分析师的疲劳、预测质量与股票收益

华夏 樊力 尹响

摘 要：分析师的决策疲劳是否导致预测质量下降是业界关注的问题，本文对中国A股市场中分析师疲劳与预测质量关系进行研究，经过对2006—2023年A股市场卖方分析师个股研究报告中的盈余预测进行数据统计和分析，研究发现：分析师的决策疲劳与盈余预测误差呈正向关系，即随着一周内发布预测的增加，分析师对公司盈余预测误差也在增大。分析师在决策疲劳严重时发布的预测会预示着未来个股中长期收益降低，盈余预测误差在这一关系中充当部分中介变量。决策疲劳引起的较低股票收益与市场信息不对称相关。

关键词：分析师预测；盈余预测误差；决策疲劳；股票市场

中图分类号：F8325  文献标识码：A  文章编号：1001-148X（2024）03-0142-11

收稿日期：2023-11-12

作者简介：华夏（1986—），男，重庆人，副教授，博士，研究方向：资产定价；樊力（1997—），男，四川广元人，硕士研究生，研究方向：资产定价；尹响（1986—），本文通讯作者，男，江苏连云港人，副教授，博士，研究方向：政治经济学。

基金项目：国家社会科学基金面上项目“中国西部扩大南向开放的路径抉择研究”，项目编号：19BJL126；四川省社会科学重点项目“四川贯彻新发展理念深化改革创新的理论探索”，项目编号：SC21A040。

一、引 言

自沪深两市交易所成立以来，我国资本市场在改革开放等推动下取得了举世瞩目的发展成就。然而，我国资本市场尚未完全成熟，在上市公司层面，存在财务造假、市场操纵、内幕交易等问题［1］；在投资者层面也存在散户众多、羊群效应强、过度交易和过度自信等问题［2］。形成这些问题的潜在原因是企业信息不透明、信息渠道不畅通、信息披露法规不完善，从而导致各类信息不对称现象广泛存在，使得投资者难以充分获取有效信息［3］。

证券分析师作为资本市场的信息桥梁，不仅是信息中介，也是资金与企业之间的关键桥梁［4］。他们具备专业的信息解读能力和独特的信息渠道，可以理解和解释与公司相关的各类信息，包括财务报表、行业趋势、管理层讲话等。此外，他们能够预测公司的价值和潜力，并为投资者提供投资建议［5］。因此，证券分析师在市场中发挥着重要作用，能够减少价格偏离和信息不对称，提高市场透明度，降低交易风险，促进证券市场的有效性。

值得强调的是，2023年10月底召开的中央金融工作会议明确指出：“要全面加强金融监管，有效防范化解金融风险。维护金融市场稳健运行，规范金融市场发行和交易行为，合理引导预期，防范风险跨区域、跨市场、跨境传递共振。”在这一背景下，证券分析师在证券市场中的角色愈发重要，需要更积极地履行职责，以配合国家金融政策，维护金融市场的健康和稳定发展。如果证券分析师不能履行好自己的职责，不能及时、准确地发表研报，则有可能对市场造成负面影响。

有研究发现，在美国市场中，分析师的决策疲劳显著影响了分析师盈余预测的质量，即分析师在工作量增大时发布的报告与公司当期真实盈利情况存在较大偏差［6］。在中国市场，随着分析师从业人数和发表研报数量的持续增加，分析师的工作压力同样日益加大。Choice数据显示，2022年全年证券分析师人员规模增加了505人，增幅为1472%。2021年，91家证券公司进行了境内上市公司的研究报告业务，发布了119147份研究报告；而2022年，国内92家券商发布了152001份研报，同比增长2757%，覆盖A股超过60%的上市公司。这一庞大的研报总数背后反映了分析师的高工作量。例如，中金公司的244名分析师在2022年发布了12718份研报，平均每位分析师每5个工作日就需要发表一篇研报；而中信证券的111名分析师在2022年发布了8734份研报，平均每位分析师每3个工作日就需要发表一篇研报。因此，在中国市场，分析师的决策疲劳是否导致盈余预测质量下降成为一个值得关注的问题。更进一步，如果分析师盈余预测质量反映了市场信息不对称的程度，那么盈余预测质量的下降是否会引发负面的市场反应？这是本研究所关注的问题，也是相关研究［6］未能解答的问题。

因此，本文首先以分析师的决策疲劳为切入点，系统分析在中国A股市场中分析师决策疲劳与盈余预测质量（准确度）的关系。本文的边际贡献体现在两个方面：首先，现有文献多数集中在分析师乐观程度、分析师分歧度对分析师盈余预测与资产价格关系的判断上，本文首次提供了关于决策疲劳、分析师预测质量（准确度）与股票收益之间关联的证据，有效填补了已有研究的空白；其次，现有关于分析师预测质量的研究主要集中在对其原因进行剖析或对其经济后果的追溯，并未将这三者融入统一研究框架。而本文将分析师预测质量的原因及其导致的后果纳入统一的研究框架，对已有研究进行了深度和广度的拓展。

二、文献回顾与假设提出

（一）文献回顾

学者们将对分析师预测的研究分为两个主要方向：一是研究分析师盈余预测的影响因素，二是研究分析师预测对资本市场运行的经济影响。

在研究研报质量或预测误差的影响因素方面，国内外文献主要从标的上市公司、分析师团队和分析师自身等三个角度研究了这些因素对研报质量的影响。首先，标的上市公司信息获取的难易程度［7］、信息披露的质量［8］、管理层的影响［9］以及业绩可预测性［10］均被证明可以直接影响分析师的预测行为和预测质量；其次，从分析师团队角度来看，分析师所在券商的规模与业务模式［11］能够对分析师盈利预测准确性产生影响；最后，从分析师自身角度来看，分析师能力与决策方式［12］、分析师的社会关系［13］也能够显著影响分析师的预测质量，如Hirshleifer等从决策疲劳的视角对此问题进行了讨论，他们研究了在美国市场中，在分析师工作量增加的情况下，生理和心理疲劳等将影响分析师盈余预测的质量，结果显示盈余误差显著与分析师疲劳正相关［6］。

关于分析师研报对资本市场运行经济后果的研究，国内外文献主要关注分析师预测的分歧度、预测准确度或预测偏差对资产价格或公司治理的影响。在资产价格方面，分析师预测分歧与未来股票回报之间存在显著的正相关关系［14］，并且分析师预测分歧度与债券信用利差存在显著的正相关性，同时分析师预测偏差度与债券信用利差相关［15］。在公司治理方面，分析师预测分歧会显著增大公司债务融资成本［16］。同时，分析师预测准确度和预测一致性有助于提升企业投资强度［17］。此外，分析师预测乐观偏差对企业创新具有显著的促进作用［18］。

国内外关于分析师预测准确度的文献表现出两个特点：一是大多数文献将分析师预测分歧和分析师预测偏差与资产价格关联，而较少关注分析师预测准确度与资产价格尤其是股票收益的关系。而分析师预测准确度与资产价格的关系代表了资本市场信息的有效程度，因此是值得关注的问题。二是以往文献往往只关注分析师盈余预测的影响因素或分析师预测对资本市场运行的经济后果的一个方面，未将这两个话题纳入统一框架中，忽略了前因、后果之间的潜在关联。

（二）理论分析与研究假设

在中国二级市场领域，卖方分析师从业人员具有极高的工作强度，一个分析师在同一时间点需要跟踪指定行业内的数家上市公司，与此同时分析师需要完成大量的报告撰写、日报周报点评、实地调研、路演培训等。巨大的工作强度或多或少会导致心理和生理上疲劳，从而影响其发布的盈余预测质量。因此，我们认为中国市场也存在类似于在美国市场发现的现象［6］。

首先，在中国资本市场分析师疲劳和盈余误差仍然存在联系。在机构投资者需要及时的信息来作出交易决策的情况下，卖方分析师有动机向金融机构客户提供及时的预测服务［19］。同时分析师在发布对股价有重大影响的新信息后会尽可能快地发布建议［20］。这表明卖方分析师面临着及时发布报告的迫切需求和压力，通常其雇主或甲方都期望获得及时的研究报告。然而，分析师报告的质量会显著地受到其资源、环境和能力的影响，工作量与工作压力是决定其预测准确性的重要影响因素。分析师的经验能显著地提升其报告质量，而较大的雇主通常能够产生较好的分析师报告［21］。并且当分析师需要花费更多时间编写报告（如当公司报告难以阅读时），他们的预测会更不准确且更为分散［22-23］。此外，对某公司有更多经验的分析师会为同行业其他公司提供更准确和及时的预测，这表明经验能够减轻同行披露信息的处理成本［24］。同时分析师平均每一份报告的产出不过花费几个小时，这可能导致报告质量的下降［25］。即使研究报告是由团队共同完成的，首席分析师在审核报告时仍然存在精力不足的情况，故首席分析师的疲劳同样会影响报告质量。因此本文提出以下假设：

H1：分析师盈余预测的准确性将随着一周内发布预测报告数量增加而降低。

其次，分析师盈余预测的准确性与个股的收益紧密相关，对资本市场的稳健运行具有关键作用。第一，多方面的研究已经验证了更准确地分析师盈余预测对公司基本面的提升和公司治理的促进具有积极影响，例如缓解企业融资约束［18］、提升企业投资强度［17］等。因此，较大的预测误差不利于公司价值的提升。第二，分析师盈余预测的准确性反映了市场信息的质量，有效的分析师预测有助于提高股价对信息的快速反应，有利于股价逐渐趋向内在价值［26］。相反，较大的预测误差可能表明该股票存在来自信息不对称的较大风险。第三，由于分析师决策疲劳是分析师盈余预测误差的直接原因［6］，如果盈余预测误差与较低的股票收益相关，那么决策疲劳可能同样导致较低的股票收益。此外，由于决策疲劳会始终先于盈余预测误差被投资者所观察，盈余预测误差可能是决策疲劳与股票收益之间关系的中介变量。而且，由于影响盈余预测误差的因素复杂多样，该中介效应可能呈现为不完全中介效应。基于以上三点，本文提出以下假设：

H2：分析师盈余预测误差越大，对应公司股票的平均收益就会越低。

H3：分析师发布盈余预测时的决策疲劳越高，对应公司股票的平均收益就会越低。

H4：盈余预测误差应该是自变量（决策疲劳）和因变量（股票收益）的不完全中介变量。

再次，中国资本市场的投资者是敏感的。备受市场瞩目的杰出分析师以及对分析师覆盖相对较少公司的预测往往引发更为显著的市场反应［6］。这表明市场对于分析师的盈余预测给予了广泛而正确的关注。正因为如此，由盈余预测误差导致的股票收益下降或许可以通过采取一些补救措施得以缓解，如卖方分析师对公司收益的预测修正结果将影响投资者的决策行为［27］。同时卖方分析师的盈利预测对于那些预测公司未来盈利和盈利能力的投资者来说是一个重要的信息来源［28］。然而，不同类型的投资者在利用分析师预测信息时采用的方法存在差异，“精明”的投资者通常更全面了解如何使用与分析师预测准确性相关的信息因素。与之相似，市场能够区分高创新性和低创新性的分析师修正，并对其作出不同的反应［29］。这表明市场能够准确关注到分析师的修正，从而调整对股价的预期。基于此，本文提出以下假设：

H5：盈余预测修正能够有效缓解由盈余预测误差所带来的负向股价效应。

三、研究设计及变量选择

（一）数据来源

本文研究所需数据均来自国泰安（CSMAR）数据库，数据选择的时间段为2006年-2023年3月A股分析师发布的研究报告信息、A股上市公司实际的每股收益值、卖方分析师从业人员发布的研究报告ID、研究报告预测数据、分析师ID、A股主要指数和上市公司的日度交易数据，最终得到626262条有效数据。

（二）指标设计

本文研究的核心是卖方分析师决策疲劳与盈余预测误差之间的关系，由于目前国内个股研究报告的盈余预测指标统一为每股收益（EPS），因此对盈余预测质量的度量，采用了分析师对个股EPS的预测值（Forcast Epsi，j，t）与预测年份/季度EPS的真实值（Real Epsj，t）之差。

Analyst Errori，j，t=Abs（Forcast Epsi，j，t-Real Epsj，t）（1）

此处t代表年份单位。

其中，Analyst Errori，j，t代表了分析师i对j公司关于第t个年的年度每股收益预测误差的绝对值，Forcast Epsi，j，t为分析师i对j公司第t年的年度每股收益的预测值，Real Epsj，t为j公司第t年实际的每股收益。

决策疲劳的度量参考［6］提出的度量方式。本文考虑到中国市场的特点以及样本的可得性，将决策疲劳（Decision Ranki，t）定义为分析师一周内（周一到周日）的研报发布顺序。这与［6］度量有显著的区别，在该研究中，他们重点关注在工作日中发布的及时预测。其关注的核心是在一天内准备好或至少部分准备好并随后发布的个股预测报告，因此，将样本区间限制在只在工作日上午9点到晚上8点之间发布的预测，并将当天发布的每一个预测都以发布的顺序标记为决策顺序。

由于数据中缺乏分析师发布研究报告的确切时刻，并且在同一天内，同一名分析师也可能发布多份报告，因此在决定研究报告的周内发布次序时，可能会出现“并列”的情况，这种“并列”情况可能导致排序的不确定性。为了确保本文的严谨性，我们采用三种度量方式处理“并列”的研究报告。第一种方式为“稠密”排序（Decision Rank Densei，t），即如果出现“并列”的研究报告，都给予相同的排序值，并且只比之前出现的排序值增加1；例如，分析师A在某周中周一发布一份报告，周二发布三份报告，周三发布一份报告，则这五份报告的决策疲劳值分别为：1，2，2，2，3。第二种方式为“最小”排序（Decision Rank Mini，t），即如果出现“并列”的研究报告，都给予相同的排序值，且排序值的数值为本周已发布过的报告数量之和；例如，分析师A在某周中周一发布一份报告，周二发布三份报告，周三发布一份报告，则这五份报告的决策疲劳值分别为：1，2，2，2，5。第三种方式为“最初”排序（Decision Rank Firsti，t），即如果出现“并列”的研究报告，按照这些报告在数据中的出现顺序给予依次排序值，以打破它们的“并列”状态；例如，分析师A在某周中周一发布一份报告，周二发布三份报告，周三发布一份报告，则这五份报告的决策疲劳值分别为：1，2，3，4，5。考虑到“稠密”排序不会出现极端值，因此较为适合用于回归分析。因此，本文将“稠密”排序作为主要的解释变量。同样验证了主要结果在“最小”排序和“最初”排序中依然稳健。

控制变量的设计参考［6］，涵盖了主要的影响分析师预测准确度的指标。分析师盈余预测修正（ForecastRevisoni，j，t）用来度量分析师对自身预测的修正情况，其度量方法为分析师i本次对公司j的预测值与上一次对公司j的预测值之差，如果预测修正值为正，代表分析师对该公司的态度倾向于乐观，如果预测修正值为负，则代表分析师对该公司的态度倾向于悲观。

Forecast Revisoni，j，t=Forcasti，j，t-Forcasti，j，t-1（2）

分析师对预测公司的跟踪时间（Firm Experiencei，j，t），度量了在发布该公司盈余预测的时候，该分析师已经连续跟踪目标公司的年度时间。该变量代理了分析师对所预测公司的了解程度。

分析师年度预测量（Forecast EachYeari，t）代表分析师每年发布盈余预测的总数，其中对公司的重复预测可能超过1次，是分析师年度工作量的代理指标。此处时间t的单位为年份。该变量代理了分析师的工作量，也就是分析师的有限关注程度。

上市公司被关注度（Attentionj，t）是以年为时间单位的时间段内分析师群体对某公司的关注度，其度量通过统计不同时间段内以该公司为标的盈余预测的数量，同一时间内预测j公司的研究报告数量越多，代表市场对该公司的关注度越高。此处时间t的单位为年份。

分析师从业年限（Work of Yeari，t）是分析师从业经验和能力的一个代理变量，代表了分析师整体的从业经验和能力。其度量是通过分析师i发布对j公司盈余预测报告时的年份，减去分析师i首次发布盈余预测报告的年份。

分析师努力程度（Efforti，j，t）代表分析师对于上市公司在盈余预测时所花费的精力，其通过对一年内分析师发布该公司盈余预测的数量来度量，分析师在一年之内对该公司的预测频率越高，则代表分析师在一年中对该公司的预测中所花费的时间越多，分析师对该公司的跟踪预测越努力。表1展示了模型中的各变量及其含义。

除了以上变量以外，为了验证市场反应，本文引入了预期超额收益率CAR来度量个股i从日期t到日期t+X的的超额收益，其定义为：

CARi，t，X=∑Xk=1Ri，t+k-Rmkt，t+k（3）

其中，Ri，t为个股i在日期t的收益率，Rmkt，t为通过流通市值加权的考虑现金红利再投资的综合日市场回报率。X为研究窗口大小，在本文中，考虑了66天（季度），132天（半年度），264天（年度）作为X的取值，以度量个股在中长期的市场收益。除此之外，还引入了关于市场信息度量来衡量分析师发布预测后的市场信息不对称程度，包括以总股本为基础计算的个股换手率（Turnover Rate）；帖子总数量（Total Posts），即时间段内上市公司贴吧内帖子的总数量；看涨帖子数量（Bullish Posts），即时间段内上市公司贴吧内看涨帖子的总数量；以及看跌帖子数量（Bearish Posts），即时间段内上市公司贴吧内看跌帖子的总数量。其具体度量方式为：

Turnover Ratei，t，X=1X∑Xk=1Turnover Ratei，t（4）

Total Postsi，t，X=1X∑Xk=1Total Postsi，t（5）

Bullish Postsi，t，X=1X∑Xk=1Bullish Postsi，t（6）

Bearish Postsi，t，X=1X∑Xk=0Bearish Postsi，t（7）

其中X为窗口大小。本文中度量个股在短期之内情绪的变化，X取值为22天（月度）。

（三）描述性统计

根据从CSMAR获取的原始数据，进行数据清洗和变量定义后，表2为主要解释变量、被解释变量和控制变量的描述性统计。

从描述性统计结果来看，一周中分析师决策疲劳（Decision Rank Dense）的均值为161，最大值和最小值分别为7和1，这表明在极端情况下分析师可能在一周的七天内（包括周末）每天均有研报发布，具有较大的工作量。通过“最小”排序的决策疲劳（Decision Rank Min），发现分析师在一周内发布的预测数量最多达到142个。分析师预测误差的绝对值（Analyst Error）为023，表明在样本区间内，分析师对公司的每股净收益（EPS）的预测误差值的平均水平为023，预测误差绝对值的最小值和最大值分别为0和3911，这表明国内分析师个体之间存在较大的水平差异。分析师对预测公司的跟踪时间（Firm Experience）的均值为061年，最小值和最大值分别为0和1569年，这说明平均而言，分析师跟踪一家公司的时间较短，不足一年。分析师对公司的关注度（Attention）均值为5002，最小值和最大值分别为1份和294份，这表明每家公司平均每年同时有50份研究报告对其进行跟踪，而同一时间获得最多关注的公司，其当年盈余预测报告数量为294份。

图1呈现了A股市场决策疲劳和分析师盈余预测的图形特征。A部分展示了2006—2023年月平均分析师决策疲劳随着时序变化的程度。我们观察到几个显著的特征：首先，在2006—2023年，从决策疲劳的年均曲线可以看到分析师的工作量总体呈显著增加趋势，这可能与中国资本市场的迅速发展相关。然而，分析师工作量的持续增长并不一定代表分析师工作效率的有效提高，这值得警惕。其次，从决策疲劳的月均曲线可以看到决策疲劳的程度具有明显的季节性和周期性特点，在每年中有两次峰值，峰值明显高于其他月份，这与公司的年报、半年报发布的季节性相对应，因此这种季节性是合理的。在随后的回归分析中，我们将会控制年度固定效应和月份固定效应，以控制分析师决策疲劳的总体趋势和季节效应。

B部分展示了2006—2023年月平均分析师盈余预测误差随着时序的变化。除月均曲线显示预测误差具有与决策疲劳相似的季节性外，从年均曲线可以看到盈余预测误差从2016年之后呈逐年增加的趋势，尤其是在2022年和2023年在月平均线和年平均线均出现了高于历史最高值的峰值。这种现象对于资本市场的稳健运行不利，也引发了人们的担忧。

C部分展示了决策疲劳的直方图。由于主要解释变量采取了“稠密”排序，因此与表2一致，决策疲劳的取值范围为1—7。图1中可以看到有相当数量的7出现在直方图中，这表明在某些周中，一些分析师每天都会发布研究报告。

D部分展示了决策疲劳与平均分析师盈余预测误差的关联，可以发现明显的正向相关关系，即当决策疲劳增加时，平均分析师盈余预测误差显著增加。

四、实证结果分析

（一）决策疲劳与盈余预测误差之间的关系

为了探究卖方分析师的盈余预测误差与决策疲劳之间的关系（假设H1），本文构建了以下的模型：

AnalystErrori，j，t=α+β1DecisionRanki，j，t+∑kγkControlsk+FE+εi，j，t（8）

在模型（8）中，DecisionRanki，j，t为按“稠密”排序的分析师决策疲劳数值（Decision Rank Dense）。AnalystErrori，j，t指的是在第t周的时候，分析师i对j公司的盈余预测值与j公司真实EPS之差的绝对值；Decision Ranki，j，t指的是在第t周的时候，分析师i在发布对j公司的盈余预测时，该预测在分析师i发布预测中的顺序；Controls代表影响分析师盈余预测误差的控制变量，本回归中对分析师盈余误差的相关控制变量包括分析师对预测公司的跟踪时间（Firm Experience）、分析师年度预测量（Forecast Each Year）、上市公司被关注度（Attention）、分析师从业年限（Work of Year）、分析师努力程度（Effort）、分析师盈余预测修正（Forecast Revison）。我们添加了多种固定效应组合以显示结果的稳健性，这些固定效应包括上市公司、分析师、雇佣券商、年度、月份和季度等。

表3结果显示，卖方分析师盈利预测误差与决策疲劳存在显著正相关关系。首先，选取上市公司、分析师、年度、月份等作为固定效应的分组，由上市公司、分析师控制个体固定效应，由年度、月份分别控制长期、短期的时间固定效应。在未控制其他变量的情况下，卖方分析师盈利预测误差与决策疲劳的相关系数为2962，在1%的显著水平上显著。在加入预测公司的跟踪时间、分析师年度预测量、上市公司被关注度、分析师从业年限作为控制变量后，相关系数为3137，在1%的显著水平上仍然显著。进一步加入分析师努力程度、分析师预测修正值两个控制变量后，相关系数为2396，在5%的显著水平上保持显著。

其次，选取上市公司、分析师、年度、季度等作为固定效应的分组，由上市公司、分析师控制个体固定效应，由年度、季度分别控制长期、短期的时间固定效应。回归相关系数为4646，在1%的显著水平上保持显著。最终选取上市公司、雇佣券商、年度、季度等作为固定效应的分组，由上市公司、雇佣券商控制个体固定效应，由年度、季度分别控制长期、短期的时间固定效应。回归相关系数为4017，在1%的显著水平上保持显著。这一结果验证了在中国股市中卖方分析师盈利预测误差与决策疲劳关系的假设。换言之，在中国股市中，随着每周发布的预测数量增加，分析师的盈利预测准确性会下降。这一验证支持了假设H1。

为进一步验证假设H1的稳健性，我们分别采用“最小”排序和“最初”排序度量的分析师决策疲劳数值对模型（8）进行了重新估计，发现当改变决策疲劳的度量方式后，卖方分析师盈利预测误差与决策疲劳仍然表现出稳健的正相关关系限于篇幅，相关检验结果未作报告，如有需要可向作者索取。。这些结果显示，与在美国市场的发现类似［6］，在中国资本市场中分析师的决策疲劳会显著造成分析师盈余预测误差的增加。

（二）市场对决策疲劳与分析师预测的反应

通过对决策疲劳与盈余预测误差关系的实证发现，决策疲劳在客观上会导致一定的盈余预测偏差，在此基础上，本文进一步讨论市场对决策疲劳和盈余预测偏差的反应。首先，探究市场在发现盈余预测偏差时的反应（假设H2），本文构建以下的模型：

CARi，t，X=α+β1AnalystErrori，j，t+∑kγkControlsk+FE+εi，j，t（9）

需要注意的是，CARi，t，X度量的是分析师的研报发布后X天内个股相对于市场的超额收益。通常分析师会在盈余预测发布后一个季度内知晓其对应的真实EPS值，因此为了消除内生性，我们把时间窗口X分别设置为66个交易日（季度）、132个交易日（半年度）和264个交易日（年度），这些变量度量了股票在中长期的预期超额收益率。我们采用与估计等式（8）相同的固定效应。在等式（8）的基础上，增加了与个股收益相关的控制变量，其中包括CARi，t-X，X，即个股在上一个窗口的超额收益率（动量），以及Fama-French五因子，包括市场风险溢价因子（Risk Premium）、市值因子（SMB）、账面市值比因子（HML）、盈利能力因子（RMW）和投资模式因子（CMA）等。

由表4回归结果可以看到，季度、半年度还是年度的股票预期收益率分别与分析师的盈余误差呈负相关关系，且在1%的显著水平上保持显著。这个结果在加入了所有控制变量后依然稳健。值得注意的是，由于解释变量是分析师预测误差，因此这一回归结果与分析师的预测偏差（乐观、悲观）无关。这一结果显示与我们的猜测相一致，分析师的预测误差预示着个股在未来有不好的预期，分析师预测误差增大将导致个股的未来预期收益降低，假设H2得到验证。我们认为这种收益率的降低是来自信息不对称的风险，而中国资本市场投资者显然已经注意到了这类风险，因此个股价格作出了相应的反应。

分析师的决策疲劳是比盈余预测误差更容易观察到的变量，那么市场也应该更容易注意到分析师在疲劳状态下所发布的研报，这类研报可能包含不准确的信息，且加剧市场的信息不对称，因此决策疲劳应该预示着个股收益具有不好的预期（假设H3）。为验证这一假设，引入以下模型：

CARi，t，X=α+β1DecisionRanki，j，t+∑kγkControlsk+FE+εi，j，t（10）

采用和回归式（9）相同的固定效应与控制变量，其回归结果见表5。与模型（9）预期一致，在所有的回归结果中，分析师决策疲劳的增加都预示着股票在未来中长期预期收益的降低。在列（1）、（2）、（3）、（5）、（6）的回归结果中，这种负向的相关关系在1%的水平显著。在列（4）的回归中，这种负向的相关关系在10%的水平显著。这说明中国投资者能够关注到分析师决策疲劳所带来的信息不对称风险以及不确定性。

至此，我们已经发现了分析师决策疲劳导致盈余误差的增加，分析师盈余误差的增大会预示着个股收益率的降低，以及分析师决策疲劳也会直接预示着个股收益率的降低。这表明分析师决策疲劳、盈余误差以及个股预期收益率可能存在递进的相关关系，即盈余误差可能是决策疲劳和个股预期收益率的中介变量（假设H4）。因此通过如下模型对该中介效应进行验证：

CARi，t，X=α+β1Decision Ranki，j，t+β2Analyst Errori，j，t+∑kγkControlsk+FE+εi，j，t（11）

我们采用和回归式（9）相同的固定效应与控制变量，中介效应的回归结果见表6。从结果中可以看到，在表6列（1）—（6）的回归中盈余误差（Analyst Error）均与股票中长期预期收益呈负相关关系，且在1%的置信水平显著。在列（1）—（6）的回归中决策疲劳仍然与股票中长期预期收益呈负相关关系，除列（5）以外，其余回归中均至少在5%的置信水平显著。需要注意的是，对比表5与表6的结果，在表6列（1）—（6）的每一个回归中，回归式（11）中决策疲劳的系数绝对值与显著性绝对值均小于回归式（10）中的对应列。这表示当盈余误差加入到回归式（10）中，决策疲劳与股票预期收益的相关性会被稀释掉，即存在以盈余误差为中介变量的中介效应。但是由于表6列（1）—（6）中大部分决策疲劳的系数仍然显著，这种稀释作用仅为部分稀释，即分析师盈决策疲劳对股票预期收益的影响部分是通过盈余误差的中介效应实现的，假设H4得以验证。

为进一步提供对信息不对称的假设的支持，我们将盈余预测发布后未来短期内（22个交易日）的个股换手率（Turnover Rate）、股吧帖子总数量（Total Posts）、看涨帖子数量（Bullish Posts）以及看跌帖子数量（Bearish Posts）作为被解释变量，决策疲劳作为解释变量，验证在盈余预测发布市场的反应。换手率在中国市场可以反映投资者的意见分歧程度，并且换手率越大，投资者意见分歧程度越高［30］。因此换手率可以作为市场信息不对称的一种代理变量，即换手率越高，投资者意见分歧程度越高，表明信息越不对称。而股吧帖子数量可以反映投资者的关注程度，如果股吧存在有效信息，那么股吧帖子数量越多，股吧有效信息越多，个股信息不对称程度越低。从结果中可以看到，决策疲劳对接下来22个交易日内的换手率有显著为正的相关关系，在1%的水平显著。决策疲劳对接下来22个交易日中的股吧帖子总数量、看涨帖子数量、以及看跌帖子数量有显著为负的相关关系，分别在5%、10%、1%的水平显著限于篇幅，相关检验结果未作报告，如有需要可向作者索取。。这些结果表明当分析师决策疲劳高的盈余预测发布后，市场已经注意到盈余预测带来的不确定性，市场分歧变高，股吧信息变少，市场信息不对称加剧。这也给出了对假设H2、假设H3和假设H4的解释。

（三）可能的补救措施

从前文中发现，分析师决策疲劳会导致盈余误差的增大，而决策疲劳和盈余误差又会加剧市场信息的不对称，这种风险最后会反应在更低的股票收益上，成为资本市场不稳定的潜在原因。那么，当分析师发布不够准确的盈余预测的时候，是否存在补救的可能呢？换句话说，如果分析师及时地意识到盈余预测不够准确后及时修正，是否能够得到市场的注意并有效缓解由盈余误差造成的低超额收益呢？（假设H5）通过加入盈余误差与预测修正的交乘项，使用模型（12）来验证盈余预测修正对盈余误差和股票收益的相关关系带来的影响。

CARi，t，X=α+β2Analyst Errori，j，tForecast Revisoni，j，t+β1Decision Ranki，j，t+β2Analyst Errori，j，t+∑kγkControlsk+FE+εi，j，t（12）

在该模型中，仍然采用了和回归式（9）相同的控制变量和固定效应，也计算了包括控制变量和不包括控制变量两种情况的结果。从结果中得知，盈余预测误差的系数在所有回归中仍然显著为负，在1%的水平下显著。值得注意的是，盈余误差与预测修正的交乘项显著为正，均在1%的水平下显著。这表明预测修正会对预测误差对股票价格产生的负效应带来一定的补偿。且当盈余误差不变时，正向的盈余预测修正会显著地提高股票在未来的收益率，而负向的盈余预测修正会显著地降低股票在未来的收益率限于篇幅，相关检验结果未作报告，如有需要可向作者索取。。这些结果说明我国资本市场的投资者仍然密切关注分析师所发布的盈余预测修正，因此，当分析师意识到盈余预测不够准确后，及时发布修正能够有效缓解由信息不对称带来的股价收益降低。

五、结论及建议

本文基于2006—2023年A股市场卖方分析师个股研究报告中的盈余预测进行数据统计和分析，探讨分析师疲劳与预测质量之间的关系，得到如下结论：（1）分析师决策疲劳与盈余预测误差存在正向关系，即在一周的时间单位内，分析师对公司的盈余预测误差将随着预测数量的增加而增大。（2）进一步分析发现，分析师在决策疲劳严重时发布的预测与更大盈余预测误差均可导致未来更低的个股中长期收益，且盈余预测误差是决策疲劳与个股预期收益的部分中介变量。这种更低的股票收益主要是由于市场更剧烈的信息不对称造成的。（3）分析师在意识到盈余预测的偏差后及时地发布盈余预测修正可以缓解盈余预测误差带来的对股价的负向冲击。

从投资者的角度出发，本文研究结果发现分析师存在决策疲劳导致盈余预测误差的情况，因此，在参考卖方分析师发布的盈余预测报告时，投资者应该尽量选择在一周中较早的工作日发布的预测报告，并选择预测频率较低的分析师（一周内发布次数不超过2次）。通过这样的条件筛选，投资者参考的盈余预测结果可能更准确可靠。此外，由于分析师在发布盈余预测研报时的决策疲劳是个体行为，为了提高参考数据的可靠性和投资决策的安全性，投资者可以同时参考同一时间节点上所有卖方团队对特定个股的共识预测，即采用卖方一致性预期。在考虑到分析师预测误差的情况下，可以进一步在共识预期上添加修正系数，以提高投资决策的安全性和准确性。

从政策制定和监管的角度出发，需不断提高资本市场信息传递的效率和规范分析师从业人员的职业道德。首先，建议加强对分析师发布报告的动态监管。例如，在分析师对某公司连续2次以上的年度EPS预测相同时，可以要求系统备注、报备和预测记录留痕，并要求分析师在报告中进行相关的提示。这样的举措可能在一定程度上降低了由于分析师自我因循所导致的盈余预测误差。然而，需要注意的是，此举可能会增加分析师的工作量，可能引发一定的利益冲突问题，因此需要权衡利弊。其次，监管层可以加强对分析师的培训和教育，提高其意识和素质，使其更好地理解决策疲劳的影响，并掌握相应的应对策略，以提高研报质量和预测准确性。

在券商企业管理和分析师工作制定方面，本文的研究发现，分析师在一定的工作时间内如果面临过大的工作疲劳和工作强度，其信息发掘的效率会下降，从而影响市场信息的发现和有效定价，因此，建议对卖方分析师群体的工作分工进行优化，以提高其工作效率和质量。一种优化的方式是明确分工合作和团队作战的模式。目前，卖方分析师在上市公司信息收集、数据分析、投资逻辑分析、估值分析、汇报路演等工作分工上存在模糊和不足的情况。通过明确每个分析师的职责和任务，并加强团队之间的合作与协作，可以在保证工作量的基础上提高卖方分析师的盈余预测质量和工作质量。此外，券商企业可以考虑提供更好的工作支持和资源，例如增加分析师的研究助手、数据分析师和行业专家团队等，以帮助分析师更好地开展工作。同时，可以加强分析师的培训和专业知识更新，提高他们的分析能力和行业洞察力。

参考文献：

［1］ 蔡宁.信息优势、择时行为与大股东内幕交易［J］．金融研究，2012（5）：179-192.

［2］ 戴园晨.股市泡沫生成机理以及由大辩论引发的深层思考——兼论股市运行扭曲与庄股情结［J］．经济研究，2001（4）：41-50.

［3］ 赵涛，郑祖玄.信息不对称与机构操纵——中国股市机构与散户的博弈分析［J］．经济研究，2002（7）：41-48，91.

［4］ Brav A， Lehavy R. An Empirical Analysis of Analysts Target Prices： Short-term Informativeness and Long-term Dynamics ［J］． The Journal of Finance，2003，58（5）： 1933-67.

［5］ 洪剑峭，张晓斐，苏超. 上市公司业绩变动与分析师预测行为［J］． 投资研究，2013，32（8）： 113-128.

［6］ Hirshleifer D.，Levi Y.，Lourie B. Decision Fatigue and Heuristic Analyst forecasts［J］． Journal of Financial Economics，2019，133（1）： 83-98.

［7］ 杨青，吉赟，王亚男. 高铁能提升分析师盈余预测的准确度吗？——来自上市公司的证据［J］． 金融研究，2019，465（3）： 168-188.

［8］ Lang M. H.，Lundholm R. J. Corporate Disclosure Policy and Analyst Behavior［J］． Accounting Review，1996： 467-492.

［9］ Ke B，Yu Y. The Effect of Issuing Biased Earnings Forecasts on Analysts Access to Management and Survival［J］． Journal of Accounting Research，2006，44（5）： 965-999.

［10］Das S.，Levine C. B.，Sivaramakrishnan K. Earnings Predictability and Bias in Analysts Earnings Forecasts［J］． Accounting Review，1998： 277-294.

［11］罗棪心，麻志明，王亚平. 券商跟踪海外上市公司对国内分析师盈余预测准确性的影响［J］． 金融研究，2018（8）： 190-206.

［12］Jacob J，Lys T Z，Neale M A. Expertise in forecasting performance of security analysts［J］． Journal of Accounting and Economics，1999，28（1）： 51-82.

［13］廖明情，孙继欣，邓路.社会关系在分析师调研过程中的作用——基于利益冲突和信息优势的视角［J］．南开管理评论，2021，24（1）：148-158+192-193.

［14］Jorgensen B.，Li J.，Sadka，G. Earnings Dispersion and Aggregate Stock Returns［J］．Journal of Accounting and Economics，2012，53（1-2）： 1-20.

［15］林晚发，李国平，王海妹等.分析师预测与企业债券信用利差——基于2008-2012年中国企业债券数据［J］．会计研究，2013（8）：69-75+97.

［16］黄波，王满，于浩洋.分析师预测质量影响了债务融资成本吗？——来自我国上市公司的经验证据［J］．金融评论，2018，10（02）：56-72+124.

［17］冯戈坚，张晓倩，王建琼.分析师预测、投资机会与投资强度［J］．科学决策，2018（6）： 41-62.

［18］陈婧，于雪航，方军雄.分析师预测乐观偏差与企业创新投资——基于收入压力的视角［J］．财务研究，2021（4）：45-57.

［19］OBrien P. C. and Bhushan R. Analyst Following and Institutional Ownership［J］． Journal of Accounting Research，1990，28： 55-76.

［20］Altinkilic O. and Balashov V. S. Hansen R S. Are Analysts Forecasts Informative to the General Public？［J］． Management Science，2013，59（11）： 2550-2565.

［21］Clement M. B.，Analyst Forecast Accuracy： Do Ability，Resources，and Portfolio Complexity Matter？［J］． Journal of accounting and economics，1999，27（3）： 285-303.

［22］Lehavy R，Li F，Merkley K. The Effect of Annual Report Readability on Analyst Following and the Properties of Their Earnings Forecasts ［J］． The Accounting Review，2011，86（3）： 1087-115.

［23］Loughran T，McDonald B. Measuring Readability in Financial Disclosures ［J］． The Journal of Finance，2014，69（4）： 1643-71.

［24］Hilary G，Shen R. The role of analysts in Intra-industry Information Transfer ［J］． The Accounting Review，2013，88（4）： 1265-87.

［25］Groysberg B，Healy P M. Wall Street Research： Past，Present，and Future［M］．Stanford University Press，2020.

［26］Brennan，M. J.，& Hughes，P. J. Stock Prices and the Supply of Information ［J］． The Journal of Finance，1991，46（5）： 1665-1691.

［27］Hodge F. D.，Investors Perceptions of Earnings Quality，Auditor Independence，and the Usefulness of Audited Financial Information［J］． Accounting Horizons，2003，17： 37.

［28］Bonner S E，Walther B R，Young S M. Sophistication-related Differences in Investors Models of the Relative Accuracy of Analysts Forecast Revisions ［J］． The Accounting Review，2003，78（3）： 679-706.

［29］Gleason C. A.，Lee C. M. C. Analyst forecast revisions and market price discovery［J］． The Accounting Review，2003，78（1）： 193-225.

［30］张峥，刘力.换手率与股票收益：流动性溢价还是投机性泡沫？［J］．经济学（季刊），2006（2）： 871-892.

Analysts Fatigue，Forecasting Quality and Stock Returns

——The Evidence from China

HUA Xia1， FAN Li1， YIN Xiang2

（1. School of Finance，Southwestern University of Finance and Economics，Chengdu 611130，

China; 2.School of Finance，Sichuan University，Chengdu 610064，China）

Abstract：The decision fatigue of analysts and its impact on the decline in forecast quality is an issue worthy of attention in the industry. This study examines the relationship between analyst fatigue and forecast quality in the Chinese A-share market. Through statistical analysis of earnings forecasts in sell-side analyst reports from 2006 to 2023 in the A-share market， the study found that analyst decision fatigue is positively related to earnings forecast errors. This means that as the number of forecasts issued by analysts increases within a week， their errors in forecasting company earnings also increase. Forecasts released by analysts with severe decision fatigue predict lower long-term returns for individual stocks， with earnings forecast errors acting as partial intermediary variables in this relationship. The lower stock returns caused by decision fatigue are related to market information asymmetry.

Key words：analyst forecast;earnings forecast error;decision-making fatigue; stock market

（责任编辑：赵春江）