财务信息扭曲与分析师盈余预测准确性

陈子龙，张 龑，王竹泉（博士生导师）

一、引言

财务信息是分析企业经营状况和经营成果的重要依据。在传统的财务分析体系中，资金（资本）与资产概念被混同、金融性负债与营业性负债通常不加明确区分以及经营活动分类不当等理论层面的缺陷，使得传统财务分析体系下的核心财务信息——资本效率和财务风险被严重扭曲：资本效率存在着严重低估，而财务风险则存在着严重高估[1，2]。

随着我国经济的崛起和资本市场的不断发展，我国分析师行业从业人数呈现出不断增长的态势，从2010 年的815 人增长到2019 年的3384 人，涨幅超过3 倍。由此可见，分析师这一行业在我国资本市场上已经越发显现出其重要的信息中介作用。一旦企业财务信息存在扭曲这一情况没有被分析师群体识别到，或没有受到足够的重视，那么分析师根据扭曲的财务信息进行盈余预测的准确性将会受到严重影响，从而误导投资者决策，加剧市场资本错配。

本文主要探讨了财务信息扭曲与分析师盈余预测准确性之间的关系。研究发现：财务信息扭曲程度越高，对分析师群体的乐观预测倾向会起到越强的修正作用，促使分析师采取更加谨慎的预测态度，从而降低盈余预测偏差，提高盈余预测准确性。本文可能的贡献包括以下方面：一是拓宽了分析师盈余预测准确性的研究范围。从目前已有的研究看来，关于分析师盈余预测准确性的影响因素研究主要聚焦于宏观经济[3-7]、中观行业差异[8，9]、微观企业特征[10-15]和分析师个人特质[16-18]等方面，少有研究从会计信息和数据是否有效的角度进行探讨。本文将关注点放在传统财务分析体系下企业财务信息的扭曲上，探究这种信息扭曲与分析师盈余预测准确性之间的关系，为相关研究提供了一个崭新的视角。二是本文通过分析师的信息中介作用，将有关财务信息扭曲所带来的影响的讨论延伸至外部投资者，进而与社会资源的合理配置挂钩，通过实证研究的方法进一步佐证传统财务分析体系存在会计信息被扭曲的事实，证实创新财务分析体系以引导社会资源进行合理配置的必要性和科学性。

二、理论分析与假设提出

目前学界一般认为分析师进行盈余预测所依赖的信息总量是基本恒定的——信息的获取渠道无外乎是市场公开信息，以及自身基于与企业之间的关系、对行业的了解程度等方面额外收集到的非公开信息。如果企业对外公开的信息较少，那么分析师会加大对未公开信息的搜集力度，以保证在进行盈余预测时所需要的信息总量是必要和足够的。

然而，对于信息透明度相对较高的上市公司而言，分析师的主要信息来源还是企业对外公布的财务报告，即分析师进行盈余预测的信息基础是财务报告中的会计信息。因此，财务报告所公布的会计信息的准确性直接影响着分析师盈余预测的准确性。一直以来，由于职业的特殊性和个人经验的不同，分析师关注和运用的会计信息也有所不同，因而始终没有一个固定的预测方法可以消除大众对于分析师仅通过对往年会计盈利数据的简单递推进行盈余预测这一猜想的疑虑。然而实际上，分析师盈余预测准确性要显著优于随机游走模型[19]。如果将分析师进行盈余预测这一过程看作系统程序的运行过程，那么输入的数据内容并不是单一维度的，而是一个多维度的能全面反映公司状况的集合，依据分析师本人的关注重点、专业水平、经验、偏好等，共同输出一个预测结果。褚剑等[20]认为，在当前我国融资融券制度下，分析师为了提高交易佣金和促进自身职业发展，在进行盈余预测时普遍存在偏乐观的动机。虽然到目前为止，对于分析师在进行盈余预测时究竟关注哪些具体信息仍无定论，但可以想到，在来源信息总量基本恒定的情况下，要想评价和预测一个企业未来的盈利情况，总绕不过两个方面的信息：一是企业盈利能力信息，二是企业风险水平信息。因此，本文也将关注的重点放在这两个方面，并在这两者中分别找到一个具有代表性的会计指标——资本回报率和资本杠杆进行衡量。

（一）资本回报率错估与分析师盈余预测准确性

传统财务分析体系对于资本和资产的概念常常是模糊不清甚至是混为一谈的。实际上，对于一个实体企业来说，其真正可以运用的资金是投资者的资本总额，即资本并不应该包括资产中营业性负债的部分，如果不区分资产与资本，势必导致企业资本存量的高估，由此计算得出的资本回报率也会被严重低估。对于分析师而言，资本回报率是其考察企业盈利能力和效率的重要参考。由于分析师预测普遍存在乐观倾向，在资本回报率被低估的情况下，分析师站在投资者角度审视企业时会不看好这家企业的盈利能力，从而降低或者修正自身盈余预测的乐观倾向，采取更加谨慎的预测态度，进而提高盈余预测准确性。据此，本文提出如下假设：

H1：资本回报率与资产回报率相差越大，即资本回报率错估程度越高，分析师的盈余预测误差越小，盈余预测准确性越高。

（二）资本杠杆错估与分析师盈余预测准确性

除了对企业盈利能力的关注，分析师在做出盈余预测前也会重点关注企业的财务风险。传统财务分析体系中对于财务风险的衡量通常选取的是资产杠杆指标，在资产与资本混同的情况下，势必导致资本杠杆的高估。由于分析师预测具有乐观倾向，其在资本杠杆被高估的情况下进行盈余预测时，会认为企业承担了更高的财务风险，对企业未来盈利产生不利影响，因此会采取更加谨慎的态度进行盈余预测，从而修正本身乐观倾向对预测准确性产生的影响，降低盈余预测误差，提高盈余预测准确性。据此，本文提出如下假设：

H2：资本杠杆与资产杠杆相差越大，即资本杠杆错估程度越高，分析师盈余预测误差越小，盈余预测准确性越高。

三、研究设计

（一）数据来源与样本选择

本文数据主要来源于国泰安数据库。其中，样本构成主要分为两部分：第一部分是上市公司财务信息数据；第二部分是分析师盈余预测报告数据。考虑到分析师行业的发展状况以及疫情对公司财务状况的冲击，本文的时间窗口取2009～2019年。在对样本的进一步筛选与处理中，选取我国沪深两市全部上市公司作为公司层面样本，按照惯例剔除金融行业以及ST、PT、*ST、*PT 等状态的样本，得到4286家上市公司观察值。随后，筛选出上述4286家企业的分析师研报数据并进行匹配。完成上述剔除以及筛选步骤后，最终得到598291 条“分析师—年度—公司”结构的观察值。

（二）变量说明

1. 被解释变量。对于分析师盈余预测准确性（accuracyi，w，t，k）的度量，本文参考Lang 和Lundholm[21]的方法，具体计算公式如下：

公式（1）中：Fepsi，w，t，k是分析师i在t年对w公司每股盈余进行的第k次预测值；mepsw，t是w公司t 年实际每股盈余；pw，t是w 公司在t 年年末的股价，计算结果取百分数；accuracyi，w，t，k值越大，表示分析师盈余预测准确性越低。

2. 解释变量。由于传统财务分析体系存在对资产与资本概念的混同以及对金融性负债与营业性负债不加区分的问题，导致会计信息扭曲，继而不能描绘企业真实的资本效率与财务风险。因此，本文参考王竹泉等[2]的创新指标，重新估算资本回报率和财务风险（计算方法如表1所示），并以此为基础计算资本回报率错估（mROTCw，t）和资本杠杆错估（DLw，t），以衡量财务信息扭曲程度。

表1 创新指标的计算方法

资本回报率错估（mROTCw，t）和资本杠杆错估（DLw，t）的计算分别如公式（2）、（3）所示。

公式（2）中：ROTCw，t表示w 公司在t 年度的总资本回报率；ROAw，t表示w公司在t年度的总资产回报率；mROTCw，t衡量w 公司在t 年度总体资本效率信息被扭曲的程度，即资本回报率错估程度，该值越大意味着资本回报率错估程度越高。公式（3）中：RLw，t表示w 公司在t 年度的资本杠杆；NLw，t表示w公司在t年度的资产杠杆；DLw，t衡量w 公司在t 年度总体财务风险信息被扭曲的程度，即资本杠杆错估程度，该值越大意味着资本杠杆错估程度越高。

3. 控制变量。参考已有研究，本文分别控制了公司层面、分析师层面的相关变量。公司层面的相关变量主要有：公司规模（sizew，t）、企业成长性（mbw，t）、企业年龄（agew，t）、股权集中度（LHRw，t）、是否“四大”审计（big4w，t-1）；分析师层面的相关变量主要有：预测时长（horizoni，w，t，k）、参与预测人数（numi，w，t，k）、相对工作经验（experiencei，w，t，k）。除此之外，本文还控制了时间和行业的固定效应以减小估计时可能产生的偏差。回归涉及的各变量详细定义如表2所示。

表2 变量定义

（三）模型设定

根据H1和H2，分别构造如下检验模型：

其中，模型（4）用于检验H1，模型（5）用于检验H2。考虑到资本效率与财务风险信息的扭曲可能均会对分析师盈余预测准确性产生影响，为了得到更加稳健的结论，本文还构造了模型（6）进行检验。

四、计量结果与分析

（一）描述性统计

表3列示了主要变量的描述性统计结果。根据表中数据，分析师盈余预测准确性（accuracy）的最小值为0，最大值为23.646%，整体平均误差约为3.103%，中位数只有1.533%，说明平均而言，我国分析师盈余预测准确性整体水平尚可。此外，本文的统计结果略高于周国良等[22]的统计，但也较为接近。资本回报率错估（mROTC）的均值为0.293，中位数为0.223，最小值与最大值分别为0 和1443.242，标准差为7.464，说明不同公司在资本回报率错估方面存在较大差异。在资本杠杆错估方面，DL的均值和中位数分别为0.388和0.268，最小值与最大值分别为0.027 和1.814，标准差为0.364，同样说明样本公司在资本杠杆错估方面存在一定差异。上述针对资本效率以及财务风险信息扭曲的统计结果与王竹泉等[2]的研究结果较为一致。此外，分析师预测的每股盈余（Feps）的均值和中位数分别为1.131 和0.86，大于企业实际每股盈余（meps）的均值（0.718）和中位数（0.52），可以看出我国分析师群体盈余预测确实普遍存在乐观倾向。

表3 样本的描述性统计

（二）相关性分析

本文对变量进行了相关性检验。资本回报率错估（mROTC）与分析师盈余预测准确性（accuracy）在5%的显著性水平上呈负相关关系，初步支持了本文的H1，即分析师在进行盈余预测时存在乐观倾向，资本回报率错估程度越高，分析师的盈余预测误差越小，盈余预测准确性越高。在另一个主要关注的假设中，资本杠杆错估（DL）与accuracy的相关系数为-0.009，并且在1%的水平上显著，说明当仅考虑两个变量之间的简单相关关系时，二者呈现显著负相关关系。具体而言，资本杠杆错估程度越高，分析师盈余预测误差越小，盈余预测准确性越高，H2 也得到了初步验证。变量之间除size 与mb的相关系数为-0.514，略大于0.5 之外，其他变量间的相关系数远小于0.5，可以认为变量之间不存在严重的多重共线性问题。谨慎起见，本文对所有变量均进行了方差膨胀因子（VIF）检验，变量最高的VIF值为2.22，平均VIF值为1.29，进一步说明变量之间的多重共线性并不会影响后续的估计结果。限于篇幅，相关性检验结果未予以列示。

（三）基准回归结果与分析

表4 的第（1）、（2）列列示的是分析师盈余预测准确性与资本回报率错估的回归结果。第（1）列仅控制了时间与行业变量，mROTC 的回归系数为-1.589，在1%的水平上显著。第（2）列回归进一步控制了其他可能因素，解释变量mROTC 的系数为-0.719，同样在1%的水平上显著。可见，无论是否考虑其他因素，mROTC 与accuracy 的回归系数均显著为负，表明资本效率信息扭曲程度越大，分析师盈余预测偏差越小，即资本回报率错估程度的提高能够提高分析师盈余预测准确性，H1 得到验证。同理，第（3）、（4）列列示的是分析师预测准确性与资本杠杆错估的回归结果。无论是仅考虑时间和行业的第（3）列，还是综合考虑其他因素的第（4）列，DL与accuracy的回归系数均显著为负，说明财务风险信息扭曲程度对分析师的盈余预测偏差具有显著的降低作用，即资本杠杆错估程度的提高能够提高分析师盈余预测准确性，H2得到验证。考虑到资本回报率错估与资本杠杆错估的相互影响，本文将二者同时纳入回归方程，结果如表4中的第（5）、（6）列所示。可以看出，无论是否控制其他因素，二者均与分析师盈余预测准确性在1%的水平上显著负相关，说明即使同时控制二者的影响，本文提出的H1和H2也均能得到验证，即公司资本效率与财务风险信息的扭曲程度越大，对分析师盈余预测偏差的降低作用越明显，盈余预测准确性越高。

表4 财务信息扭曲与分析师盈余预测准确性的回归结果

（四）稳健性检验

1. 对被解释变量进行替代性衡量。为验证前文结论的可靠性，本文对被解释变量进行替代性衡量。由于分析师盈余预测准确性存在两种主要的计算方法，参考方军雄[19]的做法，使用每股收益对分析师预测误差进行标准化并取绝对值，替代前文accuracy，得到关注指标本身偏离程度的分析师盈余预测准确性变量accuracy2，具体计算方法如公式（7）所示。

将accuracy2分别代入模型（4）～（6），具体回归结果如表5 所示。可以看出，本文关注的两个解释变量mROTC 和DL系数的符号和显著性均并未发生变化，仍在1%的水平上显著为负，之前的研究结论不变，H1与H2得证，即在我国分析师群体进行盈余预测报告时普遍存在乐观倾向的情况下，资本回报率错估和资本杠杆错估程度越高，分析师盈余预测误差反而越低，预测准确性越高。

表5 使用替代变量accuracy2的稳健性检验回归结果

2. 考虑股本变动对预测每股收益的影响。考虑到分析师盈余预测发布后，公司股本数量可能发生变动，导致分析师预测时点的每股收益与公司公布的每股收益因为股本变动产生误差造成衡量噪音，本文借鉴肖土盛等[23]的方法，将分析师发布盈余预测时所做出的公司净利润预测按公司上期股本数量进行统一调整，沿用股价进行平滑，得到替代性变量accuracy3。将accuracy3 分别代入模型（4）～（6），得到如表6 所示的回归结果。从中可以看出，无论是单独考虑资本效率、财务风险方面的信息扭曲，还是同时考察二者对于分析师盈余预测误差的影响，结论均与前文主要结论一致。

表6 使用替代变量accuracy3的稳健性检验回归结果

（五）内生性问题探讨

1. 互为因果的内生性问题。本文将主要解释变量与控制变量均滞后一期，与被解释变量重新进行回归，以尽可能减少互为因果产生的内生性问题，结果如表7 所示。第（1）列中滞后一期的资本回报率错估的回归系数为-0.214，在1%的水平上显著。第（2）列中滞后一期的资本杠杆错估的回归系数为-0.332，同样在1%的水平上显著。第（3）列中L.mROTC与L.DL的回归系数分别为-0.179、-0.332，均在1%的水平上显著。综合上述回归结果可以看出，结论与前文一致，即：在尽可能减少互为因果导致的内生性问题后，财务信息扭曲程度越高，分析师的盈余预测偏差越小，盈余预测准确性越高。

表7 互为因果的内生性问题讨论——采用滞后一期的解释变量

2. 遗漏变量的内生性问题。针对遗漏变量导致的内生性问题，本文参考周国良等[22]的做法，分别加入多种层面的固定效应。具体而言，在前文行业与年度固定效应的基础上，本文进一步控制公司（company）固定效应、分析师个体（analyst）固定效应以及公司、分析师个体的联合固定效应，具体回归结果如表8 所示。无论控制公司固定效应、分析师个体固定效应还是同时控制公司固定效应与分析师个体固定效应，回归结果均与前文一致，说明在最大限度上消除公司以及分析师层面不随时间变化的不可观测因素后，前文所得结论仍然成立。

表8 遗漏变量导致的内生性问题——加入多种固定效应

3. 样本自选择问题。由于本文将上市公司数据与分析师预测数据合并后进行分析，没有分析师预测的公司样本会在主回归中被删除，因此可能存在样本自选择导致的内生性问题。针对此问题，本文采用Heckman两阶段方法进行处理。首先，按照时间区间内的上市公司全样本统计是否存在分析师预测，并设定哑变量Forecast进行标注。在此基础上，采用Probit回归计算逆米尔斯比率IMR。在完成第一阶段的处理后，将计算出的逆米尔斯比率加入第二阶段的回归方程。回归结果在表9 中列示。通过回归结果可以看出，即使对样本自选择问题进行处理，加入Lambda 进行控制，资本效率和财务风险信息的扭曲程度与分析师盈余预测准确性之间的关系以及显著性依然均无实质性改变，可以认为前文结论是稳健的。

表9 采用Heckman两阶段法处理样本自选择问题

五、拓展性分析

基于以上对企业财务信息扭曲与分析师盈余预测准确性的相关研究，本文进一步做出推测：分析师预测的乐观偏好以及企业财务信息扭曲对乐观偏好的修正效果可能不仅仅局限于盈余预测。因此，本文又搜集了分析师预测报告中的其他内容——主营业务收入预测，并根据这一指标构建新的被解释变量，研究其与财务信息扭曲之间的关系。

参考前文对于分析师盈余预测准确性（accuracy2）变量的构建方法，新的被解释变量名为分析师主营业务收入预测准确性accuracyTO。计算方法如下：

其中：accruacyTOi，w，t，k是指分析师i 在t 年度对w 公司进行的第k 次报告的主营业务收入预测准确性；Fturnoveri，w，t，k是分析师i 在t 年度对w 公司进行的第k 次报告的主营业务收入预测值；Mturnoverw，t是w 公司在t 年度公布的实际主营业务收入。

将计算得到的被解释变量分析师主营业务收入预测准确性变量分别代入模型（4）～（6）中替换原被解释变量accuracy，回归结果如表10所示。

表10 财务信息扭曲与分析师主营业务收入预测准确性的实证结果

研究发现，代表企业财务信息扭曲程度的资本回报率错估和资本杠杆错估变量的系数均在1%的水平上显著为负，即财务信息扭曲程度越高，分析师越倾向于采取谨慎的预测态度，减弱乐观倾向，从而提高对企业主营业务收入预测的准确程度，与分析师盈余预测准确性的回归结果保持一致。这说明分析师预测的乐观偏好以及企业财务信息扭曲对乐观偏好的修正效果并不仅仅局限于盈余预测，对主营业务收入预测也有相似的影响，这一发现也可以从侧面进一步证实分析师预测乐观偏好的普遍存在，以及企业财务信息扭曲对于分析师预测确实存在着促使其采取更加谨慎的预测态度，修正其乐观偏好的作用。

六、结论与启示

本文采用创新的财务信息扭曲指标探讨了信息扭曲对分析师盈余预测准确性的影响。研究发现，在控制了公司层面、分析师个人层面以及年度和行业效应的情况下，资本回报率错估和资本杠杆错估程度越高，也即企业财务信息扭曲程度越高，对分析师群体的乐观预测倾向会起到越强的修正作用，使得分析师采取更加谨慎的预测态度，从而降低盈余预测的误差，提高盈余预测准确性。除此之外，本文还研究了财务信息扭曲与分析师主营业务收入预测准确性的关系，发现企业财务信息扭曲对分析师乐观偏好的修正效果在主营业务收入预测中也有相似的影响。

本文的研究结论对企业和分析师行业存在一定的启示意义。对企业而言，扭曲的财务信息不仅对分析师预测造成了影响，也造成了企业对自身认识的偏差，影响企业的各项决策和健康发展，因此企业应当建立一套能够更准确地反映自身经营状况的财务分析体系。对分析师行业而言，保证预测的准确性应该是对分析师从业的最基本要求，特别是在目前我国分析师普遍存在预测乐观倾向的背景下，更应做到不为追求名利而盲目乐观，坚守分析师职业道德，全面考量从各方面获得的信息，做到谨慎预测，提高预测结果的准确性。