发帖
雷达卡
券商分析师通常会对上市公司进行调研，进而形成对该公司未来特定时间（通常为季度、年度）特定指标的预测，其加权平均值、中位数等反映预期集中趋势的统计量，即为一致预测。大众媒体在报表期所发布的一致预测数据（consensus data）代表了市场参与者中权威人士（分析师等）对上市公司未来走势的预判，是未来股价的重要锚点，其广泛的影响力显著地影响着大众的情绪和股价波动。证券分析师在一致预测方面的研究已成为当代金融学中最活跃的分支之一。
鉴于此，CSMAR推出了分析师一致预测数据库，该库在CSMAR分析师预测库丰富的指标基础上，通过更加客观的一致预测计算方法，为市场提供更加丰富、准确的一致预测结果，以期助力一致预测方面研究深度和广度的提升。本期内容，我们将以权威文献为例，展现该库数据资源在研究中的应用。
分析师报告的逻辑性特征研究：问题、成因与经济后果[J].管理世界,2022.
“逻辑性”是分析师报告的重要信息质量特征，受到监管机构和投资者的高度重视，但与之相关的研究较少。该研究实证检验了分析师的估值结论和分析过程是否具有一致的逻辑。
该研究对分析师报告逻辑不一致的界定是：分析师报告估值结论与分析过程的乐观程度不一致。作者首先理论分析了分析师报告逻辑不一致产生的原因。
分析师可以从有乐观偏差的报告中获利，也可以从真实准确的报告中获利：
为了尽可能降低经济损失和声誉损失，分析师有强烈的动机选择“折中”方案，即策略性地处置公司负面信息。发布逻辑不一致的报告便是能够让分析师最小化自身损失的“折中”方案。逻辑不一致的报告能够弱化投资者对公司负面信息的反应，原因在于能够“混淆视听”，增加使用者的信息处理成本。
在研究中，作者的测算分析师报告逻辑不一致的方式为：对比分析师估值结论乐观程度与分析过程乐观程度。
估值结论乐观程度指的是分析师报告预测与分析师一致性预测之间的偏差。以分析师一致预测作为基准，BiasEF大于0证明分析师报告传递了乐观消息，反之则是负面信息。研究者可以借助CSMAR分析师一致预测研究数据库获取相关的指标作为基准。分析过程乐观程度BiasTONE则是通过文本分析方式构建，指分析师报告中文字解读的语气。若BiasEF与BiasTONE这两个指标的反向偏离一致性水平超过了一定的阈值，认为分析师报告存在逻辑不一致。
文章的具体分析过程包括了：检验分析师报告逻辑不一致产生的原因、分析师隐藏负面信息的动机以及报告逻辑不一致的经济后果分析。
结果显示，分析师策略性处置和隐藏公司负面信息是报告逻辑不一致的主要原因；分析师之所以隐藏公司负面信息，是为了给存在佣金分仓关联的基金客户提供调整投资组合的窗口期，减轻股价下跌给基金客户造成的损失；从经济后果来看，逻辑不一致性降低了投资者对报告中信息的反应程度，加剧了公司未来的股价崩盘风险。
研究当中重要的变量及界定如下表所示：
获取相关数据指标的CSMAR子库包括：一致预测/分析师预测/会计差错更正/违规处理/资本市场监管/行为金融/Fama-French因子/会计信息质量/财务指标分析/股权性质/……
从一致预测与分析师预测子库中可获取分析师报告情况的变量；从会计差错更正、违规处理等子库中可获取公司负面信息的衡量变量；行为金融等子库提供股价崩盘风险指标作为经济后果的衡量；其他控制变量来源还包括会计信息质量、财务指标分析、股权性质等。
数据资源介绍
CSMAR分析师一致预测数据库包含个股一致预测指标、个股一致预测滚动指标、个股一致预测目标价格、个股一致预测指标统计、一致预测超预期幅度等数据，希望通过多重维度赋权、分析师预测偏差修正等手段更加客观的展现市场对上市公司未来发展的预期。
查询路径：https://cn.gtadata.com/公司研究系列/一致预测
京公网安备 11010802022788号
