首页1 引言
在《金股数据库及金股增强组合策略》系列报告中，获取了 2020 年 1 月起的券商金股 数据，并将每只金股的推荐记录映射到相应的分析师。在此基础上，构建了绝对收益角度 的推荐成功率、相对收益角度的推荐成功率、行业公平的决策成功率、赔率、推荐金股走 势可持续性等量化特征，希望能将市场上持续贡献α的推荐甄别出来，并以他们推荐的金 股构建金股增强组合，并进一步改造分析师预期相关的因子。
2 上市公司评级报告数据库介绍
2.1 数据库要素
整合 Choice 和 Wind 研报平台自 2015 年 1 月至 2023 年 2 月的公司研究报告，包括： 深度研究、公司调查研究、公司点评、财报点评、新股研究。在此基础上，匹配相应标的 交易数据，申万一级行业数据，并建立评级报告观点的代理变量，以此统计分析师评级、 目标价调整观点的准确性。
(资料图片仅供参考)
在生成 26 号字段“评级报告观点”时，首先取某分析师对该标的评级的变动。若评级 上调，则认为该分析师对该标的观点是“乐观”；若评级下调，则认为该分析师对该标的观 点是“谨慎”；若该标的评级维持不变但目标价调高，则认为该分析师对该标的观点是“乐 观”；若该标的评级维持不变但目标价调低，则认为该分析师对该标的观点是“谨慎”；若 该标的评级维持不变且目标价不变，则认为该分析师对该标的观点是“未知”。
2.2 评级报告数据特征
2.2.1 上市公司研报数量随年份提升
分析师发布的公司研究报告有上升趋势。可能的原因是近年 来 A 股的上市公司数量增长，且行业内的券商机构和分析师群体数量增长。2017 年至 2021 年，每年的公司研究报告数稳定在 5 万份上下，2022 年大幅增长至 67586 份。
2.2.2 年内报告数量分布有季节性
年内的报告数量分布有季节性，集中于 3 月、4 月、8 月和 10 月。3 月、4 月为年报和 一季报的集中披露期，8 月为中报的集中披露期，10 月为三季报的集中披露期。定期财务 报告集中披露期伴随较多数量的财报点评报告。
2.2.3 市场对股票关注度不均衡
若以分析师 发布的个股研究报告数作为个股市场关注度的代理变量，可知不同标的间市场关注度差异 大。关注度排名前 100 的股票，其研究报告数量占所有股票研究报告数量的 18.89%；关注 度排名前 10%的股票报告数占所有股票研究报告数量的 50%。有大量股票可能缺乏市场的 研究挖掘。
2.2.4 医药生物板块关注度最高
2015 年 1 月至 2022 年 12 月，市场关注度最高的申万一级行业为生物医药、计算机、 电子、电力设备和食品饮料，区间回报分别为 57.71%，14.73%，70.93%，111.31%， 316.55%；关注度最低的行业为石油石化、美容护理、煤炭、钢铁和综合，区间回报分别 为-11.33%，75.36%，26.44%，-17.29%，6.40%。
2.2.5 评级报告可能滞后
总体上，评级上调和目标价调高前 20 个交易日，资产价格已经积累了一 定的涨幅；评级下调和目标价调低前 20 个交易日，资产价格也有所反应。由于分析师调查 研究，报告撰写以及报告发布流程等因素，评级报告的发布相较市场认知的更新可能存在 一定的滞后性。
2.2.6 评级分布不对称
对上市公司的评级集中于买入和增持，占 比为 98%；对上市公司的评级变动集中于维持和首次，占比 97%。由于评级和评级变动的 观点分布十分不对称，与现实情况差距较大，这两个指标不能充分代表评级报告观点。需 要进一步考虑其它指标。
若考虑目标价与市价的大小关系代表评级报告观 点，依旧面临分布不均衡的问题。目标价高于市价的报告占比为 92.28%，目标价低于市价 的报告占比为 7.7%。
2.3 关键指标算法
2.3.1 评级报告观点
以评级变动作为判断评级报告对股票观点优先级最高的指标，上调代表 乐观，下调代表谨慎。若评级维持，则以目标价调整作为确定评级报告观点的指标，调高 代表乐观，调低代表谨慎。若评级和目标价都未发生变动，则无法判断评级报告对该股票 观点。
2.3.2 观点结果判定
若评级报告对股票的观点是乐观，且 20 交易日后累计收益率大于 0，则判定其短期观 点符合走势，相反则判定短期观点背离走势。谨慎观点同理。
若评级报告对股票的观点是乐观，且 60 交易日后累计收益率大于 0，则判定其中期观 点符合走势，相反则判定中期观点背离走势。谨慎观点同理。
2.3.3 观点符合率
观点符合率 = 短期、中期观点符合走势次数 / 总观点次数
3 评级报告评级事件
以事件的视角来看待评级报告的发布。对于不同的事件，如评级上调，评级下调，目 标价上调等，可以研究事件发生后的股票收益率情况，从而找到优势的事件。除此之外， 以事件发生前的股票累计涨跌幅作为条件，细化事件的分类，从而优化事件的选择。
3.1 收益分布
构建事件策略前，先对不同事件发生后的短期和中期收益率分布进行研究，用以确定 何种事件发生后获取正收益的比例更大，或者赔率更高，并依此选择事件。
3.1.1 当前评级事件
对当前评级事件发生后 20 个交易日和 60 个交易日的累计收益率分布进行绘制。当前 评级共分 7 类：买入、增持、持有、中性、卖出、回避、减持。考虑到部分事件发生的次 数太少，因此绘制更具有代表性的买入、中性、回避三类事件后的收益率分布。
当前评级为买入的事件发生后，20 交易日后收益率的均值为 1.30%，中位数为 0%； 中性评级事件发生后，20 交易日后收益率的均值为 0.73%，中位数为-0.46%；回避事件发 生后，20 交易日后收益率的均值为 2.33%，中位数为 0.96%。 当前评级为买入的事件发生后，60 交易日后收益率的均值为 3.95%，中位数为 0%； 中性评级事件发生后，60 交易日后收益率的均值为 1.63%，中位数为-1.2%；回避事件发生 后，60 交易日后收益率的均值为 0.58%，中位数为-3.81%。
3.1.2 评级变更事件
对评级变更事件发生后 20 个交易日和 60 个交易日的累计收益率分布进行绘制。评级 变更事件共分 4 类：首次、调低、调高、维持。
评级变更为首次的事件发生后，20 交易日后收益率的均值为
1.87%，中位数为0.24%；调高事件发生后，20 交易日后收益率的均值为 2.82%，中位数为 0.84%；调低事件 发生后，20 交易日后收益率的均值为-0.02%，中位数为-0.72%。 评级变更为首次的事件发生后，60 交易日后收益率的均值为 3.86%，中位数为0.90%；调高事件发生后，60 交易日后收益率的均值为 5.26%，中位数为 0.72%；调低事件 发生后，60 交易日后收益率的均值为 0.74%，中位数为-1.73%。
3.1.3 目标价调整事件
对目标价调整事件发生后 20 个交易日和 60 个交易日的累计收益率分布进行绘制。目 标价调整事件共分 3 类：持平、调高、调低。
目标价调整为持平的事件发生后，20 交易日后收益率的均值为 0.60%，中位数为0.39%；目标价调高事件发生后，20 交易日后收益率的均值为-0.07%，中位数为-1.13%； 目标价调低事件发生后，20 交易日后收益率的均值为 2.64%，中位数为 1.13%。 目标价调整为持平的事件发生后，60 交易日后收益率的均值为 2.82%，中位数为0.51%；目标价调高事件发生后，60 交易日后收益率的均值为 0.94%，中位数为-1.92%； 目标价调低事件发生后，60 交易日后收益率的均值为 7.71%，中位数为 3.52%。 综合上述事件回溯，评级上调事件发生后的股票预期收益率为正。针对该类事件进行 进一步的分析。
3.2 涨跌幅分档
3.2.1 绝对收益分布
首先，从绝对收益的角度出发，按照评级上调事件发生前 20 个交易日累计涨跌幅对标 的进行分档。评级上调但是资产价格没有提前反应的股票，预期收益率可能会有优势。
当评级上调前 20 个交易日股票的累计收益小于-10%时，事件 60 日后的预期 收益率为 9.97%，当评级上调前 20 个交易日股票的累计收益大于 20%时，事件 60 日后的 预期收益率为 5.58%。后文将对这两种事件构建策略并回测。
当评级下调前 20 个交易日股票的累计收益大于 20%时，事件 60 日后的 收益率中位数为-9.13%。股票前期大幅上涨叠加基本面的利空可能会导致短期内出现较大 回撤的情况。
3.2.2 相对收益分布
考虑个股相对申万一级行业所形成的超额收益。同样按照评级调整前 20 个交易日涨跌 幅进行分档。
当评级上调，且上调前 20 交易日股票 跌幅大于-10%的个股，其 20 日后平均超额收益率为 3.21%，60 日后平均超额收益率为 6.52%。在所有分档中，处于最优。
评级下调且下调前 20 交易日累计收益率大于 20%的个股，其未 来 60 日的超额收益呈现明显右偏分布的特征，因此其平均数大于中位数。评级下调且下调 前 20 交易日累计收益率小于-20%的个股，其未来 60 日的超额收益分布较为正态。
4 评级报告推荐准确率
4.1 短期、中期推荐准确率分布
本文考虑评级报告给出评级上调、下调或者维持原有评级但改变目标价的行为，将这 种行为视为是评级报告的一次判断。比较一个月区间、三个月区间的收盘价与报告出具日 的收盘价，如果股价变动方向与评级报告的判断方向相匹配，则视作短、中期判断符合实 际走势。需要说明的是上文提及的所有股票价格数据，为了避免公司发放红利和拆股等对 股价的影响，全部转换成后复权价格进行比较。 对历史评级报告进行统计得到评级报告作者短线、中线判断符合价格实际走势的次 数，与该作者的累计研报数量相比即可分别计算出短线准确率与中线准确率。
基于评级报告统计期内最后一次观测的短期评级准确率和中期评级准确率，将统计期 内评级符合走势次数大于等于 7 次的分析师纳入样本。
4.2 基于评级报告观点准确率的组合测试
(1) 股票池：上市满 1 年；当月所有评级报告改变评级的股票；非 ST 股票； (2) 组合构建流程： 1） 获取当月所有研报评级和分析师信息； 2） 查询分析师数据库，获取当月发布研报的每一位分析师的历史定量指标； 3） 对分析师定量指标进行排序，分别将短线和中线准确率的分析师，分为 5 组，根据其研报设定买入卖出策略，并构建相应的 5 个等权组合； 4） 每月末重复上述操作计算最新的分析师分组； (3) 回测时段：2019 年 1 月至 2023 年 2 月； (4) 调仓周期：高胜率分析师发布研报后的下一个交易日； (5) 持仓周期：短线股票不低于 20 交易日，中线股票不低于 60 交易日； (6) 持仓数量：最大持仓 50 只，若不满 50 只股票，每只股票等权仓位 2%。
5 相似度评价指标
5.1 相似度定义及计算
计算分析师收益率矩阵，设定目标收益率矩阵，通过及计算两矩阵间相似度，找到历 史表现满足投资人风险偏好的分析师群体。 为每一位分析师建立收益率矩阵，矩阵构成方法如下。首先选取该分析师统计期内发 表过乐观判断的所有股票，对股票按照评级日前 20 个交易日累计涨 跌幅分档，然后分别计算 1、3、6 个月后股票累计回报均值，以及剔除股票对应申万一级 行业回报后的超额回报均值。
自定义目标收益率矩阵，作为投资者对短期、中期和中长期投资收益目标的预期。前 文已述，评级上调且前 20 交易日跌幅大于 10%的事件所对应的预期收益率最高，因此， 在目标收益率矩阵中，这一档位的预期收益率高于其它档位。 投资者可根据自身风险偏好确定目标收益率矩阵中每个元素的大小，或者新增列以表 达对投资目标更多维度的刻画，如最大回撤，波动率等。
5.2 寻找适合的目标矩阵
目标矩阵的设定会直接影响相似度计算的结果，依据不同目标矩阵所计算出的分析师 相似度不同，根据相似度排名甄选出的分析师群体也会有差别。为了使相近时刻甄选出的 分析师群体保持一定的持续性，且保留相似度这一指标的筛选作用，需要测试不同的目标 矩阵，以达到两个方面的平衡。
5.3 相似度分档比较
在时序上得到分析师的相似度，并将分析师按相似度分 3 档，比较高相似度分档和低相似度分档的分析师所看好的股票在 20 交易日后和 60 交易日 后的平均收益率。用高相似度分档的分析师看好股票的平均收益率 减去低相似度分档的平均收益率，得到高低档分析师推荐股票平均收益率的差值。
20 日交易日后，高减低档收益率差值大于 0 的占比为 55.22%，平均收益率差值为 0.42%。对于 60 日交易日后累计回报，高减低档收益率差值大于 0 的占比为 58.21%，平均 收益率差为 1.17%。可见，相似度指标对于甄别分析师提供了增量信息。
5.4 相似度动态变化
把分析师相似度的动态变化纳入考量，构建一个 2 维的评价体系，2 个维度分别是分 析师当前的相似度百分位排名，百分位排名的环比变化。
可以重点关注处于第一象限内的分析师，这部分分析师相似度的排名在分析师群体中 位列前 50%，且他们的相似度排名还在提升。第二象限内的分析群体，虽然排名暂时落 后，但是其相似度排名的环比正在提升，说明他们观点的准确率和推票的收益率正在改 善，有望从第二象限转入到第一象限。
6 结论
分析师评级报告有以下几个特征：每年的评级报告数量有增加趋势；年内评级报告分 布集中于财报季；股票关注度存在明显的 2/8 效应；评级报告的发布相对于市场认知存在 滞后性；评级和评级变动的分布存在不对称性，使用目标价变动的方向作为评级报告观点 的代理变量较为合理。 对评级报告数据库进行详细的描述性统计后，对两类事件策略进行了回测：评级上调 且上调前 20 交易日累计跌幅大于 10%，或累计涨幅大于 20%。这两类事件策略在 2019 年 后有效性显著提升，相对沪深 300 指数累积了较厚的超额收益。
对评级报告在统计期内的短期、中期观点准确率进行跟踪并依此进行分层测试和单调 性测试，结果显示过往的观点准确率对未来准确率的提示意义较低。 通过设定目标收益率矩阵和事件考核权重，可以计算分析师历史评级表现与目标收益 率矩阵的相似度。经实证，相似度高的分析师群体，其推荐的股票平均收益率高于相似度 低的分析师群体。相似度评价指标为甄别评级报告提供了增量信息。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
关键词：
营业执照公示信息