您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[国金证券]:量化漫谈:卖方分析师团队评价体系与特征全景 - 发现报告
当前位置:首页/其他报告/报告详情/

量化漫谈:卖方分析师团队评价体系与特征全景

2023-02-14高智威国金证券简***
量化漫谈:卖方分析师团队评价体系与特征全景

分析师的推荐有效,不同长度样本的不同收益衡量周期下,分析师推荐股票相对该股票的行业指数的超额收益均值显著大于0。 收益周期越长,卖方分析师的推荐的平均超额收益越高。不同长度样本下,分析师推荐股票中长期超额收益明显高于中期超额收益明显高于短期超额收益,收益衡量周期越长,平均超额分布右偏越明显。 分析师的收益排名分位无法保持:时间序列上无法保持排名;不同收益衡量周期上无法保持排名。分析师排名分位无法保持的影响较大①排名无法保持一定程度上直接代表不能以上一期排名靠前的分析师推荐来进行构建当期的优选组合,因为他们的排名会有较大幅度的下降,对应的推荐收益也会有一定程度下降。但我们发现在金股池上,较高频次的打分来进行筛选股池是相对有效的,高频次的打分能够更好跟踪分析师排名的边际变化来及时调整。②排名除了加大了构建策略的难度外,还加大了选择公允的衡量周期来对分析师进行评价的难度,不同时间的衡量结果不同带来的偏差性较大。 分析师的推荐超额alpha与其所在行业整体涨跌没有绝对关系。 分析师的盈利预测整体存在一定偏差性。主要原因在于:上市公司财务披露本身就存在滞后性,在上一年度未有精准的财务结果时分析师已经必须开始对一年度的财务整体进行预估,预估信息不足;对未来的预测是困难的,影响公司盈利结果的因素非常多,宏观经济、行业结构、技术变化和政策导向等等都会对公司造成较大影响,公司经营者拥有最高频的公司运营数据都较难预测本公司年度的财务结果,分析师预测准确的难度过高。 分析师在不同财务指标的预测排名上较为一致,对某项财务指标预测准确,在别的财务维度排名也相对靠前,分位变化小。 分析师的盈利预测排名得分时间序列不稳定。利润总额的角度看,2019年利润总额预测准确靠前的200位分析师至 2022年排名分位平均变化-4.1%、-35.25%和41.95%;净利润角度看,排名分位平均变化-19.52%、-9.04%和-1.9%;EPS角度看,排名分位平均变化-26.33%、-0.54%和0.23%。 以上结果通过历史数据统计、建模和测算完成,在政策、市场环境发生变化时模型存在失效的风险。 内容目录 分析师特征3 推荐收益维度3 1、收益分布4 2、收益排名的分位变化5 3、行业涨跌幅与超额收益的关系6 4、“踩中风口”与“踩雷”的分析师超额特征6 盈利预测维度7 预测整体偏差7 分析师其他统计特征9 分析师评价的两个维度9 风险提示10 图表目录 图表1:国金分析师评价体系维度构建3 图表2:样本长周期+收益短周期超额收益分布5 图表3:样本长周期+收益中周期超额收益分布5 图表4:样本长周期+收益中长周期超额收益分布5 图表5:样本短周期+收益短周期超额收益分布5 图表6:样本短周期+收益中长周期超额收益分布5 图表7:样本短周期+收益中长周期超额收益分布5 图表8:时间序列视角分析师收益排名分位变化6 图表9:短周期样本分析师收益排名分位变化6 图表10:长周期样本行业平均超额6 图表11:短周期样本行业平均超额6 图表12:“踩中风口”分析师的推荐超额分位分布7 图表13:“踩雷”分析师的推荐超额分位分布7 图表14:2021年财务指标平均预测偏差8 图表15:净利润准确排名前200在利润总额上分位变化8 图表16:净利润准确排名前200在EPS上分位变化8 图表17:2020至2021年EPS预测的排名年度变化8 图表18:2021至2022年EPS预测的排名年度变化8 图表19:3.5年分析师更换工作频率9 图表20:通过研报数据进行团队定位的方法9 图表21:不区分行业的个人收益维度分位排名10 图表22:不区分行业的团队收益维度分位排名10 卖方分析师是金融市场上提供公司、行业、经济和策略研究的一股重要力量,一方面分析师通过专业分析提供信息、分享信息,提高了整个市场的效率;另一方面分析师的预测等分析意见也影响着市场上投资者的投资决策。分析师主要的工作内容分为以下几个方面:研究证券,卖方分析师需要对证券市场进行研究,评估证券的价值和潜在的风险;评估证券,卖方分析师需要对证券的财务状况、经营状况和商业模式进行评估,以便为客户提供建议;推荐证券,卖方分析师会根据证券的评估结果,为客户推荐证券,并说明其买卖的理由;发布报告,卖方分析师需要发布关于证券的研究报告,以便客户做出投资决策。与客户沟通:卖方分析师需要与客户保持密切的联系,回答客户的问题,向客户提供有关证券的信息和建议。 以往对分析师评价的研究中细节重点主要集中在评价分析师盈利预测能力上:分析师跟进的公司数目和行业数目越多,预测研究的组合任务就越复杂,就不能有效发挥专业化优势,盈余预测就会越不准(汪要文,2013),且较高的预测准确性更多的集中在少数行业中(NguyenLanThiMai,2022),但一些学者指出,不论分析师对公司盈余的个人预测比市场共识更加乐观或悲观,他们对公司盈余的预测行为都是无效的(郭杰和洪洁瑛,2009)。本文从收益、盈利预测准确性等方面挖掘其他分析师特征,较此前从预测准确性扩充了对分析师的整体评价的维度。 图表1:国金分析师评价体系维度构建 来源:国金证券研究所 对分析师的评价应该选择适当的周期,实际的评价周期可能因分析师的预测类型和评估的投资产品类型而存在差异,分析师预测的侧重点和擅长的周期本身也不同。我们对不同周期的收益维度进行衡量。 从结果上看: 1,分析师的推荐有效,不同长度样本的不同收益衡量周期下,分析师推荐股票相对该股票的行业指数的超额收益均值显著大于0。 2,收益周期越长,卖方分析师的推荐的平均超额收益越高。不同长度样本下,分析师推荐股票中长期超额收益明显高于中期超额收益明显高于短期超额收益,收益衡量周期越长,平均超额分布右偏越明显。 3,分析师的收益排名分位无法保持。 ①时间序列上无法保持排名:细分年度看,20年中长期收益维度排名前500的分析师在21年收益排名平均下降,21年中长期收益维度排名前500的分析师在22年收益排名平均下降。更大的时间周期下,按年度看排名靠前的分析师的排名分位均无法良好保持。 ②不同收益衡量周期上无法保持排名:同一样本内,收益长周期包含收益短周期的信息量,收益短周期衡量视角下排名靠前的分析师理论在收益长周期视角下排名更 容易靠前,但短周期排名前500的分析师在中周期视角下排名分位平均下降-16.87%,在长周期视角下排名分位平均下降-21.06%。 分析师排名分位无法保持的影响是巨大的①排名无法保持一定程度上直接代表不能以上一期排名靠前的分析师推荐来进行构建当期的优选组合,因为他们的排名会有较大幅度的下降,对应的推荐收益也会有一定程度下降。但我们发现在金股池上,较高频次的打分来进行筛选股池是相对有效的,高频次的打分能够更好跟踪分析师排名的边际变化来及时调整。②排名除了加大了构建策略的难度外,还加大了选择公允的衡量周期来对分析师进行评价的难度,不同时间的衡量结果不同带来的偏差性较大。 4,分析师的推荐超额alpha与其所在行业整体涨跌没有绝对关系。长周期样本内,行业内所有分析师平均推荐超额alpha与行业涨跌幅的秩相关系数是0.27,短周期样本内此秩相关系数是0.16。行业所处周期、行业内龙头的特点和行业内公司走势是否分化都对推荐超额结果有巨大影响,当某些行业分化表现,轮动机会来临时,该行业分析师推荐股票的超额收益会有明显提升,2022年平均推荐超额alpha最高的行业是石油石化行业。 5,分析师推荐“踩雷”具有一定的意外性,在踩雷标的的巨大负拖累下,“踩雷”的分析师平均推荐超额仍可能排名靠前。分析师推荐“踩中风口”能够确立其推荐优势,“踩中风口”的分析师平均推荐超额大部分非常靠前。 推荐超额计算方法: 为了使不同分析师之间推荐收益率可比,我们使用相对行业收益的超额收益率作为判断标准,行业收益标准使用中信一级行业。 ∑(𝑅𝑖�−𝑅𝑖𝑚𝐷) 𝑅�=n 其中,𝑅𝑖�−𝑅𝑖𝑚�代表推荐标的自推荐之日起D个交易日相对中信一级行业指数的超额收益,�代表不同预测周期,𝑅�代表所有推荐的超额收益的均值。D为20个交易日称为收益短周期,D为60个交易日称为收益中周期,D为120个交易日称为收益中长周期。 偏度计算: �=𝛴(�−𝜇)^3/(�∗𝜎^3) 其中,S代表偏度,X代表数据中的单个值,μ代表数据的平均值,N代表数据总数,σ代表数据的标准差 峰度计算: �=𝛴(�−𝜇)^4/(�∗𝜎^4) 其中,K代表峰度,x代表数据中的单个值,μ代表数据的平均值,N代表数据总数,σ代表数据的标准差 1、收益分布 满足3.5年的衡量周期(样本长周期)且每年报告数量不少于24篇的分析师一共有 2011人,分析师推荐平均超额最大值为33.6%,最小值为-12.0%;满足1年的衡量周期 (样本短周期)且当年报告数量不少于24篇的分析师一共有2358人,分析师推荐平均超额最大值为34.2%,最小值为-12.6%。 同一样本,不同的收益衡量周期有相互包含关系,中长期收益本身就蕴含了中期和短期的收益内容,那么不同衡量周期相互比较就不宜采用年化收益,中长期推荐收益的绝对超额收益率高于中期、短期超额收益率,一定程度上代表分析师的推荐是有效的,推荐收益不是因为衡量周期的不同而随机表现出正超额特征。 从分布结果看,卖方分析师的推荐有效,不同长度样本的不同收益衡量周期下,分析师推荐股票相对该股票的行业指数的超额收益均值显著大于0。 图表2:样本长周期+收益短周期超额收益分布图表3:样本长周期+收益中周期超额收益分布 来源:朝阳永续,Wind,国金证券研究所 注:均值为0.64%,整体呈矮峰右偏分布,分布峰度为2.19,偏度为0.56。 来源:朝阳永续,Wind,国金证券研究所 注:均值为1.56%,整体呈尖峰右偏分布,分布峰度为3.36,偏度为0.99。 图表4:样本长周期+收益中长周期超额收益分布图表5:样本短周期+收益短周期超额收益分布 来源:朝阳永续,Wind,国金证券研究所 注:均值为2.66%,整体呈矮峰右偏分布,分布峰度为2.78,偏度为0.99。 来源:朝阳永续,Wind,国金证券研究所 注:均值为0.35%,整体呈矮峰右偏分布,分布峰度为1.72,偏度为0.22。 图表6:样本短周期+收益中长周期超额收益分布图表7:样本短周期+收益中长周期超额收益分布 来源:朝阳永续,Wind,国金证券研究所 注:均值为1.40%,整体呈矮峰右偏分布,分布峰度为2.78,偏度为1.01。 2、收益排名的分位变化 来源:朝阳永续,Wind,国金证券研究所 注:均值为1.70%,整体呈矮峰右偏分布,分布峰度为3.48,偏度为1.09 时间序列上,2021年排名中长期收益排名前500的分析师有407位排名分位在2022年出现了排名分位下降,2022年内短周期收益排名前500的分析师在中长期周期收益排名有373位出现了排名分位下降。 在同一个样本时间内,收益长周期包含收益短周期的信息量,收益短周期衡量视角下排名靠前的分析师理论在收益长周期视角下排名更容易靠前,但短周期排名前500的分析师在中周期视角下排名分位平均下降-16.87%,在中长周期视角下排名分位平均下降- 21.06%。这样的排名平均下降幅度不能用随机性来进行解释,两个角度看分析师的排名分位均无法保持。可能的原因有: 1,市场风格转换快,分析师擅长的领域较为细分,分析师对基本面的研判没有大幅的波动,分析师也不会仅从收益角度进行股票推荐,因为市场的变化,收益层面的排名会有较大波动。 2,分析师会相互学习和竞争,研究观点与成果没有绝对壁垒,市场整体认可优势分析师的观点后,用推荐收益来进行考量,优秀分析师的领先性会下降。 3,行业分析师会长期跟踪其领域内的公司并不断更新基本面研究观点,但股票价格可能已经充分定价,股票难以长期出现超额收益