上市公司違規事件對分析師聲譽溢出效應的研究

徐彧，王宇熹

（1.上海工程技術大學 管理學院，上海201620；2.上海師范大學 全球城市研究院，上海200234）

一、引言

溢出效應（Spillover Effect），是指一個組織在進行某項活動時，不僅會產生活動所預期的效果，而且會對組織之外的人或社會產生影響。過去學者大多關注企業與企業之間的聲譽溢出效應（如：Goins& Gruca，2008；Winn et al.，2008）[1-2]。例如，Gleason et al.（2008）[3]研究發現，當一家公司違規時，投資者會重新評估整個行業的公司前景，導致同行業未違規公司的股價波動，嚴重者會導致股價大幅下跌和投資者經濟損失（Chen et al.，2013）[4]。上市公司的違規事件還為研究資本市場聲譽溢出效應提供了獨特視角。例如，汝毅等（2019）[5]通過比較報道違規公司媒體的聲譽變化，發現上市公司違規事件曝光對媒體存在明顯聲譽溢出效應。

證券分析師作為現代資本市場的重要信息中介，依靠努力挖掘上市公司基本面背后的潛藏信息，發布客觀準確的研究報告來贏得投資者認可，以積累聲譽。但現實中，出于各種利益沖突和短期機會主義動機，有些分析師并不在意上市公司可能存在的違規事件，仍持續給出樂觀評級，誤導投資者做出投資決策，給投資者帶來經濟損失（Brown et al.，2015）[6]。我們關心這些“黑嘴”分析師是否會在上市公司違規事件曝光后受到資本市場的“聲譽懲罰”？

本文基于上市公司違規事件曝光這一特定視角，通過建立三重差分計量模型，試圖探索上市公司違規事件曝光的聲譽溢出效應如何影響到與之關聯的分析師在投資者心目中的聲譽。本文研究發現，分析師事前對違規公司的推薦越樂觀，違規事件曝光后市場對該分析師推薦的其余未違規公司的反應越弱，即負向聲譽溢出效應；相反，分析師事前對違規公司的推薦越悲觀，違規事件曝光后市場對該分析師推薦的其余未違規公司的反應越強，即正向聲譽溢出效應。當分析師事前放棄跟蹤違規公司，則違規事件曝光后該分析師會獲得有限的正向聲譽溢出效應。我們還進一步研究了違規事件曝光的聲譽溢出效應對分析師聲譽影響的差異性。

本文主要貢獻如下。第一，拓展了我國證券分析師聲譽形成機制的相關研究。國內外研究表明，分析師基于各種利益關聯會傾向于發布樂觀評級（如：Firth et al.，2013;Gu et al.，2018；洪劍峭和張新，2011)[7-9]，即便分析師明知上市公司存在的問題，他們也大多選擇沉默，避免直接發布負面評級（Young& Emma，2013）[10]。我們的結論證明了國內分析師的上述行為會影響到其在投資者心目中的聲譽，投資者會對分析師進行“聲譽修正”。第二，本文擴展了企業聲譽溢出效應的相關研究。過去文獻大多關注企業與企業之間（如：Gleason et al.，2008）[3]、企業內部間（如：Lei et al.，2008）[11]的聲譽溢出效應，本文將研究視野擴展到企業之外的證券研究行業，是對該領域研究的有益補充。第三，本文研究結果對我國資本市場中的“黑嘴”分析師有一定警示作用，對規范我國證券分析師的行為，維護投資者利益具有積極的指導意義。

二、文獻綜述與假設提出

（一）文獻綜述

分析師聲譽與研究質量一直是學者們廣泛關注的話題。Stickel（1992）[12]研究發現明星分析師給出的預測更加精準，并認為分析師聲譽與其績效之間存在正相關。Jackson（2005）[13]使用澳大利亞數據，發現預測準確度更高的分析師在未來能獲得更高的聲譽。Leone&Wu（2007）[14]發現被選為明星分析師的概率與分析師短期預測成績呈現正相關關系。Emery & Li（2009）[15]研究發現，在明星分析師評選活動前，分析師提高盈余預測精度能夠增加其被評選為明星分析師的概率。Kadous et al.（2009）[16]表示預測準確且一致性程度低的分析師比預測準確且一致性程度高的分析師更容易贏得機構投資者的青睞。過去學者的研究大多集中在分析師聲譽的增量效應，即研究質量等因素對提高分析師聲譽的作用。但較少有文獻從負面信息視角，探討研究質量等因素對降低分析師聲譽的作用。此外，過去研究中對分析師聲譽的衡量大多依據第三方評選機構①例如中國的《新財富》雜志、美國的Institutional Investor雜志等。給出的明星分析師排名（如：Leone & Wu，2007；Brown et al.，2015）[14，6]，但這種做法不一定能反映出分析師在投資者心目中準確的即時聲譽，原因是投資者可能會根據分析師的表現進行及時的“聲譽修正”。

分析師研究質量參差不齊，一方面是由于市場本身的復雜性和分析師自身能力不足等原因（如：Griffin，2003）[17]，但大多數情況下，則是分析師為了自身利益而刻意發布有偏評級。Gu et al.（2018）[8]發現分析師為了在明星分析師評選中為自己“拉票”，賣力推薦機構投資者持有的股票。洪劍峭和張新（2011）[9]發現部分分析師在年末的評級更樂觀，目的是為了討好基金經理，進而為自己博得聲譽和利益。Firth et al.（2013）[7]發現分析師為了讓所屬券商能夠獲得更多的交易傭金和分倉收入，會故意提高基金經理所持股票的評級。Mao&W（2012）[18]研究發現，分析師為了維持信息渠道，會故意提高評級，以取悅上市公司管理層。但國內外文獻中，較少有文獻深入研究過分析師的上述行為對其在投資者心目中的聲譽會產生何種影響。

對我國證券分析師聲譽的研究，以往學者主要集中在我國證券分析師的聲譽構建基礎（胡奕明和金洪飛，2006）[19]、聲譽影響機制（王宇熹等，2012）[20]、聲譽博弈機理（游家興等，2013）[21]、聲譽激勵效應（周銘山等，2015）[22]以及聲譽作用模式（張宗新和楊萬成，2016）[23]等方面，但鮮有文獻深入研究過分析師聲譽領域的溢出效應。基于以往文獻，本文試圖進一步補充相關領域的研究。

（二）提出假設

借鑒汝毅等（2019）[5]的思路，上市公司違規事件曝光的聲譽溢出效應對分析師聲譽產生影響須具備以下必要條件：（1）投資者要能夠了解到被曝光出的違規公司；（2）投資者要能夠了解到分析師事前和事后跟蹤的所有公司（包括違規和非違規的公司）；（3）投資者要能夠確定分析師所擁有的專業技能會同時影響到該分析師對違規公司和非違規公司的研究。

首先，違規事件曝光會引起上市公司股價大跌（Chen et al.，2013）[4]，此外證監會、上交所、深交所、媒體以及上市公司本身發布的違規公告，都可以被投資者知曉，故條件（1）滿足。其次，分析師為了產生更多的交易傭金，會通過各種渠道與投資者互動，以賣力推銷自己跟蹤的股票（Brown et al.，2015）[6]，投資者很容易知曉到該分析師跟蹤的所有公司，故條件（2）滿足。再次，行業知識是分析師預測的基礎，并推動分析師對行業內公司進行評估（Hilary et al.，2013）[24]，而行業知識等技能在一定時期內是相對固定的，會同時影響到分析師對所有公司的預測，故條件（3）滿足。綜上，上市公司違規事件曝光的聲譽溢出效應會對分析師聲譽產生影響的必要條件全部具備。

分析師研究報告代表該分析師對上市公司未來發展趨勢的判斷，研報準確程度直接反映了該分析師的評估能力（Hilary et al.，2013）[24]。當上市公司違規事件被曝光，投資者可能會懷疑事前看漲分析師的能力和研究報告的獨立性，并重新評估事前看漲分析師的可信度，導致事前看漲分析師在投資者心目中的聲譽降低，表現在違規事件曝光后投資者可能會不信任事前看漲分析師對其余未違規公司的研究，即負向的聲譽溢出效應；相反，上市公司違規事件被曝光后，投資者可能會認為事前看跌分析師擁有優秀的薦股能力和較高的可信度，導致事前看跌分析師在投資者心目中的聲譽提高，表現在違規事件曝光后投資者可能會更加信任事前看跌分析師對其余未違規公司的研究，即正向的聲譽溢出效應。

一些分析師在獲知證監會開始對上市公司開展立案調查信息后，在正式調查結果曝光前，為怕自己受到牽連，但又為了避免得罪公司管理層和基金經理，他們可能會選擇放棄跟蹤（Young & Emma，2013）[10]。分析師事前放棄跟蹤違規公司的行為，在違規事件曝光后可能會讓投資者認為該分析師擁有一定的薦股能力和可信度，進而提高該分析師在投資者心目中的聲譽。但由于此類分析師僅選擇“沉默”，并未直接在事前給出負面評級，因此我們認為違規事件曝光后此類分析師僅會獲得有限的正向聲譽溢出效應。綜上，本文提出如下假設。

H1：分析師在違規事件曝光前對違規公司的推薦越樂觀，違規事件曝光后該分析師推薦的其余未違規公司的市場反應越弱，即負向聲譽溢出效應；相反，分析師在違規事件曝光前對違規公司的推薦越悲觀，違規事件曝光后該分析師推薦的其余未違規公司的市場反應越強，即正向聲譽溢出效應。

H2：分析師在違規事件曝光前放棄跟蹤違規公司，則違規事件曝光后該分析師僅會獲得有限的正向聲譽溢出效應。

三、數據來源及模型建立

（一）數據來源

文中使用的上市公司違規事件數據來自CSMAR（國泰安）數據庫，選取的樣本區間為2008年到2018年，將監管機構下達處理文件的日期定為曝光日。文中使用的分析師薦股評級數據、分析師個人特征指標數據、上市公司規模數據、機構持股數據、年個股換手率數據、上市公司控制人數據、上市公司基本信息特色指標、上市公司年收益率數據也均來自CSMAR（國泰安）數據庫，分析師隸屬的券商規模數據來自中國證券業協會歷年發布的證券公司營收排名。

（二）樣本篩選

我們按照如下的步驟進行樣本篩選，以期驗證上市公司違規事件曝光的聲譽溢出效應對分析師聲譽的影響。第一步，將曝光日前兩年內，跟蹤過（發布過評級）違規公司的所有分析師設置為試驗組。第二步，篩選出試驗組分析師在曝光日前兩年和后六個月都跟蹤過的所有非違規公司。第三步，對篩選出來的每一家非違規公司，將在曝光日前兩年和后六個月都跟蹤過，但未跟蹤過違規公司的所有分析師設置為控制組。第四步，獲取試驗組分析師和控制組分析師在曝光日前兩年到后六個月之間對每個未違規公司發布的所有評級。第五步，因證監會從立案調查到結案平均周期是六個月，故將違規事件曝光前六個月內沒有給出評級，但前兩年內報告過違規公司的試驗組分析師設定為Dropped組；將違規事件曝光前六個月內仍對違規公司給出評級的試驗組分析師設定為Covered組。圖1為本文樣本篩選過程的示意圖。

圖1 樣本篩選過程示意圖

（三）變量設定

1.被解釋變量

本文采用超額累計收益率（CAR）表示被解釋變量，衡量分析師研報的市場反應，即分析師在投資者心目中的聲譽。本文采用市場調整模型計算的超額累計收益率，窗口期為研報公布日前一天至后一天，即其中Rit為股票收益率，Rmt為市場收益率。

2.解釋變量

為了較準確地反映出違規事件曝光對分析師聲譽的影響，本文定義了五個解釋變量。第一，定義薦股評級發布日變量Post。如果分析師給出的薦股評級在違規事件曝光之后（后六個月內），則Post=1，反之Post=0。圖2給出了解釋變量Post的時間軸圖，區間1為曝光日前兩年內，用Post=1表示，區間2表示曝光日后六個月內，用Post=0表示。第二，定義Dropped組分析師變量。如果分析師在違規事件曝光前兩年內跟蹤過違規公司，但曝光前六個月放棄跟蹤，則Dropped=1，反之Dropped=0。第三，定義Covered組分析師變量。如果分析師在違規曝光前六個月里仍在跟蹤違規公司，則Covered=1，反之Covered=0。第四，定義評級變量Recom。分析師在研報公布日對未違規公司的薦股評級分為五檔：買入、增持、中性、減持和賣出，分別對應Recom的值為5、4、3、2和1。第五，為了衡量分析師在曝光前對違規公司的樂觀傾向，計算其相對于其余分析師（跟蹤相同公司）的相對樂觀評級。具體做法是：用分析師對違規公司的評級Recom減去分析師一致性評級（consensus），分析師一致性評級（consensus）為研報公布前60天內所有分析師對該股票做出評級的中位數。假如分析師在曝光前六個月里多次報告過（次數≥2）某一違規公司，則對所有相對樂觀評級取平均值，得到分析師在曝光前對這一違規公司的樂觀傾向（定義為BullScore）①用這種方法計算出的樂觀傾向，更能反映出某位分析師區別于分析師一致性評級（consensus）的程度。。最后將分析師的樂觀傾向（BullScore）正則化處理為[-1，1]的數據，即BullScore的值越接近1，說明分析師越樂觀，BullScore的值越接近-1，說明分析師越悲觀。

圖2 解釋變量Post的時間軸圖

3.控制變量

控制變量設置如下。第一，投資者通常會關注分析師評級的變動情況，進而影響市場反應，故將分析師評級變動（Recom_chg）作為控制變量。若分析師上調評級，則Recom_chg=1，維持評級則為0，下調評級則為-1。第二，分析師隸屬券商的規模和聲譽通常會影響分析師的聲譽（如：Ertimur et al.，2011）[25]，進而影響市場反應，故將分析師隸屬券商規模（B_size）作為控制變量。位列中國證券業協會公布的營收前十位的券商，B_size=1，否則，B_size=0。第三，與散戶投資者不同，機構投資者有自己的運營模式和擇股機制，可能會影響市場反應。故控制了機構持股占比（Inst）變量，用前十大股東中機構投資者的持股比例表示。第四，借鑒方軍雄等（2018）的做法[26]，進一步控制了上市公司規模（Firm_size）變量，用該公司年初總資產的自然對數表示。第五，明星分析師的薦股評級通常能引起較高的市場反應（Fang&Yasuda，2010）[27]，故將分析師明星地位（Star）作為控制變量。如果分析師在研報公布日的上一年度被《新財富》雜志評選為明星分析師，則Star=1，反之，Star=0。第六，基于我國實際情況，根據企業產權性質不同，將上市公司是否為國企（SOE）設置為控制變量。當該公司為國企時SOE=1，反之SOE=0。第七，上市公司被分析師關注的程度可能會影響投資者的判斷，進而影響市場反應，故控制了分析師跟蹤人數（Ana）變量，用研報公布日上一年內跟蹤過該公司的分析師人數的自然對數表示。第八，上市公司的收益情況可能會引起投資者較大關注，故將總資產收益率（ROA）作為控制變量，用研報公布日上一年度的凈利潤除以總資產表示。第九，將換手率（TT）作為控制變量，用研報公布日上一年度的日均換手率表示。

（四）模型設計

檢驗上市公司違規事件曝光的聲譽溢出效應對分析師聲譽的影響，須同時考慮以下三個維度：第一，上市公司違規事件曝光可能是試驗組分析師聲譽的轉折點，因此須區分事件前后，即違規事件曝光前到曝光后的時間維度；第二，分析師研報市場反應可能也會受其他事件影響，故須添加控制組以抵消隨時間的固有變化，即試驗組與控制組之間的組間差異維度；第三，試驗組分析師對違規公司的樂觀傾向（BullScore）各不相同，本文檢驗的正是不同樂觀傾向（BullScore）的情況下，違規事件曝光對分析師聲譽的影響，即試驗組的組內差異維度。由于本文涉及以上三個維度的綜合分析，參考Gruber（1994）[28]的研究經驗，選用三重差分（DDD）計量模型進行分析。結合本文實際問題，設計如下的回歸模型：

式（1）為本文選用的基本回歸模型，其中系數q、t、i和j分別表示q年、t日、分析師i和未違規公司j。此外，我們控制了行業、年度和季度固定效應①為避免多重共線性，需對n個行業設置n-1個行業虛擬變量，年度和季度虛擬變量的設定同樣如此。，并采用穩健的標準誤。

表1 變量描述性統計②描述性統計中Firm_size的單位為千億元。

四、實證分析

（一）描述性統計

表1 為本文使用變量的描述性統計。表1可知，有超過一半的分析師曾經跟蹤過違規公司，其中約10%的分析師在違規曝光前仍跟蹤著違規公司，但有約40%的分析師在曝光前放棄跟蹤。Recom的均值為4.51，表明分析師給出的評級都較樂觀。觀察Covered組分析師樣本（N=9137）中，BullScore的均值為0.30，表明Covered組分析師在曝光前對違規公司的評級仍較樂觀。本文檢驗了各變量間的相關性，未列示的結果表明，絕大部分變量間的相關性都較低，故排除存在嚴重多重共線性的可能。

（二）基本回歸結果分析

表2 基本回歸結果

根據前述設計的三重差分模型公式（1），得到表2所示的回歸結果。從表2可知，Recom*Post*Covered*BullScore的系數顯著為負（t=-3.28），表明Covered組分析師事前對違規公司的樂觀傾向越高（BullScore的值越大），在違規事件曝光后，其推薦的非違規公司的市場反應越低，在投資者心目中的聲譽越低，即負向聲譽溢出效應；相反，Covered組分析師事前對違規公司的樂觀傾向越低（BullScore的值越小），在違規事件曝光后，其推薦的非違規公司的市場反應越高，在投資者心目中的聲譽越高，即正向聲譽溢出效應。根據上述結論，假設H1得證。此外，Recom*Post*Dropped的系數為正，但非常不顯著，說明Dropped組分析師在違規事件曝光后僅獲得了有限的正向聲譽溢出效應，故假設H2得證。

（三）穩健性檢驗

我們選用三種方法進行穩健性檢驗。

第一，將模型（1）中被解釋變量（CAR）的窗口期分別調整為研報公布日前后[-2，+2]和[-3，+3]，再代入模型回歸。回歸結果見表3，Recom*Post*Covered*BullScore的系數仍顯著為負，Recom*Post*Dropped的系數仍為正且不顯著，穩健性檢驗結果與前述結果相似，證明了前述結論的穩健性。

表3 穩健性檢驗1的回歸結果

表4 穩健性檢驗2的回歸結果

第二，轉而控制行業、年度和月份固定效應，并分別按股票和分析師將標準誤聚類。回歸結果見表4，Recom*Post*Covered*BullScore的系數均顯著為負，Recom*Post*Dropped的系數均為正且不顯著，穩健性檢驗結果與前述結果相似，證明了前述結論的穩健性。

第三，對連續變量分別做1%、5%和10%的winsorize處理，再代入模型回歸。回歸結果見表5，Recom*Post*Covered*BullScore的系數均顯著為負，Recom*Post*Dropped的系數均為正且不顯著，穩健性檢驗結果與前述結果相似，證明了前述結論的穩健性。

表5 穩健性檢驗3的回歸結果

五、進一步分析

前文論述中最重要的假設是，投資者能夠根據分析師事前對違規公司的樂觀傾向（BullScore），在違規事件曝光后對分析師的能力、行業知識和獨立性及時進行重新評估，即對跟蹤違規公司的分析師及時進行“聲譽修正”①由于Dropped組分析師未有BullScore項，且其聲譽受違規曝光的聲譽溢出效應的影響并不顯著，充滿不確定性，故此處僅討論Covered組分析師的“聲譽修正”差異。。但在有些情形下，投資者并不一定能做到及時的“聲譽修正”。本文分別從分析師明星地位、跟蹤時長、行業關系和機構持股占比這四個角度繼續進行討論，研究這四種情形下上市公司違規事件曝光的聲譽溢出效應對分析師聲譽影響的差異性。

（一）分析師明星地位

明星分析師往往是得到市場廣泛認可的高能力象征（Fang&Yasuda，2011）[29]，這種廣泛認同可能會使投資者主觀上認可來自明星分析師的推薦，即使明星分析師對違規公司發布過樂觀評級，對其聲譽的影響也有限，導致明星分析師群體受到的聲譽溢出效應可能不明顯。相反，非明星分析師群體并沒有得到市場的廣泛認可，其對違規公司的評級會被投資者視為其能力的重要體現，進而受到明顯的聲譽溢出效應。

若試驗組分析師在研報（對未違規公司）公布日前一年度入選《新財富》雜志最佳分析師榜單，則為明星分析師，反之，則為非明星分析師。進行分組回歸，回歸結果如表6所示。從結果看，非明星分析師組Recom*Post*Covered*BullScore的系數顯著為負，而明星分析師組Recom*Post*Covered*BullScore的系數非常不顯著，說明非明星分析師受到顯著的聲譽溢出效應，而明星分析師受到的聲譽溢出效應不明顯。

表6 不同明星地位的回歸結果

（二）分析師跟蹤時長

當分析師對未違規公司跟蹤過較長時間、有較長時間的預測記錄，投資者可能已經形成該分析師對特定股票薦股能力的準確預期，導致該分析師對違規公司的樂觀傾向只能引起有限的聲譽溢出效應。相反，若分析師跟蹤時間較短，投資者對該分析師的薦股能力并不了解，投資者會根據分析師的事前評級對該分析師的薦股能力進行評估，導致明顯的聲譽溢出效應。

本文中，當試驗組分析師對某個未違規公司的跟蹤時長超過兩年，我們便認為跟蹤時間較長；相反，當試驗組分析師對某個未違規公司的跟蹤時長不足兩年，則可認為跟蹤時間較短。進行分組回歸，得到表7所示的回歸結果。從結果看，跟蹤時間較短的分析師群體Recom*Post*Covered*BullScore的系數顯著為負，說明存在顯著的聲譽溢出效應。跟蹤時間較長的分析師群體Recom*Post*Covered*BullScore的系數非常不顯著，說明該組聲譽溢出效應不明顯。

表7 不同跟蹤時長的回歸結果

（三）行業關系

分析師會投入大量時間和精力去拓展自己在某一特定行業的專業知識（Boni&Kent，2006）[30]，于是投資者可能會更加信任分析師在自己擅長領域的研究結果，導致當分析師跟蹤的違規公司和未違規公司屬于同一行業時，聲譽溢出效應的影響較小；而當分析師跟蹤的違規公司和未違規公司屬于不同行業時，投資者可能會懷疑該分析師在其余領域的研究能力，導致聲譽溢出效應的影響較大。

表8 給出了分組回歸的結果。列（2）核心交乘項Recom*Post*Covered*BullScore的系數顯著為負，且系數和顯著性均大于列（1）核心交乘項Recom*Post*Covered*BullScore。因此，當分析師跟蹤的違規公司和未違規公司屬于不同行業時，其聲譽受上市公司違規事件曝光的聲譽溢出效應的影響較大。

表8 不同行業關系的回歸結果

（四）機構持股占比

專業機構投資者比中小型散戶投資者具有更多的信息優勢，能夠根據分析師的行為更及時地對其進行“聲譽修正”。因此我們認為，推薦機構投資者持股比例較高的未違規公司的分析師，其聲譽受聲譽溢出效應的影響較大；相反，推薦機構投資者持股比例較低的未違規公司的分析師，其聲譽受聲譽溢出效應的影響較小。

本文按照試驗組分析師推薦的非違規公司的前十大股東中機構投資者持股占比的中位數，將樣本分成兩組，分別進行回歸，回歸結果如表9所示。從結果看，推薦機構投資者持股占比較高公司的分析師群體Recom*Post*Covered*BullScore的系數顯著為負，表明此類分析師的聲譽受上市公司違規事件曝光的聲譽溢出效應的影響較大。相反，推薦機構投資者持股占比較低公司的分析師群體Recom*Post*Covered*BullScore的系數非常不顯著，表明此類分析師的聲譽受上市公司違規事件曝光的聲譽溢出效應的影響較小。

表9 不同機構持股占比的回歸結果

六、總結

本文從上市公司違規事件曝光這一特定視角，基于CSMAR（國泰安）數據庫的相關數據，建立三重差分計量模型，探討了我國證券分析師聲譽是否會受到上市公司違規事件曝光產生的聲譽溢出效應的影響。基本回歸的結果表明，持續跟蹤違規公司的分析師會受到顯著的聲譽溢出效應影響，而曾跟蹤過，后又放棄跟蹤違規公司的分析師未受到明顯的聲譽溢出效應影響。從核心交乘項的回歸系數可以看出，分析師事前對違規公司的推薦越樂觀，違規事件曝光后該分析師受到負向聲譽溢出效應的影響越大；相反，分析師事前對違規公司的推薦越悲觀，違規事件曝光后該分析師受到正向聲譽溢出效應的影響越大。本文又進一步探討了投資者未能對分析師進行及時“聲譽修正”的情形，得到如下結論：（1）非明星分析師群體比明星分析師群體受到聲譽溢出效應的影響更大；（2）跟蹤未違規公司時間較短的分析師，其受到聲譽溢出效應的影響更大；（3）跟蹤的未違規公司與被曝光的違規公司屬于不同行業時，該分析師受到聲譽溢出效應的影響更大；（4）跟蹤的未違規公司中機構投資者持股占比較高時，該分析師受到聲譽溢出效應的影響更大。

聲譽作為分析師的一項無形資產，是獨特且珍貴的，能夠為分析師贏得市場信任和經濟利益，但分析師易受各種利益沖突影響發布不客觀的有偏預測，其后果是損害了投資者利益，也損失了自己的聲譽。我們呼吁分析師應當珍惜自己的聲譽，恪守職業道德，增強社會責任感。建議監管部門和分析師行業協會應對分析師加強信用約束，建立我國證券分析師職業信用評價體系和聯合獎懲制度，制定分析師職業信用失信行為認定行業標準，建立分析師職業信用檔案制度和負面清單，建立分析師職業信用信息申訴救濟和修復制度，建立證券分析師職業信用“黑名單”和“紅名單”制度，提高“信口雌黃”分析師的失信違法成本，對“去食存信”的守信分析師，在明星分析師評選過程中提供加分機制或者綠色通道。監管部門應做好分析師研究成果的審慎性監管，防止短期機會主義行為，健全和完善我國分析師行業監管體系，對分析師“黑嘴”行為應加大懲處力度，促使分析師發布客觀預測。本文研究結論對于規范分析師行為、維護投資者利益、完善資本市場監管，都具有重要的啟示意義。