高铁开通与分析师预测精度

王明伟，孙文晶，叶建华

(1.河南财经政法大学 金融学院，河南 郑州 450000；2.西南财经大学 会计学院，四川 成都 611130；)

一、问题提出

大规模交通基础设施建设是中国式投资驱动增长模式的重要缩影。自2008年中国第一条高速铁路——京津城际高速铁路开通以来，高铁建设在中国得到了快速发展。截至2018年底，高铁营业里程达到2.9万公里，在全球总里程中占比超过三分之二，是世界上高铁里程最长、运输密度最高、成网运营场景最复杂的国家，高铁已成为中国走向世界的国家名片。日益完善的高铁网络压缩了原有的时空距离，深度重塑着中国人的生活，不仅便利了人们的出行，加速了社会文化的融合，促进了文化多样性，而且通过促进信息传播、加速人才流动[1]、优化资源配置[2]等方式发挥着重要的经济效应。事实上，有关交通基础设施与经济增长的探讨并不鲜见，大量学者从宏观经济增长[3-4]与微观企业投资[5-6]的角度提供了经验证据，然而，少有研究关注高铁建设与资本市场的关系。为此，本文试图以连接市场与投资者的重要信息中介——证券分析师为切入点，基于中国高铁建设背景，深入探讨高铁开通对分析师预测精度的作用。当前中国正处于经济结构转型的关键时期，新兴产业的发展离不开资本市场的支持，深化金融体制改革，促进多层次资本市场健康发展是加快完善社会主义市场经济体制的重要内容，此时研究高铁对中国资本市场的作用无疑具有重要的理论价值与现实意义。

证券分析师作为资本市场的重要组成部分，担负着搜集、传递与解读市场信息的责任和义务。信息是分析师行为决策的起点，信息的多寡与质量直接决定了分析师的预测精度。现有文献证实，无论是公开可得的报表信息[7]，抑或其他私有信息[8]，均会显著影响分析师的预测行为。另一方面，虽然随着信息网络的发展，信息传递日益便捷，但地理距离依然是影响信息传递的重要因素。尤其是传递过程中容易漏损与扭曲的软信息，更是与地理距离存在显著的内在关联[9]。事实上，近年来许多文献发现，公司地理位置显著影响市场主体的经济决策，位于偏远地区的公司面临更强的融资约束，并发放更多现金股利，投资者亦普遍存在本地偏好，投资本地公司可以取得更优的投资业绩[10-12]。而有关证券分析师的研究亦表明，地理距离的缩短可以显著提高分析师预测精度，实地调研是改善分析师预测的重要途径[13-14]。

然而，基于公司地理位置的研究可能存在较为严重的内生性问题，从而导致估计结果有偏。一方面，公司地理位置的选择并非不是外生的，公司选址与其产业特征及经营状况密切相关，地理位置与经济后果之间可能互为因果关系[15]；另一方面，公司地理位置的选择深受当地经济环境与制度环境的影响[16]，而这些因素亦显著影响市场主体的行为决策，因此，未能对这些因素进行全面的刻画与控制可能导致估计结果存在遗漏变量偏误。相比之下，高铁开通为检验地理距离的经济后果提供了理想的实验环境，尽管公司选址是内生的，但高铁开通对时空距离的压缩却是外生的，从而有助于准确识别地理距离的经济后果。而从高铁开通与分析师预测的角度来看，高铁开通不仅可以加速人员与信息流动，提升外部投资者对上市公司的关注，促进公司公开信息披露；而且可以便利分析师实地调研，进行私有信息搜集[15]。因此，本文预期，高铁开通将显著改善分析师预测精度。

本文将采用2003—2017年中国证券分析师盈余预测数据，以高铁开通这一事件作为外生冲击，采用双重差分模型检验高铁开通对分析师预测精度的影响与机制。同时，根据高铁、分析师与上市公司的差异，进行异质性检验，在印证高铁开通作用机制的同时，提供更进一步的经验证据。与现有文献相比，本文可能具有以下边际贡献：第一，以往有关高铁开通经济效果的研究大多集中于宏观经济增长与公司决策等方面，鲜有文献涉及高铁开通对资本市场的影响，而本文将视角聚焦于证券分析师这一重要的资本市场参与方，有效拓展了高铁开通经济效果的研究范围；第二，针对高铁开通这一外生事件的分析，克服了以往有关地理距离研究的内生性问题，为检验地理距离经济后果提供了新的方法，为分析师预测精度影响因素研究提供了更加可靠的证据，丰富了地理距离与分析师预测两个领域的相关研究。

二、文献回顾与研究假设

(一)文献回顾

信息是分析师进行盈余预测的前提。大量文献发现公司信息披露质量、管理层业绩预告、媒体报道等公开信息显著影响分析师预测行为[17-21]。同时，除了公开信息以外，陈和江(Chen & Jiang，2006)进一步提出，私有信息对分析师预测可能更为重要，分析师在预测过程中会对私有信息赋予更高权重[8]。然而，私有信息具有不可观测性，直接检验私有信息的文献并不多见，更多研究选择从地理距离作为切入点，间接对私有信息的作用进行验证。地理经济学的发展建立在距离与信息传递显著相关的理论基础之上，虽然现代信息技术取得了瞩目进展，但私有化较强、易于漏损与扭曲的软信息传递依然受到距离的显著影响，因此，距离可以侧面反映私有信息的获取程度。马洛伊(Malloy，2005)对此提供了直接证据，发现地理邻近的分析师具有更高的预测精度[13]，国内学者王菊仙等(2016)亦发现地理距离与分析师预测精度显著负相关[22]。而随着国内上市公司调研数据的披露，程等人(Cheng et al.，2015)提供了更为直接的证据，发现分析师实地调研可以显著改善预测准确度[14]，投资者根据调研报告进行投资可以获取显著为正的超额收益。

然而，以上基于地理距离的研究，是建立在公司地理位置外生的技术前提下，但实际上，公司选址并非是严格外生的，现有结论可能存在估计偏误。相比之下，高铁开通则可以将距离变化外生化，这是因为高铁规划由中央政府主导，不会受到具体公司的显著影响。所以，高铁开通为检验地理距离与分析师预测的关系创造了理想的实验环境。实际上，在中国大规模高铁建设的现实背景下，对高铁开通经济效应的评估已成为学术界的热门话题，大量文献从宏观视角发现高铁开通兼具极化效应与扩散效应[23]，一方面，高铁开通加速产业集聚[24]，促进中心城市房价上涨[25]，抑制中小城市投资[26]；另一方面，高铁开通加剧城市扩展[27]，提供更多就业机会[28]，显著缩小城乡居民收入差距[29]。此外，部分文献试图为高铁开通与经济增长提供微观证据，发现高铁开通有利于公司吸引高级人才[1]，优化资本要素配置[2]，促进创新产出[6]，增加风险投资获取。张梦婷等(2018)则为极化效应提供了微观支持，发现高铁开通对外围城市公司生产率存在显著的负面影响[31]。

现有文献较少关注高铁开通对资本市场的作用。直接检验资本市场效应的文献仅有两篇，一篇来自黄张凯等(2016)，他们将高铁作为调节变量，引入地理距离与首次公开发行(IPO)折价关系的研究中，发现高铁可以显著降低距离对首次公开发行(IPO)折价的作用，提高市场定价效率[9]；另一篇来自赵静等(2018)，他们以高铁开通作为准自然实验，检验了高铁开通对股价崩盘风险的影响，发现高铁开通可以通过降低信息不对称与监管成本，抑制股价崩盘[15]。但这些文献均以上市公司为研究对象，而未关注其他市场参与方的行为。市场结果是上市公司、投资者、分析师甚至媒体等众多参与方的合力反映，仅仅关注上市公司难以全面掌握市场变化。为此，本文以证券分析师为对象，考察高铁开通对其预测精度的影响与作用机制。

(二)研究假设

证券分析师的主要工作是通过对信息的搜集、处理与解读做出盈余预测。因此，信息是影响分析师预测结果的重要因素。现有文献证实，无论是上市公司自主披露的公开信息，抑或分析师个人渠道获取的私有信息，均会显著影响其预测精度[7-8]。其中，私有信息对分析师预测可能更为重要，陈和江(2006)发现分析师预测对私有信息具有更高的依赖度[8]。但由于私有信息难以直接度量，有关私有信息的文献并不多见。地理经济学认为距离是私有信息合适的代理变量，距离的远近直接决定了私有信息的数量与质量。这是因为，虽然现代信息技术发展瞩目，但由于私有信息大多为不易传递的软信息，需要面对面的沟通，所以远程交流无法为之提供便利的获取环境。相关文献亦对此提供了经验证据，豪斯沃尔德和马尔克斯(Hauswald & Marquez，2006)发现银行私有信息质量是其与债务人距离的减函数，地理距离显著影响银行私有信息获取与信贷行为[32]。阿加瓦尔和豪斯沃尔德(Agarwal & Hauswald，2010)则从上市公司的角度对此进行了验证，指出与位于大城市的公司相比，偏远地区的公司面临更强的融资约束[10]。另外，对于共同基金、审计师以及证券分析师的研究亦表明距离显著影响主体信息获取。因此，距离作为私有信息的测度具有一定合理性[12,33-34]。

高铁开通可以有效压缩地区之间的时空距离，显著降低分析师进行实地调研的时间成本和精力耗损，促进分析师私有信息获取。截至2018年底，中国证券分析师从业人员共计5 088人，而在2018年的前10个月，各大研究机构已产出研究报告达18.03万份，表明在不足一年的时间里，中国证券分析师平均产出约35份研究报告(1)数据来源：腾讯证券，http://stock.qq.com/a/20181107/005787.htm。。而这一数字中还包含报告数量考核相对宽松、供职于独立咨询机构的分析师，如果排除掉这一群体，供职于证券公司的卖方分析师产出数量可能更为惊人。因此，笔耕不辍又疲于奔命的分析师，需要仔细权衡调研成本与信息获取。徐媛媛等(2015)采用中国2009—2012年深交所公司发现，分析师倾向于对距离更近的公司进行实地调研，反映出分析师对调研成本的考量[35]。王菊仙等(2016)从侧面对此进行了印证，发现对于距离较远的公司，分析师更新盈余预测的频率较低[22]。高铁开通为分析师进行远距离调研提供了便捷的工具。一方面，高铁开通显著降低分析师远距离调研的时间成本，避免了过长的差旅时间对日常工作的挤占，从而有助于提高分析师调研意愿；另一方面，高铁开通可以大幅改善目标公司所在城市的可达性水平，使分析师在附近城市工作时，可以顺便到目标公司调研；同时，开通高铁的城市，其高铁站附近通常具有较为完善的市内交通体系，便于分析师到访目标公司，而对于没有开通高铁的城市，分析师可能仍需要较多精力损耗在市内交通上[36]。因此，高铁开通可以有效促进分析师实地调研与私有信息获取，从而提高其预测精度。

此外，高铁开通亦可能通过促进外部主体介入、优化公司治理等途径，促进分析师公开信息获取。一方面，高铁开通会促进媒体对目标公司的跟进与报道，改善公司公开信息披露，加速信息传播，提高信息透明度；另一方面，高铁开通降低了机构投资者、媒体、审计师等外部治理主体的监督成本，促进机构投资者持股，提升审计独立性与审计质量，从而抑制公司盈余管理，降低信息不对称[15]。综上，高铁开通对时空距离有助于分析师私有信息与公开信息的获取，从而提高预测精度。

据此，本文提出如下假设：

H1：与所在地未开通高铁的公司相比，高铁开通后，对于所在地开通高铁的公司，分析师预测精度更高。

三、研究设计

(一)样本选择与数据来源

本文以沪深两市A股上市公司2003—2017年所有分析师盈余预测为样本。选定2003年作为研究起点，是基于以下三点考虑：第一，本文分析师预测数据均来自国泰安(CSMAR)数据库，而该数据库对分析师报告的记录始于2001年，且2001—2002年记录较少[37]；第二，本文采用的机构投资者数据来自万得(Wind)终端，而该数据库对机构投资者数据的记录始于2003年；第三，虽然有关高铁开通的现有文献均将2008年京津城际高速铁路作为中国第一条高铁，但事实上，中国最早的高铁试验段为2003年开通的秦沈客运专线，因此以2003年为起点便于进行相应的稳健性检验[15]。

在初始样本的基础上，本文进行如下样本筛选：(1)剔除供职于独立咨询机构的分析师样本；(2)剔除分析师姓名或预测缺失的样本；(3)剔除预测终止年与报告发布年不一致的样本，仅保留当期预测；(4)剔除金融行业样本；(5)剔除变量缺失样本。经过上述筛选，最终得到258 729个样本观测值。此外，为避免离群值的影响，参照研究惯例，对全部连续变量进行上下1%的缩尾处理。除机构投资者数据来自万得终端，其余公司财务与交易数据以及分析师预测数据均来自国泰安数据库，高铁开通相关数据来自中国研究数据服务平台(CNRDS)，且通过国家铁路局记录进行复核，高铁站与城市市中心距离根据百度地图获取。

(二)变量定义

1.分析师预测精度

参考全怡等(2014)[38]的研究，从两个方面度量分析师预测精度(Dep)。

一是分析师预测偏差(Ferd)，具体定义为分析师盈余预测与公司实际盈余之差的绝对值除以实际盈余的绝对值，其中为避免实际盈余为零导致样本缺失，将分母加0.5处理：

(1)

其中，i为研报目标公司，j为分析师个体，t为研报发布年份，变量Feps为分析师量盈余预测，EPS为公司实际盈余。式(1)表示分析师预测偏差的绝对水平，该指标越大，分析师预测偏差则越大，预测精度越低。

二是分析师预测乐观度(Ferr)，定义如下：

(2)

该指标区分了分析师预测的偏差方向，将分析师普遍存在的系统性乐观偏差考虑在内。同时，该指标亦是分析师预测精度的反向指标，分析师预测乐观度越大，预测精度则越低。

2.高铁开通(2)遵循现有文献处理方法，本文以2008年京津城际高速铁路的开通作为中国高铁元年。

本文以变量Hsri,t作为上市公司注册地所在城市是否开通高铁的度量，高铁定义包括城际、动车与高铁。参考张梦婷等(2018)[31]的处理方法，当公司i所在城市在t年开通高铁的时间不短于6个月时，定义变量Hsri,t为1，否则为0。

3.控制变量

参考黄俊等(2018)[39]的研究，本文围绕被解释变量分析师预测精度选取以下控制变量：公司规模(Size)、资产负债率(Lev)、资产收益率(Roa)、市净率(Pb)、机构持股比例(Inshld)、个股回报率(Ret)、个股换手率(Trn)、上市年龄(Age)、分析师跟进公司数量(Cover)、分析师关注度(Follow)和预测距离(Horizon)。另外，高铁开通是逐年推进的，对于公司总体属于多时点外部冲击，参考黄俊等(2018)[39]的研究，本文亦控制了年度固定效应与公司固定效应。

本文所涉变量的具体定义如表1所示。

表1 变量定义表

(三)模型设定

高铁开通的逐年推进形成对上市公司的多时点冲击，为此，参考赵静等(2018)[15]以及黄俊等(2018)[39]的处理方法，本文设定如下双重差分模型，检验高铁开通对分析师预测精度的影响：

(3)

其中，被解释变量Dep为分析师预测精度，分别由变量Ferd与Ferr表示，变量Hsr为高铁开通虚拟变量，是本文的核心解释变量。变量Control为公司财务变量、交易变量以及分析师特征等一系列控制变量。变量Year与Firm分别为年度效应与公司效应。本文主要关注变量Hsr系数β1的显著性与方向，如果β1显著为负，说明与所在城市未开通高铁的公司相比，所在城市开通高铁的公司，其分析师预测偏差更小，预测乐观度更低，具有更高的预测精度，从而与假设H1相一致。反之，如果β1显著为正，则说明高铁开通有损分析师预测精度。

四、实证结果与分析

(一)描述性统计

描述性统计结果如表2所示。从表3可见，变量Ferd和Ferr的均值分别为0.296和0.246，标准差分别为0.349和0.383，说明分析师预测偏差与预测乐观度存在较大个体差异，这与黄俊等(2018)[39]的发现相一致。同时，变量Ferr的均值与中位数均为正值，证实分析师存在系统性乐观偏差。变量Hsr的均值为0.650，表明样本中65%的分析师研报是在目标公司所在城市开通高铁之后的年份发布的。控制变量方面，分析师平均每月跟进约9家公司，分析师单月最多跟进83家公司，充分印证了分析师群体工作繁忙的现实背景；而从目标公司的角度来看，公司平均每月约有6名分析师跟进，公司单月最多得到35名分析师跟进，表明分析师对上市公司的覆盖强度较大，可能显著影响公司决策，是资本市场中不可忽略的重要成员。

表2 描述性统计

(二)基本回归结果

模型(3)的回归结果如表3所示。从表3可见，无论是否控制公司特征与分析师特征，变量Hsr的系数值在各列中均在1%水平显著为负，表明与所在地未开通高铁的公司相比，高铁开通后，对于所在地开通高铁的公司，分析师具有更低的预测偏差和预测乐观度，从而具有更高的预测精度，与假设H1相一致。这一发现印证了高铁的信息效应，高铁开通为分析师信息获取提供了便利，有助于提升信息数量与质量，改善预测行为。

在控制变量方面，大规模、高估值、高机构持股与高换手率的公司，其分析师预测偏差和预测乐观度均显著更高，表明“一大三高”有损分析师预测精度，而对于高杠杆、高盈利、个股回报率高且上市时间长的公司，则具有更高的分析师预测精度，这些发现与黄俊等(2018)[39]的研究结论基本一致。此外，从分析师角度而言，分析师当月跟进公司数量越多，预测距离越短，分析师预测精度则越高。

表3 高铁开通与分析师预测精度

注：括号中为稳健标准误，***、**和*分别表示在1%、5%和10%水平显著。后表同。

(三)稳健性检验

1.内生性处理

(1)工具变量回归。虽然高铁规划由中央政府主导，但由于建设经费由中央政府与地方政府共担，市场化水平高、经济发达的城市更有可能在竞争中胜出，获得开通高铁的许可；与此同时，位于这些城市的公司，往往具有更高的信息披露质量，更完善的公司治理与经营绩效，从而使跟进这些公司的分析师具有更高的预测精度[40]。因此，在严格意义上，高铁开通与分析师预测行为之间可能存在一定的内生性问题。参考刘勇政和李岩(2017)[41]的研究，本文以各城市1990年客运总量(3)数据来源：《中国城市统计年鉴1990》。作为高铁开通的工具变量。首先，1990年客运总量作为历史数据，并不直接影响分析师预测行为，满足外生性要求；其次，历史客运量与城市地理环境和运输需求高度相关，且具有时间连续性，与高铁开通具有相关性。基于该工具变量的回归结果见表4的列(1)和列(2)。从表4可见，变量Hsr的系数值均在1%水平显著为负。同时，变量Hsr的系数值约为表3结果的12倍，说明原结论对高铁信息效应存在低估。

表4 稳健性检验：内生性处理

(2)安慰剂检验。尽管本文已控制了分析师特征、年度效应与公司效应，但分析师预测行为的差异仍可能是某些不可观测的时变系统性因素导致，而非高铁开通的影响。为排除潜在的遗漏变量问题，本文进行了安慰剂检验,依次将高铁开通年份滞后2～4年，并据此重新定义变量Hsr。如果这些“伪高铁开通”对分析师预测具有显著影响，那么原结论可能是由某些不可观测的系统性因素驱动，反之，则表明高铁开通确实影响分析师预测精度。相关回归结果列于表4的列(3)和列(4)，l2—l4分别表示高铁开通年份滞后2～4年。从表4可见，变量Hsr的系数值均不显著，从侧面为高铁开通的信息效应提供了支持。

(3)剔除中心城市样本。由于建设经费共担等原因，地方政府在高铁规划中存在一定话语权。中心城市(直辖市、副省级城市与省会城市)因其地理条件优越、经济发达、行政地位高等原因，在获取高铁开通许可中具有显著优势。为消除中心城市影响高铁规划导致的内生性问题，本文将中心城市剔除进行重新回归，结果见表4的列(6)。从表4可见，变量Hsr的系数值亦显著为负，与假设H1相符。

2.其他稳健性检验

本文亦进行了其他稳健性检验：

(1)重新定义高铁开通。当公司所在城市当年开通高铁时间不短于3个月时取1，否则取0。

(2)重新定义预测精度。以公司年初股价重新定义变量Ferd和Ferr。相关回归结果列于表5的第二列，结果保持稳健。

(3)控制机场。交通基础设施不仅仅只有高铁，忽略其他交通方式可能会造成对高铁效应的高估。本文收集了中国所有城市的机场建设情况，对机场进行控制，当该城市在当年开通航班运营时间不短于6个月时，定义变量Air(4)数据来源：中国研究数据服务平台(CNRDS)，根据百度百科复核。取1，否则取0。

(4)保留分析师当年最后一次预测。参考科文等(Cowen et al.,2006)[42]的研究,仅保留分析师对目标公司当年发布的最后一次预测，以降低样本间的相关性。

(5)引入秦沈客运专线。中国最早的高铁试验段为2003年7月开通的秦沈客运专线，本文将该线路纳入考虑，重新回归。结果如表5所示，变量Hsr的系数值均显著为负，与原结论一致。

表5 稳健性检验：其他稳健性检验

(四)作用机制检验

本文发现高铁开通可以有效降低分析师预测偏差与预测乐观度，提升预测精度，从而支持高铁开通可能存在信息效应。但对于高铁开通影响分析师预测的具体途径，尚未得到明确的认知。为此，本文从私有信息与公开信息两个角度，采用中文效应模型，剖析高铁开通的作用机制，以深化对其信息效应的理解。

本文分别以分析师调研次数(survey)和公司盈余管理(Opa)(5)调研数据来自万得终端，并根据巨潮咨询网上市公司调研公告进行补充。作为分析师私有信息与公开信息获取程度的代理变量[43]。现有文献认为，分析师调研作为一种面对面沟通的方式，是分析师获取私有信息的重要渠道，实地调研促进分析师预测更新，改善预测精度[15]。而盈余管理则是公司信息透明度的主流度量方式。中介效应检验结果见表6。从列(1)到列(4)来看，高铁开通可以显著促进分析师调研次数，表明高铁开通有助于分析师私有信息获取，同时，在将调研次数加入模型(3)中后，变量Hsr的系数值虽然仍为负，但均不显著，而变量Survey的系数值均在1%水平显著为负，表明分析师调研是高铁影响分析师预测精度的重要渠道。从列(4)到列(6)来看，高铁开通显著抑制公司盈余管理，可以有效提升公司信息透明度，同时，在控制盈余管理后，变量Hsr的系数值和显著性均略有降低，说明促进公开信息获取亦是高铁影响分析师预测精度的潜在机制。

表6 作用机制检验(6)分析师调研数据(96 608个观测值)在合并中出现大量损耗，原因有二：一是部分公司仅有分析师跟进，但无分析师调研；二是部分分析师仅展开调研，未发布研报。此外，第四列为公司层面数据，故观测值较少。

五、拓展性分析

(一)高铁异质性分析

前文对高铁的界定包括城际、动车与高铁三种类型。其中，与G字头高铁相比，城际与动车的时速相对较慢，从而可能对分析师预测行为存在异质性影响。中国各城市在规划高铁站建设时，出于城市经济布局的考量，部分选择将高铁站建在城区内，部分则选择建在郊区，由此造成的高铁站位置差异，无疑会影响高铁站附近的交通便利性，从而作用于分析师调研行为。特别地，部分城市将高铁站建在乡镇(7)阳泉北站、盘锦北站、孝感北站与邵阳北站四座高铁站，因距主城区较远，交通不便，被称为“四大名北”。，导致高铁站附近交通极为不便，极大弱化了高铁运输功能。为厘清高铁时速与高铁站位置对高铁信息效应的影响，本文分别对城际与动车和G字头高铁子样本进行回归，同时，参考伯纳兰德等(Bernard et al.，2015)[44]的研究，按照高铁站与市中心距离，将全样本分为0～10公里、10～30公里和30公里以上三个子样本分别回归。估计结果如表7所示。

从表7可见，无论将高铁定义为城际与动车，还是G字头高铁，变量Hsr的系数值均显著为负，表明无论哪种高速铁路，均有助于提高分析师预测精度，这表明主检验中对高铁的界定是合理的。在高铁站位置方面，子样本回归结果提供了鲜明的证据，随着高铁站距离市中心距离的增加，变量Hsr的系数值和显著性均依次降低，在0～10公里范围内，高铁对分析师预测精度具有明显的提升作用，变量Hsr的系数值高于全样本结果，而在10～30公里范围内，变量Hsr的系数值下降了的三分之二，高铁信息效应显著降低，当高铁站距离市中心30公里以上时，变量Hsr的系数值则不再显著。这一发现表明高铁站位置的选取对于其经济效应尤为重要，各地政府在扩展城市边界、发展新区的同时，亦应对此进行考量。

表7 拓展性分析：高铁异质性

(二)公司异质性分析

分析师进行实地调研，在获取私有信息的同时，亦可能受到目标公司管理层过度自信的情绪传染，从而有损其预测精度[45]。为此，本文根据管理层相对薪酬，将全样本分为过度自信与非过度自信两个子样本分别回归，以识别调研过程中可能存在的情绪效应。同时，本文将从公司角度为高铁开通背景下地理位置的重要性提供经验证据，根据上市公司注册地，对位于乡镇或市区的子样本分别回归。估计结果列于表8。

从表8可见，在管理层过度自信组，变量Hsr的系数值(绝对值)略低于非过度自信组，表明分析师调研过程可能会受到管理层乐观情绪传染，影响其预测精度；但另一方面，过度自信组中变量Hsr的系数值亦显著为负，侧面说明分析师调研的信息效应大于情绪效应，调研总体有助于提高分析师预测精度。而在公司地理位置方面，当公司位于乡镇时，变量Hsr的系数值虽然为负，但数值极小，且不显著；当公司位于市区时，变量Hsr的系数值则在1%水平显著为负，表明即使在高铁开通背景下，公司地理位置亦是极为重要的，与位于市区的公司相比，位于乡镇的公司增大了分析师调研的时间成本与精力损耗，降低了分析师的调研意愿，不利于预测精度的提高。这一结果与表7中高铁站位置的分析具有内在一致性，公司应尽可能选址在城市主城区内，如果因产业需要等因素，确实需选址乡镇，亦应注重提升公司与外界的交通便利性。

表8 拓展性分析：公司异质性

(三)分析师异质性分析

最后，本文考虑分析师异质性在高铁开通与其预测精度关系中的作用。声誉激励与利益冲突是分析师决策过程中的两大动因，高声誉分析师往往具有更强的信息搜集与处理能力以及更高的决策独立性，而受制于利益冲突的分析师则往往无法做出独立判断，从而削弱信息的作用。本文分别以分析师个体声誉与所在券商声誉作为分析师声誉激励的度量，一方面，行业公认的新财富明星分析师评选在2018年终止，基于个体声誉的证据难以为现实提供指导；另一方面，券商声誉本身亦是值得关注的话题，高声誉券商可以为分析师决策提供更多资源[46]。参考柳建华等(2017)[46]的研究，本文以新财富评选划分明星与非明星分析师，以研究所规模划分前十券商与其他券商，同时，以所在券商过去两年是否承担过目标公司首次公开发行、增发或配股等承销业务，划分承销商与非承销商分析师，然后对上述子样本进行回归，估计结果列于表9。

从表9可见，无论是明星分析师还是非明星分析师，变量Hsr的系数值均显著为负，且差异并不明显，说明高铁开通对分析师预测精度的提升作用不受分析师个体声誉的影响。在券商声誉方面，无论分析师来自前十券商还是其他券商，变量Hsr的系数值亦均显著为负，但在前十券商组中，变量系数值(绝对值)约为其他券商组的1.75倍，说明券商声誉对高铁信息效应存在一定影响，这可能是因为前十券商可以为分析师提供更多的研究资源。在利益冲突方面，对于非承销商分析师，变量Hsr的原数值显著为负，表明高铁可以显著提升其预测精度，但对于承销商分析师，变量Hsr的系数值却显著为正，即高铁不仅未改善其预测，反而降低了预测精度，这可能是因为高铁开通后，非承销商分析师因更多信息获取，降低了预测偏差与乐观度，但这并不利于公司股价提升，可能促使公司施压给承销商分析师，通过承销商分析师更大的预测偏差与乐观度，弥补非承销商分析师造成的影响。

表9 拓展性分析：分析师异质性

六、结论与建议

高铁是中国最重要的基础设施之一[47]，亦是中国走向世界的国家名片。本文以沪深两市A股上市公司2003—2017年分析师预测数据为样本，借助高铁开通的外生冲击，采用双重差分模型系统考察高铁开通对分析师预测精度的影响、作用机制与异质性。实证结果表明：(1)高铁开通显著提高分析师预测精度，经过工具变量回归、安慰剂检验等内生性处理与其他稳健性检验，结论依然稳健；(2)促进分析师实地调研是高铁开通影响分析师预测精度的主要机制；(3)高铁站距离市中心较近、公司位于市区、分析师来自高声誉券商且无利益冲突时，高铁开通对分析师预测精度的影响更为显著。

在中国经济结构转型的时代背景下，本文的工作不仅拓展了高铁经济效应的研究范围，而且对科学评估高铁建设、完善资本市场等均具有重要的现实意义。首先，大规模的高铁建设需要巨额的投资支出给财政带来了极大压力，却无法取得高额的短期收益，而本文通过对高铁开通与分析师预测精度关系的研究，发现高铁开通对资本市场存在显著的正外部性，说明仅仅依据直接收益评估高铁建设是有待考量的，对于高铁经济效应的认知应充分考虑各种潜在的外部性收益；其次，本文证实距离依然是影响分析师预测行为的重要因素，为优化分析师行为、提升资本市场信息效率，监管部门应引导券商行业为分析师调研提供更多的支持与督促。同时，地方政府在规划高铁站位置、上市公司在选址等过程中亦应注意信息传递效应。