“学海拾珠”系列之三十：有多少分析师建议是有价值的？-20210208-华安证券-30页_1mb

有多少分析师建议是有价值的？

核心内容

本文探讨了分析师建议中真正有价值的比例，并分析了分析师技能的来源及表现。研究基于1993年至2015年期间的5,500名股票分析师的建议修正数据，结合混合分布模型，评估了分析师建议的异常收益以及其背后的经济价值。

主要观点

1. 大多数分析师是有技能的：研究发现，89.4% 的分析师能够提出有投资价值的建议，即具有正的异常收益。这些分析师的技能主要体现在信息处理和信息生产两个方面。
2. 分析师技能的异质性：虽然大多数分析师是有技能的，但其技能水平存在显著差异。根据无约束混合模型，约 64% 的分析师属于低技能组，平均异常收益为 1.51%；而 36% 的分析师属于高技能组，平均异常收益为 2.44%。
3. 信息处理与信息生产：分析师既擅长处理信息（如新闻事件后的修正），也擅长生产信息（非新闻日的修正）。约 93% 的分析师在非新闻日进行了修正，表明他们具有较强的信息生产能力。
4. 分析师特征与技能的关系：
   • 建议数量多的分析师更可能属于低技能组。
   • 卖出建议比例高的分析师更可能属于高技能组。
   • 涵盖行业多的分析师更可能属于高技能组。
   • 任职时间长的分析师更可能属于高技能组。
5. 分析师技能随时间变化：分析师技能在样本期间呈现上升趋势，特别是在2006-2015年期间，平均异常收益从约 75bps 上升到 2% 以上。
6. 建议的经济价值：
   • 中位分析师的建议对市场整体价格发现的价值约为 $2200万美元。
   • 对于 机构投资者，中位分析师的建议价值约为 $1500万美元。
   • 每个分析师的建议对 单个机构客户 的价值约为 $41,000。
7. 建议的信息性：
   • 86% 的建议是信息丰富的（即具有正的真实异常收益）。
   • 有影响力的建议（t值 ≥ 1.96）仅占 10%，但其异常收益显著高于无影响力的建议。
   • 无影响力的建议平均异常收益为 1%，而有影响力的建议平均为 8%。

关键信息

• 混合分布模型：分析师的异常收益被建模为两个技能组的混合分布，分别以 u₀ 和 u₁ 为中心，标准差分别为 σ₀ 和 σ₁。
• 技能评估方法：通过计算分析师建议的平均异常收益和标准误，结合混合模型进行估计，以识别高技能和低技能分析师。
• 数据来源：数据来自汤森路透的I/B/E/S数据库，结合CRSP和NYSE TAQ的收益数据。
• 噪声影响：股票收益具有较大的噪声，因此使用混合模型来减少噪声是必要的。
• 技能的经济意义：分析师的技能不仅影响异常收益，还对市场整体和机构投资者的交易决策具有重要影响。

模型与方法

• 混合分布模型：将分析师的异常收益建模为两个成分分布，分别代表高技能和低技能分析师。
• 选择分量分布：使用贝叶斯信息准则（BIC）和似然比检验（LRTS）确定最优的分量数量，最终确定为 2个分量。
• 信息处理与信息生产：根据RavenPack新闻数据库，将建议分为信息处理（新闻日）和信息生产（非新闻日）两类，分别评估其对市场的影响。
• 建议层面的分析：通过建议层面的混合模型，发现 86% 的建议是信息丰富的，而有影响力的建议仅占 10%。

结论

• 分析师在金融市场中扮演重要角色，他们能够提供有价值的投资建议。
• 分析师技能的分布具有显著的异质性，但总体上大多数分析师是有技能的。
• 建议的经济价值不仅体现在异常收益上，还体现在其对市场和机构投资者的影响上。
• 建议的信息性与有影响力并不完全一致，非有影响力的建议也可能包含有价值的信息。

风险提示

• 本文结论基于历史数据和海外文献，不构成任何投资建议。
• 建议的异常收益可能受到市场噪声和运气的影响，因此不能完全代表分析师的真实技能。

图表概述

• 图表1：混合分布模型中分析师技能的分布情况。
• 图表2：分析师建议修正的异常收益分布。
• 图表3：分析师平均异常收益的描述性统计。
• 图表4：分析师平均异常收益的横截面分布。
• 图表5：有技能和无技能分析师比例的估计。
• 图表6：分析师技能的异质性分析。
• 图表7：信息处理和信息生产对分析师技能的影响。
• 图表8：分析师技能随时间的变化趋势。
• 图表9：分析师建议的美元影响分析。
• 图表10：建议信息性的异质性分析。

参考文献

• Womack, K. (1996)
• Stickel, K. E. (1995)
• Barber, B. M. et al. (2001, 2010)
• Altinkilig, E. and Hansen, T. (2009)
• Altinkilig, E. et al. (2013)
• Bradley, R. et al. (2014)
• Li, J. et al. (2015)
• Loh, K. and Stulz, R. M. (2011)
• Mikhail, Y. et al. (2004)
• Berk, J. and vanBinsbergen, J. (2015)