金融资产配置会影响分析师盈余预测准确性吗？

■许 阳，赵 爽

一、引言与文献综述

制造业的发展水平是一国综合国力的重要体现，不仅能影响人民的生活水平，也是衡量国家现代化程度的重要标准之一。然而，由于在生产方式由量向质转变的过程中，我国实体经济的结构性调整导致在一定时期内出现盈利水平的下降，加之金融体系尚待进一步优化与完善，使得大量资金涌入包括房地产投资在内的金融市场中。根据统计数据显示，2018年我国金融业增加值为69099.9亿元，与2008年相比，短短十年间上涨了277.3%。从资金流走向看，部分实体经济呈现出“脱实向虚”的迹象，表现为部分非金融企业加大金融资产配置力度，甚至停滞主业投资转而依靠“金融化”提升利润。根据CSMAR的数据显示，2018年以来非金融行业上市企业金融与房地产投资收益平均约占营业收入的23.6%。这从一方面说明了金融资产投资可以帮助企业在原材料上涨、市场竞争加剧的情况下提高盈利水平，缓解市场不确定性带来的冲击，并通过缓解融资约束，提高了企业的市场活跃度（张成思和张步昙，2016）。另一方面，由于金融市场瞬息万变，而非金融企业缺乏投资专业技能，金融资产的过度配置可能对主业资源产生挤占效应，削弱企业可持续发展的动力。例如，著名的服装巨头“雅戈尔”将大量资金投入金融及房地产行业导致投资失败，使得股价持续走低；日化企业“两面针”，账面持有的金融资产数额高达4.99亿，远超其他资产，挤占实体主业资金的同时也提高了企业的融资与投资风险。相关研究亦指出，非金融企业加大金融投资将显著提高未来的股价崩盘风险（彭俞超等，2018），说明企业的过度金融投资不仅损害了投资者利益，也在一定程度上降低了资本市场效率。

而分析师作为资本市场重要的信息中介，能凭借专业技能对上市企业信息进行搜寻与加工，做出精准的盈余预测进而为投资者投资行为指明方向，从而提高资本市场的效率（方军雄，2007）。现有研究表明，分析师盈余预测准确性受到经营活动所带来的信息质量波动的影响（Huang&Zhang，2011），由于金融资产配置具有流动性强、变现快且参与门槛较低等区别于其他经济活动的重要特点，有助于企业“挣快钱，敛浮财”，因此我国上市企业普遍持有（谢富胜和匡晓璐，2020），但由于其持有动机的复杂性也可能会削弱公开信息披露质量。那么在企业配置金融资产的过程中，是否会对分析师预测结果产生影响，学者们虽进行了相关探讨（Chang et al.，2016），但遗憾的是，现有研究仅单纯地将金融资产配置视作同质性行为，并未根据企业金融资产配置程度的不同加以区分，不仅忽略了金融资产的适度配置所能够发挥的流动性贮存效应，也无法区分其对信息质量的“异质性”影响，导致关于其对分析师预测准确性影响方面的结论不一，因此深入探讨金融资产配置对分析师预测准确性的影响是对现有研究的有益补充，同时对企业优化金融资产配置规模具有启示意义。

基于此，本文以我国2009—2018年A股上市企业为研究对象，在区分金融资产配置程度的基础上，深入探讨其对分析师盈余预测准确性的不同作用。研究发现，金融资产配置水平与分析师盈余预测准确性呈倒“U”型关系，即适度的金融资产配置能够提高分析师盈余预测的准确性，而一旦超过阙值，过度的金融资产配置将显著阻碍分析师盈余预测准确性的提升，真实盈余管理在二者间发挥了部分中介效应。进一步分析中，探究了内外部治理机制以及分析师调研对于上述关系的调节作用，研究发现，内外部治理机制均会对金融资产配置与分析师盈余预测准确性二者间关系产生显著的正向调节作用。同时，分析师采取实地调研的方式能够提高对过度金融资产配置企业真实情况的识别能力，继而提高分析师盈余预测准确性。

本文的差异化贡献在于：第一，现有研究基于金融资产配置的负面影响，探讨其对分析师预测准确性的影响往往忽略了金融资产配置在适度条件下所发挥的正向治理作用，而本文区分不同程度的金融资产配置对分析师盈余预测准确性所产生的不同影响，是对现有金融资产配置经济后果研究的细化且更加符合现实情境。第二，本文研究发现真实盈余管理在上述关系中发挥了部分中介效应，打开了金融资产配置影响分析师盈余预测准确性的路径黑箱，是对现有研究的深化与拓展。第三，本文进一步发现良好的内外部治理环境以及分析师“眼见为实”的调研方式，能够显著调节金融资产配置与分析师盈余预测准确性二者间的关系，不仅为弱化金融资产配置的负面影响提供了新的思路，为提高资本市场效率提供了有益参考。

二、理论分析与研究假设

（一）金融资产配置与分析师盈余预测准确性

现有研究从蓄水池和资源挤出两种效应的角度探究了金融资产配置的经济后果，对于适度配置金融资产的企业来说，资金储备作用使得蓄水池效应占据主导，而过度配置金融资产则表现为对实体主业的挤出效应（黄贤环等，2019）。从适度配置金融资产的角度看，一方面，资金管理理论认为适度配置金融资产将充当未来企业不确定性风险的“财务缓冲器”，提高企业在面对财务困境时的灵活性，从而增加财务资源的流动性，缓解融资约束（杜勇等，2017），助力企业抓住投资机会，提高了长期稳定发展的能力，在此基础上进一步降低了分析师预判的不确定性水平以及信息搜寻成本，使其盈余预测准确性得到提升。同时，基于信号传递理论，为向外界传递企业风险控制良好的信号以区别过度配置金融资产的企业，适度配置金融资产的企业会提高信息质量，从而为分析师进行精准预测提供了更为有利的信息环境。另一方面，从分析师的预测难度看，部分具有预防性储蓄特征的金融资产更有利于企业应对外部市场的不确定性，降低盈余的波动程度，减少财务报表中所包含的噪音（Chang et al.，2016），使分析师更容易把握盈余变化的规律，从而降低预测难度，提高了分析师盈余预测的准确性。

然而，根据临界点理论，当金融资产配置达到一定水平时，过度金融化会导致企业重心逐渐从实体部门转向虚拟部门，阻碍主营业务的发展（谢获宝等，2020），不仅造成企业长期战略偏离最优路径，也会滋生代理问题，降低企业信息质量，并且当非金融企业金融资产配置规模超过一定水平之后会降低分析师盈余预测的准确性。具体来说，首先，过度配置金融资产提高了管理层操纵信息的动机。相比于实体经济较长时间的投资周期，金融资产具有投资时间短、投资回报高的特点，故而更受到短视管理者的喜爱。但对于企业发展而言，大量配置金融资产挤占了企业主业的实体投资，导致了“只有利润，没有繁荣”的不利局面，管理层为提高利润率以获得更高的报酬会倾向于进行盈余管理，从而降低了分析师预测的准确性。其次，非金融企业往往缺少防范化解风险的机制和管控风险的能力，大量配置金融资产提高了风险发生的可能性，为平滑盈余以防范风险泡沫的破裂，管理层更倾向于进行盈余管理，而这加剧了分析师信息获取难度，从而降低了分析师预测准确性。再次，从分析师预测难度来说，金融资产的经济属性灵活多变，尽管会计准则已经对金融资产的披露做出了详细的指导，但随着近年来金融产品的不断创新，企业增加了对金融资产的配置种类亦导致了分析师工作难度的提升，如果分析师不能够“火眼金睛”地辨析各类金融资产背后的动机及真实情况，将会导致其盈余预测准确性下降。综上所述，提出研究假设1：

H1：非金融企业的金融资产配置水平会对分析师盈余预测准确性产生影响，并呈倒“U”型变化趋势。

（二）真实盈余管理的中介作用

企业配置金融资产可能是实施盈余管理的一种途径（叶建芳，2009），而盈余管理行为不但降低了会计信息质量，削弱分析师预测准确性，也对利润特征产生影响，给分析师做出精准预测提出挑战，故本文尝试从盈余管理的视角来探究其作用机制。需要考虑到的是，由于监管力度不断加强，通过会计估计与会计政策变更等应计盈余管理方式调节利润受到了较多限制。相对而言，不易被识别的特点使真实盈余管理更紧密的迎合了管理者的投机动机。本文认为，金融资产配置会通过真实盈余管理的渠道影响分析师盈余预测的准确性。具体来说，适度配置金融资产的企业往往出于长远战略的目的，在企业遭遇财务困境时，由于金融资产变现快，调整成本低，企业可以利用金融资产反哺主业（杜勇，2017），而盈余管理行为将会对企业长期价值带来负面影响，为避免企业长远发展潜力受损，金融资产配置对盈余管理行为起到了抑制作用（Verrecchia，2001）。但当存在过度金融资产配置时，较大盈余波动会诱使管理者实施真实盈余管理以防止利润下滑影响企业在资本市场中的表现（叶建芳，2009），使得分析师难以识别其真实盈余。综上所述，金融资产配置水平会影响企业的真实盈余管理行为，进一步作用于分析师盈余预测准确性。提出研究假设2：

H2：真实盈余管理在金融资产配置水平与分析师盈余预测准确性的关系中起到了部分中介作用。

三、研究设计

（一）样本选择和数据来源

考虑到2008年金融危机对金融市场波动的影响，选择2009—2018年沪深两市A股上市企业作为样本。对于初始样本进行了如下的处理：剔除金融行业以及ST类上市企业；剔除所需数据缺失的样本；为避免极端值的影响，对所有连续变量进行了上下1%的缩尾处理。最终得到了14069个样本。财务数据均来自CSMAR数据库，分析师实地调研数据来源于CNRDS数据库；使用Stata16.0软件进行计量检验。

（二）变量定义与模型设计

1.变量定义

（1）被解释变量分析师盈余预测准确性（FERROR）：参考王雄元和彭旋（2016）的计算方法，使用分析师当年对企业每股盈余的预测（FEPS）与当年实际的盈余（EPS）来表示，该指标越大，表明分析师预测准确性越低。

（2）解释变量金融资产配置（Fin）：参考谢富胜和匡晓璐（2020）的研究，使用企业金融资产与总资产之比来表示。需要说明的是，随着现代企业的发展，投资性房地产越来越脱离实体经济部门，因此在衡量企业金融资产配置时将投资性房地产包括在内。

（3）中介变量真实盈余管理（Rem）：参考Roychowdhury（2006）的模型来进行度量。即企业异常经营活动现金流（CFO）的相反数、异常生产成本（PROD）与异常酌量费用（DISEXP）的相反数之和。

（4）控制变量：参考方军雄（2007）等研究，在模型中加入以下控制变量：资产负债率（Lev）、盈利能力（Roa）、企业规模（Size）、产权性质（Soe）、市净率（Pb）、自由现金流（Fcf）、上市年限（Age）、企业成长性（Growth）、战略差异度（Strategy）、管理费用率（Cr）、股票平均周收益率（Ret）。此外，加入行业（Industry）以及年度（Year）虚拟变量以控制行业和年度效应，相应的变量定义如表1所示。

表1 变量定义表

续表1

2.模型设计

为验证H1，本文构建了模型（1）：

当α1显著且α2显著为正，则表明随着金融资产配置水平的提高，分析师预测误差先下降后上升，即分析师预测准确性先上升后下降，二者关系呈倒“U”型变化。

为检验H2，参考温忠麟和叶宝娟（2014）以及Hayers&Preacher（2010）对于非线性关系中介效应的检验，建立模型（2）—（4）。

四、实证结果分析

（一）主要变量描述性统计分析

表2为主要变量的描述性统计，可以看出，上市企业平均持有的金融资产约占总资产的5.5%，中位数为2.3%，标准差为0.084。表明整体而言，企业普遍配置了金融资产，但不同企业配置金融资产规模存在差异。分析师盈余预测准确性平均值为2.126，标准差为4.479，表明分析师盈余预测准确性差异较大，其余变量描述性统计与以往研究相符。

表2 主要变量描述性统计

（二）多元回归分析

表3报告了模型（1）的回归结果，被解释变量为分析师盈余预测准确性（FERROR），解释变量为金融资产配置水平（Fin），通过列（1）可得，企业金融资产配置对分析师盈余预测准确性起到了正向影响，加入金融资产配置水平的平方项发现其与分析师盈余预测准确性存在着显著的倒“U”型关系（10%水平上显著），也就是说，随着金融资产配置水平的提高，分析师的盈余预测误差先下降后上升，而盈余预测准确性先上升后下降，呈现出倒“U”型关系。

表3 金融资产配置与分析师盈余预测准确性：基本回归结果

列（2）至列（4）列示了真实盈余管理在金融资产配置与分析师盈余预测准确性间的中介机制检验结果，参考温忠麟和叶宝娟（2014）及Hayers&Preacher（2010）对于非线性中介效应的检验程序，按照以下步骤来进行检验：第一步，检验模型（2）中的系数α1、α2，如果显著，说明金融资产配置与真实盈余管理之间呈“U”型关系；第二步，检验模型（3）中的系数β1，如果显著，则进行步骤三；第三步，检验模型（4）中的系数γ1、γ2，如果不显著，则说明是完全中介效应，如果显著，说明存在部分中介效应，即真实盈余管理在金融资产配置与分析师盈余预测准确性之中起到了部分中介效应。列（2）所示结果表明，Fin2的系数为0.793，说明企业配置金融资产对于真实盈余管理的关系呈现为“U”型，列（3）中Rem系数显著为正，说明了真实盈余管理提高了分析师盈余预测误差，降低了分析师盈余预测准确性，列（4）中Fin与Fin2的系数显著，即随着金融资产配置水平的提高，真实盈余管理程度先下降后上升，分析师盈余预测准确性先上升后下降。

（三）稳健性检验

1.替换变量

参考张成思和张步昙（2016），改用金融资产投资收益占营业利润对金融资产配置水平进行度量①金融投资收益为投资收益与公允价值变动损益之和扣除合营或联营企业取得或确认的收益。。回归结果如表4中列（1）所示，可以看出Fin2的系数为正且在1%的水平上显著，说明金融资产配置水平与分析师盈余预测准确性之间呈倒“U”型关系，与前文结论一致。

2.排除遗漏变量

尽管已对众多变量进行控制，但研究结果依然可能存在遗漏变量的干扰，进一步对分析师特征层面的变量进行控制，通过增加是否存在明星分析师跟踪（Star）、分析师跟踪企业数量（Number）以及分析师经验（Experience）等控制变量进行回归，结果与前文一致。

3.工具变量法

为缓解可能存在的反向因果等内生性问题，参考彭俞超等（2018）的研究，选用同行业其他企业金融资产配置水平的平均值（Mean_Fin）作为工具变量。从表4中列（3）与列（4）可以看出，工具变量行业金融资产配置的平均值（Mean_Fin）与金融资产配置水平（Fin）、金融资产配置水平的二次项（Fin2）显著相关，表明该工具变量与解释变量存在高度相关的关系。第二阶段的结果如表4中列（5）所示，可以看出，在控制了反向因果等可能的内生性问题后，金融资产配置水平依然与分析师盈余预测准确性呈倒“U”型关系。

表4 稳健性检验

续表4

五、进一步分析

（一）治理环境、金融资产配置与分析师盈余预测准确性

内外部治理环境可能会影响金融资产配置水平。有效的内部治理机制被认为是良好信息环境的重要保障，提高了分析师盈余预测的准确性。而当企业治理水平较差时，管理者难以受到充分的监督，进一步加大了其盈余操纵的动机，从而损害了分析师预测质量。同样地，外部治理较好的地区，其严格的制度和监管使得企业为防止违规所面临的大额处罚成本会选择提高信息披露质量。而在外部治理较差的地区，法律体系不完善，监管机制存在的漏洞使得管理者投机动机难以得到有效遏制，进一步提高了过度配置金融资产的动机，影响分析师盈余预测的准确性。

参考白重恩等（2005）与王小鲁等（2017）的研究，采用公司治理指数②主成分分析所选取变量与载荷系数分别为：独立董事比例（0.196）、董事会规模（-0.312）、董事会持股比例（0.537）、高管持股比例（0.560）、监事会持股比例（0.281）、第一大股东持股比例（-0.150）、是否两职合一（0.389）以及前三名高管薪酬总和（-0.108）。与樊纲市场化指数中的法律环境指数分别对企业内外部治理环境进行衡量。结果如表5所示，可以看出，金融资产配置水平与分析师盈余预测准确性二者关系分别在企业内部治理水平较差与外部治理水平较差组显著呈倒“U”型。说明了在企业内部治理及外部治理水平较差时，分析师对于过度配置金融资产的企业预测准确性较低。这意味着分析师需要密切关注内外部治理较弱的企业，防止其过度配置金融资产滋生的自利行为。

表5 调节效应检验：治理环境

（二）分析师实地调研、金融资产配置与分析师盈余预测准确性

分析师实地调研能够缓解低质量盈余信息对分析师预测的误导，对于信息披露质量较差的企业，分析师难以从其中获取到真实可靠的信息，这加大了其获取私有信息的动机，而实地调研是获取上市企业私有信息的重要方法，能够显著影响分析师的决策行为。故而本文进一步从分析师私有信息挖掘的角度来探究金融资产配置与分析师盈余预测准确性之间的关系。

实证结果如表6所示，在接受分析师实地调研组中，Fin显著为负、Fin2为正却不显著，而在未接受分析师实地调研组中，倒“U”型关系仍然存在。可见，对于接受实地调研的企业，分析师可以通过观察企业生产经营状况、追问管理层年报中未披露的细节等方式有针对性地进行信息挖掘，弥补过度配置金融资产引致的公开信息披露的不足，从而更为精准地进行定价。而未接受实地调研的企业，分析师对信息的控制能力相对较弱，难以识别金融资产配置的真实动机，故而在未接受实地调研的企业中，金融资产配置程度与分析师盈余预测准确性呈倒“U”型关系。

表6 调节效应检验：分析师实地调研

六、结论与建议

本文以2009—2018年A股上市企业为样本，在区分了不同程度的金融资产配置水平后证明了金融资产配置会显著影响分析师盈余预测准确性，主要结论为：第一，金融资产配置水平与分析师盈余预测准确性之间呈倒“U”型关系。第二，对作用机制的研究发现，真实盈余管理在其中起到了部分中介作用。第三，进一步对公开信息披露环境及私有信息挖掘两个方面进行研究发现，相比于内外部治理环境较好的企业，上述倒“U”型关系主要存在于内外部治理较差的企业中，且分析师实地调研能够提高其对过度配置金融资产企业的盈余预测准确性。

本文研究结论具有一定的启示作用：一方面，伴随着建设现代化金融体系的逐步建设，需要在剥离金融风险对宏观经济影响的同时提高金融业对实体经济的“供血”能力。然而，由于金融资产高利润率高回报的诱惑，许多资金并没有流入到实体企业中去，而是在金融系统中循环，导致侵蚀企业的主业，危害资本市场的良性发展。因此，作为市场监管主体，相关部门一是需要进一步完善相关制度来促进金融市场的发展，规范金融资产的计量模式并加大对于违规行为的惩戒力度，净化市场生态环境。二是要加强对实体企业的支持力度。利用大数据等高新技术精准缓解实体企业融资难题、疏通实体企业融资渠道，倡导让更多资金流入实体企业，缓解实体企业过度依靠金融与房地产等虚拟资产挖掘利润的动机，提高企业自身可持续发展的能力。另一方面，从分析师角度出发，“研报门”的层出不穷冲击着大众对分析师的信任，不断有学者质疑分析师的预测结果，故而分析师需要加强自身专业知识的学习，在预测时应区分标的企业的实际情况，采取包括实地调研、电话访谈及与企业高管沟通等灵活多样的预测手段不断提高预测的准确性，维护包括中小股东在内的外部人权益，营造良好的资本市场环境，进而助力我国实体经济有序发展。