“学海拾珠”系列之七十三：高点锚定效应和跨公司收益预测-20211220-华安证券-22页_1mb

高点锚定效应和跨公司收益预测总结

核心内容

本篇报告探讨了“高点锚定效应”对投资者在面对经济关联公司新闻时的反应不足的影响，并分析了这种效应如何影响跨公司的收益预测。研究指出，当企业股价接近（远离）52周高点时，投资者对经济关联公司的好（坏）消息反应不足。这种现象在A股市场中尤为显著，因为52周高点因子的有效性较弱，而跨公司收益预测则为市场“动量效应不足”提供了新的视角。

主要观点

• 高点锚定效应是一种心理障碍：当企业股价接近52周高点时，投资者会因为锚定效应而延迟对相关公司新闻的反应，从而影响收益预测。
• 跨公司收益预测受高点锚定效应影响：投资者对经济关联公司（如客户、供应商）的新闻反应不足，且这种反应不足在股价接近52周高点时更为显著。
• 收益分解显示交互效应显著：收益可预测性不仅由客户动量和52周高点效应单独决定，更关键的是二者之间的交互作用，该交互效应显著为正。
• 分析师行为受到高点锚定效应影响：分析师对客户公司收益的反应在股价接近52周高点时减弱，表明高点锚定效应影响了他们的推荐评级更新过程。
• 市场反应不足并非由于注意力缺失：投资者在股价接近52周高点时反而注意力增加，表明高点锚定效应是影响市场反应的关键因素。
• 高点锚定效应适用于多种经济关联场景：不仅限于客户—供应商关系，还包括地理动量、行业动量、业务复杂度和国外行业信息。

关键信息

52周高点效应与客户动量的交互

• 在CR5（客户收益最高）和PRC5（股价接近52周高点）的组合中，FFC4 alpha为每月1.44%（t=2.72）。
• 在CR1（客户收益最低）和PRC1（股价远离52周高点）的组合中，FFC4 alpha为每月-0.97%（t=-4.63）。
• 交互效应显著为正，表明高点锚定效应在解释客户动量方面起着重要作用。

投资组合收益分析

• 每月将供应商公司根据客户收益（CR）和52周高点比率（PRC）分别分为五分之一组，形成25个投资组合。
• 投资组合收益随着CR和PRC的排名增加而增加，表明客户收益和股价接近高点对收益预测具有正向影响。
• 在CR5和PRC5的组合中，收益显著为正；在CR1和PRC1的组合中，收益显著为负。

收益分解方法

• 采用Fama-MacBeth横截面回归方法，将投资组合收益分解为客户动量效应、52周高点效应及其交互效应。
• 交互效应是收益分解的核心，解释了客户动量现象。

稳健性测试

• 交互效应在使用不同因子模型（如DGTW、FF5、FF5+UMD、Q因子）进行调整后仍显著。
• 排除一月数据后，交互效应仍显著，表明结论稳健。

子样本分析

• 交互效应在市值较小、机构所有权较低、分析师覆盖较低和特质波动率较高的公司中更显著。
• 通过构造子样本，进一步验证了交互效应在不同距离52周高点的股票中强度不同。

扩展研究

• 当供应商和客户股价均接近（远离）52周高点时，对客户公司的好（坏）消息反应不足更严重。
• 高点锚定效应可解释大部分跨公司收益可预测性，包括地理动量、行业动量、业务复杂度和国外行业信息。

风险提示

• 本文结论基于历史数据与海外文献总结，不构成投资建议。

结论

作者提出了一个新颖的心理机制来解释市场对经济关联公司新闻反应不足的现象，即高点锚定效应。这一效应不仅影响投资者行为，也影响分析师推荐评级的更新过程。通过收益分解和稳健性测试，作者验证了该效应的显著性，并展示了其在不同经济环境下的适用性，为理解市场低效率提供了新的视角。

图表目录

• 图表1 投资组合特征
• 图表2 投资组合收益
• 图表3 供应商公司的累积FFC4 alpha
• 图表4 收益分解规范
• 图表5 收益分解结果
• 图表6 PRC5-PRC1分布在不同的CR五分位数中
• 图表7 收益分解：与52周高点的绝对距离
• 图表8 收益分解：信息环境下的子样本
• 图表9 收益分解的稳健性测试
• 图表10 交易量排序的投资组合的平均股票特征