网络媒体新闻对分析师盈余预测准确度的影响研究：基于有限注意力视角的实证分析

doi:10.16381/j.cnki.issn1003-207x.2023.2169

摘要/Abstract

摘要：

本文采用2007-2020年期间个体分析师研究报告和上市公司数据，从有限注意力视角实证检验网络媒体新闻对分析师盈余预测准确度的影响。实证结果表明，有关上市公司的网络媒体新闻会显著降低分析师盈余预测准确度。采用工具变量法和外生事件冲击进行内生性检验，主要实证结果仍然成立。机制检验结果表明，网络媒体新闻降低分析师盈余预测准确度是分析师受到有限注意力的影响，并排除了信息机制和噪音机制。异质性检验结果表明，非国有企业、公司信息透明度低、账面市值比高以及非明星分析师覆盖的上市公司，网络媒体新闻降低分析师预测准确度更加显著。本文的研究不仅有助于从心理学的视角理解分析师的盈余预测行为，而且也为网络媒体监管提供一定的决策依据。

关键词: 分析师预测, 网络媒体新闻, 有限注意力, 启发式预测偏差

Abstract:

Online media releases a large amount of financial news every day， attracting people to read and share it. With its advantages of timeliness and wide information coverage， online media has surpassed traditional financial paper media and gradually become an important source for people to obtain information about listed firms. As key information intermediaries in the financial market， professional financial analysts， who play a pivotal role in mitigating information asymmetry between listed companies and market investors， must utilize all available information to improve their forecasting accuracy. However extant literature rarely discusses how public market information affects the earnings forecasting behavior of professional financial analysts from a psychological perspective.Compared to traditional financial paper media， online media is deficient in stringent and effective regulatory measures. Firstly， to ensure the timeliness of information， online media may rely on multiple information sources of varying quality， resulting in a mix of information in financial news. Secondly， under the increasingly fierce competition， online media will do whatever to attract public attention for the sake of profits or to keep up with rivals， even disregarding conflicting information in financial news. The deluge of online media news poses challenges to analysts' ability to capture and process information， with such information processing consuming a significant amount of their time and energy. Affected by the psychological constraint of limited attention， analysts tend to rely on quick and simple intuitive cognition in earnings forecasting analysis， resorting to heuristic decision-making， which reduces the accuracy of their earnings forecasts.Online media coverage data used in this paper are sourced from the CNDRS database， which includes 20 mainstream online financial media and more than 400 other major websites， industry websites， or local websites such as Jinrongjie， Hexun， Huaxun， Sina Finance， Phoenix Finance， Sohu Finance， etc.， including stock news， macroeconomic reports， industry reports and more. Based on the perspective of limited attention， the impact of online media news on the accuracy of analysts' earnings forecasts is examined by using individual analysts' research reports and listed company data during 2007-2020. The empirical results show that online media news can significantly reduce the accuracy of analysts' earnings forecasts， which still holds in the endogeneity tests of IV methods and exogenous shocks. The mechanism tests confirm that online media news undermines the accuracy of analysts' earnings forecasts due to the influence of limited attention， thereby ruling out the information mechanism and the noise mechanism. The heterogeneity tests indicate that the reduction effects of online media news on analysts' forecasts accuracy are more significant for non-state-owned enterprises， listed companies with low information transparency， those with high book-to-market ratio， and those covered by non-star analysts.It only theoretically explore analysts' forecasting behavior from a psychological perspective， hence， enriching the literature on its influencing factors in this paper， but also provides empirical evidence in practice for regulatory authorities to strengthen supervision over online media， improve news information quality of online media， and urge analysts to enhance their information discernment capabilities and improve forecasting accuracy.The online media coverage data utilized in this paper is derived from the CNDRS database， as it is not possible to directly observe how analysts access online media news data during their earnings forecasting process. The black box of analysts' information acquisition thus remains a topic requiring further in-depth investigation in future research.

Key words: analyst earnings forecasts, online media coverage, limited attention, heuristic forecast deviation

中图分类号:

F832.5

叶志强,吕梦瑶,张顺明, 等. 网络媒体新闻对分析师盈余预测准确度的影响研究：基于有限注意力视角的实证分析[J]. 中国管理科学, 2026, 34(7): 117-126.

Zhiqiang Ye,Mengyao Lv,Shunming Zhang, et al. Online Media Coverage and Analysts' Earnings Forecast: Based on the Limited Attention Perspective[J]. Chinese Journal of Management Science, 2026, 34(7): 117-126.

图/表 5

表1

表2

表3

表4

表5

参考文献 32

[1]	Kothari S P， So E， Verdi R. Analysts’ forecasts and asset pricing： A survey［J］. Annual Review of Financial Economics， 2016， 8： 197-219.
[2]	Ramnath S， Rock S， Shane P. The financial analyst forecasting literature： A taxonomy with suggestions for further research［J］. International Journal of Forecasting， 2008， 24（1）： 34-75.
[3]	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.
	Zhou K G， Ying Q W， Chen X X. Media attention， analyst attention and earnings forecast accuracy［J］. Journal of Financial Research， 2014（2）： 139-152.
[4]	Gurun U G， Butler A W. Don’t believe the hype： Local media slant， local advertising， and firm value［J］. The Journal of Finance， 2012， 67（2）： 561-598.
[5]	Ellman M， Germano F. What do the papers sell？ A model of advertising and media bias［J］. The Economic Journal， 2009， 119（537）： 680-704.
[6]	Hirshleifer D， Levi Y， Lourie B， et al. Decision fatigue and heuristic analyst forecasts［J］. Journal of Financial Economics， 2019， 133（1）： 83-98.
[7]	Corredor P， Ferrer E， Santamaria R. Is cognitive bias really present in analyst forecasts？ The role of investor sentiment［J］. International Business Review， 2014， 23（4）： 824-837.
[8]	Hirshleifer D， Lourie B， Ruchti T G， et al. First impression bias： Evidence from analyst forecasts［J］. Review of Finance， 2021， 25（2）： 325-364.
[9]	Li F， Lin C， Lin T C. Salient anchor and analyst recommendation downgrade［J］. Journal of Corporate Finance， 2021， 69： 102033.
[10]	Barber B M， Odean T. All that glitters： The effect of attention and news on the buying behavior of individual and institutional investors［J］. The Review of Financial Studies， 2008， 21（2）： 785-818.
[11]	张圣平，于丽峰，李怡宗，等. 媒体报导与中国A股市场盈余惯性——投资者有限注意的视角［J］. 金融研究， 2014（7）： 154-170.
	Zhang S P， Yu L F， Li Y Z， et al. Media coverage and PEAD in China’s A-share stock market： A limited attention perspective［J］. Journal of Financial Research， 2014（7）： 154-170.
[12]	Wang M， Zhao W， Tao Y. Does voluntary disclosure on an internet platform affect analyst forecast accuracy？［J］.Applied Economics Letters， 2022，29（17）： 1547-1555.
[13]	Bradley D， Gokkaya S， Liu X. Before an analyst becomes an analyst： Does industry experience matter？［J］. The Journal of Finance， 2017， 72（2）： 751-792.
[14]	Kumar A， Rantala V， Xu R. Social learning and analyst behavior［J］. Journal of Financial Economics， 2022， 143（1）： 434-461.
[15]	Francis J R， Neuman S S， Newton N J. Does tax planning affect analysts' forecast accuracy？［J］. Contemporary Accounting Research， 2019， 36（4）： 2663-2694.
[16]	许帅，邵帅，何贤杰. 业绩说明会前瞻性信息对分析师盈余预测准确性的影响——信口雌黄还是言而有征［J］. 中国管理科学， 2025， 33（3）： 34-44.
	Xu S， Shao S， He X J. How forward-looking statements in earnings communication conference affect analysts forecast accuracy？ Falsehood or foretell［J］. Chinese Journal of Management Science， 2025， 33（3）： 34-44.
[17]	Chen D， Ma Y， Martin X， et al. On the fast track： Information acquisition costs and information production［J］. Journal of Financial Economics， 2022， 143（2）： 794-823.
[18]	Gao H， Wen H， Yu S. Pandemic effect on analyst forecast dispersion： Earnings uncertainty or information lockdown？［J］. Emerging Markets Finance and Trade， 2021， 57（6）： 1699-1715.
[19]	Jiang Y， Hong Y. State media， institutional environment， and analyst forecast quality： Evidence from China［J］. Emerging Markets Finance and Trade， 2021， 57（14）： 3929-3943.
[20]	Amin A， Hasan R， Malik M. Social media information and analyst forecasts［J］. Managerial Finance， 2020， 46（2）： 197-216.
[21]	谭松涛，甘顺利，阚铄. 媒体报道能够降低分析师预测偏差吗？［J］. 金融研究， 2015（5）： 192-206.
	Tan S T， Gan S L， Kan S. Does media coverage decrease the analysts' forecast error？［J］. Journal of Financial Research， 2015（5）： 192-206.
[22]	Beyhaghi M， Khashabi P， Mohammadi A. Pre-grant patent disclosure and analyst forecast accuracy［J］. Management Science， 2023， 69（5）： 3140-3155.
[23]	Gibbons B， Iliev P， Kalodimos J. Analyst information acquisition via EDGAR［J］. Management Science， 2021， 67（2）： 769-793.
[24]	Chen X， Cheng C S A， Xie J， et al. Private communication and management forecasts： Evidence from corporate site visits［J］. Corporate Governance： An International Review， 2022， 30（4）： 482-497.
[25]	Gillam R A， Guerard J B， Cahan R. News volume information： Beyond earnings forecasting in a global stock selection model［J］. International Journal of Forecasting， 2015， 31（2）： 575-581.
[26]	龙文，毛元丰，管利静，等. 财经新闻的话题会影响股票收益率吗？——基于行业板块的研究［J］. 管理评论， 2019， 31（5）： 18-27.
	Long W， Mao Y F， Guan L J， et al. Can topics in financial news impact the return of stock market？ A research based on market segment［J］. Management Review， 2019， 31（5）： 18-27.
[27]	Kahneman D. Thinking， fast and slow［M］. New York： Farrar， Straus and Giroux， 2011.
[28]	Bourveau T， Garel A， Joos P， et al. When attention is away， analysts misplay： Distraction and analyst forecast performance［J］. Review of Accounting Studies， 2024， 29（1）： 916-958.
[29]	Chen S， Han X， Zhang Z， et al. ESG investment in China： Doing well by doing good［J］. Pacific-Basin Finance Journal， 2023， 77： 101907.
[30]	Seasholes M S， Wu G. Predictable behavior， profits， and attention［J］. Journal of Empirical Finance， 2007， 14（5）： 590-610.
[31]	Bartov E， Faurel L， Mohanram P S. Can twitter help predict firm-level earnings and stock returns？［J］. The Accounting Review， 2018， 93（3）： 25-57.
[32]	Aabo T， Pantzalis C， Park J C. Idiosyncratic volatility： An indicator of noise trading？［J］. Journal of Banking & Finance， 2017， 75： 136-151.

变量	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）
L.FEPSaccuracy	0.2835^*** （105.99）	0.2835^*** （105.99）	0.2835^*** （105.65）	0.2836^*** （105.68）	0.1016^*** （39.90）	0.4202^*** （108.72）	0.1016^*** （39.91）	0.4201^*** （108.73）
L.Web_ttitle	0.0262^*** （8.63）		149.6415^*** （8.11）		0.0130^*** （4.55）	0.0329^*** （6.77）
L.Web_cont		0.0373^*** （10.24）		51.9051^*** （2.95）			0.0066^* （1.82）	0.0557^*** （9.61）
Control Variables	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
Industry/Year/Analyst FE	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
Difference Between Groups组间系数差异是通过Hausman检验得到，stata程序要求在计算组间系数差异时不能对每份研究报告进行误差聚类分析，所以组间差异回归时没有做每份研究报告的聚类。后面做组间差异也是同样的方法得到。					t=4.75 （p=0.0000）		t=10.04 （p=0.0000）
N	967729	967729	967729	967729	374860	585952	374860	585952
Adj R²	0.1894	0.1894	0.1898	0.1897	0.1231	0.2256	0.1231	0.2257

变量	OverFEPS		FEPSaccuracy
变量	（1）		（2）
L.Newsnum_ttitle			-0.0185^* （-1.52）
L.Web_ttitle	-0.0024^*** （-4.89）		0.0209^*** （4.92）
L.Newsnum_ttitle L.Web_ttitle*			-0.0073^** （-2.12）
L.Newsnum_cont				-0.0236^*** （-2.59）
L.Web_cont		-0.0049^*** （-8.52）		0.0763^** （11.79）
L.Newsnum_contL.Web_cont*				-0.0059^*** （-3.10）
Control Variables	Yes	Yes	Yes	Yes
Industry/Year/Analyst FE	Yes	Yes	Yes	Yes
N	967729	967729	967729	967729
Adj R²	0.1093	0.1094	0.1941	0.1942

变量	工具变量法		外生事件冲击
变量	（1）	（2）	（3）	（4）
L.Web_ttitle	2.6865^*** （11.76）		-0.0275^*** （-4.48）
Post			0.2195^*** （8.12）
L.Web_ttitle^Post*			0.0661^*** （9.70）
L.Web_cont		1.8872^*** （16.36）		0.0092 （1.40）
Post				0.2591^*** （7.82）
L.Web_cont^Post*				0.0333^*** （4.96）
Control Variables	Yes	Yes	Yes	Yes
Industry/Year/Analyst FE	Yes	Yes	Yes	Yes
N	608383	608383	967729	967729
Adj R²	0.3509	0.0059	0.1898	0.1898

变量	有限注意力				涨跌停板事件				信息机制					噪音机制
	Analyst		Institution		涨停		跌停		EarningCh		TQ			Rm_sd	FF3_sd
	（1）	（2）	（3）	（4）	(5)	（6）	（7）	（8）	（9）	（10）	（11）	（12）	（13）	（14）	（15）	（16）
L.Web_ttitle	0.0192^*** （6.15）		0.0066^** （2.03）		0.0603 （0.70）		0.0281 （0.11）		0.0382^*** （3.93）		0.0499^*** （6.50）		-0.0161^*** （-8.66）		-0.0139^*** （-7.60）
Dummy_Attention	0.2790^*** （11.66）		0.4581^*** （25.59）
L.Web_ttitle^Dummy_Attention*	0.0822^*** （7.23）		0.0593^*** （9.06）
L.Web_cont		0.0289^*** （7.68）		0.0262^*** （6.80）		-0.0012 （-0.01）		0.2678 （0.89）		0.0525^*** （3.63）		0.0773^*** （7.62）		-0.0043^*** （-2.93）		-0.0034^*** （-2.81）
Dummy_ Attention		0.1424^*** （4.39）		0.5084^*** （22.59）
L.Web_cont^Dummy_ Attention*		0.1108^*** （9.29）		0.0244^*** （3.66）
Control Variables	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
Industry/Year/Analyst FE	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
N	964906	964906	964798	964798	7767	7767	2733	2733	967729	967729	965840	965840	220589	220589	210448	210448
Adj R²	0.1907	0.1907	0.1917	0.1916	0.1535	0.1535	0.1880	0.1883	0.1735	0.1736	0.8428	0.8431	0.7966	0.8973	0.8011	0.8009

FEPSaccuracy	产权性质				信息透明度				账面市值比				明星分析师覆盖与非明星分析师覆盖
FEPSaccuracy	国有企业（1）	非国有企业（2）	国有企业（3）	非国有企业（4）	信息透明度低（5）	信息透明度高（6）	信息透明度低（7）	信息透明度高（8）	账面市值比高（9）	账面市值比低（10）	账面市值比高（11）	账面市值比低（12）	明星分析师（13）	非明星分析师（14）	明星分析师（15）	非明星分析师（16）
L.Web_ttitle	0.0108^** （2.25）	0.0291^*** （7.17）			0.0380^*** （9.49）	0.0091^* （1.74）			0.0502^*** （11.80）	0.0100^** （2.16）			-0.0040 （-0.13）	0.0269^*** （8.81）
L.Web_cont			0.0191^*** （3.19）	0.0363^*** （7.68）			0.0600^*** （12.08）	0.0058 （0.97）			0.0579^*** （11.09）	0.0236^*** （4.41）			0.0130 （0.35）	0.0381^*** （10.37）
Control Variables	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
Industry/Year/Analyst FE	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
Difference Between Groups	t=-6.93 （p=0.0000）		t=-4.87 （p=0.0000）		t=8.96 （p=0.0000）		t=14.96 （p=0.0000）		t=20.56 （p=0.0000）		t=14.94 （p=0.0000）		t=-20.68 （p=0.0000）		t=-24.69 （p=0.0000）
N	401183	563558	401183	563558	540196	397346	540196	397346	482486	482387	482486	482387	10931	953973	10931	953973
Adj R²	0.2024	0.1948	0.2024	0.1949	0.2017	0.1855	0.2018	0.1855	0.2086	0.1851	0.2086	0.1852	0.1716	0.1899	0.1716	0.1899