我国证券市场开放以来,分析师作为投资者与上市公司的信息中介发挥着重要作用。然而,分析师预测存在普遍的乐观性偏差,以及分析师预测偏差导致的股票崩盘风险是学术界对分析师作用质疑的论点。归结分析师预测偏差产生的主要原因是激励失当和宏观因素变动的影响,前人结合企业财务指标在分析师激励失当的角度进行大量的研究,但是过去较少研究基于宏观因素影响的视角研究分析师预测偏差和未来收益的相关问题。本文基于2010-2019年上市公司数据,使用So(2013)提出的企业特征方法,结合格兰杰因果筛选的宏观变量研究分析师预测偏差和未来收益问题。相比传统方法而言,企业特征方法可以绕开不可观测指标误差的问题,进一步研究宏观因素修正对分析师预测修正和传导过程的影响。本文结论主要包括以下三个方面:首先,宏观因素修正后的分析师预测偏差降低,投资者对分析师报告的依赖性更强。其次,特征方法在分析师预测修正过程中对预测目标价格的修正有显著作用,但不影响分析师评级的修正。在限定小规模、低账面市场比和低超额盈利的分样本中,宏观因素的修正能促进分析师预测目标价格和评级的修正。最后,五分位高低差策略的收益方面,中国市场对策略的依赖性较低,总体收益远高于市场平均水平。进一步考虑不同企业特征变量发现,宏观因素修正能够一定程度提升小规模、低账面市场比、低绝对增长率的样本的收益。其余的高分位样本获得较高的收益,符合基本面价值投资的规律。在政府监管层面,考虑宏观经济的影响对分析师预测的修正作用以及借助宏观因素修正后的特征方法,能够更准确把握对股票市场的调节政策,降低由投资者对分析师过度依赖产生的风险,提高资本市场资源配置的效率。