網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)

廖明情（博士生導(dǎo)師），蔡曉儀，謝 軍（教授）

一、引言

有效市場(chǎng)假說（EMH）認(rèn)為，金融市場(chǎng)的波動(dòng)取決于新聞、時(shí)事和產(chǎn)品發(fā)布，這些信息都會(huì)對(duì)公司的股票價(jià)值產(chǎn)生重大影響。自2019 年以來，伴隨著“全媒體傳播”輿論格局的建立，多種輿情傳播的新工具相繼出現(xiàn)。得益于網(wǎng)絡(luò)社交媒體的覆蓋性和豐富性，輿論和話語(yǔ)的方式正在迅速發(fā)生變化。例如，作為股票市場(chǎng)社交媒體的典型例子，股吧論壇成為股民分享對(duì)股票問題認(rèn)知的完美平臺(tái)，被視為資本市場(chǎng)的“傳感器”。股吧論壇這一媒介具有兩個(gè)特點(diǎn)：一是股吧論壇的參與主體多為未經(jīng)認(rèn)證的個(gè)人匿名投資者，個(gè)人投資者較容易受到非理性因素的影響，因此被稱為“情緒型投資者”（林振興，2011）；二是股吧論壇的帖子內(nèi)容未經(jīng)上市公司判斷和審核，散戶發(fā)帖甚至只是單純地為了宣泄情緒或故意為之?；谝陨蟽蓚€(gè)特點(diǎn)，有學(xué)者認(rèn)為以股吧論壇帖子為代表的網(wǎng)絡(luò)社交媒體數(shù)據(jù)存在一定的不可預(yù)測(cè)性和模糊性（關(guān)靜怡等，2020）。

社會(huì)心理學(xué)認(rèn)為，趨群性是人的本性之一，網(wǎng)絡(luò)群體亦是如此，人們通過文字等信息來傳遞自己的情緒和態(tài)度，并通過交流等方式對(duì)群體內(nèi)的人產(chǎn)生影響，所以在網(wǎng)絡(luò)社交媒體的推波助瀾下，意見分歧較容易在群體中蔓延，從而造成群體的非理性行為。關(guān)于意見分歧的研究，Miller（1977）首次提出“投資者意見分歧”這一概念，其認(rèn)為當(dāng)投資者難以預(yù)測(cè)股價(jià)未來的走勢(shì)時(shí)便容易產(chǎn)生意見分歧。目前已有較多文獻(xiàn)研究了意見分歧在資本市場(chǎng)中帶來的經(jīng)濟(jì)后果，包括意見分歧與股票交易量（Diether和Scherbina，2002）、股價(jià)崩盤（陳國(guó)進(jìn)和張貽軍，2009）、過度投資（許致維和李少育，2014）、IPO 異象（Houge 等，2001）、公司治理（李維安等，2012）等之間的相關(guān)關(guān)系，但尚未有研究直接研究意見分歧對(duì)資本市場(chǎng)中的重要參與者——證券分析師（簡(jiǎn)稱“分析師”）的行為會(huì)產(chǎn)生何種影響。

從20世紀(jì)90年代的“股評(píng)家”發(fā)展為現(xiàn)代意義上的分析師，分析師在金融市場(chǎng)上扮演著越來越重要的角色，其通過搜集、處理和傳遞信息，可以提高資本市場(chǎng)上的信息披露水平（廖明情等，2021）。尤其是2021 年中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)《建設(shè)高標(biāo)準(zhǔn)市場(chǎng)體系行動(dòng)方案》（簡(jiǎn)稱《方案》），提出要促進(jìn)資本市場(chǎng)健康發(fā)展，提升市場(chǎng)專業(yè)化服務(wù)能力，健全社會(huì)監(jiān)督機(jī)制。作為資本市場(chǎng)上重要的信息中介，分析師發(fā)揮著積極的外部監(jiān)督作用。分析師的監(jiān)督渠道有兩種：一是直接監(jiān)督，即通過跟蹤上市公司的財(cái)務(wù)報(bào)表直接與管理層進(jìn)行溝通；二是間接監(jiān)督，即通過發(fā)布研究報(bào)告的方式向投資者釋放公有信息和私有信息，幫助投資者發(fā)現(xiàn)管理層的不正當(dāng)行為。分析師監(jiān)督可以降低財(cái)務(wù)報(bào)告錯(cuò)誤概率，抑制管理層的欺詐行為，緩解代理問題（Chen等，2016），降低代理成本，提升公司價(jià)值；同時(shí)，還可以提高企業(yè)的融資和投資效率（Derrien 和Kecskes，2013），降低民營(yíng)企業(yè)的盈余管理程度。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，投資者的意見分歧容易在群體間擴(kuò)散，因此通過討論意見分歧對(duì)分析師行為的影響，研究分析師在面對(duì)意見分歧時(shí)如何調(diào)整自身的盈余預(yù)測(cè)行為，對(duì)于深入學(xué)習(xí)和貫徹《方案》思想、探索分析師的市場(chǎng)作用具有重要的理論和實(shí)踐意義。

本文通過股吧論壇數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)社交媒體意見分歧指標(biāo)，對(duì)意見分歧和分析師預(yù)測(cè)行為之間的關(guān)系進(jìn)行檢驗(yàn)。研究發(fā)現(xiàn)，網(wǎng)絡(luò)社交媒體意見分歧越大，分析師關(guān)注度越高。在網(wǎng)絡(luò)社交媒體意見分歧導(dǎo)致的復(fù)雜市場(chǎng)信息環(huán)境下，分析師更傾向于“逆水行舟”，對(duì)上市公司進(jìn)行實(shí)地調(diào)研以提高其預(yù)測(cè)準(zhǔn)確性，具體表現(xiàn)為分析師預(yù)測(cè)偏差、樂觀偏差和分歧度降低，這一結(jié)論符合Hirshleifer（2001）提出的分析師“保守主義”假說。同時(shí)，從內(nèi)在驅(qū)動(dòng)和外在沖擊看，投資者關(guān)注度和2013年最高法《司法解釋》發(fā)布增強(qiáng)了意見分歧和分析師預(yù)測(cè)質(zhì)量的關(guān)系；進(jìn)一步研究發(fā)現(xiàn)，分析師的實(shí)地調(diào)研行為在網(wǎng)絡(luò)社交媒體意見分歧影響分析師預(yù)測(cè)途徑中發(fā)揮著中介作用。

本文首次從新的視角論證了網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師盈余預(yù)測(cè)的影響，研究貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面：第一，本文補(bǔ)充了分析師預(yù)測(cè)的相關(guān)研究。已有關(guān)于分析師預(yù)測(cè)質(zhì)量的研究主要集中在公司特征或分析師個(gè)人特質(zhì)上，本文聚焦于熱門輿情信息，檢驗(yàn)了分析師對(duì)網(wǎng)絡(luò)社交媒體的反應(yīng)程度，有助于加強(qiáng)分析師利用輿情信息來修正盈余預(yù)測(cè)的能力，從而更好地發(fā)揮外部監(jiān)督作用。第二，本文的結(jié)論有助于從分析師調(diào)研的視角更好地理解網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)的影響。本文不局限于單一視角，結(jié)合分析師是傾向于利用“經(jīng)驗(yàn)主義”簡(jiǎn)化信息，還是更有可能“逆水行舟”進(jìn)行實(shí)地調(diào)研，客觀分析網(wǎng)絡(luò)社交媒體意見分歧影響分析師預(yù)測(cè)的邏輯。第三，本文的研究結(jié)論具有一定的現(xiàn)實(shí)意義。在網(wǎng)絡(luò)媒體時(shí)代，信息傳播速度較快，尤其是股吧論壇這種網(wǎng)絡(luò)信息傳播渠道，其信息蔓延容易導(dǎo)致非理性情緒的爆發(fā)。因此，本文的結(jié)論能為監(jiān)管機(jī)構(gòu)進(jìn)一步規(guī)范治理信息傳播渠道提供一定的現(xiàn)實(shí)幫助，也為優(yōu)化證券市場(chǎng)上的信息傳播和信息質(zhì)量提供理論支撐。

二、理論背景與假設(shè)推導(dǎo)

（一）網(wǎng)絡(luò)社交媒體意見分歧與分析師關(guān)注度

2021 年9 月，摩根大通推出一款包含散戶正在社交媒體中討論哪只股票的數(shù)據(jù)產(chǎn)品，自此之后越來越多的基金經(jīng)理開始使用該數(shù)據(jù)產(chǎn)品來幫助管理自己的風(fēng)險(xiǎn)。國(guó)內(nèi)同樣存在這種現(xiàn)象，即股吧論壇上也有機(jī)構(gòu)投資者及分析師的參與和關(guān)注。根據(jù)筆者對(duì)滬深多家券商分析師的調(diào)研得知：分析師在股吧論壇中更多的是關(guān)注散戶情緒較高的股票，梳理市場(chǎng)咨詢，并對(duì)股票進(jìn)行深入分析，在對(duì)分析師進(jìn)行采訪時(shí)，分析師表示社交論壇越來越多地被散戶用于交易，一些散戶投資者利用其人數(shù)基數(shù)這一優(yōu)勢(shì)推高某一只股票的價(jià)格，關(guān)注論壇可以第一時(shí)間關(guān)注到中小投資者的投資行為，并及時(shí)對(duì)散戶行為做出反應(yīng)。正如華爾街日?qǐng)?bào)報(bào)道所稱：“如果你是一名專業(yè)投資者，就不能忽視來自散戶的資金流。這是一個(gè)全新的投資者階層，且這一投資者階層實(shí)際上正在把握正確的投資主題。”

近年來，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和“全媒體傳播”輿論格局的建立，中小投資者對(duì)股市的參與度提高，股吧論壇中除少部分有認(rèn)證的大V 外，其余多為匿名的個(gè)人投資者，總體來看，散戶能自由參與到各個(gè)話題的討論中，用戶的發(fā)帖率較高。但從有限理性視角來看，個(gè)人投資者整體信息獲取能力偏低，容易受到媒體和市場(chǎng)情緒的影響，無法及時(shí)對(duì)新信息做出反應(yīng)并將其融入到股價(jià)中，這種認(rèn)知偏差在中小投資者群體間具有普遍性和系統(tǒng)性，散戶之間的從眾心理和羊群效應(yīng)會(huì)促使投資者群體之間出現(xiàn)系統(tǒng)性認(rèn)知偏差（裴平和張誼浩，2004），投資者非理性因素會(huì)進(jìn)一步加劇意見分歧，這使得投資者群體內(nèi)非理性行為產(chǎn)生和傳播的可能性提高，進(jìn)而導(dǎo)致散戶對(duì)股價(jià)信息含量的認(rèn)知產(chǎn)生偏差。因此從投資者需求上看，由于散戶的有限理性行為，網(wǎng)絡(luò)社交媒體意見分歧會(huì)導(dǎo)致市場(chǎng)上包含更多噪音信息。限于信息處理和分析能力，投資者無法有效判斷企業(yè)的發(fā)展前景，從而會(huì)加大對(duì)信息的需求，其不得不依賴市場(chǎng)上的分析師進(jìn)行信息的挖掘和解讀（王愛群和王婧怡，2021）。此外，股吧論壇中存在少量經(jīng)過認(rèn)證的大V，這些大V擁有一定的信息解讀能力，并將宏觀經(jīng)濟(jì)信息納入自己的決策中，因此其對(duì)股票信息的分析能夠引起市場(chǎng)中投資者和分析師的共同關(guān)注。同時(shí)，信息是分析師做出預(yù)測(cè)決策的重要基礎(chǔ)，盡可能全面囊括與上市公司相關(guān)的信息是分析師進(jìn)行預(yù)測(cè)的前提條件（周開國(guó)等，2014），因此股吧論壇會(huì)吸引分析師的關(guān)注和跟蹤?；诖?，本文提出第一個(gè)假設(shè)：

H1：在一定條件下，網(wǎng)絡(luò)社交媒體意見分歧越大，分析師關(guān)注度越高。

（二）網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)質(zhì)量

從分析師的經(jīng)驗(yàn)主義角度看，如前文所述，考慮到股吧參與主體多為信息獲取和處理能力較低的中小投資者，他們更多的是依靠互聯(lián)網(wǎng)媒體和技術(shù)分析進(jìn)行決策和投資。當(dāng)意見分歧較大時(shí)，非理性情緒會(huì)在中小投資者群體之間蔓延，使得投資者的羊群心態(tài)更加明顯，這些因素不僅會(huì)推動(dòng)股價(jià)的非理性上漲，還會(huì)使投資者的噪音交易更為頻繁。分析師盈余預(yù)測(cè)質(zhì)量取決于其獲得信息的數(shù)量和質(zhì)量，倘若由于意見分歧導(dǎo)致資本市場(chǎng)上的噪音交易和信息增多，分析師在進(jìn)行盈余預(yù)測(cè)時(shí)難以識(shí)別市場(chǎng)上錯(cuò)誤的定價(jià)信息，這無疑增加了分析師獲取公開信息的難度。因此，對(duì)于網(wǎng)絡(luò)社交媒體意見分歧大的股票，分析師很難對(duì)市場(chǎng)上公開的信息進(jìn)行判斷，從而迫使其基于自身的經(jīng)驗(yàn)和擁有的私有信息做出判斷。當(dāng)分析師面臨復(fù)雜的市場(chǎng)環(huán)境時(shí)，他們也容易產(chǎn)生樂觀偏差，積極情緒會(huì)誘導(dǎo)分析師更少關(guān)注細(xì)節(jié)，并在很大程度上依賴直覺來做出快速的判斷（Keshk和Wang，2018），從而降低盈余預(yù)測(cè)準(zhǔn)確性。由于分析師的專業(yè)能力和經(jīng)驗(yàn)預(yù)測(cè)水平參差不齊，以及信息的局限性和預(yù)測(cè)主觀性的增強(qiáng)，分析師對(duì)市場(chǎng)上噪音情緒的識(shí)別不盡相同，再加上此時(shí)分析師的私人信息產(chǎn)出減少，導(dǎo)致其預(yù)測(cè)樂觀度和分歧度增大。

從分析師的專業(yè)性和勤勉度角度來看，當(dāng)面臨復(fù)雜的市場(chǎng)環(huán)境時(shí)，分析師為了滿足投資者對(duì)信息需求的增加，同時(shí)出于對(duì)自身職業(yè)發(fā)展的考慮，傾向于跟蹤預(yù)測(cè)難度較大的公司（Lehavy 等，2011），并會(huì)更努力地工作（Chen等，2018）。陳勝藍(lán)和李占婷（2017）研究發(fā)現(xiàn)，當(dāng)不確定性程度提升時(shí)，分析師會(huì)增加其負(fù)向盈余修正的可能性和頻率，這與Hirshleifer（2001）的研究結(jié)論一致，支持了分析師“保守主義”的假設(shè)，即上市公司信息不確定性程度越高，分析師的研究報(bào)告越保守。一方面，盈余修正是分析師根據(jù)新獲取的信息對(duì)以往盈余預(yù)測(cè)做出的修正判斷，能夠避免由于時(shí)滯帶來的信息失真，為研究報(bào)告使用者提供更為有效和準(zhǔn)確的信息（Kothari 等，2016）。另一方面，負(fù)向盈余修正有助于對(duì)分析師的樂觀傾向進(jìn)行糾偏，降低其預(yù)測(cè)樂觀性，提高預(yù)測(cè)準(zhǔn)確性。此外，不同于美國(guó)的分析師，我國(guó)的分析師基本都供職于經(jīng)紀(jì)公司旗下的研究機(jī)構(gòu)（Wu等，2018）。分析師所在的經(jīng)紀(jì)公司具有良好的社會(huì)關(guān)系和資源網(wǎng)絡(luò)，在面對(duì)網(wǎng)絡(luò)社交媒體意見分歧所造成的市場(chǎng)信息不確定時(shí)，除了分析師個(gè)人的努力，券商為了在這一時(shí)段內(nèi)完成聲譽(yù)的積累，往往也會(huì)為分析師提供某種渠道以便其接觸到管理層，這種私人互動(dòng)是分析師獲取私人信息的一個(gè)重要渠道（Soltes，2014），可以降低分析師獲取私人信息的成本和努力程度，提高分析師的研究治理水平（Brown 等，2015），這無疑會(huì)提高分析師的預(yù)測(cè)質(zhì)量。因此，當(dāng)網(wǎng)絡(luò)社交媒體意見分歧較大時(shí)，市場(chǎng)上噪音信息增多，投資者對(duì)信息的需求增加，分析師更有動(dòng)力對(duì)上市公司進(jìn)行調(diào)研，并將通過各種渠道獲取的信息進(jìn)行分析處理后有效傳遞給投資者，以滿足投資者的需求，具體表現(xiàn)為研究報(bào)告內(nèi)容更豐富、研究報(bào)告發(fā)布更頻繁以及對(duì)其盈余預(yù)測(cè)進(jìn)行修正，提高其預(yù)測(cè)準(zhǔn)確性。

綜合以上分析可知，網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的影響取決于分析師處理噪音信息的態(tài)度，即在市場(chǎng)復(fù)雜的信息環(huán)境下，分析師是會(huì)基于個(gè)人經(jīng)驗(yàn)簡(jiǎn)化信息處理，還是增加其調(diào)研頻率，更加努力工作以降低市場(chǎng)的信息不確定程度？由于無法確定意見分歧對(duì)分析師不同行為影響程度的大小，難以確定分析師會(huì)更依賴“經(jīng)驗(yàn)之談”，導(dǎo)致預(yù)測(cè)質(zhì)量降低，還是會(huì)“逆水行舟”，進(jìn)行實(shí)地調(diào)研以提高預(yù)測(cè)質(zhì)量?；诖?，本文提出第二個(gè)假設(shè)：

H2a：在一定條件下，網(wǎng)絡(luò)社交媒體意見分歧越大，分析師預(yù)測(cè)質(zhì)量越低。

H2b：在一定條件下，網(wǎng)絡(luò)社交媒體意見分歧越大，分析師預(yù)測(cè)質(zhì)量越高。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來源

考慮到網(wǎng)絡(luò)社交媒體數(shù)據(jù)的可獲取性，以2011 ～2021 年我國(guó)資本市場(chǎng)A股上市公司為研究樣本。本文爬取國(guó)內(nèi)多個(gè)股吧論壇數(shù)據(jù)進(jìn)行文本分析，以此構(gòu)建網(wǎng)絡(luò)社交媒體意見分歧指標(biāo)。借鑒現(xiàn)有國(guó)內(nèi)外研究和CNRDS 數(shù)據(jù)庫(kù)，本文按照“建立詞典→文本信息提取→構(gòu)建指標(biāo)”三個(gè)步驟構(gòu)建網(wǎng)絡(luò)社交媒體意見分歧指標(biāo)。第一步，詞典的建立。本文主要構(gòu)建了反映投資者關(guān)于股票走勢(shì)看法的情緒詞典，在姚加權(quán)等（2021）構(gòu)建的金融領(lǐng)域中文情緒詞典的基礎(chǔ)上，增加了反映網(wǎng)絡(luò)社交媒體的詞語(yǔ)，如“無良商家”“下跌無極限”“天天砸”“快速跳水”“逐步還魂”“錢多熱門”等。第二步，輿情文本描述的提取。在網(wǎng)絡(luò)社交媒體方面，本文爬取了影響力較大的股吧論壇，包括東方財(cái)富網(wǎng)、百度貼吧、和訊貼吧、新浪股吧、搜狐股吧，這些股吧論壇的發(fā)帖量和閱讀量均較大，具有較強(qiáng)的影響力。本文爬取了足夠多的網(wǎng)站，通過互補(bǔ)提取盡可能多的研究對(duì)象，并進(jìn)行格式轉(zhuǎn)換。第三步，網(wǎng)絡(luò)社交媒體意見分歧指標(biāo)的構(gòu)建。本文采用“人工標(biāo)注+機(jī)器學(xué)習(xí)”的方法對(duì)輿情信息的情感進(jìn)行判斷，首先人工標(biāo)注輿情新聞的情感，然后利用機(jī)器學(xué)習(xí)方法對(duì)全部樣本進(jìn)行分類，引入監(jiān)督學(xué)習(xí)算法支持向量機(jī)，結(jié)合建立的詞典中的相關(guān)詞匯，對(duì)爬取到的文本信息進(jìn)行自動(dòng)識(shí)別，提取表現(xiàn)投資者情緒的詞匯，對(duì)每個(gè)帖子的正面、負(fù)面和中性語(yǔ)氣進(jìn)行判斷，并統(tǒng)計(jì)上市公司在帖子中的正面、負(fù)面和中性信息量。

分析師預(yù)測(cè)數(shù)據(jù)、公司特征和其他控制變量數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫(kù)。為避免極端值的影響，對(duì)所有連續(xù)變量進(jìn)行了上下1%的Winsorize處理。本文按照表1的步驟對(duì)數(shù)據(jù)進(jìn)行篩選，最終獲得397839 個(gè)公司—季度—分析師層面的樣本數(shù)據(jù)。

表1 樣本選擇過程

（二）變量衡量

1.被解釋變量。

（1）分析師關(guān)注度。本文采用分析師跟蹤人數(shù)和出具的研究報(bào)告數(shù)量衡量分析師關(guān)注度。參照許年行等（2012）的研究，采用Anai，t表示公司i第t年分析師跟蹤人數(shù)的自然對(duì)數(shù)，Anai，t值越大，表明分析師跟蹤人數(shù)越多，分析師關(guān)注度越高。同時(shí)，采用Reporti，t表示分析師出具的研究報(bào)告數(shù)量，Reporti，t值越大，表明分析師出具的研究報(bào)告數(shù)量越多，分析師關(guān)注度越高。

（2）分析師預(yù)測(cè)質(zhì)量。本文采用以下三個(gè)變量衡量分析師預(yù)測(cè)質(zhì)量：

第一，分析師預(yù)測(cè)偏差（Ferrori，t，j）。參考已有研究（Duru 和Reeb，2002；褚劍等，2019），分析師預(yù)測(cè)偏差（Ferrori，t，j）的計(jì)算公式如下：

其中：FEPSi，t，j表示公司i 第t 個(gè)季度第j 位分析師每股盈余收益預(yù)測(cè)值，如果分析師在一個(gè)季度內(nèi)對(duì)同一家上市公司有多個(gè)盈余預(yù)測(cè)估計(jì)值，那么本文取最后一次預(yù)測(cè)值評(píng)估該變量；MEPSi，t，j表示公司i 第t 個(gè)季度的實(shí)際每股盈余收益；Pi，t為公司i 在第t 個(gè)季度初的股價(jià)。Ferrori，t，j的值越小，表明分析師盈余預(yù)測(cè)偏離上市公司實(shí)際水平的程度越低，盈余預(yù)測(cè)質(zhì)量越高。

第二，分析師樂觀偏差（Fopti，t，j）。借鑒已有研究（Jackson，2005），本文采取以下公式衡量分析師樂觀偏差（Fopti，t，j）：

其中，F(xiàn)EPSi，t，j、MEPSi，t，j、Pi，t定義與前文一致。通常分析師對(duì)公司的預(yù)測(cè)值大于其實(shí)際每股盈余，即Fopti，t，j＞0。Fopti，t，j的值越大，說明分析師的樂觀偏差程度越嚴(yán)重，盈余預(yù)測(cè)質(zhì)量越差。

第三，分析師預(yù)測(cè)分歧度（Fdispi，t，j）。參照現(xiàn)有研究（褚劍等，2019），本文采取以下方式來構(gòu)建分析師預(yù)測(cè)分歧度（Fdispi，t，j）指標(biāo)：

其中，F(xiàn)EPSi，t，j、Pi，t與前文定義一致，mean（FEPSi，t，j）表示t 季度內(nèi)分析師盈余預(yù)測(cè)平均值。Fdispi，t，j的值越小，表明分析師對(duì)同一上市公司的盈余預(yù)測(cè)分歧越小，盈余預(yù)測(cè)質(zhì)量越高。

2.解釋變量。參考已有研究（Antweiler 和Frank，2004；林振興，2011），本文采取以下方式衡量網(wǎng)絡(luò)社交媒體意見分歧（Social_Mediai，t）：

本文將第ti日股吧中針對(duì)公司i 的正面帖子量記為Pospostnumi，ti，負(fù)面帖子量記為Negpostnumi，ti，Social_Mediai，ti的取值范圍是［0，1］。因?yàn)橐粋€(gè)季度內(nèi)有多次意見分歧的數(shù)據(jù)，為初步減少內(nèi)生性問題，本文選取季度內(nèi)分析師做出盈余預(yù)測(cè)日期前的意見分歧平均值進(jìn)行計(jì)算，將計(jì)算后的數(shù)值記為Social_Mediai，t，該值越大說明股吧意見分歧越大，即網(wǎng)絡(luò)社交媒體意見分歧程度越高。

3.控制變量。參考以往相關(guān)文獻(xiàn)，本文選取以下變量作為控制變量：業(yè)績(jī)波動(dòng)（Vsalesi，t）、資產(chǎn)負(fù)債率（Levi，t）、盈利能力（ROEi，t）、公司成長(zhǎng)性（MBi，t）、上市年齡（Agei，t）、股權(quán)性質(zhì)（SOEi，t）、預(yù)測(cè)期限（Horizoni，t）、股權(quán)集中度（Top10i，t）、兩職合一（Duali，t）、公司規(guī)模（Sizei，t）。此外，模型中還加入了年份虛擬變量和行業(yè)虛擬變量。

變量定義如表2所示。

表2 變量定義

（三）實(shí)證模型

針對(duì)H1，本文設(shè)定以下實(shí)證模型加以檢驗(yàn)：

在模型設(shè)定中，本文使用Analysti，t來替代分析師關(guān)注度，進(jìn)行假設(shè)檢驗(yàn)時(shí)分別將Anai，t、Reporti，t代入。

針對(duì)H2，本文設(shè)定以下實(shí)證模型加以檢驗(yàn)：

在模型設(shè)定中，本文使用Analyst behaviori，t，j來替代分析師預(yù)測(cè)質(zhì)量，進(jìn)行假設(shè)檢驗(yàn)時(shí)分別將Ferrori，t，j、Fopti，t，j、Fdispi，t，j代入。

四、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計(jì)

表3 顯示了主要變量的描述性統(tǒng)計(jì)結(jié)果。其中分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度的均值分別為0.012、0.008和0.004，說明不同分析師對(duì)上市公司的預(yù)測(cè)存在一定的分歧度。網(wǎng)絡(luò)社交媒體意見分歧的均值為0.515，說明中小投資者之間的意見分歧程度較高，符合本文的預(yù)期。在樣本上市公司中，分析師跟蹤人數(shù)和出具的研究報(bào)告數(shù)量的均值分別為2.051 和2.488，標(biāo)準(zhǔn)差分別為0.959 和1.229，說明不同上市公司對(duì)分析師的吸引程度不同，分析師的關(guān)注具有集群效應(yīng)。

表3 描述性統(tǒng)計(jì)

（二）回歸結(jié)果分析

表4第（1）、（2）列展示了網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師關(guān)注度的影響程度。第（1）列中因變量為分析師跟蹤人數(shù)，網(wǎng)絡(luò)社交媒體意見分歧的系數(shù)為0.8347（t=5.17，p＜0.01）；第（2）列中因變量為分析師出具的研究報(bào)告數(shù)量，網(wǎng)絡(luò)社交媒體意見分歧的系數(shù)為1.0565（t=4.06，p＜0.01）。這說明網(wǎng)絡(luò)社交媒體意見分歧程度越高，分析師跟蹤人數(shù)和出具的研究報(bào)告數(shù)量越多，即網(wǎng)絡(luò)社交媒體意見分歧越大，分析師關(guān)注度越高，回歸結(jié)果支持H1。

表4 網(wǎng)絡(luò)社交媒體意見分歧與分析師關(guān)注度和預(yù)測(cè)質(zhì)量

表4 第（3）～（5）列報(bào)告了網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度的回歸結(jié)果。結(jié)果顯示，網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度均呈顯著的負(fù)相關(guān)關(guān)系，回歸系數(shù)分別為-0.0050（t=-8.06，p＜0.01）、-0.0073（t=-6.11，p＜0.01）、-0.0026（t=-8.97，p＜0.01），表明網(wǎng)絡(luò)社交媒體意見分歧越大，分析師越有可能“逆水行舟”，增加其他實(shí)質(zhì)性活動(dòng)，如實(shí)地調(diào)研等（后續(xù)加以驗(yàn)證），以提高其預(yù)測(cè)準(zhǔn)確性，回歸結(jié)果支持H2b。

五、進(jìn)一步分析

（一）內(nèi)在驅(qū)動(dòng)——投資者關(guān)注度的調(diào)節(jié)作用

投資者注意力對(duì)金融市場(chǎng)的投資決策有重大影響，投資者有限注意力假說最早由Kahneman（1973）提出，他認(rèn)為注意力是一種稀缺資源，投資者的注意力是有限的，有限的投資者注意力會(huì)影響資本市場(chǎng)活動(dòng)。投資者只有在關(guān)注股票時(shí)才會(huì)對(duì)信息做出過度反應(yīng)，更有可能將某只股票納入其投資組合并交易該股票，且注意力影響的是投資者的買入行為而不是賣出行為（Barber 和Odean，2008）。當(dāng)市場(chǎng)上網(wǎng)絡(luò)社交媒體意見分歧較大時(shí)，投資者的關(guān)注會(huì)進(jìn)一步放大分歧的市場(chǎng)后果效應(yīng)。一方面，更高的投資者關(guān)注度意味著散戶更積極地參與市場(chǎng)交易，當(dāng)投資者關(guān)注某只股票時(shí)，他們會(huì)對(duì)該股票產(chǎn)生樂觀情緒（Da等，2011）。另一方面，已有研究發(fā)現(xiàn)，投資者關(guān)注度對(duì)股票流動(dòng)性有顯著正向影響，從而導(dǎo)致公司日收益的增加。根據(jù)價(jià)格壓力假說，高關(guān)注度會(huì)推動(dòng)中小投資者的買入行為，形成“凈買入效應(yīng)”（Barber 和Odean，2008）。投資者的關(guān)注會(huì)進(jìn)一步提高由于意見分歧導(dǎo)致的股票價(jià)格偏離價(jià)值的程度，噪音信息的增多進(jìn)一步增加了投資者對(duì)信息的需求。由于市場(chǎng)上噪音信息的增加，出于職業(yè)聲譽(yù)和薪酬激勵(lì)的考慮，分析師更有可能增加其調(diào)研頻率以試圖挖掘出更多有價(jià)值的信息，信息處理速度加快，預(yù)測(cè)行為更為謹(jǐn)慎，并傾向于做出盈余預(yù)測(cè)修正，利用信息更正自身的盈余預(yù)測(cè)，減少預(yù)測(cè)樂觀性并提高其準(zhǔn)確性。因此，本文預(yù)計(jì)投資者關(guān)注度能夠強(qiáng)化網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的影響。

對(duì)此，本文借鑒Da 等（2011）的研究，使用上市公司網(wǎng)絡(luò)搜索指數(shù)來衡量投資者關(guān)注度（Attentioni，t），具體來說，選取第t 日對(duì)股票代碼i 的搜索值衡量，并對(duì)搜索值進(jìn)行對(duì)數(shù)處理。

表5 第（1）～（3）列報(bào)告了網(wǎng)絡(luò)社交媒體意見分歧和分析師預(yù)測(cè)質(zhì)量在不同投資者關(guān)注調(diào)節(jié)下的回歸結(jié)果。第（1）列結(jié)果顯示，交互項(xiàng)Social_Media×Attention 的系數(shù)為-0.0010（t=-8.45，p＜0.01），第（2）、（3）列結(jié)果顯示，交互項(xiàng)Social_Media×Attention 的系數(shù)分別為-0.0011（t=-6.89，p＜0.01）和-0.0002（t=-6.95，p＜0.01），結(jié)合表4 的回歸結(jié)果可知，在投資者關(guān)注度較高的上市公司中，網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的影響更強(qiáng)烈。

表5 網(wǎng)絡(luò)社交媒體意見分歧、投資者關(guān)注度（《司法解釋》）與分析師預(yù)測(cè)質(zhì)量

（二）外在沖擊——《司法解釋》的調(diào)節(jié)作用

2013 年9 月，最高人民法院頒布《最高人民法院、最高人民檢察院關(guān)于辦理利用信息網(wǎng)絡(luò)實(shí)施誹謗等刑事案件適用法律若干問題的解釋》（簡(jiǎn)稱《司法解釋》），自此互聯(lián)網(wǎng)言論得到立法監(jiān)管，任何在網(wǎng)絡(luò)上造謠和誹謗的行為負(fù)責(zé)人都可能面臨重大的責(zé)任?！端痉ń忉尅返诙l中將“同一誹謗信息實(shí)際被點(diǎn)擊、瀏覽次數(shù)達(dá)到五千次以上，或者被轉(zhuǎn)發(fā)次數(shù)達(dá)到五百次以上的”認(rèn)定為“情節(jié)嚴(yán)重”。這一監(jiān)管政策實(shí)施后，股吧論壇用戶在發(fā)帖時(shí)更為謹(jǐn)慎，肆意發(fā)布虛假信息的可能性降低，即這一監(jiān)管條例促使股民傳播更多有理有據(jù)、真實(shí)可靠的信息（孫鯤鵬等，2020），因此股吧中的意見分歧應(yīng)該較之前更真實(shí)地反映了投資者對(duì)某股票的實(shí)際看法。假如意見分歧確實(shí)會(huì)影響分析師的盈余預(yù)測(cè)行為，那么在意見分歧更大程度地反映投資者看法后，分析師更能“對(duì)癥下藥”，更聚焦于投資者關(guān)注的領(lǐng)域，針對(duì)意見分歧進(jìn)行調(diào)研以搜集和處理信息，使得網(wǎng)絡(luò)社交媒體意見分歧和分析師預(yù)測(cè)質(zhì)量之間的關(guān)系有所增強(qiáng)。而如果散戶之間的意見分歧是由于公司自身信息披露和特有環(huán)境引起的，則兩者的關(guān)系在《司法解釋》頒布前后應(yīng)該沒有顯著差異。

對(duì)此，本文構(gòu)建政策虛擬變量（Policy），對(duì)2013 年9月之前的季度賦值為0，對(duì)2013年9月份之后的季度賦值為1，同時(shí)構(gòu)建網(wǎng)絡(luò)社交媒體意見分歧和政策的交乘項(xiàng)（Social_Media×Policy）進(jìn)行回歸。

表5 第（4）～（6）列報(bào)告了《司法解釋》發(fā)布在網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)質(zhì)量關(guān)系間調(diào)節(jié)作用的結(jié)果。在第（4）列中，Social_Media 的系數(shù)為-0.0010（t=-1.69，p＜0.1），交乘項(xiàng)Social_Media×Policy 的回歸系數(shù)為-0.0208（t=-7.09，p＜0.01）；在第（5）列和第（6）列中，Social_Media 的系數(shù)分別為-0.0026（t=-4.07，p＜0.01）和-0.0022（t=-5.76，p＜0.01），交互項(xiàng)Social_Media×Policy的回歸系數(shù)分別為-0.0245（t=-8.78，p＜0.01）和-0.0020（t=-7.85，p＜0.01）。在引入《司法解釋》之后，Social_Media×Policy的系數(shù)均在1%的水平上顯著為負(fù)，結(jié)合前文的假設(shè)檢驗(yàn)結(jié)果可知，在引入《司法解釋》這一政策后，網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的影響更顯著。

（三）中介機(jī)制分析

前文的假設(shè)檢驗(yàn)支持H2b，即網(wǎng)絡(luò)社交媒體意見分歧越大，分析師預(yù)測(cè)質(zhì)量越高。在上文的理論推導(dǎo)中，本文的假設(shè)提出遵循這樣一個(gè)路徑：由于資本市場(chǎng)上中小投資者不成熟、不理性，總體上表現(xiàn)出有限理性特征。在股吧論壇中，散戶傾向于點(diǎn)擊與自己意見一致或點(diǎn)擊量較高的帖子，當(dāng)意見分歧較嚴(yán)重時(shí)帖子的兩極分化程度更高。同時(shí)，由于散戶之間的“達(dá)克效應(yīng)”，過度自信導(dǎo)致非理性因素在投資者群體之間蔓延，致使散戶“處置效應(yīng)”交易更頻繁。當(dāng)意見分歧程度較高時(shí)，散戶之間產(chǎn)生情緒傳染和非理性行為的可能性較大，無法有效掌握與上市公司相關(guān)的發(fā)展信息，進(jìn)而增加了對(duì)信息的需求。分析師為了滿足投資者的需求，需要校正市場(chǎng)上的非理性行為以實(shí)現(xiàn)職業(yè)聲譽(yù)的積累，其會(huì)通過更多渠道對(duì)上市公司進(jìn)行調(diào)研，與管理層進(jìn)行溝通以獲取私人信息，對(duì)其盈余預(yù)測(cè)公告進(jìn)行負(fù)向修正，更為努力地工作以更有效地傳達(dá)信息，進(jìn)而提高其預(yù)測(cè)準(zhǔn)確性。那么，分析師的調(diào)研行為是否是網(wǎng)絡(luò)社交媒體意見分歧影響分析師預(yù)測(cè)質(zhì)量的內(nèi)在機(jī)制呢？本文將驗(yàn)證這一問題。

采用公式（7）和公式（8）來檢驗(yàn)分析師調(diào)研行為在網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量影響過程中所發(fā)揮的中介作用，如下所示：

其中，Visiti，t表示分析師調(diào)研行為，借鑒已有研究，由于在對(duì)上市公司的實(shí)地調(diào)研過程中，存在同家券商多位分析師參與調(diào)研，以及多家券商共同參與調(diào)研的情況，本文從券商層面計(jì)量分析師的實(shí)地調(diào)研行為，當(dāng)該季度內(nèi)分析師所在的券商公司有實(shí)地調(diào)研行為時(shí)，Visiti，t取值為1，否則取值為0，其余變量與前文定義一致。

表6 報(bào)告了分析師調(diào)研行為在網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)質(zhì)量之間發(fā)揮的中介作用。第（1）列中被解釋變量為分析師調(diào)研行為，網(wǎng)絡(luò)社交媒體意見分歧的系數(shù)為0.0217（t=6.87，p＜0.01），表明網(wǎng)絡(luò)社交媒體意見分歧越大，分析師越有可能參與實(shí)地調(diào)研。在第（2）～（4）列中同時(shí)考慮中介變量和解釋變量，中介變量分析師調(diào)研行為的系數(shù)顯著為負(fù)，網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)小于原回歸系數(shù)，說明分析師調(diào)研表現(xiàn)出部分中介效應(yīng)，中介效應(yīng)程度分別為10.62%、2.68%和21.48%。

表6 中介機(jī)制檢驗(yàn)

六、穩(wěn)健性檢驗(yàn)

（一）更換變量衡量方式

1.更換分析師預(yù)測(cè)質(zhì)量衡量方式。參考褚劍等（2019）的研究，當(dāng)分析師在一個(gè)季度內(nèi)存在多次盈余預(yù)測(cè)時(shí)，本文將計(jì)算其平均值重新衡量分析師預(yù)測(cè)偏差（Ferror_Mi，t，j）和樂觀偏差（Fopt_Mi，t，j）；同時(shí)，選用分析師盈余預(yù)測(cè)的中位數(shù)［median（FEPSi，t，j）］構(gòu)建分析師預(yù)測(cè)分歧度（Fdisp_Mi，t，j）指標(biāo)。將以上指標(biāo)分別代入模型（2）重新進(jìn)行回歸，根據(jù)表7的回歸結(jié)果，第（1）～（3）列中網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)分別為-0.0049（t=-7.81，p＜0.01）、-0.0072（t=-8.85，p＜0.01）和-0.0024（t=-6.33，p＜0.01），表明網(wǎng)絡(luò)社交媒體意見分歧降低了分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度，綜合來看網(wǎng)絡(luò)社交媒體意見分歧的系數(shù)符號(hào)與表4相比沒有發(fā)生變化，即主要結(jié)論沒有發(fā)生大的變化。

表7 更換分析師預(yù)測(cè)質(zhì)量衡量方式

2.更換分析師預(yù)測(cè)質(zhì)量的標(biāo)準(zhǔn)化方式。借鑒張超等（2021）的研究，本文對(duì)被解釋變量采用除以公司i 第t 季度的每股凈資產(chǎn)代替除以股價(jià)來標(biāo)準(zhǔn)化衡量分析師預(yù)測(cè)質(zhì) 量，新 的 指 標(biāo) 分 別 記 為Ferror_Ni，t，j、Fopt_Ni，t，j、Fdisp_Ni，t，j。將以上指標(biāo)分別代入模型（2）重新進(jìn)行回歸，由表8第（1）～（3）列可知，網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)分別為-0.0192（t=-9.55，p＜0.01）、-0.0285（t=-5.21，p＜0.01）和-0.0083（t=-6.67，p＜0.01），說明網(wǎng)絡(luò)社交媒體意見分歧越大，分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度越低，與主回歸相比，該結(jié)果沒有發(fā)生顯著性變化，說明本文的結(jié)論依舊穩(wěn)健。

表8 更換分析師預(yù)測(cè)質(zhì)量標(biāo)準(zhǔn)化方式和分析師預(yù)測(cè)偏差的計(jì)量方法

3.更換分析師預(yù)測(cè)偏差的計(jì)量方法。借鑒Malloy（2005）的研究，本文采用相對(duì)精度的方法衡量分析師預(yù)測(cè)偏差（Ferror_Fi，t，j），如下所示：

其中，mean（FEPSi，t）表示第t季度內(nèi)所有的分析師對(duì)上市公司i盈余預(yù)測(cè)的平均值。

將以上指標(biāo)代入公式（6）重新進(jìn)行回歸，表8第（4）列報(bào)告了回歸結(jié)果。Social_Media的回歸系數(shù)為-0.0550（t=-7.43，p＜0.01），表明網(wǎng)絡(luò)社交媒體意見分歧越大，分析師預(yù)測(cè)偏差越低，本文的主要結(jié)論沒有發(fā)生變化。

4.更換投資者關(guān)注度的衡量方式。采用以股票代碼、公司簡(jiǎn)稱、公司全稱等為關(guān)鍵字的搜索值加總為投資者關(guān)注度的衡量方式，同前文一致，對(duì)搜索總值進(jìn)行對(duì)數(shù)處理，該值越大說明投資者關(guān)注度越高。表9報(bào)告了網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)質(zhì)量在投資者關(guān)注度調(diào)節(jié)下的回歸結(jié)果。第（1）～（3）列的回歸結(jié)果顯示，交互項(xiàng)Social_Media×Attention_A 的回歸系數(shù)分別為-0.0007（t=-7.94，p＜0.01）、-0.0009（t=-7.78，p＜0.01）和-0.0001（t=-8.27，p＜0.01）?？傮w來看，在更換投資者關(guān)注度的衡量方式后，其結(jié)果與表5相比沒有發(fā)生顯著變化，投資者關(guān)注度顯著增強(qiáng)了網(wǎng)絡(luò)社交媒體意見分歧與分析師預(yù)測(cè)質(zhì)量之間的關(guān)系，主要結(jié)論沒有發(fā)生變化。

表9 更換投資者關(guān)注度衡量方式

（二）工具變量法

分析師是證券市場(chǎng)上重要的信息中介，已有文獻(xiàn)也支持投資者會(huì)使用分析師研究報(bào)告中的定性和定量信息來調(diào)整自身的投資決策計(jì)劃這一結(jié)論（廖明情等，2018），因此本文的研究可能存在雙向因果的問題。參考李思龍等（2018）的研究，在每一個(gè)樣本期間選擇同行業(yè)其他公司網(wǎng)絡(luò)社交媒體意見分歧的平均數(shù)（Social_Media_ind）作為本公司意見分歧的工具變量。因?yàn)橥袠I(yè)中其他公司的輿情信息會(huì)影響到投資者對(duì)本公司的看法，但尚未有研究發(fā)現(xiàn)同行業(yè)中對(duì)其他公司股價(jià)走勢(shì)的討論會(huì)影響到分析師對(duì)目標(biāo)公司做出的盈余預(yù)測(cè)，因此該變量滿足相關(guān)性和外生性的要求。本文采用兩階段回歸法（2SLS）對(duì)假設(shè)進(jìn)行檢驗(yàn)。

表10報(bào)告了工具變量法的回歸結(jié)果。從第一階段回歸結(jié)果來看，工具變量Social_Media_ind 的回歸系數(shù)為0.4466，且在1%的水平上顯著。從第二階段的回歸結(jié)果來看，擬合的網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)仍然在1%的水平上顯著為負(fù)，分別為-0.0180、-0.0031和-0.0040，說明網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的影響在考慮了內(nèi)生性后仍然顯著?？傮w來看，使用工具變量法回歸后，本文的研究結(jié)論仍然穩(wěn)健。

表10 工具變量法

（三）Heckman兩階段回歸法

考慮到潛在的樣本選擇偏差，即由于并非所有的上市公司都有分析師跟蹤并做出盈余預(yù)測(cè)，對(duì)于沒有分析師跟蹤的上市公司，本文并未檢驗(yàn)到網(wǎng)絡(luò)社交媒體意見分歧對(duì)于分析師預(yù)測(cè)質(zhì)量的影響，因此本文的實(shí)證結(jié)果可能存在樣本選擇偏差。參考Heckman（1979）的研究，用Heckman 二階段模型解決由于樣本選擇偏差引起的內(nèi)生性問題。

首先，本文重新命名一個(gè)新的被解釋變量，即企業(yè)是否存在分析師跟蹤（Ananum），在第一階段計(jì)算逆米爾斯比率（IMR），設(shè)定以下二元選擇模型計(jì)算：

借鑒Miller（1977）、Garfinkel（2009）的研究，本文選擇換手率（Turnover）、股票超額收益的波動(dòng)率（Groupretvol）、歷史盈余波動(dòng)率（Incvol）、財(cái)務(wù)杠桿（Lev）、賬面市值比（MB）、盈利能力（ROA）、公司規(guī)模（Size）加入公式（10），同時(shí)控制年份（Year）和行業(yè)（Industry）變量。

其次，在第二階段中，將第一階段得出的逆米爾斯比率置入公式（6）中進(jìn)行回歸，同時(shí)控制年份和行業(yè)變量，結(jié)果如表11所示。

表11 Heckman兩階段回歸法和PSM回歸

表11第（1）～（3）列報(bào)告了Heckman兩階段回歸中第二階段的回歸結(jié)果，可以看到逆米爾斯比率的系數(shù)顯著，說明存在樣本自選擇導(dǎo)致的內(nèi)生性問題。同時(shí)在置入逆米爾斯比率之后，網(wǎng)絡(luò)社交媒體意見分歧的系數(shù)符號(hào)與主回歸保持一致且顯著，說明在控制樣本自選擇這一內(nèi)生性問題后，本文的研究結(jié)果沒有發(fā)生顯著變化，具有較強(qiáng)的穩(wěn)健性。

（四）PSM回歸

網(wǎng)絡(luò)社交媒體意見分歧的產(chǎn)生可能是由于存在公司特征的差異所導(dǎo)致的，因此本文選擇傾向得分匹配（PSM）來解決可能存在的自選擇問題。將網(wǎng)絡(luò)社交媒體意見分歧劃分為高—低兩組，其中意見分歧低組為目標(biāo)組。在網(wǎng)絡(luò)社交媒體意見分歧高組中，選擇與目標(biāo)組特征相似的上市公司作為對(duì)照組。傾向得分匹配的回歸結(jié)果如表11 第（4）～（6）列所示，網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)分別為-0.0048（t=-7.34，p＜0.01）、-0.0068（t=-9.45，p＜0.01）和-0.0027（t=-8.03，p＜0.01），可見在解決樣本可能存在的自選擇問題后，網(wǎng)絡(luò)社交媒體意見分歧的回歸系數(shù)依然顯著為負(fù)，表明網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)偏差、樂觀偏差和預(yù)測(cè)分歧度會(huì)產(chǎn)生負(fù)向影響，即網(wǎng)絡(luò)社交媒體意見分歧會(huì)提高分析師預(yù)測(cè)質(zhì)量的研究結(jié)論仍然沒有發(fā)生實(shí)質(zhì)性變化。

（五）遺漏變量偏誤

本文的另一個(gè)重要內(nèi)生性問題是遺漏變量偏誤。產(chǎn)業(yè)政策是由國(guó)家制定的，對(duì)國(guó)家資源配置具有導(dǎo)向作用，有產(chǎn)業(yè)政策支持的行業(yè)會(huì)受到投資者和分析師的關(guān)注，所以產(chǎn)業(yè)政策既是網(wǎng)絡(luò)社交媒體意見分歧的影響因素，又是影響分析師預(yù)測(cè)質(zhì)量的因素。對(duì)此，本文繼續(xù)控制產(chǎn)業(yè)政策的干擾，構(gòu)造IP 指標(biāo)來衡量該行業(yè)是否受產(chǎn)業(yè)支持，變量衡量方式如下：若該行業(yè)在“十二五”規(guī)劃中未被支持，而在“十三五”規(guī)劃中被提及（包括鼓勵(lì)和重點(diǎn)鼓勵(lì)），則該行業(yè)在2016年及以后年份賦值為1。

表12匯報(bào)了將產(chǎn)業(yè)政策進(jìn)行控制后的估計(jì)結(jié)果。在第（1）～（3）列中，網(wǎng)絡(luò)社交媒體分歧的回歸系數(shù)分別為-0.0050（t=-8.12，p＜0.01）、-0.0073（t=-8.05，p＜0.01）和-0.0026（t=-6.00，p＜0.01），仍然在1%的水平上顯著，表明前文的回歸結(jié)果具有一定的穩(wěn)健性。

表12 遺漏變量偏誤

七、研究結(jié)論與啟示

隨著信息社會(huì)的發(fā)展和全媒體傳播體系的建設(shè)，股吧等網(wǎng)絡(luò)社交媒體傳播工具對(duì)資本市場(chǎng)行為的影響力逐漸增強(qiáng)。本文利用2011 ～2021 年我國(guó)A 股上市公司的數(shù)據(jù)，實(shí)證檢驗(yàn)網(wǎng)絡(luò)社交媒體意見分歧是否會(huì)對(duì)資本市場(chǎng)的信息中介——分析師產(chǎn)生影響。研究發(fā)現(xiàn)：網(wǎng)絡(luò)社交媒體意見分歧會(huì)引起分析師的關(guān)注和持續(xù)跟蹤，分析師也更傾向于“逆水行舟”，即會(huì)增加其調(diào)研頻率，積極做出盈余預(yù)測(cè)修正，提升其預(yù)測(cè)準(zhǔn)確性。同時(shí)，本文分別從內(nèi)在驅(qū)動(dòng)和外在沖擊兩方面考察投資者關(guān)注度和2013年最高法《司法解釋》發(fā)布對(duì)上述關(guān)系的調(diào)節(jié)作用，探討了網(wǎng)絡(luò)社交媒體意見分歧對(duì)分析師預(yù)測(cè)質(zhì)量的作用路徑。結(jié)果表明，分析師向市場(chǎng)傳遞了增量信息，進(jìn)一步佐證了分析師“信息中介有用觀”的觀點(diǎn)。本文通過了一系列穩(wěn)健性檢驗(yàn)和內(nèi)生性檢驗(yàn)，包括更換變量衡量方式、解決遺漏變量偏誤、工具變量法、Heckman兩階段回歸法、PSM回歸，表明研究結(jié)論具有一定的穩(wěn)健性。

在理論層面，本文的研究在引入網(wǎng)絡(luò)社交媒體這一重要視角后，進(jìn)一步拓展了意見分歧和分析師行為的研究成果。在實(shí)踐層面，我國(guó)正處在一個(gè)輿情媒介快速發(fā)展并產(chǎn)生經(jīng)濟(jì)后果的時(shí)期，全媒體時(shí)代的到來既是機(jī)遇也是挑戰(zhàn)。它一方面加快了信息傳播速度、降低了信息傳播成本，使市場(chǎng)參與者能以較少的時(shí)間和較低的成本獲取信息進(jìn)行決策；但另一方面，也加快了非理性情緒在群體間的傳播速度，容易引起群體情緒崩潰并增加市場(chǎng)風(fēng)險(xiǎn)。另外，《建設(shè)高標(biāo)準(zhǔn)市場(chǎng)體系行動(dòng)方案》倡導(dǎo)建立健全的外部監(jiān)督機(jī)制，分析師作為資本市場(chǎng)上重要的外部監(jiān)督者，研究網(wǎng)絡(luò)社交媒體信息的傳播和表現(xiàn)形態(tài)對(duì)分析師的影響，對(duì)于促進(jìn)分析師發(fā)揮其信息中介作用和資本市場(chǎng)健康發(fā)展具有重要作用。因此，在目前的全媒體傳播環(huán)境中，深入全面研究全媒體時(shí)代遇到的機(jī)遇和挑戰(zhàn)，維護(hù)良好的資本市場(chǎng)信息環(huán)境，引導(dǎo)網(wǎng)絡(luò)信息的發(fā)展方向，對(duì)于更好地發(fā)揮分析師的作用，以及推動(dòng)媒體、金融市場(chǎng)朝著正確方向融合具有重要意義。

【 主要參考文獻(xiàn)】

陳國(guó)進(jìn)，張貽軍.異質(zhì)信念、賣空限制與我國(guó)股市的暴跌現(xiàn)象研究［J］.金融研究，2009（4）：80 ～91.

陳勝藍(lán)，李占婷.經(jīng)濟(jì)政策不確定性與分析師盈余預(yù)測(cè)修正［J］.世界經(jīng)濟(jì)，2017（7）：169 ～192.

褚劍，秦璇，方軍雄.中國(guó)式融資融券制度安排與分析師盈利預(yù)測(cè)樂觀偏差［J］.管理世界，2019（1）：151 ～166+228.

關(guān)靜怡，朱恒，劉娥平.股吧評(píng)論、分析師跟蹤與股價(jià)崩潰風(fēng)險(xiǎn)——關(guān)于模糊信息的信息含量分析［J］.證券市場(chǎng)導(dǎo)報(bào)，2020（3）：58 ～68.

李思龍，金德環(huán)，李巖.網(wǎng)絡(luò)社交媒體提升了股票市場(chǎng)流動(dòng)性嗎？——基于投資者互動(dòng)視角的研究［J］.金融論壇，2018（7）：35 ～49+63.

李維安，張立黨，張?zhí)K.公司治理、投資者異質(zhì)信念與股票投資風(fēng)險(xiǎn)——基于中國(guó)上市公司的實(shí)證研究［J］.南開管理評(píng)論，2012（6）：135 ～146.

廖明情，鄧路，宋順林.內(nèi)部“軍師”和外部“謀士”誰更重要——基于基金公司內(nèi)部數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)［J］.南開管理評(píng)論，2018（3）：191 ～202+224.

廖明情，孫繼欣，鄧路.社會(huì)關(guān)系在分析師調(diào)研過程中的作用——基于利益沖突和信息優(yōu)勢(shì)的視角［J］.南開管理評(píng)論，2021（1）：148 ～158+192 ～193.

林振興.網(wǎng)絡(luò)討論、投資者情緒與IPO 抑價(jià)［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011（2）：23 ～29.

裴平，張誼浩.中國(guó)股票投資者認(rèn)知偏差的實(shí)證檢驗(yàn)［J］.管理世界，2004（12）：12 ～22.

孫鯤鵬，王丹，肖星.互聯(lián)網(wǎng)信息環(huán)境整治與社交媒體的公司治理作用［J］.管理世界，2020（7）：106 ～132.

王愛群，王婧怡.投資者情緒對(duì)分析師盈余預(yù)測(cè)行為的影響研究［J］.社會(huì)科學(xué)戰(zhàn)線，2021（1）：245 ～249.

許年行，江軒宇，伊志宏等.分析師利益沖突、樂觀偏差與股價(jià)崩盤風(fēng)險(xiǎn)［J］.經(jīng)濟(jì)研究，2012（7）：127 ～140.

許致維，李少育.投資者異質(zhì)信念、股權(quán)融資現(xiàn)金流與企業(yè)過度投資——來自中國(guó)A股的經(jīng)驗(yàn)證據(jù)［J］.財(cái)經(jīng)研究，2014（7）：86 ～96.

姚加權(quán)，馮緒，王贊鈞等.語(yǔ)調(diào)、情緒及市場(chǎng)影響：基于金融情緒詞典［J］.管理科學(xué)學(xué)報(bào)，2021（5）：26 ～46.

張超，伍燕然，蘇凇等.有限套利、投資者情緒與分析師盈利預(yù)測(cè)精度［J］.外國(guó)經(jīng)濟(jì)與管理，2021（12）：118 ～134.

周開國(guó)，應(yīng)千偉，陳曉嫻.媒體關(guān)注度、分析師關(guān)注度與盈余預(yù)測(cè)準(zhǔn)確度［J］.金融研究，2014（2）：139 ～152.

Barber B.M.，Odean T..All That Glitters：The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors［J］.Review of Financial Studies，2008（2）：785 ～818.

Brown L.D.，Call A.C.，Clement M.B.，et al..Inside the ＂Black Box＂ of Sell-side Financial Analysts［J］.Journal of Accounting Research，2015（1）：1 ～47.

Chen J.，Douglas C.，Hou W.，et al..Does the External Monitoring Effect of Financial Analysts Deter Corporate Fraud in China？［J］.Journal of Business Ethics，2016（4）：727～742.

Chen Y.，Chen D.，Wang W.，et al..Political Uncertainty and Firms' Information Environment：Evidence from China［J］.Journal of Accounting & Public Policy，2018（1）：39 ～64.

Da Z.，Joseph E.，Gao P..In Search of Attention［J］.The Journal of Finance，2011（5）：1461 ～1499.

Derrien F.，Kecskes A..The Real Effects of Financial Shocks：Evidence from Exogenous Changes in Analyst Coverage［J］.The Journal of Finance，2013（4）：1407 ～1440.

Diether K.B.，Scherbina M.A..Differences of Opinion and the Cross Section of Stock Returns［J］.The Journal of Finance，2002（5）：2113 ～2141.

Garfinkel J.A..Measuring Investors' Opinion Divergence［J］.Journal of Accounting Research，2009（5）：1317 ～1348.

Hirshleifer D.A..Investor Psychology and Asset Pricing［J］.The Journal of Finance，2001（4）：1533 ～1597.

Houge T.，Loughran T.，Suchanek G.，et al..Divergence of Opinion，Uncertainty，and the Quality of Initial Public Offerings［J］.Financial Management，2001（4）：5 ～23.

Jackson A.R..Trade Generation，Reputation，and Sell-side Analysts［J］.The Journal of Finance，2005（2）：673 ～717.

Keshk W.，Wang J.J..Determinants of the Relationship Between Investor Sentiment and Analysts' Private Information Production［J］.Journal of Business Finance & Accounting，2018（9-10）：1082 ～1099.

Kothari S.P.，So E.C.，Verdi R.S..Analysts' Forecasts and Asset Pricing：A Survey［J］.Annual Review of Financial Economics，2016（1）：197 ～219.

Lehavy R.，Li F.，Merkley K..The Effect of Annual Report Readability on Analyst Following and the Properties of Their Earnings Forecasts［J］.Accounting Review，2011（3）：1087 ～1115.

Malloy C.J..The Geography of Equity Analysis［J］.The Journal of Finance，2005（2）：719 ～755.

Miller E.M..Risk，Uncertainty，and Divergence of Opinion［J］.The Journal of Finance，1977（4）：1151 ～1168.

Soltes E..Private Interaction Between Firm Management and Sell-side Analysts［J］.Journal of Accounting Research，2014（1）：245 ～272.