为了正常的体验网站,请在浏览器设置里面开启Javascript功能!
首页 > 投资分析师基于分析师投资评级的证券组合构建策略

投资分析师基于分析师投资评级的证券组合构建策略

2017-10-25 33页 doc 71KB 41阅读

用户头像

is_044822

暂无简介

举报
投资分析师基于分析师投资评级的证券组合构建策略投资分析师基于分析师投资评级的证券组合构建策略 基于分析师投资评级的证券组合构建策略 类 别:投资策略类 课题研究人:郤峰 选送单位:海通证券股份有限公司 基于分析师投资评级的证券组合构建策略 内容提要 分析师通过公开或内部渠道收集信息~分析企业历史经营业绩和当前经营成果~对企业未来发展前景进行预测~然后做出买入、持有和卖出等投资评级~分析师的存在为证券市场信息沟通起到了重要作用。中国证券市场是新兴加转轨的市场~与国外成熟证券市场相比~投资者获取有效信息和正确解读信息的成本更高。然而目前国内对分析师的作用还存在争...
投资分析师基于分析师投资评级的证券组合构建策略
投资分析师基于分析师投资评级的证券组合构建策略 基于分析师投资评级的证券组合构建策略 类 别:投资策略类 课题研究人:郤峰 选送单位:海通证券股份有限公司 基于分析师投资评级的证券组合构建策略 内容提要 分析师通过公开或内部渠道收集信息~分析企业历史经营业绩和当前经营成果~对企业未来发展前景进行预测~然后做出买入、持有和卖出等投资评级~分析师的存在为证券市场信息沟通起到了重要作用。中国证券市场是新兴加转轨的市场~与国外成熟证券市场相比~投资者获取有效信息和正确解读信息的成本更高。然而目前国内对分析师的作用还存在争议~没有达成统一认识~因此本文主要研究两个问题:分析师的研究和推荐有价值吗,投资者如何有效地解读并利用信息实现价值, 这两个问题直接关系到有效市场假说和行为金融学之间的论争~影响着我们对市场机制、价格形成机制等问题的认识,同时~它影响着证券市场的重要参与者——投资者~是否有效利用信息选择证券组合~因而~本文研究具有重要的理论和现实意义。 本文首先研究了基于分析师投资评级的投资策略~通过实证研究发现:股票收益与分析师投资评级正相关~但是按照分析师投资评级五组分类的组合收益并没有单调关系~预示着分析师的投资评级并没有包含所有能够预测股票未来收益的信息,基于分析师投资评级构建的赢者组合3月期和6月期超额收益仅有1.42%和2.63%~表明买入分析师一致看好的股票后期收益并不高~在扣除交易成本,交易佣金和市场冲击成本,后~机构投资者在实际中使用该策略无利可图。 其次~本文构建了一个基本指标综合得分,Qscore,来反映公司 相关的九个基本变量对股票未来收益的总体预测能力~并研究了基于Qscore的投资策略~通过实证研究发现:在分析师跟踪研究的样本公司中~按照Qscore构建的赢者组合未来3月期和6月期的超额收益分别为7.77%和13.67%。 然后~本文基于分析师投资评级和上市公司基本指标综合得分构建了二元投资策略~该策略的表现要好于前两种单一策略~赢者组合未来3月期和6月期的超额收益分别高达10.95%和18.24%~同时Jensen-α评级指数表明基于该二元投资策略的机构投资者可以在市场排名中取得优势。 因此~本文研究表明分析师确实能为投资者挑选出值得投资的基本面良好的公司~分析师的研究报告为投资者挖掘了大量上市公司的信息~但是分析师的投资评级的边际价值并不高~未来分析师可以通过更多关注上市公司基本变量与股票收益率的关系来提高股票投资评级有效性。本文研究还表明券商基本面分析师和使用量化技术的投资机构都能从互相学习中获益:一方面~如果分析师的目标是让投资评级对未来投资收益有更好的预测能力~他应该更偏好高价格收益动量效应、低换手率、高EP、高BP、高CP、高市值、高资本性支出的股票,另一方面~使用量化策略的投资者在结合分析师综合评级的基础上会制定更好的股票选择策略。最后需要指出~在实际环境中投资是一个复杂的学习决策过程~而非一个机械过程~理性的模型式的决策方法需要结合一定的实际经验才能发挥最大效用。因此~建议机构投资者用“模型,经验”模式使用本文的辅助性二元投资策略。 目录 1.研究目的 ........................................................................................................................ 2 2.文献综述 ........................................................................................................................ 3 2.1 分析师投资评级与未来股票收益率的关系................................. 3 2.2 具有预测能力的基本指标研究 ........................................................... 5 3.研究设计与样本描述 ............................................................................................. 9 3.1 研究设计 ........................................................................................................... 9 3.2 投资组合构建过程 ...................................................................................... 9 3.3 样本描述 ......................................................................................................... 11 4.实证结果分析 ........................................................................................................... 13 4.1 分析师投资评级与股票未来收益关系 ......................................... 13 4.2 上市公司基本指标预测能力 .............................................................. 14 4.3 结合分析师评级和基本指标综合得分的二元投资策略 .... 17 4.4 超额收益的金融学解释 ......................................................................... 19 5.结论与建议................................................................................................................. 20 6.参考文献 ...................................................................................................................... 23 附录一 基本指标计算方法 ................................................................................... 26 附录二 表6 基于投资评级和基本指标综合得分的未来收益 ....... 28 1 1.研究目的 2005年11月证监会公布《证券投资基金管理公司监察稽核报告内容与指引,试行,》~明文规定基金公司在投资管理过程中~要求基金公司必须先有行业研究员的研究结论~根据研究结论建立股票池~并以股票池的股票为投资标的。该指引无疑对行业研究员的研究报告价值做出了正面的肯定~然而~同月国内各大财经网站又纷纷转载分析师研究报告损害散户利益的报道。由此~我们引发出两个问题:分析师的研究和推荐有价值吗,投资者如何有效地解读并利用信息实现价值, 证券分析师具有描述性、批判性及股票估值三种功能~也就是证券分析师通过对上市公司信息的整理和分析~向机构和个人投资者提供买卖股票的建议~引导投资方向。行业分析师的工作过程是收集、评估关于上市公司未来收益的信息并最终撰写研究报告。他们的研究报告包括三个主要的内容:盈利预测、股票评级,如买入~卖出和持有,和目标价位~同时这些研究报告也包括大量定量和定性的支持性论据。证券分析师的主要价值在于降低证券市场的交易成本~加强资本市场信息沟通~大量以美国数据为基础的实证研究表明分析师可提供有价值的盈余预测信息~例如Brad Barber,2001,等人利用1986年至1995年期间数据~对投资者采纳分析师所提供的投资建议情况进行了实证研究~发现投资者在短时间内根据投资建议进行交易~可以获得超出市场平均水平的收益。 随着中国证券市场改革开放的不断深化~中国证券市场的环境、 2 理念、规则也已今非昔比~过去“股评家”们的所依据的游戏规则、赚钱模式和条件正逐渐消失。与国外成熟证券市场相比~中国证券市场是一个新兴加转轨的市场~投资者获取和解读公司信息的成本更高。尽管证券监管部门通过制定相关法律法规~强制企业必须提高信息透明度~然而随着资本市场的发展~企业信息日益复杂与专业~这使得投资者将越来越依赖于证券分析师的专业能力。 1本文主要关注在中国市场上机构投资者是否可以基于分析师研究报告中对上市公司的投资评级来构建投资组合获利,投资评级是否能够体现股票未来收益的所有信息,能否基于分析师投资评级结合其他投资策略获得更高收益, 2.文献综述 2.1 分析师投资评级与未来股票收益率的关系 2.1.1 国外相关研究 Fama,1991,指出~在一个有效的资本市场中~在理性、利益最大化的参与者之间竞争会促使有关价值的相关信息迅速并完全反映到价格中。然而~实证研究表明股票价格向价值的回归过程比早期经验研究结论的要慢~这就产生了对擅长价值发现的证券分析师的需求。Beaver,2002,认为大部分投资人缺乏时间、技巧、信息来源和解释财务报表能力~因此分析师的专业能力就可成为使会计信息反映到股票价格的主要方法之一~经由分析师有效率地处理处理信息有助 1 目前普通散户仍无法获得大量及时的分析师行业报告。 3 于提升股票价格的反应效率。 Womack,1996,运用事件研究法~针对分析师推荐的所有类型进行研究~其结果显示:事件日之前一天及事件日当天均有异常报酬~表示分析师推荐确实具有信息内涵。而分析师推荐购买的股票确实能产生较高的报酬率,Barber et al~2001,Imhoff and Lobo~1984,。 虽然大量的学者研究表明~根据分析师投资评级构建的组合可以获利~但同时也有学者的研究表明~投资评级仅能反映这种超额收益的一部分信息内涵。Lys~Sohn,1990,以1980-1986年23938个分析师预测修正为样本~探讨分析师盈余预测修正与股价的关联性~结果表明个别分析师预测修正可以反映部分而不是全部的信息~并且这些信息在预测发布日前就会反映在股价上。Jegadeesh et al.,2004,研究表明分析师的投资评级并不能完全刻画股票的未来收益~通过对公司相关特征变量的分析~能够构建组合策略获得更高的超额收益。 2.1.2 国内相关研究 自2002年以来~中国证券分析师的研究能否创造价值已成为学术界和实务界共同关注的话题~然而缺乏研究所需的数据~国内相关实证研究还很少。一些学者以定性分析和问卷调查为主的分析方法对证券分析师的信息需求、关注域、分析工具、信息解读能力以及影响因素等进行了研究,吴联生~2000,陆正飞~刘桂进~2002,胡奕明等~2003~2005,。 林翔,2000,~朱宝凯和王怡凯,2001,研究了报刊媒体上咨询 4 机构的荐股行为~认为证券咨询机构掌握一定的私有信息~但在栏目荐股的时候已经不是信息的首次扩散~短线投资组合有正的超额收益~但是中线的超额收益为负。林翔等人研究样本中咨询机构荐股与我们研究中的分析师投资评级有很大的不同~2002后~在境外投资者,QFII,带来新的研究风气影响下~分析师对上市公司的季度、半年、年度和长期盈利预测等报告开始格式化,单喆慜~2005,~分析师的投资评级是在财务预测的基础上结合未来股票走势与现在股价关系给出的~在做出结论前有大量的定性和定量分析论据。因此研究分析师投资评级对股票未来收益的影响将更有意义。 关于分析师投资评级能够产生超额收益的来源有两种解释:一个可能的原因是分析师的财务分析能力~分析师通过收集公司相关的公开或者私有信息能够判定公司的股价是处于高估或者低估的状态,另外一个可能的原因是分析师投资评级价值源自于与上市公司特征相关的具有预测未来收益能力的基本变量~分析师在制定投资评级时考虑了这些基本变量。在我国~分析师队伍发展的时间还比较短~大部分行业分析师出身于工科背景~不可避免地存在经验比较少~财务分析能力不够的情况,胡奕明等~2003,~因此本文也研究了分析师使用公司基本变量的信息来形成投资评级的程度以及使用投资评级和基本指标制定组合策略的有效性。 2.2 具有预测能力的基本指标研究 通过实证研究~很多学者发现股票的收益率与许多基本指标,交易指标、财务指标,相关~并在此基础上可以构造指导实际投资的策 5 略。本文研究基本指标对股票未来收益预测能力与以前学者侧重点不同~这里主要考虑构建一个基本指标综合得分,Qscore,体系~通过综合得分的形式来刻画大多数基本指标的预测能力~因此~我们主要从以前学者的研究中选择证实在中国市场上对股票未来收益有预测能力的基本指标。 2.2.1 动量指标和交易量(RETP1,RETP2,TURN) 第一个解释变量是基于股票最近交易活动的~Jegadeesh and Titman (1993)研究表明具有高价格动量的股票在未来12个月有更高的收益。周琳杰,2002,在研究动量投资策略时发现~使用过去1个月的股票收益构建的“赢者,输者”组合可以在未来的一个月持有期获得0.4%的超额收益。我们采用2个变量来度量股票的这种动量效应:将股票过去12个月的收益划分为2个六月期~第一个六月期超额收益率,RETP1,和第二个六月期超额收益率,RETP2,~指标的具体计算方法请参加附录一~以下同。 交易量与股票收益的联系非常紧密~Lee and Swaminathan (2000) 研究发现高交易量的股票展现一种魅力特征~在未来几个月的收益会降低~他们认为交易量是一个反向指标~高,低,交易量,TURN,的股票通常是被投资者高,低,估的股票。苏冬蔚~麦元勋,2004,研究发现中国市场存在流动性溢价~即用换手率度量的交易量与股票未来收益是负相关的~过去换手率比较频繁的股票~属于一种市场过度反应的现象~未来股价也将会走低。 6 2.2.2 价值指标(EP,BP,CP) 收益/价格比,EP,和账面价值/价格比,BP或BM,两个指标在价值投资策略中广泛使用。从Basu (1977)的研究开始~许多学术研究表明高EP公司的表现要超越低EP公司。刘志新、卢妲和黄昌利,2000,实证研究发现EP对未来收益具备预测能力~每股收益越高~股票未来收益率也越高。 Fama and French (1992)和其他研究者表明高BP公司的表现要超越低BP公司。陈信元、张田余和陈冬华,2001,~范龙振、王海涛,2003,~苏冬蔚、麦元勋,2004,的研究都表明BP与股票未来收益呈正相关关系。 在国内使用基于现金流量/价格比,CP,的各种投资策略都没有体现出明显的超额收益~王孝德、彭艳,2003,的价值投资策略表明~基于CP的价值组合和成长组合都和上证指数的表现非常接近~肖军~徐信忠,2004,基于CP构造的反转策略组合收益在不同持有期内波动比较大~在统计意义上也不显著。但在国内分析师跟踪上市公司运营情况时~现金流量是一个比较重要的指标~现金流量高~通常认为该公司经营比较稳健~分析师对该公司比较有信心~在进行投资推荐时往往持乐观态度。 2.2.3 成长性指标(SG) Lakonishok, Shleifer and Vishny (1994)研究表明在过去销售增长,SG,比较快的公司未来收益比较低~他们认为这种高销售增长率 7 的公司是价值被市场高估的魅力股。肖军~徐信忠,2004,在研究价值反转投资策略有效性时发现~投资SG比率比较低的公司股票未来收益要高于高SG比率的魅力股。 2.2.4 公司规模(SIZE) Banz (1981) and Reinganum (1981)研究表明小公司的股票收益率通常比大公司高。陈信元、张田余和陈冬华,2001,~范农振~王海涛,2003,~吴世农、许年行,2004,的研究发现我国证券市场存在明显的“小公司效应”~即收益率与公司规模之间存在反向变动关系。 2.2.5 资本性支出(CAPEX) Beneish, Lee and Tarpley (2001)的研究表明具有高资本支出的成长性公司的未来股票收益仍然会比较低~这种现象往往源于许多过去失败的案例~他们认为这类公司是处于一种过度扩展的过程中~在未来失败的几率比较大。因为与国外会计准则的差异~国内对资本性支出,CAPEX,指标研究很少~但是行业分析师对该指标比较重视~因为高资本性支出绩优公司的管理层通常被认为属于锐意进取型~未来收益要高于的低资本性支出的公司。因此这里也把CAPEX作为重要的方向指标~在缺乏国内实证结论条件下~暂且假设CAPEX与股票未来收益正相关。 8 3.研究设计与样本描述 3.1 研究设计 研究中所涉及交易数据和财务数据均来源于“天相投资分析系 2统”,使用的个股投资评级为综合评级~即一段时间内所有跟踪该公司的分析师平均评级~具体数据来源于“今日投资有限公司网站”~由于组合持有期交易数据的限制~本文选择的投资评级数据区间为2003年-2004年。 今日投资公司通过分析师交流平台收集了市场上大部分分析师 3研究报告~并对行业公司报告中的投资评级,一般有五类~强力买入~买入~持有~减持~卖出,都进行了化的数量处理~为了使综合得分符合习惯~我们在处理中将“强力买入”评级赋予最高分~并将综合得分划分为五级:4.5?强力买入?5,4?买入<4.5, 3.5?观望<4,3?适度减持<3.5,1.0?卖出<3。为了保证有一定的数量的投资评级及可计算相对应的财务、交易数据~本文中所涉及的投资评级发布时间范围为2003年1月到2004年12月~由于金融类股票财务指标和其他行业存在很大差异~本文研究中剔除了金融类投资评级样本。 3.2 投资组合构建过程 本文采用日历窗口的分析方法~按季度构建投资组合~因此共有八个季度的组合形成期。相关财务指标的计算采用组合形成期前滚动 2 Stickel(1995)和Womack(1996)的研究中使用的是单个分析师的评级,因为他们关注的重点是个体分析师投资评级改变后该公司价格的反应,因而从短时间内的事件窗口角度分析,但这种方式不适合实际机构投资者的操作(Barber et al, 2001)。 3 有的为三类评级,即买入、观望、卖出。 9 四个季度的季度指标和计算~按照证监会规定~上市公司的一季度报告和年报须在4月30前公布~半年报须在8月31前公布~三季度报告须在10月31前公布~因此~第一个季度和后三个季度组合形成期 4可获得的财务数据不同~因此在基本指标的计算周期上也有所区别~具体如图1所示。 3月持有期 组合形成期q 6月持有期 t-7 t-6 t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 交易指标retp1,retp2,turn,size计算周期(阴影部分) t-7 t-6 t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 组合期在第二、三、四季度时财务指标(EP、BP、CP、SG、CAPEX)计算周期(阴影部分) t-7 t-6 t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 组合期在第一季度时财务指标(EP、BP、CP、SG、CAPEX)计算周期(阴影部分) t-7 t-6 t-5 t-4 t-3 t-2 t-1 t t+1 t+2 t+3 图1 投资组合构造过程 在组合形成后~基于两方面原因确定组合持有期的长短:一~中国基金经理的任期较短~平均仅为一年~任职3,6个月就会进行考核~短期业绩对基金经理比较重要~并会实际影响投资决策,二~中国A股市场换手率较高~2003年平均换手率为244%~2004年平均换手率为325%~股票平均持有期在3~4个月左右。这两个原因也决定 4 组合期在一季度情况下,财务数据的计算要相隔2个季度,即每年一季度组合形成期只能保证获得去年三季度、二季度、一季度和上一年四季度的财务数据。 10 本文主要用动量策略来估计综合指标得分对股票未来收益的预测方向。个股和指数收益率计算方法如下~ ()PP,jtjt,,1, ,1, R,jtPjt,1, PP其中~是个股或者指数在月的收盘价~是个股或者指t,1jt,1,jt, t数在月的收盘价。组合形成期后~考察持有期为3个月和6个月的 n“买入并持有”超额收益率~股票在个月中买入,持有超额收益i 率具体计算方法如下~ nn,,,, ,2, BAHRR(1)1(1)1,,,,,,,,initmt,,,,,,11tt,,,, 5RtRt其中是股票在月的收益率~是基准指数在月的收益率。组合iitmt n若含有只股票~则等权平均下组合在个月中买入,持有超额Kpp 收益率为~ K1BAHBAH, ,3, ,pninK,1i 3.3 样本描述 很多学者和实务参与者都认识到中国证券市场缺乏大量优质公司是我国证券市场无法实现良性发展的原因之一~2003年以来~许多质地优良的大盘蓝筹股到海外上市~这造成众多机构投资手持巨资却总忧虑没有好股票可买。分析师以价值投资为导向~跟踪的大多数是行业内比较优秀的公司。表1列举了按季度划分的分析师跟踪调查的上市公司个数描述性统计~从2003年第一季度到2004年第四季度 5 本文基准指数为上证指数,2002年以来,深圳综合指数与上证指数联动性非常紧密,目前上证指数是分析师进行上市公司未来走势分析的主要参考基准。 11 跟踪的上市公司依次为31家、199家、83家、259家、162家、398 6家、365家和386家~平均每个季度关注235.38家~按2004年年底深沪A股市场共1373家上市公司计算~平均每个季度只有17.14%~但从2004年以后具备投资价值的上市公司数目呈上升趋势~这一现象说明我国上市公司质量正在改善中。 表1:数据样本分布统计 年份 季度 涉及公司数 百分比,%, 一季度 31 1.6 二季度 199 10.6 2003 三季度 83 4.4 四季度 259 13.8 一季度 162 8.6 二季度 398 21.1 2004 三季度 365 19.4 四季度 386 20.5 季度样本平均 235.38 国内证券市场不允许卖空~投资者无法通过卖空绩差股获利~因而分析师也缺乏动力关注这类股票~分析师跟踪调查的主要是行业内表现较好的绩优公司~分析师这种筛选过程大大降低了投资者的选择成本。分析师选择性投资评级行为在本文样本中得到了很好的体现~表2描述了分析师综合评级在八个季度的平均分布情况~从结果来看~分析师对其关注的上市公司大部分持乐观态度~平均每季度分析师只给16.5家“适度减持”和“卖出”的投资评级。有必要指出的是中国分析师这种乐观行为的根源和国外市场可能不一致~Lin and McNichols,1998,研究发现在美国市场上与未承担承销业务券商分析师相比~有业务关系的券商分析师对公司的股票有系统性乐观的趋势~我们认为在中国市场上分析师的乐观行为是由市场限制卖空 6 今日投资在2003年一季度和三季度收集到的有效分析师报告较少。 12 造成跟踪样本偏差引起的~不能简单归结为“利益驱动说”。 表2 分析师综合评级描述性统计 组别 组代码 公司数 均值 标准差 最小值 最大值 最高,强力买入 1.00 71.63 4.88 0.034 4.85 4.95 0.75 53.00 4.09 0.043 4.03 4.14 0.50 17.63 3.66 0.057 3.50 3.69 0.25 76.63 3.05 0.015 3.02 3.07 最低,卖出 0.00 16.50 1.81 0.321 1.41 2.24 4.实证结果分析 4.1 分析师投资评级与股票未来收益关系 分析师在选择基本面良好的公司后~第二步是运用分析工具对其所收集的信息进行分析~评估未来盈利与现在股价的关系~最终给出投资评级~因此考察不同评级组合在未来收益的差别可以在一定程度上了解分析师分析技能的高低。 表3列出了股票未来收益与投资评级的相关关系及不同组合在未来持有期间的超额收益率。栏目A报告了两种综合评级度量方法与股票未来3个月和6个月持有期的超额收益率~和我们预期一致~Spearman秩相关系数都为正值~表明随着投资评级的增高~股票未来超额收益也越高。栏目B报告了按综合评级分组的五类组合在未来 73月和6月持有期超额收益率~“强力买入”组未来3月期和6月期的超额收益率分别为1.42%和2.63%~“卖出”组未来3月期和6月期的超额收益率分别为-1.14%和-3.89%~因限制卖空所以不能按照“强力买入,卖出”策略获得三月期2.56%和六月期6.52%的超额收益~但该结果表明在中国市场上~分析师评级最高与最低的股票存在三月 7 本文组合收益的计算采用了等权法,罗洪浪,王浣尘(2004)在研究反向策略的赢利性时发现均值-标准差比率优化配置可以显著地提高反向策略的赢利。 13 期2.56%和六月期6.52%的错误定价,mispricing,。 另外~栏目B的结果表明~分组收益与分组评级得分并没有呈单 8调关系~综合评级得分最高组,强力买入,收益并不是最高~收益最高发生在中间组,综合评级得分3.50,3.96~详见表2,~分析师在制定投资评级时~并没有将影响股票未来收益的所有因素包含在内。因此~下文我们考察分析师可能忽略的因素对股票收益的影响。 表3 分析师评级与股票未来收益 栏目A:分析师评级与股票未来收益的Spearman秩相关检验 解释变量 连续变量 组间离散变量 BAH3 BAH6 BAH3 BAH6 综合评级 0.0884*** 0.1071*** 0.0900*** 0.1108*** 栏目B:五类组合3月和6月持有期超额收益率 BAH3 BAH6 组别 组代码 均值 中位数 均值 中位数 最好,强力买入 1.00 0.0142 0.0160 0.0263 0.0308 0.75 0.0176 0.0060 0.0259 0.0370 0.50 0.0416 0.0440 0.0415 0.0172 0.25 -0.0078 -0.0119 -0.0037 -0.0060 最差,卖出 0.00 -0.0114 -0.0163 -0.0389 -0.0818 强力买入,卖出 0.0256*** 0.0323*** 0.0652*** 0.1126*** 注:表中报告的相关系数及组合收益都为八个季度平均值~***表示在1%水平上显著~由于重复抽样~均值差异性检验使用Jegadeesh et al(2004)介绍的方法调整序列自相关性~中位数差异的显著性检验使用了Wilcoxon符号秩检验。 4.2 上市公司基本指标预测能力 本节主要研究分析师关注公司的基本指标及基本指标综合得分,Qscore,对未来收益的预测能力。在表4中报告了股票未来收益与本文所选预测指标的相关关系~有七个指标与股票3月期持有收益相关~八个指标与股票6月期持有收益相关。过去超额收益率,RETP1和RETP2,、收益/价格比,EP,、现金流量/价格比,CP,与股票未 8 Doukas et al(2005)的研究中发现市场对众多分析师跟踪的公司会发生过度反应,该公司股票未来的收益率会降低,本文推测市场对分析师一致看好的公司也会发生过度反应。 14 来收益呈正相关关系~体现了正向动量效应,过去的交易量与股票未来收益负相关~过去交易量越高~反映了市场过度反应行为~未来收益倾向于下跌,公司市值,SIZE,对股票未来收益的预测性与前文预期相反~在分析师最为关注的市场局部样本中不存在“小公司效应”~由于机构投资者扎堆大盘蓝筹股~大公司的未来走势要好于小公司。资本性支出,CAPEX,指标的预测方向与国外Beneish et al (2001)研究结果不同~在中国市场上投资者对高资本支出的上市公司抱有较高的期望~短期内走势要好于低资本支出的上市公司。另外~帐面价值/价格比,BP,与未来短期收益的关系比较微弱~仅与6月期持有收益正相关。 为了评估上述基本指标的综合预测能力~本文构建了量化的基本指标综合得分~首先将上述九个指标在每个季度内按可比价值排名~然后通过中位数比较~全部转化为0、1二元数字变量~综合得分即为这九个二元变量的加总。在二元转换过程中我们主要依照前人的研 9究结果来判断转换数值~RETP1、RETP2、EP、BP、CP、CAPEX指标的二元转换方式为:如果该指标大于横界面数据中位数~则等于1~否则等于0。TURN、SG、SIZE指标的二元转换方式为:如果该指标小于横界面数据的中位数~则等于1~否则等于0。 表4右边列中报告了股票未来收益与二元基本指标的相关系数~结果表明转换后的基本指标仍然对股票收益有着显著影响。在构造综合得分的过程中~我们只计算了九个基本指标二元值的简单加总~虽 9 如本文发现在分析师关注的股票中没有“小公司效应”,即大公司规模表现由于小公司,但我们仍然把公司规模(SIZE)小于中位数的设定为1,大于等于中位数的设为0。 15 然个别指标对股票未来的影响不明显,如销售增长率~SG,或者可能 10存在对指标赋予不同权重以加权和的方式更能刻画综合得分能力~但本文关注的重点不在于此~因此暂且都不考虑。 表4基本指标与股票未来收益 变量 连续相关系数 二元相关系数 BAH3 BAH6 定义方法 BAH3 BAH6 1,若大于中位RETP1 0.1341*** 0.2077*** 0.1307*** 0.1844*** 数,否则为0 1,若大于中位RETP2 0.1316*** 0.1693*** 0.1322*** 0.1449*** 数,否则为0 1,若小于中位TURN -0.0501** -0.0652*** 0.0295 0.0462** 数,否则为0 1,若大于中位EP 0.0926*** 0.1484*** 0.1348*** 0.1624*** 数,否则为0 1,若大于中位BP 0.0358 0.0397* 0.0579** 0.0507** 数,否则为0 1,若大于中位CP 0.0806*** 0.1111*** 0.0902*** 0.1045*** 数,否则为0 1,若小于中位SG 0.0064 -0.0223 -0.0022 0.0309 数,否则为0 1,若小于中位SIZE 0.0441* 0.1030*** -0.0759*** -0.1045*** 数,否则为0 1,若大于中位CAPEX 0.0532** 0.0863*** 0.0627*** 0.0869*** 数,否则为0 注:在每个季度计算股票未来收益与股票预测指标之间的Spearman秩相关系数~然后在表中报告了8个季度的平均值~使用Jegadeesh et al(2004)介绍的方法调整序列自相关性。***表示在1%臵信水平上显著~**表示在5%臵信水平上显著~*表示在10%臵信水平上显著。 表5中报告了基本指标综合得分与股票的未来收益关系。综合得分与股票未来3月期和6月期的超额收益率的相关系数分别是0.1359、0.1613~表明综合得分越高~股票的超额收益也越高。栏目B报告了基于不同综合得分分组的组合超额收益率~得分最高组3月期和6月期“买入并持有”超额收益分别为7.77%和13.67%~在扣除交易成本后~收益非常可观。通过对分析师关注的公司进行分组~我 10 白重恩等(2005)在构建中国上市公司治理结构G指标中,采用了主成分分析法。 16 们得到基于基本指标综合得分的套利组合“最高,最低”对应的3月期和6月期超额收益分别为9.11%和16.31%~而同时基于分析投资评级分组的套利组合“强力买入,卖出”对应的3月期和6月期超额收益分别为2.56%和6.52%,表3,~通过两者比较~分析师的价值似乎只在于确定关注样本公司的范围~或者利用自身的影响力~完成市场 11自我实现~由于工作经验以及分析技能的不足~分析师投资评级的边际价值还有待提高。 表5 基本指标综合得分与股票未来收益 栏目A:指标得分与股票未来收益的Spearman秩相关系数 变量 BAH3 BAH6 Qscore 0.1359*** 0.1613*** 栏目B:基于Qscore分组的超额收益 得分 组别代码 季度样本数 BAH3 BAH6 最高, 7,8,9 1.00 21.13 0.0777 0.1367 6 0.80 37.13 0.0165 0.0334 5 0.60 52.75 0.0245 0.0291 4 0.40 52.88 -0.0001 0.0019 3 0.20 42.25 -0.0311 -0.0341 最低, 0,1,2 0.00 29.25 -0.0134 -0.0264 最高,最低 0.0911*** 0.1631*** 4.3 结合分析师评级和基本指标综合得分的二元投资策略 在前文中~通过比较两种策略下组合收益的差别可以得知~分析师在制定投资评级时并没有充分地考虑基本指标的预测能力~因此结合分析师评级和综合得分两者后的二元投资策略可能可以取得更高的超额收益。因此~本节基于分析师投资评级和股票综合得分重新分组~共30个组合~并计算相应的超额收益率。附录二表6列出了使 11 “市场自我实现”含义为,当市场上大多数投资者对市场走势持某种相同看法,市场就真的向该方向发展。 17 用二维构建方法的组合超额收益率及其对应的股票数目。栏目A报告了组合3月期超额收益~通过二维构造策略选取的“最高和强力买入,最低和卖出”套利组合的3月期超额收益为14.57%。在栏目B中~通过二元策略选取的“最高和强力买入,最低和卖出”套利组合的6月期超额收益高达31.5%。通过表3和表5的单一策略比较~我们发现“最高和强力买入,最低和卖出”套利组合的3月期和6月期超额收益远远要高于前两种单一策略下收益。即使在卖空限制下~机构投资者通过买入“最高和强力买入”组合~也能获得10.95%,3月期,和18.24%,6月期,的超额收益~同时相应的组合只含有8.25个股票数~机构投资者通过这种组合策略可以非常方便地实现调仓操作。 以上二元投资策略在充分借鉴以往学者研究基础上产生~但有两个重要的不同点: 一~在选股方面~2004年以前学者在制定动量策略或者反向策略时~由于当时数据有限~无法获得分析师常关注的基本面比较好的公司~一般以整个市场的上市公司为样本~按照百分比的方式选择一定数量的公司进行策略投资~这些公司在没有基本面支撑的基础下~组合的超额收益往往依赖于卖空某种“绩差”公司所获的收益~但在实际限制卖空的实际情况下~组合的赢者组合并不会带来显著性收益,周琳杰~2002,~由于本文样本公司大都有其良好的基本面做为支撑~二元策略下的赢者组合3月期和6月期超额收益分别高达10.95%和18.24%~因此~即使无法卖空~但机构投资者仅通过买入赢者组合就可以获得远高于市场的超额收益。 18 二~在形成时间和持有期限上~周琳杰,2002,的研究也表明动量策略对形成期和持有期的长短比较敏感~形成期和持有期皆在一个月内的动量策略赢利性最为显著~这种情况往往会对实际操作造成较大的影响~因为机构投资者在较短期限内调整头寸~必然会加大对市场的冲击~增加交易成本~从而在很大程度上抵消了动量策略所获收益,周琳杰发现形成期和持有都为1个月的组合“买入并持有”超额收益仅为0.4%,。而本文组合策略的形成期和持有期都较长~机构投资者有足够的时间完成头寸调整操作~从而获得高收益。 4.4 超额收益的金融学解释 前文已经证实二元投资策略可以取得显著的超额收益~若这种超额收益也伴随较高风险~机构投资者特别是基金公司在使用这种策略时~其市场排名会受到影响。在考虑超额收益的来源时~表4的结果已表明~分析师关注的股票未来收益与帐面价值/价格比,BP,和公司市值,Size,相关~因此~按我们的方法构造的组合超额收益可以用Fama-French,1993,三因子模型来解释。但本文的立足点是为机构投资者制定实际投资策略~主要考虑该策略在实际中的使用效果~因此这里主要用CAPM模型来检验上文所述的组合在实际市场中的表现~模型的截距项即目前常用的基金投资组合评比指标Jensen-α值~具体模型如下~ RrRr,,,,,,,,() (3) ptftppmtftpt Rrtt其中是组合在月的收益率~是月无风险利率~用银行一年期pptft Rt利率对应的月率来计算~是月的市场收益率~用上证指数的月回mt 19 报率计算。 表7报告用CAPM模型估计“最高和强力买入”、“最低和卖出”及两组差别的风险估计~“最高和强力买入”赢者组合的风险系数 ,为1.0153~低于“最低和卖出”输者组合的风险系数1.3383~因此~按我们策略构造的赢者组合可以获得高收益但并不需要承担过高的 ,风险。“最高和强力买入”组合的Jensen-系数显著大于零~表明赢者组合的业绩表现要优于上证指数~基金公司按照该策略也可以增强基金公司在市场中的排名。“最高和强力买入,最低和卖出”套利组合的风险系数,为-0.3415~基于国内A股市场2003年、2004年总体下跌的实情~该风险系数表明~套利组合可以取得逆市上升的收益~但在国内卖空限制下~实务操作中投资者还不能按照套利组合来获得更高的超额收益。 表7 用CAPM模型估计的组合风险 2 ,, 回归系数,,组合 截距项,Jensen-, 调整R 0.0282 1.0153 0.59 “最高和强力买入” (4.16)*** (8.27)*** -0.0186 1.3383 0.71 “最低和卖出” (-2.42)** (10.02)*** 0.0442 -0.3415 0.06 “最高和强力买入 ,最低和卖出” (4.34)*** (-1.94)* 注:在每个季度组合构造期后~计算组合在6月持有期的月收益率~共48个样本数据。 5.结论与建议 本文主要研究了基于分析师投资评级的组合策略~这种策略问题的研究具有重要的理论和现实意义。它直接关系到有效市场假说和行为金融学之间的论争~影响着我们对市场机制、价格形成机制等问题 20 的认识,同时~它影响着证券市场的重要参与者——投资者~是否有效利用信息构建证券组合选择。姜国华,2005,指出这个问题的深入研究对提高我国证券市场的效率~保护投资者的利益都有重要的意义。 即使在完全有效市场的假设下~资本市场也不是一个均衡的状态~套利行为有其局限性~套利行为不能做到有效资本市场理论假设的能够迅速纠正市场上所有的错误定价~现实中套利行为往往需要大量的资本投入并承担风险,Shleifer and Vishny, 1997,~因此~特别是在国内市场股票价格不会在任何时候都完全、无偏地反映市场信息。分析师通过公开或内部渠道收集信息~分析企业历史经营业绩和当前经营成果~对企业未来发展前景进行预测~然后做出买入、持有和卖出等投资评级~分析师的存在为资本市场信息沟通起到了重要作用。 在制定投资评级时~分析师在一定程度上表达了他对某家公司在未来一段时间股票相对变化的预期。在本文中~我们检验了分析师评级和其他市场公开信息的关系~我们选取了在以往研究中证实对股票价格有预测能力的变量~并与分析师投资评级的投资价值进行了详细比较~评估了分析师投资评级的在实际中的作用。我们发现: ,1,股票收益与分析师投资评级正相关~但是按照分析师投资评级五组分类的组合收益并没有单调关系~预示着分析师的投资评级并没有包含所有能够预测股票未来收益的信息, ,2,基于分析师投资评级构建的赢者组合3月期和6月期超额收益仅有1.42%和2.63%~表明买入分析师一致看好的股票后期收益 21 并不高~在扣除交易成本,交易佣金和市场冲击成本,后~机构投资者在实际中使用该策略无利可图, ,3,本文构建了一个基本指标综合得分,Qscore,来反映公司相关的九个基本变量对股票未来收益的总体预测能力~在分析师关注的上市公司基础上~按照基本指标综合得分,Qscore,构建的赢者组合3月期和6月期的超额收益分别为7.77%和13.67%, ,4,在分析师关注的上市公司基础上~按照分析师投资评级和基本指标综合得分,Qscore,构建的二元投资策略表现好于前文两种单一策略~赢者组合3月期和6月期的超额收益分别高达10.95%和18.24%, ,5,Jensen-α评级指数表明基于本文二元投资策略的机构投资者可以在市场排名中取得优势。 本文构建得二元投资策略与以往投资策略有两大不同点:一~在选股方面~样本公司大都有其良好的基本面作为支撑~投资策略的赢利性并不依赖于卖空“输者”组合,二~在调整操作上~“赢者”组合股票规模在8,10家左右~而且形成期和持有期都较长~机构投资者可以方便地完成头寸调整操作~市场冲击成本较小。 另外~我们的研究发现目前分析师能为投资者挑选出值得投资的基本面良好的公司~分析师的研究报告为投资者挖掘了大量上市公司的信息~但是分析师的投资评级的边际价值并不高~未来分析师可以通过更多关注股票基本变量与股票收益率的关系来提高股票投资评级有效性。本文研究表明券商基本面分析师和使用量化技术的投资机 22 构都能从互相学习中获益:一方面~如果分析师的目标是让投资评级 对未来投资收益有更好的预测能力~他应该更偏好高价格收益动量效 应、低换手率、高EP、高BP、高CP、高市值、高CAPEX的股票,另 一方面~使用量化策略的投资者在结合分析师综合评级的基础上可能 会制定更好的股票选择策略。 同时我们必须得指出~在实际环境中投资是一个复杂的学习决策 过程~而非一个机械过程~理性的模型式的决策方法需要结合一定的 实际经验才能发挥最大效用。因此~建议机构投资者用“模型,经验” 模式使用本文的辅助性二元投资策略~最后我们用一句名言来结束全 文: “人们每天都从市场中获得太多信息~以致他们失去了普通常识”。 6.参考文献 1. Andrei Shleifer, and Robert W. Vishny, 1997, The limits of arbitrage, journal of finance, Vol.52, No.1, 35-55. 2. Banz, Rolf W., 1981, the relationship between returns and market value of common stocks, journal of financial economics 9:3-18. 3. Basu, Sanjoy, 1977, Investment performance of common stocks in relation to their price earnings ratios: A test of the efficient market hypothesis, journal of finance 32, 663-682. 4. Beaver, W. H., 2002, Perspective on Recent Capital Market Research, The Accounting Review, vol. 77 no.2(April): 453-474. 5. Brad Barber, Reuven Lehavy, Maureen Mcnichols, Brett Trueman, 2001, Can investors profit from the prophets? Security Analyst recommendations and stock returns, Journal of Finance, Vol.56, Issue.2: 531-564. 6. Charles M.C. Lee and Bhaskaran Swaminathan, 2000, Price momentum and trading volume, journal of finance 5, 2017-2068. 7. Daniel M. Beneish, Charles M.C. Lee, and Robin L. Tarpley, 2001, contextual fundamental analysis through the prediction of extreme returns, reviews of accounting studies 6, 165-189. 8. Eugene F. Fama, 1991, efficient capital markets: II, journal of finance 46, 23 1575-1617. 9. Eugene F. Fama and Kenneth R. French, 1992, the cross-section of expected stock returns, journal of finance 47, 427-465. 10. Eugene F. Fama and Kenneth R. French, 1993, common risk factors in the returns on stocks and bonds, journal of financial economics 33, 3-56. 11. Imhoff, E., G. Lobo. 1984. Information content of analysts’ composite forecast revisions. Journal of Accounting Research, 22, 541-54. 12. John A. Doukas, Chansog(Francis) Kim, and Christos Pantzalis, 2005, The two faces of analyst coverage, Financial management, vol.34, issue 2, 99-125. 13. Kent L. Womack, "Do Brokerage Analysts' Recommendations Have Investment Value?" The Journal of Finance, March 1996. 14. Lakonishok, Josef, Andrei Shleifer, and Robert W. Vishny, 1994, Contrarian investment, extrapolation, and risk, journal of finance 49, 1541-1578. 15. Lin, H., and M. F. McNichols, Underwriting Relationships, Analysts’ Earnings Forecasts and Investment Recommendations, Journal of Accounting and Economics, 1998, 25, 101-127. 16. Lys, Thomas and Sungkyu Sohn, 1990, The association between revisions of financial analysts' earnings forecasts and security-price changes, Journal of Accounting and Economics 13, 341-363. 17. Narasimhan Jegadeesh, Joonghyuk Kim, Susan D.Krische, and Charles M.C. Lee, 2004, Analyzing the analysts: when do recommendations add value? Journal of finance, vol.LIX, No.3, 1083-1124. 18. Narasimhan Jegadeesh, and Sheridan Titman, 1993, Returns to buying winners and selling losers: implications for stock market efficiency, Journal of finance 48, 65-91. 19. Stickel, Scott E., 1995, the anatomy of the performance of buy and sell recommendations, financial analysts journal 51, 25-39. 20. 白重恩,刘俏,陆洲,宋敏,张俊喜,中国上市公司治理结构的实证研究, 经济研究,2005(2):81,91。 21. 陈信元,张田余,陈冬华,预期股票收益的横截面多因素分析:来自中国证 券市场的经验证据,金融研究,2001(6):22,35。 22. 范龙振,王海涛,上海股票市场股票收益率因素研究,管理科学学报,2003 (6):60,67。 23. 胡奕明,林文雄,王玮璐,证券分析师的信息源、关注域与分析工具,金融 研究,2003年第12期。 24. 胡奕明,林文雄,信息关注深度、分析能力与分析质量——对我国证券分析 师的调查分析,金融研究,2005年第2期。 25. 姜国华,基于会计信息的证券投资策略研究:分析及展望,会计研究,2005 (11):66,71。 26. 刘志新,卢妲,黄昌利,中国股市预期收益率的横截面研究,经济科学,2000, (3):65,70。 27. 陆正飞,刘桂进,中国公众投资者信息需求之探索性研究,经济研究,2002 年第4期。 28. 罗洪浪,王浣尘,中国股市动量策略和反向策略的赢利性,系统工程理论方 24 法应用,2004.12(13):495,503。 29. 单喆慜,分析师短期和长期财测特性研究综述,会计研究,2005(11):72 ,75。 30. 苏冬蔚,麦元勋,流动性与资产定价:基于我国股市资产换手率与预期收益 的实证研究,经济研究,2004(2):95,105。 31. 王孝德,彭艳,价值投资策略:国际经验与中国实证,2003,深圳证券交易 所第五届会员单位、基金管理公司研究成果评选,综合研究类,三等奖。 32. 吴联生,投资者对上市公司会计信息需求的调查分析,经济研究,2000年第 4期。 33. 吴世农,许年行,资产的理性定价模型和非理性定价模型的比较研究,经济 研究,2004(6):105,116。 34. 肖军,徐信忠,中国股市价值反转投资策略有效性实证研究,经济研究,2004 (3):55,64。 35. 周琳杰,中国股票市场动量策略赢利性研究,世界经济,2002(8):60,64。 25 附录一 基本指标计算方法 1 过去第一个6月期的累积市场调整收益率 retp1 上市公司在组合形成期内的过去6个月累积市场调整收益率计算如下~ LL,,11,,,,retprR1(1)1(1)1 ,,,,,,,,tmttLtL,,,,66,,,, tRr其中表示组合形成期的最后一个月~表示该公司股票在月的收益率~表Lmtt t示基准指数在月的收益率。 2 过去第二个6月期的累积市场调整收益率 retp2 上市公司股票在组合形成期内的过去第二个6月期累积市场调整收益率计算如下~ LL,,77,,,,retprR2(1)1(1)1 ,,,,,,,,tmttLtL,,,,1212,,,, tRr其中表示组合形成期的最后一个月~表示该公司股票在月的收益率~表Lmtt t示基准指数在月的收益率。 3 平均日交易量,换手率, Turn 上市公司在组合形成期内的过去6个月平均日交易量计算如下~ nVolTvol/,iti,1t ,Turnn tTvolVoln其中表示股票在日的交易股数~是股票流通股数~为从月,LL,6iiiit 表示组合形成期的最后一个月,到月内总的交易天数。 L,1 4 EP 收益/价格比 组合形成期间财务指标的计算使用了滚动四个季度的财务数据~具体如下~ 4每股收益,,qi,i1PEP,~当组合形成季度在每年的第二、三、四季度~表qq,1P,q1 5每股收益,,qi,i2EP,示股票在季度q,1末的价格,~当组合形成季度在每年qP,q2 Pq,2的第一季度~表示股票在季度末的价格。 q,2 5 BP 帐面价值/价格比 组合形成期间财务指标的计算使用了滚动四个季度的财务数据~具体如下~ 4每股股东权益合计,qi,i1,PBP,~当组合形成季度在每年的第二、三、四季度~qq,1Pq1, 5每股股东权益合计,qi,i2,BP,q,1表示股票在季度末的价格,~当组合形成季度在qPq2, 26 P每年的第一季度~表示股票在季度末的价格。 q,2q,2 6 CP现金流量/价格比 组合形成期间财务指标的计算使用了滚动四个季度的财务数据~具体如下~ 4每股现金流,,qi,i1PCP,~当组合形成季度在每年的第二、三、四季度~表示qq,1P,q1 5每股现金流,,qi,i2CP,股票在季度末的价格,~当组合形成季度在每年的q,1qP,q2 P第一季度~表示股票在季度末的价格。 q,2q,2 7 SG 销售增长率 组合形成期间财务指标的计算使用了滚动四个季度的财务数据~具体如下~ 4主营业务收入净额,qi,i,1~当组合形成季度在每年的第二、三、四季度,SG,1,q4主营业务收入净额,qi,4,i,1 5主营业务收入净额,qi,i,2~当组合形成季度在每年的第一季度。 SG,1,q5主营业务收入净额,qi,4,i,2 8 SIZE 公司规模 上市公司规模用组合形成期的最后一个月的市值表示~计算如下~ SizeLnMarketVal,() L,1 其中表示组合形成期的最后一个月。 L 9 CAPEX 资本性支出 组合形成期间财务指标的计算使用了滚动四个季度的财务数据~具体如下, 4(固定资产投资增加值,无形资产增加值,长期待摊费用增加值),qi,i1,~当组合CAPEX,4资产合计,qi,i1, 形成季度在每年的第二、三、四季度,q 5(固定资产投资增加值,无形资产增加值,长期待摊费用增加值),qi,i2,~当组合CAPEX,5资产合计,qi,i2, 形成季度在每年的第一季度。 q 27 附录二 表6 基于投资评级和基本指标综合得分的未来收益 栏目A:三月期“买入,持有”超额收益率,BAH3, Qscore得分 组代码 卖出=0.00 0.25 0.50 0.75 强力买入=1.00 频数 均值 频数 均值 频数 均值 频数 均值 频数 均值 强力买入Prob>|T| ,卖出 最低 0.00 4.71 -0.0362 12.13 -0.0143 1.80 -0.0119 4.71 -0.0064 7.75 0.0107 0.0468 (0.5142) 0.20 7.20 -0.0020 17.63 -0.0423 4.00 0.0519 7.63 -0.0238 10.00 -0.0216 -0.0196 (0.6292) 0.40 3.00 -0.0084 18.13 -0.0003 5.14 0.0248 12.25 -0.0057 15.38 0.0078 0.0161 (0.6904) 0.60 4.00 -0.0317 15.25 0.0034 6.00 0.0082 14.86 0.0460 16.25 0.0359 0.0676 (0.0337)** 0.80 2.00 0.0064 9.63 0.0239 3.50 0.0547 11.71 0.0390 14.00 -0.0079 -0.0144 (0.8465) 最高 1.00 3.00 0.0106 3.88 0.0379 3.33 0.0386 6.57 0.0680 8.25 0.1095 0.0989 (0.0974)* 最高,最低 0.0468 0.0522 0.0505 0.0744 0.0988 Prob>|T| (0.0235)*(0.0413) (0.4000) (0.5456) (0.0959)* * ** 最高和强力买入,最低和卖出 0.1457 (0.0341)** 28 栏目B:六月期“买入,持有”超额收益率,BAH6, Qscore得分 组代码 卖出=0.00 0.25 0.50 0.75 强力买入=1.00 频数 均值 频数 均值 频均值 频数 均值 频数 均值 强力买入Prob>|T| 数 -卖出 最低 0.00 4.71 -0.1326 12.13 0.0101 1.80 0.0384 4.71 -0.0252 7.75 -0.0118 0.1207 (0.0249)** 0.20 7.20 -0.0588 17.63 -0.0569 4.00 0.0264 7.63 -0.0062 10.00 -0.0039 0.0549 (0.2527) 0.40 3.00 -0.0264 18.13 -0.0014 5.14 -0.0083 12.25 -0.0033 15.38 0.0258 0.0522 (0.3631) 0.60 4.00 -0.0027 15.25 -0.0079 6.00 0.0237 14.86 0.0552 16.25 0.0333 0.0361 (0.3451) 0.80 2.00 -0.0008 9.63 0.0410 3.50 0.0843 11.71 0.0828 14.00 -0.0141 -0.0133 (0.9485) 最高 1.00 3.00 -0.0085 3.88 0.1303 3.33 0.1015 6.57 0.1153 8.25 0.1824 0.1910 (0.0787)* 最高,最低 0.1241 0.1202 0.0731 0.1405 0.1942 Prob>|T| (0.1876) (0.0116)** (0.6543) (0.0360)** (0.0152)** 最高和强力买入,最低和卖出 0.3150 (0.0002)*** 注:在每个季度组合形成期~将分析师在该季度关注的股票按分析师评级和股票综合指标得分的组合策略分为30组~然后在表中报告了每个组合在八个季度的平均值~使用Jegadeesh et al(2004)介绍的方法调整组合收益序列自相关性。 29 30
/
本文档为【投资分析师基于分析师投资评级的证券组合构建策略】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索