原文标题：Air pollution, affect, and forecasting bias: Evidence from Chinese financial analysts

原文作者：Rui Dong、Raymond Fisman、Yongxiang Wang、Nianhang Xu

发表期刊：Journal of Financial Economics

关键词：污染、预测偏差、分析师、适应性

一、研究背景

已有大量文献研究了环境天气特征对于人的心情的影响，这一机制拓展到金融和资本市场上则会影响交易者的行为和股票价格的波动。在资本市场上，证券分析师的主要工作之一是对上市公司进行实地调研，并据此给出上市公司未来业绩和股价的预测。
 

由于天气情况会影响市场参与者的心情，因此证券分析师参与实地调研当天的环境特征也可能会对分析师预测的精确度产生一定的影响。本文基于这一问题进行研究，以探究调研地的环境污染情况如何影响于分析师对于企业未来业绩预测。2009年以后，中国的深交所要求上市公司披露分析师调研的情况，从而为本文的研究提供了数据支持。
 

二、研究思路与实证结果

本文首先将分析师的预测报告与上市公司实地调研的数据进行匹配，以获知分析师调研的具体日期，从而得到当天调研地的空气污染情况。随后，本文构建了如下的衡量分析师预测乐观度的指标：
 

中共环境部公布了各大城市每日空气质量指数AQI，本文选择这一指数作为核心解释变量，与公告的调研日期相匹配，以检验空气污染情况对于分析师预测偏差的影响。此外，本文还将日照条件、温度、湿度等天气条件以及相应的企业和分析师特征作为控制变量。

基准回归结果显示，空气质量指数AQI与分析师预测乐观偏离在1%的水平上显著负相关，在控制相关固定效应后结果依然成立。由于AQI指数越高，空气质量越差，因此基准回归结果说明，调研时的空气质量越差，分析师在后续的盈利预测越趋于保守和悲观。
 

基于AQI指数，可将空气污染严重程度划分为六个等级。本文随后将每个等级赋予虚拟变量作为解释变量进行检验，实证结果显示，随着污染程度加深，空气污染对于分析师乐观预测的负向影响程度更大，进一步佐证了基准回归的结果。
 

随后，本文进行安慰剂检验，将调研日邻近日期的空气污染指数纳入回归方程，分别检验了调研日前后5、7和10天的空气污染对分析师乐观预期偏差的影响，基准回归结果依然保持稳健。
 

被调研的上市公司自身的污染属性会不会对这一结果产生影响呢？为此，本文设定“污染”Pollution这一虚拟变量，若被调研上市公司为污染行业企业，则该变量取值为1，否则为0，纳入上述回归方程，同时构建Pollution与AQI指数的交乘项以检验其影响，回归结果显示Pollution自身对结果并无显著影响，同时交乘项系数显著为正，说明企业自身的污染属性并不会对分析师乐观预测偏差产生负向的影响。
 

哪些因素会显著影响调研日污染与分析师乐观预测偏差之间的关系呢？本文随后分别考察了调研日与分析报告出版时间间隔（Forecast delay）、预测时间跨度（Forecast horizon）、分析师环境适应度（Analysts adaptation）、分析师个人特征以及调研特征等因素对于两者之间关系的影响：
 

（1）本文设定了一系列时间窗口检验调研日与分析报告出版时间间隔对于空气污染与乐观预期偏差之间关系的影响。实证结果显示，随着这一时间间隔的延长，核心解释变量的系数绝对值变小，说明空气污染对于分析师乐观预期偏差的影响降低；
 

（2）本文将预测期限及其与AQI指数的交乘项作为变量纳入基准回归模型，回归结果显示，预测期限系数显著为正，而交乘项的系数显著为负，说明随着预测期限的延长，空气污染会导致分析师的预测更加偏离实际值；
 

（3）分析师的适应性（adaptation）以分析师工作所在地与调研地点之间AQI指数的差值来衡量。回归结果显示，当分析师来到相对更污染的调研地时，调研地的空气污染情况会显著影响分析师的预测偏差，而当分析师自身工作的地点相对更污染时，这一效应不再存在，从而说明分析师对于空气环境污染的适应程度也会显著影响这一预测偏差；
 

（4）本文还将分析师的经验、预测精确度以及是否存在集体调研等变量纳入基准回归模型，回归结果显示，这些变量对于分析师的预测偏差并没有显著影响，说明其并不会对本文的基本结论产生影响。
 

原文摘要
 

We document a negative relation between air pollution during corporate site visits by investment analysts and subsequent earnings forecasts. After accounting for analyst, weather, and firm characteristics, an extreme worsening of air quality from “good/excellent” to “severely polluted” is associated with a more than 1 percentage point lower profit forecast, relative to realized profits. We explore heterogeneity in the pollution-forecast relation to understand better the underlying mechanism. Pollution only affects forecasts that are announced in the weeks immediately following a visit, indicating that mood likely plays a role, and the effect of pollution is less pronounced when analysts from different brokerages visit on the same date, suggesting a debiasing effect of multiple perspectives. Finally, there is suggestive evidence of adaptability to environmental circumstances – forecasts from analysts based in high pollution cities are relatively unaffected by site visit pollution.
 

作者：

王文蔚 中央财经大学绿色金融国际研究院博士生

研究指导：

王   遥 中央财经大学绿色金融国际研究院院长