摘要

1. 引言

首先，本文从彭博经济日（Bloomberg Econoday）的40项宏观公告中选择一组重要的宏观公告。如果这一天发生以下四个公告之一，本文就定义这一天为宏观新闻日：联邦公开市场委员会（FOMC）决定、就业情况、ISM（美国供应管理协会）的PMI和个人消费。这些天占所有交易日的23%。之所以选择这四个公告，首先是因为这四个公告能够引起在统计和经济上显著的市场反应，其次是因为这几个公告对于金融市场的重要性已经得到了已有文献的证明（参见，例如，Lucca和Moench，2015；Gilbert等，2017）。

2.2. 盈余公告

本文从Compustat和I/B/E/S获取1997年至2014年的季度盈余发布数据作为微观新闻。按照Hirshleifer等（2009）的方法，本文使用如下公式测量盈余惊喜（Earnings Surprise， ES），即实际盈余（I/B/E/S记录的实际值）与在季度收益公告前30天包含在I/B/E/S详细文件中的中位数预测（Forecast）之差，并按照相应季度末的股票价格（Price）进行调整。

对盈余新闻的股价反应，本文使用每只股票的累积异常收益率（CAR）来衡量，该收益率是根据市场模型估计的β调整的原始持有期收益率。对于每个季度的盈余公告日期t，本文定义时间区间(t1, t2)内的累积异常收益率CAR(t1, t2)如下：

其中，是公司k在第j天的收益，是市场在第j天的收益，是从市场模型中利用(τ-300,τ-46)的数据估计出的系数。

对于即时股票价格反应，本文使用2个交易日窗口[0,1]的CAR来衡量。对于盈余公告后漂移，本文使用60个交易日窗口[2,61]的CAR来衡量。此外，本文排除了仙股、实际或预测盈余大于股票价格的观察值以及缺少盈余惊喜的观察值。最终样本包括158,399个观察值。

2.3. 描述性统计

图1的Panel A报告了全部样本的描述性统计。从图1中可以看出，平均每天有118次盈余公告。盈余公告的平均即时反应（CAR[0,1]）为0.1%，漂移的平均值（CAR[2,61]）为1%。Panel B显示了宏观新闻日和非宏观新闻日的统计数据。平均来看，宏观新闻日的盈余公告数量明显较少，市场收益率更高。在宏观新闻日发布盈余公告的公司对盈余新闻的即时反应（CAR[0,1]）明显更高，漂移（CAR[2,61]）更低。

本节检验在有宏观新闻的日子，市场对盈余公告的反应是否与其他日子不同。按照现有的文献，本节对公司的盈余惊喜进行排序，并将它们分配到11个分位数上。负面盈余惊喜的公司均等分配到1到5的分位数，正面盈余惊喜的公司均等分配到7到11的分位数。零盈余惊喜的公司被标记为第6分位数。一般来说，盈余公告文献习惯使用盈余惊喜分位数而不是盈余惊喜的原值，因为原始的盈余惊喜值并不能导致较好的线性拟合结果（Bernard and Thomas, 1989）。

本文首先关注盈余惊喜最低和最高的组，即第1和第11分位数，因为这样做使得解释效应的大小变得容易。为了检验宏观新闻对市场处理盈余新闻的影响，本文估计如下模型:

用于测试替代假设和互补假设关键的系数是回归模型中的。在互补假设下，宏观新闻日的市场对盈余公告的即时反应更强，漂移更弱。因此，对于CAR[0,1]来说，>0，对于CAR[2,61]来说，<0。相反，在替代假设下，对于CAR[0,1]来说，<0，对于CAR[2,61]来说，>0。

图2的Panel A报告了检验的结果。第（1）列呈现了一个简化的模型，即没有包括任何控制变量。交互项（α_3）的系数是正的（1.277），并且在1%的水平上是显著的，这表明宏观新闻日的顶级盈余惊喜的价格反应比在其他日子强。这一结果具有经济意义上的显著性，与在其他日子（8.352）对顶级盈余惊喜的股票反应的系数（α_2）相比，Macroday的反应增加了15%（1.277/8.352）。当包括控制变量时，这个比较的经济量级增加了17%（1.373/8.127）。这个效应的大小与DellaVigna和Pollet（2009）记录的周五公告减少15%以及Hirshleifer等（2009）记录的高新闻日盈余公告减少13%是相当的。

对于盈余公告后的漂移，交互项的系数为负（含控制变量为-3.682）并在5%的水平上显著，这表明在宏观新闻日发布的盈余公告的漂移较其他日子的盈余新闻小。第（3）列显示，宏观新闻日发布的盈余公告的漂移小了71%（3.458/4.846）。同样，这一结果具有经济意义上的显著性，并且与以前的研究相当。总的来说，这些结果支持了互补假设。

为了进一步理解宏观公告如何影响漂移，本文在图3中比较了各个时间段内的漂移差异。这里的漂移差异被定义为正面盈余惊喜最高组和负面盈余惊喜最低组的平均累积异常收益之间的差异。宏观新闻日和非宏观新闻日公告的漂移差异在盈余公告后的第10个交易日变得明显，并在接下来的60个交易日中继续增加。具体来说，宏观新闻日的公告漂移在公告后的前10个交易日内迅速增加，并在第50个交易日前略有下降。相比之下，非宏观新闻日的公告漂移显示出完全不同的模式。它在前10个交易日内迅速增加，并在第60个交易日前继续增加。这些特征表明，宏观新闻日发布的盈余新闻在公告后的10个交易日内几乎完全纳入价格，而非宏观新闻日发布的盈余新闻需要更多的时间才能被纳入股票价格之中。

在上述分析中，我们将重点放在了在极端的盈余惊喜分位数上，因为在这些分位数上，效应应该是最强的。虽然这种方法简单易懂，但它并没有利用全部样本。接下来，本节将在全部样本中研究宏观新闻如何影响投资者对不同分位数的盈余惊喜的反应。为了检验这种影响，本文估计以下回归：

其中， ES是盈余惊喜的分位数，取值为1到11，其他变量的定义与图2 Panel A中的定义相同。同样，交互项的系数（）是我们关心的关键参数。

图2的Panel B报告了回归结果。与Panel A一致，交互项（ES×Macroday）的系数是正的并且显著，这表明在宏观新闻日，股票对盈余新闻的即时反应比其他日子更强烈。就经济显著性而言，与其他日子的股票对盈余惊喜反应的系数（0.842）相比，宏观新闻日对盈余新闻的敏感度提高了11%（0.092/0.842）。对于漂移，交互项的系数为负，并在1%的水平上显著，这表明在宏观新闻日发布的盈余新闻的漂移比其他日子的盈余新闻小。第（4）列表明，在宏观新闻日发布的盈余公告的漂移小了52%（0.201/0.388）。

这些测试中的控制变量来源于先前的文献。首先，与DellaVigna和Pollet（2009）的研究一致，本文发现，如果新闻是在周五发布的，那么对盈余公告的即时价格反应会小得多。其次，本文证实了在盈余新闻发布数量多的日子发布的盈余公告，即时反应会更弱，漂移会更强，这与Hirshleifer等（2009）的研究一致。第三，本文证实了在市场收益率高的日子发布的盈余，其即时反应会更强，这与Gulen和Hwang（2012）的研究一致。在控制了这些效应之后，宏观新闻和盈余公告之间的互补关系仍然存在，这说明宏观新闻与这些影响盈余公告短期或长期价格反应的因素是不同的。

大多数研究使用CAR[0,1]来衡量盈余公告的即时价格反应，但不同的研究使用不同的漂移度量。很多研究使用CAR[2,61]作为盈余公告后漂移的度量，如Bernard和Thomas（1989），但一些研究使用较长的时间跨度，如CAR[2,75]（例如，DellaVigna和Pollet，2009）。为了验证表2中的发现的稳健性，本文根据图2中的回归模型，使用不同的漂移窗口进行测试。图4的Panel A报告了结果，并证实了结论是稳健的。

为了评估宏观新闻对盈余新闻处理的影响，本文还研究了漂移的持续性。在本文的样本中，没有迹象表明在240个交易日之后仍存在漂移。因此，本文将240天的漂移作为基准。仿照Bernard和Thomas（1989）的方法，本文研究了不同时间跨度下的漂移占240天漂移的比例。漂移的持续性是指达到约100%的240天漂移所需的天数。

图4的Panel B显示，在宏观新闻日发布的盈余公告的漂移持续性要短于在其他日子发布的盈余公告。例如，如果盈余公告是在宏观新闻日发布的，大约100%的漂移会在210天内发生，而如果盈余公告是在没有宏观新闻的日子发布的，只有89%的漂移会在210天内发生。对于非宏观新闻日发布的盈余，漂移可能持续到240个交易日。为了测试漂移持续性差异是否显著，本文研究了宏观新闻对210天漂移的影响，这在衡量漂移持续性方面至关重要。图4的Panel A第（6）列显示，这种影响在统计学上具有显著性和实质性。这一发现进一步支持了宏观新闻和微观新闻之间的互补关系。宏观新闻不仅使盈余公告的漂移变小，而且使其在持续时间上变短。

另一种检验宏观新闻对投资者对盈余公告反应的影响的方法是设计一个交易策略，以利用非宏观新闻日公告的漂移大于宏观新闻日公告的事实。这个检验提供了对于专业人士是否理解宏观新闻对公司层面市场效率影响的见解。如果他们能够理解对这些影响，那么对于大规模交易的投资者来说，这个交易策略应该盈余能力有限。换句话说，该策略的盈利能力或者低，或者盈利是由流动性差的公司贡献的。如果该策略存在较大的盈利空间，可能表明，即使是专业人士，通常也不理解本文发现的效应。

标准的盈余公告后漂移的多空投资组合会做多盈余惊喜最高分位的股票，并做空盈余惊喜最低分位的股票。由于市场对盈余新闻的反应不足，盈余惊喜最高分位的股票在接下来的季度内将享有高收益。同样，盈余惊喜最低组的股票在接下来的季度内会有较低的收益。

基于宏观新闻的新的漂移交易策略如下。在月份t购买月份t-1在非宏观新闻日发布公告的盈余惊喜最高分位的公司，并做空在非宏观新闻日发布公告的盈余惊喜最低分位的公司。因此，非宏观新闻日漂移投资组合的收益是。本文给月份t构建了宏观新闻日漂移投资组合，此时组合中仅包括在前一个月的宏观新闻日发布盈余公告的公司。这个投资组合的收益是。做多非宏观新闻日漂移投资组合并做空宏观新闻日投资组合的多空投资组合的收益是。这一做法的直觉是，在宏观新闻日进行传统的漂移交易策略是无利可图的，或者有负收益的。因此，如果宏观新闻确实能够影响投资者对盈余公告的反应，那么做空宏观新闻日漂移投资组合并做多非宏观新闻日漂移投资组合将是有利可图的。

图5展示了这个交易策略的结果。第（1）列显示，非宏观新闻日的漂移投资组合每月赚取0.970%的收益，而宏观新闻日投资组合的收益要小得多，并且在统计上不显著（第2列）。多空投资组合每月赚取0.891%的收益（第3列）。在回归中控制了标准的风险因子，即Fama-French三因子模型（Fama and French, 1993）。如果使用等权重方法构建投资组合，也得出了相同的结论（第4-6列）。总的来说，这些结果也与宏观新闻和微观新闻之间的互补关系一致。

4. 数据和变量

第一个可能的解释是投资者关注渠道。如引言中所讨论的，PEAD的主要解释是投资者并没有完全关注到盈余新闻中的信息。因此，当宏观新闻发布时，市场对盈余公告反应增强的一种可能解释是，投资者在宏观新闻日更加关注盈余新闻。像联邦公开市场委员会（FOMC）公告这样引人注目的宏观新闻，可以鼓励投资者关注股票的即时估值。因此，基于盈余新闻更新信念的投资者的比例增加了。

为了测试关注度的解释，本文使用两个直接的关注度度量。一种度量是异常的机构投资者关注度（AIA），它捕捉了在彭博终端上对特定股票的新闻搜索和新闻阅读活动。彭博根据每家公司的股票代码搜索数量和相关文章的点击量给出一个原始分数。AIA是一个月相对于上个月平均原始分数的相对指数，其值从0到4。大多数彭博终端用户都是机构投资者，因此AIA主要是机构关注度的度量（详见Ben-Rephael等（2017））。另一种度量是谷歌搜索量指数（SVI），它捕捉了在谷歌上对每家公司的股票代码的搜索活动。先前的研究表明，SVI更能反映个体投资者的关注度（Da等，2011；Drake等，2012）。

本文首先检验投资者是否更多地关注在宏观新闻日而非在非宏观新闻日发布盈余公告的股票。在图6的第（1）列中，Macroday的系数是正的，并且在1%的水平上显著，这表明机构投资者对所有公司在宏观新闻日的关注度高于其他日子。本文定义Eday为每家公司是否有盈余公告的虚拟变量。Eday的系数是正的，并且显著，这表明当公司有盈余公告时，机构投资者对公司的关注度更高。

本文主要关心的变量是Macroday与Eday的交互项，其系数在1%的水平上是正的并且显著（第2列）。其在经济意义上也显著。如果在同一天发布了重要的宏观公告，机构投资者对盈余公告的关注度将提高约10%。这表明，与在非宏观新闻日发布盈余公告相比，机构投资者对在宏观新闻日发布盈余公告的公司关注更多。有趣的是，本文并未发现有证据表明个体投资者在宏观新闻日对股市的关注度更高（第3列），并且我们还发现在宏观新闻日，个体投资者对有盈余公告的公司的关注度甚至更低（第4列）。这与Liu等（2019）的研究一致，他们也发现个体投资者的注意力被宏观新闻挤出。总的来说，我们的发现表明，宏观新闻和盈余公告之间的互补关系与机构投资者的关注度有关。

如引言中所述，就基本概念而言，关注度替代效应是否随投资者的专业程度增加或减少并不明显。由于机构投资者对个股的定价非常重要，本文进一步检验这种互补关系是否集中在机构持股率高的公司中。

总的来说，投资者对他们持有的股票比对他们未持有的股票更加关注。这表明了两种可能性。一方面，如果个体投资者更加受到有限关注的影响，当一只股票的个体投资者持有比例高（即一只股票的机构持有比例低）时，效果可能更强。另一方面，机构投资者比个体投资者交易更活跃，因此更有可能对定价过程中起重要作用，即在机构持股率高的公司中，效果会更强。

为了验证是否如此，本文将公司样本分为机构持股率低、中、高的三组，并分别为这三个子样本重新估计图2中的回归模型。图7的Panel A显示，这种互补关系只对机构持股率高的公司显著。经济意义上的显著性大于图2中的结果。这个发现再次表明了机构投资者的重要性。

宏观和微观新闻之间的互补关系的另一可能来源是信息内容的互补性。宏观新闻的内容可能使得公司层面新闻的信息含量增加，从而导致市场对盈余公告的价格反应更强。

本文通过检验分析师对公司盈利预测的修正来测试这种信息传递解释。如果宏观新闻对于解读公司层面的新闻有重要作用，分析师应该从中学习，并相应地修正他们的预测。本文借助分析师预测修正数据验证了信息传递解释的两种含义。

第一种含义是，分析师对在宏观新闻日发布的盈余公告进行更频繁的预测修正。本文统计了盈余公告前1至10天的分析师盈利预测修正次数。图8第（1）列呈现了结果。Macroday的系数为正，表明分析师对在宏观新闻日发布的盈余公告进行了更频繁的预测修正。这与信息传递渠道的假设是一致的。

第二种含义是，由于分析师能够从宏观新闻中学习，他们对宏观新闻日发布的盈余公告能够发出更准确的预测。本文将预测质量定义为预测误差的负值，这是因为较小的预测误差意味着较高的预测质量。图8第（2）列呈现了结果，系数为正。这表明宏观新闻日发布的盈余公告的分析师预测比其他预测更准确。这一结果与信息传递渠道的假设相一致。

为了进一步证实信息传递渠道的重要性，本文检验了互补关系是否随公司规模和分析师覆盖范围而变化。由于特质风险的分散，大公司往往与宏观经济更相关。这表明，宏观新闻对投资者理解大公司盈余公告更为相关。因此，本文将宏观新闻对市场对公司层面盈余公告敏感性的影响在小、中或大市值公司之间进行比较。图7的Panel B显示，这一互补关系在大型公司中更为明显。同样，图7的Panel C显示，这一互补关系集中在分析师覆盖广泛的公司。这些结果支持了信息传递渠道。

4.3. 盈余公告的策略性发布时机

对宏观新闻和盈余新闻之间的互补或替代关系的估计可能受到公司策略性选择在宏观新闻日与非宏观新闻日公布盈余公告的影响。在Della Vigna和Pollet（2009）的模型中，公司管理层有动力策略性地在星期五发布盈余新闻，以最大化短期价值。同样，管理层也可能在宏观新闻日策略性地发布盈余新闻。这个猜测引发了一个问题，即互补关系是否由盈余公告的策略性时机驱动。

本文通过将当前盈余公告日期与前一年盈余公告日期进行比较，以确定调整盈余公告日期的公司。具体来说，如果公司与前一年同季度的公告日期相差五天以上，本文将公司划分为策略性地提前或推迟盈余公告日期的公司。本文发现，大约80%的公司没有大幅改变他们的盈余公告日期，15%的公司提前超过五天，5%的公司推迟超过五天。

以往的研究证明公司倾向于提前公布好消息并推迟公布坏消息（例如，deHaan等，2015; Johnson和So，2018）。由此，有正面盈余新闻的公司可能会策略性地将其盈余公告日期提前到宏观新闻日，因为这是投资者关注增加的日子，市场对其公告的反应更强烈。而有负面盈余新闻的公司可能会策略性地推迟其盈余公告日期，同时避开宏观新闻日。如果是这样，那么将盈余公告日期提前到宏观新闻日的公司的平均盈余惊喜会比将日期提前到其他日子的公司更好。同样，将盈余公告日期推迟到宏观新闻日的公司的平均盈余惊喜会比将日期推迟到其他日子的公司更差。

然而，图9的Panel A显示，这些猜想在数据中并不存在。将盈余公告提前到宏观新闻日和其他日子的两组公司的盈余惊喜差异（0.013）并不具有统计学意义（t = 0.349）。同样，当公司推迟盈余公告时，盈余惊喜的差异也并不显著。因此，这些结果表明，公司并没有在宏观新闻的配合下，策略性地定时发布他们的盈余公告。

此外，我们还检验了相对于盈余惊喜为负的公司，盈余惊喜为正的公司是否更可能将其盈余公告策略性地改为在宏观新闻日发布，即盈余惊喜为正的公司更有可能在宏观新闻日策略性地发布盈余新闻，因为市场对其公告的反应更强烈。图9的Panel B展示了结果。盈余惊喜为正的公司更不太可能将其盈余公告日期改为在宏观新闻日，相反而盈余惊喜为负的公司则更可能将其盈余公告日期改为在宏观新闻日，这与策略性择机发布的假设相反。

为了验证互补关系是否由公司策略性地改变其盈余公告日期驱动，本文在那些没有策略性地改变其盈余公告日期的公司检查了互补关系是否仍然存在。图9的Panel C第（1）列显示，那些没有大幅改变公告日期的公司在即时反应上系数为0.095，这在统计和经济上都是显著的。那些将其盈余公告日期提前或推后的公司的相应系数不显著。第（2）列显示，这一结论对漂移也成立。总的来说，这些结果表明策略性选择盈余公告发布时机并不是导致宏微观新闻之间互补关系的原因。

4.4. 交易摩擦

本文还检验了宏观和微观新闻之间的互补关系是否可能由公司的流动性溢价驱动。即使存在理性的投资者，如果在宏观新闻日盈余惊喜为正的公司拥有更高的流动性或者更低的交易成本，也可以观察到前述现象，而这些现象可能由公司流动性溢价的变动驱动。过去的文献表明，盈余公告溢价与流动性风险有关（Sadka，2006；Frazzini和Lamont，2007）。

图10对这一解释进行了检验。本文使用两个流动性度量指标：买卖差价和换手率。对于一家公司，较大的买卖差价意味着其流动性较差，而较高的换手率意味着其流动性更好。如果流动性的说法成立，本文期望交互项的系数显著且为正。然而，图10显示，系数并不显著。因此，流动性不太可能解释互补关系。

4.5. 进一步的证据

到目前为止，本文已经验证了宏观新闻和盈余公告之间互补关系的四种可能的解释。本文的结果表明，注意力和信息传递的结合可能解释这种互补关系。接下来，本文对这两个渠道进行两种进一步的测试。

首先，为了验证投资者关注度渠道，本文检验是否有干扰事件影响股市对盈余新闻的吸收。如果外部新闻能够将投资者的注意力从盈余新闻上移开，市场对盈余新闻的反应将会减弱（Hirshleifer等，2009；DellaVigna和Pollet，2009）。对于干扰事件，本文使用与恐怖主义和枪击事件相关的事件。在过去的二十年中，这两个话题在美国都很突出。恐怖主义和枪击事件在媒体中引起了大量的关注。此外，这种事件通常不太可能直接传达关于公司基本面应如何对盈余新闻反应的信息。因此，信息传播渠道不提供这种外部新闻会影响股价对盈余新闻敏感性的猜测。

具体来说，本文使用RavenPack（一个新闻文章的数据库）来查找与恐怖主义和枪击事件相关的事件。RavenPack的数据从2000年开始，样本期间有778个事件。回归模型与图2中的回归模型类似。本文用DistractDay替换了Macroday，如果第t天有一个上述干扰事件，DistractDay等于1。本文从样本中删除了有重要宏观新闻的日子。

图11的Panel A报告了结果。ES×DistractDay交互项的回归系数是负的且显著，这表明这些事件能够将投资者的注意力从盈余新闻上转移开。在有干扰事件的日子，股价对盈余新闻的敏感度比其他日子小5%（0.049/0.893）。这个幅度远小于本文在主要结果中发现的宏观新闻对敏感度的提升幅度（11%），这可能解释了为什么干扰事件对漂移的影响在统计上不显著。这些结果与干扰事件导致投资者对盈余新闻的反应减少的观点一致，这支持了投资者关注度渠道。本文进一步检查了这些事件周围的分析师预测。图11的Panel B显示，有干扰事件的日子的修正数量和预测质量与其他日子相比，并无显著差异。这意味着这些事件并未包含对公司有用的信息，也不影响分析师的预测。

其次，为了进一步区分投资者关注度渠道和信息传递渠道，本文研究了关注度互补事件。这些事件可能吸引投资者关注股市，但同时又包含很少直接与公司盈余有关的信息。本文关注的引人注目的事件包括高管去世和涉及知名公司的诉讼。这些事件引起投资者对这些公司的关注，他们也可能对其他公司产生关注（Hirshleifer等,2009）。本文验证了市场对盈余新闻的反应是否在有这样的关注度互补事件的日子里更强以及这些事件是否影响分析师对这些公司的预测。

本文从RavenPack收集了一份关于分析师覆盖范围最广的前50只股票的关注度互补事件列表，因为这些公司在投资者中很有名。本文关注两种类型的事件：与高管相关的突发事件（例如，死亡、健康和丑闻）和法律问题（例如，监管调查）。在样本期间，共有325个这样的事件。然后，本文研究它们是否影响了市场对盈余公告的反应。在分析中，前50只股票被排除在外。回归模型与图2中的回归模型类似，只是我们用AttractDay替换Macroday。AttractDay是一个虚拟变量，如果在第t天有上述定义的互补注意力事件发生时，取值为1。我们排除了样本中具有重要宏观新闻的日子。

图12的Panel A报告了结果。交互项ES×AttractDay的回归系数是正的且显著，这表明这些事件吸引了投资者对盈余新闻的关注。对漂移的影响是负的且显著。这些结果支持了互补关注度互补事件会导致投资者对盈余新闻反应更加强烈的猜想。这与投资者关注度渠道是一致的。本文进一步研究了这些事件附近的分析师预测。图12的Panel B显示，关注度互补事件日的修正次数和预测质量与其他日子并无显著差异。这些结果符合这些非信息事件并不影响分析师预测的观点。总的来说，这两个检验都支持了投资者关注度渠道。

5. 结论 

点击“赞”或“在看”，及时获取最新推送

本篇文章来源于微信公众号: 量化先行者