“学海拾珠”系列之四十五：公司复杂性对盈余惯性的影响
由crisvalentine创建，最终由crisvalentine 被浏览 15 用户
报告摘要
主要观点
本篇是“学海拾珠”系列第四十五篇，本期推荐的海外文献研究了公司的复杂性对盈余惯性的影响。研究发现，市场参与者对企业集团的特定收益信息处理成本更高，理解更加困难。因为它们的商业模式比覆盖单一行业的公司更复杂，而这又进一步减慢了投资者对它们的信息处理。因此组织复杂性越高的企业集团，其盈余惯性更大。回到A股市场，可以通过爬虫或者产业数据定义公司的复杂程度，观察其与盈余惯性之间的关系。若和本文的研究结论一致，可以尝试在盈余公告前买入复杂度高且业绩超预期可能性大的公司，构建多头组合。
- 企业集团的信息生产更少
本文将企业集团与单行业企业直接进行比较，发现企业集团的分析师覆盖数更少。且这些分析师拥有相对更少的专业知识，预测误差较大。
在控制相关公司特征的情况下，与单行业公司相比，企业集团拥有较低的机构所有权和卖空数量，并且总交易量较少。本文由此推断与具有类似公司特征的单行业公司相比，综合性企业集团的信息中介更少，并且较难吸引成熟投资者的兴趣。
- 企业的组织复杂性提高了盈余惯性
对于大型企业而言，其价格发现的速度较慢。因此与单行业企业相比，涉及多行业的企业集团的盈余惯性应该更大。实证表明，企业集团的盈余惯性确实更强大。在控制盈余惯性的几个常规影响因素后，平均而言，企业集团的盈余惯性比单一行业企业的盈余惯性强30％至50％。
且通过计算延迟响应比率，对公告后的盈余惯性进一步检验后发现，综合型企业的业绩报告包含的信息总量较大。然而，所有这些额外的信息都在公告后才被延迟纳入定价。
- 组织形式的变化对盈余惯性的影响
本文通过考察新成立的联合企业集团，发现新企业集团的盈余惯性比现有企业集团的盈余惯性大38％，比单行业公司的盈余惯性大65％。新企业集团平均盈余惯性值的提高，主要归因于那些从内部创建了新业务线而又未与其他行业的公司合并的公司。由此排除了其它未知变量的影响，推断出是企业组织复杂度的提升增加了盈余惯性。
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。
\
简介
综合性企业集团拥有更复杂的组织结构，因此比覆盖单一行业的公司更难理解。在本文中，作者研究了这种复杂性对市场吸收盈利消息能力的影响。本文发现，与覆盖单行业的企业相比，企业集团的盈余惯性更大。
本文的灵感来自于Cohen和Lou（2012）的最新发现，即与涉及单一细分市场的公司相比，企业集团需要更长的时间才能将多个行业的冲击纳入其价格中。特别是，Cohen和Lou（2012）发现，覆盖单一行业的公司的收益能预测一个月后综合性集团的收益。
相反，本文聚焦于投资者如何处理有关企业集团自身的新闻。投资者在本文的背景中所面临的挑战（即将业绩报告分解为有关不同细分市场的信息）与Cohen和Lou（2012）分析中的投资者所面临的挑战不同，即汇总有关细分市场的行业层面的新闻以调整企业集团的估值。理解综合性企业集团的困难性会加剧市场效率低下，本文对此提出了以下两个原因：与具有类似公司特征的单行业公司相比，综合性企业集团的信息中介更少，并且成熟投资者对这类企业的兴趣也更少。
先前的文献中有证据表明，综合性企业集团的分析师覆盖度要比单行业企业低，但是这些证据来自非随机样本。例如，Gilson等人(2001)发现，企业集团的分拆提高了分析师的覆盖度，因为所有分析师都可以在分拆后获得母公司和子公司的细分数据。Gilson等人(2001)也发现，公司分拆导致分析师预测准确性的显著提高。
但是，尚不清楚分拆得到的结论是否可以推广到整个样本。Krishnaswami和Subramaniam(1999)发现，选择拆分的企业集团涉及信息传播的问题最严重：拆分的企业集团的平均预测误差是未拆分类似企业集团的4倍。
本文将整个样本中的企业集团与单行业企业进行直接比较，并控制了影响分析师覆盖范围和预测精度的驱动因素。结果发现与其他同类的单行业企业相比，企业集团所覆盖的分析师更少，而这些分析师拥有更少的行业专业知识，产生了较大的预测误差。
本文假设资深的投资者倾向于避开集团公司，因为大型企业集团理解和分析难度很高。本文发现，在控制相关公司特征的情况下，与单行业公司相比，企业集团拥有较低的机构所有权和卖空数量，并且吸引的总交易活动较少。该结果的含义是，对于大型企业而言，价格发现的速度较慢，因此与单行业企业相比，多行业企业的盈余惯性更为强劲。数据证实，企业集团的盈余惯性确实更强大：在控制盈余惯性的几个常规影响因素后，本文在横截面回归分析中发现，平均而言，企业集团的盈余惯性比单一企业的盈余惯性强30％至50％。
如果盈余惯性对企业集团而言更强大，那么为什么没有更多的套利者利用它进行交易，更多的分析师专门研究企业集团呢？本文推断，由于很少有经验丰富的套利者尝试交易该策略，因此与交易相关的成本必定太高。这表明，与单个行业的公司相比，对企业集团给予同样的关注意味着在时间和精力上的成本更高。尽管企业集团的盈余惯性套利收益远远超过单行业公司的盈余惯性套利收益，但企业集团盈余惯性套利所产生的alpha值必定低于处理与企业集团收益相关信息的成本。
接下来，本文提供三点证据，证明盈余惯性与组织复杂性之间的关系不仅限于盈余惯性与企业地位之间的关系。本文发现更复杂的企业集团的盈余惯性明显高于简单的企业集团，这表明盈余惯性与企业复杂性之间存在连续性关系。
首先，本文考察集团成立后的各个时期，并假设新企业集团对投资者而言似乎更为复杂，因为投资者没有与新成立集团沟通的经验。与此预测一致，本文发现新集团的盈余惯性比现有集团的盈余惯性大38％，比单行业公司的盈余惯性大65％。此外，本文发现，最近成为企业集团的公司的平均盈余惯性值提高，主要归因于那些从内部创建了新业务线而又未与其他行业的公司合并的公司。可以用以下事实来解释这一结果：合并的目标公司具有作为独立公司的记录，因此，合并一般都会受到媒体和顾问的审查，而从内部创建的新业务不太可能被投资者所熟悉。
对于新的企业集团而言，更强大的盈余惯性也减轻了对企业集团状况和盈余惯性可能都与某个未知变量相关的担忧。例如，如果一个企业如果未知变量超过某个阈值而成为一个联合企业集团，而未知变量降至阈值以下则一个联合企业集团解散，那么新的企业集团的未知变量将略高于该阈值，而旧的企业集团则可以是远远高于阈值。如果这个未知的变量与盈余惯性正相关，这与本文的发现（即企业集团的盈余惯性高于单个细分企业）相符。那么与更成熟的企业集团相比，新的企业集团的盈余惯性较低，而这与本文发现相反。因此，本文得出的结论是，企业集团的盈余惯性较高，这与存在未知变量同时驱动盈余惯性和企业集团状况的假想不一致。
其次，本文通过衡量各集团收入增长率的离散程度来估计它们的复杂性。Hirshleifer和Teoh（2003）提出了一种理论模型，该模型表明，只要某些投资者使用集团的总盈利增长率而不是单个行业的增长率来推断公司的未来价值，那么该集团将被错误定价。该模型显示，相对于公司的总收入增长率，行业层面收入增长率的更高的分散性将导致更高的信息处理成本，这将导致该企业集团定价偏高。本文发现，与这一理论预测相符的是，** 分市场增长率较高的企业集团的盈余惯性较大。**
第三，本文使用另一种衡量企业复杂度的方法，该复杂度是从成本结构的层次差异得出的。具体而言，本文认为，对有着不同市场定价结构的企业集团进行定价时，投资者将面临更大的困难。本文认为，即使投资者在细分市场层面上考虑不同的收入增长率，而不考虑每个细分市场的成本结构，这也不足以正确地对企业集团定价。如果投资者在分析中使用公司层面的运营杠杆，而不是利用每个行业自身的运营杠杆价值来估计行业的盈利能力，他们将无法正确估计公司的盈利能力。因此，本文假设投资者对企业集团最为困惑，因为这些企业由于不同的成本结构，而有着不同的经营杠杆水平。本文从Rajan，Servais和Zingales（2000）提出的投资机会差异度量中汲取灵感，以估算多行业企业的成本结构差异。特别是，本文通过计算企业集团的销售加权经营杠杆的标准偏差,除以其各行业的加权平均经营杠杆，来衡量多行业企业的经营杠杆的差异。根据本文的预测发现，细分市场的经营杠杆差异较大的企业的盈余惯性较大。
本文的其余部分安排如下：第二节简要介绍了文献回顾；第三节介绍了本文的的待检验假说；第四节描述了数据；第五节探讨了主要实证结果；第六节是结论。
文献综述
本文为两个方面的文献研究做出了贡献。首先，本文为有关盈余惯性决定因素的研究做出贡献。据本文所知，目前没有关于组织结构与盈余惯性之间关系的实证研究。有关盈余惯性的文献主要集中在盈余惯性与资本市场特征之间的关系，如信息不确定性(见Franciset al. 2007和Zhang 2006)、投资者成熟度(见Bartov et al. 2000)、交易摩擦(见Ng et al. 2008)、以及该公司和分析师的信息生产(见Gleason和Lee 2003)。
在信息生产方面，企业状况是一种基于投入的度量，而不是文献中所采用的基于产出的度量，例如有噪音的盈利和回报的波动性。因此，专注于基于投入的度量可以帮助本文更好地识别组织复杂性与盈余惯性之间的联系，例如，有噪音的盈利可以度量潜在的业务特征和管理者扭曲信息的行为。同样，回报波动性既可以来自公司业务的性质，也可以来自股票市场的状态和特征。
其次，文本为有关企业信息环境的文献做出了贡献。使用所有企业集团和单行业企业的完整样本，本文发现，在其他条件相同的情况下，企业集团的分析师覆盖范围则更差。机构和做空者等知情的投资者往往会忽略企业集团，这很可能导致市场效率降低（例如，企业集团的盈余惯性增强）。
据本文所知，只有Thomas（2002）研究了企业合并对整个横截面中的分析师预测误差的影响。托马斯（Thomas，2002）的核心主张是，公司合并不会导致预测误差的增加。托马斯（2002）发现，在1986年至1995年期间，预测误差与组织复杂性之间关系的符号根据其控制变量的变化而有所不同。特别是，与本文的结果一致，规模控制对于发现企业集团的较大预测误差尤为重要。本文使用更长的样本时间（1977-2010年）和更全面的控制变量，并通过与托马斯（2002年）直接相对的回归分析，发现企业集团与预测精度之间存在可靠的负相关关系。
\
研究假设
Cohen and Lou（2012）指出，由于难以对企业集团进行分析，因此将行业层面的信息纳入企业集团会使得价格存在延迟。导致企业集团难以分析的原因可能有多种：例如，分析师和投资者可能知道每个业务行业对企业集团总销售额的贡献以及每个行业的销售增长率，但仍然可能很难预测行业的收入对价值的影响。以一家企业集团为例，该集团的一个行业的固定成本非常高，而另一个行业的可变成本却非常高。在这种情况，即使知道每个细分的销售额以及销售额增长率，也很难在不了解企业内部成本结构的情况下预测销售额对利润的影响。
Chemmanur和Liu（2011）进一步补充了Cohen和Lou（2012）的发现，并在理论模型中表明组织复杂性阻碍了信息处理。这有两个原因，首先，将合并后的公司分为相对不太复杂的分公司且各自拥有独立的财务报告，可以减少分析师和外部投资者的信息生产成本。其次，通过增加重组，机构投资者可以将投资集中在他们拥有专业知识的企业集团的那部分。
本文的第一个假设是，企业集团的组织复杂性会对分析师的跟踪产生负面影响，进而影响信息生产，并降低成熟投资者对企业集团的兴趣，从而降低市场效率。由于这两个渠道在影响价格形成的方式上是截然不同的，因此本文将假设1分为两个小节
假设1a：在保持所有其他因素不变的情况下，企业集团的覆盖分析师人数较少且分析师预测误差较大。
假设1b：保持其他因素不变，企业集团的机构所有权较低，卖空数量较低，营业额也较低。
先前的研究表明，公司关注点可以在改善公司的信息环境中发挥作用。特别是，Gilson等人(2001)将企业集团分拆后分析师预测准确性的提高，部分归因于披露数据的增加，因为所有分析师都能在分拆后获得母公司和子公司的分类数据。与Gilson等人(2001)在选择进行剥离和分拆的企业集团的非随机样本中进行分析不同，本文在包括所有企业集团和单一行业公司的全横截面中检验假设1a。这一点很重要，因为正如Krishnaswami和Subramaniam(1999)所报告的那样，拆分的企业集团的平均预测误差是未拆分的类似企业集团的4倍。因此，决定拆分的企业集团改善了他们的信息环境，这一事实并不一定意味着企业集团比单一行业拥有更差的信息环境。
假设1b还提出了一个问题，即为什么散户投资者在集团中的所有权比其在单行业公司中的所有权要大得多。就本文而言，本文将个人投资者视为流动性交易者，他们根据储蓄或利用储蓄的需求进行买卖，因此，本文假定他们不像机构投资者一样，试图通过处理信息来预测现金流并获得优势。所以本文提出散户投资者采取相对被动的方式对待股票所有权，最终导致他们投资机构投资者放弃的庞大的企业集团。
第一个假设预测，有关企业集团的信息处理成本更高且速度较慢，并且企业集团股票中经验丰富的投资者所占的比例也较小。较昂贵的信息处理和较少的企业集团的信息中介将表明，企业集团的定价应比单个行业的定价更为低效，从而推导出假说2：
假设2a：企业集团的盈余惯性较大。
假设2a与Cohen和Lou（2012）的发现一致，后者也记录了企业集团的市场效率降低。虽然Cohen and Lou（2012）指出，企业集团的股价对企业冲击所需的反应时间更长，但本文的研究设计与他们的研究完全不同，因为本文研究市场如何处理企业集团的信息（业绩报告），而不是分析投资者如何处理有关复杂公司所在行业的信息。在本文的设定下，投资者面临的挑战（即将业绩报告分解为有关不同细分市场的信息）是独特的，并且与投资者在Cohen和Lou（2012）分析中所面临的挑战不同，即汇总有关细分市场的行业新闻以修改对企业集团的估值。
业绩报告后价格可能会出现更大的波动，这既是由于业绩报告中的大部分信息是由市场延迟处理的，又是因为业绩报告会向市场传达更多的信息。为了调查大型企业集团盈余惯性的来源，本文遵循DellaVigna和Pollet（2009）的方法，计算延迟响应率，该延迟率定义为在窗口期内对业绩报告响应的股票占总股本的份额。假设2a表明，市场对企业集团的盈利消息的反应较慢，从而导致了假设2b：
假设2b：企业集团的延迟响应率更高。
大型企业的复杂程度不同。尤其是，与具有相似行业（例如金属采矿和煤炭开采）的企业集团相比，具有不同行业（例如采矿和零售）的企业集团更难分析，因为不同行业的专业知识具有挑战性。行业差异可以通过多种方式导致更高的认知处理成本。Hirshleifer和Teoh（2003）提出，即使在细分市场数据可用的情况下，更高认知处理成本也可能导致一部分投资者将注意力集中在汇总信息上。他们建议使用细分市场增长率的标准偏差来衡量企业集团的复杂性以及与之相关的定价错误。本文将此度量称为 （Hirshleifer-Teoh标准偏差）。
另外，不同行业成本结构的差异可能会引入类似的认知处理成本。以一家企业集团为例，该集团的一个行业的固定成本非常高，而另一个行业的可变成本却非常高。即使投资者知道每个细分市场产生的确切销售数字，如果不了解各个细分市场的独特的成本结构，也很难预测细分市场水平的销售对企业总利润的影响。因此，衡量企业集团复杂程度的另一种方法是估算在同一企业集团内运营的不同行业的成本结构之间的差异。本文用经营杠杆变动系数（COLV）估算这种差异。COLV是细分市场级别的收入加权估算的经营杠杆的标准差除以其细分市场的等权平均运营杠杆。
归根结底，由于增长率或成本结构不同而造成的不同行业差异可能会使综合企业的分析变得复杂，从而减慢有关企业的价格发现过程，并导致对盈利信息的反应不足。这导致本文的第三个假设：
假设3：更复杂的集团（和值较高的集团）的盈余惯性较强。
另一种特别难以分析的集团公司是新成立的集团公司。这样的新集团缺乏作为集团存在的历史，并且在许多情况下（例如与私营公司合并或从内部发展新业务的情况），新行业也缺乏可观察到的业绩历史。在最初的几年中，在企业集团成立之后，投资者（分析师）将面临巨大的不确定性，即企业集团是通过细分市场之间的协同而提升价值还是由于业务重点下降而造成的价值损失。与已建立的企业集团相比，这种不确定性应该增加额外的复杂性。因此，本文的第四个假设是：
假设4：新成立的企业集团的盈余惯性比已建立的企业集团更大。
如果企业集团的状况和盈余惯性的水平都与未知变量成正相关，那么对假设4的实证验证可以帮助解决这一未知变量问题。假设未知变量与企业集团状态之间的关系是，当所讨论的未知变量高于某个阈值时，企业决定成为企业集团；如果未知变量低于阈值，企业集团将解散。平均而言，新的联合企业更有可能使未知变量略高于联合阈值，而已建立的联合企业将使未知变量大大高于阈值。在这种情况下，具有较低未知变量值的新企业集团将具有较低的盈余惯性，与假设4直接相反。因此，如果假设4通过实证检验成立，这可能表明，投资者在解读新企业集团的业绩报告时存在最大的困惑，因为他们的组织结构最近发生了重大变化，支持了组织复杂性的增加导致更大的盈余惯性的观点。
\
数据
本文使用三种衡量组织复杂性的方法。第一个度量值Conglo是企业集团的虚拟变量，如果企业是企业集团，则等于1，否则为0。根据Compustat文件，如果该公司在两个或多个不同行业中设有业务，则该公司将被视为企业集团。行业使用两位数的SIC代码定义。复杂度的第二个度量NSeg是企业覆盖的行业数。第三个量度，Complexity，是基于销售集中度的连续变量。复杂度等于 ，其中是每个行业的销售份额的平方和，其中每个行业的销售份额是该行业产生的总销售额的一部分。根据复杂性的第三个定义，在单个细分市场中销售的公司的为1，复杂度为0，而在多个行业中销售的公司集团的复杂度接近1。
本文对盈余惯性的度量是将业绩报告后的累计回报对预期外盈余进行Fama-MacBeth（1973）回归得到的斜率。在业绩报告后的第2个交易日至第60个交易日之间，形成了公告后的累积异常收益（CAR）。CAR根据Daniel等人（1997年）（也称为DGTW）进行了市值和账面市值比调整。业绩报告的日期来自COMPUSTAT，每日收益来自CRSP的每日文件。本文以标准非预期盈余（SUE）来衡量预期外盈余，该标准非预期盈余（SUE）定义为当前季度的每股收益与上一年同一季度的每股收益之间的差额，以当前季度的股价为准。按照Livnat和Mendenhall（2006）的方法计算SUE和盈余惯性值，本文使用相同的样本选择标准。为此，本文将样本限制在截至季度t末的每股价格大于1美元的观察值中，以减少噪声。本文还仅保留那些在t-1季度末权益账面价值为非负值的观察值，而不包括那些在t-1季度末权益市场价值低于500万美元的观察值。本文的抽样期间取决于细分数据的可用性，有效期从1977年1月到2010年12月。
表1的A部分报告了所有公司和仅集团公司的SUE，复杂度为和细分行业数量的完整分布。一些数字特别值得注意。首先，在第95个百分位数和第5个百分位数之间，SUE的变化为0.139，在第97.5和第2.5个百分位数之间，SUE的变化为0.274。这些信息稍后将被用来评估SUE在Fama-MacBeth回归中斜率的大小。其次，本文样本中的大多数公司都不是集团公司（整个样本中的行业中位数为1），大多数集团公司有两个行业。相对较大的企业集团报告了三个细分市场，而具有四个或更多细分市场的企业集团则不到全部样本的2.5％（因此少于所有企业集团的10％）。第三，企业复杂度的分布表明存在大量的低复杂度企业。
表1的其余部分比较了单一行业企业和多行业企业集团的企业特征。在B部分中，本文总结了预期外盈余(SUE)和公告回报(CAR(-1;1))。CAR(-1;1)进行了DGTW规模和账面市值比调整。B1部分报告平均CAR值，以试图评估企业集团平均而言是否具有更多的正面预期外盈余，B2部分报告了CAR（-1;1）的绝对值的均值，测试企业集团所经历的预期外盈余是否在大小上有所不同。
本文在Panel B1中发现，两个公司集团(单行业和多行业)的SUE平均值为正，分别为股价的0.156%和0.155%，联合企业的CARs略为正，但差异不具有统计学意义。
B2部分显示，大型企业集团的CAR的数量级（2.866％）比单个细分企业的（3.575％）显著的小，而两组企业SUE的平均绝对值均相似（0.626％与0.660％）。企业集团的绝对CAR值较小，再加上企业集团和单行业企业的类似SUE，也表明企业集团的盈余惯性越强，就不太能推断企业集团在业绩报告中是否会披露更多的信息。
B3列是本文第一次尝试区分本文的结果与Cao和Narayanamoorthy（2012）的结果之间的区别，Cao和Narayanamoorthy发现低收益波动性公司的盈余惯性更高。在他们的样本期内，Cao和Narayanamoorthy（2012）表明，随着从收益波动最低的五分位到最高的五分之一，SUE的自相关从0.42变为0.31。这表明较低收益波动公司的预期外盈余会持续更长的时间。但是实际上，预期外盈余的自相关存在异质性：SUE的自相关性越大，投资者在估算盈利时所犯的错误就越大，最终将导致盈余惯性增强。
\
实证结果
企业集团和单行企业信息生产
基于本文的第一个假设，即企业集团具有更高的组织复杂性，因此被跟踪分析的难度更大。本文预测，分析师将不愿覆盖大型企业集团，而经验丰富的投资者也不太情愿对其进行投资和交易。由此造成的结果是，与单行业的公司相比，有关综合型企业集团的信息将被生产的更少。
在表2中，本文通过比较单行业公司和跨多个行业的企业集团来分析组织复杂性与公司信息生产之间的联系。首先，本文通过比较分析师的数量及其对单行业和多行业公司的预测误差的幅度来研究组织复杂性对信息中介质量的影响。其次，本文探讨组织复杂性如何影响成熟投资者对企业的所有权和交易。本文认为成熟的投资者的占比越高，机构所有权和卖空的数量将会更大。所以本文使用这两个指标来比较单行业公司和多行业公司中投资者客户的复杂程度。最后，本文通过分析组织复杂性对营业额的影响来评估其对一般投资者的影响。
本文按照Peterson(2009)的方法进行面板回归，并在按公司-年层面进行标准误差聚类。回归控制了公司规模，市价比率，CAPM beta，反转，动量，股价，资本结构，公司年龄，公司盈利能力，亏损程度，分析师数量，波动和现有文献认为相关的其他公司特征。最重要的是，在所有的回归中，本文都考虑了地理复杂性对公司信息环境的影响。地理复杂性(GeoMulti)是一个虚拟变量，如果公司从多个海外细分市场进行销售，则等于1；如果公司所有销售来自于一个地区的市场，则等于0。正如一些以前的研究建议将地理复杂性作为业务复杂性的代理变量一样，理解和控制它对盈余惯性的影响是重要的。
第2列中有关Conglo的具有统计意义的显著正系数表明，当其他因素固定时，分析师对综合企业集团的预测误差更大。与本文的假设1a和1b相一致的是，在固定其他已知会产生影响的相关公司特征的情况下，综合型企业拥有较低的分析师覆盖率、机构所有权、相对卖空数量和成交量。
GeoMulti的系数表明，它与分析师的覆盖范围和机构所有权无关，与分析师的预测误差负相关，而不是正相关。综上所述，这些发现表明地理复杂性不能很好地代表公司的复杂性，反而支持本文使用组织复杂度的度量。最后，控制地理复杂性并没有改变本文关于成熟投资者避免交易组织复杂较高的公司的结论。
在表2中，本文发现，与具有类似特征的单行业市场的公司相比，分析企业集团的分析师较少，而这些分析师的预测误差更大。有关综合企业集团的信息生产较少并不仅局限于分析师。本文还发现，机构投资者和卖空者在理解企业集团方面也面临着类似的困难，因此避免对其进行投资或交易。本文得出的结论是，在多个行业开展业务的复杂性，使得在包括股票分析师，机构投资者和卖空者在内的市场参与者看来，企业集团变得更加难以理解。
组织复杂性导致更高盈余惯性
本文对盈余惯性的度量是回归中SUE上的（正）斜率。本文的复杂性度量值越高，则对应于组织的复杂性越高。因此，观察到复杂企业的盈余惯性越强，表示SUE和复杂性之间相互作用的正系数就越大。
由于盈余惯性和价格动量是两个相关的异象，本文选择从分析中排除微型股。排除微型股的另一个好处是，微型股由单行业公司主导，本文对单行业公司和企业集团的盈余惯性进行的回归分析实际上没有利用到微型股之间的比较。
综上所述，在表3中发现，在排除了影响盈余惯性的一系列复杂因素之后，在近期没有发生营业亏损的公司中，企业集团的盈余惯性比单行业公司大34％至49％。
控制公告效应和延迟响应比较
复杂企业为何具有更强盈余惯性的一种可能解释是，复杂企业在公告日披露的信息需要更长的时间才能传播。另外，对于相同水平的预期外盈余，组织复杂的公司集团可能会在发布之日向市场披露更多信息。如果确实如此，则应该在业绩报告事件之后看到更强烈的响应，随后对于组织复杂性更高的公司也将有更大的股价漂移。另一种情况表明，公告收益(CAR(-1;1))和盈余惯性收益(CAR(2;60))对SUE和组织复杂性的交互项均产生正系数。
表4 A部分中的第一列显示，SUETop与Conglo的交互项几乎为零(-0.002)，且在统计学上不显著(t值为-0.66)。这一发现表明，单行业公司和企业集团在财报公布前后的三天里，拥有类似的10-1的对冲回报。另一方面，第二列清楚地表明，10-1对冲策略，即在最高/最低的SUE十分位上做多/做空，将为综合企业集团带来比单行业公司更大的净回报。最后，第三列显示，综合企业集团在公告期间和公告后期间的总体股票回报反应明显大于单行业的公司。综上所述，表4 Panel A的结果显示，虽然企业集团在业绩报告中披露的信息更多，但所有额外信息的纳入都有所延迟，一直到公告后的时期，即企业集团更强的盈余惯性来自于反应迟缓。
最后，本文计算单行业公司和企业集团的10-1对冲投资组合的延迟响应率之差。本文发现，对于企业集团(单行业公司)，这种对冲交易的延迟响应比率为59.1%(44.5%)，差异具有统计学意义，t统计量为2.17。表4进一步支持了本文的中心假设，即投资者在处理与企业集团收益相关的信息时会遇到更多的困难。而对于复杂的公司而言，信息处理会花费更多的时间。用来衡量延迟反应率的投资组合方法也清楚地表明，可通过交易有更强盈余惯性的企业集团获利。
组织形式变化对盈余惯性影响
综合企业集团的平均规模明显大于单一行业的公司，因此具有较低的套利限制，因此，对综合企业集团而言，较强的盈余惯性不太可能是因为众所周知的盈余惯性和套利限制之间的关系而造成的。但是，组织的复杂性和企业集团的地位仍然可能与某个未知变量有关，而后者又会影响盈余惯性的大小。
为了理解投资者是否确实难以解释与更复杂的公司有关的信息，本文关注组织复杂性增加的时期。如果组织复杂性的水平(企业集团地位)与一个同样驱动盈余惯性的未知变量相关，那么新企业集团可能与这个变量相关性较小。则可以预期新企业集团的盈余惯性水平低于更成熟的企业集团。事实上，如果这个未知变量超过了某个阈值，公司就会成为企业集团(当同样的未知变量低于阈值时，企业集团就会解散)，新的企业集团的这变量就会高于但接近这个阈值，而老的企业集团的这一变量值明显高于阈值。然而，在复杂性假设下，投资者在解读新企业集团的业绩报告时，产生的困惑最大，因为新企业集团的复杂性水平近期发生了重大变化。
在表5中，本文使用了一个虚拟变量NewConglo来表示企业状态的变化。NewConglo在公司从拥有一个细分市场到拥有多个细分市场的一年后被设置为1，并继续保持1年，之后变成0。当NewConglo只拥有一个细分市场时，它在所有年份的收益也为零。平均每年有大约5000家公司拥有分部数据，大约1300家企业集团，以及120-200家新企业集团，其NewConglo为1。因此，新联合企业占本文样本的2.5%-4%，占所有企业集团的10-15%。
根据表5第一列中的分析，本文得出两个重要结论。首先，回归估计表明，单行业企业的盈余惯性为2.38％（公告后的三个月），而成熟企业集团的盈余惯性为3.21％（企业集团成立已经超过两年），本文使用SUE的第95个百分点与第5个百分点之间的差异来计算盈余惯性的差异。将新企业集团作为一个单独的企业集团，SUE和企业集团虚拟变量(现在只代表已成立的企业集团)之间的交互项的经济意义降低了约三分之一，但不影响其统计意义。这表明，对于更复杂的公司而言，更强的盈余惯性不能仅仅归功于最近成为企业集团的公司。
其次，本文发现，新企业集团的盈余惯性明显强于成熟企业集团。SUE和NewConglo虚拟变量的交互项在统计上是显著的，其系数表明，新成立的联合企业的盈余惯性平均每三个月为3.82％，几乎比已建立的企业集团的盈余惯性大五分之一。
表5中的结果表明，组织复杂性的增加（定义为企业集团地位的变化）与盈余惯性的大幅增加有关，这与本文的假设是组织复杂性（而不是驱动企业集团地位的任何其他特征），可以导致更强大的盈余惯性相一致。本文还发现，投资者对于那些从内部进行有机扩张的公司最为困惑，即对于那些不涉及并购活动而增加细分市场的联合公司。
复杂性的程度重要吗
在前面的小节中，本文已经确定组织复杂性与盈余惯性的实力之间存在着很强的关系。在本小节中，本文将通过使用两种替代性的复杂性度量方法来研究是否更复杂的企业集团盈余惯性更大。
本文遵循Hirshleifer和Teoh（2003）来构造本文的第一个度量。Hirshleifer和Teoh（2003）提出，即使在细分市场数据可用的情况下，更高认知处理成本也可能导致一部分投资者将注意力集中在汇总信息上。他们提出，即使只有部分投资者使用公司的整体收入增长率来估计未来公司的价值，而不是使用各个行业的收入增长率，企业集团也会被错误定价。他们认为错误定价的水平（认知处理成本）将随着细分市场增长率的分散度增加而增加。
在表6中，本文关注的是只含企业集团的样本，并探究和较高的企业集团是否具有较高的盈余惯性。在表6的第一列中，控制了规模、市净率、损失、Amihud以及它们与SUE的交互项，本文分析了与SUE的交互作用，发现具有更大行业盈利增长离散度的企业集团具有更大的盈余惯性。交互项为正且具有统计学意义。交互项表明，假设所有控制变量均在其均值处，对于复杂程度最高的十分之一的企业集团，在SUE的第95和第5(97.5和2.5)百分位数之间，其盈余惯性回报率将比复杂程度最低的十分之一的企业集团的盈余惯性回报率高出0.63%(1.22%)。
表6中的结果表明，市场参与者会花费更长的时间将更复杂的企业集团的收益相关信息纳入的价格中。这与Hirshleifer和Teoh（2003）的结论有关，即组织复杂性会引入认知处理成本。这些结果也有助于确定一个事实，即复杂程度对确定盈余惯性的大小也很重要。总体而言，本文的结果表明，正如本文所预测的那样，对于投资者而言，对于跨行业成本结构非常不同的企业集团，处理其业绩报告在认知上是一种负担。
\
结论
本文证明了复杂企业的信息处理难度更大，并预测了复杂企业的盈余惯性更强。将组织结构作为组织复杂性的代表，本文发现组织结构更复杂的公司(企业集团)的盈余惯性比具有相同水平的预期外盈余(SUE)的简单公司(单一行业公司)大34%至49%。
本文将发现归因于以下事实：处理与复杂公司有关的盈余信息的成本更高且更困难。本文表明，一旦控制了公司规模和其他相关公司特征，与单行业公司相比，企业集团的机构所有权和卖空数量就会减少。由于高额信息处理成本使得成熟的投资者的减少，导致定价效率较低，从而使得企业集团的盈余惯性更强。本文还发现，由于类似的原因，与具有类似公司特征的单行业公司相比，大企业所覆盖的分析师人数也更少，而且这些分析师的预测误差更大。本文得出的结论是，关于企业集团的信息生产相对较少，这又导致了较低的定价效率和企业集团的盈余惯性增强。
本文还发现，单行业企业和综合企业的盈利公告反应相似，加上综合企业的盈余惯性较强，这意味着综合企业的业绩报告发布的信息总量较大。然而，所有这些额外的信息似乎都在公告后才被吸收定价。
在控制了分析师的反应性、事前盈余波动、盈利质量和披露复杂性对盈余惯性的影响之后，本文的结果是稳健的。本文还发现，在机构所有权较低的企业中，盈余惯性与组织复杂性的关系更强。这一发现表明，成熟投资者对组织复杂公司的不投资偏好显著影响了错误定价水平。
本文得出的结论是，通过组织结构代理的复杂性，对投资者如何处理与盈余相关的信息有着深远的影响。本文的分析表明，投资者在分析企业集团时面临着巨大的认知处理成本，这导致企业集团（尤其是新企业集团和具有不同业务领域的企业集团）的盈余惯性更高。
本文核心内容摘选自Alexander Barinov & Shawn Saeyeul Park在SSRN上的论文《Firm Complexity and Post Earnings Announcement Drift》
\
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。