盈余錯報與分析師行為調整的不對稱性

劉建梅 程新生

(1.天津財經大學 會計學院，天津 300222；2.南開大學 商學院，天津 300071)

一、引言

近年來，資本市場上市公司盈余重述和盈余錯報現象屢見不鮮，并呈現出上升趨勢。發生盈余重述意味著上市公司前期財務報告可靠性較低，導致上市公司和投資者之間的信息不對稱。若盈余錯報能被市場和投資者提前感知，則上述后果將會被緩解。證券分析師作為中介機構，在股票市場上發揮著關鍵的作用。分析師通過收集、評估公共和私人信息，對上市公司的未來發展前景進行分析，作出盈余預測和股票推薦，給投資者提供股票投資建議，從而緩解信息不對稱，提高市場效率(Womack，1996;Huang et al.,2014；張然 等，2017)。那么，分析師作為中介機構，是否能提前感知和發現盈余錯報從而傳遞給市場和投資者呢？這一問題關乎資本市場對信息風險的提前感知以及分析師中介及監督作用的發揮，具有重要的研究價值。

本文的貢獻主要體現在：

第一，已有相關文獻研究了分析師對盈余管理的監督作用，而反過來檢驗盈余管理或盈余錯報對分析師行為影響的文獻較少，本文從盈余重述視角深入研究了有盈余錯報時分析師行為的變化，提供了分析師與盈余管理之間關系研究的另一角度；

第二，雖然國內有少量文獻研究了盈余重述之后分析師的行為變化，然而卻未關注盈余重述之前分析師的行為變化，而本文即從此角度研究了盈余重述前即盈余錯報尚未被發現之前分析師是否能夠提前感知到信息風險，從而調整自己的行為；

第三，已有研究從盈余欺詐視角研究了盈余錯報與分析師行為的關系，然而未將盈余錯報分為向上和向下兩個角度，本文分別從這兩個角度對盈余錯報和分析師行為的關系進行了研究。

二、文獻綜述

現有文獻主要是圍繞盈余重述后即盈余錯報被發現后所產生的經濟后果，如法律責任、資本成本的提高、股價的降低、股票被拋售以及高管的變更等(Palmrose et al.,2004;Hennes et al.,2008；魏志華 等，2009)。魏志華等 (2009) 在細分年報重述類型的基礎上對我國上市公司重述公告的市場效應做了研究，發現更正公告、因會計問題導致的重述、重述內容涉及核心會計指標或調低了公司盈余、重述涉及多個會計年度以及重述消息是壞消息時，市場反應顯著為負。賀建剛等(2012)認為財務報告重述導致市場風險與不確定性的增加，上市公司重述公告期間的市場累計超額報酬顯著為負。

分析師是復雜的信息傳遞者，他們可以通過分析公司的基本面形成投資意見。研究表明，分析師能夠為市場參與者提供有價值的信息(Womack，1996；張然 等，2017；劉星 等，2018；王曉珂 等，2020)，且對于上市公司的管理具有監督作用和治理作用(譚雪，2016；鄭建明 等，2015)。Huang et al.(2014)研究了分析師報告文本的信息含量，認為分析師報告對公司未來五年的盈余增長具有預測能力。譚雪(2016)發現，分析師關注顯著降低了兩類代理成本，且分析師關注對兩類代理成本的抑制作用在“四大”審計的子樣本中不顯著，在“非四大”審計的子樣本中顯著，分析師關注可以部分替代審計治理作用。馬黎珺等(2019)通過機器學習對分析師報告進行了文本分析，結果表明，在控制了定量信息的影響之后，分析師報告中前瞻性語句的情感與報告發布后的累積超額收益顯著正相關，這說明前瞻性語句向市場傳遞了增量信息。

另外也有學者從信息披露質量角度研究了分析師的監督作用。鄭建明等(2015)從降低業績預告違規視角研究了分析師的監督作用，他們認為分析師跟蹤可以顯著降低上市公司業績預告違規的概率。謝震等(2014)研究發現公司的盈余管理水平與分析師關注顯著正相關，且這種正相關的程度隨著經理人承受的市場壓力的提高而減少，但隨著分析師群體對公司迎合程度的提高而增加。李春濤等(2014)使用2006—2014年的上市公司數據，研究了分析師跟蹤對企業應計盈余管理和真實盈余管理的不同作用，在控制了內生性和其它相關因素的基礎上發現分析師對應計盈余管理具有監督效應，而對真實盈余管理具有促進作用。這可能是因為與應計盈余管理相比，真實盈余管理具有較高的隱蔽性，分析師易于監督隱蔽性較差的應計盈余管理，這種監督迫使經理人轉向真實盈余管理。王雙進等(2020)發現分析師跟蹤作為一種有效的外部監督機制，能顯著降低企業的盈余操縱水平，且分析師跟蹤與真實盈余管理的負相關關系更顯著。綜合以上分析我們發現，分析師對盈余質量的影響結果具有不一致性。Young et al.(2013)研究了盈余重述前分析師的行為變化，從財務欺詐角度認為分析師能夠在財務欺詐被發現之前進行識別，然后降低評級甚至停止對這家公司的跟蹤，然而他們未將盈余錯報分為向上和向下兩個方向分別進行檢驗。

綜上所述，已有研究較多關注分析師對盈余質量的監督作用(李丹蒙 等，2015；李春濤 等，2014；江軒宇 等，2012)，而忽略盈余錯報對分析師行為的影響。雖然馬晨等(2013)檢驗了盈余重述對分析師行為的影響，然而只研究了盈余重述之后分析師的行為變化，認為財務重述會減少分析師跟進、增加分析師預測誤差，尚未研究盈余重述前即盈余錯報尚未被發現之前投資者和中介機構的行為變化。而監管機構、投資者和公眾對向上和向下盈余的關注度可能是不同的，分析師出于時間和資源的限制以及出于收益和損失的權衡，對向上和向下錯報的關注度和行為調整可能也不同。我們即從此角度進行了進一步研究。具體來說，本文關注的是盈余重述之前即盈余錯報未被發現之前，分析師是否能夠提前感知到信息風險從而做出行為調整？明星分析師與一般分析師對信息風險感知和股票評級行為是否相同？更進一步，若將盈余錯報分為向上和向下兩個方向，分析師對向上和向下的關注度和行為調整是否相同？

三、 理論分析與研究假設

分析師通過揭露盈余錯報可以獲得市場知名度、提高聲譽。Lee et al.(2016)通過研究發現，投資者將分析師關于盈余錯報的負面觀點看作是其能力的體現，對有盈余錯報公司發表更加負面意見的分析師獲得了更高的聲譽，且這種聲譽具有溢出效應。因此，理論上來說，在盈余錯報期間，雖然公司錯報尚未被發現和公布，但分析師有能力感知到信息風險且有動機改變對公司的股票評級。

相對于向下的盈余錯報，向上的盈余錯報更能引起監管機構、投資者和公眾的關注，因此分析師因為對向上盈余錯報的發現獲得的聲譽和知名度要高于向下的盈余錯報。鑒于此，分析師會將有限的資源和精力放到尋找向上盈余錯報的公司上而非所有盈余錯報。具體來說，一方面，上市公司為了IPO、增發、避免虧損及退市而出現的向上的盈余錯報損害了投資者的利益，這是市場監管關注的焦點，而負向盈余管理并不是市場關注的焦點(江軒宇 等，2012)，因而分析師通過揭露向上盈余錯報等丑聞獲得市場聲譽和知名度的可能性較高，而通過揭露向下盈余錯報獲得市場聲譽和知名度的可能性較低，因此分析師主動監督向下盈余錯報的動力較小(江軒宇 等，2012)。另一方面，雖然分析師具有信息解讀的能力，可以利用自身專業知識對企業的盈余公告進行分析(Luo et al.，2015)，但是這種活動也是具有成本的，因此，分析師會策略性地分配自己的時間和精力，只會對符合自身成本收益函數的信息進行搜尋(薛祖云 等，2011)。綜上所述，分析師會將有限的資源和精力較多的放到尋找能夠更大地提高自己聲譽和知名度的向上盈余錯報而非所有的盈余錯報。我們認為，整體來看分析師的信息風險感知和行為調整只局限于向上的盈余錯報中，由此提出：

H1a：相比無盈余錯報的公司，跟蹤的分析師在盈余錯報期間(盈余錯報尚未被發現之前)對有向上盈余錯報公司的股票評級更低；(1)本文使用分析師的股票評級而非盈余預測來表征分析師的風險感知。因為正如Young et al.(2013)所認為的，盈余預測的偏差和盈余預測的修正不能用來準確的評價分析師是否提前感知和發現錯報問題。如果分析師盈余預測與管理層一致且能夠因此獲利，那么分析師感知到的信息風險很可能就不會融入盈余預測當中，而是融入其他的行為比如股票評級當中。

H1b：相比無盈余錯報的公司，跟蹤的分析師在盈余錯報期間(盈余錯報尚未被發現之前)對有向下盈余錯報的公司的股票評級沒有顯著性差異。

明星分析師一般是由處于買方的機構投資者票選得出。從評選推出至今，《新財富》最佳分析師獲得了市場的廣泛認同，成為中國券商分析師評價的重要本土品牌。明星分析師的關注和追蹤對企業信息披露尤其是會計信息質量的監督效果要強于一般分析師的跟進效果。一般來說，明星分析師的盈余預測會更為準確，其盈余預測引起的市場反應也會更強烈。Stickel(1995)通過對All-American Research Team的研究發現，明星分析師比一般分析師的盈余預測能力更強，發布盈余預測的頻率更高，相應的市場反應也更強烈。國內學者也證明了明星分析師效應在中國資本市場上的存在。萬麗梅等(2013)以中國2005—2010年A股上市公司及分析師跟進數據為樣本，發現市場上的《新財富》最佳分析師的確具有明星效應，能夠作為信息中介更好地向市場傳達有用信息。專注程度是分析師挖掘公司特質信息的重要因素，分析師的專注程度越高，其與市場反應中公司特質信息成分的正向關系越顯著。伊志宏等(2013)以2001—2010年明星及非明星分析師對中國A股上市公司的4643次評級調整為樣本，研究發現，明星分析師向市場提供了更多公司特質信息。游家興等(2017)認為與一般分析師相比，明星分析師對高階預期的依賴程度有所減輕，表現出的選美競賽效應和羊群行為特征都有所減弱。王曉珂等(2020)的研究結果表明，企業運用衍生工具會導致分析師跟蹤數量顯著減少，公共信息精度下降，但是，進一步研究發現這主要是由非明星分析師所致，明星分析師跟蹤數量和公共信息精度沒有顯著變化，私有信息精度反而增加，而非明星分析師跟蹤數量顯著減少，公共信息精度明顯下降。對于明星分析師而言，由于能力出眾，他們對自身的數據收集、信息分析和未來判斷更加自信，這也意味著明星分析師會更加堅持采用真實披露信息的策略，在預測時會賦予私有信息更大的權重，其預測數字受市場高階預期的影響程度會比較小。明星分析師所掌握的私有信息更加精準，專業分析與判斷能力更加突出，在私有信息與公共信息的取舍上更有選擇余地。換言之，明星分析師更有可能采取勇敢預測，表現出“眾人皆醉我獨醒”的良好狀態。

綜上所述，明星分析師相比其他分析師更能夠發現公司的特質信息，他們擁有更強的能力和更多的資源，能夠提供更有價值的信息。因此，我們認為《新財富》最佳分析師能夠打破其他分析師對向上和向下盈余錯報行為調整的不對稱性，對向上和向下盈余錯報均能識別。據此，我們提出：

H2a：相比無盈余錯報的公司，跟蹤的明星分析師在盈余錯報期間(盈余錯報尚未被發現之前)對有向上盈余錯報公司的股票評級更低；

H2b：相比無盈余錯報的公司，跟蹤的明星分析師在盈余錯報期間(盈余錯報尚未被發現之前)對有向下盈余錯報的公司的股票評級更高。

四、研究設計

(一)樣本選擇和數據來源

本文選取了滬、深兩市2001—2016年間所有A股上市公司作為初始研究樣本，并進行如下處理：(1)剔除了金融行業的公司；(2)剔除了分析師數據和控制變量數據不全的公司；(3)將連續變量進行1%分位數Winsorize處理。

本文的分析師數據和財務數據來源于 CSMAR數據庫，盈余重述樣本數據由手工收集。我們從巨潮資訊網下載了初始樣本中的更正與補充公告，人工進行閱讀和手工整理。若更正公告中的更正內容是有關盈余的，我們將其作為盈余重述樣本。經過整理，2001—2016年間，去掉數據不全的最后剩余120家向上盈余樣本和50家向下盈余樣本。在此基礎上，我們對向上和向下盈余錯報公司尋找配對樣本。

傾向得分匹配(PSM)法可以控制一些其他因素的影響，因此我們通過PSM法分別對向上和向下盈余公司以1∶1和1∶2比例尋找配對樣本。將有向上(向下)盈余錯報的公司作為處理組，而沒有向上(向下)盈余錯報的公司作為對照組。在進行匹配時，我們選取資產規模、公司負債率、公司增長率、ROA、托賓Q和市盈率等會影響盈余錯報的因素，同時控制了行業和年度的虛擬變量，按照1∶1和1∶2比例進行最近鄰匹配。經檢驗，配對后兩組的控制變量差異不再顯著，處理組和控制組具有類似的特征。向上盈余錯報和向下盈余錯報的樣本量在經過1∶1配對后分別為240和100；在經過1∶2配對后分別為360和150。

(二)變量說明

1．被解釋變量

借鑒Young et al.(2013)和白曉宇(2009)對分析師行為的度量，我們用所有分析師評級變動的平均值來度量分析師的評級變動行為。

RecomRVS=ΣRecomi/N

(1)

其中：i=1,…，N；N為分析師評級變動的總次數；Recomi為某次分析師的評級變動，評級上調賦值為3，維持賦值為2，下調賦值為1。

本文參照伊志宏等(2013)、游家興等(2017)的做法，以《新財富》雜志公布的最佳分析師界定明星分析師。該活動由機構投資者采用直接提名并打分的方式進行評選，是中國較受重視的分析師排名活動。本文用所有明星分析師評級變動的平均值來度量分析師的評級行為。

RecomRVS_Star=ΣRecom_Stari/N

(2)

其中：i=1,…，N；N為明星分析師評級變動的總次數；Recom_Stari為某次明星分析師的評級變動，評級上調賦值為3，維持賦值為2，下調賦值為1。

2．解釋變量

向上盈余錯報。我們借鑒程新生等(2015)對盈余錯報的度量方法，將向上盈余錯報樣本的盈余錯報期間賦值為1，配對樣本的相同期間賦值為0。例如，A公司為盈余重述樣本，B公司為配對樣本。A公司在2010年有盈余重述，重述報告表明盈余錯報年度為2008，則A公司2008年賦值為1；配對樣本 B的2008年賦值為0。

向下盈余錯報。我們借鑒程新生等(2015)對盈余錯報的度量方法，將向下盈余錯報樣本的盈余錯報期間賦值為1，配對樣本的相同期間賦值為0。

3．控制變量

借鑒現有文獻(原紅旗 等，2007；曹勝 等，2011)，我們控制了資產規模、公司負債率、公司增長率、ROA、托賓Q和市盈率等會顯著影響分析師股票評級的因素，同時控制了虛擬變量行業和年度。

各變量具體說明詳見表 1。

表1 變量說明

(三)模型設計

為檢驗上文提出的研究假設，本文構建了以下模型：

RecomRVS(RecomRVS_Star)=α0+α1Restate_Up1(Restate_Up2)+Σα1Controls+εi

(3)

RecomRVS(RecomRVS_Star) =β0+β1Restate_Down1(Restate_Down2)+Σβ1Controls+εi

(4)

模型(3)中，由于變量RecomRVS(RecomRVS_Star)越大代表評級調整越樂觀，我們預期α1顯著為負；模型(4)中，當被解釋變量為RecomRVS時，我們預期β1不顯著；而當被解釋變量為RecomRVS_Star 時，我們預期β1顯著為正。

五、實證檢驗結果與分析

(一)描述性統計

表2列示了本文主要變量的描述性統計分析結果，所有的連續變量均在上下1%的水平上進行了Winsorize處理。從表2可以看出，Restate_Up1樣本總共有240個，其中盈余錯報樣本120個，配對樣本120個。Restate_Up2樣本總共有360個，其中盈余錯報樣本120個，配對樣本240個。Restate_Down1樣本總共有100個，其中盈余錯報樣本50個，配對樣本50個。Restate_Down2樣本總共有150個，其中盈余錯報樣本50個，配對樣本100個。RecomRVS變量有495個樣本，均值是2.007，大于中位數2.000，基本成正態分布；此外從均值2.007來看，分析師的評級變動是高于維持2的，即總體來看分析師的評級調整相對樂觀。RecomRVS_Star變量有190個樣本，表明495個分析師樣本當中有190個是明星分析師的跟蹤；RecomRVS_Star的均值2.035大于中位數2.000，基本成正態分布；此外，RecomRVS_Star的均值大于RecomRVS的均值2.007，這表明明星分析師的股票評級調整相比總體的分析師要積極。

表2 主要變量的描述性統計

此外，我們對從盈余錯報(被重述時間)到盈余重述(重述時間)的時間間隔做了統計，表3第二列是盈余重述數目的年度分布；第三列是各年盈余重述樣本對應的盈余錯報年的平均數，即被盈余重述年的平均數；第四列是盈余重述與被重述之間的時間間隔?？傮w上，盈余重述每年都有遞增的趨勢，平均來看，盈余錯報經過15.288個月后才會被發現及重述。

表3 盈余重述時間間隔統計結果

(二)實證結果與分析

表4為所有分析師評級的結果。由表4可知，在向上盈余錯報的樣本當中，Restate_Up1與RecomRVS在5%的水平上顯著負相關，相關系數是-0.056；Restate_Up2與RecomRVS在1%的水平上顯著負相關，相關系數是-0.059。這表明，與配對公司跟蹤的分析師相比，有向上盈余錯報的公司，其跟蹤的分析師股票評級越可能向下變動。這表明跟蹤分析師能夠感知到向上盈余錯報公司的信息風險，從而調整股票評級，H1a得到驗證。在向下盈余錯報的樣本當中，Restate_Down1與RecomRVS負相關，但不顯著；Restate_Down2與RecomRVS負相關，也不顯著。這表明，與配對公司跟蹤的分析師相比，有向下盈余錯報的公司，其跟蹤的分析師股票評級無顯著性差異，H1b得到驗證。

綜上，跟蹤分析師對向上和向下的盈余錯報的感知和行為調整存在差異，只對向上的盈余錯報有顯著的行為調整，而對向下盈余錯報的行為調整不顯著。這可能是因為，相對于向下的盈余錯報，向上的盈余錯報更能引起監管機構、投資者和公眾的關注，因此分析師會將有限的資源和注意力放到尋找向上盈余錯報的公司上，通過揭露丑聞提高聲譽和知名度。

表4 盈余錯報與所有分析師評級的回歸結果

盈余錯報與明星分析師評級的回歸結果如表5所示。在向上盈余錯報的樣本當中，Restate_Up1與RecomRVS _Star在10%水平上顯著負相關，相關系數是-0.134；進一步的差異性檢驗發現，明星分析師的系數(-0.134)在5%的水平上顯著大于所有分析師的系數(-0.056)(P值為0.032)。Restate_Up2與RecomRVS_Star在10%水平上顯著負相關，相關系數是-0.111；且進一步的檢驗發現，明星分析師的系數(-0.111)在1%的水平上顯著大于所有分析師的系數(-0.059)(P值為0.007)。即相對于配對公司來講，跟蹤的明星分析師會降低對有向上盈余錯報的公司的評級。這表明跟蹤的分析師能夠感知到向上盈余錯報中的信息風險，從而調整股票評級，H2a得到驗證。

表5 盈余錯報與明星分析師評級的回歸結果

(續表5)

在向下盈余錯報的樣本當中，Restate_Down1與RecomRVS_Star在10%水平上顯著正相關，系數為0.108；Restate_Down2與RecomRVS_Star在10%水平上顯著正相關，系數為0.098。即有向下盈余錯報的公司跟蹤的明星分析師評級要顯著高于配對公司。這表明跟蹤的明星分析師能力和資源比較充足，對向上和向下的盈余錯報均能有效感知，從而調整股票評級，H2b得到驗證。

綜上，跟蹤的分析師能夠感知到向上的盈余錯報而不能感知到向下的盈余錯報，行為調整具有不對稱性；而跟蹤的明星分析師卻不存在這個問題，對向上和向下盈余錯報均能感知，從而調整股票評級。

(三)雙差法模型檢驗

我們采用雙差法重新進行了檢驗。設計模型如下：

RecomRVS=α0+α1Up(Down)+α2Misstate_T+α3Up(Down)×Misstate_T+Σα1Controls+εi

(5)

RecomRVS_Star=α0+α1Up(Down)+α2Misstate_T+α3Up(Down)×Misstate_T+Σα1Controls+εi

(6)

其中:為有向上盈余錯報的公司Up賦值為1，配對公司Up賦值為0；為有向下盈余錯報的公司Down賦值為1，配對公司Down賦值為0。若為有盈余錯報的公司，則當公司處于錯報期間時，Misstate_T為1，否則為0；若為配對樣本，則當其年度處于其配對的盈余錯報公司的錯報期間時，Misstate_T為1，否則為0。Up(Down)×Misstate_T為Up(Down)與Misstate_T的交互項，是我們主要關注的變量，代表著盈余錯報對分析師評級變動帶來的凈影響。RecomRVS和RecomRVS_Star定義和賦值如表6所示。

表6 雙差法的回歸結果

(續表6)

如表6所示，當樣本為向上盈余錯報公司時，所有分析師的模型交互項在5%的水平上顯著為負；而當樣本為向下盈余錯報公司時，所有分析師的模型交互項系數為負，但不顯著。當樣本為向上盈余錯報公司時，明星分析師的模型交互項在5%的水平上顯著為負；當樣本為向下盈余錯報公司時，明星分析師的模型交互項在10%的水平上顯著為正。這與我們之前的研究結果一致。

(四)其他的穩健性檢驗

1.按錯報金額分組進行檢驗

我們按照盈余錯報金額的大小(經過資產平滑后的)分成兩組，分別進行檢驗，結果表明：在向上盈余的公司當中，錯報較大組的系數(-0.079)要小于錯報較小組的系數(-0.058)，且系數差異性檢驗發現錯報較大組的系數在5%的水平上顯著小于錯報較小組的系數；在向下盈余的公司當中，錯報較大組的系數為0.074，在10%的水平上顯著為正，而錯報較小組系數仍舊不顯著(2)限于篇幅，未將檢驗結果列示出來。。相比表4的結果，我們發現分析師對錯報較大的向下的盈余同樣能夠做出行為調整。

2.利用分析師層面數據檢驗

為了控制公司層面的某些噪音，更加謹慎的檢驗有盈余錯報和無盈余錯報公司分析師評級的差異，我們進一步檢驗了同一個分析師對于有盈余錯報與無盈余錯報公司評級的差異性。首先確定有盈余錯報公司跟蹤的分析師，然后找出這些分析師跟蹤的無盈余錯報的公司，我們將跟蹤盈余錯報公司的分析師同時跟蹤的非盈余錯報公司定義為沒有盈余錯報的公司。具體變量定義為Restate_Up(Restate_Down)為1時代表向上(向下)盈余錯報公司，Restate_Up為0時代表跟蹤盈余錯報的分析師同時跟蹤的非盈余錯報公司。

結果表明：首先，所有分析師評級的結果，在向上盈余錯報的樣本當中，Restate_Up與分析師層面的RecomRVS在1%水平上顯著負相關，相關系數是-0.097；這表明相對于無盈余錯報的公司，同樣的分析師對有向上盈余錯報公司的股票評級越可能向下變動。在向下盈余錯報的樣本當中，Restate_Down與分析師層面的RecomRVS正相關，但不顯著；這表明有向下盈余錯報的公司跟蹤的分析師評級相對于同樣分析師跟蹤的無盈余錯報的公司來講，無顯著性差異(3)限于篇幅，未將檢驗結果列示出來。。

其次，根據明星分析師的評級結果，在向上盈余錯報的樣本當中，Restate_Up與分析師層面的RecomRVS _Star在5%水平上顯著負相關，相關系數是-0.122；且進一步的系數差異性檢驗發現，明星分析師的系數(-0.122)在10%的水平上顯著大于所有分析師的系數(-0.097)(P值為0.051)。這表明相對于無盈余重述公司來講，同樣的明星分析師對有向上盈余錯報公司的股票評級可能向下變動。在向下盈余錯報的樣本當中，Restate_Down與分析師層面的RecomRVS _Star在10%水平上顯著正相關，系數為0.019。這表明有向下盈余錯報的公司跟蹤的明星分析師評級高于同樣分析師跟蹤的無盈余重述公司。結果與之前的結論一致，沒有發生顯著性變化。

為保證結果的準確性，我們又做了如下驗證：對有盈余重述的公司重新按照同年同行業資產最相近的標準以分別以1∶1和1∶2的比例尋找配對樣本，重新進行回歸，結果仍然支持之前的結論；用分析師的評級來代替分析師的行為，重新進行回歸，結果仍然支持之前的結論；用所有分析師評級調整的中位數來代替總的分析師的行為，重新進行回歸，結果仍然支持之前的結論；用固定效應模型控制公司的固定效應后重新進行了檢驗，結果沒有發生顯著性變化。(4)限于篇幅，未將結果一一列出。

六、結論與建議

本文以 2001—2016年之間的盈余重述公司為樣本，研究發現，在盈余重述之前即盈余錯報尚未被公開之前，分析師能夠提前感知到向上的盈余風險，向下調整股票評級；然而對于向下的盈余錯報公司卻只對錯報金額較大的做出了顯著的股票評級調整。這表明分析師可能出于時間和資源的考慮會特別關注能夠更加影響其聲譽的向上的盈余管理以及金額較重大的向下的盈余錯報，從而對向上和向下盈余錯報的行為調整具有不對稱性，這符合前景理論的預期。當分析師面臨著向上盈余錯報的公司時，查找出錯報進行評級調整可以獲得聲譽等收益，此時分析師面對極有可能的收益，會規避風險，努力查找出錯報。而當面臨著向下盈余錯報的公司時，投資者不像向上盈余錯報那么關注向下盈余錯報，尤其是金額比較小的向下錯報，分析師查找出錯報的收益較小，因此此時有風險追求的傾向，會冒險不去查找和披露向下盈余的錯報。進一步的研究我們發現這種不對稱性在明星分析師的股票評級中消失，這說明明星分析師的能力和資源比較充足，對向上和向下的盈余錯報均能有效感知，從而做出行為調整。

基于本文的理論分析和實證結果，我們提出以下政策建議：第一，向下盈余錯報同樣代表信息風險和信息不對稱的存在，不利于投資者對上市公司價值的判斷決策。因此監管機構和分析師等中介機構應從多角度注重信息披露的質量，以此更好的監督上市公司信息披露行為，幫助投資者做出差異化的決策，提高資本市場的定價效率。第二，在加快建設分析師隊伍的同時，應注重加強分析師能力的培養和資源的積累。一般分析師對盈余錯報的行為調整具有不對稱性，因此證券公司在選用分析師的過程中要關注分析師的能力和資源積累，監管機構也應提高分析師的準入機制，規范后期培訓，從而提高分析師的職業能力和職業素養，使其更好地發揮市場的中介作用和監督作用。第三，證券公司和分析師應加強培養行業優勢，提倡“術業有專攻”。隨著上市公司數量的大量增加，將有限的時間和資源集中于少數行業有助于提高分析師的競爭力。此外，證券公司也可以挖掘和合理利用每個分析師的行業專長，高效配置分析師資源。