陳 輝 汪前元

（1．廣東金融學(xué)院 中國金融轉(zhuǎn)型與發(fā)展研究中心，廣東 廣州510521；2．廣東金融學(xué)院 華南金融研究所，廣東 廣州510521）

一、引言

經(jīng)過近二十年的發(fā)展，我國的證券分析師市場已經(jīng)出現(xiàn)了兩個重要的轉(zhuǎn)變：一是逐步由以往的以買方分析師為主轉(zhuǎn)變?yōu)楫?dāng)前的以賣方分析師為主；二是逐步由以往的混亂無序轉(zhuǎn)變?yōu)楫?dāng)前的漸趨規(guī)范。與之相伴隨的是對分析師到底起著何種作用的爭論。通常認(rèn)為，分析師是重要的信息中介，能夠通過搜集、評估、傳遞公共信息和私有信息以達(dá)到降低市場參與者之間的信息不對稱程度和提高股票流動性的目的。然而，從信息的角度出發(fā)，證券分析師的作用可以劃分為三類，即信息傳遞、逆向選擇與信息效率。當(dāng)分析師公平地向客戶披露信息時，知情交易者和非知情交易者之間的信息不對稱問題會減輕，從而降低了信息不對稱程度［1］［2］。但是，分析師對信息的獲取也可能更有利于知情交易者，從而引發(fā)更加嚴(yán)重的逆向選擇［3］。與此同時，由于分析師的參與，私有信息可能更加迅速地反映在股票價格之中，降低了資產(chǎn)價值的不確定性，從而提高了股票流動性［4］。在我國，這一問題還變得異常復(fù)雜，由于我國分析師的預(yù)測能力不強(qiáng)［5］，獨(dú)立性較弱，且存在由此而導(dǎo)致的分析師樂觀性問題［6］，這使得我國的情況和西方可能存在巨大的差異，對這一問題進(jìn)行詳細(xì)的考察就顯得尤為必要。

本文使用中國上市公司的數(shù)據(jù)，基于高頻數(shù)據(jù)構(gòu)造價差指標(biāo)以衡量股票流動性，采用價差分解方法構(gòu)造逆向選擇指標(biāo)以衡量信息不對稱，對證券分析師與股票流動性和信息不對稱之間的關(guān)系進(jìn)行實證考察，具有以下幾個方面的重要意義：（1）眾多研究都以分析師能夠降低信息不對稱、提高股票流動性為其邏輯前提［7］，但這一論斷尚未得到足夠的經(jīng)驗支持，本文的研究正是對這一方面文獻(xiàn)的重要補(bǔ)充；（2）以往的研究在考察證券分析師和股票流動性之間的關(guān)系時，并未從本文所劃分的三個維度出發(fā)來討論這一問題［8］［9］［10］，本研究將有利于澄清證券分析師是通過何種渠道影響股票流動性的爭論；（3）本文所探討的股票流動性是市場微觀結(jié)構(gòu)的重要議題。已有研究表明，提高股票流動性能夠降低權(quán)益資本成本，提高經(jīng)營績效，進(jìn)而提升公司價值［11］，而分析師跟蹤在提升股票流動性方面能夠發(fā)揮重要的作用，因此探討這一問題有利于深入理解證券分析師的作用；（4）由于我國是典型的指令驅(qū)動型市場，不能通過吸引做市商的方式，而只能通過提高信息披露質(zhì)量或吸引分析師的方式來提高股票流動性，而信息披露質(zhì)量和分析師跟蹤之間存在著某種因果關(guān)系［12］，因此，探討分析師跟蹤和股票流動性之間的關(guān)系具有重要的意義。

二、文獻(xiàn)回顧與假設(shè)提出

（一）文獻(xiàn)回顧

作為重要的信息中介，在西方，證券分析師方面的問題已受到人們的廣泛關(guān)注。Brennan和Subrahmanyam的研究結(jié)果表明，分析師跟蹤降低了逆向選擇成本，提高了股票流動性。他們認(rèn)為，導(dǎo)致這一結(jié)果的原因是，分析師之間的競爭使得信息更快地反映在股票價格之中［8］。與他們得到的結(jié)論相反，Chung等人的研究結(jié)果表明，分析師跟蹤人數(shù)越多，使用買賣價差衡量的信息不對稱程度越高。他們認(rèn)為，導(dǎo)致這一結(jié)果的原因是，做市商通過分析師跟蹤的人數(shù)來推斷信息不對稱程度的高低，并依此設(shè)定買賣價差［9］。因此，在該文中，分析師跟蹤和信息不對稱之間并不存在邏輯上的因果關(guān)系。此外，在該文中，作者并沒有使用價差分解的方法來衡量信息不對稱程度。與前兩篇文獻(xiàn)的研究思路不同，Yohn考察了盈余公告日前后分析師跟蹤和報價價差之間的關(guān)系，其研究表明，隨著分析師跟蹤人數(shù)的上升，盈余公告日附近的平均買賣價差下降了，且他們認(rèn)為，這是由于分析師提供了與公司有關(guān)的信息的結(jié)果［13］。Roulstone的研究結(jié)果表明，分析師跟蹤人數(shù)（預(yù)測離散程度）和股票流動性正相關(guān)（負(fù)相關(guān)），與逆向選擇成本負(fù)相關(guān)（正相關(guān)），但他認(rèn)為，導(dǎo)致這一結(jié)果的原因是分析師提供了更多的公共信息，而非相互競爭的結(jié)果［10］。

從上面的綜述中可以看出，上述文獻(xiàn)或者僅關(guān)注了分析師跟蹤所導(dǎo)致的信息效率效應(yīng)［8］，或者僅關(guān)注了分析師跟蹤所導(dǎo)致的信息傳遞效應(yīng)［10］，并沒有文獻(xiàn)同時對分析師跟蹤的三種效應(yīng)進(jìn)行研究，同時對這三種效應(yīng)進(jìn)行實證考察是本文的特色之一。此外，從研究設(shè)計的角度來看，上述文獻(xiàn)還存在以下幾個方面的問題：（1）除Chung等人使用了5年的數(shù)據(jù)之外［9］，其他研究的樣本量均較小，難以真實而穩(wěn)定地刻畫分析師跟蹤和股票流動性之間的關(guān)系；而且僅包含一年的數(shù)據(jù)或僅使用OLS回歸，無法控制那些不可觀測的公司固定效應(yīng)的影響，這可能是導(dǎo)致上述研究結(jié)論不一致的重要原因，因而有必要使用固定效應(yīng)回歸分析方法以減輕這一影響；（2）上述文獻(xiàn)在使用聯(lián)立方程模型時，外生變量明顯不符合外生性要求，和許多現(xiàn)有的會計學(xué)或財務(wù)學(xué)文獻(xiàn)一樣都面臨著工具變量選擇不合理的問題［14］。當(dāng)然，不可否認(rèn)，在考察分析師與股票流動性和信息不對稱之間的關(guān)系時，內(nèi)生性問題是一個難以克服的難題。

（二）假設(shè)提出

許多研究將分析師跟蹤看成是信息不對稱程度的代理變量［7］，事實上，分析師跟蹤和信息不對稱之間的關(guān)系依賴于分析師是如何向市場參與者提供信息的，也就是說，分析師跟蹤是更多地增加了公共信息，還是更多地增加了私有信息［10］。如果分析師挖掘的私有信息快速地在大部分的市場參與者間擴(kuò)散，即增加了公共信息，那么市場的信息環(huán)境將得到改善，投資者之間的信息不對稱問題將得到緩解，此時，分析師跟蹤導(dǎo)致的是信息傳遞效應(yīng)；反之，投資者之間的信息不對稱問題將惡化，此時，分析師跟蹤導(dǎo)致的是逆向選擇效應(yīng)。從西方的實證研究結(jié)論來看，占支配地位的是信息傳遞效應(yīng)［10］。此外，F(xiàn)rancis等的研究表明，分析師更多地向市場而非向特定的知情交易者提供私有信息［15］。Easley等的研究發(fā)現(xiàn)，分析師同時提供了公共信息和私有信息，但其提供的公共信息要比私有信息多，因此，總體而言，分析師跟蹤能夠降低知情交易概率［16］。

一個很自然的問題就是，上述結(jié)論在我國是否也成立？實際上，證券分析師是重要的利益主體，分析師的信息披露行為會受到其目標(biāo)函數(shù)和約束條件的限制。在均衡的情況下，分析師信息搜集的需求與其生產(chǎn)的信息的潛在經(jīng)濟(jì)價值正相關(guān)。通常而言，賣方分析師隸屬于某一證券公司，分析師有義務(wù)公平地向其客戶提供其分析結(jié)論。但很顯然，一旦分析師識別出了有價值的信息，他們最有可能將其優(yōu)先提供給公司或公司的優(yōu)質(zhì)客戶，因為這將使其獲得更高的收益［9］。例如，證券公司可能將其分析結(jié)論優(yōu)先提供給基金公司以獲取更高的分倉收入等。一般來講，證券公司的經(jīng)紀(jì)業(yè)務(wù)和自營業(yè)務(wù)之間應(yīng)當(dāng)設(shè)置防火墻，以避免證券公司謀私。同樣的，分析師也應(yīng)當(dāng)公平地向其客戶披露其研究報告。但很顯然，面對投行業(yè)務(wù)、經(jīng)紀(jì)業(yè)務(wù)和自營業(yè)務(wù)的利益誘惑，加上國內(nèi)相關(guān)的法律法規(guī)不健全、法律執(zhí)行度較差，分析師很難保持其獨(dú)立性［6］。分析師跟蹤帶來的不再是信息不對稱程度的降低，反而是信息不對稱程度的提高。因此，我們提出本文的第一個假設(shè)：

假設(shè)1：分析師跟蹤人數(shù)越多，信息不對稱程度越高。

那么，分析師跟蹤和股票流動性之間的關(guān)系又是如何呢？通常認(rèn)為，信息不對稱程度越高，股票流動性越低［1］［2］，因此，分析師跟蹤和股票流動性之間應(yīng)當(dāng)呈現(xiàn)負(fù)相關(guān)關(guān)系。然而，分析師跟蹤除了可能帶來信息傳遞效應(yīng)和逆向選擇效應(yīng)之外，還可能帶來信息效率效應(yīng)，即由于分析師之間的競爭，可能使得信息更快地反映在股票價格之中，從而降低了資產(chǎn)價值的不確定性，最終提高了股票流動性［17］。進(jìn)一步講，也就是當(dāng)多個分析師跟蹤同一家公司的股票時，知情交易者人數(shù)將增加，這些采取策略性交易行為的知情交易者之間的競爭將使得新信息更快地反映在股票價格之中，從而降低了非知情交易者面臨的不確定性，進(jìn)而提高了股票流動性［4］［18］。由此可見，分析師跟蹤和股票流動性之間的關(guān)系將會受到三種力量的影響，而在假設(shè)1成立的情況下，將會受到兩種力量的影響。當(dāng)逆向選擇效應(yīng)占支配地位時，分析師跟蹤和股票流動性之間呈負(fù)相關(guān)關(guān)系，而當(dāng)信息效率效應(yīng)占支配地位時，分析師跟蹤和股票流動性之間呈正相關(guān)關(guān)系。因此，我們提出如下的競爭性假設(shè)：

假設(shè)2a：分析師跟蹤人數(shù)越多，股票流動性越高；

假設(shè)2b：分析師跟蹤人數(shù)越多，股票流動性越低。

三、研究設(shè)計

（一）樣本選擇

本文以2002～2009年間在滬深兩市中僅發(fā)行了A股的上市公司為研究對象，這樣選擇是為了確保單一市場的流動性指標(biāo)可以準(zhǔn)確反映公司股票的流動性全貌。本文還對數(shù)據(jù)進(jìn)行了如下處理：（1）剔除了金融、保險業(yè)的數(shù)據(jù)；（2）剔除了公司股票在財政年度內(nèi)有效交易天數(shù)不足30天的數(shù)據(jù)；（3）在構(gòu)建高頻交易數(shù)據(jù)指標(biāo)時，剔除了非交易時間的數(shù)據(jù)；（4）剔除了存在極端值的數(shù)據(jù)；（5）剔除了存在缺失值的數(shù)據(jù)。最終，本文得到的樣本數(shù)為10 482個。此外，本文使用的數(shù)據(jù)庫包括色洛芬數(shù)據(jù)庫、國泰安數(shù)據(jù)庫和WIND數(shù)據(jù)庫。本文所有的數(shù)據(jù)處理和分析均使用STATA11．0完成。

（二）股票流動性（LIQ）的測度

借鑒陳輝等的研究成果［11］，本文使用由高頻數(shù)據(jù)構(gòu)造的先日內(nèi)平均后年度平均的相對有效價差（AESP）和相對報價價差（AQSP）衡量股票流動性，且價差越小，股票流動性水平越高。方程（1）和（2）給出了相應(yīng)的計算過程。

其中，Price為每筆交易的真實交易價格，Ask和Bid分別為單筆交易所對應(yīng)的最優(yōu)賣價和最優(yōu)買價，D和d分別為單只股票交易量不為零的天數(shù)和其中的某一天，TR和tr分別為單只股票在某天的交易筆數(shù)和其中的某一筆交易。在實證檢驗的過程中，我們還對價差數(shù)據(jù)進(jìn)行了自然對數(shù)化處理以確保數(shù)據(jù)的正態(tài)性，且分別標(biāo)示為LNAESP和LNAQSP。

（三）信息不對稱（IA）的測度

本文使用如下兩種方法測度信息不對稱程度：一是Lin等使用的價差分解方法［19］，即通過按年度回歸的方法得到每只股票每年的信息不對稱程度的估計值（也稱逆向選擇成分），即式（3）中的λ，估計結(jié)果記為LSB。

在式（3）中，Qt為最優(yōu)買價和最優(yōu)賣價的均值的自然對數(shù)，zt為實際成交價格Pt的自然對數(shù)與Qt之差，即zt＝ln（Pt）－ Qt，et＋1為隨機(jī)擾動項。

二是Glosten和Harris使用的價差分解方法［20］，具體測度方法如下：

在式（4）中，Pt的定義同上；Dt為交易方向，當(dāng)交易由買方發(fā)起時，Dt＝1，當(dāng)交易由賣方發(fā)起時，Dt＝－1；Vt為指令規(guī)模；et為隨機(jī)擾動項。使用每只股票每年的交易數(shù)據(jù)進(jìn)行回歸，我們可以得到每只股票每年的z0和z1的估計值，z0＋z1V＊即為每只股票每年的信息不對稱程度的估計值，其中V＊為指令規(guī)模的中位數(shù)，估計結(jié)果記為GH。借鑒了Lee和Ready的方法［21］，我們可以通過比較當(dāng)前的交易價格和前一買賣報價的中位數(shù)來確定交易方向，若前者大于后者，則認(rèn)為交易由買方發(fā)起；反之，則認(rèn)為交易由賣方發(fā)起。若不能判斷，則將買賣報價向前追溯一筆，直至可以判斷為止。同樣的，我們也對信息不對稱程度數(shù)據(jù)進(jìn)行了自然對數(shù)化處理，且分別標(biāo)示為LNLSB和LNGH。

（四）回歸模型與變量定義

本文分別使用式（5）和式（6）來檢驗假設(shè)1和假設(shè)2，具體如下：

在式（5）和式（6）中，ANALYST為本文的自變量，即分析師跟蹤人數(shù)，用對一個公司進(jìn)行跟蹤的券商數(shù)衡量，同時用對一個公司進(jìn)行跟蹤的分析師人數(shù)進(jìn)行穩(wěn)健性檢驗；CONTROL為控制變量。a0、b0為常數(shù)項；a1～a13、b1～b13為回歸方程的系數(shù)；αi為公司個體效應(yīng)；εit為殘差項。參考Brennan和Subrahmanyam、Chung等和 Roulstone的研究［8］［9］［10］，并結(jié)合我國證券市場的實際情況，本文選擇了如表1所示的控制變量。各變量的定義與描述詳見表1。

四、實證結(jié)果與分析

（一）描述性統(tǒng)計分析

表2給出了主要變量的描述性統(tǒng)計結(jié)果。從表2可以看出，由于我國的高頻交易數(shù)據(jù)中存在較多的成交價格落在最優(yōu)買賣報價之外的情況［11］，這使得相對有效價差的自然對數(shù)LNAESP的均值（－6．023 0）要大于相對報價價差的自然對數(shù)LNAQSP的均值（－6．054 6）。逆向選擇成分LNLSB的均值（－1．858 5）大于逆向選擇成分LNGH 的均值（－6．091 9），這與Lin等的逆向選擇指標(biāo)為占半有效價差的比例而Grosten和Harris的逆向選擇指標(biāo)為絕對金額的事實相吻合。ANALYST1的均值為3．036 3，這意味著平均每家公司有三家券商跟蹤，標(biāo)準(zhǔn)差為5．553 5，意味著分析師跟蹤券商數(shù)的變異較大。ANALYST2的數(shù)值則相對大一些，這意味著平均而言，一家券商中有超過一個以上的分析師跟蹤同一家公司。另外，Pearson相關(guān)分析的結(jié)果表明，各主要變量之間的相關(guān)關(guān)系基本符合理論預(yù)期。

表1變量定義與變量描述

表2 主要變量的描述性統(tǒng)計結(jié)果

（二）分析師跟蹤與信息不對稱之間的回歸結(jié)果分析

表3中的回歸（1）和回歸（2）分別給出了使用逆向選擇成分LNLSB和LNGH測度信息不對稱程度的回歸結(jié)果。Hausman檢驗、LM檢驗和個體效應(yīng)為0的F檢驗的結(jié)果表明，我們應(yīng)當(dāng)選擇固定效應(yīng)回歸模型。下面的實證分析經(jīng)檢驗也均是采用該回歸模型。

從回歸（1）可以看出，ANALYST1的回歸系數(shù)在1%的顯著性水平上為正，支持了假設(shè)1，這表明，分析師可能選擇性地披露其掌握的信息，優(yōu)先將有價值的信息提供給所在公司或公司的優(yōu)質(zhì)客戶，從而加劇了知情交易者和非知情交易者之間的信息不對稱程度，即發(fā)揮了逆向選擇效應(yīng)而非信息傳遞效應(yīng)。在這一點(diǎn)上，回歸（2）與回歸（1）的結(jié)論基本一致。但是，從表3中可以看出，在控制變量上，回歸（1）和回歸（2）的系數(shù)的方向存在較大的差異，這一結(jié)論和Van Ness等的推斷基本一致［22］。Van Ness等考察了五種常用的逆向選擇指標(biāo)在測度信息不對稱程度上的表現(xiàn)，結(jié)果表明，財務(wù)變量對這五種逆向選擇指標(biāo)進(jìn)行回歸的系數(shù)并未保持方向上的一致性［22］，這也是本文同時使用LNLSB和LNGH測度信息不對稱的原因。

（三）分析師跟蹤與股票流動性之間的回歸結(jié)果分析

上述結(jié)果表明，分析師跟蹤導(dǎo)致了逆向選擇成分的上升，即分析師跟蹤導(dǎo)致了逆向選擇效應(yīng)，但已有的理論研究表明，分析師跟蹤還可能導(dǎo)致信息效率效應(yīng)，即使得信息更快地反映在股票價格之中，從而降低了資產(chǎn)價值的不確定性，最終提高了股票流動性［4］［18］。顯然，分析師跟蹤對股票流動性的最終影響還依賴于這兩種效應(yīng)的相對大小。表3的回歸（3）和回歸（4）分別給出了使用相對有效價差LNAESP和相對報價價差LNAQSP測度股票流動性的回歸結(jié)果。

表3 分析師跟蹤對信息不對稱和股票流動性的影響的回歸結(jié)果

從回歸（3）可以看出，分析師跟蹤人數(shù)ANALYST1的回歸系數(shù)在1%的顯著性水平上為負(fù)，從而支持了假設(shè)2a。這表明，盡管分析師跟蹤導(dǎo)致了逆向選擇效應(yīng)，但是由于信息效率效應(yīng)的存在，且勝過逆向選擇效應(yīng)，從而導(dǎo)致了分析師跟蹤在總體上提高了股票流動性?；貧w（4）的結(jié)論與回歸（3）基本一致。控制變量的回歸系數(shù)的方向也基本符合理論預(yù)期。

（四）穩(wěn)健性檢驗

1．分析師跟蹤對股票流動性影響的工具變量回歸結(jié)果。證券分析師在對公司進(jìn)行盈余預(yù)測時都會面臨預(yù)測不準(zhǔn)確的風(fēng)險，迫于明星分析師的評選壓力（例如，新財富上榜分析師和非上榜分析師的工資差異巨大），分析師將更加傾向于跟蹤那些信息披露質(zhì)量較高、流動性較好的公司以規(guī)避這一風(fēng)險［12］。這使得分析師跟蹤和股票流動性之間的正相關(guān)關(guān)系可能是由于這一內(nèi)生性選擇驅(qū)動的，而這一問題并不存在于分析師跟蹤和信息不對稱的正相關(guān)關(guān)系之中。因此，我們有必要對分析師跟蹤和股票流動性之間的關(guān)系進(jìn)行穩(wěn)健性檢驗。我們使用滯后兩期和滯后三期的分析師跟蹤人數(shù)作為當(dāng)期分析師跟蹤人數(shù)的工具變量，采用面板工具變量回歸方法對此進(jìn)行穩(wěn)健性檢驗，具體結(jié)果詳見表4的回歸（5）和回歸（6）。回歸（5）和回歸（6）的Hausman檢驗結(jié)果均在1%的顯著性水平上拒絕了分析師跟蹤人數(shù)和干擾項不相關(guān)的原假設(shè)；Kleibergen－Paap rk LM統(tǒng)計量的檢驗結(jié)果均拒絕了存在識別不足的原假設(shè)；Hasen′s J統(tǒng)計量的檢驗結(jié)果均不能拒絕不存在過度識別的原假設(shè)，這些結(jié)果意味著工具變量的選擇是合意的。從回歸（5）和回歸（6）的結(jié)果來看，分析師跟蹤人數(shù)仍然與買賣價差（股票流動性）顯著負(fù)相關(guān)（正相關(guān)），同樣支持了假設(shè)2a。

2．使用不同的分析師跟蹤人數(shù)的代理變量的回歸結(jié)果。目前我國的證券分析師主要受雇于券商，還不能獨(dú)立地出具研究報告，同時還存在著一家券商中有多位分析師跟蹤同一家公司的情況，而分析師跟蹤更多地體現(xiàn)的是券商的意愿。當(dāng)券商對一個公司進(jìn)行更多的人力資源投入時，被跟蹤公司的信息可能會更多地被挖掘出來［23］。為驗證本文研究結(jié)論的穩(wěn)健性，我們給出了用證券分析師人數(shù)ANALYST2衡量的分析師跟蹤人數(shù)變量的回歸結(jié)果，具體詳見表4的Panel A、Panel B和Panel C。從表4可以看出，當(dāng)我們使用不同的分析師跟蹤人數(shù)的代理變量時，回歸結(jié)果基本保持不變。

表4 穩(wěn)健性檢驗結(jié)果

五、研究結(jié)論與意義

本文提出，分析師跟蹤對股票流動性的影響可能通過三種途徑，即信息傳遞、逆向選擇和信息效率。當(dāng)分析師更多地向公眾提供私有信息時，知情交易者和非知情交易者之間的信息不對稱程度降低，股票流動性上升，此時分析師跟蹤導(dǎo)致的是信息傳遞效應(yīng)［1］［2］；而當(dāng)分析師更多地向其所在公司或公司的優(yōu)質(zhì)客戶提供私有信息時，知情交易者和非知情交易者之間的信息不對稱程度上升，股票流動性下降，此時分析師跟蹤導(dǎo)致的是逆向選擇效應(yīng)［3］。這兩種效應(yīng)非此即彼地存在著。與此同時，多個分析師還可能導(dǎo)致知情交易者人數(shù)的增加，多個知情交易者的策略性交易行為會使得信息更快地反映在股票價格之中，降低了資產(chǎn)價值的不確定性，從而提高了股票流動性，此時分析師跟蹤導(dǎo)致的是信息效率效應(yīng)［4］［17］［18］?？傮w而言，分析師跟蹤和股票流動性之間的關(guān)系依賴于這三種力量誰占支配地位，而本文的工作就是對這一問題的實證考察。

本文以中國上市公司中僅發(fā)行了A股的公司為樣本，基于高頻數(shù)據(jù)構(gòu)造價差指標(biāo)以衡量股票流動性，采用價差分解方法構(gòu)造逆向選擇指標(biāo)以衡量信息不對稱，考察了分析師跟蹤與信息不對稱和股票流動性之間的關(guān)系，研究結(jié)果表明：分析師跟蹤導(dǎo)致了信息不對稱程度上升，即導(dǎo)致了逆向選擇效應(yīng)，但由于分析師跟蹤同時還提升了信息效率，即使得私有信息更快地反映在股票價格之中，降低了資產(chǎn)價值的不確定性，且信息效率效應(yīng)支配了逆向選擇效應(yīng)，因此，從整體來看，分析師跟蹤提高了股票流動性。本文使用不同的回歸方法以及不同的代理變量進(jìn)行穩(wěn)健性檢驗，其結(jié)論基本不變。

本文的研究結(jié)論具有重要的理論和實踐意義。從理論上看，當(dāng)前的許多研究都將分析師跟蹤人數(shù)或是否有分析師跟蹤當(dāng)成是劃分信息不對稱程度的重要指標(biāo)［7］，但本研究表明，這一邏輯前提可能并不成立，這使得我們在測度信息不對稱程度時需要尋找其他的代理變量或直接采用市場微觀結(jié)構(gòu)指標(biāo)。同時，本研究還是有關(guān)分析師研究的重要補(bǔ)充。從實踐來看，本研究表明，總體而言，我國分析師市場的發(fā)展有利于證券市場功能的發(fā)揮，但由于證券分析師可能存在選擇性地披露其信息的行為，導(dǎo)致證券分析師并未能發(fā)揮信息傳遞作用，而是發(fā)揮了逆向選擇作用，這也是我國證券分析師廣受詬病的重要原因?？梢姡O(jiān)管當(dāng)局應(yīng)當(dāng)在證券公司的信息隔離墻和證券分析師的信息披露等方面的制度建設(shè)上多下工夫。

［1］Glosten，L．R．，P．R．Milgrom．Bid，Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders［J］．Journal of Financial Economics，1985，14（1）：71—100．

［2］Kyle，A．S．Continuous Auctions and Insider Trading［J］．Econometrica，1985，53（6）：1315—1335．

［3］Zhang，G．Private Information Production，Public Disclosure，and the Cost of Capital：Theory and Implications［J］．Contemporary Accounting Research，2001，18（2）：363—384．

［4］Subrahmanyam，A．Risk Aversion，Market Liquidity，and Price Efficiency［J］．Review of Financial Studies，1991，4（3）：417—441．

［5］岳衡，林小馳．證券分析師VS統(tǒng)計模型：證券分析師盈余預(yù)測的相對準(zhǔn)確性及其決定因素［J］．會計研究，2008，（8）：40—49．

［6］曹勝，朱紅軍．王婆販瓜：券商自營業(yè)務(wù)與分析師樂觀性［J］．管理世界，2011，（7）：20—30．

［7］Chang，X．，S．Dasgupta，G．Hilary．Analyst Coverage and Financing Decisions［J］．The Journal of Finance，2006，61（6）：3009—3048．

［8］Brennan，M．J．，A．Subrahmanyam．Investment Analysis and Price Formation in Securities Markets［J］．Journal of Financial Economics，1995，38（3）：361—381．

［9］Chung，K．H．，T．H．Mcinish，R．A．Wood，D．J．Wyhowski．Production of Information，Information Asymmetry，and the Bid－Ask Spread：Empirical Evidence from Analysts＇Forecasts［J］．Journal of Banking ＆ Finance，1995，19（6）：1025—1046．

［10］Roulstone，D．T．Analyst Following and Market Liquidity［J］．Contemporary Accounting Research，2003，20（3）：552—578．

［11］陳輝，顧乃康，萬小勇．股票流動性、股權(quán)分置改革與公司價值［J］．管理科學(xué)，2011，（3）：43—55．

［12］方軍雄．我國上市公司信息披露透明度與證券分析師預(yù)測［J］．金融研究，2007，（6）：136—148．

［13］Yohn，T．L．Information Asymmetry around Earnings Announcements［J］．Review of Quantitative Finance and Accounting，1998，11（2）：165—182．

［14］Larcker，D．F．，T．O．Rusticus．On the Use of Instrumental Variables in Accounting Research［J］．Journal of Accounting and Economics，2010，49（3）：186—205．

［15］Francis，J．，K．Schipper，L．Vincent．Earnings Announcements and Competing Information［J］．Journal of Accounting and Economics，2002，33（3）：313—342．

［16］Easley，D．，M．O＇Hara，J．Paperman．Financial Analysts and Information－Based Trade［J］．Journal of Financial Markets，1998，1（2）：175—201．

［17］Chuang，W．，B．Lee．The Information Role of Institutional Investors and Financial Analysts in the Market［J］．Journal of Financial Markets，2011，14（3）：465—493．

［18］Holden，C．W．，A．Subrahmanyam．Long－Lived Private Information and Imperfect Competition［J］．The Journal of Finance，1992，47（1）：247—270．

［19］Lin，J．，G．C．Sanger，G．G．Booth．Trade Size and Components of the Bid－Ask Spread［J］．Review of Financial Studies，1995，8（4）：1153—1183．

［20］Glosten，L．R．，L．E．Harris．Estimating the Components of the Bid－Ask Spread［J］．Journal of Financial Economics，1988，21（1）：123—142．

［21］Lee，C．M．C．，M．J．Ready．Inferring Trade Direction from Intraday Data［J］．The Journal of Finance，1991，46（2）：733—746．

［22］Van Ness，B．F．，R．A．Van Ness，R．S．Warr．How Well Do Adverse Selection Components Measure Adverse Selection？［J］．Financial Management，2001，30（3）：77—98．

［23］徐欣，唐清泉．財務(wù)分析師跟蹤與企業(yè)R＆D活動——來自中國證券市場的研究［J］．金融研究，2010，（12）：173—189．