好天氣會增加分析師盈余預測樂觀偏差嗎？
——以分析師企業(yè)調(diào)研為背景

王成龍 冉明東

(1．廈門大學 管理學院，福建 廈門 361005；2．中南財經(jīng)政法大學 會計學院/會計大數(shù)據(jù)研究所，湖北 武漢 430073)

一、引言

在經(jīng)典金融學研究框架中，分析師是完全理性的，其盈余預測之所以出現(xiàn)樂觀偏差，主要源于主客觀兩方面因素。主觀因素包括分析師個人利益、券商盈利壓力等，而客觀因素主要為分析師專業(yè)能力。行為金融學打破了經(jīng)典金融學研究框架，認為即便是作為資本市場信息專家的分析師，也會因為受到非理性因素干擾而產(chǎn)生認知偏差[1]。而大量心理學研究表明，天氣是誘發(fā)人們產(chǎn)生認知偏差的重要非理性因素[2]?；诖?，本文依據(jù)心理學和行為金融學理論，探究天氣這一因素是否會引致分析師盈余預測樂觀偏差。

我國特有的制度背景和地理特征，為研究天氣對分析師盈余預測樂觀偏差的影響創(chuàng)造了良好條件。首先，我國上市公司必須公布分析師的調(diào)研日期與地點，這有助于確定分析師調(diào)研時的天氣狀況，明確調(diào)研與發(fā)布預測報告之間的關(guān)系，進而將天氣與分析師盈余預測關(guān)聯(lián)起來。其次，我國資本市場起步較晚，分析師行業(yè)的整體專業(yè)水平與發(fā)達資本市場相比尚存較大差距，專業(yè)能力不足可能使得分析師更容易受到天氣等非理性因素的干擾。最后，我國幅員遼闊，氣候復雜多變，“同一時間不同地點”以及“同一地點不同時間”都可能會存在多種天氣類型，這有利于排除季節(jié)、地理位置等可能影響因果識別的因素。

本文以2012～2016年跟蹤A股上市公司的分析師為研究對象，首先按照調(diào)研日期匹配分析師調(diào)研地點和當?shù)靥鞖?，然后分析當?shù)靥鞖馊绾斡绊懛治鰩熢谡{(diào)研日及之后一周內(nèi)所發(fā)布盈余預測的樂觀偏差。結(jié)果發(fā)現(xiàn)，調(diào)研日的好天氣會增大分析師盈余預測樂觀偏差，尤其當管理層能力越低、分析師學歷越低，以及分析師跟蹤上市公司數(shù)量越少時，好天氣導致的分析師盈余預測樂觀偏差越大。

本文可能的貢獻在于：第一，拓展了天氣影響資本市場參與主體非理性決策的相關(guān)研究。現(xiàn)有文獻已經(jīng)關(guān)注到天氣對投資者、管理層和分析師非理性行為的影響，特別是Dehaan等(2017)研究了天氣對分析師“公司公告信息反應速度”的影響[3]，本文在此基礎(chǔ)上進一步探討天氣對分析師盈余預測樂觀偏差的影響，從而拓展了相關(guān)領(lǐng)域的研究范圍。第二，為分析師盈余預測樂觀偏差提供了一種非理性因素視角的解釋。盡管學術(shù)界對分析師預測行為偏差做了大量研究，也提出了豐富的理論解釋，但這些研究大多局限于經(jīng)典金融學理論框架，是在分析師完全理性的前提下進行討論。本文則基于心理學和行為金融學理論，從非理性視角對分析師盈余預測樂觀偏差進行研究。

下文結(jié)構(gòu)安排如下：第二部分為文獻回顧；第三部分為理論分析與研究假設(shè)；第四部分為研究設(shè)計；第五部分為實證結(jié)果分析；第六部分為穩(wěn)健性檢驗；第七部分為結(jié)論與啟示。

二、文獻回顧

(一)分析師盈余預測樂觀偏差

在經(jīng)典金融學研究框架中，分析師盈余預測樂觀偏差可以分解為主觀偏差和客觀偏差[4]，主觀偏差指分析師因利益驅(qū)使而主動調(diào)整盈余預測導致的偏差，客觀偏差則是由非利益因素導致的分析師預測盈余與公司真實盈余之間的偏差。早期學者更多關(guān)注主觀偏差，發(fā)現(xiàn)形成主觀偏差的主要原因包括盈利壓力等券商利益[5]，以及追求晉升或者評價等分析師個人利益[6]?？陀^偏差的影響因素對分析師盈余預測的可靠程度同樣十分重要，相關(guān)因素包括分析師的專業(yè)能力、勤奮程度等。近年來，關(guān)于客觀偏差的探究逐漸成為研究熱點。如Lee和Lo(2016)發(fā)現(xiàn)，投資者認為在公司財務重述前發(fā)布相對消極意見的分析師，其能力更強，更能得到投資者的信任，從而導致更大的盈余修正市場反應系數(shù)[7]。Cheng等(2016)使用中國數(shù)據(jù)發(fā)現(xiàn)，實地調(diào)研有助于分析師獲取更多公司信息進而減少預測偏差[8]。

行為金融學的發(fā)展打破了經(jīng)典金融學研究框架，認為分析師并非完全理性，其同樣存在認知偏差。根據(jù)已有研究不難發(fā)現(xiàn)，非理性因素是導致分析師盈余預測樂觀偏差的重要原因。如伍燕然等(2012)發(fā)現(xiàn)投資者情緒會影響分析師的專業(yè)判斷，導致盈余預測出現(xiàn)樂觀偏差[9]。然而，從行為金融學視角對分析師盈余預測樂觀偏差的研究還較為缺乏，本文擬對相關(guān)研究進行適當補充。

(二)天氣與資本市場

諸多研究表明，天氣會在各個領(lǐng)域影響人的行為，如利他行為、攻擊行為、消費行為等。借鑒心理學研究成果，金融領(lǐng)域?qū)W者逐步將天氣納入行為金融學研究領(lǐng)域。Saunders(1993)發(fā)現(xiàn)紐約的云層厚度與紐約證券交易所的指數(shù)收益率顯著負相關(guān)[10]，初步證實了資本市場的“天氣效應”(weather effect)，但是當其他學者再次檢驗Saunders(1993)的研究時，并未發(fā)現(xiàn)天氣影響紐約證券交易所指數(shù)收益率的證據(jù)[11]。此后，學者們檢驗了天氣效應在不同國家的適用性。Kr?mer和Runde(1997)發(fā)現(xiàn)德國市場不存在“天氣效應”[12]，但Hirshleifer和Shumway(2003)將研究樣本擴大至26個交易所以后，再次證實了“天氣效應”[13]。

近期有研究開始關(guān)注天氣對投資者交易行為的影響，Chang等(2008)發(fā)現(xiàn)云量的增加更容易導致賣出交易并造成股價劇烈波動[14]，該現(xiàn)象同樣適用于中國[15]。若進一步區(qū)分天氣對個體投資者與機構(gòu)投資者的影響，已有研究發(fā)現(xiàn)多云天氣會導致機構(gòu)投資者錯誤定價，增加賣出操作概率[16]。企業(yè)管理層的決策行為也會受到天氣影響，如已有研究發(fā)現(xiàn)天氣越好，管理層盈余預測越樂觀，特別是當管理層風險偏好高或者企業(yè)信息不透明時，天氣對管理層盈余預測樂觀偏差的影響更顯著[17]。除了投資者和管理層，分析師也是資本市場的重要參與者。分析師的主要作用之一在于通過盈余預測影響企業(yè)的資產(chǎn)定價和投資者的決策行為。已有研究發(fā)現(xiàn)，壞天氣會帶來負面情緒進而降低分析師的活動程度，與那些正在經(jīng)歷好天氣的分析師相比，經(jīng)歷壞天氣的分析師對公告信息反應更慢或者更傾向于不反應[3]。既然天氣會引發(fā)分析師心理活動發(fā)生變化，而非理性因素又是分析師盈余預測樂觀偏差產(chǎn)生的重要原因，我們不禁疑問，天氣是否會影響分析師盈余預測樂觀偏差？

考察天氣對分析師盈余預測樂觀偏差的影響，必須在某一時點對分析師的地理位置進行精確定位，并明確天氣與分析師樂觀偏差的因果關(guān)系，這或許是目前相關(guān)研究還比較匱乏的原因之一。Dehaan等(2017)利用分析師辦公室所在地的天氣數(shù)據(jù)，探究天氣如何影響分析師對上市公司公告信息的反應及時性[3]。顯然，公司發(fā)布公告時，分析師并不一定正處于辦公地點。我國上市公司披露了分析師進行企業(yè)調(diào)研的詳細資料，如調(diào)研日期、地點和內(nèi)容等，這些資料有助于我們解決研究難點。其一，通過調(diào)研資料，我們可以確切掌握分析師在調(diào)研日的地理位置，進而匹配當?shù)靥鞖?。其二，較高比例的分析師會在調(diào)研日及之后幾天內(nèi)對被調(diào)研企業(yè)進行盈余預測，這為明確調(diào)研日天氣與分析師盈余預測樂觀偏差的因果關(guān)系提供了良好的研究條件?；诖?，本文以分析師企業(yè)調(diào)研為研究背景,考察天氣對分析師盈余預測樂觀偏差的影響。

三、理論分析與研究假設(shè)

心理學研究發(fā)現(xiàn)，天氣會影響人的情緒。而行為金融學研究表明，情緒會進一步影響人們在資本市場中的交易決策與交易行為。也就是說，天氣會通過人的情緒影響其在資本市場中的行為。分析師作為資本市場的重要參與者，其盈余預測行為也可能受到天氣的影響。需要特別說明的是，依據(jù)“情緒泛化假說”(affective generalization hypothesis)，情緒會對人們的行為決策造成跨期影響[18]。換句話說，情緒不僅影響當期判斷，還會通過信息解讀形成記憶，影響后期判斷[19]。盡管分析師并非全部在調(diào)研日對信息進行處理并完成研究報告，但是如果調(diào)研日的好天氣能夠提高分析師調(diào)研時對企業(yè)未來經(jīng)營業(yè)績評價的積極程度，這同樣會影響到分析師后期的決策行為。因此，依據(jù)心理學和行為金融學理論，我們認為在分析師通過企業(yè)調(diào)研收集、處理信息并完成預測報告的全過程中，調(diào)研日的天氣狀況都有可能影響其盈余預測樂觀偏差。

首先，在信息收集階段，好天氣可能會促使分析師收集更多積極信息。心理學研究發(fā)現(xiàn)，人類具有“心境一致性效應”(mood congruency effect)，即人在心情好時，更容易發(fā)現(xiàn)積極信息，而在心情差時，更容易發(fā)現(xiàn)消極信息[20]。在企業(yè)調(diào)研過程中，如果遇到好天氣，相對壞天氣而言分析師的情緒會更加積極，那么依據(jù)心境一致性效應，積極情緒會促使分析師關(guān)注并收集到更多關(guān)于調(diào)研對象正面的信息，進而更大概率地促使分析師對企業(yè)的運營情況做出積極評價，最終增加分析師盈余預測樂觀偏差。其次，在信息解讀階段，好天氣可能會使得分析師高估積極事件的發(fā)生概率，提高分析師信息加工的樂觀水平。研究表明，天氣會影響人們在信息處理時的情感狀態(tài)，進而影響其行為決策[12]。具體而言，好的情緒會導致個體更多依賴積極暗示，從而變得更加樂觀[21]。情緒越樂觀，人們越容易高估積極事件的發(fā)生概率，并低估消極事件的發(fā)生概率[17]。行為金融學研究發(fā)現(xiàn)，陽光誘導的樂觀情緒會導致個體在金融決策中接受更高水平的風險[22]。同樣，分析師在進行決策時也會受到心理因素的影響，使得其在處理企業(yè)調(diào)研信息時也可能因為天氣良好而低估企業(yè)消極事件的發(fā)生概率，高估積極事件的發(fā)生概率，從而對企業(yè)未來盈余做出更加樂觀的預測。最后，在報告形成階段，好天氣會影響分析師撰寫報告時對企業(yè)評價的積極程度。心理學研究表明，好心情會使得作者的寫作內(nèi)容更加積極[23]。應用到分析師報告撰寫情境中，好天氣帶來的積極情緒將使得分析師用更加正面和積極的語言對調(diào)研對象進行描述，從而得到更加積極的結(jié)論。盈余預測作為分析師報告研究結(jié)論的集中體現(xiàn)，自然也會因為分析師積極情緒的存在而產(chǎn)生樂觀偏差。

需要強調(diào)的是，天氣影響分析師盈余預測的前提在于分析師“不自知”。因為如果分析師預期到天氣會對其盈余預測產(chǎn)生影響，可能會事先進行理性調(diào)整。關(guān)于該問題，Cunningham(1979)的田野研究發(fā)現(xiàn)，人們并未意識到天氣對行為決策的影響，而是將其決策偏差歸因到其他因素[24]。也就是說，分析師更傾向于將較高的盈余預測偏差錯誤地歸因于企業(yè)的突出業(yè)績而不是好天氣。

綜上所述，本文認為天氣可能同時在信息收集、信息解讀以及報告撰寫階段影響分析師決策，并且分析師個人并未意識到天氣的影響?；诖耍疚奶岢黾僭O(shè)H1：

H1：企業(yè)調(diào)研日天氣越好，分析師盈余預測的樂觀偏差越大。

分析師與企業(yè)之間存在較大程度的信息不對稱，為了緩解信息不對稱，分析師希望加強與管理層的溝通。分析師調(diào)研是較為直接的溝通方式，但是溝通效果在較大程度上取決于管理層自身對企業(yè)信息的掌握程度與溝通意愿[25]。一方面，能力強的管理層對企業(yè)信息的掌握程度更高，對企業(yè)、行業(yè)乃至宏觀經(jīng)濟具有更加全面、深入的了解，其與人溝通的能力通常也較高。另一方面，為了釋放高能力信號，能力強的管理層對外披露信息的意愿也更加強烈[26]。Baik等(2011)發(fā)現(xiàn)，高能力管理層不僅對其所管理企業(yè)的盈余預測更加準確，而且頻率更高[27]。由此推測，高能力管理層向分析師傳遞更多有效信息的能力和意愿較強，從而有助于降低分析師與企業(yè)之間的信息不對稱水平。

因此，我們認為能力強的管理層可以更好地理解產(chǎn)業(yè)發(fā)展、宏觀環(huán)境等多方面信息，對企業(yè)發(fā)展戰(zhàn)略、經(jīng)營策略的理解更加充分，進而使得其在分析師調(diào)研過程中所傳達的信息質(zhì)量更好、內(nèi)涵更豐富。相反，如果管理層能力比較弱，那么其將難以向分析師傳遞準確、翔實的信息。根據(jù)心理學“首因效應”和“近因效應”觀點，管理層向分析師傳達的信息導致分析師對企業(yè)形成“初始印象”和“短期印象”。管理層能力越強，向分析師傳遞的信息越多、越充分，分析師所形成的印象也就越深刻，這樣管理層向分析師描繪的企業(yè)印象會壓縮分析師在信息挖掘與信息解讀過程中的主觀判斷空間。經(jīng)濟學研究表明，信息獲取的數(shù)量和質(zhì)量直接影響到?jīng)Q策是否理性[28]。管理層能力的提高有助于改善信息的數(shù)量和質(zhì)量，進而緩解分析師的非理性決策行為。如上文所述，天氣通過影響分析師心理活動導致其非理性決策，信息收集與信息解讀是天氣影響分析師盈余預測樂觀偏差的主要路徑，而管理層能力的提升則使得分析師信息收集和處理的質(zhì)量得以提高，從而壓縮了分析師非理性決策的空間。換言之，管理層能力的增強降低了天氣影響分析師盈余預測樂觀偏差的程度?；诖?本文提出假設(shè)H2：

H2：管理層能力越強，企業(yè)調(diào)研日的天氣對分析師盈余預測樂觀偏差的影響越小。

H3：分析師學歷越高，企業(yè)調(diào)研日的天氣對分析師盈余預測樂觀偏差的影響越小。

除了學歷，分析師跟蹤的企業(yè)數(shù)量也是影響分析師決策能力的重要因素，但是已有研究對此并未得到一致看法。一種觀點認為，分析師跟蹤企業(yè)數(shù)量越多，其精力越會被分散，從而無暇在數(shù)據(jù)收集和處理時投入足夠的資源，最終導致決策質(zhì)量下降[29]。在這種情況下，分析師跟蹤的企業(yè)數(shù)量越多，其數(shù)據(jù)收集和處理的能力受到的負面影響越大，進而越有可能做出非理性決策。另一種觀點認為，分析師跟蹤企業(yè)數(shù)量越多，其對行業(yè)信息掌握越充分，在學習效應和行業(yè)知識溢出效應的作用下，分析師可以從跟蹤的同行業(yè)其他公司中獲取信息[30]。特別是在跟蹤對象信息質(zhì)量比較低時，分析師可以依賴對行業(yè)其他公司的了解改善其預測質(zhì)量[31]。事實上，大部分分析師傾向于將跟蹤對象聚焦于某幾個行業(yè)①。在這種情境下，學習效應和行業(yè)知識的溢出效應會顯著增強，分析師同時跟蹤的公司越多，越有助于提升其信息處理能力，進而削弱天氣對其非理性決策的影響。理論上，分析師跟蹤企業(yè)數(shù)量對分析師理性決策存在正負兩種效應，因此本文提出對立假設(shè)H4a和H4b：

H4a：分析師跟蹤公司數(shù)量越多，企業(yè)調(diào)研日的天氣對分析師盈余預測樂觀偏差的影響越大。

H4b：分析師跟蹤公司數(shù)量越多，企業(yè)調(diào)研日的天氣對分析師盈余預測樂觀偏差的影響越小。

四、研究設(shè)計

(一)數(shù)據(jù)來源與樣本選擇

本文以2012～2016年跟蹤A股上市公司的證券分析師為研究對象，考察調(diào)研企業(yè)所在地的天氣狀況對分析師盈余預測樂觀偏差的影響。其中，分析師對企業(yè)的調(diào)研數(shù)據(jù)來自東方財富網(wǎng)，各城市天氣狀況數(shù)據(jù)來自天氣預報網(wǎng)，分析師盈余預測數(shù)據(jù)、分析師個人特征數(shù)據(jù)以及公司財務數(shù)據(jù)等均來自CSMAR數(shù)據(jù)庫。

數(shù)據(jù)處理過程如下：(1)從東方財富網(wǎng)獲得所有A股企業(yè)調(diào)研數(shù)據(jù)，共499627條觀測值②；(2)僅保留券商調(diào)研數(shù)據(jù)，剩余141352條觀測值；(3)剔除調(diào)研人員缺失的樣本(共89054條觀測值)，剩余52298條券商調(diào)研觀測值和68102條分析師調(diào)研觀測值③；(4)根據(jù)CSMAR的券商名稱和分析師姓名，匹配出分析師調(diào)研數(shù)據(jù)，共41118條觀測值；(5)匹配分析師盈余預測數(shù)據(jù)，并剔除調(diào)研當天及之后一周未進行預測的情況，對于同一分析師對同一家公司進行多次預測的情況，僅保留距離調(diào)研最近的一次盈余預測，剩余6756條觀測值；(6)剔除電話訪談和網(wǎng)上交流會等調(diào)研方式的樣本，共305條觀測值；(7)剔除金融類上市公司、ST和*ST公司，以及控制變量缺失的樣本，共3319條觀測值，最終剩余3132條觀測值。同時，本文對所有連續(xù)變量進行1%和99%縮尾處理。

(二)模型與變量

為了檢驗調(diào)研時的天氣是否會影響分析師盈余預測樂觀偏差，本文構(gòu)建模型(1)，使用Stata14.0進行OLS回歸分析。

二里半為了生氣，他的白眼球立刻多過黑眼球。他的熱情立刻在心里結(jié)成冰。李青山不與他再多說一句，望向窗外天邊的樹，小聲搖著頭，他唱起小調(diào)來。二里半臨出門，青山的女人在廚房向他說：

OPT=β0+β1WEATHER+β2STAR+β3EXPE+β4COVER+β5BKSIZE+β6SIZE+β7LEV+

β8GROWTH+β9INST+β10BIG10+β11ROA+β12SOE+β13BLANC+

∑Firm+∑Year+∑Analyst+ε

(1)

式(1)中，OPT為分析師預測樂觀偏差，其等于“100×(EPS預測值-EPS實際值)÷預測前一天的股價”[32]。WEATHER為調(diào)研當天的天氣狀況，若為晴天則WEATHER=3；若為陰天或多云，則WEATHER=2；若為雨天，則WEATHER=1。在其他條件不變的情況下，WEATHER數(shù)值越大，表示天氣越好。模型(1)控制了分析師個人特征和公司特征。分析師個人特征主要包括：是否為明星分析師(STAR)、分析師工作經(jīng)驗(EXPE)、分析師跟蹤公司數(shù)(COVER)和分析師所屬券商規(guī)模(BKSIZE)。公司特征包括：公司規(guī)模(SIZE)、資產(chǎn)負債率(LEV)、銷售增長率(GROWTH)、機構(gòu)持股比例(INST)、大所審計(BIG10)、總資產(chǎn)收益率(ROA)、產(chǎn)權(quán)性質(zhì)(SOE)和股權(quán)制衡度(BLANC)。最后，我們控制了公司、年度和分析師的個體固定效應。

為了檢驗H2、H3和H4，本文在模型(1)的基礎(chǔ)上增加了高管或分析師特征(用X表示)及其與天氣的交乘項(WEATHER*X)，構(gòu)建模型(2)。具體而言，為了檢驗H2，本文在模型(1)的基礎(chǔ)上增加了管理層能力(MA)及其與天氣的交乘項(WEATHER*MA)。為了檢驗H3，本文在模型(1)的基礎(chǔ)上增加了分析師學歷(EDU)及其與天氣的交乘項(WEATHER*EDU)，但因為控制了分析師個體固定效應，且分析師學歷不隨時間變化，故而省略了分析師學歷(EDU)。為了檢驗H4，本文在模型(1)的基礎(chǔ)上增加了分析師跟蹤公司數(shù)(COVER)及其與天氣的交乘項(WEATHER*COVER)。具體變量定義見表1。

OPT=β0+β1WEATHER+β2X+β3WEATHER*X+β4STAR+β5EXPE+β6COVER+

β7BKSIZE+β8SIZE+β9LEV+β10GROWTH+β11INST+β12BIG10+β13ROA+

β14SOE+β15BLANC+∑Firm+∑Year+∑Analyst+ε

(2)

表1 變量一覽表

五、實證結(jié)果分析

(一)描述性統(tǒng)計

表2報告了所有變量的描述性統(tǒng)計結(jié)果，由表2可知：(1)OPT的平均值為1.618，表明分析師盈余預測值與真實值之差占股價的比例平均為1.618%，結(jié)果較為合理。OPT的標準差是2.427，說明樣本中的分析師的盈利預測樂觀偏差具有一定的差異度。OPT的最小值和最大值分別為-3.863和11.974，表明分析師盈余預測值與真實值之差對股價的最小占比為-3.863%，但最大占比為11.974%，最大值的絕對值遠大于最小值的絕對值，說明分析師在盈余預測時具有樂觀傾向。(2)WEATHER的平均值為1.911，該值小于2，說明分析師在調(diào)研時遇到雨天天氣的情況稍多于晴天天氣。WEATHER的標準差是0.742，說明分析師在進行實地調(diào)研時天氣狀況具有較高的差異度。此外，MA的樣本數(shù)低于其他變量，這主要是由于MA在計算過程中相關(guān)變量樣本存在缺失。

表2 所有變量的描述性統(tǒng)計表

(二)回歸結(jié)果

本文主回歸結(jié)果如表3所示。其中，前兩列對應假設(shè)H1。第(1)列表示僅控制公司和年份固定效應以及其他控制變量時，調(diào)研日天氣對分析師盈余預測樂觀偏差的影響；第(2)列表示在第(1)列基礎(chǔ)上控制分析師個體固定效應后，調(diào)研日天氣對分析師盈余預測樂觀偏差的影響。我們發(fā)現(xiàn)，當沒有控制分析師個體固定效應時，天氣狀況指標WEATHER的系數(shù)為0.146，且在5%的水平上顯著為正，說明在控制其他條件的情況下，天氣在“雨天-陰天-晴天”三個等級中每上升一個等級，分析師盈余預測樂觀偏差上升14.6%。當進一步控制分析師個體固定效應后發(fā)現(xiàn)，WEATHER的系數(shù)增

表3 天氣對分析師預測偏差的影響

注：括號內(nèi)為t值；*、**、***分別表示在10%、5%和1%的水平上顯著(雙尾檢驗)。下表同。

加為0.233，且在10%的水平上顯著為正，說明在控制分析師不隨時間變化的個性特征以后，天氣對分析師盈余預測樂觀偏差的影響更大。第(1)和第(2)列的結(jié)果綜合說明，分析師會受到天氣這一非理性因素的影響，調(diào)研日天氣越好，分析師盈余預測越樂觀，回歸結(jié)果支持假設(shè)H1。

表3第(3)列對應假設(shè)H2。第(3)列在第(2)列基礎(chǔ)上加入了管理層能力(MA)及其與調(diào)研日天氣的交乘項(WEATHER*MA)。第(3)列中WEATHER*MA的系數(shù)為-0.639，且在5%的水平上顯著為負，說明管理層能力會對天氣與分析師盈余預測樂觀偏差之間的關(guān)系產(chǎn)生負向調(diào)節(jié)作用。這一結(jié)論表明，管理層能力的提高能夠“抑制”天氣這一因素對分析師盈余預測樂觀偏差的負面影響，假設(shè)H2得到了驗證。

表3第(4)和第(5)列分別對應假設(shè)H3和H4。其中，第(4)列在第(2)列基礎(chǔ)上加入了分析師學歷(EDU)及其與調(diào)研日天氣的交乘項(WEATHER*EDU)，但由于分析師學歷不隨時間變化，其效應已經(jīng)包含在分析師固定效應中，故在模型中省略。第(4)列中WEATHER*EDU的系數(shù)為-0.050，且在10%的水平上顯著為負，說明隨著分析師教育水平的提高，天氣對分析師盈余預測樂觀偏差的影響隨之降低，假設(shè)H3得到了驗證。第(5)列在第(2)列基礎(chǔ)上加入了分析師跟蹤公司數(shù)(COVER)及其與調(diào)研日天氣的交乘項(WEATHER*COVER)。第(5)列中WEATHER*COVER的系數(shù)為-0.041，且在5%的水平上顯著為負，說明隨著分析師跟蹤公司數(shù)量的提高，天氣對分析師盈余預測樂觀偏差的影響也隨之降低。該結(jié)論支持學習效應和行業(yè)知識溢出效應，即隨著分析師跟蹤公司數(shù)量的提高，分析師通過學習行業(yè)知識提高了其對被調(diào)研企業(yè)的了解程度，從而能夠緩解調(diào)研日天氣這一因素的影響，假設(shè)H4b得到了驗證。

六、穩(wěn)健性檢驗

(一)內(nèi)生性分析

調(diào)研日期大多提前確定，在確定調(diào)研日期時，未來調(diào)研日的天氣往往難以準確預判。因此，我們可以將調(diào)研日天氣視為隨機外生變量。此外，分析師先調(diào)研后寫研究報告，調(diào)研日天氣與分析師盈余預測之間存在時間滯后性，出現(xiàn)反向因果的概率較低。

然而，天氣預報增加了分析師選擇調(diào)研日天氣的主觀能動性?？赡艽嬖诘挠^點是分析師特意選擇好天氣調(diào)研自己認為比較優(yōu)質(zhì)的企業(yè)，這也會導致天氣與分析師盈余預測樂觀偏差出現(xiàn)正相關(guān)關(guān)系。不過，該觀點成立的前提在于分析師可以主觀確定調(diào)研日期。我們無法準確判斷調(diào)研日期是否由分析師確定，但在一般情況下，一同調(diào)研的單位(如分析師、基金公司、媒體)越多，分析師可以主觀確定調(diào)研日期的可能性越小。因此，如果存在反向因果關(guān)系，那么天氣對分析師盈余預測樂觀偏差的影響更可能顯著出現(xiàn)在一同參與調(diào)研的單位較少的樣本中。

為了檢驗上述觀點是否成立，本文按照一同調(diào)研的單位數(shù)量將樣本分為調(diào)研單位數(shù)量較少組和調(diào)研單位數(shù)量較多組，并進行分組回歸(結(jié)果如表4所示)。表4的回歸結(jié)果顯示，天氣與分析師盈余預測樂觀偏差的顯著正相關(guān)關(guān)系并沒有出現(xiàn)在調(diào)研單位數(shù)量較少組，而是出現(xiàn)在調(diào)研單位數(shù)量較多組。該結(jié)果說明“分析師特意選擇好天氣調(diào)研自己認為比較優(yōu)質(zhì)的企業(yè)”的說法并不成立。這一結(jié)論與Cheng等(2016)的結(jié)論相一致，其發(fā)現(xiàn)當多個分析師一同參與調(diào)研時，分析師盈余預測相對不夠準確[8]。表4的結(jié)果則進一步表明，多個分析師一同參與調(diào)研所發(fā)布的盈余預測樂觀偏差之所以較大，可能是因為天氣這一因素所導致的。

表4 分析師調(diào)研人數(shù)分組檢驗

(二)天氣類型替代指標

為了進一步剖析導致分析師盈余預測樂觀偏差的具體天氣類型，本文根據(jù)天氣類型分別定義三個虛擬變量：SUNNY表示天氣是否為晴天，若是則為1，否則為0；CLOUDY表示天氣是否為陰天或多云，若是則為1，否則為0；RAINY表示天氣是否為雨天或雪天，若是則為1，否則為0。分別用SUNNY、CLOUDY和RAINY替換模型(1)中的WEATHER，回歸結(jié)果如表5所示。表5第(1)～(3)列的天氣變量分別對應SUNNY、CLOUDY和RAINY。第(1)和第(2)列顯示的結(jié)果比較類似，SUNNY的系數(shù)為0.224，CLOUDY的系數(shù)是0.127，但均不顯著。第(3)列中，RAINY的系數(shù)為-0.337，且在10%的水平上顯著為負，說明同雨雪天氣比，非雨雪天氣使得分析師盈余預測樂觀偏差增加了33.7%。表5的結(jié)果說明，影響分析師盈余預測樂觀偏差的主要天氣類型為“是否雨雪天氣”。

表5 天氣類型替代指標檢驗

(三)調(diào)研日與研究報告公布日時間間隔的替代

在主回歸中，我們將調(diào)研日與研究報告公布日的時間間隔設(shè)置為一周(小于等于7天)。為了保證結(jié)果穩(wěn)健性，本文將分析師調(diào)研日與研究報告公布日的時間間隔分別調(diào)整為1天、3天、5天、10天、15天以及30天。結(jié)果發(fā)現(xiàn)，除了1天和10天時間間隔外，天氣對分析師盈余預測樂觀偏差均產(chǎn)生顯著影響(如表6所示)。

七、結(jié)論與啟示

證券分析師盈余預測為什么會產(chǎn)生樂觀偏差？傳統(tǒng)理論觀點大多基于經(jīng)典金融學研究框架，認為分析師樂觀偏差主要源于利益驅(qū)動、個人能力等。本文將心理學中的心境一致性效應和情緒泛化假說納入行為金融學研究框架，分析天氣對分析師盈余預測樂觀偏差的影響。

具體而言，本文利用中國上市公司披露分析師企業(yè)調(diào)研日期、地點這一制度背景，在精確定位分析師地點的同時，將其與當?shù)靥鞖?、調(diào)研日期以及分析師盈余預測數(shù)據(jù)一一匹配，研究被調(diào)研企業(yè)所在地區(qū)的天氣如何影響分析師在調(diào)研日及之后一周內(nèi)的盈余預測樂觀偏差。結(jié)果發(fā)現(xiàn)，好天氣會增加分析師盈余預測樂觀偏差，這表明作為資本市場信息專家的分析師并非完全理性；尤其當管理層能力越低、分析師學歷越低、分析師跟蹤上市公司數(shù)量越少時，好天氣導致的分析師盈余預測樂觀偏差越大。

就理論貢獻而言，本文在已有研究基礎(chǔ)上進一步探討了天氣對分析師盈余預測樂觀偏差的影響，拓展了天氣影響資本市場參與主體非理性決策的相關(guān)文獻，并從天氣視角為分析師盈余預測樂觀偏差提供了一種解釋。在實踐價值方面，無論是對分析師本身，還是對投資者來說，本文的研究結(jié)論均具有啟發(fā)意義。面對競爭日益激烈的證券分析師行業(yè)，提高盈余預測水平對分析師個人的職業(yè)發(fā)展十分重要。然而，分析師可能并未意識到天氣帶來的干擾效應。本文的研究結(jié)論表明，如果分析師將天氣因素納入其預測模型，那么可能有助于其提升工作績效。從投資者角度看，本文研究結(jié)論提示投資者應適當考慮天氣等因素對分析師盈余預測行為的影響，進而有助于其利用分析師盈余預測結(jié)果進行投資決策。

注釋：

①本文的樣本統(tǒng)計表明，大約1/3的分析師跟蹤一個行業(yè)，1/4的分析師跟蹤兩個行業(yè)。

②若同一天有多個調(diào)研機構(gòu)進行調(diào)研，則每個調(diào)研機構(gòu)的調(diào)研情況為一條數(shù)據(jù)。

③存在同一券商多名分析師同時去同一家公司調(diào)研的情況。