關於研究問題三，我們想了解的問題是：融資活動有無影響管理階層從事預期管理 的意圖。Richardson et al. (2004) 和 Teoh et al. (2009) 認為進行融資活動的公司較有誘因 進行預期管理，因為負面非預期盈餘將不利於公司募集資金；不過Bradshaw, Richardson, Sloan (2006) 卻發現分析師預測融資活動公司之時太過於樂觀。假若盈餘預測持續處於 過度樂觀，最後是不可能成功MBE 的，管理階層有動機從事預期管理，設法讓分析師 調降盈餘預測。因此，分析師對融資活動公司發布的盈餘預測是否是過度樂觀然後逐漸 悲觀？本節將研究融資活動對預期管理造成之影響。首先同樣利用迴歸模型(6)檢定 MBE 公司若同時進行外部融資，市場給予之 MBE 報酬是否有增加、減少或不變？在所 有MBE 的觀察值中(非預期盈餘大於或等於零)，若是融資活動相關變數(ΔXFIN、ΔDEBT 和ΔEQUITY)大於 0，則令 SUBMETi,t的值等於1。由於融資活動相關變數共有三個，
此階段迴歸模型(6)共將執行 3 次。同樣地，藉由觀察係數 β5的正負，便可清楚MBE 公 司若同時進行外部融資，市場給予之報酬的變化。
然而，我們更有興趣的是融資活動公司是否更有誘因去進行預期管理。如同
Richardson et al. (2004) 和 Teoh et al. (2009) 所提出的結果，若公司盈餘不如市場預期，
將會對股價造成負面影響，不利於進行融資活動的公司。不過Bradshaw, Richardson, Sloan (2006) 卻發現分析師預測融資活動公司之時太過於樂觀，若是如此公司最後順利 達成市場預期的可能性便降低。在此我們結合三種檢測方法(預期路徑/修正路徑屬於 OP 之觀察值、虛擬變數SWITCH 等於 1、虛擬變數 DOWN=1)與三個融資活動相關變數 (ΔXFIN、ΔDEBT 和 ΔEQUITY)，使用 Richardson et al. (2004) 一文中提出的 Logit 迴歸 模型(7)來檢定此問題：
i MV PB LOSS FINVAR
EM , 01 , 2 , 3 , 4 , , (7) 0(代表融資活動淨現金流入)和小於等於0的樣本，結果支持Bradshaw, Richardson, Sloan (2006)的結論，分析師給予融資活動公司的盈餘預測都更加樂觀，並且是從期初至期末
持續的樂觀15。不但沒有由樂觀變為悲觀，過度樂觀的程度也未明顯變小，更無法觀察 出有逐漸隨著盈餘宣告日的接近而悲觀的現象。我們也探討不同融資工具是否會造成預 測誤差之差異，同樣藉由圖4比較藉由ΔEQUITY與ΔDEBT的正負分組後，預測誤差之走 勢。結果發現，權益融資公司之預測誤差較其他未進行權益融資的公司時而樂觀，時而 悲觀，變化程度大；但是以負債融資的公司之盈餘預測從第-12月至第-2月都較其他未進 行負債融通的公司樂觀，這證明ΔXFIN大於0的公司盈餘預測較樂觀的情形主要是來自 ΔDEBT。這結果和Bradshaw, Richardson, Sloan (2006)相同，因為我們使用的盈餘預測是 當年的盈餘預測，屬於短期的預測。對於發行股票的公司，分析師會過於樂觀的項目是 長期的盈餘成長和目標價格；當年的盈餘預測並沒有明顯的差別。
接下來，表13呈現迴歸模型(6)用來檢查市場給予MBE的融資活動公司的報酬是否 不相同。迴歸模型(6.g)中若MBE觀察值之ΔXFIN大於0，則SUBMBE等於1，共3578筆。
(6.h)中若MBE觀察值之ΔDEBT大於0，則SUBMBE等於1，共5306筆。(6.i)中如果MBE 觀察值之ΔEQUITY大於0，則SUBMBE等於1，共537筆。我們可以發現所有模型的 SUBMBE係數不但沒有大於0，反而顯著為負，表示融資活動公司MBE的報酬率顯著的 少於未進行融資活動的MBE公司。其中以權益融資的MBE公司最為嚴重，減少的幅度 已經侵蝕MBE公司擁有的基本報酬。
表14回報Logit迴歸模型(7)的結果，應變數是三種檢測預期管理之虛擬變數(OP、
SWITCH、DOWN)，FINVAR分別是ΔXFIN、ΔDEBT與ΔEQUITY16。因為表13的發現，
我們預期融資活動公司，尤其是權益融資的公司不會更頻繁去進行預期管理，該推測在 表14中被證實：不論我們使用的自變數為何，ΔXFIN和ΔEQUITY的係數都是顯著小於 0，支持融資活動公司不會更頻繁去進行預期管理。並且可以發現當應變數為OP或 SWITCH的情況下，ΔXFIN和ΔEQUITY的係數大小類似，ΔEQUITY的係數更達到-13.53 與-15.08，代表權益融資(現金增資、賣庫藏股)的公司更不願意去從事預期管理，或許和 其MBE報酬的減少有關。
不過，或許是因檢測預期管理方法的不同，ΔDEBT的係數在不同應變數之下正負不 同，因此尚無法斷定以負債融資的公司是否更有動機從事預期管理。不過，配合表13的 結果可以發現，若MBE公司以舉債來獲取外部資金，其MBE的報酬減少的幅度較少，
而且並沒有嚴重侵蝕MBE可獲得的基本報酬。相較於權益融資的公司，負債融資的公司 確實較有意願和誘因從事預期管理的行為17，本文推測，這可能與公司必須滿足和債權 人議定好的條款有關，公司盈餘必須保持在一定的水準之上，債權人也較注重績效的穩 健度，低於預期的盈餘可能使債權人對公司營運狀況出現疑慮。
15 若使用公司財報中實際的融資活動現金(CFF)繪圖，也可發現同樣的情形：CFF 大於 0 的樣本從期初至 期末都較CFF 小於等於 0 的樣本樂觀。
16 為了節省篇幅，我們直接回報加入資訊揭露評鑑分數(INF)變數後執行之結果，未使用 INF 變數所得到 的結論完全一致，而加入INF 後，pseudo R2稍微增加。
17 若我們把應變數(EM)等於 1 的條件改為必須三種方法都判定為疑似預期管理的樣本，ΔDEBT 的係數將 為負數，不過不顯著，故此部分尚未有明確結論。此部分結果也與表11 互相呼應。
圖 4 每月預測誤差走勢圖- 依融資活動變數正負分類
-4.50%
-4.00%
-3.50%
-3.00%
-2.50%
-2.00%
-1.50%
-1.00%
-0.50%
0.00%
-12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1
Month
Forecast error
ΔXFIN >0 ΔXFIN <=0 ΔEQUITY >0 ΔEQUITY <=0 ΔDEBT >0 ΔDEBT <=0
註：本圖畫出依照融資活動變數之正負分組的每月預測誤差走勢圖。橫軸為距離盈餘宣告日之剩餘 月份，如-1 代表距離盈餘宣告日 30 天內，以此類推；縱軸為經過期初股價平減後的每月預測誤差 (MERROR)。ΔDEBT 為淨負債融資變數，計算方法為：加總發行公司債、償還公司債和長短期債款 的新增和償還之現金流量後，除以公司總資產，並且限制最大值為1，最小值為-1；ΔEQUITY 為淨 權益融資變數，計算方法為加總現金增資、庫藏股買賣和發放股利之現金流量後，除以公司總資產，
並且限制最大值為1，最小值為-1。淨外部融資變數(ΔXFIN) = ΔDEBT + ΔEQUITY。若融資活動變 數大於零，表示公司有融資活動之淨現金流入，以實心點繪製；小於零則為淨現金流出，在圖中為 空心點。本圖發現分析師給予融資活動公司更加樂觀的盈餘預測，並且是從期初至期末持續的樂觀。
權益融資公司之預測誤差較其他未進行權益融資的公司時而樂觀，時而悲觀，變化程度大；但是以 負債融資的公司之盈餘預測從第-12 月至第-2 月都較其他未進行負債融通的公司樂觀，這證明 ΔXFIN 大於0 的公司盈餘預測較樂觀的情形主要是來自 ΔDEBT。這結果和 Bradshaw, Richardson, Sloan (2006)相同，因為我們使用的盈餘預測是當年的盈餘預測，屬於短期的預測。
表 14 迴歸模型(6)之結果- 融資活動
本表列出迴歸模型(6)的結果。CAR是累積異常報酬，由每一個預測年度分析師對 公司發布首份報告之報告發布日的後二個交易日開始累積，累積至該預測年度之 盈餘宣告日的後一個交易日。SURP為真實盈餘減去分析師最新的盈餘預測後，再 除以期初股價得到之非預期盈餘；ERROR為真實盈餘減去分析師最初的盈餘預測 後，再除以期初股價得到之預測誤差；MBE為一虛擬變數，若SURP>=0則令其值 為1；DSMALLSURP為一虛擬變數，若SURP之絕對值小於0.02%，則令其值為1。
SUBMBE為一虛擬變數，若MBE公司符合特定條件，則令其值為1。模型(6.g)中若 ΔXFIN >0則SUBMBE =1，模型(6.h)中若ΔDEBT >0則SUBMBE =1，模型(6.i)中若 ΔEQUITY >0則SUBMBE =1。ΔDEBT為淨負債融資變數、ΔEQUITY為淨權益融 資變數，淨外部融資變數(ΔXFIN) = ΔDEBT + ΔEQUITY。若ΔXFIN大於零，表示 公司有融資活動之淨現金流入；小於零則為淨現金流出。t值的計算考慮clustering 的問題，使用Rogers standard error做為標準誤。
(6.g) (6.h) (6.i)
CAR CAR CAR
ERROR -0.742** -0.739** -0.730**
(-2.18) (-2.18) (-2.17)
SURP 0.433* 0.419* 0.405*
(1.82) (1.76) (1.71)
MBE 0.120*** 0.110*** 0.0958***
(5.87) (5.50) (5.16)
DSMALLSURP 0.00144 0.00663 0.00200
(0.06) (0.27) (0.08)
SUBMBE (6.g) -0.100***
(-5.44) SUBMBE (6.h) -0.0477***
(-3.55)
SUBMBE (6.i) -0.200***
(-5.90)
Constant 1.171*** 1.171*** 1.171***
(62.43) (62.19) (62.21)
Observations 19556 19556 19556
R2 0.051 0.047 0.050
Adjusted R2 0.051 0.047 0.050
F 43.51 30.62 31.20
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01
表 15 Logit 迴歸模型(7)之結果
本表列出Logit迴歸模型(7)結果。自變數(EM)分別是虛擬變數OP、SWITCH與DOWN：若樣本經方法一檢查後修正路徑屬於OP，則令其 值為1；若樣本經方法二檢查後，發現同一預測年度中第 -12月的預測誤差為負數，但第 -1月的預測誤差為正數，則令其值為1；若樣 本經方法三檢查後，發現分析師平均的盈餘預測低於預期，則令其值為1。MV為公司市值取自然對數；PB為公司市價淨值比；LOSS為 一虛擬變數，若EPS <0則令其值為1；MONTH是距離盈餘宣告日前的第幾個月，範圍由-12至-1；INF是證基會公布的「資訊透明度評鑑 分數」，做為公司資訊的透明度之指標，範圍由1至5。FINVAR分別是ΔXFIN、ΔDEBT與ΔEQUITY：ΔDEBT為淨負債融資變數，計算 方法為：加總發行公司債、償還公司債和長短期債款的新增和償還之現金流量後，除以公司總資產，並且限制最大值為1，最小值為-1；
ΔEQUITY為淨權益融資變數，計算方法為加總現金增資、庫藏股買賣和發放股利之現金流量後，除以公司總資產，再限制最大值為1，
最小值為-1。淨外部融資變數(ΔXFIN) = ΔDEBT + ΔEQUITY。t值的計算考慮clustering的問題，使用Rogers standard error做為標準誤。
MV PB LOSS INF ΔXFIN ΔDEBT ΔEQUITY Constant Observations Pseudo R2 0.0613** -0.177*** -0.371*** -0.0145 -4.538*** -2.192***
OP (1.98) (-7.82) (-2.83) (-0.55) (-10.48) (-2.81) 18881 3.76 % 0.0204 -0.304*** -3.041*** -0.0585* -4.416*** -0.728
SWITCH
(0.63) (-11.59) (-5.24) (-1.89) (-9.86) (-0.94) 13725 6.75 % 0.164*** -0.131*** -1.183*** -0.225*** -1.985*** -3.320***
DOWN
(7.72) (-16.37) (-7.91) (-9.65) (-9.11) (-6.35) 18365 3.05 % 0.0826*** -0.117*** -0.608*** 0.0617*** 1.754*** -2.963***
OP (2.66) (-5.80) (-4.61) (2.63) (4.69) (-3.85) 18881 1.31 % 0.0539 -0.236*** -3.298*** 0.0170 3.258*** -1.889**
SWITCH
(1.40) (-10.02) (-5.68) (0.57) (6.09) (-2.07) 13725 4.93 %
表 14 Logit 迴歸模型(7)之結果(續)
MV PB LOSS INF ΔXFIN ΔDEBT ΔEQUITY Constant Observations Pseudo R2 0.172*** -0.114*** -1.257*** -0.213*** -3.203*** -3.466***
DOWN
(8.23) (-13.96) (-8.37) (-8.81) (-9.99) (-6.83) 18365 3.21 % 0.0337 -0.285*** -0.0270 -0.0708*** -13.53*** -1.720*
OP (0.89) (-9.16) (-0.20) (-2.71) (-15.94) (-1.83) 18881 10.24 % -0.0128 -0.454*** -2.661*** -0.126*** -15.07*** -0.129
SWITCH
(-0.36) (-12.32) (-4.61) (-4.06) (-23.15) (-0.15) 13725 15.33 % 0.168*** -0.118*** -1.246*** -0.200*** -0.939** -3.509***
DOWN
(7.85) (-15.02) (-8.28) (-8.86) (-2.44) (-6.62) 18365 2.55 %
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01
五、結論
預期管理起因於公司在盈餘宣告日公開的真實盈餘若不及市場預期(分析師盈餘預 測)，股價會因此大跌，管理階層為了避免這種情況發生，會採取引導分析師調降盈餘 預測的手段控制盈餘預測在可被達成的水準。由於分析師預測在台灣市場日益受到關 注，也日漸成熟，本文探討美國華爾街發生的預期管理現象是否存在於台灣市場。本文 從 First Call 資料庫收集2006年至2011年間發布，受評公司為台灣上市公司的原始分析
預期管理起因於公司在盈餘宣告日公開的真實盈餘若不及市場預期(分析師盈餘預 測)，股價會因此大跌，管理階層為了避免這種情況發生，會採取引導分析師調降盈餘 預測的手段控制盈餘預測在可被達成的水準。由於分析師預測在台灣市場日益受到關 注，也日漸成熟，本文探討美國華爾街發生的預期管理現象是否存在於台灣市場。本文 從 First Call 資料庫收集2006年至2011年間發布，受評公司為台灣上市公司的原始分析