企業空間區位會影響分析師IPO定價預測的準確性嗎？

朱 敏，汪傳江

(上海師范大學商學院，上海 200234；華東師范大學公共管理學院，上海 200061)

企業空間區位會影響分析師IPO定價預測的準確性嗎？

朱 敏1，汪傳江2

(上海師范大學商學院，上海 200234；華東師范大學公共管理學院，上海 200061)

本文以企業與金融中心距離、企業與分析師距離分別作為公有信息和私有信息的代理變量，研究信息結構如何影響分析師IPO定價預測的準確性。實證結果揭示，分析師IPO定價預測準確性與“企業與分析師距離”和“企業與金融中心距離”負相關；其次，企業與金融中心距離對分析師IPO定價預測準確性的影響獨立于企業與分析師距離，但企業與分析師距離對分析師IPO定價預測準確性的影響則以企業與金融中心距離為條件，隨著企業與金融中心距離的增加而增強。

IPO定價；分析師預測；地理距離；信息結構非對稱

一、引 言

證券分析師在現代資本市場中扮演著重要的角色，憑借專業能力和經驗分析預測證券價格走勢，指導投資者的投資行為，有效提高了證券市場信息傳遞效率。IPO定價預測，特別是新股上市過程中公司發布的信息豐富而密集，更是加劇了一般投資者對于分析師的依賴，他們的預測結果直接影響著投資者的投資動向與上市企業募集資金的數量。

目前,國內分析師預測準確性研究方面較為關注分析師自身特征以及目標企業特征對于分析師預測準確性的影響，而相對忽視地理因素的作用。當然，如果把地理因素看作信息的一個代理變量，分析師預測準確性的差別固然可以歸結為信息非對稱的結果，但這僅僅是一個定性的結論。值得強調的是，地理因素的價值在于它反應了信息的空間分布特征，進一步研究分析師可得信息的結構特征與地理區位的關系，能夠幫助我們深刻理解信息質量跨地區變化的規律，進一步更可以校正地域偏差程度對IPO定價預測的影響，因而有著重要的理論和現實意義。

國外關于地理因素對金融活動影響的文獻，從空間視角詮釋信息的非均衡分布對金融市場資產價格變化的影響，對理解各類金融活動區域性差異至關重要。研究發現，公司區位會影響到公司股票發行方式[1]、發行定價[2]以及首日溢價[3]。就中國現實看，金融資源和投資者空間分布不均衡，基本集中于東部沿海，以北京、上海、深圳為地理中心，梯度逐級遞減的城鎮地區。這種地理非均衡造成的一個典型現象就是更為成熟的市場環境和投資者的本地監督，使得東部企業相對西部企業運行更規范，透明度更高。圖1是根據2013年度深交所的信息披露考核數據繪制的上市企業信息披露質量的空間差異圖，顏色越深表示上市企業信息披露質量越高。可以看到，信息披露質量有顯著的空間分布差異特征，且北上廣三個區域的信息披露質量最高，顯然這并不是一種巧合。

圖1 深交所IPO企業公有信息披露質量空間分布圖

本文認為分析師可得信息由公有和私有兩類信息構成，這兩類信息的比例變化與地理因素有關，越接近金融中心的企業，披露的公有信息相對私有信息的比例越高；反之，比例越低。分析師基于企業提供的公有信息和分析師個人獲取的私有信息進行分析預測，那么其在IPO定價預測的過程中，作為獲取公有信息與私有信息的代理變量，兩個維度的距離差異能否解釋分析師定價預測準確性的差異呢？本文的研究將從理論與實證兩個層面做出解答。

本文的主要貢獻在于：構建的理論框架深入解析了空間因素對金融資產定價預測的影響以及作用機制；實踐層面上，有助于投資者對于分析師預測結果的判斷選擇；此外，也對政策制定者規劃金融資源的空間配置提出了建議。

二、相關文獻回顧

證券分析師分析預測的準確性對于金融資源的合理配置具有重要的引導作用，因此研究分析師分析預測的準確性也就成為學者們關注的焦點之一。證券分析師的預測主要分盈利預測與價格預測兩方面，以往學者的研究主要關注分析師的盈利預測，而對于價格預測的研究相對較少。梳理已有分析師盈利預測的研究可以發現，大部分文獻從兩個角度探討影響預測準確性的原因：被預測公司的特征以及分析師自身特征。

研究者對被預測公司特征的關注主要集中在公司規模[4][5]、企業自愿披露信息質量[6][7]、盈余特征[8][9]以及所處行業[10]等方面。對分析師自身特征的研究主要從個體行為差異、外部環境影響、以及信息來源差別等角度切入。分析師行為差異重點研究了個人經驗的豐富程度[11][12]以及分析師關注企業數量的多寡[11][13]；所處的工作環境包括所屬證券公司規模、附屬關系[14]以及分析師跟進[15][16]；分析師信息來源差別[17][18]則探討了被預測公司提供信息、同類公司的相關信息、以及其他分析師報告相互之間關系。

較早把地理因素納入分析師的分析預測框架之中的是Malloy(2005)[19]，他使用美國股市數據研究了分析師對不同空間區位的企業預測評級準確性的差異，實證結果顯示分析師對本地企業預測和評級相對非本地企業有更高的準確性，這種優勢被定義為“本地優勢”。Bae et al.(2008)[20]發現分析師的本地優勢在國際背景下依然存在；O’Brien and Tan(2015)[21]研究發現在企業IPO過程中，分析師偏好分析本地企業，且準確性較高。

相較而言，目前國內關于地理因素與證券分析師資產定價預測準確性之間關系的研究相對較少。較有影響的文獻，如王玉濤等(2011)[22]對比了國內分析師與國外分析師在相同資產定價預測上的差異，實證結果發現會計準則差異和空間距離差異能夠解釋兩類分析師預測準確性的不同。李冬昕等(2011)[23]則研究了國內分析師是否存在本地優勢，發現其預測的準確性與分析師所屬機構和被分析企業的地理區位相關；張然等(2012)[24]實證發現分析師與被分析企業的地理鄰近性，以及上市公司信息披露質量是兩個影響預測準確性的重要因素。綜合這些研究文獻，可以得到的一個基本事實是地理鄰近性對金融市場及金融活動的影響客觀存在。

對于“本地偏好”形成的原因，研究者主要從價值信息傳遞和心理偏好兩個角度解釋。一種觀點認為地理鄰近性能夠增加可得信息的價值含量，如Huberman(2001)[25]認為由于本地投資者更熟悉本地企業，能夠更好地解讀本地企業披露的相關信息，因此本地投資者在投資本地企業的股票時更有優勢；Coval and Moskowitz(1999)[26]則認為投資者與企業的地理距離越接近，獲得企業軟信息的成本就越低。通過本地的社交網絡或者對企業的近距離觀察，能夠獲得企業“額外”的價值信息；而另一類觀點則從投資者心理偏好解釋“本地偏好”，如Strong and Xu(2003)[27]研究發現投資者由于心理歸屬感，偏好本地或者本國股票。

通過文獻梳理可以發現，雖然已有研究開始關注非常規的空間因素對于分析師分析預測準確性的影響，但仍存在進一步研究空間。國內的研究側重于研究分析師是否存在本地優勢，本質是考察分析師私有信息獲得的差異。我們的研究拓展了現有“企業空間區位”概念的內涵，將“企業空間區位”內涵劃分為“企業與金融中心距離”以及“企業與分析師距離”兩個維度，以此度量分析師獲取“公有信息”與“私有信息”的信息比例，驗證“企業與金融中心距離”以及“企業與分析師距離”是否會造成分析師獲取“公有信息”與“私有信息”的非對稱，最終影響其分析預測的準確性。

三、理論機制和研究假設

(一)“企業空間區位”含義及其度量方法

“企業空間區位”的含義可分解為兩個維度：(1)以企業與金融中心距離來度量目標企業相對金融中心的空間關系，圖2中d3和d6；(2)以企業與分析師距離來度量目標企業相對證券分析師的空間關系，圖2中d1和d2是企業B分別對于分析師甲和乙的距離、d4和d5是企業A相對分析師乙和分析師甲的距離。需要特別指出的是，企業與金融中心的距離是固定的；而企業與分析師的距離，則由于不同分析師所在位置不同而存在差異。

圖2 不同企業空間區位差異的示意圖

(二)企業空間區位對分析師預測準確性影響的理論分析

分析師通過公開渠道和私人渠道，獲得被分析企業的公有信息與私有信息，借助兩類信息的綜合研判，對目標企業IPO定價進行預測。顯然分析師預測的準確性與兩類信息的絕對量和相對量密切相關。公有信息是上市企業根據法律要求或自愿向外公開披露的各類信息，如企業季報、年報、重要事項公告，所有分析師都可以通過公開渠道獲取。顯然分析師之間，相同企業公有信息的含量或者質量，均不存在差別。而私有信息則是指分析師通過私人渠道獲得的獨占信息，這類信息的獲取需要分析師付出個人努力，通過個人社交網絡的搭建或者企業的持續深入調研才能夠獲得的“特殊資訊”。

不同區域的市場運營環境會影響本地企業公有信息的披露質量。一方面，企業公有信息披露質量與所處地區市場化程度正相關。當企業所處地區的市場化程度較高，市場評級與監管體制完善，企業通常運營規范、財務透明。相反，易出現企業隱瞞不良信息甚至披露虛假信息的問題。另一方面，金融資源集聚程度又與地區的市場化程度正相關。這是因為在一個金融要素集聚的地方，往往也是各類投資者和企業集中的地方，市場參與者越多，市場的競爭就越充分，地區的市場化程度也就越高。依據以上分析，提出假設1：

H1：企業與金融中心的空間位置影響分析師獲得公有信息的數量和質量，公有信息在定價預測中的有效性與企業與金融中心距離負相關。

企業的公有信息通過公開渠道主動傳遞，對所有分析師不存在差別。如果分析師要提高預測準確性，則必須獲得額外的私有信息，形成相對于其他分析師的信息優勢。私有信息的獲取是個人行為，取決于分析師的個人資源以及為此做出的努力。更靠近企業的分析師能夠獲得一般意義上的“本地優勢”，如長期近距離接觸下對企業實際情況的了解以及本地社交網絡提供的非官方信息等，能夠更有效地掌握私有信息。根據以上邏輯可得，分析師對于企業私有信息的獲取質量與分析師與目標企業之間的距離成反比。故提出假設2：

H2：企業與分析師之間的空間位置影響分析師獲取私有信息的數量和質量，私有信息在定價預測中的有效性與企業與分析師距離負相關。

由于公有信息由企業主動傳遞，分析師獲得的內容具有一致性，因此分析師與企業之間距離的遠近并不影響分析師所獲公有信息的數量和質量。也就是說，企業與金融中心距離對分析師預測準確性的影響獨立于企業與分析師距離。另一方面，當公有信息披露充分或質量較高時，分析師可得信息中公有信息的比例較高，私有信息的比例較低。此時，即使分析師與企業相距較近，本地優勢也無法顯現。只有當公有信息披露不夠充分或質量不高，分析師可得信息中私有信息的比例較高時，私有信息就成為影響預測準確性的關鍵因素。這種情況下，分析師的本地優勢就會突顯，分析師與企業距離越近，其預測準確性就越高。因此在可得信息總量不變的前提下，私有信息含量以公有信息含量為條件。由此提出假設3：

H3：企業與金融中心距離對分析師預測準確性的影響獨立于企業與分析師距離；而企業與分析師距離對分析師預測準確性的影響依賴于企業與金融中心距離，隨企業與金融中心距離的增加而增強。

四、實證模型設計

(一)指標構建

對于分析師與企業之間的空間距離具體采用如下方式計算：首先，將IPO企業的注冊地址以及分析師所在預測機構的辦公地址作為各自所在地，然后分別對應到所在的地級行政單位并確定其經緯度坐標，最后根據經緯度坐標計算二者之間的地理距離。基于臨近性原則，本文以IPO企業總部的地理位置與上海、北京、深圳三大金融中心地理距離中最小的一個距離作為企業與金融中心的距離，位于三大金融中心內部的企業距離金融中心的距離設為零。

此外，分析師IPO定價預測準確性的度量指標如式(1)所示：

(1)

式(1)中,Adpi,j表示分析師i對企業j首發上市預測價格區間的中位數；Rpj表示企業j上市首日收盤價；Eadpri,j取值越大則定價預測準確性越低。

(二)實證模型

參考相關研究的控制變量設計，本文實證模型中變量選擇和具體含義如表1所示。

表1 變量的選擇與解釋

設計式(2)至(7)共6個模型進行實證分析。采用不包含空間因素的模型Model1作為基準模型。Model2在Model1基礎上加入空間因素變量——企業與金融中心距離；Model3在Model1基礎上加入空間因素變量——企業與分析師距離；Model4則在Model1基礎上同時加入兩個空間因素，分析是否存在替代效應；Model5則在Model3基礎上加入交互項Dista*Distf；Model6則在Model2基礎上加入交互項Dista*Distf。

Model1:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+eij

(2)

Model2:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+βDistfj+eij

(3)

Model3:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+αDistaijeij

(4)

Model4:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+αDistaij+βDistfj+eij

(5)

Model5:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+αDistaij+γDistaijDistfj+eij

(6)

Model6:Eadpri,j=λ1Analysti+λ2IPOj+λ3Marketj+βDistfj+γDistaijDistfj+eij

(7)

其中，Eadpri,j是分析師i對j企業IPO定價預測偏差，取值越大則預測準確性越低；Analysti、IPOj以及Marketj分別為分析師特征、企業特征以及市場因素構成的向量；λ1、λ2以及λ3分別為相對應的系數構成的行向量。

Distfj與Distaij分別為目標企業距離三大金融中心的最短距離以及企業距離分析師之間的距離，這是本文研究的重點變量，α和β為各自對應的系數。根據前文的理論分析可知，若H1成立，則系數β>0且統計顯著，則證明分析師對距離金融中心更遠的企業，其分析預測偏差更大；若H2成立，則系數α>0且統計顯著，表明分析師的分析預測偏差與其距離企業的距離正相關。為了檢驗假設3，我們構造了一組對置檢驗。Model5中放入Dista以及交互項Dista*Distf，這樣Dista的系數是Distf的函數，受Distf的影響；而Model6中放入Distf以及交互項Dista*Distf，這樣Distf的系數是Dista的函數,受Dista的影響。顯然，若假設3成立，則模型5中的交互項且統計顯著，同時模型6中的交互項統計不顯著。

五、實證分析

(一)數據來源

本文選取萬德數據庫2006年1月至2014年12月間所有分析師對滬深兩市A股新上市企業首日價位的預測數據，剔除分析師姓名缺失、上市企業僅有一位分析師預測以及極端值等情況，總計9635條記錄。此外，研究中所用明星分析師數據根據歷年發布的明星分析師排行榜數據整理而成。空間距離數據則使用中國基礎地理信息系統數據庫并借助ARCGIS軟件計算獲得。

(二)實證結果分析

模型的回歸結果如表2所示。Model1是分析的基準模型，用于考察模型的穩健性，即加入區位因素是否會造成其他控制變量的系數顯著變化。對比model2至model6等加入區位因素的模型可以發現,加入區位因素的5個模型，所有控制變量系數的符號和顯著性，與基準的結果保持一致，說明后續模型結果穩健可靠。

Model2對假設1進行了驗證。可以看到企業與金融中心距離變量Distf的系數為0.049，大于0且在1%的水平下顯著。實證結果滿足假設1的成立條件，系數且統計顯著。系數為正說明距離越短偏差越小，即分析師對于鄰近金融中心的企業，預測準確性更高。

Model3對假設2進行了驗證。可以發現企業與分析師距離變量Dista的系數為0.025，大于0且在1%水平下顯著。實證結果滿足假設2的成立條件，即系數且統計顯著。系數為正，意味著距離企業越近的分析師定價預測的偏差越小。顯然，相對于距離較遠的分析師，離企業較近的分析師在獲取企業私有信息上存在“本地優勢”，掌握更多企業真實情況的資訊。

Model4則是對Model1和Model2的校驗，檢查是否存在替代效應。Model1中同時引入兩個地理因素變量Dista和Distf后得到Model4。Model4中兩個距離變量Distf和Dista的系數分別為0.039和0.018，系數符號為正且都在1%顯著性水平顯著。值得注意的是，相比企業與分析師距離，企業與金融中心距離對分析師預測準確性的影響更大，這與Model2和Model3的結果保持一致。

Model5和Model6驗證假設3。Model5中，Dista的系數0.016，其交互項Dista*Distf系數為0.015，兩個系數都為正且在1%水平下顯著。而Model6，Distf的系數為0.039，為正且在1%水平下顯著，但交互項Dista*Distf系數卻不顯著。顯然，實證結果滿足假設3成立的條件，模型5中的交互項且統計顯著，同時模型6中的交互項統計不顯著。

表2 實證結果

注：*表示在1%～5%的顯著性水平顯著，**表示在0.1%～1%水平下顯著，***表示0.1%水平下顯著；括號中的數值為估計參數的t值；Indus(行業)、Year(年份)、Plate(板塊)、Trend(市場趨勢)作為控制變量進入模型,不列出具體數值。下同。

其中，Model6交互項統計不顯著，這意味著企業與金融中心距離對分析師預測準確性的影響并不會因為Dista的變動而變化。換而言之，企業與金融中心距離不以企業與分析師距離為條件，這印證了公有信息的特點，即公有信息對所有分析師是同質的。

而Model5的結果說明Dista的系數是Distf的函數，受Distf的影響。由于交互項Dista*Distf系數為正，Distf越大，則Dista的系數也就越大。這說明企業與分析師距離對分析師預測準確性的影響以企業與金融中心距離為條件。即當公有信息披露不充分時，私有信息的獲得對分析的準確性有較大影響，此時靠近企業的分析師，其“本地優勢”就會凸顯，對IPO定價預期的準確性相對較高；而當公有信息披露充分時，私有信息對分析準確性的影響就較弱，分析師的“本地優勢”就不會特別明顯，并不能顯著提高預期的準確性。

為進一步分析是否距離對分析師預測準確性的影響存在非線性效應，我們將Dista和Distf的平方項Dista2和Distf2引入模型，從而構造Model7至Model11，其中模型7、模型11相對模型2、模型6增加了Distf2；模型8、模型10相對模型3、模型5增加了Dista2；模型9相對模型4，同時增加了Dista2和Distf2。

實證結果如表3所示。對結果進行分析，可以發現距離因素對分析師預測準確性的影響存在非線性效應。在模型8、9、10中，Dista2的系數分別為-0.00001、-0.00002、-0.00001，皆為負且統計顯著，這說明分析師與企業的距離變化對分析師預測準確性的影響，在分析師與企業距離較近階段更為明顯。這與“本地偏好”的研究結論相符，有價值的私有信息具有本地屬性，一旦分析師與企業的距離超過一定的閾值，則分析師較難獲得有價值的私有信息，從而導致地理距離的變化對分析師預測偏差的影響變小。另一方面，在模型7、9中，Distf2的系數為0.0001、0.00002，皆為正且統計顯著，這說明企業與金融中心距離越遠，金融中心與企業的距離變動對分析師預測準確性的影響就越大。這一非線性效應恰恰就是圖1上市企業信息披露質量空間分布特征的反應。即離開金融中心越遠，企業的信息披露質量越差，分析師預測準確性的偏差也就越大。最后，模型10和11中交互項的符號和顯著性與模型5、6的結果一致。這說明即使在非線性條件下，假設H3的結論依然成立，即私有信息對分析準確性的影響依賴于公有信息的披露質量。

表3 考慮非線性距離效應的實證結果

(三)模型的穩健性檢驗

為了進行穩健性檢驗，設計模型Model12至Model14，如式(8)、(9)、(10)所示：

Model12:PMAFEij=λ1Analysti+λ2IPOj+λ3Marketj+αDistaij+βDistfj+eij

(8)

Model13:PMAFEij=λ1Analysti+λ2IPOj+λ3Marketj+αSimProij+βLocCenj+eij

(9)

Model14:PMAFEij=λ1Analysti+λ2IPOj+λ3Marketj+αTDistaij+βTDistfi+eij

(10)

其中，Model12參照Malloy(2005)[19]的方法，重新構造了分析師定價預測偏差率指標，具體計算公式如下：

(11)

(12)

式(11)中，DAFEi,j為分析師i對j企業定價預測偏差的絕對值減去所有其他分析師對該企業預測偏差絕對值的平均值。其中分析師i對企業j的定價預測偏差的絕對值，是通過計算分析師i對j企業定價預測區間的中位數減去企業j上市首日的收盤價然后取絕對值獲得。AFEj是所有其他分析師對該企業j預測偏差絕對值的平均值。

表4 穩健性檢驗

Model13則是將企業與分析師距離替換為虛擬變量SimPro，該虛擬變量用來定義是否分析師與被預測企業處于同一省份，如果分析師與企業同省賦值為1，反之為0；同樣的思路構造虛擬變量LocCen替代企業與金融中心距離，如果企業位于金融中心，則賦值為1，反之賦值為0。如果假設成立，SimPro和LocCen的估計值符號為負并且統計顯著。

Model14則根據以往文獻研究的經驗，設置1010km(企業與分析師距離的平均值)作為企業與分析師距離的門限值，定義虛擬變量TDista區分企業與分析師是否相鄰，當大于1010km,TDista設置為1，反之為0。同理，設置326km作為企業與金融中心距離的門限值，定義虛擬變量TDistf區分企業與金融中心是否相鄰，大于326km,TDistf設置為1，反之為0。如果假設成立，那么這兩個變量的估計值符號為正且統計顯著。

最后實證結果如表4所示。所有模型的結果都沒有發生變化，各項符號與預期保持一致且統計顯著，且系數皆大于，與之前的結果相同，這說明模型是穩健的。

六、結 論

本文以企業與金融中心距離、企業與分析師距離分別作為衡量公有信息、私有信息的代理變量，力圖通過理論和實證揭示信息結構如何影響證券分析師IPO定價預測的準確性。

本文研究發現：(1)企業與金融中心距離與分析師可得的公有信息質量負相關，企業總部距離金融中心越遠，則其公布的公有信息質量越低。這一現象與目前中國的金融資源和投資者空間分布不均衡有關。由于金融資源基本集中于東部沿海，以北上深為地理中心，梯度逐級遞減的城鎮地區。這種地理非均衡造成的一個結果就是更為成熟的市場環境和投資者的本地監督，使得地理位置接近金融中心的企業相對遠離的企業運行更為規范，內部治理更趨完善，公司透明度也更高。相應的，企業義務及自愿披露的信息也更真實可靠，因而證券分析師獲得的公有信息質量相對較高，基于公有信息的IPO定價預測更為準確。(2)企業與分析師距離與分析師可得的私有信息數量及質量之間呈負相關關系。這一結論與目前大多數研究結果一致[23][24]，揭示了“本地優勢”效應。同一企業的公有信息為所有分析師無差別共享，而企業私有信息的獲取則取決于分析師的個人資源以及為此做出的努力，因分析師不同而存在差異。地理位置上更靠近企業的分析師能夠獲得一般意義上的“本地優勢”，如長期近距離接觸形成的對企業運行情況的了解以及本地社交網絡提供的非官方信息等。這類私有信息能夠幫助分析師提高IPO定價預測準確性。

值得注意的是，企業與分析師距離對分析師預測準確性的影響以企業與金融中心距離為條件。這是因為：當公有信息披露不充分時，私有信息的獲得對分析的準確性有較大影響，此時靠近企業的分析師，其“本地優勢”就會凸顯，對IPO定價預期的準確性相對較高；而當公有信息披露充分時，私有信息對分析準確性的影響就較弱，分析師的本地優勢就不會特別明顯，并不能顯著提高預期的準確性。此外，實證研究發現距離因素對分析師預測準確性的影響存在非線性效應，而非線性效應的存在并不改變以上的研究結論。

需要強調的是，金融中心的作用并不僅僅是集聚帶來富裕的金融資源，更重要的是集聚帶來的充分競爭，能夠提升投資者與企業之間的信息對稱性水平。而我國金融資源的空間非均衡分布某種程度上是造成公有信息質量出現“東高西低”地區性差異的重要原因。我國幅員遼闊，在目前中國金融體制存在較多政策規制的條件下，如果政府通過政策傾斜，扶持中西部地區形成多個區域性的金融中心，對于均衡全國金融資源，推動內地金融發展，提升內地的市場化程度，對改善上市企業信息披露質量的地區性差異有著重要的意義。

[1] Pirinsky, C., Q. Wang. Does Corporate Headquarters Location Matter for Stock Returns?[J]. The Journal of Finance, 2006,61(4),pp.1991-2015.

[2] Loughran, T.The Impact of Firm Location On Equity Issuance[J]. Financial Management,2008,37 (1),pp.1-21.

[3] El Ghoul, S., O. Guedhami, Y. Ni, J. Pittman, S. Saadi. Does Information Asymmetry Matter to Equity Pricing? Evidence from Firms’ Geographic Location[J]. Contemporary Accounting Research, 2013, 30(1),pp.140-181.

[4] Hope, O. K. Firm-level Disclosures and the Relative Roles of Culture and Legal Origin[J].Journal of International Financial Management & Accounting, 2003, 14(3),pp.218-248.

[5] Lang, M. H., K. V. Lins, D. P. Miller. ADRs, Analysts, and Accuracy: Does Cross Listing in the United States Improve a Firm’s Information Environment and Increase Market Value?[J].Journal of Accounting Research, 2003, 41(2),pp.317-345.

[6] Byard, D., K. W. Shaw. Corporate Disclosure Quality and Properties of Analysts’ Information Environment[J]. Journal of Accounting, Auditing & Finance, 2003,18(3),pp.355-378.

[7] 方軍雄. 我國上市公司信息披露透明度與證券分析師預測[J].金融研究, 2007,(6)：136-148.

[8] Dowen, R. J. Analyst Reaction to Negative Earnings for Large Well-known Firms[J]. The Journal of Portfolio Management, 1996, 23(1),pp.49-55.

[9] Das, S., C. B. Levine, K. Sivaramakrishnan.Earnings Predictability and Bias in Analysts’ Earnings Forecasts[J]. Accounting Review,1998，73(2)，pp.277-294.

[10] Capstaff, J., K. Paudyal, W. Rees. A Comparative Analysis of Earnings Forecasts in Europe[J]. Journal of Business Finance & Accounting, 2001, 28(5-6),pp.531-562.

[11] Clement, M. B. Analyst Forecast Accuracy: Do Ability, Resources, and Portfolio Complexity Matter? [J]. Journal of Accounting and Economics,1999, 27(3),pp.285-303.

[12] Garcia-Meca, E., J. P. Sanchez-Ballesta. Influences on Financial Analyst Forecast Errors: A Meta-analysis[J]. International Business Review, 2006, 15(1),pp.29-52.

[13] Duru, A.,D. M. Reeb. International Diversification and Analysts’ Forecast Accuracy and Bias[J]. The Accounting Review, 2002, 77(2),pp.415-433.

[14] Lin, H.W., M. F. McNichols. Underwriting Relationships, Analysts’ Earnings Forecasts and Investment Recommendations[J]. Journal of Accounting and Economics, 1998, 25(1),pp.101-127.

[15] Bhushan, R.Firm Characteristics and Analyst Following[J]. Journal of Accounting and Economics,1989, 11(2),pp.255-274.

[16] 石桂峰, 蘇力勇, 齊偉山. 財務分析師盈余預測精確度決定因素的實證分析[J]. 財經研究, 2007, (5)：62-71.

[17] McEwen, R. A.,J. E. Hunton. Is Analyst Forecast Accuracy Associated With Accounting Information Use? [J]. Accounting Horizons, 1999, 13(1),pp.1-16.

[18] 胡奕明, 林文雄,王瑋璐. 證券分析師的信息來源、關注域與分析工具[J].金融研究，2003, (12) ：52-63.

[19] Malloy, C. J. The Geography of Equity Analysis[J].The Journal of Finance, 2005, 60(2),pp.719-755.

[20] Bae, K.H., R. M. Stulz, H. Tan. Do Local Analysts Know More? A Cross-country Study of the Performance of Local Analysts and Foreign analysts[J]. Journal of Financial Economics, 2008, 88(3),pp.581-606.

[21] O’Brien, P. C., H. Tan. Geographic Proximity and Analyst Coverage Decisions: Evidence from IPOs[J]. Journal of Accounting and Economics,2015, 59(1),pp.41-59.

[22] 王玉濤，陳曉，侯宇. 國內證券分析師的信息優勢:地理鄰近性還是會計準則差異[J]. 會計研究,2011,(12)：34-40.

[23] 李冬昕，李心丹，張兵.分析師的盈利預測偏差與本地優勢[J].財經科學，2011,(3)：26-33.

[24] 張然,王會娟,張路.本地優勢、信息披露質量和分析師預測準確性[J].中國會計評論,2012,(2)：127-138.

[25] Huberman, G. Familiarity Breeds Investment[J].Review of financial Studies,2001, 14(3), pp.659-680.

[26] Coval, J. D.,T. J. Moskowitz. Home Bias at Home: Local Equity Preference in Domestic Portfolios[J]. The Journal of Finance, 1999, 54(6),pp.2045-2073.

[27] Strong, N.,X. Xu. Understanding the Equity Home Bias: Evidence from Survey Data[J]. Review of Economics and Statistics, 2003, 85(2),pp.307-312.

DoestheLocationofIPO-FirmsInfluenceAnalysts’IPOPricingPredictionAccuracy?

ZHU Min1, WANG Chuanjiang2

(1.School of Business and Finance, Shanghai Normal University, Shanghai 200234, China;2.Public Management College, East China Normal University, Shanghai 200061, China)

Using the distance between the firm and the financial center and the distance between the firm and the analyst as the proxies of public information and private information, this paper examines how the information structure affects the accuracy of analysts’ IPO pricing prediction. The empirical results show that the accuracy decreases when the financial center distance or the analyst distance increases. Furthermore, the effect of analyst distance on prediction accuracy is conditional on the financial center distance. The farther the firm is to the financial center, the stronger the effect of the analyst distance on the prediction accuracy.

IPO Pricing; Analyst Prediction; Geographic Distance; Information Asymmetry

2016-02-22

國家自然科學基金資助項目(71573178)；上海市教委科研創新項目(12YS039)；上海師范大學第七期重點建設學科城市經濟學資助

朱敏(1978-)，男，上海市人，上海師范大學商學院副教授，博士；汪傳江(1988-)，男，安徽桐城人，華東師范大學公共管理學院博士生。

F830.91

A

1004-4892(2017)10-0060-11

(責任編輯原蘊)