证券分析师盈利预测与市场预期盈利实证研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇证券分析师盈利预测与市场预期盈利实证研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：本文旨在探讨证券分析师的盈利预测和时间序列模型的盈利预测孰为较优的市场预期盈利的替代变量。本文经研究分析发现，作为市场预期盈利的替代变量，我国证券分析师的盈利预测只在接近年报公布日的“提前一个季度”的预测区间内优于时间序列模型的盈利预测。本文的研究有助于研究人员或资本市场中的投资者获取更为合理的市场预期盈利及其替代变量。

关键词：证券分析师；时间序列模型；市场预期盈利

中图分类号：F830

一、引言

关于证券分析师盈利预测研究中的一个基本问题是，相比于一元时间序列模型的盈利预测，证券分析师的盈利预测是否是更为合理的市场预期盈利的替代变量。这类研究既有助于证券估价与投资决策，又可以获得“更准确”的市场预期盈利，以及解释管理当局的会计政策选择，因此具有非常重大的意义（Watts and Zimmerman，1986；Kothari，2001）。目前，国内许多研究仍然采用传统的随机游走模型所获取的年度盈利预测作为市场预期盈利的替代变量。然而，对于证券分析师盈利预测的相关研究，则较少有人问津。有鉴于此，笔者利用Wind数据库提供的我国证券分析师的盈利预测，区分不同的预测区间，首先形成证券分析师盈利预测的均值、中位数和最新值；然后，在随机游走模型的基础上，利用上市公司季度盈利数据形成季度盈利模型；最后，分析相比于一元时间序列模型的盈利预测，我国证券分析师的盈利预测是否可以成为更合理的市场预期盈利的替代变量。

二、研究背景

Brown and Rozeff （1978）和Brown et al. （1987）指出：基于一定的成本条件，在理性预期的前提之下，市场预期盈利可以通过可获得的最准确的盈利预测来度量。换言之，因为证券分析师的盈利预测较之时间序列模型的盈利预测更加准确，所以作为市场预期盈利的替代变量，证券分析师的盈利预测比时间序列模型的盈利预测更为合理。这是因为当投资者进行投资决策的时候，运用越准确的盈利预测就会取得越准确的企业价值以及相应的证券价值，从而让投资者作出相对低风险或高报酬的投资决策。因此，只要投资者可以通过较低成本或者无成本地获得更为准确的证券分析师的盈利预测，他们没有理由再依赖于时间序列模型的盈利预测。此时，全部投资者的盈利预测即市场预期盈利自然应当由证券分析师的盈利预测加以替代更加合适。

但是，实证研究结果并没有形成一致的结论。例如，Fried and Givoly （1982），Brown et al. （1987），吴东辉和薛祖云（2005）均证实了相比于一元时间序列模型的盈利预测，证券分析师的盈利预测是更合适的市场预期盈利的替代变量。但是，O’Brien （1988）没有得出同样的结论。有鉴于此，本文运用Wind数据库提供的证券分析师盈利预测，进一步分析我国证券分析师的盈利预测与一元时间序列模型的盈利预测孰为较好的市场预期盈利的替代变量。

三、研究设计

本部分从四方面进行分析。

（一）一元时间序列模型的盈利预测

目前，国内很多研究采用随机游走模型，并根据历史年度盈利数据来预测企业未来的年度盈利。然而，预测年度盈利最有效的办法应当是运用季度盈利模型来预测未来年度中各季度的盈利，然后将其加总（Watts and Zimmerman，1986；Kothari，2001）。因此，除了随机游走模型，本文还运用了季度盈利模型鞅模型（Seasonal Martingale model），因为本人经研究分析发现这一模型优于随机游走模型（徐跃，2007）。通过运用这一模型，首先预测季度盈利，然后按照相应的预测区间分别形成年度盈利预测。年度盈利预测是已经公布的实际季度盈利与未来季度预测盈利之和。在本文中，预测区间分别为“提前四个季度”，即2004年年报公布后，2005年第一季度季报公布前；“提前三个季度”，即2005年第一季度季报公布后，2005年中报公布前；“提前二个季度”，即2005年中报公布后，2005年第三季度季报公布前；“提前一个季度”，即2005年第三季度季报公布后，2005年年报公布前。上市公司2003―2005年的年度每股收益和季节每股收益均来自Wind数据库。相应模型如下：

下标t表示时间（年），Xt表示实际盈利，F（Xt）表示预测盈利。

（二）证券分析师的盈利预测

Wind数据库收集了35家证券研究机构提供的A股上市公司2005年每股收益预测数据。由于这些证券公司对同一家上市公司在不同时间陆续了预测值并不断予以修正，所以任何一家上市公司都存在多家证券机构的预测。根据这一特点，笔者取得三种分析师预测值，即均值、中位数和最新值（O’Brien，1988）。具体而言，首先，根据四个预测区间确定四个期间，分别是2005年第三季度季报公布日①与2005 年年报公布日之前十个交易日②之间，对应于“提前一个季度”；2005年中报公布日与2005年第三季度季报公布日之前十个交易日之间，对应于“提前二个季度”；2005年第一季度季报公布日与2005年中报公布日之前十个交易日之间，对应于“提前三个季度”；2004年年报公布日与2005年第一季度季报公布日之前十个交易日之间，对应于“提前四个季度”。然后分别取得各个期间内各个预测机构（或分析师）作出的最新的预测值和相应的预测日期，随后计算出均值和中位数，最后在这些预测值之中取得最新预测日期的预测值作为盈利预测最新值，若此数值不止一个则取它们的均值作为盈利预测最新值。

（三）检验方法

Beaver et al. （1979）证实了市场的未预期盈利即预测误差与股票异常回报之间会呈现出密切的正相关关系。因此，作为市场预期盈利的替代变量所产生的预测误差也必须与股票异常回报之间呈现出正相关关系。据此，Brown et al. （1987）提出，如果存在多个市场预期盈利的替代变量，那么研究人员可以比较由不同市场预期盈利替代变量所产生的预测误差与股票异常回报的相关性，哪个正相关性最强，它就是最优替代变量。

为运用这一检验方法，本文采用以下两种检验模型：

其中i代表公司，j代表预测模型或方法，k代表预测区间，t代表年度。Xit代表i公司t年度实际盈利，|Xit|代表i公司t年度实际盈利的绝对值。Fijkt代表运用j模型或方法对i公司t年度盈利提前K个季度的预测，Eijkt代表j模型或方法下i公司t年度盈利提前K个季度的预测值的预测误差。鉴于这一指标比较容易产生极端值，笔者剔除了预测误差超过三倍标准差（均值）的样本公司。

（四）研究样本

根据上述方法得到股票异常回报率和预测误差之后，本文采用以下规则形成研究样本：（1）在同一预测区间内，每一家公司必须同时存在5种预测方法所形成的预测值；（2）未发生送股、转股和红股等总股本变动的事项④。通过运用以上规则，从“提前四个季度”至“提前一个季度”的四个预测区间内，研究样本分别为113家、588家、302家和430家公司。

四、实证结果

表1反映了分别在四个预测区间内，单变量模型的回归结果。总的来说，所有β1系数都显著大于0。就时间序列模型而言，SM的系数大于或不小于RW的系数；就证券分析师而言，除了“提前一个季度”的预测区间，最新值的系数大于或不小于均值与中位数的系数；证券分析师与时间序列模型相比较而言，在 “提前一个季度”和“提前二个季度”的预测区间内，分析师的预测优于时间序列模型的预测，但在较远的预测期间内，结果则相反。

表2反映了分别在四个预测区间内，双变量模型回归系数之差的T检验结果。总的来说，只有在“提前一个季度”的预测区间内，大部分结果显著异于0。在此预测区间内，就时间序列模型而言，SM的系数与RW的系数无显著差异；就证券分析师与时间序列模型的比较而言，均值、中位数和最新值的系数均显著大于RW和SM的系数。除此之外的其他预测区间内，各方法之间均无显著差异。

综上所述，作为市场预期盈利的替代变量，在接近年报公布日的“提前一个季度”的预测区间内，分析师的预测优于时间序列模型的预测。这一结论在一定程度上揭示了证券分析师的盈利预测可能是比一元时间序列模型的盈利预测更为优越的市场预期盈利替代变量。

五、结论与启示

作为市场预期盈利的替代变量，在接近年报公布日的“提前一个季度”的预测区间内，证券分析师的预测优于时间序列模型的预测。这一结论在一定程度上体现了分析师盈利预测的潜在优势。值得注意的是，这也表明尽管我国证券分析师的盈利预测比时间序列模型的盈利预测更加准确（徐跃，2007），但是分析师预测的准确性优势并未完全转化为其成为更加优越的市场预期盈利的替代变量。

之所以存在这一现象，主要是因为一些特定因素干扰了证券分析师预测的潜在优势。首先，投资者必须事先就知道并且相信分析师的盈利预测比时间序列模型的盈利预测更为准确；如果不是这样，投资者可能更依赖于时间序列模型的盈利预测，尤其是在分析师的声誉受到普遍置疑的时候（Brown et al.，1987）。由于我国证券分析师的生存环境比较恶劣，特别是他们面临严重的利益冲突且相关的约束机制较为薄弱，所以分析师的声誉较差（徐跃，2007）。因此，即使分析师的预测比时间序列模型的预测更准确，投资者可能也不相信。其次，因为分析师预测的取得成本要高于时间序列模型预测的取得成本，所以分析师预测相比于时间序列模型预测的准确性优势必须大到足以抵消其相对较高的成本才可能给使用它的投资者带来收益。但如果情况并非如此，投资可能更依赖于时间序列模型的预测，尤其是在采用一元时间序列模型的盈利预测更符合成本效益原则的时候。最后，我国证券市场的投机气氛相对浓重，短期行为盛行，投资者常常并不关心分析上市公司内在价值的基本面分析，而是更看重技术面分析；换言之，即使他们事先知道并相信分析师预测比时间序列模型预测更准确，以及采用分析师预测更符合成本效益原则，投资者也可能不采用分析师的盈利预测，因为他们的投资决策并不依赖于高质量的盈利预测。

一言以蔽之，关于证券分析师的盈利预测和一元时间序列模型的盈利预测孰为更优的市场预期盈利的替代变量这一问题目前尚未形成一致的研究结论。本文的研究结果为证券分析师盈利预测的优越性提供了进一步的证据，因而有助于研究人员和资本市场中的投资者获取更加优越的市场预期盈利及其替代变量。

注释：

①这样做可以避免过时的预测值影响分析师预测的准确性（O’Brien，1988）。

②之所以选择截止于财务报告日之前“十个交易日”，是为了避免财务信息提前泄露造成的影响。

③这一天尽可能地接近所有样本公司中报公布日，与此同时，在这一天大部分样本公司已经了中报并且大部分样本公司未第三季度季报。其余三个预测日的确定原则与此类似。

④如果上市公司发生送股、转股和红股等变动总股本的事项，那么这会导致总股本变动前后的分析师对每股收益的预测和历年实际的年度及季度每股收益数据不可比。因此，笔者根据研究惯例，剔除了发生这些事项的公司。

参考文献：

[1]吴东辉，薛祖云. 对中国A股市场上财务分析师盈利预测的实证分析[J]. 中国会计与财务研究，2005（1）：1-27.

[2]徐跃. 关于我国证券分析师盈利预测的实证研究―预测准确性与作为市场预期盈利的替代变量[M]. 厦门：厦门大学，2007.

[3]Beaver， W.， Clarke， R.， Wright， W. 1979. The association between unsystematic security returns and the magnitude of earnings forecast errors [J].Journal of Accounting Research 17： 316-340.

[4]Brown， L.， Hagerman， R.， Griffin， P.， Zmijewski， M. 1987. An evaluation of alternative proxies for the market’s assessment of unexpected earnings [J]. Journal of Accounting and Economics 9： 159-193.

[5]Brown， L.， Richardson， G..， Schwager， S. 1987. An information interpretation of financial analyst superiority in forecasting earnings [J]. Journal of Accounting Research 25： 49-67.

[6]Brown， L.， Rozeff， M. 1978. The superiority of analyst forecasts as measures of expectations： Evidence from earnings [J]. Journal of Finance 33： 1-16.

[7]Fried， D.， Givoly， D. 1982. Financial analysts' forecasts of earnings： A better surrogate for market expectations [J]. Journal of Accounting and Economics 4： 85-107.

[8]Kothari， S. 2001. Capital market research in accounting [J]. Journal of Accounting and Economics 31： 105-231

[9]O'Brien， P. 1988. Analysts’ forecasts as earnings expectations [J]. Journal of Accounting and Economics 10： 53-83.

[10]Watts， R.， Zimmerman， J. 1986. Positive Accounting Theory [M]. Prentice-Hall， Englewood Cliffs， NJ.