善用者方能胜

开篇：润墨网以专业的文秘视角，为您筛选了一篇善用者方能胜范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

随着国内证券市场近几年的飞速发展，卖方机构的不断扩张，A 股已经进入了一个信息爆炸的时代，当精读每篇报告已经成为一项不可能完成的任务，当简单地将卖方分析师的研究结论应用于投资难以获得满意的效果时，如何提高卖方分析师研究成果的利用效率便成为重中之重的话题。

单纯依靠买卖评级难以指导投资

现行的业态环境对看空观点的卖方分析师很不利，因此分析师给出的绝大多数评级是看多的。据统计，卖方机构共覆盖了市场上一多半的上市公司，而给出的买入和增持评级所占比例接近85%。因此，我们需要对分析师的评级和盈利预测做更为细致的研究。一方面，要多和明星分析师沟通，研究经典报告字里行间隐含的观点；另一方面，在报告如此之多的现状下，从量化分析的角度入手，把各家卖方机构作为一个整体，分析他们的行为与股票未来相对强弱的关系。

下面的内容分别从分析师对上市公司的覆盖偏好和基于分析师数据可以设计什么样的量化投资模型两部分展开。

卖方分析师覆盖特征全扫描

一、分析师对上市公司覆盖程度有显著差异

上市公司被卖方机构覆盖的程度是有显著差异的。有的上市公司被市场上大多数卖方机构跟踪，而有些上市公司只被少量的卖方机构跟踪。根据新财富评选的最佳卖方研究团队和最具影响力的卖方研究团队，我们取了中信证券、申银万国、国泰君安、中金、招商证券、国信证券、联合证券、中信建投、长江证券、国金证券、安信证券共11 家卖方机构作为我们的核心卖方机构群，分别研究了上市公司被所有卖方和核心卖方覆盖的程度差异。

图3 反映的是2010 年上市公司被卖方机构覆盖程度的分布。从图中可以明显看出，对不同卖方机构，上市公司被覆盖的程度差异是很明显的。少量的上市公司被卖方机构充分覆盖，而大多数的上市公司只被少数的卖方机构覆盖。

二、分析师对上市公司的覆盖具有明显的偏好性

分析师偏好大市值公司。规模因子是解释卖方机构覆盖度最明显的因子。我们按卖方机构覆盖数对上市公司分组，分别统计了不同组上市公司的平均规模（图4）。不论是市值、净资产还是总资产衡量，上市公司的规模和分析师覆盖程度都呈明显的正比关系（规模都是取对数后的相对值）。从换手率角度的测算也支持这一结论（图5 ) ，覆盖度越高的公司换手率越低。

分析师偏好低估值公司。从估值角度看，我们发现低估值的股票被更多的分析师覆盖，而高估值的股票则被更少的分析师覆盖。为了更方便的比较估值水平和覆盖度的关系，我们研究了2006 年到2010 年不同卖方覆盖度的上市公司PE 估值的倒数。从图6可以看出，被更多卖方覆盖的股票的每股收益／价格相对更高，即估值水平相对更低。这与前面所说的规模效应也是一致的，规模和估值是负相关的关系。

三、中低覆盖度的股票更有看点

覆盖度在中段的公司盈利能力最强。与前面的方法类似，我们根据上市公司被多少家卖方机构（核心卖方机构）覆盖对上市公司分组，计算各组上市公司的平均ROA 和平均ROE 。结果显示，覆盖度处于中等水平的上市公司盈利能力最强，而覆盖度偏高的公司盈利能力略强于覆盖度偏低的公司。

近期成长性好的公司被更少的卖方覆盖。我们用同样的方法研究了上市公司盈利成长性与卖方覆盖度之间的关系。分别考察了历史成长性（过去5 年的净利润增速）和当期成长性（最近一年的净利润增速），结果显示，历史成长性和上市公司被卖方机构的覆盖程度成明显的正比，而当期成长性恰好相反。当期成长性较强的股票被较少的分析师覆盖：被11 家核心券商中的3 一5 家券商覆盖的上市公司当期成长性平均最好。

从上面的分析我们可以梳理出一家典型上市公司的发展阶段和被覆盖程度的对应关系。上市公司发展经历3 个阶段：初期的高成长阶段，只有少数的分析师在覆盖；中期高成长性转化为高盈利性，这一阶段更多的分析师加入进来；最后上市公司发展成为规模较大的公司，被卖方机构充分覆盖。把上市公司的发展阶段与股价表现放在一起可以看出，上市公司在高成长性向高盈利性转化的阶段是股票表现的黄金时期，而这一阶段上市公司被卖方覆盖的程度是中等偏弱。

引入模型测试分析师因子的投资特性

卖方分析师信息庞大繁杂，但若简单地将其当作一个因子，从因子分析的角度看待其投资特性，可以帮助我们更好的利用其指导投资。目前，中信A 股市场因子分析体系覆盖成长、价值、盈利、动量、风险、规模等六大类共21 个因子。

对于分析师因子的测试，我们的研究方法仍然选用统计套利的方法。首先选定一个股票池，然后根据不同的因子对股票池中的各股票赋值，做行业中性处理。做3 到5 年的历史回溯，根据赋值结果设置各股票是买入还是卖空，看这样设置的历史组合是否能获得稳定的超额收益。如果组合有稳定超额收益，且有背后的逻辑支撑，则该因子有效，放入备选的因子库中；否则，该因子无效。

一、信息扩散模型

这个模型是基于信息扩散的程度来设计的，其背后的逻辑是：新的信息在市场上刚刚出现时，基于该信息可以获得超额收益；当信息在市场上广泛扩散时，基于该信息的超额收益就消失甚至转为负超额收益了。

模型的设计方法是，每一天统计过去10 天卖方针对每一家上市公司的研究报告数量占市场上所有研究报告的比例，把这个值作为个股的因子权重，并做行业中性。针对一只股票的研究报告越少，则该股票买入的权重越大，针对一只股票的研究报告越多，则该股票卖空的权重越大。如果过去10 天没有针对这家上市公司的报告，则不交易对应的股票。

表2 统计了应用这一策略构建的历史模拟组合在2007 年到2009 年的历史表现。所选的股票池限定在沪深300 成分股中，应用行业中性，从07 年到09 年获得25.93%的年化超额收益，日均Sharpe 值为14.15%。从历史表现可以看出，该策略能获得较为稳定的超额收益。

值得注意的是，该策略在2008 年的表现明显弱于2007 年和2009 年，在2008 年8 月到2008 年11 月之间该策略有接近10 ％的连续亏损。可能的原因之一是08 年8 月到11 月我们在设计该模型时只考虑了报告的数量而没有考虑报告的多空偏向，我们会在后续的研究中加入报告偏向，看是否对08 年的策略表现有明显改善。

该策略在大盘股和小盘股中的表现非常接近，表4 是把股票池扩展到依据市值和成交量选择的前1 500 支股票（每半年调整一次股票池）中，2007 年到2009 年的策略表现。可以看出，由于股票池扩展使统计套利的空间更大，收益率和Sharpe 值都有微弱的改善。但是08 年的策略表现更差，年化收益降到7%，最大连续亏损为12.29%。

信息扩散模型并没有考虑覆盖上市公司的卖方机构数量的差异，因此，它还隐含了覆盖度差异的超额收益。为了单独研究覆盖度的影响，我们以过去3 个月针对上市公司的报告数量为因子做了历史测算，这里的假设是：如果卖方覆盖一家上市公司，则一个季度会针对这个上市公司出至少一篇报告。结果显示，低覆盖度的股票相对于高覆盖度的股票有接近10 ％的超额收益，这与我们前面的结论类似，被卖方机构覆盖程度较低的公司平均来说成长性较高，股价表现相对较强。

二、盈利预测调整模型

这个模型的基本逻辑是：分析师上调或下调盈利预测，一方面会对股价有短期的刺激作用，另一方面及时、综合的反映了上市公司基本面的变化情况；因此，做多分析师上调盈利预测的股票，做空分析师下调盈利预测的股票可以获得超额收益。

模型的具体做法是，以分析师给出的三年盈利预测变化率的平均值作为股票的因子权重，个股的因子权重减去它所在行业的平均因子权重（即行业中性）作为个股做多或做空的权重。如果分析师给出的盈利预测没有调整，则不交易对应的股票。

表5给出的是以沪深300 成份股做股票池，用1 周的盈利预测变化率作为个股因子权重的模型表现。盈利预测用的是卖方给出的加权平均盈利预测，应用该模型从07 年到09 年可以获得35 ％的年化超额收益。由于使用的是周变化率做的模型，模型的换手率较高。另外，值得注意的是，这个模型在年初的表现不好，三年的最大连续亏损都发生在1 月到2 月。由于1 月到2 月开始市场看的是新一年的盈利预测，又是政策集中的时期，这一阶段往往是题材股、“绩差股”的行情表现期。

在构造模型时，我们既可以用各家卖方给出的平均盈利预测的变化，也可以用卖方给出预测的最大值或最小值的变化。测算结果显示，使用平均盈利预测的变化设计的模型在各年的表现最稳定，用预测最大值的变化设计的模型在牛市里表现相对较好，用预测最小值的变化设计的模型在熊市里表现相对较好，见表6 。

与上一个模型类似，通过对不同时间长度的收益率进行测算，我们也把分析师上调盈利预测的短期刺激作用和基本面改善的长期作用分解开，见图9 。从图中可以看出，短期刺激作用获取的超额收益从1 周开始迅速减弱。从3 周开始到3 个月，我们只能获得一个微弱的正超额收益（即长期基本面改善带来的超额收益），这一正超额收益年化接近10%。

该模型在市值较大的股票池中的表现要优于包括小市值股票的股票池。我们根据市值和成交量给股票综合排序，构建了Top300 , Top500 , Top800 , Top1500 四个股票池，每半年调整一次。将该模型应用于各股票池可知，从收益率、Sharpe 值、最大连续亏损等各方面看，模型在Top500 股票池里的表现最好，而范围扩大到Top 1 500 时，表现最差。大市值股票的流动性好，信息披露及时，持有人中基金、保险等机构投资者所占的比例较大，对于大盘股的投资决策往往更关注股票的内在价值，大盘股的估值也相对合理。因此，股票基本面的变化通过分析师盈利预测的调整能顺利的反映到股价变动中。而小市值股票受资金驱动更容易，信息披露不完善，持有人中个人投资者所占比例明显增加，往往成为流言、概念和故事的炒作对象，因此从基本面角度出发的模型表现不如在大盘股中表现好。

三、盈利预测波动模型

该模型研究的是卖方分析师给出的盈利预测的一致预期波动性对股票未来相对强弱的预测性。我们取过去一个季度卖方机构对上市公司的净利润预测的一致预期波动性作为股票的因子权重，行业中性处理后作为股票多空买卖的权重。2007 年到2009 年的平均年化超额收益为31.69% ，并且模型的超额收益在各年非常稳定。

这一结论考虑的主要是净利润预测的波动情况，结果显示，预测波动越大的上市公司未来股价表现越弱，而波动越小的公司未来股价表现越强。虽然这一模型的收益率比较高，但是收益不太稳定。07 年和08 年都有超过1 个月，幅度超过10%的最大连续亏损。我们还将对这个模型做更深入的研究以进行改进。

四、盈利预测分歧模型

上一个模型考察的是在一段时期内卖方机构形成的一致预期的波动，而这个模型考察的是对于同一家上市公司，不同的卖方机构给出的盈利预测差别。由于卖方分析师对当年的盈利预测差别相对较小，他们观点的差别主要体现在上市公司未来两年的盈利预测上，因此我们选择的是分析师对上市公司下一年的盈利预测数据。模型的测算结果显示，卖方分歧度越大的股票，股价未来表现相对越强，而卖方分歧度越小的股票，股价未来表现相对越弱。

取过去一个季度内各家卖方机构对同一家上市公司的EPS 预测，把预测值的标准差与一致预期EPS 的比值作为个股的因子权重，做行业中性处理后的值为个股的多空权重。以这种方式在沪深300 股票池中构建的模拟组合从2007 年到2009 年获得的年化超额收益率为24%，日均Sharpe 值为11.31% ，见表8 。

表8 ：盈利预测分歧模型在沪深300 股票池中的历史表现

资料来源：中信证券

这一模型背后的逻辑和信息扩散模型类似：如果一件事在卖方研究员群体中达成一致，并反映在外发报告上，则这件事能带来的超额收益已经要消失了。因此，做多盈利预测分歧度高的股票，做空分歧度低的股票能过获得长期稳定的超额收益。

模型表现从2007 年到2009 年逐年改善，收益率和Sharpe 值逐年增加。可能的原因是2007 年覆盖同一家公司的卖方机构较少而2009 年有更多的卖方机构覆盖同一家上市公司。（卖方报告数从2006 年到2010 年的年均增速为30 % ）。

这一模型在小盘股里的表现也不错，在TOP1500 股票池中的表现略弱于在沪深300 股票池中的表现，见表9 。

投资建议

面对浩如烟海的卖方分析师报告，精读每篇报告已经成为一项不可能完成的任务，而且，简单地将卖方分析师的研究结论应用于投资又难以获得满意的效果，那么，有没有第三条道路吗？我们建议，投资者应采取“精读＋量化”的双处理模式：一方面，紧密跟踪明星分析师的重要报告，精读其分析逻辑和多空观点；另一方面，批量处理卖方分析师所给出的评级、盈利预测等数据，从报告频率、一致预期变化、分歧度等角度量化评估卖方分析师作为一个整体对于给定股票的预期的细微变化。本文在量化处理做了很多工作。通过前面所叙述的统计分析和模型检验，有以下结论供投资者参考：

1 ）分析师对于大市值、低换手率、低估值的股票有明显的覆盖偏好，但平均来说，覆盖程度最高的公司的股价表现很一般，而覆盖度在中低水平的上市公司最具看点。一家上市公司从高成长性向高盈利性转化的阶段是股价表现的黄金时期，而在这一时期，上市公司被卖方机构覆盖的程度并不高（通常被4 到5 家核心卖方机构覆盖）。

2 ）偏重精选个股的投资者可以重点关注处于信息扩散中的“冷门股”和处于分歧漩涡中的“争议股”信息扩散模型告诉我们，牛股往往是前期没有多少分析师覆盖的股票，当市场上突然出现了一两篇针对该公司的研究报告时，可以积极参与；盈利预测分歧模型则告诉我们，要重视不同分析师对于下一年的盈利预测有明显差别的公司，这类公司往往有业绩大幅超预期的可能性，股价表现相对较强。

3 ）偏重趋势判断、组合投资的投资者可以根据盈利预测的上调或者下调调整自己的投资组合可行的操作办法为，在同一行业内调入分析师上调盈利预测幅度较大的股票，调出分析师上调盈利预测幅度较小的股票或下调盈利预测的股票。值得注意的是，上调、下调盈利预测对股价的短期刺激作用的持续时间通常不超过三周，长期效应可以持续超过3 个月；盈利预测模型在大中盘股中的表现较稳定，而在小盘股中应用这一模型的结论则要谨慎。