基于调研数据选股：“调研”让分析师预测更准确吗？
证券研究报告/金融工程报告2022年10月30日 “调研”让分析师预测更准确吗？——基于调研数据选股 分析师：包赞 电话：18017505196 报告摘要 ◆为什么研究“调研”？ 执业证书编号：S0740522070001 分析师是股票市场重要信息中介之一，调研是分析师获取�一手信息的重要 Email：baozan01@zts.com.cn 手段。直观上讲，调研应该会增加预测的准确性，本文就是来探索基于分析师调研 报告（分析师对上市公司调研后一定时期内发布的研究报告）构建的投资策略是否 能够实现不同的回报率？考虑调研条件后其它因子是否有更优秀的表现？回测显示考虑调研后，其它因子会有更好表现。所以本报告侧重把调研当成一个前提条件来研究其对预测准确度的影响。 考虑调研后各因子表现（沪深300内）： ◆“调研”会提高预测准确度 调研报告全部报告 的多头的多头 调研报告 的提高 提高百分比 用分析师报告所给出的预测EPS和年度真实EPS的差异来衡量预测的准确度，发现对于调研后15日、30日、60日、90日和120日发布的研究报告，准确度相较于非调研报告都有显著提高。对于线下调研来说，调研后的研报预测准确度都显著高于没有做调研的报告。比如，线下调研后7日内发布的研报和其他研报，t统计量为6.55，两者之差提高到0.21。表明线下调研显著地提高了EPS预测准确度。下表为各种分析师有关因子在考虑调研后月均收益提升情况。 表：调研报告提升收益的情况（月均收益） COVERAGE 1.33% 1.05% 0.28% 26.85% EPS 1.30% 1.07% 0.22% 20.70% PE 2.65% 2.02% 0.64% 31.66% PEG 1.95% 1.46% 0.50% 34.20% △EPS 1.54% 1.07% 0.46% 43.04% △ROA 1.50% 1.01% 0.49% 48.52% △PROFIT 1.51% 0.98% 0.53% 53.70% △SALES 1.39% 0.90% 0.49% 53.83% 总体 1.62% 1.21% 0.41% 34.27% 资料来源：中泰证券研究所 ◆宽基成分股内各因子（考虑调研后）表现 选取成分股内在每个月末前90日（自然日）内被分析师调研报告覆盖的股票， 对选出的股票在该月末计算其前90日内的9个因子值，COVERAGE为该股票前90日调研报告的数量，EPS、PE、PEG和ROA为前90日内调研报告的预测均值 △EPS、△ROA、△PROFIT和△SALES为前90日内调研报告的预测均值相比前180日调研报告预测均值的变化幅度。因子值从高到低进行排序、将成分股股票等 风险提示：模型仅根据历史数据获得的历史经验，分为五组。计算区间为20160101-20221014。回测显示，考虑调研后，沪深300内应用在未来可能产生风险。分析师数据会受有关系PE多头(动量)年化36%，中证500为29%，中证800为34%。其它因子年化收益也统性风险因子影响，从而使得相关结论不具有普适得到显著提升。 性。 正文目录 1.引言4 2.调研数据描述5 3.调研后的报告预测更准确吗？6 4.分析师调研报告因子9 4.1不考虑调研的分析师因子表现10 4.2考虑调研后的分析师因子表现11 5.因子在宽基指数内的表现15 6.因子稳健性20 7.总结20 图表目录 图1:证券公司对上市公司进行调研的年度分布4 图2：分析师调研后90日内发布研究报告的分布6 表1：分析调研和不调研的研报预测准确度比较7 表2：分析调研报告的准确度：线上线下的对比8 表3：预测准确度对着调研次数回归8 图3:分析师调研后90日内发布研究报告的行业分布9 表4：分析师因子定义10 表5：分析师因子的表现10 表6：调研样本内部的因子表现12 图4:调研报告覆盖度因子12 图5：调研报告EPS因子13 图6:调研报告PE因子13 图7：调研报告PEG因子13 图8：ROA因子14 图9：EPS变动因子14 图10：ROA变动因子14 图11：净利润变动因子15 图12：营业收入变动因子15 表7：调研报告因子在沪深300内的表现16 图13：带调研后沪深300内各因子表现17 表8：调研报告因子在中证500内的表现18 图14：带调研后中证500内各因子表现18 表9：调研报告因子在中证800内的表现19 图15：带调研后中证800内各因子表现19 表10：因子稳健性测试：调研后不同时期内发布研究报告20 1.引言 分析师是股票市场中重要信息中介之一，其通过对信息的采集、处理、加工形成对公司前景的基本判断，并借助盈利预测、推荐评级等形式向外界输出这种判断。在获取信息方面，调研是机构投资获取信息的重要方式，近年来证券公司等机构对上市公司进行调研的次数也逐年上升（如图1所示），2021年为48725次，截至2022年 9月底已经超过5万次。 学术上有研究表明，相较于依靠自身经验、能力得出的研究结论，从对上市公司进行调研中获取的信息是更为重要的分析师盈利预测参考(Soltes,2014;Brownetal.,2015)。很多学者肯定了公司调研对于分析师盈余预测准确度提升的显著影响。比如Chengetal.(2016)利用2009年至2012年的数据发现，相较于没调研过的分析师，调研的分析师对公司盈余预测更准确。进一步分析表明，这一现象在制造业的、有形资产占比高的以及业务线集中的公司以及对于之前较少调研某家公司以及所在地距离调研公司较远的分析师更为明显。类似地，Hanetal.(2018)也发现，在2007年至2014年间，公司调研能够显著增强分析师的盈余预测准确度，而这一现象对于之前容易被忽视或不容易被抵达的公司以及不易受到买方客户压力的分析师更为明显。 肖斌卿等(2017)通过对分析师报告的具体分析发现，从整体上看，投资者根据分析师调研之后发布报告以及评级调整进行交易确实可以获得相对行业以及大盘股的超额收益。 图1：证券公司对上市公司进行调研的年度分布 60000 50000 40000 证券公司调研次数 30000 20000 10000 2016 2017 2018 2019 2020 2021 2022(截至10月8日) 0 资料来源：Wind，中泰证券研究所 直观上，分析师调研能够给其预测提供有用的增量信息，否则分析师就没有意愿和动力去对上市公司进行调研。前文描述的学术研究使用的数据区间距今已有数年甚至十年，其结论在近些年的区间内是否依然成立是非常值得探究的问题。考虑到分析师报告是投资者决策的重要参考，其对公司盈利预测的准确度、对股票推荐评级的 合理性等也势必影响市场的投资方向和定价效率，已有研究提出了很多基于分析师报告的投资策略。进一步地，如果分析师的上市公司调研对其报告的质量能够产生影响的话，那么基于分析师调研报告（将分析师对上市公司调研后在一定时期内发布的研究报告称为“分析师调研报告”）构建的投资策略是否能够实现不同的回报率？基于其构建的因子是否有更优秀的表现？本报告将对上述问题进行研究。 2.调研数据描述 本文使用的核心数据包括两部分，即分析师调研数据和分析师预测数据，两部分数据都来自Wind。数据区间段为2016年-2022年10月8日。具体来说，分析师调研数据来自Wind的机构调研统计(按机构)，机构类型选择券商，字段包括：调研时间、调研方式、调研人员姓名。分析师预测数据来自于“机构预测大全”，包括机构 名称、投资评级、预测的EPS等字段。需要指出的是，在下载的机构调研明细中，一部分上市公司公布了调研人员的姓名，但是另一些上市公司则没有。这给匹配分析师研报和分析师调研带了一定的困难。通过分析这两部分数据特征以及参考现有学术文献，本报告在后续分析中按照证券公司对调研和研报进行匹配，例如：证券公司甲在t时刻对上市公司A进行了调研，在[t,t+N]时刻内证券公司甲发布了关于上市公司A的研报，则将次研报视为“分析师调研报告”。本报告采用此做法的原因有：①在现实中，极少有证券公司研究所的不同行业研究小组在相近时间内同时覆盖同一家上市公司；②Wind机构预测大全的“研究员”字段只有一个姓名，而机构调研明 细的调研人员则有多位，考虑到现实中的公司研报通常有多位研究员，因此按照机构预测大全给出的研究员姓名进行匹配可能会导致匹配不准确。 在按照机构名称对研报和调研进行匹配时，依然存在两方面的问题。一是，虽然本报告把调研机构的类型选择为证券公司，但是返回的结果依然会有资管公司、券商自营等的调研信息。二是，Wind机构调研明细的机构名称一般为机构全称，而机构预测大全的机构名称则是简称。因此，本报告将获取的所有机构调研明细和机构预测大全的机构名称进行了手工匹配。本报告将分析师调研与分析师报告进行了一一匹配，分别匹配了调研后7日、 15日、30日、60日、90日和120日的分析师报告。图2展示了分析师调研后90日内发布研究报告的情况。从图 中可以看出，分析师调研后发布报告的数量从2016年的6515篇增长到2021年10822篇。图3展示了分析师调研 后90日内发布研究报告的中信一级行业分布情况。排名前五的分别是电子行业有6440调研报告，计算机行业有 5816调研报告，医药行业有5461篇调研报告，机械行业有4931篇调研报告，基础化工行业有4083篇调研报告。 资料来源：中泰证券研究所 分析师报告数目 分析师报告数目 图2：分析师调研后90日内发布研究报告的分布 3.调研后的报告预测更准确吗？ 按照Chengetal.(2016)和Hanetal.(2018)的研究结论，分析师对上市公司调研之后发布的研究报告的预测准确性更高。由于这两篇文献使用的时间段都比较早，因此在分析分析师调研如何预测股票价格之前，本报告先分析、对比调研报告和其他报告在盈余预测准确度上的差异。 由于EPS是重要的分析师预测指标、也是一个定量指标，因此分析师预测的准确度可以用预测的EPS与实际EPS的偏离程度来衡量。根据Hanetal.(2018)，本报告定义分析师预测的准确度如下： accuracy= EPS_Forecast-EPS_Real Price ´(-100) （1） 其中， EPS_forecasti,FY1,j是上市公司i在FY1年度的�j篇分析师报告所给出的预测EPS， ESP_reali,FY1是被预测的上市公司i在FY1年度的实际EPS，pricei,FY1是上市公司i在FY1年度的年初股 价。accuracy表示分析师给出的预测EPS与实际EPS的偏离程度，这个指标是负数，越大表明预测越准确，如果为零则表明预测完全准确。在公式（1）中，分母除以上市公司i在FY1年度的年初股价，是为了在横截面维度使不同公司的EPS预测误差的量纲统一。 为了比较分析师调研报告和其他报告的预测准确度，我们首先定义了6个时间段的分析师调研报告，分别是调研后7日、15日、30日、60日、90日和120日发布的分析师报告。根据Wind提供的机构调研明细数据，调研又可以分为线上调研和线下调研，因此我们又进一步地把调研报告分为线上调研报告和线下调研报告。 在表1中，我们在所有分析师预测的样本中分析了调研报告和非调研报告的准确度差别。两者之差的t统计量为在证券公司维度聚类的稳健统计量。�一行列(1)的值表明在（不分线上线下类型的）调研后7日内发布的研报预测准确度为-1.05，相应地，�一行列(2)表明其他研报的预测准确度为-1.07，两者之差的稳健t统计量仅为1.04。对于调研后15日、30日、60日、90日和120日发布的研究报告，其准确度相较于非调研报告都有显著提高，提高幅度在0.04-0.14间。对于线下调研来说，调研后的研报预测准确度都显著高于非调研报告。比如，线下调研后7日内发布的研报和其他研报，t统计量为6.55，两者之差提高到0.21。这表明线下调研显著地
