質信念與股票收益—基于我國股票市場的實證研究》，《財貿研究》2009年第3期。

［5］尹慧、趙國慶：《異質信念、賣空限制與股票收益》，《上海經濟研究》2013年第12期。

［6］周暉、鄒建國、葛琦：《投資者意見分歧對盈余公告效應影響的實證研究》，《財經理論與實踐》2008年第5期。

［7］肖作平、曲佳莉：《分析師意見分歧，經驗與權益資本成本》，《證券市場導報》2013年第9期。

［8］Diether,K.B.,Malloy,C.J.and Scherbina,A. Differences of Opinion and Thecross Section of Stock Returns. Journal of Finance,2002.

［9］Avramov D.,Chordia T.,Jostova G.and Philipov A. Dispersion in Analysts’Earnings Forcasts and Credit Rating. Journal of Financial Economics,2009．

［10］Leippold,M.and H.Lohre.The Dispersion Effect in International Stock Returns.Journal of Empirical Finance,2014.

［11］Boehme,R.,Danielsen,B.and Sorescu.Short Sales Constraints,Differences of Opinion and Overvaluation.Journal of Financial and Quantitative Analysis,2006.

［12］Doukas,J.A.,Kim,C.and Pantzalis,C.Divergence of Opinion and Equity Returns.JournalofFinancialand Quantitative Finance,2006.

［13］Garfinkel,J.A.and J.S.Sokobin.Volume,Opinion Divergence and Returns: A Study of Post-earnings Announcement Drift.Journal of Accounting Research,2006.

（編輯彭文喜）