賣空限制、分析師盈余預(yù)測分歧度與股票未來收益

常州工學(xué)院 姚 俊

賣空限制、分析師盈余預(yù)測分歧度與股票未來收益

常州工學(xué)院 姚 俊

本文選取2010年4月至2015年12月間滬深兩市一直存在賣空限制和不存在賣空限制的兩組公司作為研究對象，通過我國證券市場融資融券業(yè)務(wù)逐漸開放所提供的“自然實(shí)驗(yàn)”環(huán)境，分析了賣空限制、分析師盈余預(yù)測分歧度與股票未來收益間的關(guān)系。研究表明：在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場顯著存在，即分析師盈余預(yù)測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負(fù)相關(guān)關(guān)系；而賣空限制的放松顯著改變了分析師盈余預(yù)測分歧度與股票未來收益的相關(guān)關(guān)系。當(dāng)不再存在賣空限制，分歧度與股票未來收益不存在相關(guān)關(guān)系。因此，可以認(rèn)為融資融券政策是具有市場效率的，它顯著改善了市場的賣空限制的程度，使我國的資本市場向更合理的方向發(fā)展。

賣空限制 分歧度 股票未來收益

一、引言

分析師是資本市場的重要信息中介。他們擁有專業(yè)的信息分析能力、多元化的信息來源渠道，通過挖掘上市公司的潛在信息，出具研究報告，為投資者決策提供參考標(biāo)準(zhǔn)。熱門的股票會有眾多的分析師關(guān)注，分析師的信息來源和預(yù)測依據(jù)不同，預(yù)測結(jié)果也不盡相同。對分析師的盈余預(yù)測分歧度的解讀，主要存在兩方面的看法。一方面認(rèn)為，分析師的分歧度來源于公司未來盈余的不確定性。公司的未來盈余越不確定，風(fēng)險越大，分析師盈余預(yù)測的難度也越大，造成了分析師盈余預(yù)測的分歧度越大。在這種情況下，投資者的投資決策面臨的風(fēng)險也越大，會相應(yīng)要求一個更高的收益回報以補(bǔ)償這種不確定性，反映在公司估值模型上，投資者采用的折現(xiàn)率相對較高，得出的公司現(xiàn)值相對較小。由于投資者過高的折現(xiàn)率的選擇，導(dǎo)致公司的當(dāng)前股價小于公司的內(nèi)在價值，股票未來收益越高。這也是Doukas，Kim and Pantzalis（2006）的實(shí)證研究結(jié)果。在這種解讀之下，分析師盈余預(yù)測的分歧度越大，投資者的未來股票收益應(yīng)該是越大，兩者之間是正相關(guān)關(guān)系。

另一方面認(rèn)為，分析師的分歧度來源于分析師本身的異質(zhì)信念，即分析師之間的信息不對稱。Miller（1977）認(rèn)為，如果投資者對股票的價值存在不同意見，由于賣空限制的存在，股票價格將會反應(yīng)樂觀投資者的意見，悲觀投資者的意見得不到充分的表達(dá)，股價就會出現(xiàn)樂觀偏差，這會導(dǎo)致未來的股票收益下降。延伸到這里的解釋就是，市場上存在了樂觀的分析師和悲觀的分析師，他們的意見不一致，悲觀的分析師更多地獲取了公司負(fù)面的消息，但由于賣空限制的存在，股票不能夠被做空，負(fù)面消息不能快速地融入股價，導(dǎo)致當(dāng)前股價高估，未來收益下降。這也是Diether，Malloy and Scherbina（2002） 發(fā)現(xiàn)的“Dispersion effect”，分析師盈余預(yù)測分歧度大的股票未來的市場表現(xiàn)是要差于分歧度小的股票。在這種解讀之下，分析師盈余預(yù)測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負(fù)相關(guān)關(guān)系。

本文試圖從國內(nèi)資本市場的情況出發(fā)，在我國融資融券業(yè)務(wù)逐步放開的大背景下，探討在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場是否存在？而賣空限制的放松是否顯著改變了分析師盈余預(yù)測分歧度與股票未來收益的相關(guān)關(guān)系？

二、理論分析與研究假設(shè)

在投資者進(jìn)行公司價值估計的過程中，分析師的盈余預(yù)測是一個可供利用的參考標(biāo)準(zhǔn)。投資者可以在分析師已經(jīng)充分進(jìn)行公司信息收集、利用專業(yè)財務(wù)工具分析的情況對股票進(jìn)行價值估計，而且分析師有背后的研究團(tuán)隊(duì)進(jìn)行支持，做出的盈余預(yù)測往往更加理性、客觀，分析師是投資者與市場之間的中介角色，一方面幫助投資者做出決策，另一方面充分挖掘了市場信息，提高了市場效率。因此，分析師在資本市場擁有舉足輕重的地位。

投資者在考慮不同分析師的意見時，只了解盈余預(yù)測的具體數(shù)值往往是遠(yuǎn)遠(yuǎn)不夠的，尤其是分析師在給出的盈余預(yù)測存在很大差別的情況下。為了評價盈余預(yù)測信號的可靠性，投資者會挖掘額外的包含在分析師盈余預(yù)測分布中的信息。一般來說，如果盈余預(yù)測分布越集中，標(biāo)準(zhǔn)差越小，代表分析師之間的意見越一致，投資者對盈余預(yù)測的確定性把握越高；如果盈余預(yù)測分布越分散，標(biāo)準(zhǔn)差越大，則說明分析師之間的意見非常不統(tǒng)一，投資者對盈余預(yù)測的預(yù)估也會出現(xiàn)非常大的不確定性。從直觀意義上來說，分析師的盈余預(yù)測不確定性越高，表示公司未來的盈余不確定性也比較高，風(fēng)險比較大，投資者會要求一個更高的收益回報以補(bǔ)償這種不確定性，反映在公司估值模型上，投資者采用的折現(xiàn)率相對較高，得出的公司現(xiàn)值相對較小。由于投資者過高的折現(xiàn)率的選擇，導(dǎo)致公司的當(dāng)前股價小于公司的內(nèi)在價值，股票未來收益越高。也就是說盈余預(yù)測的分歧度越大，股票的未來收益是越大，兩者之間是正相關(guān)關(guān)系。但是這種把分歧度視為風(fēng)險因子的情況，與大部分的實(shí)證檢驗(yàn)結(jié)果出現(xiàn)了背離。Diether，Malloy and Scherbina（2002）就曾指出分歧度小的股票的市場表現(xiàn)是要好于分歧度高的股票，分歧度小，不確定性低的股票反而在隨后有更好的市場表現(xiàn)，這種現(xiàn)象也被稱作“Dispersion effect”。

針對這種“Dispersion effect”，DMS（2002）認(rèn)為分歧度不應(yīng)該作為風(fēng)險因子，而是衡量不同意見的維度，即每個分析師對股票抱有異質(zhì)的信念。這個也正好論證了Miller（1977）的觀點(diǎn)。Miller認(rèn)為，如果投資者對股票的價值存在不同意見的話，由于賣空限制的存在，股票價格將會反應(yīng)樂觀投資者的意見，悲觀投資者的意見得不到充分的表達(dá)，股價就會出現(xiàn)樂觀偏差，這會導(dǎo)致未來的股票收益下降。這里的樂觀投資者和悲觀投資者就是上文不同意見的維度，也許客觀上他們面臨了同樣的不確定性，同樣的風(fēng)險，但是他們對風(fēng)險的解讀確實(shí)不一樣的。Boehme等（2006）也提到這種“Dispersion effect”在存在賣空限制的公司是最顯著的。

本文采用的分析師的異質(zhì)信念作為投資者異質(zhì)信念的衡量是最早出現(xiàn)在Diether，Malloy and Scherbina（2002）。根據(jù)DMS（2002）的觀點(diǎn)，分析師盈余預(yù)測的分歧度越高，股票未來的市場表現(xiàn)越差。本文提出假設(shè)1：

H1：在絕對賣空限制的條件下，分析師盈余預(yù)測分歧度與股票未來收益呈負(fù)相關(guān)關(guān)系

我國融資融券業(yè)務(wù)的開放也為深入研究這一問題提供了絕佳的“自然實(shí)驗(yàn)”環(huán)境。融資融券業(yè)務(wù)是指投資者可以向具有開展融資融券業(yè)務(wù)資格的券商提供擔(dān)保物，借入資金買入證券或者借入證券賣出的行為。融資融券業(yè)務(wù)的開展，一方面給投資者提供資金來源的渠道，對市場股票行情看漲的投資者產(chǎn)生了“資金杠桿放大的效應(yīng)”，投資者不僅可以利用自有資金進(jìn)行股票交易，同時還借入券商的資金進(jìn)行交易，放大了資金的杠桿：另一方面如果投資者看跌未來的市場行情，投資者可以向券商借入證券進(jìn)行及時的賣出操作，等到未來證券價格下跌時買入相同數(shù)量的證券歸還券商并支付一定的費(fèi)用。即融資融券交易賦予了投資者雙向操作的機(jī)會，讓投資者利用不斷變化的股市行情進(jìn)行及時的套利。因此，融資融券交易加大了股票市場的活躍程度，使信息通過投資者買入賣出的行為快速融入到資本市場，提高了資本市場的效率。尤其是融券業(yè)務(wù)的最大特點(diǎn)就是加速推動負(fù)面消息向市場擴(kuò)散的速度，賣空交易往往包含著對現(xiàn)有證券價值的重估的信息，監(jiān)管機(jī)構(gòu)及時地披露賣空交易的情況，這樣不僅提高了市場的公平性和透明性，這樣增強(qiáng)了對一般的投資者利益的保護(hù)，他們能夠及時獲取的新信息進(jìn)行合理的市場操作，也使公司的價值向合理區(qū)間回歸。

Hong and Stein（2003）引入一個完全競爭的市場，存在一個風(fēng)險中立的、完全理性的風(fēng)險套利者在不受賣空限制的情況下，市場可以達(dá)成一個無偏的股票價格，這時異質(zhì)信念與股票收益是無關(guān)的。融資融券標(biāo)的股票在2010年3月31日過后放松了賣空限制，因此，本文提出假設(shè)2：

H2：賣空限制放松后，分析師盈余預(yù)測分歧度與股票未來收益不再具有相關(guān)關(guān)系

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源 本文從分析師的角度和政策放開的市場環(huán)境，研究賣空限制如何作用于異質(zhì)信念與股票未來收益的相關(guān)關(guān)系。第一步，遵循傳統(tǒng)文獻(xiàn)的做法，研究在絕對賣空限制條件下異質(zhì)信念與股票收益的相關(guān)關(guān)系，因此選取的樣本一直處在嚴(yán)格的賣空環(huán)境下。2014年9月融資融券標(biāo)的股票樣本數(shù)擴(kuò)容到了900只，本文刪除這一部分的樣本，同時剔除金融公司，剩下的這一部分公司的樣本就是一直處于嚴(yán)格的賣空環(huán)境，最后得到4016個月度觀測值，時間跨度是從2010年4月到2015年12月，本文對這一組樣本稱為“N”組。第二步，由于我國股票市場經(jīng)歷了從嚴(yán)格的賣空限制到放松的過程，為本文檢驗(yàn)賣空限制如何作用于異質(zhì)信念與股票未來收益的相關(guān)關(guān)系提供了“自然實(shí)驗(yàn)”的環(huán)境，因此選取融資融券標(biāo)的股票作為研究樣本。融資融券標(biāo)的股票樣本數(shù)經(jīng)歷了從2010年3月的90只，到2014年9月的900只。本文選取最初的90只股票，同時，（1）剔除了金融企業(yè)。（2）剔除研究期間被調(diào)融資融券的標(biāo)的股票。最后得到1761個月度觀測值，時間跨度是從2010年4月到2015年12月，本文對這一組樣本稱為“Y”組。本文的收益數(shù)據(jù)、分析師數(shù)據(jù)、公司特征數(shù)據(jù)均來源于CSMAR數(shù)據(jù)庫，換手率數(shù)據(jù)來源于銳思數(shù)據(jù)庫。

（二）變量定義

（1）被解釋變量。Return：考慮現(xiàn)金紅利再投資的月個股回報率。本文要研究的是分析師的異質(zhì)信念如何影響股票回報率，分析師的評級推薦或者研究報告往往是根據(jù)及時的行情而不定期或定期發(fā)布的，因此采用月度的股票回報率更能動態(tài)地反映兩者之間的相關(guān)關(guān)系。

（2）解釋變量。Dispersion：分析師盈余預(yù)測的分歧度，作為衡量分析師異質(zhì)信念的指標(biāo)。公司每個月會有多家券商的分析師對其EPS進(jìn)行預(yù)測，不同的分析師基于信息集的不同會給出不同的盈余預(yù)測，同時每個月同一家券商的分析師可能會給出多次預(yù)測。本文取券商在本月給出的最后一次盈余預(yù)測的觀測值，對所有券商的盈余預(yù)測求標(biāo)準(zhǔn)差，除以所有券商盈余預(yù)測平均值的絕對值，計算得出的結(jié)果作為分析師盈余預(yù)測的分歧度。假設(shè)數(shù)據(jù)庫中只提供了該月內(nèi)一家券商對某公司的盈余預(yù)測，則刪除該觀測，因?yàn)橐患胰痰臄?shù)據(jù)是無法計算盈余預(yù)測標(biāo)準(zhǔn)差。

（3）控制變量。Returnl：月度股票收益率的滯后一期。月度的股票收益率很容易受到上一期股票收益率的影響，因此在這里控制上一期股票收益率的影響。

Beta值：作為個股相較于市場的風(fēng)險指標(biāo)。

公司市值Lnmsmvttl：對公司總市值取自然對數(shù)，而不是僅僅對流通股的市值取對數(shù)。Fama-French的三因素模型中提到影響股票的收益率很重要的兩個因素，就是公司規(guī)模和賬市比。公司規(guī)模是公司獲利能力重要的參數(shù)。

資產(chǎn)負(fù)債率Lev：總負(fù)債與總資產(chǎn)的比值。資產(chǎn)負(fù)債率一定程度上衡量的是公司的財務(wù)風(fēng)險的大小，公司的負(fù)債越多，債權(quán)人相應(yīng)的債務(wù)保障要求越多，不僅要付出相應(yīng)的資本成本，還會影響到公司的投資決策，在兩者的綜合作用之下，會最終反映在公司未來的股票收益上。

賬市比BM：公司的賬面價值與公司總市值的比值。

市盈率PE：股票收盤價與每股收益的比值。

凈資產(chǎn)收益率ROE：凈利潤與股東權(quán)益的比值。

表1 變量定義表

（三）模型構(gòu)建本文構(gòu)建以下模型來驗(yàn)證前文的假設(shè)：

其中，Return是t期的月度股票收益率；Dispersion是t-1期分析師盈余預(yù)測的分歧度；其余為t-1期公司的特征變量，重點(diǎn)關(guān)注Dispersion的系數(shù)。

四、實(shí)證分析

（一）描述性統(tǒng)計 為了從直觀上了解絕對賣空限制的樣本的“Dispersion effect”，本文首先采用了組合分析策略。DMS（2002）在分析師異質(zhì)信念與股票未來收益之間的相關(guān)關(guān)系采用了組合分析策略。文章將股票按照一定的特征分為若干個組合，從而來比較不同組合間的差異。比如，本文按照dispersion和公司規(guī)模對股票進(jìn)行分組，然后比較不同組未來收益率的差異。這樣可以從直觀上了解，在控制公司規(guī)模的影響下，Dispersion大小的變化會引起股票未來收益發(fā)生的變化。

本文假設(shè)股票的持有期限是一個月，每個月首先按照上一個月的公司規(guī)模將股票分為3大組，再按照上一個月的Dispersion大小在3大組內(nèi)將股票分為5小組，然后對本月的股票收益率進(jìn)行加權(quán)平均。這也就是本文需要研究的分析師異質(zhì)信念與股票未來收益之間的相關(guān)關(guān)系方法，通過滯后期和本期的數(shù)據(jù)實(shí)現(xiàn)。這里公司規(guī)模的衡量是采用CSMAR數(shù)據(jù)行情版塊的總市值月度數(shù)據(jù)，這樣使得分析師的月度Dispersion與月度總市值相匹配。表2是組合策略分析的結(jié)果。從表2的統(tǒng)計結(jié)果看出，按照規(guī)模分為3組的數(shù)據(jù)中，有2組的數(shù)據(jù)得出了分歧度與股票未來收益呈顯著的負(fù)相關(guān)關(guān)系。D1-D5的未來收益的均值差為1.75%，是顯著相關(guān)的。也就是說，分歧度的數(shù)值越大，反而收益率的數(shù)值越小。

Fama-French的三因素模型告訴過我們，公司規(guī)模、賬市比是影響公司未來收益最重要的兩個指標(biāo)。因此，本文首先從公司規(guī)模和分歧度兩個維度將數(shù)據(jù)分為15組，主要是為了說明“Dispersion effect”不是簡單由公司的規(guī)模帶來的，在控制了規(guī)模的前提，這種效應(yīng)仍然顯著存在。而且在每個小組里面包含了260個左右的樣本觀測，這個樣本數(shù)量是具有統(tǒng)計意義的。

同時表2的結(jié)果也表明一個很有意思的現(xiàn)象，D1和D5兩者之間的收益差的顯著性隨著規(guī)模的增大而逐漸消失。雖然本文在公司規(guī)模較小的兩組D1-D5的值是顯著為正的，但是規(guī)模最大的一組D1-D5的值不再顯著。當(dāng)然，不能說“Dispersion effect”是由公司規(guī)模帶來的，因?yàn)樵诳刂埔?guī)模的前提下，3組的數(shù)據(jù)中已經(jīng)有2組的數(shù)據(jù)顯著，這種負(fù)相關(guān)關(guān)系是顯著存在的。

表2 按規(guī)模分組的組合分析

這里初步給出了一個重要的提示，“Dispersion effect”在規(guī)模小的公司是最顯著的，與DMS（2002）的結(jié)論基本一致?！癉ispersion effect”受公司規(guī)模的影響。Fama-French的三因素模型還有一個重要的變量，公司的賬市比。接下來，本文加入BM這個維度，對總樣本先按照BM的大小分為3大組，再按照公司規(guī)模的大小分為3小組，最后在每個小組內(nèi)按照分歧度的大小再分為3組，這樣子組合起來，總共分為了27個小組，每個小組包括148個左右的樣本觀測值，同樣是具有統(tǒng)計意義的。

從表3的統(tǒng)計結(jié)果，可以看出，9組Low組和High組的收益率差值有3組是顯著為正的，這說明了“Dispersion effect”并不是有公司的賬市比效應(yīng)帶來的。同樣，本文觀測到了在公司規(guī)模較小的組別，這種“Dispersion effect”是最顯著存在的。但是本文并沒有觀測到明顯的“Dispersion effect”隨著公司BM數(shù)值的大小的改變而改變的規(guī)律。雖然表3的結(jié)果只有在BM的高組和低組存在顯著的組別，但是本文并不能得出統(tǒng)一性的規(guī)律。組合分析策略使本文驗(yàn)證了絕對賣空限制的樣本中存在于主流文獻(xiàn)相一致的“Dispersion effect”。

表3 按公司規(guī)模和BM分組的組合分析

（二）相關(guān)性分析 在進(jìn)行模型的多元回歸之前，先進(jìn)行樣本內(nèi)各相關(guān)變量之間的相關(guān)性分析，表4和表5分別為絕對賣空限制樣本組（N組）和非賣空限制組（Y組）的相關(guān)性分析。這里重點(diǎn)關(guān)注影響被解釋變量股票未來收益和關(guān)鍵解釋變量分歧度這兩列的數(shù)據(jù)。從表4可以看出，首先，從第一列數(shù)據(jù)可以看到股票未來收益與分歧度、公司規(guī)模、資本負(fù)債率、賬市比和過去的股票收益是具有相關(guān)性的。被解釋變量與關(guān)鍵的解釋變量之間具有顯著的負(fù)相關(guān)關(guān)系，這也與組合分析策略中得到的結(jié)果相一致，分歧度越大的股票，未來股票收益越小，未來的市場表現(xiàn)越差。

接下來，關(guān)注第二列的數(shù)據(jù)，可以看到分歧度與公司的beta系數(shù)、公司規(guī)模、資產(chǎn)負(fù)債率、賬市比、和凈資產(chǎn)收益率存在相關(guān)關(guān)系。本文主要得出以下結(jié)論：（1）與公司beta系數(shù)顯著正相關(guān)，公司的風(fēng)險越大，分歧度也就越大。（2）公司規(guī)模與分歧度顯著負(fù)相關(guān)，說明公司規(guī)模越小，分歧度越大；資產(chǎn)負(fù)債率與分歧度呈顯著正相關(guān)，資產(chǎn)負(fù)債率越大，公司可能面臨的財務(wù)破產(chǎn)可能性也就越大，分析師的分歧度也隨之增大。這與DMS（2002）、Johnson（2004）和Avramov，Chordia，Jostova，and Philipov（2009）的實(shí)證結(jié)果是相一致的，他們認(rèn)為規(guī)模小、公司杠桿較高、財務(wù)危機(jī)的公司這種“Dispersion effect”最顯著。（3）與賬市比顯著正相關(guān)，賬市比越大，公司越不被市場看好，分析師的分歧度也越大。（4）與凈資產(chǎn)收益率顯著負(fù)相關(guān)，過去的財務(wù)業(yè)績越差，分析師的分歧度也越大。綜合上面的指標(biāo)來看，越是業(yè)績差、規(guī)模小、風(fēng)險大、不被市場看好的公司，往往也是賣空限制最嚴(yán)重的公司，這些公司的分歧度也越大。

從表5可以看出，首先，從第一列數(shù)據(jù)可以看到被解釋變量與關(guān)鍵的解釋變量不具有相關(guān)性，這是符合模型預(yù)期的。Hong and Stein（2003）實(shí)證發(fā)現(xiàn)在不存在賣空限制的前提，異質(zhì)信念與股票收益是無關(guān)的。所以這里分歧度與股票收益不存在相關(guān)關(guān)系是與Hong and Stein（2003）的結(jié)論相一致的。接下來關(guān)注第二列的數(shù)據(jù)，可以看到分歧度與公司的beta系數(shù)、規(guī)模、資產(chǎn)負(fù)債率、賬市比和凈資產(chǎn)收益率存在相關(guān)關(guān)系，其中與公司的beta系數(shù)、資產(chǎn)負(fù)債率和賬市比是顯著正相關(guān)的，與規(guī)模和凈資產(chǎn)收益率呈顯著負(fù)相關(guān)關(guān)系。

表5 非賣空限制組股票未來收益與分析師盈余預(yù)測分歧度等變量的相關(guān)性分析

（三）回歸分析 在多元回歸的模型中，同時采用了OLS和固定效應(yīng)模型，從表6和表7的回歸結(jié)果可以看出固定效應(yīng)的調(diào)整R2數(shù)值明顯要大于OLS模型，固定效應(yīng)模型的擬合程度較好，所以重點(diǎn)關(guān)注固定效應(yīng)模型的回歸結(jié)果。本文對固定效應(yīng)模型還是隨機(jī)效應(yīng)模型的選擇進(jìn)行了Hausman檢驗(yàn)，最終選定了固定效應(yīng)模型而排除了隨機(jī)效應(yīng)模型。從表6中的回歸結(jié)果可以看到，在僅考慮分析師的分歧度與股票未來收益相關(guān)關(guān)系的情況下，回歸結(jié)果（2）中Dispersion與股票未來收益之間的回歸系數(shù)不具有顯著性。也就是說，本文可能遺漏了重要的控制變量，單單Dispersion是無法解釋股票的未來回報。

接著本文控制了最為常見的幾個公司特征的控制變量——公司的Beta系數(shù)、公司規(guī)模、資產(chǎn)負(fù)債率、賬市比，發(fā)現(xiàn)回歸結(jié)果（4）中，Dispersion與股票未來收益之間的回歸系數(shù)（結(jié)論在1%水平上顯著），是顯著為負(fù)的，回歸系數(shù)的絕對值相較于（2）的系數(shù)的絕對值有所增大，由原來的不顯著變?yōu)楹茱@著。這里的結(jié)果跟組合策略、相關(guān)性分析是相一致的。加入的四個控制變量回歸系數(shù)全部顯著（結(jié)論在1%水平上顯著）。在前文的相關(guān)性分析中，已經(jīng)看到越是業(yè)績差、規(guī)模小、風(fēng)險大、不被市場看好的公司，往往也是賣空限制最嚴(yán)重的公司，這些公司的分歧度也越大，因而這里表現(xiàn)出較差的市場業(yè)績，與預(yù)期結(jié)果相一致。

最后的回歸模型當(dāng)中，本文加入了更多的控制變量——滯后一期的股票回報率、市盈率和凈資產(chǎn)收益率?；貧w結(jié)果（6）中，仍然可以看到Dispersion與股票未來收益之間的回歸系數(shù)（結(jié)論在1%水平上顯著），是顯著為負(fù)的，回歸系數(shù)相較于（4）的系數(shù)沒有發(fā)生變化，顯著性也不變。在回歸模型（4）已經(jīng)出現(xiàn)的四個控制變量，在這一階段的回歸沒有發(fā)生大的變化，新加入的三個變量中市盈率的回歸系數(shù)不顯著。其余兩個變量，滯后一期的股票回報率的回歸系數(shù)顯著為負(fù)，說明上一期好的的市場表現(xiàn)并不會在下一期延續(xù)。凈資產(chǎn)收益率的回歸系數(shù)顯著為負(fù)，同樣跟相關(guān)性分析的結(jié)果相一致，過去的財務(wù)業(yè)績越差，分歧度越大，股票的市場表現(xiàn)也就越差。

表6 絕對賣空限制組股票未來收益與分析師盈余預(yù)測分歧度的回歸結(jié)果

從表7中的回歸結(jié)果可以看到，與本文的理論預(yù)期相一致，6組回歸結(jié)果，Dispersion的回歸系數(shù)都是不顯著的。也就是說，不存在賣空限制的前提下，分歧度與股票的未來收益是不存在相關(guān)關(guān)系的。

接著本文控制了最為常見的幾個公司特征的控制變量——公司的Beta系數(shù)、公司規(guī)模、資產(chǎn)負(fù)債率、賬市比。與非標(biāo)的股票“N組”的固定效應(yīng)模型回歸結(jié)果相比，四個控制變量中公司的Beta系數(shù)和資產(chǎn)負(fù)債率的正相關(guān)關(guān)系由原來的顯著變?yōu)椴伙@著。

最后的回歸當(dāng)中，本文加入了更多的控制變量——滯后一期的股票回報率、市盈率和凈資產(chǎn)收益率。與非標(biāo)的股票“N組”的固定效應(yīng)模型回歸結(jié)果相比，滯后一期的股票回報率和凈資產(chǎn)收益率也由原來的顯著相關(guān)變?yōu)椴伙@著。

綜合比較非標(biāo)的股票“N組”和標(biāo)的股票“Y組”可以看出，賣空限制確實(shí)導(dǎo)致了分歧度與股票未來收益兩者之間的負(fù)相關(guān)關(guān)系，放松賣空限制后，分歧度與股票未來收益將不再存在相關(guān)關(guān)系。這反映出了中國的融資融券政策產(chǎn)生了顯著的市場效應(yīng)，降低市場的賣空程度，達(dá)到了預(yù)期的政策效果。

由于目前絕大多數(shù)的股票仍然處于絕對賣空限制的市場條件下，相比與融資的市場規(guī)模，融券規(guī)模較小，市場的賣空限制依然存在，“Dispersion effect”在中國資本市場依然是顯著存在的。

五、結(jié)論

本文通過我國證券市場融資融券業(yè)務(wù)逐漸開放所提供的“自然實(shí)驗(yàn)”環(huán)境，研究了賣空限制、分析師盈余預(yù)測分歧度與股票未來收益間的關(guān)系，并主要選取2010年4月至2015年12月間滬深兩市一直存在賣空限制和不存在賣空限制的兩組公司作為研究對象，主要得出以下結(jié)論：第一，在絕對賣空限制的條件下，“Dispersion effect”在中國資本市場顯著存在，即分析師盈余預(yù)測的分歧度越大，投資者的股票未來收益是越小，兩者之間是負(fù)相關(guān)關(guān)系。第二，賣空限制的放松顯著改變了分析師盈余預(yù)測分歧度與股票未來收益的相關(guān)關(guān)系。當(dāng)不再存在賣空限制，分歧度與股票未來收益不存在相關(guān)關(guān)系。因此，可以認(rèn)為融資融券政策是具有市場效率的，它顯著改善了市場的賣空限制的程度，使我國的資本市場向更合理的方向發(fā)展。

［1］史金艷、趙江山、張茂軍：《基于投資者異質(zhì)信念的均衡資產(chǎn)定價模型研究》，《管理科學(xué)》2009年第6期。

［2］張崢、劉力：《換手率與股票收益：流動性溢價還是投機(jī)性泡沫》，《經(jīng)濟(jì)學(xué)》2006年第3期。

［3］涂宏偉：《我國股市的特質(zhì)波動率之謎及基于異質(zhì)信念的解釋》，廈門大學(xué)2008年碩士學(xué)位論文。

［4］陳國進(jìn)、胡超凡、王景：《異質(zhì)信念與股票收益—基于我國股票市場的實(shí)證研究》，《財貿(mào)研究》2009年第3期。

［5］尹慧、趙國慶：《異質(zhì)信念、賣空限制與股票收益》，《上海經(jīng)濟(jì)研究》2013年第12期。

［6］周暉、鄒建國、葛琦：《投資者意見分歧對盈余公告效應(yīng)影響的實(shí)證研究》，《財經(jīng)理論與實(shí)踐》2008年第5期。

［7］肖作平、曲佳莉：《分析師意見分歧，經(jīng)驗(yàn)與權(quán)益資本成本》，《證券市場導(dǎo)報》2013年第9期。

［8］Diether,K.B.,Malloy,C.J.and Scherbina,A. Differences of Opinion and Thecross Section of Stock Returns. Journal of Finance,2002.

［9］Avramov D.,Chordia T.,Jostova G.and Philipov A. Dispersion in Analysts’Earnings Forcasts and Credit Rating. Journal of Financial Economics,2009．

［10］Leippold,M.and H.Lohre.The Dispersion Effect in International Stock Returns.Journal of Empirical Finance,2014.

［11］Boehme,R.,Danielsen,B.and Sorescu.Short Sales Constraints,Differences of Opinion and Overvaluation.Journal of Financial and Quantitative Analysis,2006.

［12］Doukas,J.A.,Kim,C.and Pantzalis,C.Divergence of Opinion and Equity Returns.JournalofFinancialand Quantitative Finance,2006.

［13］Garfinkel,J.A.and J.S.Sokobin.Volume,Opinion Divergence and Returns: A Study of Post-earnings Announcement Drift.Journal of Accounting Research,2006.

（編輯彭文喜）