上市公司违规事件对分析师声誉溢出效应的研究

徐彧，王宇熹

（1.上海工程技术大学 管理学院，上海201620；2.上海师范大学 全球城市研究院，上海200234）

一、引言

溢出效应（Spillover Effect），是指一个组织在进行某项活动时，不仅会产生活动所预期的效果，而且会对组织之外的人或社会产生影响。过去学者大多关注企业与企业之间的声誉溢出效应（如：Goins& Gruca，2008；Winn et al.，2008）[1-2]。例如，Gleason et al.（2008）[3]研究发现，当一家公司违规时，投资者会重新评估整个行业的公司前景，导致同行业未违规公司的股价波动，严重者会导致股价大幅下跌和投资者经济损失（Chen et al.，2013）[4]。上市公司的违规事件还为研究资本市场声誉溢出效应提供了独特视角。例如，汝毅等（2019）[5]通过比较报道违规公司媒体的声誉变化，发现上市公司违规事件曝光对媒体存在明显声誉溢出效应。

证券分析师作为现代资本市场的重要信息中介，依靠努力挖掘上市公司基本面背后的潜藏信息，发布客观准确的研究报告来赢得投资者认可，以积累声誉。但现实中，出于各种利益冲突和短期机会主义动机，有些分析师并不在意上市公司可能存在的违规事件，仍持续给出乐观评级，误导投资者做出投资决策，给投资者带来经济损失（Brown et al.，2015）[6]。我们关心这些“黑嘴”分析师是否会在上市公司违规事件曝光后受到资本市场的“声誉惩罚”？

本文基于上市公司违规事件曝光这一特定视角，通过建立三重差分计量模型，试图探索上市公司违规事件曝光的声誉溢出效应如何影响到与之关联的分析师在投资者心目中的声誉。本文研究发现，分析师事前对违规公司的推荐越乐观，违规事件曝光后市场对该分析师推荐的其余未违规公司的反应越弱，即负向声誉溢出效应；相反，分析师事前对违规公司的推荐越悲观，违规事件曝光后市场对该分析师推荐的其余未违规公司的反应越强，即正向声誉溢出效应。当分析师事前放弃跟踪违规公司，则违规事件曝光后该分析师会获得有限的正向声誉溢出效应。我们还进一步研究了违规事件曝光的声誉溢出效应对分析师声誉影响的差异性。

本文主要贡献如下。第一，拓展了我国证券分析师声誉形成机制的相关研究。国内外研究表明，分析师基于各种利益关联会倾向于发布乐观评级（如：Firth et al.，2013;Gu et al.，2018；洪剑峭和张新，2011)[7-9]，即便分析师明知上市公司存在的问题，他们也大多选择沉默，避免直接发布负面评级（Young& Emma，2013）[10]。我们的结论证明了国内分析师的上述行为会影响到其在投资者心目中的声誉，投资者会对分析师进行“声誉修正”。第二，本文扩展了企业声誉溢出效应的相关研究。过去文献大多关注企业与企业之间（如：Gleason et al.，2008）[3]、企业内部间（如：Lei et al.，2008）[11]的声誉溢出效应，本文将研究视野扩展到企业之外的证券研究行业，是对该领域研究的有益补充。第三，本文研究结果对我国资本市场中的“黑嘴”分析师有一定警示作用，对规范我国证券分析师的行为，维护投资者利益具有积极的指导意义。

二、文献综述与假设提出

（一）文献综述

分析师声誉与研究质量一直是学者们广泛关注的话题。Stickel（1992）[12]研究发现明星分析师给出的预测更加精准，并认为分析师声誉与其绩效之间存在正相关。Jackson（2005）[13]使用澳大利亚数据，发现预测准确度更高的分析师在未来能获得更高的声誉。Leone&Wu（2007）[14]发现被选为明星分析师的概率与分析师短期预测成绩呈现正相关关系。Emery & Li（2009）[15]研究发现，在明星分析师评选活动前，分析师提高盈余预测精度能够增加其被评选为明星分析师的概率。Kadous et al.（2009）[16]表示预测准确且一致性程度低的分析师比预测准确且一致性程度高的分析师更容易赢得机构投资者的青睐。过去学者的研究大多集中在分析师声誉的增量效应，即研究质量等因素对提高分析师声誉的作用。但较少有文献从负面信息视角，探讨研究质量等因素对降低分析师声誉的作用。此外，过去研究中对分析师声誉的衡量大多依据第三方评选机构①例如中国的《新财富》杂志、美国的Institutional Investor杂志等。给出的明星分析师排名（如：Leone & Wu，2007；Brown et al.，2015）[14，6]，但这种做法不一定能反映出分析师在投资者心目中准确的即时声誉，原因是投资者可能会根据分析师的表现进行及时的“声誉修正”。

分析师研究质量参差不齐，一方面是由于市场本身的复杂性和分析师自身能力不足等原因（如：Griffin，2003）[17]，但大多数情况下，则是分析师为了自身利益而刻意发布有偏评级。Gu et al.（2018）[8]发现分析师为了在明星分析师评选中为自己“拉票”，卖力推荐机构投资者持有的股票。洪剑峭和张新（2011）[9]发现部分分析师在年末的评级更乐观，目的是为了讨好基金经理，进而为自己博得声誉和利益。Firth et al.（2013）[7]发现分析师为了让所属券商能够获得更多的交易佣金和分仓收入，会故意提高基金经理所持股票的评级。Mao&W（2012）[18]研究发现，分析师为了维持信息渠道，会故意提高评级，以取悦上市公司管理层。但国内外文献中，较少有文献深入研究过分析师的上述行为对其在投资者心目中的声誉会产生何种影响。

对我国证券分析师声誉的研究，以往学者主要集中在我国证券分析师的声誉构建基础（胡奕明和金洪飞，2006）[19]、声誉影响机制（王宇熹等，2012）[20]、声誉博弈机理（游家兴等，2013）[21]、声誉激励效应（周铭山等，2015）[22]以及声誉作用模式（张宗新和杨万成，2016）[23]等方面，但鲜有文献深入研究过分析师声誉领域的溢出效应。基于以往文献，本文试图进一步补充相关领域的研究。

（二）提出假设

借鉴汝毅等（2019）[5]的思路，上市公司违规事件曝光的声誉溢出效应对分析师声誉产生影响须具备以下必要条件：（1）投资者要能够了解到被曝光出的违规公司；（2）投资者要能够了解到分析师事前和事后跟踪的所有公司（包括违规和非违规的公司）；（3）投资者要能够确定分析师所拥有的专业技能会同时影响到该分析师对违规公司和非违规公司的研究。

首先，违规事件曝光会引起上市公司股价大跌（Chen et al.，2013）[4]，此外证监会、上交所、深交所、媒体以及上市公司本身发布的违规公告，都可以被投资者知晓，故条件（1）满足。其次，分析师为了产生更多的交易佣金，会通过各种渠道与投资者互动，以卖力推销自己跟踪的股票（Brown et al.，2015）[6]，投资者很容易知晓到该分析师跟踪的所有公司，故条件（2）满足。再次，行业知识是分析师预测的基础，并推动分析师对行业内公司进行评估（Hilary et al.，2013）[24]，而行业知识等技能在一定时期内是相对固定的，会同时影响到分析师对所有公司的预测，故条件（3）满足。综上，上市公司违规事件曝光的声誉溢出效应会对分析师声誉产生影响的必要条件全部具备。

分析师研究报告代表该分析师对上市公司未来发展趋势的判断，研报准确程度直接反映了该分析师的评估能力（Hilary et al.，2013）[24]。当上市公司违规事件被曝光，投资者可能会怀疑事前看涨分析师的能力和研究报告的独立性，并重新评估事前看涨分析师的可信度，导致事前看涨分析师在投资者心目中的声誉降低，表现在违规事件曝光后投资者可能会不信任事前看涨分析师对其余未违规公司的研究，即负向的声誉溢出效应；相反，上市公司违规事件被曝光后，投资者可能会认为事前看跌分析师拥有优秀的荐股能力和较高的可信度，导致事前看跌分析师在投资者心目中的声誉提高，表现在违规事件曝光后投资者可能会更加信任事前看跌分析师对其余未违规公司的研究，即正向的声誉溢出效应。

一些分析师在获知证监会开始对上市公司开展立案调查信息后，在正式调查结果曝光前，为怕自己受到牵连，但又为了避免得罪公司管理层和基金经理，他们可能会选择放弃跟踪（Young & Emma，2013）[10]。分析师事前放弃跟踪违规公司的行为，在违规事件曝光后可能会让投资者认为该分析师拥有一定的荐股能力和可信度，进而提高该分析师在投资者心目中的声誉。但由于此类分析师仅选择“沉默”，并未直接在事前给出负面评级，因此我们认为违规事件曝光后此类分析师仅会获得有限的正向声誉溢出效应。综上，本文提出如下假设。

H1：分析师在违规事件曝光前对违规公司的推荐越乐观，违规事件曝光后该分析师推荐的其余未违规公司的市场反应越弱，即负向声誉溢出效应；相反，分析师在违规事件曝光前对违规公司的推荐越悲观，违规事件曝光后该分析师推荐的其余未违规公司的市场反应越强，即正向声誉溢出效应。

H2：分析师在违规事件曝光前放弃跟踪违规公司，则违规事件曝光后该分析师仅会获得有限的正向声誉溢出效应。

三、数据来源及模型建立

（一）数据来源

文中使用的上市公司违规事件数据来自CSMAR（国泰安）数据库，选取的样本区间为2008年到2018年，将监管机构下达处理文件的日期定为曝光日。文中使用的分析师荐股评级数据、分析师个人特征指标数据、上市公司规模数据、机构持股数据、年个股换手率数据、上市公司控制人数据、上市公司基本信息特色指标、上市公司年收益率数据也均来自CSMAR（国泰安）数据库，分析师隶属的券商规模数据来自中国证券业协会历年发布的证券公司营收排名。

（二）样本筛选

我们按照如下的步骤进行样本筛选，以期验证上市公司违规事件曝光的声誉溢出效应对分析师声誉的影响。第一步，将曝光日前两年内，跟踪过（发布过评级）违规公司的所有分析师设置为试验组。第二步，筛选出试验组分析师在曝光日前两年和后六个月都跟踪过的所有非违规公司。第三步，对筛选出来的每一家非违规公司，将在曝光日前两年和后六个月都跟踪过，但未跟踪过违规公司的所有分析师设置为控制组。第四步，获取试验组分析师和控制组分析师在曝光日前两年到后六个月之间对每个未违规公司发布的所有评级。第五步，因证监会从立案调查到结案平均周期是六个月，故将违规事件曝光前六个月内没有给出评级，但前两年内报告过违规公司的试验组分析师设定为Dropped组；将违规事件曝光前六个月内仍对违规公司给出评级的试验组分析师设定为Covered组。图1为本文样本筛选过程的示意图。

图1 样本筛选过程示意图

（三）变量设定

1.被解释变量

本文采用超额累计收益率（CAR）表示被解释变量，衡量分析师研报的市场反应，即分析师在投资者心目中的声誉。本文采用市场调整模型计算的超额累计收益率，窗口期为研报公布日前一天至后一天，即其中Rit为股票收益率，Rmt为市场收益率。

2.解释变量

为了较准确地反映出违规事件曝光对分析师声誉的影响，本文定义了五个解释变量。第一，定义荐股评级发布日变量Post。如果分析师给出的荐股评级在违规事件曝光之后（后六个月内），则Post=1，反之Post=0。图2给出了解释变量Post的时间轴图，区间1为曝光日前两年内，用Post=1表示，区间2表示曝光日后六个月内，用Post=0表示。第二，定义Dropped组分析师变量。如果分析师在违规事件曝光前两年内跟踪过违规公司，但曝光前六个月放弃跟踪，则Dropped=1，反之Dropped=0。第三，定义Covered组分析师变量。如果分析师在违规曝光前六个月里仍在跟踪违规公司，则Covered=1，反之Covered=0。第四，定义评级变量Recom。分析师在研报公布日对未违规公司的荐股评级分为五档：买入、增持、中性、减持和卖出，分别对应Recom的值为5、4、3、2和1。第五，为了衡量分析师在曝光前对违规公司的乐观倾向，计算其相对于其余分析师（跟踪相同公司）的相对乐观评级。具体做法是：用分析师对违规公司的评级Recom减去分析师一致性评级（consensus），分析师一致性评级（consensus）为研报公布前60天内所有分析师对该股票做出评级的中位数。假如分析师在曝光前六个月里多次报告过（次数≥2）某一违规公司，则对所有相对乐观评级取平均值，得到分析师在曝光前对这一违规公司的乐观倾向（定义为BullScore）①用这种方法计算出的乐观倾向，更能反映出某位分析师区别于分析师一致性评级（consensus）的程度。。最后将分析师的乐观倾向（BullScore）正则化处理为[-1，1]的数据，即BullScore的值越接近1，说明分析师越乐观，BullScore的值越接近-1，说明分析师越悲观。

图2 解释变量Post的时间轴图

3.控制变量

控制变量设置如下。第一，投资者通常会关注分析师评级的变动情况，进而影响市场反应，故将分析师评级变动（Recom_chg）作为控制变量。若分析师上调评级，则Recom_chg=1，维持评级则为0，下调评级则为-1。第二，分析师隶属券商的规模和声誉通常会影响分析师的声誉（如：Ertimur et al.，2011）[25]，进而影响市场反应，故将分析师隶属券商规模（B_size）作为控制变量。位列中国证券业协会公布的营收前十位的券商，B_size=1，否则，B_size=0。第三，与散户投资者不同，机构投资者有自己的运营模式和择股机制，可能会影响市场反应。故控制了机构持股占比（Inst）变量，用前十大股东中机构投资者的持股比例表示。第四，借鉴方军雄等（2018）的做法[26]，进一步控制了上市公司规模（Firm_size）变量，用该公司年初总资产的自然对数表示。第五，明星分析师的荐股评级通常能引起较高的市场反应（Fang&Yasuda，2010）[27]，故将分析师明星地位（Star）作为控制变量。如果分析师在研报公布日的上一年度被《新财富》杂志评选为明星分析师，则Star=1，反之，Star=0。第六，基于我国实际情况，根据企业产权性质不同，将上市公司是否为国企（SOE）设置为控制变量。当该公司为国企时SOE=1，反之SOE=0。第七，上市公司被分析师关注的程度可能会影响投资者的判断，进而影响市场反应，故控制了分析师跟踪人数（Ana）变量，用研报公布日上一年内跟踪过该公司的分析师人数的自然对数表示。第八，上市公司的收益情况可能会引起投资者较大关注，故将总资产收益率（ROA）作为控制变量，用研报公布日上一年度的净利润除以总资产表示。第九，将换手率（TT）作为控制变量，用研报公布日上一年度的日均换手率表示。

（四）模型设计

检验上市公司违规事件曝光的声誉溢出效应对分析师声誉的影响，须同时考虑以下三个维度：第一，上市公司违规事件曝光可能是试验组分析师声誉的转折点，因此须区分事件前后，即违规事件曝光前到曝光后的时间维度；第二，分析师研报市场反应可能也会受其他事件影响，故须添加控制组以抵消随时间的固有变化，即试验组与控制组之间的组间差异维度；第三，试验组分析师对违规公司的乐观倾向（BullScore）各不相同，本文检验的正是不同乐观倾向（BullScore）的情况下，违规事件曝光对分析师声誉的影响，即试验组的组内差异维度。由于本文涉及以上三个维度的综合分析，参考Gruber（1994）[28]的研究经验，选用三重差分（DDD）计量模型进行分析。结合本文实际问题，设计如下的回归模型：

式（1）为本文选用的基本回归模型，其中系数q、t、i和j分别表示q年、t日、分析师i和未违规公司j。此外，我们控制了行业、年度和季度固定效应①为避免多重共线性，需对n个行业设置n-1个行业虚拟变量，年度和季度虚拟变量的设定同样如此。，并采用稳健的标准误。

表1 变量描述性统计②描述性统计中Firm_size的单位为千亿元。

四、实证分析

（一）描述性统计

表1 为本文使用变量的描述性统计。表1可知，有超过一半的分析师曾经跟踪过违规公司，其中约10%的分析师在违规曝光前仍跟踪着违规公司，但有约40%的分析师在曝光前放弃跟踪。Recom的均值为4.51，表明分析师给出的评级都较乐观。观察Covered组分析师样本（N=9137）中，BullScore的均值为0.30，表明Covered组分析师在曝光前对违规公司的评级仍较乐观。本文检验了各变量间的相关性，未列示的结果表明，绝大部分变量间的相关性都较低，故排除存在严重多重共线性的可能。

（二）基本回归结果分析

表2 基本回归结果

根据前述设计的三重差分模型公式（1），得到表2所示的回归结果。从表2可知，Recom*Post*Covered*BullScore的系数显著为负（t=-3.28），表明Covered组分析师事前对违规公司的乐观倾向越高（BullScore的值越大），在违规事件曝光后，其推荐的非违规公司的市场反应越低，在投资者心目中的声誉越低，即负向声誉溢出效应；相反，Covered组分析师事前对违规公司的乐观倾向越低（BullScore的值越小），在违规事件曝光后，其推荐的非违规公司的市场反应越高，在投资者心目中的声誉越高，即正向声誉溢出效应。根据上述结论，假设H1得证。此外，Recom*Post*Dropped的系数为正，但非常不显著，说明Dropped组分析师在违规事件曝光后仅获得了有限的正向声誉溢出效应，故假设H2得证。

（三）稳健性检验

我们选用三种方法进行稳健性检验。

第一，将模型（1）中被解释变量（CAR）的窗口期分别调整为研报公布日前后[-2，+2]和[-3，+3]，再代入模型回归。回归结果见表3，Recom*Post*Covered*BullScore的系数仍显著为负，Recom*Post*Dropped的系数仍为正且不显著，稳健性检验结果与前述结果相似，证明了前述结论的稳健性。

表3 稳健性检验1的回归结果

表4 稳健性检验2的回归结果

第二，转而控制行业、年度和月份固定效应，并分别按股票和分析师将标准误聚类。回归结果见表4，Recom*Post*Covered*BullScore的系数均显著为负，Recom*Post*Dropped的系数均为正且不显著，稳健性检验结果与前述结果相似，证明了前述结论的稳健性。

第三，对连续变量分别做1%、5%和10%的winsorize处理，再代入模型回归。回归结果见表5，Recom*Post*Covered*BullScore的系数均显著为负，Recom*Post*Dropped的系数均为正且不显著，稳健性检验结果与前述结果相似，证明了前述结论的稳健性。

表5 稳健性检验3的回归结果

五、进一步分析

前文论述中最重要的假设是，投资者能够根据分析师事前对违规公司的乐观倾向（BullScore），在违规事件曝光后对分析师的能力、行业知识和独立性及时进行重新评估，即对跟踪违规公司的分析师及时进行“声誉修正”①由于Dropped组分析师未有BullScore项，且其声誉受违规曝光的声誉溢出效应的影响并不显著，充满不确定性，故此处仅讨论Covered组分析师的“声誉修正”差异。。但在有些情形下，投资者并不一定能做到及时的“声誉修正”。本文分别从分析师明星地位、跟踪时长、行业关系和机构持股占比这四个角度继续进行讨论，研究这四种情形下上市公司违规事件曝光的声誉溢出效应对分析师声誉影响的差异性。

（一）分析师明星地位

明星分析师往往是得到市场广泛认可的高能力象征（Fang&Yasuda，2011）[29]，这种广泛认同可能会使投资者主观上认可来自明星分析师的推荐，即使明星分析师对违规公司发布过乐观评级，对其声誉的影响也有限，导致明星分析师群体受到的声誉溢出效应可能不明显。相反，非明星分析师群体并没有得到市场的广泛认可，其对违规公司的评级会被投资者视为其能力的重要体现，进而受到明显的声誉溢出效应。

若试验组分析师在研报（对未违规公司）公布日前一年度入选《新财富》杂志最佳分析师榜单，则为明星分析师，反之，则为非明星分析师。进行分组回归，回归结果如表6所示。从结果看，非明星分析师组Recom*Post*Covered*BullScore的系数显著为负，而明星分析师组Recom*Post*Covered*BullScore的系数非常不显著，说明非明星分析师受到显著的声誉溢出效应，而明星分析师受到的声誉溢出效应不明显。

表6 不同明星地位的回归结果

（二）分析师跟踪时长

当分析师对未违规公司跟踪过较长时间、有较长时间的预测记录，投资者可能已经形成该分析师对特定股票荐股能力的准确预期，导致该分析师对违规公司的乐观倾向只能引起有限的声誉溢出效应。相反，若分析师跟踪时间较短，投资者对该分析师的荐股能力并不了解，投资者会根据分析师的事前评级对该分析师的荐股能力进行评估，导致明显的声誉溢出效应。

本文中，当试验组分析师对某个未违规公司的跟踪时长超过两年，我们便认为跟踪时间较长；相反，当试验组分析师对某个未违规公司的跟踪时长不足两年，则可认为跟踪时间较短。进行分组回归，得到表7所示的回归结果。从结果看，跟踪时间较短的分析师群体Recom*Post*Covered*BullScore的系数显著为负，说明存在显著的声誉溢出效应。跟踪时间较长的分析师群体Recom*Post*Covered*BullScore的系数非常不显著，说明该组声誉溢出效应不明显。

表7 不同跟踪时长的回归结果

（三）行业关系

分析师会投入大量时间和精力去拓展自己在某一特定行业的专业知识（Boni&Kent，2006）[30]，于是投资者可能会更加信任分析师在自己擅长领域的研究结果，导致当分析师跟踪的违规公司和未违规公司属于同一行业时，声誉溢出效应的影响较小；而当分析师跟踪的违规公司和未违规公司属于不同行业时，投资者可能会怀疑该分析师在其余领域的研究能力，导致声誉溢出效应的影响较大。

表8 给出了分组回归的结果。列（2）核心交乘项Recom*Post*Covered*BullScore的系数显著为负，且系数和显著性均大于列（1）核心交乘项Recom*Post*Covered*BullScore。因此，当分析师跟踪的违规公司和未违规公司属于不同行业时，其声誉受上市公司违规事件曝光的声誉溢出效应的影响较大。

表8 不同行业关系的回归结果

（四）机构持股占比

专业机构投资者比中小型散户投资者具有更多的信息优势，能够根据分析师的行为更及时地对其进行“声誉修正”。因此我们认为，推荐机构投资者持股比例较高的未违规公司的分析师，其声誉受声誉溢出效应的影响较大；相反，推荐机构投资者持股比例较低的未违规公司的分析师，其声誉受声誉溢出效应的影响较小。

本文按照试验组分析师推荐的非违规公司的前十大股东中机构投资者持股占比的中位数，将样本分成两组，分别进行回归，回归结果如表9所示。从结果看，推荐机构投资者持股占比较高公司的分析师群体Recom*Post*Covered*BullScore的系数显著为负，表明此类分析师的声誉受上市公司违规事件曝光的声誉溢出效应的影响较大。相反，推荐机构投资者持股占比较低公司的分析师群体Recom*Post*Covered*BullScore的系数非常不显著，表明此类分析师的声誉受上市公司违规事件曝光的声誉溢出效应的影响较小。

表9 不同机构持股占比的回归结果

六、总结

本文从上市公司违规事件曝光这一特定视角，基于CSMAR（国泰安）数据库的相关数据，建立三重差分计量模型，探讨了我国证券分析师声誉是否会受到上市公司违规事件曝光产生的声誉溢出效应的影响。基本回归的结果表明，持续跟踪违规公司的分析师会受到显著的声誉溢出效应影响，而曾跟踪过，后又放弃跟踪违规公司的分析师未受到明显的声誉溢出效应影响。从核心交乘项的回归系数可以看出，分析师事前对违规公司的推荐越乐观，违规事件曝光后该分析师受到负向声誉溢出效应的影响越大；相反，分析师事前对违规公司的推荐越悲观，违规事件曝光后该分析师受到正向声誉溢出效应的影响越大。本文又进一步探讨了投资者未能对分析师进行及时“声誉修正”的情形，得到如下结论：（1）非明星分析师群体比明星分析师群体受到声誉溢出效应的影响更大；（2）跟踪未违规公司时间较短的分析师，其受到声誉溢出效应的影响更大；（3）跟踪的未违规公司与被曝光的违规公司属于不同行业时，该分析师受到声誉溢出效应的影响更大；（4）跟踪的未违规公司中机构投资者持股占比较高时，该分析师受到声誉溢出效应的影响更大。

声誉作为分析师的一项无形资产，是独特且珍贵的，能够为分析师赢得市场信任和经济利益，但分析师易受各种利益冲突影响发布不客观的有偏预测，其后果是损害了投资者利益，也损失了自己的声誉。我们呼吁分析师应当珍惜自己的声誉，恪守职业道德，增强社会责任感。建议监管部门和分析师行业协会应对分析师加强信用约束，建立我国证券分析师职业信用评价体系和联合奖惩制度，制定分析师职业信用失信行为认定行业标准，建立分析师职业信用档案制度和负面清单，建立分析师职业信用信息申诉救济和修复制度，建立证券分析师职业信用“黑名单”和“红名单”制度，提高“信口雌黄”分析师的失信违法成本，对“去食存信”的守信分析师，在明星分析师评选过程中提供加分机制或者绿色通道。监管部门应做好分析师研究成果的审慎性监管，防止短期机会主义行为，健全和完善我国分析师行业监管体系，对分析师“黑嘴”行为应加大惩处力度，促使分析师发布客观预测。本文研究结论对于规范分析师行为、维护投资者利益、完善资本市场监管，都具有重要的启示意义。