投资者对分析师研究报告的反应存在差异吗？——基于高频数据的研究

周海蓉王宇熹

(1.上海发展战略研究所，上海 200032；2.上海工程技术大学管理学院，上海 201620)

引言

目前我国资本市场仍是一个以散户投资者为主体的市场，其专业知识欠缺、风险意识淡薄、风险承受能力不强、自我保护能力不足，信息获取和专业能力上存在天然劣势，权益容易受到侵害，因此在市场中整体处于弱势地位。由于散户投资者难以察觉证券分析师背后的利益冲突，容易被分析师推荐评级误导，中国证监会于2011年通过颁布法规，加强了对分析师研究报告发布行为的规范和监管。尽管监管部门的监管逻辑源于“散户投资者利益容易受到有偏的证券研究损害”直觉，但大户投资者和散户投资者如何对分析师研究报告做出反应?分析师研究报告可信度的差异是否会被不同类型投资者察觉并且对其投资行为产生影响？其交易行为存在哪些不同点？这些重要问题，理论界并没有给出明确答案。投资者对分析师研究报告的反应差异问题之所以重要，至少有两个原因：(1)中国证监会投资者保护局的首要目标是要保护投资者合法权益，投资者保护的前提是弄清楚大户投资者和散户投资者对分析师发布信息的使用机理，是否存在大户投资者利用信息不对称漏洞和信息优势损害散户投资者利益？这些违法行为存在哪些特征？(2)研究散户投资者和大户投资者对分析师研究报告交易行为和反应的差异，将会为完善我国证券分析师误导行为监管，防范抢帽子操纵提供直接实证经验和监管依据。

前期已有研究发现散户投资者无法正确处理盈余信息，与盈余预测修订不同，散户投资者在没有熟练理解会计盈余和股票回报之间关系的情况下，难以对盈余公告做出正确反应。Malmendier和Shanthikumar(2006)则认为股票推荐是用来指导散户投资者的，而盈余预测是用来指导大户投资者的[1]。Lin和McNichols(1998)发现有利益冲突的分析师倾向于发布过度乐观股票推荐而不是盈余预测[2]。Malmendier和Shanthikumar(2007)检验了围绕股票推荐前后的大户投资者和散户投资者之间的交易不平衡，采取简单投资策略如买入并持有分析师推荐的股票，将获得负超额回报率[3]。本文采用简单信号法，参考分析师的股票推荐来买入或卖出特定公司的股票，来检验投资者的投资经验和市场反应。在控制其它能够影响投资者对分析师信息反应的相关因素后，基于高频数据和市场微观结构理论检验大散户投资者对分析师研究报告中所含信息(荐股评级修订和盈余预测修订)的不同估计和反应。

样本选择及描述性统计

一、样本选择

考虑到高频交易数据的可得性并与之匹配，在本研究中，分析师样本选择时间区间为2005年8月～2011年8月。分析师荐股评级样本来自国泰安CSMAR分析师盈余预测研究数据库，分析师的单条荐股信息中记载了评级调整信息。如果在推荐发布日期股票没有交易，则日期向后延长至重新开始交易第一天。高频交易数据来自2011年国泰安中国证券市场LEVEL-1高频交易数据库。该数据库搜集了中国证券市场2005年8月～2011年8月各种高频数据，包含分笔高频数据、分时高频数据(一分钟、五分钟、十分钟、十五分钟、三十分钟、六十分钟)。为了确保观测到的交易归因于分析师荐股评级而不是盈余公告或其他信息，剔除了推荐公告日前后五日窗口期内有盈余公告(包括年报，中报，季报)或红利分配公告的样本。高频数据的使用，遵循前期研究两种方法来确定大户投资者和小户投资者。第一个方法是基于交易股票数目，第二种方式是基于股票交易金额。Lee和Radhakrishna(2000)发现交易金额更容易区分大散户投资者，由于其对股票价格变化更不敏感[4]。因此，使用基于交易金额的方法来对交易进行分类。假设小笔金额交易是基于缺乏经验的散户投资者，而大笔金额交易则是由经验丰富的大户投资者执行。

使用三种方法来区分不同类型投资者。第一种方法是交易金额大于30000元为大户投资者，低于7000元为散户投资者。第二方法为交易金额高于50000元为大户投资者，低于5000元为散户投资者。第三种方法为高于10000元为大户投资者，低于10000元为散户投资者。前两种方法可能更加可靠，前期研究表明，由于知情交易者往往会通过分解大笔交易为小笔交易来隐藏他们的信息优势，剔除中等规模交易将增加区分大户和散户投资者的统计解释力。Chakravarty(2001)发现79%的机构秘密交易是通过中等规模交易进行，将中等规模交易剔除将减少划分错误的概率[5]。参考Lee(1992)的研究经验[6]，我们使用公司前一年末的收盘价格乘以股票数量以区分出成交金额大于等于30000元或小于等于7000元的交易，对应交易被标记为大户投资者和散户投资者。剔除年末股价低于1元或高于200元的股票，以减少极端观测值对统计结果的影响。对于每种交易群体，分别按公式(1)计算超常交易量：

为了测度分析师将最新盈余预测转换同步转换为荐股评级，要求同一位分析师在荐股评级发布之前30天内对同一家公司做出过盈余预测。为了将单个分析师盈余预测精度与平均预测精度进行比较，对于“公司—年度”交易样本，要求在一年内至少有3位分析师跟踪该公司，同时要求单个分析师荐股评级样本在1年内对该公司至少有3次盈余预测。通过筛选，最终样本数为68099条。

表1 样本描述性统计量

二、描述性统计

表1包含了证券分析师推荐样本的描述性信息，该表包含了2005～2011年的68099条观测值。面板A展示的是样本中所有交易规模和交易量测度。AVOLUMEsmall是散户投资者在以荐股评级日为中心的5日窗口期内超额交易量，均值为-1.132，中位数为-0.830。AVOLUMElarge是大户投资者在以荐股评级发布日为中心的5日窗口期超额交易量，均值为20.369，中位数为2.203。AMKTVOL是在这五日窗口期内超额市场交易量，均值为4.154，中位数为-2.084。

面板B显示股票推荐评级样本特征，全样本间隔天数平均值约为130天，调高评级样本间隔天数平均值约为135天，调低评级样本间隔天数平均值约为120天，买入样本间隔天数平均值约为129天，持有和卖出样本间隔天数约为131天，ABSRCHG是新荐股评级和前期荐股评级差值的绝对值，所有分析师荐股评级都用五分制表示。“买入”评级为1，“增持”评级为2，“中性”评级为3，“减持”评级为4，“卖出”评级为5，ABSRCHG变动均值为1.2，调高评级变动均值为1.18，调低评级ABSRCHG变动均值为1.25，买入样本ABSRCHG变动均值为1.15，持有和卖出样本ABSRCHG变动均值为1.38。

面板C显示分析师特征和公司特征。FIRMS是分析师在当年跟踪公司数量，平均每位分析师跟踪公司数量为10.38家，BROK_SIZE是券商规模变量，用在当年被样本券商雇佣分析师数量表示，每位券商平均雇佣分析师数量为30人。MKT_VALUE是样本公司股票的市场价值，样本公司平均市值为319亿。PRIOR_PERF是基于前一年分析师股票推荐评级调整构建投资组合，买入评级调高股票，卖出评级调低股票，均值大约为7.7%。

研究方案设计

为了检验不同类型投资者对分析师推荐评级修订的交易反应，在控制了和交易量相关的其它因子之后，可以通过分别估计大户投资者和散户投资者的超常交易量

与分析师特征、券商特征和前期业绩等指标之间的关系，建立以下回归方程(2)：

AVOLUMEj i,kt是投资者群体j(j要么是散户投资者，要么是大户投资者)，当分析师k在第t时刻对公司i推荐评级修订有关的超常交易量。ABSRCHGi,j,k是分析师k对第t时刻公司i的推荐评级修订绝对值，通过将当前评级减去前期评级后的绝对值得到。“上调至买入”赋值为4，“上调至增持”赋值为3，“下调至增持”赋值为2，“上调至中性”赋值为1，“下调至中性”赋值为-1，“上调至减持”赋值为-2，“下调至减持”赋值为-3，“下调至卖出”赋值为-4。FIRM_SIZEi,t-1是公司规模，是指在推荐评级前一年末，公司i市场价值的自然对数。BROK_SIZEk,t-1是指券商规模，是指在推荐评级修订前一年，分析师k所属券商雇佣的分析师数量。PRIOR_PERFk,t是分析师相对前期业绩，基于该分析师前一年荐股综合业绩除以分析师k当年t=0时刻发布的推荐评级修订构成动态投资组合在(-2，+60)窗口期内的绩效，并将其转换为五分制。AMKTVOLt-1是在第t-1年的超常市场交易量，是在第t日前后(-2，+2)五日窗口期内计算的市场交易量,减去该t-1年内平均市场交易量。

在控制了与交易量相关的其它因子后，以上方程的截距项按照投资者类型，代表了平均超常交易量。如果投资者忽略了分析师的推荐评级修订，那么截距项的估计值将在统计上与零没有区别，这样的结果将显示交易行为和类型水平相一致，因此提出以下研究假设：

假设1：如果投资者对分析师荐股评级变化做出反应，预测截距项对两种类型投资者皆为正值。

分析师对上市公司绩效期望值的变化用评级修订ABSRCHGi,j,k来测度。如果ABSRCHGi,j,k能够代表分析师对公司观点不一致强度，推荐评级变动幅度的较大跃升将反映对公司绩效期望值更大修订，并会产生更多交易量。Mikhail(2004)发现超常收益和修订幅度之间存在正相关，该发现暗示在交易量和推荐修订幅度之间存在正相关[7]，但国内还缺乏交易量和推荐修订大小之间关系的相关研究。因此，提出研究假设2：

假设2：如果投资者对分析师推荐评级变化做出反应，不同类型投资者的超常交易量和ABSRCHGi,k,t之间存在正相关，且反应存在较大差异。

方程(2)中其它自变量都是借鉴其它学者前期研究中得到的控制变量。预测FIRM_SIZEi,t-1和ABSRCHGi,k,t*FIRM_SIZEi,t-1变量的系数为负值，给定这些公司增加的信息可获得性，被分析师推荐公司的规模越大将会具备更低的超常交易量。与之形成对比的是，期待BROK_SIZEk,t-1和ABSRCHGi,k,t*BROK_SIZEk,t-1系数将为正值。我们期望分析师前期荐股绩效PRIOR_PERFk,t类似将会和超常交易量正相关，前期做出获利推荐评级业绩更高的分析师在荐股能力上显示出可持续性，如果资本市场发现了这种业绩可持续性，分析师荐股评级将会越来越受到市场投资者的重视，因此与更高股票交易量存在相关性。评级修订也许会很难反映前期荐股评级可持续性，市场有可能负面重新评估分析师的能力，因此ABSRCHGi,k,t*PRIOR_PERFk,t系数估计期望值为负值。当市场交易量比平时要更高时，公司超额交易量通常也会更高，因此期待超常市场交易量的系数为正值。

大户投资者和散户投资者对荐股评级修订信息做出反应的超常交易量

使用方程(2)分别对大户投资者和散户投资者分别进行了估计。基于高频数据建立模型，允许我们分别在大户投资者和散户投资者回归模型中对系数估计执行统计检验。更进一步，在这些回归和子回归中，通过计算所有检验统计量，我们采用使用Huber-Whiter估计量更正潜在横截面自变量。如果没有控制横截面依赖性，可能会过度提高结果统计显著性。表2显示方程(2)的估计结果，以大户投资者或散户投资者增加其交易量作为对分析师荐股评级修订的反应，被估计截距项在统计上对于每一种投资者类型都是正值,该发现支持了假设1。控制了其它与交易量相关的因子，与Mikhail, Walther和Willis(2004)的结论[7]不同，我们发现在控制其它变量影响下，大户投资者对推荐评级修订的反应增加了1.36倍交易量(其截距项为136.06)，散户投资者增加的交易量仅约33%(其截距项为33.75)。散户投资者和大户投资者超常交易量之间的差异在统计上是显著的。平均而言，大户投资者比散户投资者对分析师荐股评级修订信息的反应会产生更多超额交易量。

表2 对荐股评级修订信息做出反应的超常交易量

对于不同类型的投资者，ABSRCHGi,k,t正系数估计意味着投资者对分析师期望公司绩效的变动幅度越大，交易量越多。但回归结果显示与假设2不一致，大户投资者的ABSRCHGi,k,t系数为负，意味着分析师预测公司绩效评级信息调整幅度越大，大户投资者产生的交易量越少，以边际值为39.2%减少。对于一个再定的评级体系中，单步增加或者减少，散户投资者超常交易量以边际值为2.96%增加，散户投资者虽然对分析师评级变动幅度期望值方向相一致,增加了交易量，但边际值增加得并不多。Asquith等人(2005)发现分析师研究报告包含了更多幅度更大的调整，这些结果意味着大户投资者可能比散户投资者对分析师研究报告信息的反应更富有战略性，散户投资者交易量对于分析师的评级变动增加反应不足，大户投资者由于仓位较重，在分析师大幅提高某只股票评级时，大户投资者选择的是继续持仓，并减少其成交量[8]。

对于散户投资者，ABSRCHGi,k,t显著性系数显示散户投资者也对推荐评级修订绝对值中传递的信息做出同方向反应，尽管他们对评级修订绝对值ABSRCHGi,k,t的敏感性相对大户投资者而言要小得多。大户投资者的成交量反应与评级修订绝对值ABSRCHGi,k,t的大小呈负相关，会做出较大反方向反应。对于公司规模特征，无论是大户还是散户投资者的超常交易量反应都与公司规模负相关，公司市值规模越小，价格越容易受到荐股评级的影响，成交量反应也就越大。但对于评级变动绝对值和公司规模联合影响ABSRCHGi,k,t*FIRM_SIZE的回归结果，并没有出现都为负值的情况。大户投资者的系数为正值2.460，散户投资者的系数为-0.241。也就是说大户投资者在评级绝对值和公司规模联合影响下，其反应方向会出现反转。从券商机构规模上看，无论是大户投资者，还是散户投资者，BROK_SIZE的系数全部为正值，大户投资者为0.473，散户投资者为0.089。和研究假设相一致，但荐股评级绝对值和券商规模的交叉影响变量ABSRCHG*BROK_SIZE回归系数全部为负值，影响力非常小，系数普遍接近0。大户投资者对于分析师前期业绩比较敏感，回归系数为正值1.121，分析师前期业绩越高，大户投资者投资对分析师荐股评级修订信息做出的反应也就越大。但散户投资者对分析师的前期业绩反应并没有产生正面反应，回归系数为-2.214，散户投资者对前期业绩高的分析师做出的交易量反应反而越低。但ABSRCHG*PRIOR_SIZE荐股评级绝对值和前期业绩的联合影响变量显示，大户投资者的交易量反应与该指标出现了较低负相关，为-0.532，散户投资者投资者的交易量反应与该指标出现了较低正相关，为0.387。从超额市场交易量指标看，大户投资者对分析师荐股评级变动的交易反应容易受到市场环境的影响，如果市场出现成交量放大，大户投资者对应的分析师荐股成交量反应也会放大，但散户投资者并没有受到其正面影响，在市场处于暴涨暴跌成交量急剧变动时，散户投资者对此时分析师荐股评级变动保持了更为谨慎的反应，出现了微弱的负面交易反应。但考虑到评级变动绝对值和市场超额交易者的联系影响后，大户投资者和散户投资者的反应全部出现了反转，为了更深入研究，我们还检验了是否不同类型投资者的交易方向和推荐评级修订的类型相一致，多变量统计量显示在面对分析师的大幅调低评级，散户投资者倾向于买入最多，但另一方面，对于分析师的调低评级则卖出更多。除此之外，大户投资者的卖出行为随着推荐评级的调低幅度单调递增。与之对比的是，散户投资者的买入并没有随着推荐评级修订的大小而而发生系统变化。这些结果符合大户投资者能够更熟练的处理分析师评级调整信息，但散户投资者却并不一定。

考虑到控制变量，注意到两个结果：首先，发现当大、散户投资者的交易量反应虽然都受到公司规模的影响，但散户投资者受到的影响要显著低于大户投资者。如果公司规模代理指标能够代表有关公司的可获得信息量的大小，那么不同类型投资者之间有关公司规模反应的差异的部分原因可能来自于大户投资者和散户投资者之间获得公司信息能力的差异。第二，大户投资者比散户投资者更依赖分析师前期业绩做出投资决策。Mikhail等人(2004)发现股票往往会对那些过去荐股业绩较好的分析师做出更多的价格和成交量反应[7]。大户投资者的行为与该发现保持一致。但散户投资者并没有出现类似现象，可能原因是散户投资者无法具备足够信息和专业知识判断分析师前期业绩。散户投资者更有可能信任类似于《新财富》杂志评选出的明星分析师。但《新财富》杂志明星分析师的评选方法和判断依据并不科学，主要依靠的是基金经理的打分，反映的是大户投资者与分析师之间的服务评价，而并不是依靠分析师的前期荐股业绩。

大散户投资者参考分析师研究报告可信度的超常交易量

表2中的回归结果显示，大户投资者和散户投资者之间在处理分析师新荐股评级修订信息能力方面存在差异，散户投资者相关交易量的影响会小于大户投资者。本节将研究分析师研究报告的可信度差异是否会被大散户投资者察觉到，并且对其投资行为产生影响。我们用荐股评级的变动方向来代表可信度，检验可信度是否会影响不同类型投资者的交易行为。

如果研究结论和假设相符，则证明散户投资者并没有完全理解分析师发布调高评级的动机，而这些都会影响分析师荐股评级的可信度，也会间接证明散户投资者比大户投资者更容易被分析师的荐股评级所误导。由于评级变动幅度方向和评级水平是分析师研究报告的主要特征值，这可以增加我们区分大散户投资者的能力和统计信度。前期研究(Asquith等，2005；Hirst等，1995；Jegadeesh等，2004；Mikhail等，2004；Womack等，1996)[8] [9] [10] [7] [11]已经发现，市场对调高评级变动和买入评级的反应程度远不如对调低评级变动和卖出评级这意味着分析师的调高评级和买入评级的可信度更低。分析师如果发布公司的积极评级，往往会给所属券商带来较高的交易佣金。而那些对潜在客户股票给出负面评级的分析师，往往会给所属券商寻找咨询或则投行业务造成负面影响。因此券商往往会调整证券分析师的薪资奖励计划，无论分析师的“买入”或者调高评级的获利潜力和质量，对分析师正面评级的奖励要远远高于负面评级的奖励。因此，无论是国外还是国内，证券分析师的卖出或者减持评级在总荐股评级样本中的比例一直都非常低。我们选择分析师荐股评级变动的方向和评级水平作为分析师可信度的代理变量LOWCRED，对方程(1)进行了修改，增加了一个指示变量了LOWCRED，得到方程(3)，按照大、散户投资者不同类型的数据对以下方程(3)进行了估计，得到表3：

表3 大户和散户投资者参考研报可信度的超常交易量

LOWCREDi,k,t为可信度指示变量，如果分析师k在事件t对公司i调高了其评级，该值取1，否则取0。如果分析师k在事件t将公司评级调高至买入或者增持评级，该值取1，否则取0。是误差项。给定的LOWCREDi,k,t，在控制了其它与成交量相关的因子后，方程(3)描述的是当LOWCREDi,k,t为调高时，超常成交量平均水平对推荐评级调低的反应，或者当LOWCREDi,k,t为买入评级时，超常成交量平均水平对卖出或者减持评级的反应。截距项的估计量和LOWCREDi,k,t斜率项估计量提供了超常交易量对推荐评级调高或者买入评级的反应。方程(3)检验的是对评级调高/买入评级的不同类型交易者的交易反应。提出以下假设：

假设3：分析师发布的(调高/买入)评级比(调低/卖出)评级的可信度要低，在可信度判断上，大户投资者比散户投资者的交易反应更老练。

根据不同的交易者类型，预期LOWCREDi,k,t的回归系数对散户投资者为正，对大户投资者为负。除此之外，通过比较不同的交易者类型，期望大户投资者对调高/买入评级的超额交易量将比散户投资者的超额交易量要低。估计大户投资者的截距项系数加上LOWCREDi,k,t系数之和将会小于散户投资者系数之和。类似的期望大户投资者的ABSRCHG系数加上ABSRCHG*LOWCRED系数之和将会大于散户投资者之和，因为大户投资者面对一个可信度低的分析师研究报告时，可能更依赖的是研究报告中的理性信息。

表3给出的是回归结果，不同交易者类型的比较显示，对于LOWCRED=UPGRADE和LOWCRED=BUY组，与表2中的结果类似，无论是大户投资者还是散户投资者，其截距项全部为正值，但大户投资者的截距项明显都高于散户投资者。这意味着大户投资者对分析师评级变动的交易量反应依然是高于散户投资者。从LOWCREDi,k,t系数回归结果看，在LOWCRED=UPGRADE组，出现了预期的散户投资者为正，大户投资者为负的结果。大户投资者对较低可信度的分析师评级调高信息显示出更加老练的经验，交易量不但不增加，甚至会减少，这也部分验证了假设3。但在LOWCRED=BUY组，无论是大户投资者还是散户投资者的回归系数全部为正值，大户投资者系数为12.865，高于散户投资者的7.136，面对分析师较低可信度的买入评级，散户投资者交易得更少，大户投资者交易得更多。从ABSRCHG的回归结果看，大部分为负值，意味着大部分情况下大户投资者和散户投资者对评级调整幅度的绝对值大小反应为负，大户投资者为负值的比例要远高于散户投资者，在LOWCRED=UPGRADE组和LOWCRED=BUY组分别为-36.706和-46.113。散户投资者对评级调高样本的评级变动幅度绝对值反应为正值，意味着分析师评级调高样本的幅度越大，越能导致散户投资者产生更高的超额交易量。但评级变动绝对值和可信度的联合影响变量ABSRCHG*LOWCRED显示，如果是两种因素的综合影响，符号刚好全部与ABSRCHG的回归结果相反，且大散户投资者的差距值变小。从公司规模系数的回归结果看，无论是大散户投资者面对不同类型的分析师买入或者调高评级，如果分析师推荐的是大盘股，其超额成交量的反应都比对小盘股的反应要低，也就是说公司规模越大，超额成交量越小。大户投资者对公司规模的成交量反应约为散户投资者的4倍。从ABSRCHG*FIRM_SIZE系数看，大户投资者全部为正值，散户投资者为接近于0的负值，大户投资者对于绝对评级变动较高的大盘股，超常成交量会更高，但散户投资者反应不明显，甚至还会出现微弱的负面影响。

从券商规模指标看，大散户投资者对其并不敏感，全部为较小的正值。考虑到评级绝对变动和券商规模的联合影响后，发现系数值全部转为接近于0的负值。大散户投资者对分析师前期业绩的成交量反应出现分化，大户投资者对前期业绩较高的分析师调高评级和买入评级成交量反应较高，但散户投资者对前期业绩较高的分析师评级反应呈负相关。在考虑了评级绝对变动和前期业绩的联合影响后，散户投资者超额成交量的反应出现了微弱正相关。与表3类似，从超额市场交易量指标看，大户投资者对分析师荐股评级变动的交易反应容易受到市场环境的影响，如果市场出现成交量放大，大户投资者对应的分析师荐股成交量反应也会放大，但散户投资者并没有受到其正面影响，在市场处于暴涨暴跌成交量急剧变动时，散户投资者对此时分析师荐股评级变动保持了更为谨慎的反应，出现了微弱的负面交易反应。

大户和散户投资者对荐股评级和盈余预测修订信息做出反应的超常交易量

前面的研究中，我们的主要关注点是大户和散户投资者对分析师荐股评级变动的超常交易量反应。但分析师研究报告的工作内容主要包括两个重要部分，荐股评级和盈余预测，在分析师发布荐股评级信息的同时往往伴随着盈余预测信息的发布。前期研究成果已经发现分析师盈余预测修订信息往往会对股票价格造成影响，这意味着投资者对分析师盈余预测修订的信息作出了成交反应。本节将研究大户和散户投资者对荐股评级和盈余预测修订信息——分析师研究报告中的关键信息作出反应差异。使用国泰安证券分析师盈余预测数据库收集整理了与分析师荐股评级同一天发布的盈余预测信息样本，定义分析师的盈余预测修订绝对值ABSFCREV为当前的分析师年度盈余预测值减去上一次年度盈余预测值，除以盈余预测修订的股票价格，上一次盈余预测与本次盈余预测的间隔不能超过12个月。

在控制了与交易量相关的其它因子之后，通过对方程(4)不同类型交易者的回归，检验了投资者对分析师荐股评级修订和盈余预测修订的交易反应，得到的回归结果如表4所示。

表4 对荐股评级和盈余预测修订信息做出反应的超常交易量

与前面的回归结果类似，不同类型投资者对于分析师荐股评级和盈余预测修订信息的反应，都表现出回归系数为正值，且都统计上显著。大户投资者相对散户投资者对分析师盈余预测修订和荐股评级调整的超常交易量反应更大。从评级变动的绝对值ABSRCHG看，大户投资者的回归系数为-39.861，散户投资者为8.888，大户投资者对评级的变动绝对值成交量反应为负相关。在分析师盈余预测变动绝对值中也存在类似的现象，分析师评级调整幅度越大，盈余预测修订幅度越高，大户投资者的超额成交量反应反而越小。大户投资者对于这种分析师大幅调整评级和大幅调整盈余预测的反应迟钝，可能的原因是大户投资者较老练，具备较独立的判断力，认为分析师的大幅度调整信息可信度不高。但散户投资者显示出对分析师评级和盈余预测调整幅度的较高信任，回归系数全部为正值，调整幅度绝对值越大，其超额成交量的反应也就越高。除此之外，我们还发现散户投资者对分析师盈余预测调整绝对值的超额成交量反应要远远高于对分析师荐股评级调整绝对值的反应。从大散户投资者超额成交量对分析师跟踪公司规模FIRM_SIZE的回归结果看，都为负值，规模越大，反应越小，相同规模增加幅度下，大户投资者的超常成交量下降的幅度要大于散户投资者，约为6倍。但考虑到公司规模和荐股评级绝对变动、盈余预测绝对变动之间的联合影响，我们观察到大户投资者对荐股评级绝对变动和规模联合影响ABSRCHG*FIRM_SIZE的反应为正，系数为2.364，散户投资者对ABSRCHG*FIRM_SIZE的反应为负，系数为-0.544。但大户投资者对盈余预测绝对变动和规模联合影响ABSFCREV*FIRM_SIZE的反应为负，且系数为-33.59，绝对值相对散户投资者的反应(1.524)差距较大。不同类型投资者对券商规模变量BROK_SIZE和荐股评级交叉影响变量ABSRCHG*BROK_SIZE反应不敏感。但在对盈余预测交叉影响变量ABSFCREV*BROK_SIZE回归系数全部为正值，散户投资者为7.508，要高于大户投资者的2.816。大户投资者和散户投资者都会对来自大券商分析师的较大幅度盈余预测调整会做出较大的超常交易量反应，但散户投资者的这种反应要大于大户投资者。与前面的回归结果类似，大户和散户投资者在面对分析师前期业绩时的反应存在较大差异，大户投资者为正相关，回归系数为1.742，散户投资者为负相关，回归系数为-2.551，分析师前期业绩和分析师盈余预测修订绝对值组合后的影响被大大增强了，大户投资者对ABSFCREV*PRIOR_PERF的回归系数为100.337，散户投资者对ABSFCREV*PRIOR_PERF的回归系数为-35.159。大户投资者对前期业绩较高且盈余预测变动绝对值较大的分析师信息超常成交量反应增加较大，而散户投资者对其超常成交量反应减少较多。大户和散户投资者AMKTVOL回归系数与前面一致，大户和散户投资者对ABSRCHG*AMKTVOL回归系数全部为接近0的正值，而对ABSFCREV*AMKTVOL的回归系数为负值。

研究结论与政策建议

本文通过区分大户投资者和散户投资者，基于高频数据研究了不同类型投资者对分析师研究报告信息的微观反应。发现大户和散户投资者都对分析师研究报告中的荐股评级和盈余预测修订做出了反应，但反应存在较大差异：第一，大户、散户投资者的交易量反应虽然都受到公司规模的影响，但散户投资者受到的影响要显著低于大户投资者。如果公司规模代理指标能够代表有关公司的可获得信息量的大小，那么不同类型投资者之间有关公司规模反应差异部分原因可能来自于大户投资者和散户投资者之间获得公司信息能力的差异。第二，大户投资者比散户投资者更依赖分析师的前期业绩作出投资决策。大户投资者面对较低可信度的分析师“评级调高”信息显示出更加老练的实战经验，交易量不但不增加，甚至会减少。除此之外，大户投资者对于分析师大幅评级调整和盈余预测调整存在反应迟钝，可能的原因是大户投资者较老练，具备较独立的判断力，认为分析师的大幅度调整信息可信度不高。但散户投资者显示出对分析师评级和盈余预测调整幅度的较高信任，回归系数全部为正值，调整幅度绝对值越大，其超额成交量的反应也就越高。

大户投资者和散户投资者对分析师发布信息反应的差异，主要源自两者之间的专业知识、信息获取速度、信息解读能力，信息解读成本、投资经验的差异。大户投资者往往能够识别分析师的前期业绩(硬业绩)和为本机构重仓股服务的业绩(软业绩)，但通过打分表往往反映的是软业绩，硬业绩并不为普通的散户投资者所掌握。大户投资者在对分析师的荐股评级信息作出反应时，往往会利用和参考其掌握的分析师前期硬业绩信息进行买卖操作，处于信息优势地位。散户投资者要么无法根据硬业绩进行反应，要么就主要依靠软业绩的明星分析师声誉进行投资，处于信息弱势地位。因此提出以下建议：一、证券监管部门应加强对散户投资者的免费投资素养教育，缩小散户投资者和大户投资者之间的专业知识差距。二、加强对证券分析师荐股和盈余预测信息形成和信息披露过程的监管，防止分析师滥用手中权力影响股价，确保分析师面向散户和大户投资者同时公平披露。三、改革第三方明星分析师评选制度，修订由机构投资者打分的评选方式，增加中小投资者的投票权，降低职业声誉评选后的利益冲突，增加分析师前期业绩等在明星分析师评选中的权重。