20171206-申万宏源-2014年IPO重启后次新股超额收益实证研究_七成次新股上市第二年表现最优_23页_1mb

次新股超额收益与业绩分析报告总结

核心内容概述

本报告基于2014年IPO重启后上市，且上市时间满3年的99只股票，使用机器学习中的Affinity Propagation聚类算法对次新股的超额收益走势进行分类，识别出五类典型的次新股走势模式，并分析其与业绩增速之间的关系。

主要观点

1. 次新股走势规律性

   • 新股上市后股价走势具有规律性，适用于聚类分析。
   • 市场对次新股的研究多集中于个股基本面，缺乏整体规律的把握。

2. 五类典型走势分类

   • 半年发力型：18.2%的股票，上市半年即出现超额收益向上的拐点，但随后在第一年年末回吐大部分收益。
   • 一年发力型：36.4%的股票，上市一年底出现超额收益拐点，且多为非国有企业。
   • 一年半发力型：17.2%的股票，上市一年半后出现超额收益拐点，业绩在第二年下半年开始改善。
   • 区间震荡型：18.2%的股票，超额收益在箱体内震荡，无明显表现。
   • 低位盘整型：10.1%的股票，上市后持续低迷，业绩增长乏力。

3. 关键信息

   • 多数次新股（81.8%）上市第一年表现以震荡为主，其中28.3%在第一年跑输大盘。
   • 上市第二年期间，71.8%的个股出现显著超额收益。
   • 上市第三年，多数个股（82.8%）难以跑出超额收益，且有较高概率跑输大盘。
   • 次新股的走势与业绩增速有很强的相关性，业绩拐点通常也是超额收益拐点。

详细分析

2.1 个股样本选取

• 样本为2014年IPO重启后上市，且上市时间满3年的股票，共99只。
• 上市板块分布：上交所主板34%、中小板25%、创业板41%。
• 行业分布较为均匀。

2.2 聚类结果汇总

2.3 逐类分析解读

2.3.1 第一类：半年发力型

• 特征：上市半年即出现超额收益向上的拐点。
• 走势：第一年年末迅速回吐大部分超额收益，第二年及第三年持续跑输大盘。
• 行业分布：计算机和医药生物各占17%，公共事业、机械设备和汽车各占11%。
• 企业性质：77.8%为非国有企业，22.2%为国有企业。
• 上市时间：13家公司于2014年下半年上市。

2.3.2 第二类：一年发力型

• 特征：上市一年底出现超额收益向上的拐点。
• 走势：第一年表现平平，第二年持续跑赢大盘，第三年走势平稳。
• 行业分布：机械设备和计算机各占14%，电气设备、汽车和医药生物各占11%。
• 企业性质：全部为非国有企业。
• 上市时间：主要集中在2014年1月份，下半年也有部分公司上市。

2.3.3 第三类：一年半发力型

• 特征：上市一年半后出现超额收益向上的拐点。
• 走势：第一年半波动不大，第二年下半年开始持续跑赢大盘，第三年下半年达到顶峰。
• 行业分布：机械设备占23%，电气设备、计算机和家用电器各占12%。
• 企业性质：94.1%为非国有企业，5.9%为国有企业。
• 上市时间：主要集中在2014年1月份。

2.3.4 第四类：区间震荡型

• 特征：超额收益在箱体内震荡，无明显表现。
• 走势：第一年表现低迷，第二年逐步回升，第三年再次跑输大盘。
• 行业分布：电子、机械设备、医药生物各占17%。
• 企业性质：88.9%为非国有企业，11.1%为国有企业。
• 上市时间：全部在2014年下半年上市。

2.3.5 第五类：低位盘整型

• 特征：上市后股价持续低迷，难以跑出超额收益。
• 走势：第一年持续跑输大盘，第二年和第三年止跌企稳但无明显超额收益。
• 行业分布：食品饮料占30%，采掘、电气设备和电子各占10%。
• 企业性质：80%为非国有企业，20%为国有企业。
• 上市时间：主要集中在2014年6-8月。

总体结论

1. 多数次新股（81.8%）开板后第一年内超额收益不明显，以区间震荡为主。
2. “一年发力型”出现概率最高（36.4%），其特点是在上市一年底出现向上拐点，且样本股均为非国有企业。
3. 多数次新股（81.8%）上市第一年末会有一小段明显的杀跌过程，杀跌幅度与杀跌前的超额收益正相关。
4. 上市第二年期间，71.8%的个股有比较显著的超额收益。
5. 多数个股（82.8%）上市第三年难以跑出超额收益，且接近第三年年末时有较大概率跑输大盘。
6. 次新股走势与业绩增速有很强的相关性，业绩拐点通常也是超额收益的拐点。

研究局限

• 本研究仅使用2014年IPO重启后上市的公司作为样本，以更贴合当前市场环境。
• 样本量较小，仅取上市满三年的公司股票超额收益数据。
• 次新股的炒作受到市场整体行情、投资者风险偏好、监管导向等因素的影响，可能影响研究结论的适用性。

关键信息

• 研究方法：采用无监督学习中的Affinity Propagation聚类算法，无需指定聚类个数，且结果一致。
• 数据来源：Wind、申万宏源研究。
• 联系方式：施鑫展，电话：(8621)23297818×7422，邮箱：shixz@swsresearch.com。
• 投资评级：以沪深300指数为基准，分为买入、增持、中性、减持；行业评级分为看好、中性、看淡。

附录简述

• 机器学习简介：机器学习是人工智能的重要分支，包括监督学习、无监督学习等。
• 聚类方法：常用方法如K-means、K-medoids，但不适用于时间序列分析。Affinity Propagation算法通过相似度和信息交换进行聚类，适合处理高维数据。

信息披露

• 分析师承诺：本报告由具备证券投资咨询执业资格的分析师独立、客观撰写，不涉及任何形式的补偿。
• 公司信息：隶属于申万宏源证券有限公司，具有证券投资咨询业务许可。
• 利益冲突声明：客户应自主作出投资决策，本报告不构成私人咨询建议。

法律声明

• 本报告仅供申万宏源研究所有限公司客户使用。
• 本报告基于公开信息，不保证其准确性或完整性。
• 本报告不构成投资建议，客户应自行承担投资风险。
• 本报告的版权归申万宏源研究所有限公司所有，未经书面授权不得复制或分发。