El propósito de este documento es evaluar el impacto de la ambigüedad en los incentivos de las previsiones de los analistas financieros y los rendimientos anormales de las acciones asociados. Presento un modelo que incorpora la aversión a la ambigüedad en un modelo de árbol de Lucas de dos períodos. El modelo resultante confirma el papel de la ambigüedad en la determinación de los rendimientos de los activos. En particular, el modelo con aversión a la ambigüedad genera un precio más bajo y una tasa de rendimiento requerida más alta en comparación con el modelo clásico sin preocupación por la ambigüedad. Construyo una medida de ambigüedad y proporciono evidencia empírica que muestra que el incentivo de los analistas para tergiversar información es una función de la ambigüedad. Los analistas son más propensos a sesgar sus previsiones cuando es más difícil para los inversores detectar su tergiversación. Bajo ambigüedad, las previsiones optimistas de los analistas para buenas/malas noticias tienden a deteriorarse. Además, los rendimientos de las acciones están positivamente relacionados con la ambigüedad. Bajo ambigüedad, ni las buenas ni las malas noticias son creíbles. Los inversores reaccionan sistemáticamente de manera insuficiente a las previsiones de buenas noticias y reaccionan en exceso a las previsiones de malas noticias cuando existe ambigüedad.