公司ESG评级有助于提高分析师预测准确性吗.pdf

会 计 之 友 2023 年 第 18 期一、引言环境、社会和治理（ESG）既是评价公司可持续发展能力的重要依据1，也是外部投资者在投资决策过程中的重点考虑因素2。由于兼具非财务风险筛选和长期超额收益的优势，ESG 投资评估已逐渐成为国际主流投资模式。特别是近年来，在政策和市场的双重推动下，以ESG 为基础的投资理念日益受到投资者和公司的重视。国内外评级机构相继构建起 ESG 评级体系，对公司可持续发展能力进行等级评价，ESG 评级对市场信息进行了有益的补充 3-4。现有研究从融资成本 5-6、投资价值 7、审计定价 8 等方面探究了 ESG 评级信息在市场中的价值体现，而关于 ESG 评级信息的价值是否会被同为市场信息媒介的证券分析师所识别和利用，尚未有研究进行分析。作为资本市场中专业的信息挖掘者和解读者，分析师通过收集和分析公司的各类信息，最终以发布盈余预测报告的形式引导投资者理性投资。分析师所能掌握的信息资源是其进行预测的前提，信息的多少和质量在分析师预测行为中起重要作用，但由于会计信息风险和盈余波动性的存在，分析师对公司盈余的预测往往会偏离真实值9-11。ESG 评级作为一种积极且易于甄别的信息，其高评级可为公司财务信息的真实性提供保证。这一方面是因为 ESG 评级机构具备专业的数据搜集和处理能力，能够有效识别管理层的盈余操纵行为，并将其反映到评级信息中，从而对公司财务信息和运营状况的真实性形成监督；另一方面是由于 ESG 评级为经过整理加工后的等级信息，更易被市场中的监管者利用，公司信息披露行为外部监督和约束的强化，使得分析师能以较低成本获取公司真实的运营信息。此外，ESG 评级的高低体现了公司长期经营的稳健性，而盈利不确定性的降低将有助于减少分析师在盈余预测时面临的盈余波动风险。高ESG 评级意味着公司具有强烈的环境保护意识和社会责任感以及健全的内部治理机制，在经营过程中会更加注重环境风险的管理与社会责任的承担，保障了公司盈余【基金项目】国家自然科学基金地区项目“高管户籍特征对企业创新行为的影响研究：基于城乡二元体制视角”（72062007）；国家自然科学基金青年项目“签字审计师红色特质对审计质量的影响研究”（72102119）；贵州省普通高等学校青年科技人才成长项目“红色文化对民营企业环境责任的影响研究”（黔教合 KY 字 2021 123）【作者简介】熊浩（1988），男，湖北武汉人，博士，贵州财经大学会计学院副教授，研究方向：资本市场财务与会计；侯瑞琳（1996），女，山西临汾人，贵州财经大学会计学院硕士研究生，研究方向：资本市场财务与会计；侯菲（1990），女，山东青岛人，博士，青岛大学商学院讲师，研究方向：资本市场会计与审计侯菲为通讯作者。【摘要】文章以我国沪深两市 A 股上市公司为研究对象，实证检验了分析师预测行为对公司 ESG 评级的反应。研究发现公司高 ESG 评级对分析师预测准确性具有积极的提升作用，且该作用在控制内生性问题后依旧稳健。路径机制研究表明高ESG 评级主要是通过提高会计信息质量和降低盈余波动促进分析师预测准确性提升。进一步分析显示 ESG 评级对分析师预测准确性的促进作用未因公司盈利和规模差异及无明星分析师跟进而有所不同。同时，高 ESG 评级公司能够吸引更多分析师跟踪，预测分歧度也较低。研究结论不仅丰富了公司 ESG 评级和分析师预测准确性的相关研究，而且对我国推动和鼓励本土ESG 机构发展有一定的启示作用。【关键词】ESG 评级；分析师预测；会计信息质量；盈余波动【中图分类号】F276【文献标识码】A【文章编号】1004-5937（2023）18-0098-08熊浩1，2侯瑞琳1侯菲3 1.贵州财经大学会计学院2.贵州财经大学绿色金融科技重点实验室3.青岛大学商学院98持续性7，而相应积累的道德和声誉资本也可以帮助公司与利益相关者建立稳固的合作和信任关系，减轻外部冲击对公司经营的不利影响4。相较以往研究，本文的贡献主要体现在：一是不同于既有研究从融资成本5-6、投资价值7及审计定价8等视角考察 ESG 评级的信息价值，本文从分析师预测准确性视角探究 ESG 评级在资本市场中的信息价值，为 ESG 评级的经济后果研究提供了新的证据。二是以往研究发现内部控制质量12、大股东股权质押13、媒体关注度14等内外部因素会影响分析师预测准确性，而本文研究作为专业信息机构的 ESG 评级机构对分析师预测准确性的影响，丰富和拓展了有关研究的范围和内容。三是本文基于ESG 评级的信息功能，分别从会计信息质量与盈利波动性视角剖析 ESG 评级对分析师盈余预测准确性的潜在影响机制，为后续研究提供了新的研究思路和视角。二、理论分析与研究假设（一）ESG 评级与分析师预测准确性作为现代资本市场的一种重要信息媒介，分析师最主要的工作是凭借专业技能，从各个渠道广泛收集公司信息，并利用所掌握的信息资源分析公司运营状况，最终以发布盈余预测报告的形式引导投资者理性投资15。既有研究表明，分析师盈余预测准确性普遍优于统计模型，其中一个重要原因在于分析师会随时根据市场的新增信息完善盈余预测行为16。王彪华等17发现，分析师因感知到签字审计师配置与会计信息质量之间的内在联系，所做出的盈余预测更加准确。林晚发等18基于债券市场中信用评级机构的研究，发现分析师会借助信用评级信息来提高盈余预测的准确性。这些研究表明分析师会积极收集和整理由其他市场信息中介提供的增量信息来扩充自身信息集，以便做出更加精准的盈余预测。ESG 评级是指由独立评级机构对公司的环境风险管理、社会责任履行以及内部治理水平进行分析研究，根据公司可持续发展能力进行综合评价，并采用简单直观的等级排序法呈现19。晓芳等8认为，ESG 评级的发布可为市场提供更多有关公司财务状况、整体运营能力及盈利风险的信息。在 ESG 评级的信息揭示作用下，被评级公司与利益相关者的信息不对称程度将得到有效缓解5-6，市场对公司行为决策的监督成本也会随之降低4。作为资本市场中专业的信息挖掘者和解读者，分析师势必可以识别 ESG 评级的信息价值，并积极利用 ESG 评级提供的额外信息进行比照和借鉴，加深对被预测公司未来收益和风险的理解，提高盈余预测的准确性。基于以上分析，提出以下假设：H1：公司 ESG 评级越高，分析师的盈余预测越准确。（二）内在作用机制：会计信息质量与盈余波动性的双重路径ESG 评级对分析师预测准确性的主要作用机制在于抑制管理层盈余操纵行为和降低公司营业风险。从会计信息质量来看，ESG 评级机构具备专业的数据分析能力和信息获取优势，对会计信息的解读及鉴别能力强于一般信息使用者，这使得他们更有可能在审阅上市公司年报时识别出管理层的盈余操纵行为，并将会计信息质量融入到评级信息中，从而对公司盈余管理形成有效的监督治理。对此，Eccles 等20发现，公司 ESG 评级可以反映出信息披露的质量，这一点也得到高杰英等3的支持，即ESG 评级越高，公司会受到更强的信息披露监督，管理层提供的会计信息质量越有保障。另外，ESG 评级是经过整理加工后的排序信息，不仅更容易被市场参与者所接受和使用，而且会加强他们对公司公开信息披露的监督4，进而降低管理层利用会计操纵掩盖机会主义行为的可能性，由此产生对管理层盈余操纵空间的压缩作用，可较好地保障公司公开披露信息的真实完整性，进而减少分析师对公司财务信息的判断误差，能更准确地判断和预测企业价值及业绩12。因此，本文推断，ESG 评级通过抑制管理层的盈余操纵行为来保障公司的会计信息质量，是提高分析师预测准确度的一条重要作用路径。从盈余波动性来看，ESG 评级机构给出的等级评价能够有效弥补单纯财务信息无法充分揭示公司潜在营业风险的不足。当公司营业风险增大、盈余波动性变大时，分析师将难以依据历史盈余状况进行盈余预测，导致盈余预测偏差增加9，13。而高 ESG 评级表明公司具有强烈的环境保护意识和社会责任感以及健全的内部治理机制，这类公司在制定和执行战略决策时会更加注重长远发展，避免环境事故发生，严格遵守相关政策法规，稳固公司与利益相关者之间的合作关系，保障了公司的盈余持续性4，8。同时，ESG 理念的实践符合投资者、消费者、供应商、政府等利益相关者的期待，ESG 理念的实践过程亦99会 计 之 友 2023 年 第 18 期是公司逐渐积累道德和声誉资本的过程。当外部环境恶化时，公司凭借前期建立的 ESG 优势可获得消费者的产品认可、投资者和债权人的融资便利、政府的资源补助等以渡过难关6-7。即便是面对负面事件冲击，ESG 优势也有助于公司获得利益相关者的支持和理解，给予纠偏的机会和时间，减少负面事件对公司经营的不利影响 4，7。因此，本文认为，ESG 评级通过降低公司盈余波动性来减少盈余预测难度，是提升分析师预测准确度的另一条重要作用路径。综上分析，本文提出如下假设：H2a：公司 ESG 评级通过提高会计信息质量来提升分析师的盈余预测准确性，即会计信息质量在 ESG 评级与分析师盈余预测之间产生中介效应。H2b：公司 ESG 评级通过降低盈余波动性来提升分析师的盈余预测准确性，即营业风险在 ESG 评级与分析师盈余预测之间产生中介效应。三、研究设计（一）样本选取与数据来源本文的研究样本为我国沪深股市的上市公司，研究区间为 20092019 年。样本按照如下原则进行筛选：（1）剔除金融保险证券等行业的上市公司；（2）剔除分析师预测、ESG 表现、控制变量等相关数据缺失的上市公司；（3）利用 Winsor2 对公司层面的所有连续变量在 1%与 99%分位上进行缩尾处理。最后得到 22 833 个年度样本观测值。ESG 表现数据来自华证 ESG 评级，其他数据均来自CSMAR 数据库。（二）变量定义1.被解释变量：分析师预测准确性（Accur）借鉴张立光等9和董望等12关于分析师预测准确性的度量方法，本文采用分析师对公司每股收益预测均值与实际每股收益差值的绝对值度量分析师预测准确性，并以年初股票价格进行标准化处理控制公司间的异质性，同时乘以-1 取分析师盈余预测误差的相反数，确保较大的 Accur 对应较高的预测准确性。计算公式如下：Accuri，t=（-1）Mean（Fepsj，i，t）-Mepsi，t/Pricei，t-1（1）其中 Fepsj，i，t为分析师 j 对公司 i 在第 t 年进行的每股收益预测值，Mepsi，t为公司 i 在第 t 年的实际每股收益，Pricei，t-1为公司 i 在第 t 年的年初股票价格，Accur 则代表分析师对公司 i 在第 t 年的预测准确性，该数值越大，意味着分析师的预测越精准。2.解释变量：ESG 评级（Esg）本文主要参考谢红军和吕雪4基于第三方的公司ESG 评级指数即华证 ESG 评级指数衡量公司 ESG 表现，以有效规避覆盖范围窄与更新频率低的弊端。依据华证ESG 评价体系的 AAAC 九档评级，采用 9 分制从高到低依次赋值为 91，再取四个季度评分均值作为公司年度 ESG 评级。3.中介变量（1）会计信息质量（Da）。本文根据 Dechow 等的修正Jones 模型，分行业分年度回归估计公司不可操纵应计利润，取模型残差绝对值作为盈余管理水平，该值越大意味着公司盈余质量越差、公开披露的会计信息风险越大。（2）盈余波动性（Evol）。本文采用过去三年资产回报率的标准差度量。4.控制变量参考现有文献，本文控制了机构投资者持股（Hsr）、股权集中度（Cent）、产权性质（Soe）、董事会规模（Board）、董事会独立性（Lndep）、两职合一（Dual）、公司规模（Asset）、资产负债率（Lev）、固定资产（Tang）、资产报酬率（Roa）、成长能力（Grow）、亏损情况（Loss）。此外，还控制了年度虚拟变量（Year）和行业虚拟变量（Industry）。具体变量定义和取值方法见表 1。（三）模型构建为了验证上市公司 ESG 评级信息对分析师预测准确性的影响及内在作用机制，本文采用模型（2）至模型（4）进行实证检验。Accur=琢0+琢1Esg+琢2Hsr+琢3Cent+琢4Soe+琢5Board+琢6Lndep+琢7Dual+琢8Asset+琢9Lev+琢10Tang+琢11Roa+琢12Grow+琢13Loss+Industry+Year+（2）Da/Evol=茁0+茁1Esg+茁2Hsr+茁3Cent+茁4Soe+茁5Board+茁6Lndep+茁7Dual+茁8Asset+茁9Lev+茁10Tang+茁11Roa+茁12Grow+茁13Loss+Industry+Year+（3）Accur=0+1Esg+2Da/Evol+3Hsr+4Cent+5Soe+6Board+7Lndep+8Dual+9Asset+10Lev+11Tang+12Roa+13Grow+14Loss+Industry+Year+（4）模型（2）主要检验 H1，被解释变量是分析师预测准确性（Accur），解释变量是公司 ESG 评级（Esg）。模型（3）和模型（4）主要检验 H2a 和H2b。模型（3）的被解释变量分别为会计信息质量（Da）和盈余波动性（Evol），解释变量为公司 ESG 评级（Esg）；模型（4）的被解释变量为分析100师预测准确性（Accur），解释变量为公司 ESG 评级（Esg），中介变量为会计信息质量（Da）和盈余波动性（Evol）。根据 H1，模型（2）中 Esg 的系数应显著为正。若模型（3）中ESG 评级（Esg）的系数 茁1 和模型（4）中的中介变量会计信息质量（Da）和盈余波动性（Evol）系数均显著为负，则可以支持 H2a 和 H2b。四、实证结果及分析（一）描述性统计表 2 是分析师预测准确性变量、ESG 评级变量及控制变量的描述性统计分析结果。分析师预测准确性（Accur）均值为-3.440%，中位数为-1.785%，表明分析师预测每股收益与公司实际每股收益之间的差额相对较大。ESG 评级（Esg）的均值为 6.522，对应公司的 ESG 评级在 A 与 BBB 之间，表明上市公司整体 ESG 评级水平较高。（二）ESG 评级对分析师预测准确性的影响检验按照模型（1）的设定，本文对 H1进行实证检验，即考察 ESG 评级（Esg）对分析师预测准确性（Accur）的具体影响，从而验证该假设是否成立。从表 3回归结果可以看出，在逐步加入公司治理特征与财务特征等控制变量后，公司 ESG 评级对分析师预测准确性的影响始终为正。表 3 列（3）中，公司ESG 评级（Esg）对分析师预测准确性（Accur）的影响系数为 0.235，且在 1%的水平上显著，说明公司 ESG 评级越高，分析师盈余预测准确性越高。这意味着公司 ESG 评级信息有助于减少分析师盈余预测偏差，即分析师可以识别出 ESG 评级的信息价值，并积极利用 ESG 评级提供的额外信息来提高盈余预测的准确性，从而支持了本文的 H1。（三）ESG 评级对分析师预测准确性的中介机制检验表 4 为 H2a 和 H2b 即公司 ESG评级能否通过提高会计信息质量和降低盈余波动性两条路径来提升分析师盈余预测准确性的检验结果。从列（1）可以看出，公司ESG评级（Esg）对会计信息质量（Da）的影响系数为-0.002，且在 1%的水平上显著。纳入中介变量会计信息质量（Da）后，列（2）回归结果表明，公司 ESG 评级（Esg）对分析师预测准确性（Accur）的影响系数在 1%的水平上显著，为0.224，相较于表 3 列（3）中模型估计系数 0.235 有所下降，同时会计信息质量（Da）的系数也显著为负。这表明会计信息质量在 ESG 评级与分析师盈余预测之间存在部分中介效应，即 ESG 评级能够抑制管理层的盈余操纵行为来保障公司会计信息质量，继而提高分析师的预测准确性。由此，印证了本文的 H2a。另外，从表 4 列（3）回归结果可以看出，公司 ESG 评级（Esg）对盈余波动性（Evol）的影响系数为-0.003，且在变量类型变量符号变量定义被解释变量Accur分析师预测每股收益均值与每股收益实际值之差的绝对值除以期初股价后，再乘以-1解释变量Esg采用华证 ESG 评级，按照 AAA、AA、A、BBB、BB、B、CCC、CC、C 从高到低依次赋值 9 至 1 后，取四个季度评分均值作为公司年度 ESG 评级中介变量Da可操纵应计利润的绝对值Year若属于该年度赋值 1，否则为 0变量名称分析师预测准确性ESG 评级会计信息质量年度虚拟变量Evol过去三年总资产报酬率的标准差盈余波动性控制变量机构投资者持股Hsr年末机构投资者持股比例的百分比股权集中度Cent前三大股东持股比例的平方和产权性质Soe若公司终极控制人为国有股东取值1，否则为 0董事会规模Board董事会成员人数的自然对数董事会独立性Lndep独立董事人数除以董事会总人数两职合一Dual若是同一人担任董事长和总经理取值 1，否则为 0公司规模Asset总资产的自然对数资产负债率Lev总负债除以总资产固定资产Tang固定资产净值除以总资产资产报酬率Roa营业利润除以总资产成长能力Grow销售收入增长率亏损情况Loss若当年亏损取值 1，否则为 0行业虚拟变量Industry按 2012 年证监会行业分类，若属于某一行业赋值 1，否则为 0表 1变量定义101会 计 之 友 2023 年 第 18 期1%的水平上显著。加入中介变量盈余波动性（Evol）后，列（4）的回归结果表明，公司 ESG 评级（Esg）对分析师预测准确性（Accur）的影响系数在 1%的水平上显著，为0.180，相较于表 3 列（3）的结果 0.235 有所下降，同时盈余波动性（Evol）的系数也显著为负。这表明盈余波动性在 ESG 评级与分析师盈余预测之间存在部分中介效应，即 ESG 评级可以通过降低公司盈余波动性减少盈余预测难度，继而促进分析师预测准确性的提高。由此，印证了本文的 H2b。（四）稳健性检验1.遗漏变量问题除了本文控制的治理因素和财务因素外，分析师盈余预测准确性还会受其他不可观测公司特征因素的影响，为克服遗漏变量问题，本文采用双向固定效应模型做了进一步分析。2.双向因果问题会计信息质量高且盈利稳定的公司，分析师的盈余预测偏差会较小，对应的 ESG 评级可能较高，为避免双向因果问题，本文采用滞后一期的 ESG 评级数据和其他控制变量数据进行回归。3.工具变量法为确保结论稳健可靠，本文采用工具变量两阶段回归方法。借鉴周方召等2的研究，采用同地区同行业其他公司 ESG 评级的均值（Esgai）作为工具变量，即公司同年度所处地区同行业的 ESG 评级虽然与公司个体 ESG 评级密切相关，但难以对分析师盈余预测精度产生直接的逻辑关联。4.替代变量检验被解释变量方面，本文用实际盈余绝对值与 0.5 的和替换期初股价，用分析师预测中位数替换分析师预测均值，然后依据公式（1）重新计算出分析师预测准确性。解释变量方面，本文分别以华证 ESG 评价体系的评级大类（A 类、B 类、C 类）及商道融绿 ESG 评价体系的十档评级（A+至 D）为基础，依次赋值后构建ESG 评级的替代变量。中介变量方面，按照深交所信息披露质量评级（“优秀”“良好”“合格”“不合格”）从高到低依次赋值，构建会计信息质量的替代变量。同时，本文采用本期净利润增加额的绝对值除以上一期净利润作为盈余波动的替代变量。限于篇幅，未报告稳健性检验的结果，但上述检验的回归结果均与本文的主要研究结论保持一致。五、进一步分析（一）排除替代性假说ESG 评级对分析师盈余预测准确性的影响可能存在两种替代性假说：一是分析师更愿意对规模大、盈利好的变量观察值均值3/4 分位最大值Accur/%22 833-3.440-0.716-0.023Esg22 8336.5227.0009.000Hsr22 8336.7219.88233.011Loss22 8330.0870.0001.000标准差4.8591.0067.1180.282最小值1/4 分位中位数-29.906-4.018-1.7853.7506.0006.0000.0001.2574.4060.0000.0000.000Cent22 8330.1640.2260.8100.1190.0010.0730.134Soe22 8330.3900.4880.0000.0000.0001.0001.000Roa22 8330.0420.063-0.2770.0160.0400.0710.221Grow22 8331.1990.4770.3780.9901.1191.2834.547Board22 8332.1440.1991.6091.9462.1972.1972.708Lndep22 8330.3740.0530.3330.3330.3330.4290.571Dual22 8330.2600.4390.0000.0000.0001.0001.000Asset22 83322.2181.28619.25221.29922.04522.95326.071Lev22 8330.4360.2080.0530.2700.4310.5920.985Tang22 8330.2230.1660.0020.0930.1880.3170.721表 2变量的描述性统计102公司进行盈余预测，而这类公司也更容易获得高 ESG 评级；二是高 ESG 评级的公司更容易得到优质分析师的青睐，而优质分析师可以更加精准地对公司未来盈余进行预测。本文观测到回归结果是源于分析师个人的预测能力，而不是 ESG 评级机构对市场信息的增量作用。因此，为排除第一种替代性假说的影响，按 Roa 和 Asset 的年度行业均值将样本划分为盈利高和低以及规模大和小四组，然后分别对 ESG 评级与分析师预测准确性进行回归分析。从表 5 列（1）（4）可见，Esg 的回归系数及显著性在不同盈利和规模公司组均无明显差异，都未通过系数差异性检验，表明 ESG 评级对分析师预测准确性的影响未因公司盈利状况和规模的不同而有所差异，可基本排除盈利性和规模性的替代性假说。另外，本文按是否存在明星分析师跟进分组以排除第二种替代性假说，结果如表 5 列（5）和列（6）所示。从中可知，Esg 的回归系数及显著性在有或无明星分析师跟进组存在明显差异，通过了系数差异性检验，ESG 评级对分析师预测准确性的提升作用只出现在无明星分析师跟进组，可排除优质分析师的替代假说。（二）分析师跟踪与预测分歧度检验1.分析师跟踪检验作为资本市场中的专业信息处理人员，分析师必须考虑能否以合理成本获取充足信息支持其预测行为，倘若信息获取成本过高则会放弃跟踪，这促使分析师倾向于跟踪会计信息披露质量高、信息获取成本较低的公司17。同时，预测准确性过低不利于分析师个人声誉和职业生涯发展，那些营业风险较低即盈余波动性较小、预测难度较低的公司也会引起分析师的关注9。这意味着公司ESG 评级越高，跟踪成本越低，越有可能吸引分析师跟进。为检验 ESG 评级对分析师跟踪的影响，本文以公司当年分析师跟踪人数加 1 后的自然对数构建了分析师跟踪变量（Follow）。表 6 列（1）的回归结果显示，公司 ESG评级（Esg）与分析师跟踪（Follow）显著正相关，表明 ESG评级越高，分析师跟踪人数越多，即高 ESG 评级有助于减少分析师的跟踪成本。2.分析师预测分歧度检验基于前文分析，ESG 评级是通过增大市场中的信息总量影响分析师预测行为的，而信息的复杂程度会直接影响分析师对信息的理解和使用，信息的复杂程度越高，分析师预测分歧度越大13。由于 ESG 评级机构提供的排序信息降低了公司信息的不确定性和理解难度，因此有可能减少分析师对信息的判断分歧。为检验 ESG 评级对分析师预测分歧度的影响，本文构建了分析师预测分歧度变量 Disper=（-1）Std（Fepsj，i，t）/Pricei，t-1用于进一步分析。表 6 列（2）的回归结果显示，公司 ESG 评级（Esg）与分析师预测分歧度（Disper）显著正相关，表明高 ESG 评级有助于降低分析师之间的信息判断差异，进而减少分析师预测分歧。变量（2）（3）AccurAccurEsg0.425*（10.95）0.235*（7.56）Hsr0.095*（26.28）0.038*（11.00）调整 R20.1160.445（1）Accur0.494*（12.98）0.093Cent3.579*（13.62）1.123*（5.14）Soe-0.326*（-4.39）0.677*（10.92）Board-0.298（-1.55）0.639*（4.09）样本量22 83322 83322 833Lndep-2.415*（-3.55）0.860（1.58）Dual0.195*（2.63）0.048（0.82）Asset-0.542*（-16.56）Lev-0.172（-0.79）Tang-0.938*（-4.75）Roa23.737*（23.54）Grow0.411*（6.11）Loss-5.599*（-30.40）Cons-7.793*（-20.82）-7.070*（-10.57）3.043*（4.29）行业控制控制控制年份控制控制控制表 3ESG 评级对分析师预测准确性的基础回归结果注：*代表在 10%的水平显著，括号内为 t 值。103会 计 之 友 2023 年 第 18 期六、研究结论与启示本文借助华证上市公司 ESG 评级数据，探究了ESG评级对分析师预测准确性的影响及作用路径，结果表明，公司高 ESG 评级有助于分析师更好地理解和分析公司的财务状况、整体运营能力以及盈利风险，对分析师预测准确性有积极的提升作用，且该提升作用主要是通过提高会计信息质量和降低盈余波动性两条路径实现的。另外，公司 ESG 评级对分析师预测准确性的促进作用未因公司盈利和规模差异及明星分析师跟进而有所不同。而拥有高 ESG 评级的公司会吸引更多分析师跟踪，相应的盈余预测分歧度也较低。基于本文研究结论，可以得到如下启示：第一，公司应强化 ESG 责任意识，正确认识ESG 责任承担对公司可持续发展的重要性。既要从战略层面将 ESG 理念有机融入公司文化建设与制度设计中，又要主动加强 ESG 信息披露以树立公司良好的社会形象。第二，分析师在努力提高自身业务水平的基础上，应注意ESG 评级这类中介结构向市场提供的增量信息，并将其纳入自身盈余预测的信息集中。第三，政府和监管部门不仅需着力规范完善 ESG信息披露的制度建设，推动和鼓励本土 ESG 评级机构的发展，而且要考虑如何有效整合 ESG评级机构与分析师的信息中介职能，以促进我国资本市场的健康平稳发展。荫【参考文献】1黄世忠.ESG 理念与公司报告重构 J.财会月刊，2021（8）：1-8.2周方召，潘婉颖，付辉.上市公司 ESG 责任表现与机构投资者持股偏好：来自中国 A股上市公司的经验证据 J.科学决策，2020（11）：15-41.3高杰英，褚冬晓，廉永辉，等.ESG 表现能改善企业投资效率吗？J.证券市场导报，2021（11）：24-34.4谢红军，吕雪.负责任的国际投资：ESG 与中国 OFDI J.经济研究，2022（3）：83-99.5GHOUL S E，GUEDHAMI O，KIM Y.Country-levelinstitutions，firmvalue，andthe role of corporate social responsibility initiatives J.Journal of International Business Studies，2017，48（3）：360-385.6邱牧远，殷红.生态文明建设背景下企业 ESG 表现与融资成本 J.数量经济技术经济研究，2019（3）：变量盈余波动性（3）（4）EvolAccurEsg-0.003*（-10.71）0.180*（5.30）调整 R20.0890.473会计信息质量（1）（2）DaAccur-0.002*（-3.98）0.224*（6.83）0.1300.437Da-6.684*（-11.92）Evol-18.197*（-12.08）Hsr0.000*（2.21）0.042*（11.09）-0.000*（-7.73）0.041*（9.92）样本量19 71419 71416 79116 791Board-0.006*（-2.07）0.607*（3.57）-0.003*（-1.65）0.583*（3.14）Lndep-0.003（-0.32）0.908（1.53）0.003（0.67）0.939（1.44）Dual0.001（0.81）0.072（1.08）-0.002*（-3.10）0.096（1.32）Asset-0.004*（-7.36）-0.560*（-15.79）-0.003*（-10.12）-0.639*（-16.34）Lev0.030*（8.57）-0.126（-0.53）0.014*（6.74）-0.238（-0.97）Tang-0.037*（-11.73）-1.303*（-6.13）0.006*（3.16）-0.725*（-3.10）Roa-0.029*（-1.75）22.783*（21.34）0.019*（2.45）25.690*（22.70）Grow0.026*（15.73）0.631*（8.96）0.005*（6.54）0.509*（6.52）Loss0.032*（15.23）-5.441*（-28.12）0.012*（10.31）-5.311*（-26.08）Cons0.168*（13.29）3.996*（5.21）6.902*（10.25）7.053*（10.45）行业控制控制控制控制年份控制控制控制控制Cent0.013*（3.10）1.138*（4.72）-0.003（-1.45）1.035*（3.78）Soe-0.005*（-4.09）0.662*（10.04）0.000（0.50）0.726*（10.26）表 4中介机制检验结果注：*、*、*分别代表在 1%、5%、10%的水平显著，括号内为 t 值（下表同）。104108-123.7王琳璘，廉永辉，董捷.ESG 表现对企业价值的影响机制研究 J.证券市场导报，2022（5）：23-34.8晓芳，兰凤云，施雯，等.上市公司的 ESG 评级会影响审计收费吗：基于 ESG 评级事件的准自然实验 J.审计研究，2021（3）：41-50.9张立光，张婷婷，贺康.实体企业金融化影响企业信息环境吗：基于分析师预测的视角 J.财经论丛，2021（10）：70-78.10张宗新，杨万成.声誉模式抑或信息模式：中国证券分析师如何影响市场？J.经 济 研 究，2016（9）：104-117.11纪亚方，丁庭选.公司诉讼风险与分析师盈余预测行为研究 J.会计 之 友，2022（12）：108-115.12董望，陈俊，陈汉文.内部控制质量影响了分析师行为吗：来自中国证券市场的经验证据J.金 融 研 究，2017（12）：191-206.13吴昊旻.大股东股权质押与分析师预测质量：基于信息效应和风险效应的双重视角分析 J.会计之友，2020（16）：2-11.14周开国，应千伟，陈晓娴.媒体关注度、分析师关注度与盈余预测准确度 J.金融研究，2014（2）：139-152.15LANG M H，LINS K V，MILLER D P.ADRS，ana-lysts，and accuracy：does cross listing in the UnitedStates improve a firms information environment andincrease market value?J.Journal of Accounting Re-search，2003，41（2）：317-345.16FRIED D，GIVOLY D.Financial analysts forecasts ofearnings：a better surrogate for market expectations J.Journal of Accounting and Economics，1982，4（2）：85-107.17王彪华，唐凯桃，陈凯歌.签字审计师超额配置与分析师关注 J.中国软科学，2021（11）：117-125.18林晚发，赵仲匡，刘颖斐，等.债券市场的评级信息能改善股票市场信息环境吗：来自分析师预测的证据J.金融研究，2020（4）：166-185.19宋科，徐蕾，李振，等.ESG 投资能够促进银行创造流动性吗：兼论经济政策不确定性的调节效应 J.金融研究，2022（2）：61-79.20 ECCLES R G，IOANNOU I，SERAFEIM G.Theimpact of corporate sustainability on organizationalprocesses and performance J.Management Science，2014，60（11）：2835-2857.变量预测分歧度（2）DisperEsg0.050*（3.25）调整 R20.200分析师跟踪（1）Follow0.067*（10.57）0.471Controls控制控制Cons-7.226*（-50.55）7.503*（19.79）行业控制控制年份控制控制样本量22 83322 833表 6分析师跟踪与预测分歧度的检验结果变量有无明星分析师有无（5）（6）AccurAccurChi（1）28.41*盈利性高 ROA（1）Accur0.37规模低 ROA大企业小企业（2）（3）（4）AccurAccurAccur0.02Esg-0.008（-0.19）0.290*（8.42）0.194*（6.97）0.229*（5.07）0.215*（5.73）0.225*（5.59）年份控制控制控制控制控制控制样本量12 22610 60711 59711 2366 13216 701调整 R20.1250.5650.4570.4620.3600.465Controls控制控制控制控制控制控制Cons0.557（0.81）8.164*（7.85）-0.725（-0.72）8.323*（6.25）-0.364（-0.39）5.158*（6.07）行业控制控制控制控制控制控制表 5排除竞争性假说的检验结果附：105