万荣县

注册

 

发新话题 回复该主题

文献研习82金融分析师职业中的性别与 [复制链接]

1#
北京治疗白癜风去哪个医院好 https://wapyyk.39.net/hospital/89ac7_labs.html

供稿:于芝麦审核:孙洪锋编辑:朱玲建

年第6期(总第期)

仅作为学术交流用途

版权归原作者和原发刊所有

转载请注明出处

论文标题:Genderandbeautyinthefinancialanalystprofession:evidencefromtheUnitedStatesandChina

中文标题:金融分析师职业中的性别与美貌:来自美国和中国的证据

论文作者:CongcongLi,An-PingLin,HaiLu,KevinVeenstra

期刊来源:ReviewofAccountingStudies

摘要

本文研究了性别和美貌如何影响美国和中国金融分析师被选为全明星分析师的可能性。我们发现,在美国,女性分析师更有可能被选为全明星分析师,而样貌好的美国女性分析师较小可能被选为全明星分析师。然而在中国,女性分析师被选为全明星分析师的可能性较小,但这种可能性会随着她们面部吸引力而增加,暗示了美国女性分析师的美貌惩罚和中国女性分析师的性别歧视,该性别歧视和美貌偏见可能根植于文化和法律环境中。

一、引言

本文研究了美国和中国金融行业的性别歧视和美貌偏见,检验成为明星分析师的可能性是否受到分析师性别和美貌的影响。中美两国有着显著不同的法律*策和文化。在美国20世纪60年代联邦民权法通过之后,公开形式的歧视均属违法,如在招聘广告强调性别或外貌。然而在中国,这些形式的歧视和偏见很常见。这种文化和立法上的不同让人质疑美国和中国劳动力市场上的性别和美貌偏见是否存在差异。因此,本文检验了性别、美貌以及性别和美貌交互作用对评选为全明星分析师的影响。

本文贡献体现在:首先,它提供了金融行业性别歧视的国际证据。其次,扩展了关于美貌溢价的知识。最后,推进了我们对美貌在两个不同国家性别歧视中作用的理解。

二、研究背景与假设提出

1、全明星分析师投票

在美国,《机构投资者》杂志每年都会调查大量的买方基金经理,请他们投票给全明星卖方分析师。投票只对一个专有数据库开放,该数据库包括全球顶级养老基金和对冲基金的基金经理。该杂志不接受全明星分析师提名,它允许基金经理投票支持任何在调查期间发表投资研究报告并将研究报告分发给客户的卖方参与者,投票结果完全由分数决定。对于每个机构投资者而言,每位金融分析师的最终得分是通过将投票人的权益资产、固定收益资产或两者加权得出的。投票结果是卖方分析师薪酬和职业发展机会的强大决定因素。

《新财富》杂志从年起就开始对中国金融分析师进行年度全明星分析师排名。该杂志每年10月向中国的买方基金经理发送选票,并征集他们基于每个行业领域顶级分析师的研究和服务质量进行的投票。买方公司包括共同基金、养老基金、保险公司、银行、私人股本和外国投资基金(QFII)。最终排名是加权投票的总和,整个过程和结果由德勤事务所审计。投票结果是中国分析师薪酬和职业轨迹的重要决定因素。

美国和中国的全明星分析师排名为检验金融行业是否存在性别歧视和美貌偏见提供了一个理想的环境。由于买方分析师需依靠卖方分析师的表现和技能来分析行业和公司,因此会重视全明星分析师排名,据此可以相信排名过程的完整性。

2、劳动力市场的性别歧视

在20世纪60年代联邦民权立法通过之前,公开的性别歧视形式在美国很常见,如在职位招聘中强调某一特定性别(DarityandMason,;Kuhn和Shen)。年的《民权法案》及其后的相关立法禁止这些公开形式的性别歧视。然而,在美国社会中,性别歧视仍然以更为微妙的形式存在着。例如,Altonji和Blank()的文件指出,美国公司支付给男性员工的工资高于同等的女性员工,与美国男性同行相比,女性财务顾问更容易失业,找到新工作的可能性更小(Eganetal.,)。但也有研究表明,美国女性分析师的职业发展机会并不比男性分析师差。如Kumar()认为,美国女性分析师实际上更有可能跳槽到地位较高的经纪公司,获得更好的职业发展,因为女性分析师的自我选择比男性同行拥有更强的技能。

相比之下,公开的性别歧视在中国仍很常见。Kuhn和Shen()发现,超过三分之一的中国公司在寻找受过高等教育的城市员工时,都在网上发布了一个性别偏好的招聘信息。当工作技能要求提高时,这些公开形式的性别歧视就会减少。根据欧洲工商管理学院(INSEAD,)的调查,86%的受访者认为性别歧视在亚洲公司仍然普遍存在。隐性的性别歧视在中国也存在,如总部位于性别歧视程度较高地区的公司聘用的女性高管更少,这些女性高管比男性高管获得的薪酬更低,更容易被解雇(Gaoetal.,)。

本文预测,在美国性别不会影响分析师被选为全明星的可能性,但在中国会有影响。据此提出第一个零假设:

H1:在美国或中国,性别并不影响被选为全明星分析师的可能性。

3、劳动力市场的美貌溢价

自联邦民权法案通过以来,美国雇主不得在招聘广告中陈述他们对外貌的偏好,但劳动力市场仍存在美貌溢价现象。长得好看的律师比长相差的同行赚得更多(Biddleetal.,),长得好看的CEO与他们职位公布的更高回报以及收购方在收购公告上更好的回报相关(HalfordandHsu,)。

在中国,招聘广告强调某一特定的外貌很常见。根据人权观察年报告,一些招聘信息要求女性申请者具有与工作职责无关的身高、体重、声音和容貌等生理特征。有研究发现,中国的美貌溢价最高(LiuandSierminska,)。

本文预测在美国和中国,美貌会增加分析师被选为全明星的可能性。据此提出第二个零假设:

H2:在美国或中国,美貌并不影响被选为全明星分析师的可能性。

4、性别和美貌在劳动力市场的相互影响

美貌不一定总能让员工受益。同性评价者对有吸引力候选人的评价往往低于没有吸引力的候选人(Agtheetal.,)。然而Andreonietal.,()发现美貌对男性和女性受试者有不同的影响。

在中国背景下,Kuhn和Shen()发现许多中国公司在他们的网络招聘信息中对年龄、身高和美貌有明确的要求,这些对吸引力的要求与对女性求职者的明确要求高度相关。又如美貌增加了中国上海女性的薪酬(Hamermeshetal.,)。据此提出第三个零假设:

H3:在美国和中国,美貌对性别和被选为全明星分析师的可能性之间的关系没有不同的影响。

三、样本选择和美貌衡量

1、样本选择

本文使用美国和中国分析师样本来检验假设。美国样本筛选过程见Table1PanelA。首先从汤森路透机构经纪人评估系统(I/B/E/S)推荐文件中检索分析师的姓名,从他们的LinkedIn简介中收集性别信息和照片,然后保留有高质量照片的分析师用于评级过程。最终样本包含个美国分析师年度观测值,代表个不同的分析师。全明星排名数据来自《机构投资者》杂志。

中国样本筛选过程见Table1PanelB。从年在中国明星分析师投票中注册了的名候选人开始。《新财富》杂志专门为我们提供了这些候选人的姓名和照片(全明星投票时使用的真实照片)。在排除了与该分析师合影有关的观察数据,并满足类似于美国分析师样本的数据限制后,最终样本包含个中国分析师年度观测值,代表年至年期间名独特分析师。

2、美貌的衡量

分析师美貌的衡量是基于分析师被人类评价者感知到的面部吸引力。每一张分析师照片都在两个互补的维度上进行评级1)定量—从1到;(2)定性—低于平均水平、平均水平、有吸引力和非常有吸引力。

分析师美貌的评级来自众包互联网市场—亚马逊人工智能服务(MTurk)。平均每一张分析师照片由10名MTurk员工从定量和定性两方面进行打分。使用随机数生成器为每个评分者选择照片使得每个照片的实际评分数略有变化。在排除评级质量不一致的评级人和剔除每个分析师最高和最低的评级之后,将分析师独立量化得分的平均值作为分析师美貌的衡量标准。

为了解决每个评分者不同的美貌基准给指标带来的噪音,主要分析中使用在个人评级者水平上进行均值调整的量化得分来代表分析师的美貌。除了MTurk评级,还获得了学生评级作为稳健性检验。学生主要包括来自北美一所主要研究型大学的名本科生和工商管理硕士(MBA)学生。

3、评价者的人口统计概况

MTurk评分者的平均年龄为36岁,其中57%为男性。64%的评分者是白种人,9%是非裔美国人,20%是亚裔。检验人口统计特征(年龄、性别和种族)对分析师美貌评分和分析师美貌均值调整量化得分的影响发现,评分者的年龄与分析师美貌的原始定量得分显著正相关,但其性别和种族没有显著影响。而这些人口统计学特征对均值调整量化得分都没有显著影响。说明均值调整的量化美貌度量是足够无偏的。

四、实证检验

1、H1检验:性别是否影响被评选为全明星分析师的可能性?

首先,使用如下OLS模型估计男性和女性分析师在盈利预测表现的差异,有利于区分分析师能力解释和性别歧视的解释。

其中,AFE是第t年跟踪公司的分析师平均相对盈余预测误差(即

分析师盈余预测?实际盈余

),Female是指标变量,女性分析师取值为1,否则取值为0,Age是分析师年龄,盈余预测范围(Horizon)是第t年所跟踪公司的分析师平均相对预测范围(即分析师盈余预测和公司实际盈余公告之间的天数),盈余预测频率(Freq)是第t年跟踪公司的分析师平均相对预测频率。跟踪公司数量(NFirm),跟踪行业数量(NInd),作为分析师的一般经验(GExp),分析师跟踪研究组合中公司的平均年数(FExp),经纪公司规模(BSize),平均公司规模(Size),被跟踪企业的平均市值账面比(MTB),第t年被分析师跟踪公司的平均资产收益率(ROA)。

为了检验H1,构建如下probit模型:

Star_Award表示全明星分析师奖项的地位,如果美国(中国)分析师在《机构投资者》(《新财富》)排名为前三名或亚军,则该指标变量设为1,否则为0。CAR为分析师荐股对股价的影响,用第t年分析师对跟踪公司荐股前后三天的异常累积股票收益均值来衡量。控制了行业年度固定效应,按经纪公司和年度进行聚类。

表2为实证分析中所用变量的描述性统计。在美国(中国)分析师样本中,9%(37%)的分析师被授予全明星地位,9%(24%)的分析师是女性。原始定量美貌测度的平均值为49.05(49.61)。图1表明,两个样本的女性分析师比例相对稳定。

表3报告了模型(1)的估计结果。在美国分析师样本中,Female系数不显著,表明美国女性分析师的表现并不比男性同行更好。在中国分析师样本中,Female系数显著为负,表明中国女性分析师的表现优于男性同行。

表4报告了估计模型(2)的结果。在美国分析师样本中,Female系数正显著,表明美国女性分析师比男性分析师更有可能被选为全明星分析师。第1列Female的边际效应表明,女性被选为明星分析师的概率高出1.0%,约为样本均值的11%。而在中国分析师样本中,Female系数显著为负,说明中国女性分析师在全明星分析师投票中受到歧视。第2列Female的边际效应表明,女性被选为明星分析师的概率低3.3%,大约是样本均值的9%。总之,中国女性分析师在全明星分析师投票中面临明显的歧视,而在美国则相反。

2、H2检验:美貌是否影响被评选为全明星分析师的可能性?

(1)美貌指标的描述性统计

表5PanelA报告了基于MTurk或学生评级的原始定量美貌得分的描述性统计。在美国和中国分析师样本中,MTurk评级的均值和中位数大约是50。而学生评分向下有偏,美国(中国)分析师样本的原始平均分约为44(41)。由于MTurk评级更有代表性,故只报告基于MTurk评级的结果。

表5TableB按性别和全明星分析师奖的地位报告了原始定量美貌得分、年龄和一般经验的描述性统计。按性别分类时,女性被认为比男性分析师更漂亮。美国(中国)男性和女性分析师的平均美貌得分分别为47.94和59.93(45.53和62.33)。按获奖情况分类时,中国明星分析师与非明星分析师的原始量化美貌得分存在显著差异,而美国分析师不存在显著差异。

为进一步探究女性分析师是否会选择特定行业去跟踪。表5PanelC报告了女性分析师覆盖率最高的行业。结果表明,券商确实倾向于指派女性分析师负责某些行业。基于《机构投资者》定义的行业,美国分析师样本中女性分析师覆盖率最高的行业是(1)食品、饮料、家庭和个人护理产品;(2)零售/百货商店和专业软线;(3)零售/食品和药品连锁店。根据《新财富》定义的行业,女性分析师覆盖率最高的行业是(1)纺织服装和服装,(2)服务(酒店、餐厅、休闲),以及(3)造纸和纸制品。两国女性分析师人数显著重合的行业包括服装和服务业。

(2)回归模型及检验结果

首先为检验分析师美貌在盈利预测表现的差异,构建如下OLS模型。

其中,Beauty是分析师的面部吸引力,用均值调整量化得分的平均值来度量。其他变量定义同前。

为检验H2,构建如下probit模型:

其中,Beauty是我们的

分享 转发
TOP
发新话题 回复该主题