分析师情绪与交易诱导：A股分析师是“虚情假意”的吗

胡昌生 高玉森

武汉大学 经济与管理学院，湖北 武汉 430072

一、引言

有效市场假说(EMH)建立在以投资者理性和套利不受限为核心的大量假设之上，满足所有前提条件的竞争性市场可以天然地达到帕累托最优。它为资本市场描绘了一幅完美的图景，但却不那么不真实。以有效市场假说为代表的传统经济学系统地淡化了人性弱点和欺骗行为在市场运行中的作用。市场现实是，每个微观参与主体都有自己的弱点，他们或者无法获得全部信息，或者受制于动物精神，而自由竞争市场又意味着人们可以自由地欺骗别人，也会自由地被别人欺骗。所谓欺骗，是指通过设局使“受骗者”达成“施骗者”意愿的行为，阿克洛夫和席勒(2016)[1]将其划分为信息型和心理型两种。前者是指利用人们缺乏信息或容易受到错误信息的误导而实施的欺骗，后者是指利用人们在认知上的障碍或心理上的偏误而实施的欺骗。在现实市场中，如果某一类主体身上存在着某种可以给他人带来超额利润的人性弱点，则必然会有“施骗者”迅速采取欺骗行动、攫取超额利润至自己口袋中，市场最终达到的是一种包含着欺骗行为的“欺骗均衡”。

Cialdini(2007)[2]将人性的弱点概括为“习惯于对自己喜欢的人表现出友善、推崇礼尚往来、不愿挑战权威、喜欢跟随大流、喜欢从一而终、讨厌得而复失”六大类，并指出这些弱点使得人们会轻而易举地被操纵。阿克洛夫和席勒(2016)认为上述分类应更具包容性，即人们可以想到的所有事物都是其决策的基础，进而提出了心理框架图这一视角。决策者的心理框架图是“他们告诉自己的故事”，心理学和社会学的研究表明，人们的思想很容易受到叙事性思维的影响，即想法很容易在与他人的交流中改变。在叙事心理学的相关表述中，人们容易上当受骗是因为其决策行为会受制于那些在他人的诱导之下自己告诉自己的故事。因此对“施骗者”而言，最有效的欺骗方法是把潜在的猎物引入到一个新的故事情境之中。

在以股市为代表的资本市场中，上述思想依然适用。大量研究股市行为的文献都有一种相似的处理方法，即将市场中的参与主体至少分为两类人，一类人富有经验且信息灵通，另一类人缺乏经验且信息匮乏。当前者在市场中占据主导地位时，他们会将股价推高并诱导后者盲目交易以获利。阿克洛夫和席勒(2016)认为，股市中各种类型的欺骗方法，比如分析师夸大其词的推销、新闻媒体夸张的报道等，都在很大程度上造成了资产价格的异常波动。此外，投资者的叙事性思维方式也给了分析师可乘之机，他们可以通过那些饱含分析师情绪的研报来给投资者讲述一个故事。从这个角度来看，分析师利用植入了故事情节的研报对投资者进行思维移植的主要目的，就是诱导他们进行交易。分析师情绪诱导投资者交易的事实是否存在、该诱导机制如何刻画、沪深两市的自然实验是否可以提供证据，正是本文试图解决的问题。

二、文献综述

(一)分析师情绪的度量

分析师是市场中重要的信息枢纽，研究报告是其表达自身观点的主要途径，也是分析师情绪的主要载体。定性的研报内容可以反映分析师或乐观或悲观的情绪，单位时间内定量的研报数量同样可以反映他们对未来股价走势的预期。目前，分析师情绪的代理变量主要围绕研报进行构造，可分为定性指标和定量指标两类。定性指标涉及研报的内容，并通过赋值等方法进行量化。比如，Tetlock(2007)[3]利用文本分析法捕捉华尔街日报股市专栏中反映分析师乐观或悲观态度的词汇和短语来判断分析师情绪；蔡庆丰和杨侃(2013)[4]直接利用分析师研报的评级和评级变动来衡量情绪及其变动；戴方贤和尹力博(2016)[5]以研报中的价格预测度量分析师情绪。定量指标则主要利用研报的数量而不涉及内容，单位时间内分析师情绪越高涨、发布的研报数量也越多，单位时间内关注个股的分析师人数越多、情绪也越高涨(伊志宏等，2015[6])。

情绪心理学的理论认为，人们向外界呈现的情绪可能有两种，一种是真实的，另一种是经过刻意伪装的。扩展到资本市场，投资者接收的分析师情绪也有可能是真实亦或虚假的。理想情形下，分析师能通过挖掘基本价值信息减少市场中的信息不对称，提高股价对信息的反应速度，最终促进股价达到新的信息均衡并提高市场效率(姜超，2013[7])。分析师的“责任与使命”应当是以“研究创造价值”的价值观来引导市场进行理性投资。本文认为，立足于基本面分析、能够纠正定价偏误并使市场价格回归基本价值的研报包含了“真情实感”的分析师情绪。现实市场中，分析师的话语权可能受到上市公司和机构投资者客户的影响。为了能够持续获得上市公司的内部信息，分析师通常不愿撰写唱空研报来得罪上市公司；为了得到机构投资者手中的选票(1)美国的“机构投资者(I.I.)”明星分析师评选和中国的“新财富”明星分析师评选，投票权均掌握在机构投资者手中。、赚取机构客户巨额的交易分仓，分析师可能会坚定地站在机构客户的身旁。因此，分析师难免会出现“妥协与自私”，甚至会蓄意地制造噪音和波动(张化桥，2015[8])。本文认为，热衷于题材炒作与概念包装、通过制造噪音将股价推离基本价值、加剧市场波动的研报包含了“虚情假意”的分析师情绪。

(二)分析师诱导投资者交易的机制

传统的资产定价理论认为，股价变动的根源是未来现金流或折现率(即资本成本)发生变化，在此框架下分析师对股价的影响有以下路径。第一，分析师通过对管理层的监管改善公司的基本面状况(Chen et al.，2015[9])。在许多国家分析师对上市公司有监管义务，如果他们能实施有效的监督，则公司会有更好的未来业绩和现金流，进而吸引投资者(2)也有研究表明分析师过度监管或讨好管理层等行为不利于公司基本面的改善。但是，目前尚无证据表明分析师关注会恶化公司的未来现金流，其监管义务至少不会导致投资者需求的减少。。第二，分析师通过提供时效信息、改善信息不对称来降低公司资本成本(Bradley et al.，2014[10])，进而增加投资者的需求。第三，分析师通过改变投资者的认知状况，影响公司的资本成本。投资者通常更愿意持有他们熟悉的股票，个股可视性的提高会增加投资者的需求，进而分散公司特质风险、降低资本成本(Richardson et al.，2012[11])。分析师能增加投资者认知范围的原因有二：其一，注意力是稀缺资源且多数投资者的注意力有限(Barber and Odean，2008[12])，分析师可以满足其信息需求；其二，面对众多认知对象时，决策主体会根据某些特征对它们进行分类，并更多地关注那些特征明显的类别(Barberis and Shleifer，2003[13])，分析师所荐之股正是这种类别。

除了经典理论，行为金融视角下投资者存在的认知偏误也为分析师的诱导创造了条件。带有分析师情绪的研报进入市场后，会对投资者产生系统性的情绪冲击。研报进入市场之初表现为相对孤立的情绪冲击，保守性使投资者认为研报所传递的利好信息只是暂时性的，由此产生的价格反应不足会伴随着动量效应进行修正。随着时间推移，若无追加研报发布，则投资者会因无法观测到持续的盈余冲击而认为自己处于均值反转的状态之中，前期被推高的股价会出现下跌。相反，若有追加研报发布、投资者受到一连串同方向的情绪冲击，他们会认为当前正处于价格趋势之中，小数法则和表征性会使他们坚信分析师所荐之股并非“池中之物”。股价会被乐观情绪逐步推高，并最终导致反应过度和价格回归(3)投资者在信念(belief)与偏好(preference)上的其他偏误也会给交易诱导带来可乘之机，作用机制大同小异。。此外，越强烈的分析师情绪可能会诱导投资者进行越“疯狂”的交易，进而导致更大幅度的股价变动，如果上述逻辑成立，则分析师情绪具有非理性情绪的典型特征(胡昌生和池阳春，2014[14])。

(三)沪深两市中分析师的市场形象

分析师行业在不断发展与扩张的同时，各种“乱象”也不断出现。首先，分析师研报的可信度骤降，甚至于捕风捉影、无病呻吟，被市场不断批评诟病。其次，为了获得机构选票，券商提供研究服务的方式争奇斗艳、花样百出，研报逐渐出现“娱乐化”倾向，某些分析师甚至热衷成为“网红”(张宗新和杨万成，2016[15])，分析师沉稳与严谨的形象荡然无存，市场中关于分析师还有几丝诚信的拷问也甚嚣尘上。

究其根源，分析师与机构客户之间的“潜规则”被不断揭露，两者之间存在利益链也成为不争的事实。第一，国内分析师的价值主要建立在机构投资者投票的基础上(张宗新和杨万成，2016)，决定分析师地位声誉和薪酬水平的“新财富”评选等，投票权在机构手中。第二，分析师的研究佣金和其所在研究机构的收入主要依靠机构投资者的交易分仓(蔡庆丰和杨侃，2013)，这在很大程度上制约了分析师的话语权。第三，国内较为宽松的监管环境意味着分析师几乎无需对自己的言论负责，分析师的独立性和客观性主要建立在自身的正直诚信及对“研究创造价值”的初衷的坚守，这些精神层面的约束力显然较弱。第四，市场中个体投资者的信息需求和非理性特征(4)胡昌生和池阳春(2014)发现，中国的个体投资者存在强烈的追涨倾向且伴随着显著的损失厌恶，他们会忽视基本面因素且对小盘低价、高特质波动的股票流露出系统性的交易偏好。给了分析师和机构的诱导行为可乘之机。综上所述，具有投机动机的机构投资者要实现对“韭菜”的收割，利用分析师情绪对个体投资者进行交易诱导似乎是一条有效的途径。而无论是为“名”还是为“利”，分析师服务甚至听命于机构客户，似乎也是当前市场生态下“最优”的选择。

张化桥(2015)曾细致入微地刻画了A股分析师的形象。首先，他们热衷于概念炒作，喜欢追涨明星股；为了包装概念股，他们可能会对经济数据或重大事件做出牵强附会的反应。其次，他们发现的明星股通常已经涨了好几倍，并且他们的初始关注很有可能来源于其机构客户对该股的询问，分析师对明星股的研究很容易引发羊群效应。第三，由于机构客户担心失去了噪音支持的个股会变得“黯然失色”，因此分析师会过度关注短期的市场噪音，甚至发表一些纯噪音的研报。

综上所述，包含分析师情绪的研报是分析师及其背后的机构客户诱导交易与制造波动的工具、研报中包含着“虚情假意”的分析师情绪这一观点似乎不容置喙。

三、理论模型

(一)模型的基本假设

基于文献综述本文假定，分析师有服务于机构投资者的主观意愿，且有能力影响投资者的投资决策，即分析师情绪表现为“虚情假意”(5)下文会对“虚情假意”的分析师情绪所导致的价格行为进行模型推导，并利用二级市场的真实数据检验此假定是否成立。。此外，本文还提出以下假设。

假设1：市场中存在基本面交易者、非理性投资者、高明的投机者三类主体。

假设市场中存在基本面交易者(F)、非理性投资者(N)和高明的投机者(S)，且占比分别为f、n、s，f+n+s=1。假设市场中存在数量被标准化为1的单一风险资产和收益率为0的无风险资产。

基本面交易者的原型是纯价值投资者，如巴菲特。假设他们知晓资产的基本价值信息，其交易准则为“高抛低吸”且不受其他市场参与者的影响。因此，他们的需求由市场价格与基本价值之间的偏离程度唯一决定，需求函数可以表示为：

Ft=β(V-Pt)

(1)

其中，β为反应系数，β>0且与风险厌恶程度密切相关；V表示资产的基本价值。

非理性投资者(N)的原型是大多数的个体投资者，他们很容易受到认知偏差的影响而做出非理性的投资决策。假设非理性投资者的需求由情绪唯一决定，情绪系统由反馈和噪音两部分驱动，因此第t期的投资者情绪可以设定为：

Sentimentt=λt·ΔPt-1+ηt

(2)

其中，λt为第t期的反馈强度，它在不同时期具有持续性，即λt=λt'；ΔPt-1为第(t-1)期的价格变化，即ΔPt-1=Pt-1-Pt-2；ηt为第t期的噪音，ηt是均值为零、方差为常数的正态随机变量且与λt相互独立。很显然，式(2)等号右边的第一项为反馈项，第二项为噪音项。此外，假设非理性投资者的需求函数与其情绪系统间具有线性关系，即Nt=atSentimentt，因此，非理性投资者的需求函数可以直接表示为：

Nt=λt·ΔPt-1+ηt

(3)

高明的投机者(S)的原型是专业的机构投资者，如索罗斯。假设他们不仅知晓资产的基本价值信息，而且知道整个市场的价格形成机制：他们知道具有反馈交易特征的非理性投资者的存在，且在彼此的高阶信念推理中处于高层。此外，他们还能根据市场价格行为对非理性投资者的情绪系统进行推断，并且可以利用分析师等途径实施交易诱导以实现全局预期收益最大化。上述设定反映了凯恩斯(1999)[16]认为的高明的投资(Smart Money)的精髓。本文把高明的投机者在第t期的需求函数记为St。与Nt和Ft不同，St在市场出清条件下通过求解nNt+sSt+fFt=1所得。

假设2：分析师通过影响非理性投资者的需求函数进行交易诱导。

根据本文对市场参与者的设定，分析师交易诱导的对象只能是非理性投资者(6)这是因为影响基本面交易者的唯一因素是价格与基本价值的偏离，与分析师无关；现实中高明的投机者通常拥有自己独立的研究部门和买方分析师(buy-side analysts)，因而不受卖方分析师的诱导。。张化桥(2015)认为，市场中的参与主体之间存在着一条食物链，投资者的信息需求创造了分析师的信息供给，这也为交易诱导创造了条件。

在假设1的基础上，本文将非理性投资者的反馈系数进行拆分，令λt=γt+φt·ASt。拆分后的需求函数变为：

Nt=(γt+φt·ASt)·ΔPt-1+ηt

(4)

其中，γt表示投资者情绪对价格变化的“纯”反馈系数，即投资者情绪只受前期价格影响的部分。γt>0表示投资者具有追涨杀跌的正反馈特征；γt<0表示投资者具有负反馈特征。现有研究表明，投资者普遍具有正反馈的特征，但是也存在投资者进行负反馈交易的证据。为了刻画反馈的不确定性，本文将γt设定为均值为零、方差为常数的正态随机变量。此外，非理性投资者的反馈强度还受到分析师情绪的影响，本文用ASt表示分析师情绪的高低，φt表示投资者情绪对分析师情绪和价格变动的“交互”反馈系数，即前期价格变化的前提下、投资者情绪受分析师情绪的影响程度。将分析师情绪对投资者情绪的影响设为这种形式是因为非理性投资者具有受注意力驱动的特点，他们不会关注价格未发生变动(即ΔPt-1=0)的股票，即使这些股票被分析师所提及(即ASt>0)；而一旦股票价格发生变动，他们会被迅速吸引过来。φt的符号反映了分析师情绪对投资者需求的影响方向，正如综述部分所述，分析师可以通过各种渠道降低资本成本、增加投资者对标的资产的需求。由此看来，高涨的分析师情绪可以增加投资者对标的资产的需求，即当ASt与ΔPt-1同号时，反馈系数φt为正；ASt与ΔPt-1异号时，反馈系数φt为负(7)此处隐含了一个重要的前提：分析师研报大概率传递着积极的情绪，这一点在A股市场中很容易被满足。。最后，本文假定γt和φt在不同时期具有持续性，这也与直觉相符。结合假设1，反馈系数λt、γt和φt具有持续性是高明的投机者能对非理性投资者进行信念推理的关键。由λt=γt+φt·ASt可知，分析师情绪ASt同样有持续性，这与张宗新和杨万成(2016)的观点一致。需要说明的是，式(4)给出的是需求函数的通式，其在各期内的具体形式还与该期内是否有分析师参与有关(8)比如，分析师在t时期并未参与到市场中，则ASt=0，此时的需求函数变为Nt=γt·ΔPt-1+ηt。，分析师进入市场的时点选择会在下文中阐述。

假设3：各市场参与主体之间的交易在有限且离散的时间下进行。

有限且离散的时间假设可以大幅简化模型的复杂程度，同时保证结论不失一般性。这种设定方法在经典模型中被广泛使用。本文将一个完整的交易期间划分为离散的5期，各期的交易情形如下。

假设4：高明的投机者的跨期决策具有内点解。

换言之，高明的投机者的即期价格压力、跨期价格压力均大于零。即期价格压力大于零指即期需求的增加会推高当期价格、降低资产预期收益，即需求函数向上倾斜；跨期价格压力大于零指即期需求的增加会更大幅度地推高当期价格、降低资产跨期交易预期收益。上述假定符合市场现实并且能够保证跨期决策具有内点解(9)以第2期为例，即期价格压力小于零，意味着投机者的需求函数向下倾斜，不断买入资产能使当期价格下跌、期望收益增加，此时投机者会无限增加即期需求；跨期价格压力小于零，指第2期的买入行为会同时导致2、3期的价格上涨且第3期的价格更高，在第3期末卖出资产可以自动获利，此时投机者也会无限增加即期需求。上述两种情形的最终结果是高明的投机者的需求达到上限sS2=1，基本面交易者和非理性投资者被挤出市场，模型只有角点解。。假设4并非强假设，在实际的参数范围内很容易得到满足。

(二)需求函数、出清价格的推导及推论的提出

在模型推导之前，需要确定分析师在何时进入市场。由假设3可知，第0期的资产价格为零且市场中没有信息冲击，故分析师不会在此时选择进场。第1期虽然出现了基本信息，但参与者只有投资决策不受分析师影响的基本面交易者，因而分析师在此时进场没有任何意义。在第2期，前期资产价格的变化使得非理性投资者和高明的投机者进场，分析师极有可能同时进场，理由如下。第一，高明的投机者试图利用第2期的资产价格行为推断出非理性投资者的反馈系统，听命于投机者的分析师此时进场(并发布研报)实则是投机者为推断反馈系数的“投石问路”之举。第二，前期价格上涨时，无论投资者的总体反馈系数为何，投机者想要以交易对手方的身份获利，必要的条件是非理性投资者有足够大的需求(即市场有充足的流动性)，分析师情绪正是提高其需求的有效途径。综上所述，分析师大概率地在第2期进入市场。

如果分析师按照上述时机进场，那么“虚情假意”的分析师研报(10)由于在第1期末P1=V，资产价格与基本面价值之间不存在偏离，故而在第2期发布的研报一定是“虚情假意”的。的发布时刻与股价异常变动的起始时刻之间会有明确的提前滞后关系。立足于挖掘基本面信息的研报通常发布于股价异常变动之前，并且在研报发布之后由于市场信息效率的提高股价才开始发生变动；相反，那些无视基本面信息的分析师更像是趋势追逐者，并非他们的研报预测了价格动量，而是他们热衷于追逐价格趋势。因此，“虚情假意”的研报通常发布于股价出现明显趋势之后，此时市场中往往已经充斥着浓厚的非理性情绪(11)本文的模型捕捉到资产价格的变化始于第1期，分析师情绪的激增始于第2期，投资者情绪的增加也始于第2期。。此外，由于“虚情假意”的分析师研报缺少基本面分析作为支撑，因而其评级会较为主观和随意，前期涨幅更大的股票可能会获得更加乐观的评级。在现实市场中，上述规律可能会有更加一般化的表现。现提出第1个有待市场数据证实的推论。

推论1：“虚情假意”的分析师研报发布之前标的股价格已发生显著变化，非理性情绪在研报发布当期或研报发布之前已开始出现激增(12)换言之，非理性情绪的激增起始日不会晚于研报发布日。；就研报评级而言，评级越乐观的标的股通常具有更大的前期涨幅。

在分析师入场时机推断的基础上可以推导出各时期各参与主体的需求函数及市场出清价格。推导过程遵循了两条重要原则：一是各期内市场出清，二是高明的投机者实现全局预期收益的最大化。推导结果如下(13)推导过程如有需要可与作者联系。。下标的数字表示时期。

F0=S0=N0=0

(5)

P0=0

(6)

(7)

S1=N1=0

(8)

P1=V

(9)

(10)

(11)

N2=(γ2+φ2AS2)V+η2

(12)

(13)

(14)

(15)

(16)

(17)

进一步地可以研究分析师情绪对资产价格的影响。由于第2期的需求函数包含的经济学含义最为丰富且最贴合市场现实，本文着重分析第2期内资产价格的稳定性。资产价格的波动性(即非稳定性)可以利用价格相对于非理性情绪的敏感性衡量，敏感性越高则价格稳定性越差。资产价格在第2期的波动性如下：

(18)

命题1：无论非理性投资者对前期资产价格变化的“纯”反馈为正或为负，足够积极的分析师情绪总能使得当期资产价格波动大于零。

推论2：当标的资产的前期价格出现上涨时，“虚情假意”的分析师情绪可以使得标的资产的价格出现显著的确定性正向波动。

命题2：当市场中非理性投资者的占比增加时，相同强度的分析师情绪会导致更大幅度的价格波动；当非理性投资者的“纯”价格反馈系数由正变负时，制造相同幅度的价格波动需要更加积极的分析师情绪。

大量文献表明，无论是市场中非理性投资者的占比，还是投资者的反馈特征，在牛市与熊市中均存在着显著的差异。在牛市中，大量的非理性投资者会随着股价上行而进入市场，并且他们往往具有正反馈交易的特征。熊市中非理性投资者会淡出市场，正反馈交易强度也明显降低，理性情绪在市场中占据主导地位(胡昌生和池阳春，2014)。基于此，本文提出推论3。

推论3：相对于熊市而言，“虚情假意”的分析师情绪在牛市中会导致标的股价格出现更大幅度的波动。

四、基于A股真实数据的实证检验

理论模型中以沪深两市存在“虚情假意”的分析师情绪为原假设，通过推导得到了3个有待验证的推论，下面本文将利用A股市场的真实数据进行实证以检验原假设是否合理。

(一)实证设计

以分析师研报作为分析师情绪的载体，对于推论1，要检验研报发布之前标的股价格与个股层面的非理性情绪是否已经出现异常变动，还要检验更大的前期涨幅是否导致更乐观的评级。对于推论2，要检验研报发布之后标的股价格是否出现显著的确定性波动。对于推论3，要检验牛市中的研报能否导致标的股价格出现更大幅度的波动。为验证上述推论，本文拟采用横截面分析的方法。

本文将全样本区间滚动划分为若干个长度相等的子样本区间，并将各子样本区间拆分为首尾相连的参考期、形成期和检验期。形成期的作用是将所有股票按照某一特征变量进行分组并构造投资组合，检验期的作用是检验各组合的收益之间是否存在显著的差异，参考期的作用是基于“上帝视角”得到各投资组合前期收益与当期特征变量之间关系的后验结论。为了准确而迅速地捕捉各变量之间的关系，本文将形成期长度设定为1日(图2)。

借鉴Baker and Stein(2004)[17]，本文以换手率作为个股层面非理性情绪的代理变量；基于可得性，本文用收益率与换手率之比衡量股价波动性，该比值背后蕴含的经济学含义在本质上与式(18)无异。在每个交易日，本文将被研报提及的股票划分至“投资标的组”，将其他股票划分至“非投资标的组”，然后分别检验这两个组合的平均收益、平均换手率、平均价格波动性(14)本文中涉及的平均都为等权平均。在研报发布日(即形成期)、研报发布之前、研报发布之后是否存在显著的横截面差异。在研报发布日进行分组时本文剔除了下述股票：存在数据缺失值的股票；股价异常偏低的股票；经历了并购、退市、增发、部分清算的股票；股价一字涨停的股票(15)对于一字涨停的股票，收益率与换手率之比趋近正无穷，这会对本文的数据分析产生影响。另外，在确定性利好情形下，分析师推荐一字涨停的股票是没有意义的，因为此类股票根本无法交易。。进一步地，为了检验参考期收益与分析师评级之间的关系，本文将“投资标的组”按分析师情绪的高低细分为“大力推荐标的组”和“一般推荐标的组”。在度量分析师情绪高低时，本文采用“评级赋值、数量累加”的方法。即未评级的研报赋值为0，卖出评级赋值为1，减持评级赋值为2，中性评级赋值为3，增持评级赋值为4，买入评级赋值为5；之后将单位时间内各股所有研报的评级赋值累加求和。

(二)数据来源与描述性统计

本文的样本区间为2012年1月1日至2016年12月31日，样本股为剔除ST和金融类股票后的所有A股(16)行业分布图中横轴的1～13分别表示证监会《上市公司行业分类指引》所划分的行业A～M，9对应金融保险业，故为零。；考虑到IPO效应，本文剔除了样本期内上市的股票，最终得到样本股2763只。本文还收集到公司层面的研报185613份。本文使用的所有数据均来自CSMAR。

分析师研报的评级分布如图3左图所示，未评级研报占2.66%，中性评级研报占4.52%，包含分析师积极情绪的研报占92.63%，包含消极情绪的研报仅占0.19%，很显然，绝大多数研报传递的是积极的分析师情绪。此外，借鉴Fang and Peress(2009)[18]，本文还对不同行业的分析师覆盖率进行了检验(图3右图)，不存在明显缺乏分析师关注的行业。

(三)实证结果

研报发布日前后，标的股与非标的股的收益率与换手率在横截面上的差异如表1所示。

表1 研报发布日前后的收益率与换手率

注：交易日T为研报发布日；R1为投资标的组的收益率，R0为非投资标的组的收益率，且有R10=R1-R0；T1为投资标的组的换手率，T0为非投资标的组的换手率，且有T10=T1-T0；阿尔法值是三因素模型的截距项；*、**和***分别表示在10%、5%和1%的水平下显著

由表1第4列(R10)可知，在研报发布前，标的股的价格相对于非标的股已经出现了持续且显著的上涨，两组合的收益差异在研报发布日最大，约为0.60%。经过Fama-French三因素模型进行风险调整后，收益差异依然显著存在，如第5列所示。由此可见，分析师更喜欢推荐那些前期已显著上涨的股票。就非理性情绪的代理变量换手率而言，临近研报发布日时标的股的换手率出现明显增加，且在研报发布日两组合的换手率之差最大，为0.25%。这表明研报中释放的分析师情绪明显提高了投资者的非理性情绪。分析师研究评级与前期价格涨幅之间的关系如表2所示。在研报发布之前，三个投资组合(大力推荐、一般推荐、无推荐)两两之间的收益均存在显著差异。这表明在研报发布之前涨幅越大的股票更容易引致分析师高涨的情绪。就换手率而言，在研报发布日，大力推荐组和一般推荐组的换手率均显著高于非标的股，且前者更高。由于篇幅限制且与推论1关联性不大，换手率在各细分组合下的结果不再单独展示。综上所述，A股的真实情形与推论1相吻合。

表2 不同分析师情绪水平下的收益率

注：交易日T为研报发布日；Rh为大力推荐标的组的收益率，Rl为一般推荐标的组的收益率，R0为非投资标的组的收益率，Rh0=Rh-R0，Rl0=Rl-R0，Rhl=Rh-Rl；分析师推荐力度按各股分析师情绪降序排列后标的股的总数分组，前一半分为大力推荐、后一半为一般推荐；*、**和***分别表示在10%、5%和1%的水平下显著

标的股价格波动的方向性如图4所示。在研报发布之前，标的股已经出现了显著的正向波动，且在研报发布日达到最大值，表明分析师研报并不能起到稳定股价的作用，反而会显著增大标的股价格的波动性。若将标的股按分析师情绪高低进行细分，则结果如图5所示。无论是大力推荐还是一般推荐的股票，价格波动性均在研报发布日达到最大值。综上所述，推论2亦与沪深两市的现实情况相吻合。

为验证分析师情绪对股价影响的条件性，本文首先借鉴Pagan and Sossounov(2003)[19]的方法，将整个样本区间划分为四段牛市和四段熊市(17)四段熊市为2012-01～2012-11、2013-02～2013-06、2013-12～2014-04、2015-06～2016-02。四段牛市为2012-12～2013-01、2013-07～2013-11、2014-05～2015-05、2016-03～2016-12。，之后重复前文的分析过程(图6)。从图6可以看到，就标的股而言，无论是牛市还是熊市，推论1和推论2的结论并不会因为市场环境这一条件变量的引入而发生变化。即使在熊市中，分析师依然不会去挖掘价格被市场低估的股票。此外，由图6中两条实线可知，分析师情绪在牛市中会导致标的股价格出现更大幅度的正向波动，推论3得到了市场证据的支持。

至此，理论模型中所提出的3个推论均被市场现实数据所证实，沪深两市A股分析师大概率地通过研报传递着“虚情假意”的分析师情绪。

五、稳健性检验

(一)明星分析师的研报也是“虚情假意”的吗

本文将研报发布前最近的一期“新财富”评选中位列行业前三名的分析师视为明星分析师，署名中含有明星分析师的研报视为明星分析师研报。对于分析师重名和跳槽等现象，本文根据分析师身份ID进行识别。

实证结果表明，即使是明星分析师研报，在其发布之前标的股的价格也已经出现持续显著的上涨，且明星分析师所荐之股较普通分析师而言有更大的前期涨幅。就换手率而言，在研报发布日前后，明星分析师推荐的股票换手率明显增加，增加幅度大于分析师整体的平均水平，即明星分析师可以诱发更高的换手率(即非理性情绪)。此外，两类分析师都能够使标的股价格产生显著的正向波动，但明星分析师导致的波动幅度更大。限于篇幅，上述实证结果不再单独展示。

综上所述，推论1和推论2对明星分析师亦适用，他们也传递着“虚情假意”的情绪。相较于普通分析师，他们对股价走势的影响和股价稳定性的冲击有过之而无不及。

(二)其他稳健性检验

本文还进行了以下稳健性检验：使用Fama-French五因素模型代替三因素模型对收益的横截面差异进行风险调整；对标的股进行细分时，按照各股的分析师情绪降序排列后以情绪高低的中位数进行分组；单独研究中性和消极评级的研报(18)感谢匿名专家的建议。。上述稳健性检验的结果依然与本文的3个推论相吻合。鉴于篇幅，实证结果不再单独展示(19)稳健性实证结果备索。。

六、研究结论

本文假设A股分析师是机构投资者诱导中小投资者的重要途径，他们热衷于题材炒作与概念包装、善于制造噪音并加剧股价波动，其研报传递着“虚情假意”的分析师情绪。在此基础上，本文构建了一套交易诱导模型。通过模型推导本文发现，“虚情假意”的分析师情绪意味着下列事实：第一，在研报发布之前，标的股的价格已经出现显著变化，且涨幅更大的股票具有更加乐观的分析师评级，非理性情绪在研报发布日前后出现激增；第二，标的股的前期价格上涨时，分析师情绪可使其后续价格出现显著的正向波动；第三，在牛市中，分析师情绪可以诱发更大幅度的价格波动。此后，本文利用沪深两市二级市场的真实数据，证明了市场现实与上述推论完全吻合，明星分析师亦是如此。