一、研究背景

随着新型金融工具的创新和复杂程度的提高，监管者与投资者均需要对证券的信用风险进行有效度量。对信用风险的评价成为证券定价的决定因素之一[1]（郑佳明，2012）。信用评级作为一种证券信用风险的外部评价，越来越受到投资者、监管者和相关经济主体的关注，且进入各类债务性金融工具定价因素中[2-3]（Raghav Dhawan，Fan Yu，2015；赵静、方兆本，2011）。2008年金融危机以来，信用评级在资本市场和企业融资中的作用成为研究和争论的焦点之一。

一方面，投资者在进行金融工具投资时以信用评级等级作为衡量金融工具信用风险的重要依据，信用评级对投资者与监管当局起着重要的引导与决定作用；另一方面，信用评级所包含信息价值的降低和信用评级结果的前瞻性缺乏。这种信用评级悖论[4]（秦凤鸣，2011）使市场对信用评级结果产生质疑，从而降低信用评级结果的信息价值。2008年金融危机中，信用评级的预测失误使信用评级行业卷入危机推手的漩涡。金融危机之后，从不同角度对信用评级信息价值进行度量成为评价信用评级作用的重要方面。

我国信用评级行业伴随债券市场的发展而发展，从最初的几家评级机构发展到目前的几百家机构。中国人民银行发布的数据显示，截至2017年末，全国在中国人民银行备案的法人信用评级机构共有98家。企业评级机构规模的扩大和评级机构数量的增加并没有提高我国评级机构在国际金融市场中的话语权，这既与国际评级机构的自然垄断地位有关，又受国内评级机构自身缺陷影响。对我国信用评级信息价值的研究成为我国信用评级发挥信用风险评价作用的重要前提。

国内对信用评级信息价值的研究侧重于两个方面：第一方面是信用评级对不同债务或权益金融资产融资成本或定价影响的研究。例如，何平、金梦（2010）关于信用评级在中国债券市场的影响力研究，认为债券评级与主体评级在债券定价中都有解释力[5]。赵静、方兆本（2011）用结构化模型揭示了信用评级在中国公司债券定价中存在的模型理论因素之外的解释信息[3]。程盟、刘万才（2011）用显著性检验方法判断信用评级对企业债券市场定价的影响[6]。沈红波、廖冠民（2014）通过分离信用评级机构的专有信息，并基于2007—2012年短期融资券的发行利率，证明了信用评级机构可以提供增量信息的结论[7]。第二方面是信用评级等级变更的市场反应研究，主要集中于信用评级等级变更前后所产生的金融资产异常收益率。胡臻（2011）用事件研究法分别建立评级变更的正面事件和负面事件模型，考察信用评级宣告前后的债券回报率的影响，实证研究得出结论：无论是正面或负面宣告均产生债券显著的异常收益[8]。李明明、秦凤鸣（2012）研究了中国评级机构的主体评级变更对债券和股票的收益率的影响，实证检验了2011年之前主体评级等级变更对股票和债券的异常收益率的显著性，认为等级升降对债券和股票均有显著影响，且在降级前债券和股票的价格就有较小幅度的反应[9]。第一方面的研究仅能分析信用评级在债务性融资工具中的作用，对市场其他参与主体的信息效应无法阐释；第二方面的研究通过信用评级变更的市场反应判断信用评级的信息价值，这种市场反应无法分离混杂效应。

国内外学者对证券分析师预测准确度的影响因素主要从证券分析师个体异质性、分析师所在机构特征、被分析公司特征及信息环境角度展开分析。他们普遍认为，证券分析师的异质性是影响盈余预测准确度的重要因素。例如，James E.Hunton、Ruth Ann Mcewen（1997）用实验方法验证了分析师预测准确度与其认知差异的关系，研究表明分析师年龄、从业经验及预测方法的选择等都会影响到预测准确度[10]。有些学者认为，分析师获取的信息数量和信息质量直接决定其盈余预测的精度[11]（Ahmed等，2005）。

此前对信用评级信息价值的研究基本从融资主体与普通投资者角度考虑，对证券分析师这一更为专业的投资与分析主体的信息效应研究相对较少。例如，分析师在外部信息解读中，对公司信用评级的解读与利用如何？信用评级对分析师的盈余预测准确度的提高有没有帮助？本文通过对2008—2017年我国上市公司分析师数据进行实证检验，以期为信用评级的信息价值和分析师追踪行为提供新的经验证据。

二、理论分析与模型设计

（一）信用评级产生信息价值途径的理论分析

1.受评公司注重自身信用评级等级，并且认为通过提高信息披露质量可以改善其信用评级等级

因为高的信用评级可以为公司产生较低的融资成本，被评级公司为提高自身的评级等级，主动改善信息披露质量，从而降低市场获取该公司信息的信息收集成本，降低信息不对称程度。也就是说，首次接受评级的公司会采用改善自身信息披露质量的方式，主动向市场提供公司信息，从而使信用评级成为企业提升信息披露质量的动力。本文将该种信用评级的信息效应称为第一类信息效应。

2.信用评级等级本身包含有效增量信息价值

一般认为，评级公司通过先进的信息获取手段和专业的评级方法，可以为市场提供受评公司准确、有效的增量信息，从而降低投资者与被评级公司之间的信息不对称。沈红波、廖冠民（2014）分析2007－2012年短期融资券发行利率数据后发现，高信用评级等级有助于降低企业短期融资券的发行利率，且企业规模越小，这种作用发挥得越明显。这说明信用评级机构可以提供增量信息，并且对于规模小的公司而言增量信息价值更大[7]。本文将该类信息效应称为第二类信息效应。

基于以上分析提出检验假设1：首次获得信用评级的公司信息披露质量提高。

（二）信用评级对分析师盈余预测准确度影响的理论分析

分析师盈余预测准确度的理论研究主要有过度自信理论和主观动机理论。过度自信理论认为，主要是分析师过度自信自身的分析能力，表现为将过去预测的成功归结于自身能力因素，而将过去预测的失误归结于外部客观因素，使其在盈余预测时过分偏好私人信息，降低预测准确度[12]（Gervais、Odean，2001）。主观动机理论认为，投资者可能会根据分析师的历史预测准确度来衡量分析师的能力。分析师为了提高其外在显示的能力，主动增加其对私人信息的权重[13]（Chen et al.，2005）。Irvine（2004）则认为，分析师通过偏离市场共识的预测影响股票价格和交易量，从而获得更多的交易佣金。这两种主观动机都会降低投资者的预测准确度[14]。

分析师盈余预测准确度受预测所利用的外部信息的准确性和分析师预测行为本身有效性的综合影响。郭杰、洪洁瑛（2009）认为，分析师预测的公司盈余行为是无效的，其中一个主要原因是中国上市公司的信息披露质量低下[15]。张文、王昊、苑珺（2015）基于2004－2013年上市公司信息质量与分析师财务预测数据分析，发现上市公司财务报告信息质量可以显著影响分析师预测准确度。基于此，如果受评公司主动提高信息披露质量来改善其自身信用评级，则信用评级的公布将提高分析师的盈余预测准确性。此外，信用评级结果本身可能含有增量信息价值[9]（李明明、秦凤鸣，2012），评级结果的公开可以增加分析师掌握的公开信息量，从而提高分析师的预测准确度。

检验假设2：信用评级结果公布能提高分析师盈余预测的准确度。

（三）模型设计

1.信息披露质量与信用评级信息效应的度量

已有研究中度量信息披露质量的方法主要分为两种：第一种是直接采用权威机构的信息披露质量评价。如国内学者大多采用深圳证券交易所披露的深圳证券交易所上市公司的信息披露质量评级，少数学者根据信息披露的质量特征直接建立评分标准，但后者的指标选取和评分方法带有主观性和随意性。第二种度量公司信息披露质量的方法是通过寻找关系密切的替代变量，多数文献主要以公司盈余质量（Ahmed等，2005；Bradshaw等，2001）作为替代变量。

考虑到数据的权威性和代表性，本文采用深圳证券交易所报告的信息披露质量评级提高与否作为信用评级第一类信息效应的检验方法。信用评级第二类信息效应的检验，借鉴Agarwal和Hauswald（2012），用正交化分解方法，将评级信息拆分为市场公开信息和专有信息。以专有信息作为信用评级机构提供的增量信息的代理变量，建立回归模型1：

其中，rating为信用等级赋值，若评级为AAA级则rating=1，若评级为AA+则rating=2，依次按评级高低分别为1，2，3……。市场公开信息包括公司规模（size）、公司财务杠杆系数（leverage）、公司资产报酬率（ROA）、销售增长率（grow）、资产周转率（return）和行业（industry）、年度（year）等控制变量。以回归残差ε作为信用评级增量信息价值的代理变量。

2.证券分析师盈余预测准确度的度量

证券分析师根据所收集的相关信息数据，运用一定的分析方法对公司的盈余状况、盈利能力等财务信息进行预测，通常是通过度量其预测值与真实值的差异来度量其预测准确度。本文借鉴主流文献Lee，et.al.（2013）方法度量证券分析师盈余预测准确度。

其中，PSDi,t,n表示分析师n对i公司第t年的盈余预测误差，PEPSi,t,n表示分析师n预测的i公司第t年的每股收益，REPSi,t为i公司第t年真实的每股盈余，PRICEi,t-1为i公司第t-1年年末的股票收盘价。

信用评级结果作为公开的外部信息，不考虑证券分析师个体因素产生的预测误差影响，对上述N个分析师对i公司第t年的盈余预测误差进行算术平均，计算平均预测误差EPSDi,t。

其中N为对公司i第t年盈余预测的分析师数量。

3.信用评级信息效应对证券分析师盈余预测准确度影响的模型设定

基于上述理论分析，公司首次信用评级公布可能会通过第一类信息效应提高证券分析师的信息量和信息质量，建立回归模型2：

其中，FirstRit为虚拟变量，如果i公司第t年分析师预测时，为当年首次获得信用评级，则等于1，其他等于0。因为要考察首次信用评级对分析师盈余预测准确性的影响，所以，所有数据都截至首次信用评级当年。TQit为托宾Q。

为了检验第二类信息效应对分析师盈余预测的影响，建立回归模型3：

其中，εit为利用模型1回归估计的残差，代表评级信息的增量信息，所用数据为发布首次评级当年的公司数据。

三、数据收集与描述性统计

（一）首次信用评级公司资料的收集

为研究信用评级的信息价值，特收集了首次获得信用评级的上市公司数据。这主要是因为这些公司有更便利的资料获得途径和证券分析数据。如果信用评级结果可以提高上市公司的分析师盈余预测准确度，这种信息效果对于信息披露质量更差的非上市公司而言应该更显著。2015年前，我国上市公司发行债券需获得评级公司的信用评级，公司获得首次信用评级的时间即为首次发行公司债券的年份，具体方法是利用wind资讯（万得资讯）上市公司债券发行数据中发行主体首次获得信用评级的数据，去掉金融类与ST公司（指公司经营连续两年亏损，特别处理的公司），2008—2017年间首次获得信用评级的上市公司有283家，其中，深圳证券交易所上市公司108家。

（二）信息披露质量数据

深圳证券交易所每年公布的上市公司信息披露质量，分为A、B、C、D四个等级（2008年以前的质量披露以优秀、良好、合格、不合格表示）。为了检验被评级公司在首次获得信用评级时是否会主动提高信息披露质量，特收集整理了2008—2017年在深圳证券交易所上市的108家公司的信息披露质量资料，其中大公司（在主板上市的公司）58家，中小公司（在二板上市的公司）50家。

（三）分析师预测准确度数据

本文选择国泰安数据库中分析师在2008—2017年预测的上市公司盈余数值，与实际值比较得出平均盈余预测误差。另外，对每个公司的分析师盈余预测误差进行1%的缩尾处理，以消除极端误差的影响。相关变量的描述性统计结果见表1。

表1 主要变量的描述性统计结果

四、实证结果

（一）上市公司信息质量的实证结果

如表2所示，在公司首次评级当年信息质量有所提高的大公司有11家，占大公司的18%；首次评级前一年大公司信息质量提高的有10家，占到16%。中小公司信息质量在首次评级当年提高的家数占中小公司总数的18%，在首次评级次年提高信息质量的比重为20%。这说明只有部分公司在获得首次信用评级时主动改善自身的信息披露质量。

表2 首次信用评级的公司信息质量变化情况

数据来源：根据深圳证券交易所网站资料整理
注：公司首次评级前一年的数据中，1家大公司和13家中小公司数据缺失，故大公司有61家，中小公司有60家（评级当年大公司共有62家，中小公司共有73家）

（二）信息效应对证券分析师盈余预测影响的实证结果

1.信用评级决定因素的实证结果

利用2008—2013年首次信用评级数据，对模型1进行回归估计，结果见表3。可以发现，对于所有公司，资产规模、资产收益率、资产周转率值越大，评级等级越高；而资产负债率和销售收入增长率则与评级等级呈反向变动关系，即资产负债率、销售收入增长率越大，评级等级越低。

表3 信用评级影响因素的实证结果

注：***、**、*分别表示在1%、5%、10%水平下显著，（）内数字为系数t值

2.信息效应对证券分析师盈余预测影响的实证结果

按照首次评级年份或前一年信息披露考评结果是否提高，将2008－2017年上市公司分成两组数据，并分别对其进行模型2回归分析，回归结果见表4。结果显示，首次评级当年或首次评级前一年信息披露考评等级提高的上市公司，FirstR的系数显著为负，这说明这些上市公司为了获得较高的信用评级主动提高其信息披露质量，从而使分析师盈余预测误差降低。这表明第一类信用评级信息效应能够有效提高分析师盈余预测准确性。然而，对于信息披露质量未显著提高的大公司，FirstR的系数不显著，说明分析师对这类大公司的预测没有显著的减少误差；但小公司该系数显著为负值，表明分析师对没有提高信息披露质量的公司仍能在首次评级年份降低预测误差。

表4 模型2的回归结果

注：***、**、*分别表示在1%、5%、10%水平下显著（下表同）

为了分析信用评级第二类信息效应对分析师盈余预测的影响，利用首次信用评级年份的数据对模型3进行回归分析，并且对分析师盈余预测误差按照预测期分为近期预测（预测结果公布时间与预测截止时间相隔1年和1年以内）和远期预测（预测结果公布时间与预测截止时间相隔超过1年）以区分不同影响，检验结果如表5所示。分析师短期盈余预测误差对信用评级信息增量的回归结果显示，无论是大公司还是中小公司，信用评级增量信息变量ε的系数均显著为负值，说明在首次获得信用评级年度，对大公司和中小公司的预测误差都因信用评级结果的公布而降低。这充分证明了我国信用评级信息的第二类信息效应的存在，即信用评级本身存在增量信息。信用评级对信息不对称程度较高的中小公司会产生第二类信息效应，从而提高分析师盈余预测水平。中小公司的远期分析师盈余误差的检验结果类似，验证了假设2。但是大公司分析师远期盈余预测误差的实证检验结果显示，上市公司预测误差对信用评级增量信息的实证结果中，信用评级增量信息的系数不显著，说明信用评级增量信息不能提高分析师盈余预测的准确性。在远期盈余预测中，中小公司的信用评级信息效应的发挥强于大公司，这可能与分析师获取的两类公司的信息途径与信息量有关。

表5 信用评级增量信息对分析师盈余预测的影响实证结果

注：表中加下划线的系数在5%显著性水平下不显著

五、结论与相关建议

（一）稳健检验与结论

上文用分析师盈余预测误差中位数分别替换上述预测误差平均值，对模型2和模型3分别进行回归分析，得出了相似结论，验证了信用评级的信息效应对分析师盈余预测误差的影响。对于信息不对称程度更高的中小公司而言，信用评级结果能够产生信息效应，从而提高分析师盈余预测准确性。而对信息披露相对充分的大公司来说，信用评级结果能够提高分析师近期盈余预测准确度，但对远期盈余预测准确度没有显著的提高作用。

同时，用上海证券交易所的175家上市公司进行模型检验，发现首次信用评级当年FirstR系数显著为负，验证了首次信用评级当年的分析师预测误差有显著降低。但是因为没有监管当局有关信息质量的披露数据，无法区分是哪种信息效应产生的预测误差降低。

总之，信用评级会激励部分公司改善其信息披露质量，这种信息效应会提高分析师对该类公司的盈余预测准确度。信用评级产生的增量信息效应会显著改善中小公司的盈余预测准确度，但是对大公司的盈余预测没有显著的改善。这一发现说明我国信用评级对信息披露质量较差公司的盈余预测具有很好的改善作用，并且对提高公司的信息披露质量有一定效果。

（二）相关建议

1.对金融市场和金融工具的监管应完全放开对信用评级等级的依赖

Partnoy（2006）认为，美国实行的信用评级认证制度使信用评级业变成了一种寡头垄断行业，获得认证的信用评级企业不再接受市场投资者和监管者的信誉监督。我国目前有200多家信用评级机构，虽没有建立起政府认证制度，但并不意味着没有形成寡头垄断的市场结构。投资者对复杂金融工具的信息不对称，倒逼其利用信用评级判断风险，尤其是监管主体依据信用评级等级实施监管，使得少数几家成立较早、较为知名的评级机构垄断了大部分的评级业务，获得隐性的监管部门评级认可。因此，当前对金融市场和金融工具的监管应完全放开对信用评级的依赖，使评级行业完全回归到正常的通过信誉资本的积累实现其行业地位的路径。

2.改变信用评级行业单一获利渠道，主要获利方式由发行方付费转变为向信息使用者收取信息费

当前发行方付费模式容易滋生信用评级公司与受评公司的利益勾结，破环信用评级行业的信誉资本积累，最终降低整个信用评级结果的信息价值。近期的学术研究也证明了因发行方付费产生的评级结果虚高等不良后果。S.Jane Jollineau，Lloyd J.Tanlu，and Amanda Winn（2014）用实验方法证明了改变信用评级机构的发行方收费来源，可以降低信用评级的结论。因此，信用评级公司应将收费方式由向受评公司收费转变为通过提供各种信息服务获取收益的方式。这样，不仅能够减少评级公司对提供信用评级单一利益来源的依赖，而且可以从整体上提升评级公司的独立性，从而提高信用评级结果的信息价值。