当误差率小于0,分析师的预测为乐观预期;大于0,是悲观预期。

为了数据分析的需要,我们也采用绝对误差率指标,排除正负误差的影响:　绝对误差率=┃实际盈利值-盈利预测值┃/实际盈利值

一般认为绝对误差率越小,可靠性越高。误差率分析

将证券机构的盈利预测与公司实际的盈利预测进行比较,我们计算汇总了盈利预测的误差率。356家样本公司中,有165家公司误差率大于零,184家公司误差率小于零,6家相同。可以看到,误差率小于零的公司比大于零的公司多。因而,我国上市公司的盈余预测倾向于高估,或者说预测偏于乐观。

进一步分析绝对误差率,可以看到,有68.45%的预测误差在20%范围内,其中小于10%的比例为41.13%;有19.15%落在20%-40%的误差范围中,预测可靠性较低;12.39%的预测误差超过40%,盈利预测误差较大。根据该数据可以看到,我国证券分析师盈利预测具有一定的可靠性,但良好准确性的比重并不高,并且超过十分之一的预测存在较大误差,整体水平还有待提高。

5 回归分析

5.1 研究设计 为了验证上文提出的假说,探究怎样的公司和分析师影响预测准确度,我们使用以下回归方程作进一步分析。

模型一:

AFE=α+β1Scale+β2PC+β3Leverage+β4EV+β5Number +ε

模型一用以考察样本整体情况。其中因变量AFE为绝对误差率,即┃实际盈利值-盈利预测值┃/实际盈利值。

在各自变量中,公司规模(Scale)以其总资产反映,同时为了消除量纲的差异取自然对数。盈余的可预测性(PC)参照利润构成,以扣除非经常性损益后的净利润与利润总额比值的绝对值来计量利润构成情况。财务杠杆(Leverage)我们以公司的资产负债率来衡量公司的财务风险和流动。盈余的波动程度(EV)是利用近3年每股收益的标准差来计量,在计算此指标时,如果公司的实际上市时间不足6 年的,以实际上市年限计算,但最少不得小于3 年。预测机构家数(Number)为年度内做出盈利预测的分析师人数。

5.2 描述性统计分析 在原有样本中,我们剔除了6个EPS不足3年的公司,故新样本数量为353。从描述性统计(表5-1)中我们可以看出,对于样本公司来说,平均的分析师人数在9人左右,在分布上则较为分散,标准差达到了6人。财务分析师预测误差的平均数为29.8%,而中位数为12.8%,故存在部分预测误差较大的情况,其标准差同样体现出了分布较为分散的特点。但结合石桂峰、苏力勇、齐伟山(2007)对2004、2005年APE描述性结果我们仍然发现,相比于2004和2005年,07年分析师预测绝对误差的均值、中位数和标准差均明显减小,说明分析师盈利预测的能力和准确度均在不断提高之中。