信息披露违规处罚、连锁董事公司分析师预测与分析师声誉：基于董事网络的溢出效应

丁 鑫 陆 阳 杨忠海

一、引言

监管处罚不仅会对受罚者产生影响，也会对受罚者之外的与受罚者相关联的组织或个人产生影响，即惩罚存在溢出效应(Trevino,1992[1]; Beatty等,2013[2])。本文关注的是监管处罚的溢出效应。对于监管处罚溢出效应的作用主体，已有研究大多是关注与违规处罚公司关联的上市公司 (Brown和Zhou，2015[3]；Brown等，2018[4])。本文拓展了监管处罚溢出效应的作用主体，将研究视角聚焦于监管处罚对连锁董事公司分析师预测行为的影响。

公司受到违规被处罚后，因投资者的归因偏差与归因搜索(Ross，1977[5]；Weiner，1985[6])，导致连锁董事公司股价与声誉受到负面影响(Kang，2008[7])。连锁董事公司股价的下跌会影响其经营与融资成本，从而使连锁董事公司盈余的不确定性增加。同时，基于董事网络间“趋同效应”(Brown和Higgins，2005[8]；陈运森和郑登津，2017[9])，处罚公司的连锁董事公司也很可能存在信息披露违规行为，连锁董事公司的信息不确信性程度进一步加剧。信息不确定性影响分析师预测偏差(Zhang，2006[10])。信息不确定程度越大，分析师对信息的反应越不完全，分析师预测误差越大(Gu和Wu，2003[11]；Zhang，2006[10])。因此，信息披露违规处罚发生后，由于连锁董事公司的信息不确信性程度加剧，分析师对连锁董事公司盈余预测准确性可能受到影响，本文予以实证检验。

进一步地，根据分析师的声誉有效性假说，明星分析师具有优越的人力资本，能够提供更多公司层面的特质信息，盈余预测的准确性更高(Xu等，2013[12]；张然等，2017[13])。然而，根据迎合理论和利益结盟假说，经验研究发现，声誉越高的分析师，越倾向于采取“跟风”策略(蔡庆丰等，2011[14]；董大勇等，2012[15])，盈余预测的准确性越低。在中国资本市场中，分析师的声誉效应并没有战胜利益结盟动机，分析师与上市公司利益结盟，盈余预测的乐观度提升，准确性进一步下降(唐松莲和陈伟 ，2017[16])。因此，本文试图探索信息披露违规处罚后，明星分析师是否能够发挥积极的声誉效应，实证考察明星分析师对信息披露违规处罚与连锁董事公司分析师盈余预测准确性关系的调节效应。

因此，本文基于2010—2017年证券分析师对沪深非金融A股上市公司盈余预测样本，首先，检验信息披露违规处罚对连锁董事公司分析师盈余预测产生的溢出效应；其次，考察明星分析师对上述溢出效应的调节作用；再次，进一步分析信息披露违规处罚引发资本市场对连锁董事公司的负面反应；最后，实证考察信息披露违规处罚对连锁董事公司分析师盈余预测正向偏差和负向偏差的不同影响。本文得到以下结论：第一，信息披露违规处罚发生后，分析师对其连锁董事公司盈余预测准确性显著降低。第二，信息披露违规处罚发生后，明星分析师连锁董事公司盈余预测准确性发挥显著的负面调节效应。第三，信息披露违规处罚在短期内引发连锁董事公司超额累计收益显著下降。第四，信息披露违规处罚显著增大分析师对连锁董事公司盈余预测的正向偏差，对分析师盈余预测负向偏差无显著影响，并且相比于非明星分析师，明星分析师对连锁董事公司盈余预测的正向偏差更大。

本文的研究贡献在于以下几个方面：

第一，本文拓展监管处罚溢出效应研究的作用主体，丰富监管处罚溢出效应的研究内容。对于监管处罚溢出效应的作用主体，已有研究大多是关注与违规处罚公司关联的上市公司(即连锁董事公司)(Kang，2008[7]；Brown和Zhou，2015[3]；Brown等，2018[4])。不同的是，本文基于董事网络的路径，重点关注的是连锁董事公司的分析师盈余预测，拓展监管处罚溢出效应所涉及的研究主体，揭示监管处罚通过董事网络对分析师盈余预测产生溢出效应的经验证据。该结果揭示资本市场中潜在的金融风险，为防范金融风险，加强监管科技建设，提供新的研究视角。

第二，从信息披露违规处罚这一外生冲击事件的视角，丰富分析师盈余预测相关领域的文献。现有文献从公司特征、信息披露质量、公司治理水平、制度特征以及非理性因素等方面研究其对分析师预测偏差的影响。本文提供信息披露违规处罚公告事件影响分析师对连锁公司盈余预测偏差的经验证据。

第三，在Gu等(2013)[17]以及唐松莲和陈伟(2017)[16]研究的基础上，本文研究发现公司发生信息披露违规处罚后，与非明星分析师相比，明星分析师对连锁董事公司发布更为乐观的盈余预测，预测准确性更低，说明明星分析师与连锁董事公司或证券公司之间存在利益交换的可能性，进一步验证了利益结盟假说，该结果为中国资本市场中亟需建立分析师声誉激励的完备机制提供经验证据参考。

二、文献综述与研究假设

(一)信息披露违规处罚与分析师预测准确性

Beatty等(2013)[2]认为监管处罚决定不仅给被处罚对象带来显著的负面影响，而且波及被处罚对象以外的个人或组织，即惩罚存在溢出效应。监管处罚可能通过各种社会网络关系对与违规公司相关联的其他主体产生溢出效应。

监管处罚在董事网络关系中存在溢出效应。根据归因理论(Ross，1977[5])，未预期的负面结果(如财务舞弊)很可能引发投资者的“归因搜索”(Weiner，1985[6])。公司发生财务舞弊处罚后，投资者不仅将注意力转向被控公司的管理层，同时对董事履行其监管职能的有效性提出了质疑(Hillman和Dalziel，2003[18])，该公司外部董事的名誉将受损害，更有可能以在董事职业市场上受到惩罚的形式承担个人责任(Brochet和Srinivasan，2014[19])。Fich和Shivdasani(2007)[20]研究发现公司受到监管处罚时，其连锁董事公司会有显著为负的超额收益。Kang(2008)[7]运用事件研究法，实证研究发现公司因财务舞弊被监管处罚后，投资者由于怀疑欺诈性的财务活动也会发生在连锁公司，导致连锁董事公司市值下降。进一步发现，当连锁董事在公司担任审计委员会主席或者公司治理委员会主席，连锁董事公司市值影响很可能更大。周泽将和刘中燕(2015)[21]研究发现投资者对受罚独立董事兼任公司呈现出短暂的、微弱的负面市场反应。可见，监管处罚的效应可以通过董事网络从被处罚的公司蔓延到连锁公司，在短期内引发连锁董事公司市值下降，不仅声誉受损，而且会影响连锁董事公司的融资成本从而使盈余的不确定性增加。信息的不确定性影响分析师预测偏差(Zhang，2006[10])。信息不确定程度越大，分析师对信息的反应越不完全，分析师预测偏差越大(Gu和Wu，2003[11]；Zhang，2006[10])。众多研究验证证券分析师对信息反应不足假说。“反应不足”通常归因为在不确定性环境下分析师的判断与偏见，如在信息的识别与传递过程中分析师保守主义或者过度自信(Zhang，2006[10])。因此，信息披露违规处罚后，连锁董事公司信息不确定性程度的增加，可能会降低分析师对连锁董事公司盈余预测的准确性。

同时，Jennings等(2011)[22]发现在同行公司因操纵收益而被SEC调查后，公司减少了可自由支配的应计利润。SEC对公司的行业领导者、紧密竞争对手和众多业内同行的风险因素定性披露的审查，而没有收到SEC披露质量意见书的公司会在很大程度上修正随后年度公司的披露质量 (Brown等，2018[4])。因此，监管处罚在同行业关系网络中产生溢出效应，提高同行业公司的信息披露质量。基于董事网络关系，Zhong等(2017)[23]研究发现监管处罚后，连锁董事发挥积极治理效应，连锁公司的财务报告透明度也得到显著提高。信息披露水平是影响分析师预测准确性的关键因素。因此，信息披露违规处罚后，连锁董事公司财务报告透明度的提高，意味着分析师可以获得更高质量的公司特质信息，有助于提高盈余预测的准确性。

根据以上理论分析，本文提出竞争性假设：

H1a：公司发生信息披露违规处罚，分析师对其连锁董事公司盈余预测准确性降低。

H1b：公司发生信息披露违规处罚，分析师对其连锁董事公司盈余预测准确性提高。

(二)信息披露违规处罚与分析师盈余预测准确性：分析师声誉效应

自2003年开始，《新财富》杂志主办的“明星分析师”评选成为中国分析师行业中最具影响力的市场评价活动。获奖的分析师在中国通常称为“明星分析师”。“明星”荣誉称号对于分析师是一项无形资产，代表资本市场对分析师能力的认可，能够显著提高分析师的社会地位与经济利益。然而，胡奕明和金洪飞(2006)[24]认为，由于中国的资本市场中并没有完备的声誉机制，分析师在积累自身声誉时对投资者利益保护等道德约束重视不够。一方面，基于迎合理论，声誉越高的分析师，其试错成本越高，“羊群行为”动机越强烈，越倾向于采取“跟风”策略(蔡庆丰等，2011[14]；董大勇等，2012[15])，盈余预测偏差越大。经验研究发现公司受到信息披露违规处罚，连锁董事公司市值在短期内受到负面影响(Kang，2008[7])，资本市场对连锁董事公司悲观预期。因此，基于迎合动机，明星分析师可能迎合投资者对连锁董事公司负面预期的动机更强烈，发布更为悲观的盈余预测报告，导致盈余预测偏差进一步升高，准确性进一步降低。

同时，根据利益结盟假说，唐松莲和陈伟(2017)[16]研究发现，在中国资本市场中分析师的声誉效应并没有战胜利益结盟动机，分析师与上市公司利益结盟，盈余预测的乐观度提升，准确性进一步下降。分析师的佣金压力越大，其推荐股票的态度就越乐观，预测的偏差增加，准确性越低(Gu等，2013[17]；官峰等，2015[25])。违规处罚引发连锁董事公司出现负面市场反应(Kang，2008[7])，因此，证券公司以及连锁董事公司的管理层存在向上调整市场预期的动机。基于利益结盟假说，证券公司可能会借助交易佣金对分析师施加压力。与非明星分析师相比，明星分析师的薪酬更高，因而面对佣金压力更大，将导致明星分析师发布更为乐观的盈余预测报告，盈余预测偏差进一步增大。因此，无论是基于迎合动机还是利益结盟动机，信息披露违规处罚后，与非明星分析师相比，明星分析师盈余预测偏差进一步增大，准确性更低。

因此，根据迎合理论和利益结盟假说分析，我们提出假设2：

H2：公司受到信息披露违规处罚，与非明星分析师相比，明星分析师对其连锁董事公司盈余预测准确性更低。

三、研究设计

(一)样本选择与数据来源

本文选择2010—2017年沪深两市的A股上市公司为研究样本。首先，剔除了ST类公司、金融公司、资不抵债的公司以及当年IPO公司。其次，由于本文考察公司违规受处罚对其连锁董事公司的溢出效应，因此删除所有在样本期间内连锁董事公司受处罚的观测值以及违规的公告时间与违规时间不在同一年度内的观测值。再次，数据统计结果显示，受到信息披露违规处罚的公司样本占约28%，与没有受到违规处罚的公司样本量差距较大。为了避免样本选择偏差影响回归结果的准确性，本文采用同年度、同规模、同杠杆率、同盈利能力、同股权集中度、同独董比例、同产权性质、同机构投资者比例、同市账比例、分析师所属券商公司规模相同、分析师工作经验相同以及分析师学历相同为标准，按照1∶1匹配的倾向评分匹配法(PSM)对样本进行筛选，最后得到1 542个公司，3 635个观测值。最后，行业分类依据中国2012年证监会颁布的《上市公司行业分类指引》。本文的数据主要来源是国泰安金融研究数据库(CSMAR)和Wind资讯金融数据库。

图1列示处理组和控制组匹配前密度图。图2列示了处理组和控制组分别按照1∶1匹配后的密度图。如图1所示，在匹配前，处理组的p-score先低于控制组，后又高于控制组。在匹配后，如图2所示，两组的p-score基本一致，说明处理组和控制组在倾向得分匹配后达到了共同支撑标准。

图1 倾向评分匹配前的密度函数图

图2 1∶1倾向评分匹配后的密度函数图

(二)变量定义

1.被解释变量。

分析师盈余预测准确性(Ananerror)。本研究检验了违规公司的信息披露违规处罚对其连锁董事公司的分析师预测准确性产生的影响，因此分析师盈余预测准确性(Ananerror)是本研究的被解释变量。考虑到每个分析师在一年内会发布多次盈余预测分析报告以及连锁董事公司违规处罚公告时间点的差异性，在借鉴Lang 和Lundholm(1996)[26]、白晓宇(2009)[27]对分析师预测准确性界定的基础上，本文选择一年内每个分析师对其分析公司最后一次的分析报告数据，计算分析师预测年净利润和公司实际的年净利润差值的绝对值，并且用公司实际净利润的绝对值进行标准化来表示分析师预测偏差，计算公式如下：

(1)

其中，Fnetpro表示分析师预测本公司的年净利润。Netpro表示公司实际的年净利润，然后据此计算出每个公司所有分析师预测偏差的均值。Ananerror的值越大，分析师盈余预测的准确性越低。

2.解释变量。

(1)信息披露违规处罚(Shock)。

信息披露违规处罚是本文的解释变量之一。

第一步，本文以违规处罚公告年作为目标公司受到监管处罚冲击的年份。只要公司在当年受到至少一次行政性处罚，本文均且仅保留一条年度-公司处罚样本，认为该公司在当年受到了违规处罚。

第二步，筛选出连锁董事公司。如果一家公司的董事会至少有一名董事同时担任另一家公司的董事，则该公司在同一年被视为连锁董事公司。

第三步，将连锁董事公司与违规公司进行配对，与受处罚的数据进行合并，我们得到连锁董事公司违规处罚数据库。由于本文关注的是监管处罚的溢出效应，所以本文首先筛选受到证监会违规处罚的公司，然后匹配与之有共同连锁董事且本公司未受到处罚的公司，获得违规公司的连锁董事公司，作为我们研究的目标公司。

第四步，按处罚类型进行分类，获得连锁董事公司信息披露违规处罚数据库。根据中国证监会违规处罚公告的原因，参照滕飞等(2016)[28]的研究，将虚构利润、虚列资产、虚假记载、推迟披露、重大遗漏、批露不实和一般会计处理不当等违规类型界定为信息披露违规处罚，其他经营违规处罚。

第五步，信息披露违规处罚变量，Shock。若目标公司至少有一个连锁董事公司在当年内受到了信息披露违规处罚，那么对于目标公司(即研究中与违规处罚公司关联的连锁董事公司)而言，Shock赋值为1；若目标公司没有连锁董事公司在当年内受到监管处罚，那么对于目标公司(即研究中与违规处罚公司关联的连锁董事公司)而言，Shock赋值为0。

(2)信息披露违规处罚与明星分析师的交互项(StarShock)。

为进一步验证中国证券市场中分析师声誉对上述溢出效应的影响，构建信息披露违规处罚与明星分析师的交互项，Starshock。其中，明星分析师设为虚拟变量，用Star表示。参照黄俊等 (2018)[29]按照新财富分析师排名，位列前五时，将Star赋值为1，表示明星分析师，否则，将Star赋值为0，表示非明星分析师。

3.控制变量。

在控制变量的界定上，本文参考了王攀娜和罗宏(2017)[30]、罗棪心等(2018)[31]、王永妍等(2019)[32]的研究，选择公司规模(Size)、资产负债率(Lev)、股票波动率(Volat)、独立董事比例(Indirector)、第一大股东持股比例(TOP)、营业收入增长率(Growth)、市账比(MB)、产权性质(State)、机构投资者持股比例(Inshare)、分析师所属公司的规模(Reportnum)、分析师工作经验(Exp)、分析师学历(Edu)、行业(Indcd)和年份(Year)因素作为控制变量。控制变量的定义与计算方法见表1。

表1 控制变量的定义和计算方法

(三)研究模型

为研究信息披露违规处罚对连锁董事公司分析师盈余预测准确性的影响，验证研究假设H1，构建模型(2)：

Ananerrori,t=α+β1Shocki,t+β2ControlVariablesi,t

+β3Indcd+β4Year+ε

(2)

其中，Ananerror为被解释变量，表示连锁董事公司的分析师预测准确性。Shock为解释变量，表示信息披露违规处罚。若Shock的系数显著为正，说明公司发生信息披露违规处罚，分析师对其连锁董事公司盈余预测的准确性越低，研究假设H1a得到验证；相反，Shock的系数显著为负，研究假设H1b得到验证。

四、实证结果

(一)描述性统计

表2列示了在1∶1倾向评分匹配样本下变量的描述性统计结果。分析师预测准确性(Ananerror) 的均值为0.860，标准差为2.288，说明中国分析师盈余预测的准确性可能存在较大的差异。信息披露违规处罚(Shock)的均值为0.686，说明对于目标公司而言，有68.6%的连锁董事公司受到信息披露违规处罚。其他控制变量的描述性统计结果详见表2。

表2 描述性统计

(二)多元回归分析

表3报告了违规处罚、连锁董事公司分析师预测与分析师声誉的实证检验的结果。列(1)报告了信息披露违规处罚与连锁董事公司分析师预测准确性的回归结果。信息披露违规处罚(Shock)与连锁董事公司分析师预测准确性(Ananerror) 的系数为0.217，在1%的水平上显著，说明信息披露违规处罚显著降低了分析师对连锁董事公司盈余预测的准确性，支持研究假设H1a。

表3列(2)报告了明星分析师调节效应的检验结果。列(3)和列(4)分别报告了明星分析师样本组和非明星分析师样本组中，信息披露违规处罚(Shock)与连锁董事公司分析师预测准确性(Ananerror)的回归结果。列(2)全样本中，信息披露违规处罚(Shock)与明星分析师(Star)交互项(Starshock)的系数为1.219，显著为正，说明信息披露违规处罚后，与非明星分析师相比，明星分析师对连锁董事公司预测准确性更低，支持研究假设H2。进一步按Star进行分组，列(3)明星分析师组中，Shock对Ananerror回归系数为0.999，高于列(4)非明星分析师组中Shock的系数0.109，并且列(3)和列(4)组间系数差异卡方值为5.28，显著为正，说明信息披露违规处罚后，明星分析师和非明星分析师对连锁董事公司的预测准确性存在显著差别，与非明星分析师相比，明星分析师对连锁董事公司预测的准确性更低，进一步验证了研究假设H2。

表3的检验结果说明信息披露违规处罚公告发生后，分析师对连锁董事公司预测的准确性降低，并且明星分析师发挥显著的负面调节效应。

表3 违规处罚、连锁董事公司分析师预测与分析师声誉的检验结果

五、进一步分析与检验

(一)信息披露违规处罚后连锁董事公司的市场反应

经验研究发现监管处罚在短期内引发连锁董事公司市值下降，声誉受损(Kang，2008[7])，但是，在中国资本市场中，信息披露违规处罚在短期内是否也对连锁董事公司产生负面效应，本文在此进行检验，从而进一步验证本文研究假设H1a的推理与论证的严谨性。

参考Kang(2008)[7]的做法，采用普林斯顿大学方法检验累计超额收益率(CAAR)的显著性，事件窗口期定为信息披露违规处罚事件日的前后5天。违规处罚公告发生，连锁董事公司的累计超额收益在时间窗口期内的变化如表4所示。表4的最后一行列示了事件窗口期内，连锁董事公司累计超额收益(CAAR)的下滑幅度，该数值为-0.006 9，且在1%水平上显著，这说明信息披露违规处罚公告发生后，连锁董事公司超额累计收益显著下降，股价显著下跌，说明信息披露违规处罚引发资本市场对连锁董事公司的负面反应。

表4 连锁董事公司累计超额收益率时序表[-5,5]

(二)信息披露违规处罚与连锁董事公司分析师预测的正向偏差和负向偏差

在主检验中，根据公式(1)本文用分析师预测年净利润和公司实际的年净利润差值的绝对值指标(Ananerror)，度量分析师盈余预测的准确性。为进一步分析信息披露违规处罚对连锁董事公司分析师预测正向偏差和负向偏差的不同效应，并对研究假设H2的理论推理进一步检验，我们在公式(1)基础上去掉绝对值，创建分析师预测偏差变量Ferror,如公式(3)所示：

(3)

Ferror的值越大，表明分析师预测偏差越大。当Ferror大于0时，表示分析师预测存在正向偏差，用变量Ferror+表示；当Ferror小于0时，表示分析师预测存在负向偏差，用变量Ferror-表示。将主检模型中的因变量(Ananerror)分别替换成Ferror、Ferror+和Ferror-，进行回归检验，得到结果见表5。

表5 信息披露违规处罚与连锁董事公司分析师预测偏差的检验结果

表5报告了信息披露违规处罚与连锁董事公司分析师预测偏差实证检验的结果。如表5所示，列(1)信息披露违规处罚(Shock)与连锁董事公司分析师预测偏差(Ferror)的系数为0.251，在1%的水平上显著，说明信息披露违规处罚显著增大了分析师对连锁董事公司盈余预测的偏差，降低了分析师预测准确性，再次验证了研究假设H1a。列(2)报告了明星分析师对信息披露违规处罚与连锁董事公司分析师预测偏差的调节效应的回归结果。列(2)信息披露违规处罚 (Shock)与明星分析师(Star)交互项(Starshock)的系数为1.323，在1%的水平上显著为正，说明信息披露违规处罚后，与非明星分析师相比，明星分析师对连锁董事公司预测偏差更大，预测准确性更低，再次验证研究假设H2。

表5的列(3)报告了信息披露违规处罚与连锁董事公司分析师预测正向偏差的回归结果。信息披露违规处罚(Shock)与连锁董事公司分析师预测正向偏差(Ferror+)的系数为0.305，在1%的水平上显著，说明信息披露违规处罚显著增大了分析师对连锁董事公司盈余预测的正向偏差。列(4)报告了明星分析师对信息披露违规处罚与连锁董事公司分析师预测正向偏差的调节效应的回归结果。列(4)信息披露违规处罚(Shock)与明星分析师(Star)交互项(Starshock)的系数为1.550，在1%的水平上显著为正，说明信息披露违规处罚后，与非明星分析师相比，明星分析师加剧了连锁董事公司预测正向偏差。

表5的列(5)报告了信息披露违规处罚与连锁董事公司分析师预测负向偏差的回归结果。信息披露违规处罚(Shock)与连锁董事公司分析师预测负向偏差(Ferror-)的系数为-0.017，统计上并不显著，说明信息披露违规处罚对连锁董事公司分析师盈余预测负向偏差无显著影响。列 (6)报告了明星分析师对信息披露违规处罚与连锁董事公司分析师预测负向偏差调节效应的回归结果。信息披露违规处罚(Shock)与明星分析师(Star)交互项(Starshock)的系数也不显著，说明信息披露违规处罚后，明星分析师对连锁董事公司盈余预测的负向偏差无显著调节效应。

进一步地，使用Ferror、Ferror+和Ferror-按明星分析师和非明星分析师对模型(2)进行分组检验，考察组间差异的显著性，回归结果见表6。

表6 明星分析师与非明星分析师的盈余预测偏差分组差异检验结果

如表6所示，列(1)明星分析师组中，信息披露违规处罚(Shock)与连锁董事公司分析师预测偏差(Ferror)的系数为1.193，在1%的水平上显著；列(2)非明星分析师组中，信息披露违规处罚(Shock)与连锁董事公司分析师预测偏差(Ferror)的系数为0.131，在10%的水平上显著。列(1)与列(2)两组组间系数差异卡方值为7.50，且在1%的水平上显著。该结果表明信息披露违规处罚后，与非明星分析师相比，明星分析师对连锁董事公司预测偏差更大，预测准确性更低，进一步支持研究假设H2。

表6的列(3)明星分析师组中，信息披露违规处罚(Shock)与连锁董事公司分析师预测正向偏差(Ferror+)的系数为1.196，在5%的水平上显著；列(4)非明星分析师组中，信息披露违规处罚(Shock)与连锁董事公司分析师预测正向偏差(Ferror+)的系数为0.170，在10%的水平上显著。列(3)与列(4)两组组间系数差异卡方值为4.29，且在5%的水平上显著。该结果表明信息披露违规处罚后，与非明星分析师相比，明星分析师对连锁董事公司预测正向偏差更大，进而导致预测准确性更低。

表6的列(5)和列(6)中信息披露违规处罚(Shock)与连锁董事公司分析师预测负向偏差(Ferror-)均不显著。该结果表明信息披露违规处罚后，明星分析师和非明星分析师并没有对连锁董事公司预测负向偏差产生显著影响。

综上可知，信息披露违规处罚显著增大分析师对连锁董事公司盈余预测的正向偏差，对分析师盈余预测负向偏差无显著影响，并且明星分析师对连锁董事公司盈余预测正向偏差发挥显著的负面调节效应，即相比于非明星分析师，明星分析师显著增大连锁董事公司分析师预测的正向偏差，对盈余预测的负向偏差无显著影响。

根据前文研究假设H2的理论推理：基于迎合动机或者利益结盟动机，信息披露违规处罚后，与非明星分析师相比，明星分析师盈余预测准确性更低，表5和表6这一结果意味着H2中明星分析师对其连锁董事公司盈余预测准确性更低，不是由于明星分析师迎合动机导致，更可能是与分析师和连锁董事公司或证券公司之间存在利益结盟有关。根据Gu等(2013)[17]的研究，证券公司与分析师之间存在利益交换的可能性，证券公司可能会借助交易佣金对分析师施加压力，导致分析师发布更为乐观的预测，准确性降低。唐松莲和陈伟(2017)[16]研究也发现分析师与上市公司利益结盟，导致盈余预测的准确性进一步下降，分析师的声誉效应并没有战胜利益结盟动机。在上一部分分析中，我们发现信息披露违规处罚引发资本市场对连锁董事公司的负面反应，连锁董事公司的股价发生显著下降，投资者对连锁董事公司持有负面预期。因此，连锁董事公司的管理层或证券公司很可能存在向上调整市场预期的动机，借助交易佣金对分析师施压。与非明星分析师相比，明星分析师的薪酬更高，因而面对佣金压力更大，导致分析师(包括明星分析师)对连锁董事公司发布更为乐观的盈余预测，盈余预测偏差进一步增大。

六、结论与启示

本文基于2010—2017年证券分析师对沪深非金融A股上市公司盈余预测样本，研究公司发生信息披露违规处罚这一外生事件，对其连锁董事公司分析师盈余预测产生的溢出效应以及明星分析师的调节效应。通过实证研究，本文得出以下结论：

第一，信息披露违规处罚发生后，分析师对其连锁董事公司盈余预测准确性显著降低。

第二，信息披露违规处罚发生后，明星分析师和非明星分析师对连锁董事公司的预测准确性存显著差别。明星分析师对连锁董事公司盈余预测准确性发挥显著的负面调节效应，与非明星分析师相比，明星分析师对连锁董事公司预测准确性更低。

第三，信息披露违规处罚引发资本市场对连锁董事公司的负面反应。连锁董事公司超额累计收益显著下降，股价显著下跌。

第四，信息披露违规处罚显著增大分析师对连锁董事公司盈余预测的正向偏差，对分析师盈余预测负向偏差无显著影响，并且相比于非明星分析师，明星分析师对连锁董事公司盈余预测的正向偏差更大。

本文的研究结论对证监会具有重要的启示：

第一，防控监管处罚因董事网络溢出的金融风险。基于董事网络，信息披露违规处罚后，分析师对连锁董事公司预测准确性降低，将会损害信息传递和资本市场的效率，随之产生的市场风险首先是向不具备风险承受能力的普通投资者扩散，更有可能通过行业、流动性、产品联结等其他渠道引发跨市场、跨机构的风险联动，演化成区域性、系统性金融风险。证监会需要加强防控因董事网络产生的金融风险的扩散与传染。

第二，目前中国资本市场中，亟待建立分析师声誉激励的完备机制，包括声誉回报机制，奖惩分明，优胜劣汰机制。分析师声誉激励机制有效性存在问题。信息披露违规处罚后，“明星”名誉对分析师预测准确性发挥负向调节作用，明星分析师对连锁董事公司盈余预测的乐观偏差更大。该结果说明在中国资本市场中，分析师利益结盟动机超过声誉效应，导致现有的声誉机制在一定程度上被扭曲。建议进一步完善明星分析师评选的机制，建立更客观公正的量化评价标准。证监会可以应用大数据、云计算等监管科技手段，发挥分析师“明星”荣誉的积极治理效应，提升主动监管效率，对整个资本市场运行状态进行实时的风险监测与预警。