周豫+張林甫+徐浩然

摘 要：文章運(yùn)用2012-2013年《新財(cái)富》上榜分析師上榜后一年內(nèi)發(fā)布的買入評(píng)級(jí)報(bào)告和Logit計(jì)量模型，從信息優(yōu)勢(shì)的角度，實(shí)證考察分析師薦股報(bào)告準(zhǔn)確率的影響因素。運(yùn)用2014年《新財(cái)富》上榜分析師的薦股報(bào)告進(jìn)行樣本外模型解釋力度檢驗(yàn)，顯示文章模型對(duì)投資者有較大的參考價(jià)值。

關(guān)鍵詞：《新財(cái)富》分析師 買入評(píng)級(jí)報(bào)告 薦股

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2016）10-099-03

研讀證券分析師的評(píng)級(jí)報(bào)告是不少股民的做法。截止2015年上半年，中國證券業(yè)協(xié)會(huì)網(wǎng)站上顯示的具有證券分析師資格的注冊(cè)人數(shù)超過2000人，加上其他未注冊(cè)的從業(yè)人員，證券分析師這個(gè)群體相當(dāng)龐大，難免良莠不齊。2003年6月起，由《新財(cái)富》雜志主辦的年度“新財(cái)富最佳分析師”評(píng)選逐漸成為我國證券業(yè)最權(quán)威的證券分析師排名。然而，即使在這樣極少數(shù)的所謂明星分析師當(dāng)中，也只有部分分析師所發(fā)布的薦股報(bào)告實(shí)現(xiàn)了其收益諾言。以2012-2013年上榜分析師在隨后一年中發(fā)布的1048份買入評(píng)級(jí)報(bào)告為例，推薦標(biāo)的6個(gè)月跑贏滬深300指數(shù)15%以上的只有348份，僅占33.2%。那么，影響上榜分析師薦股報(bào)告準(zhǔn)確率的影響因素有哪些呢？我們?nèi)绾晤A(yù)測某份薦股報(bào)告的準(zhǔn)確率呢？

目前國內(nèi)的評(píng)級(jí)報(bào)告大體分為買入、增持、中性和賣出等四個(gè)評(píng)級(jí)。由于國內(nèi)賣空機(jī)制還不夠成熟，加上分析師很大程度依靠從上市公司調(diào)研來獲取信息，這意味著為了與上市公司維持良好的關(guān)系，分析師極少會(huì)發(fā)布中性或賣出評(píng)級(jí)的報(bào)告；而實(shí)際中，投資者也會(huì)更多地關(guān)注評(píng)級(jí)更高的報(bào)告。鑒于此，本文僅僅選取買入評(píng)級(jí)報(bào)告來進(jìn)行實(shí)證考察，具體來說，本文以2012-2013年《新財(cái)富》上榜分析師在隨后一年中發(fā)布的買入評(píng)級(jí)報(bào)告為研究對(duì)象，運(yùn)用Logit計(jì)量模型，實(shí)證考察上榜分析師薦股報(bào)告準(zhǔn)確率的影響因素。

本文選取的均為買入評(píng)級(jí)報(bào)告，也就是說推薦標(biāo)的公開的基本面因素都不錯(cuò)，否則分析師不會(huì)作出“買入”的投資建議，只不過只有部分分析師的買入報(bào)告最終實(shí)現(xiàn)其收入諾言。這當(dāng)然和隨后考察期內(nèi)推薦標(biāo)的基本面的演變有關(guān)，也與宏觀或中觀的行業(yè)發(fā)展環(huán)境的演變相關(guān)。本文另辟蹊徑，我們假設(shè)：由于各類分析師本身特征的差異（比如其所屬券商的規(guī)模，其本身的經(jīng)驗(yàn)和聲譽(yù)等因素），會(huì)造成各類分析師面對(duì)同樣的公開信息，具有不同深度的挖掘能力；或者各類證券分析師因?yàn)楦櫂?biāo)的公司的深度和廣度的不同，除了公開信息之外，還積累了多多少少的其他信息；擁有更多信息優(yōu)勢(shì)的那些分析師，他們的薦股報(bào)告可能具有較高的準(zhǔn)確性?；谶@樣的假設(shè)，本文選擇從信息優(yōu)勢(shì)的角度，分析上榜分析師薦股報(bào)告準(zhǔn)確率的影響因素。

本文第一部分介紹數(shù)據(jù)、變量和模型，第二部分為實(shí)證研究結(jié)果，第三部分為樣本外模型解釋力度檢驗(yàn)，第四部分為本文結(jié)論。

一、數(shù)據(jù)、變量和模型

本文以2012-2013兩屆《新財(cái)富》上榜分析師在其上榜之后一年之內(nèi)發(fā)布1048份買入評(píng)級(jí)報(bào)告為樣本，來估計(jì)一個(gè)Logit計(jì)量模型。由于《新財(cái)富》評(píng)選的宏觀、策略、金融工程、固定收益四個(gè)團(tuán)隊(duì)不屬于行業(yè)分析的范疇，他們的報(bào)告因此不在本文考慮之列。樣本來源于邁博匯金（Microbell）。我們從報(bào)告中收集報(bào)告發(fā)布人、所在券商、推薦標(biāo)的、日期等信息，相關(guān)標(biāo)的的交易信息如歷史股價(jià)、行業(yè)指數(shù)、滬深300指數(shù)變動(dòng)情況等均源于萬得資訊（Wind）。

目前國內(nèi)各家券商的研究報(bào)告對(duì)股票的評(píng)級(jí)規(guī)則不盡相同，本文選定滬深300為市場基準(zhǔn)指數(shù)，在報(bào)告發(fā)布起6月內(nèi)，跑贏滬深300指數(shù)15%以上的股票，我們認(rèn)為其達(dá)到分析師買入評(píng)級(jí)所承諾的收益。由于本文的報(bào)告來自第三方數(shù)據(jù)庫，不少報(bào)告都有幾個(gè)小時(shí)到一天的滯后，為統(tǒng)一起見，本文選擇標(biāo)的報(bào)告錄入數(shù)據(jù)庫的前一個(gè)交易日的收盤價(jià)作為初始價(jià)格，起始日期+180日的收盤價(jià)作為標(biāo)的期末價(jià)格，計(jì)算期間漲跌幅；獲取每一個(gè)標(biāo)的同一時(shí)間段的滬深300漲跌幅，兩者之差即標(biāo)的半年期內(nèi)相對(duì)滬深300的實(shí)際漲跌幅。本文1048份買入報(bào)告觀察值中，推薦標(biāo)的6個(gè)月跑贏滬深300指數(shù)15%的共有348份，占比33.2%，也即大約1/3的買入評(píng)級(jí)報(bào)告實(shí)現(xiàn)了其收益承諾。

Logit模型的因變量為是否兌現(xiàn)收益承諾，兌現(xiàn)記為1，共計(jì)348個(gè)，未能兌記為0，共計(jì)700個(gè)。

我們可以假設(shè)由于經(jīng)常去上市公司調(diào)研，分析師相對(duì)于普通投資者來說，處于信息優(yōu)勢(shì)（至少不是劣勢(shì)）的地位；再考慮到現(xiàn)實(shí)中，二級(jí)市場的分析師們經(jīng)常在一起交流，所以分析師們對(duì)市場情緒的把握要比普通投資者好。分析師薦股相當(dāng)于一個(gè)占有更多信息、更了解市場情緒同時(shí)又懂行業(yè)和資本市場的專業(yè)人士為投資者作出投資建議。正是基于這一點(diǎn)假設(shè)，本文選取從信息優(yōu)勢(shì)的角度，去探尋具有什么樣的分析師能夠擁有更多的信息優(yōu)勢(shì)，從而薦股的準(zhǔn)確率更大。

1.分析師所屬券商的規(guī)模。Clement（1999）發(fā)現(xiàn)分析師盈利預(yù)測的準(zhǔn)確率與分析師所在券商規(guī)模正相關(guān)。李春濤等（2014）通過對(duì)我國2005-2011年證券市場分析師評(píng)級(jí)數(shù)據(jù)的研究，發(fā)現(xiàn)市場短期超額收益與分析師所屬券商規(guī)模有著密切關(guān)系。大券商一般擁有更多可用資源，更多信息優(yōu)勢(shì)，更多證券分析師，發(fā)布更多的研究報(bào)告，對(duì)機(jī)構(gòu)投資者提供更好的服務(wù)，具有更大的市場影響力。筆者查詢了證券業(yè)協(xié)會(huì)網(wǎng)站，按照各個(gè)券商擁有的分析師人數(shù)，從多到少，列表如下（見下頁表1）。

分析師人數(shù)排名前五的券商分別是國泰君安139人、中信證券106人、申銀萬國105人、海通證券96人、招商證券92人。我們將這五家券商命名為大平臺(tái)（Big），其他券商命名為小平臺(tái)（Small），如果發(fā)布報(bào)告的分析師來自大平臺(tái)，記為1，共計(jì)539個(gè)；來自小平臺(tái)記為0，共計(jì)509。

2.分析師覆蓋的子行業(yè)公司數(shù)量。Clement（1999）發(fā)現(xiàn)分析師盈利預(yù)測的準(zhǔn)確率與分析師所覆蓋的公司和行業(yè)數(shù)量（任務(wù)復(fù)雜程度）成負(fù)相關(guān)。Mikhail等（1997）發(fā)現(xiàn)分析師跟蹤特定企業(yè)的經(jīng)驗(yàn)累積可以提高預(yù)測準(zhǔn)確率。一般認(rèn)為，分析師覆蓋的行業(yè)越多，跟蹤的公司數(shù)量越多，信息量越分散，其盈利預(yù)測準(zhǔn)確度越低。本文選取萬得資訊中信一級(jí)行業(yè)中各個(gè)行業(yè)內(nèi)上市公司數(shù)量作為各個(gè)子行業(yè)分析師覆蓋的公司數(shù)量?？紤]到不同子行業(yè)分析師覆蓋的公司數(shù)量相差很大，實(shí)際回歸分析時(shí)，對(duì)該變量進(jìn)行取對(duì)數(shù)處理。

3.分析師個(gè)人聲譽(yù)。王宇熹等（2012）利用2003-2009年《新財(cái)富》分析師的個(gè)人聲譽(yù)為代理變量，驗(yàn)證了聲譽(yù)和分析師薦股價(jià)值之間的正向關(guān)系。證券分析師的個(gè)人聲譽(yù)是個(gè)人在二級(jí)市場受認(rèn)可程度和影響力的體現(xiàn)，表現(xiàn)為研究報(bào)告關(guān)注度、新聞曝光度、機(jī)構(gòu)客戶認(rèn)可度等等方面。綜合來看，是否入圍《新財(cái)富》最佳，是不是連續(xù)上榜可以看作是分析師個(gè)人聲譽(yù)最好的指標(biāo)，連續(xù)上榜次數(shù)越多，個(gè)人聲譽(yù)越高。聲譽(yù)更高的分析師由于在業(yè)內(nèi)時(shí)間更長、行業(yè)關(guān)系更深厚，理所當(dāng)然的擁有更多信息優(yōu)勢(shì)?？紤]到現(xiàn)實(shí)情況可能是個(gè)人聲譽(yù)的增加隨連續(xù)上榜次數(shù)增多而邊際遞減，我們對(duì)分析師之前上榜次數(shù)進(jìn)行取對(duì)數(shù)處理。分析師之前連續(xù)上榜可能因?yàn)樗乃]股比較準(zhǔn)，也可能是其他原因。

4.分析師性別。國內(nèi)男女分析師和上市公司高管相處的方式不一樣，男性分析師可能和高管有更多非正式的交流，導(dǎo)致男性分析師在獲取上市公司信息方面更具優(yōu)勢(shì)，因此本文將分析師性別作為一個(gè)考量的因素。我們的樣本中共計(jì)771份報(bào)告來自男性分析師，大約占比2/3。

5.公司市值大小。本文考慮公司市值不是出于基本面因素的考慮，而是把公司市值作為公司類別的代理變量。在中國，市值超過1000億的基本都是具有行政級(jí)別的國企、央企單位，而市值低于200億的大多數(shù)是民企，我們有理由相信分析師和不同體量的企業(yè)高管打交道的方式是不一樣的，直覺上分析師很難從國企高管處獲取更多消息，但小企業(yè)卻不一定。因此本文將公司市值列為考察的變量之一。由于數(shù)值相差過于大，對(duì)其進(jìn)行取對(duì)數(shù)處理。

除了如上的主要解釋變量，本文還考慮如下兩個(gè)控制變量。

一是行業(yè)分類。Jacob（1999）發(fā)現(xiàn)券商行業(yè)分類會(huì)影響預(yù)測準(zhǔn)確性。Desai等（2000）也發(fā)現(xiàn)華爾街日?qǐng)?bào)明星分析師的薦股跑贏基準(zhǔn)指數(shù)的概率受到推薦標(biāo)的的行業(yè)影響。《新財(cái)富》最佳分析師評(píng)選共計(jì)有27個(gè)子行業(yè)進(jìn)行評(píng)選，不同的子行業(yè)走勢(shì)相差極大，因?yàn)槲覀冇斜匾獙⒆有袠I(yè)作為控制變量加以考慮。由于子行業(yè)太多，我們參考申銀萬國的做法，將子行業(yè)合并同類項(xiàng)為消費(fèi)品、金融地產(chǎn)、制造業(yè)、服務(wù)業(yè)、TMT、材料業(yè)、能源環(huán)保等七個(gè)部類，每個(gè)部類下轄3～5個(gè)子行業(yè)。

二是買入評(píng)級(jí)的類型。Demiroglu和Ryngaert（2010）發(fā)現(xiàn)分析師首次覆蓋的股票通常會(huì)有異常收益。Jiang等（2014）發(fā)現(xiàn)中國市場對(duì)上調(diào)評(píng)級(jí)的反應(yīng)比下調(diào)評(píng)級(jí)的反應(yīng)要強(qiáng)?；谶@些考慮，本文將買入評(píng)級(jí)報(bào)告區(qū)分為一般買入、首次覆蓋、上調(diào)評(píng)級(jí)至買入、半年內(nèi)再次推薦等四個(gè)類型，其統(tǒng)計(jì)信息如下表所示，可以看出來，首次和上調(diào)評(píng)級(jí)的報(bào)告更有可能實(shí)現(xiàn)其收入諾言。

本文構(gòu)建了如下的Logit模型：

Loglt（y）=β0+β1broker_size+β2reputation+β3gender+

β4number_followed+β5firm_size +β6finance+β7manufacture

+β8service+β9tmt+β10materials+β11energy_environmental

+β12first+β13upgrade+β14again+εit

其中，y為買入評(píng)級(jí)研究報(bào)告是否實(shí)現(xiàn)收益承諾的虛擬變量，即是否半年內(nèi)跑贏滬深300指數(shù)15%，跑贏的記為1，否則記為0。broker_size為分析師所屬券商規(guī)模的虛擬變量，大平臺(tái)為1，小平臺(tái)為0。reputation是分析師個(gè)人聲譽(yù)，選取分析師之前連續(xù)上榜次數(shù)的對(duì)數(shù)值作為代理變量。gender是分析師性別變量，男性分析師發(fā)布的報(bào)告記為1，女性記為0。number_followed指分析師所覆蓋的公司數(shù)量的對(duì)數(shù)值。firm_size代表推薦標(biāo)的公司市值的對(duì)數(shù)值。consumption，finance，manufacture，service，tmt，materials，energy_environment等為七個(gè)行業(yè)虛擬變量，其中consumption作為缺省變量。general，first，upgrade，again等為四種買入評(píng)級(jí)報(bào)告類型的虛擬變量，其中g(shù)eneral作為缺省變量。

二、實(shí)證結(jié)果與分析

表4為Logit模型回歸結(jié)果，顯示分析師所屬券商的規(guī)模、分析師推薦的標(biāo)的公司的市值這兩個(gè)變量顯著降低分析師的薦股準(zhǔn)確性；而分析師聲譽(yù)能顯著提高其薦股報(bào)告的準(zhǔn)確性。分析師的性別和分析師所覆蓋的公司的數(shù)量這兩個(gè)變量對(duì)分析師的薦股準(zhǔn)確性沒有影響。不同的行業(yè)存在明顯的差別，finance（金融）、tmt（科技、媒體和通信）和energy_environment（環(huán)保）這三個(gè)行業(yè)的薦股報(bào)告準(zhǔn)確性較高。另外，不同類型的買入評(píng)級(jí)報(bào)告在其準(zhǔn)確性上沒有顯著差別。

我們的樣本中，5家大券商共計(jì)發(fā)布了539份買入評(píng)級(jí)報(bào)告，達(dá)標(biāo)報(bào)告有153份，占比28.4%；而其他19家上榜券商合計(jì)發(fā)布509份，達(dá)標(biāo)報(bào)告195份，占比38.3%。這說明大券商發(fā)布的報(bào)告數(shù)量多，但質(zhì)量不如小券商。小券商平臺(tái)上的分析師的薦股準(zhǔn)確性反而更高，這與信息優(yōu)勢(shì)的預(yù)期結(jié)果相反?？赡艿慕忉尵褪?，大券商的分析師可以更多更好地與機(jī)構(gòu)投資者接觸，這會(huì)增大獲得《新財(cái)富》分析師投票的可能性，因此大券商分析師更容易上榜。而且大券商分析師面臨更多的利益沖突，很多重倉的股票都希望分析師可以覆蓋并發(fā)布買入評(píng)級(jí)報(bào)告，因此大券商的分析師有更大的壓力去發(fā)布更多本來可能達(dá)不到標(biāo)準(zhǔn)的買入評(píng)級(jí)報(bào)告。假設(shè)分析師分為兩種，一種是薦股準(zhǔn)確的分析師，一種是薦股不準(zhǔn)確的分析師，那么可能會(huì)產(chǎn)生如下的《新財(cái)富》上榜分析師矩陣。由于我們考慮的樣本均為上榜分析師，因此小券商上榜的分析師其薦股準(zhǔn)確率可能更高。

分析師推薦市值小的推薦標(biāo)的，薦股準(zhǔn)確率會(huì)較高，這和我們的預(yù)期結(jié)果類似。我國上市公司里市值大的一般都是央企和國企，雖然市場關(guān)注度高，但證券分析師很難比其他投資者擁有更多的信息優(yōu)勢(shì)，而那些市值小的公司大都是私營企業(yè)，如果分析師與之有更多交流，可能會(huì)讓分析師掌握更多的信息優(yōu)勢(shì)，從而更容易推薦出好的標(biāo)的股票。

三、模型解釋力度檢驗(yàn)

對(duì)比因變量y的實(shí)際觀察值（1或者0）和Logit模型預(yù)測值（介于0和1之間的一個(gè)概率值），如果我們規(guī)定：模型預(yù)測值>=0.5，則模型預(yù)測結(jié)果為1，否則模型預(yù)測結(jié)果為0，則我們可以檢驗(yàn)?zāi)Ｐ偷慕忉屃Χ?。?duì)比結(jié)果一共存在如下四種可能：（A）推薦標(biāo)的實(shí)際跑贏指數(shù)15%，模型預(yù)測結(jié)果是1；（B）推薦標(biāo)的實(shí)際跑贏指數(shù)15%，模型預(yù)測結(jié)果是0；（C）推薦標(biāo)的實(shí)際沒有跑贏指數(shù)15%，模型預(yù)測結(jié)果是1；（D）推薦標(biāo)的實(shí)際沒有跑贏指數(shù)15%，模型預(yù)測結(jié)果是0。其中（A）和（D）說明模型成功預(yù)測，（B）和（C）說明模型錯(cuò)誤預(yù)測。我們將表4中的回歸參數(shù)帶回Logit回歸方程，計(jì)算出因變量y的預(yù)測值，然后再由公式推導(dǎo)出1048個(gè)值，p值即為Logit模型預(yù)測的薦股準(zhǔn)確率。我們因此得出表6中的模型解釋力度。

我們的Logit模型預(yù)測的總體準(zhǔn)確率為68.7%。具體來說，如果推薦標(biāo)的實(shí)際沒有跑贏指數(shù)15%，而模型預(yù)測結(jié)果也為0的這種情況，準(zhǔn)確率高達(dá)94%；但若推薦標(biāo)的實(shí)際跑贏指數(shù)15%，模型預(yù)測也為1的這種情況，準(zhǔn)確率僅為17.82%。

如果我們提高判斷標(biāo)準(zhǔn)用來指導(dǎo)實(shí)際投資，效果則會(huì)好很多。比如我們將p值大于0.6的挑選出來，檢驗(yàn)是否實(shí)現(xiàn)收益諾言，見下表7。可以看出，此時(shí)我們選出來的標(biāo)的雖然很少，但是達(dá)標(biāo)率達(dá)到19/22=86.36%。

作為樣本外模型解釋力度的檢驗(yàn)，我們另外使用2014年《新財(cái)富》上榜分析師2014年12月1日至2015年4月30日推薦的425份買入評(píng)級(jí)報(bào)告，使用表4中的Logit模型估計(jì)參數(shù)，計(jì)算出425個(gè)p值。如果我們將p>=0.6的74份買入評(píng)級(jí)報(bào)告挑選出來，實(shí)際跑贏滬深300指數(shù)15%的有62個(gè)，達(dá)標(biāo)比例高達(dá)83.78%，74個(gè)標(biāo)的平均超額收益率為71.77%。我們因此相信本文模型對(duì)投資者的投資決策有現(xiàn)實(shí)的參考價(jià)值。

四、結(jié)論

本文選用2012、2013兩個(gè)年度的《新財(cái)富》上榜分析師在其隨后一年內(nèi)發(fā)布的1048份買入評(píng)級(jí)報(bào)告為研究對(duì)象，從信息優(yōu)勢(shì)的角度，分析分析師薦股報(bào)告準(zhǔn)確率的影響因素。證券分析師作為二級(jí)市場信息的提供者，本身具有比較好的專業(yè)知識(shí)，再結(jié)合他們對(duì)上市公司的調(diào)研、與同行的交流、對(duì)市場的理解和把握，因此比普通投資者掌握更多的信息優(yōu)勢(shì)，他們的薦股報(bào)告應(yīng)該是投資者比較好的參考依據(jù)。通過本文的研究結(jié)果，我們可以從《新財(cái)富》上榜分析師的買入評(píng)級(jí)報(bào)告中選出一些有更大概率跑贏基準(zhǔn)指數(shù)的投資標(biāo)的。

參考文獻(xiàn)：

[1] 李春濤，徐鑫，李萬峰.分析師評(píng)級(jí)有效性研究：中國A股市場的證據(jù)[J].浙江社會(huì)科學(xué)，2014（9）

[2] 王宇熹，洪劍峭，肖峻.頂級(jí)券商的明星分析師薦股評(píng)級(jí)更有價(jià)值么？——基于券商聲譽(yù)、分析師聲譽(yù)的實(shí)證研究[J].管理工程學(xué)報(bào)，2012（3）

[3] Clement， Michael：Analyst Forecast Accuracy.Do Ability， Resources and Portfolio Complexity Matter[J].Journal of Accounting & Economics， 1999（3）

[4] Demiroglu， Cem， Michael Ryngaert.The First Analyst Coverage of Neglected Stocks [J].Financial Management，2010（2）

[5] Desai，Hemang， Bing Liang and Ajai Singh.Do All-Stars Shine Evaluation of Analyst Recommendations[J].Financial Analysts Journal，2000（3）

[6] Jacob， John， Thomas Lys and Margaret Neale.Expertise in Forecasting Performance of Security Analysts [J]. Journal of Accounting & Economics，1999（1）

[7] Jiang， George， Liangliang Lu and Dongming Zhu.The Information Content of Analyst Recommendation Revisions： Evidence from the Chinese Stock Market [J].Pacific-Basin Finance Journal， 2014， September

[8] Mikhail， Michael，Beverly Walther and Richard Willis.Do Security Analysts Improve Their Performance with Experience [J].Journal of Accounting Research， 1997（4）

（作者單位：周豫，北京大學(xué)匯豐商學(xué)院 廣東深圳 518055；張林甫，申銀萬國研究所 上海 200002；徐浩然，南京大學(xué)商學(xué)院 江蘇南京 210046）

（作者簡介：周豫，美國俄亥俄州立大學(xué)經(jīng)濟(jì)學(xué)博士，北京大學(xué)匯豐商學(xué)院助理教授，房地產(chǎn)研究中心助理主任，美國房利美公司經(jīng)濟(jì)師，研究方向?yàn)榉康禺a(chǎn)經(jīng)濟(jì)與金融；張林甫，金融學(xué)碩士，申銀萬國研究所；徐浩然，南京大學(xué)商學(xué)院。）

（責(zé)編：賈偉）