復旦大 9 o 全市场首次覆盖和评级修正投资策略研究 院系:经。济学。院 学生:段思淼_17210680099 指导老师:张宗新 时间:2017年01月28日
全市场首次覆盖和评级修正投资策略研究 院系： 经 济 学 院 学生： 段思淼 17210680099 指导老师： 张 宗 新 时间： 2017 年 01 月 28 日
全市场首次覆盖和评级修正投资策略研究 摘要:不同于以往对单个券商首次覆盖或者评级调高的研究,本文主要研究全市场首次 覆盖和评级修正投资策略。借助全部A股数据对每日调仓的低位覆盖(即优先投资换仓日过 去一个月跌幅最大的股票)投资策略进行回测,并通过敏感性测试选择最佳的未覆盖时间, 得出以下结论:1、全市场首次覆盖和评级上调策略均能获得较好的收益,且首次覆盖策略收 益更高。2、同时考虑上述两项指标,运用全市场首次覆盖和评级上调综合策略,可以获得更 高的超额收益。3、根据预测精确度较高分析师的推荐进行投资,同样有利于获取更高的超额 收益 关键词:全市场首次覆盖:全市场首次评级调高:分析师预测精确度;投资策略 、研究背景 卖方分析师作为资本大军中的一员,具有独立发布报告、传递市场观点的资格,在一定 程度上能够反映市场预期,传达可靠的逻辑论证;同时通过向市场传递观点,也能在某种程 度上引领部分预期。他们依靠平台开展调研、路演推介等活动,同上市公司、买方机构接触 较多,掌握相关行业的市场前沿动态,并具有较好的财务基础和专业判断能力,能够将复杂 不易量化的数据进行整合,比如宏观经济、行业发展和主题热点等,从而对股价走势作出综 合判断。总的来说,行业分析师推荐是基于各项基础数据和自身综合判断得出的结果,其评 级或者预测数据代表的是对该股票后市的预期,以及预期背后的一系列逻辑支撑。 分析师发布的研究报告最核心的内容是盈余预测和投资评级。随着获取的信息不断增加, 分析师还会发布新的研究报告,对之前的盈余预测和投资评级进行修正。国外文献指出,盈 余预测修正和投资评级修正具有信息含量,并且股价没有及时反映这些信息含量,从而可以 预测未来股票收益( Barber et al.,2001; Gleason and lee,2003; Jegadeesh et al 2004)。在最新文献中,张宗新和杨万成(2016)利用朝阳永续数据库2010至2014年分析 师数据,发现分析师能够通过信息挖掘的影响模式为投资者创造价值。张然等(2017)研究 发现,分析师发布的盈余预测修正和投资评级修正可以有效提高投资收益。考虑到盈余预测 这类连续性数据系根据不同模型估算而来,依赖的信息量大,冗杂信息干扰性较强,而投资 评级这类离散化数据一般都代表是否变量,分析师在考虑问题时更为慎重,估计因素较少 故投资评级修正这类离散化数据代表的事件驱动也往往比较有效。 长期无人问津股票开始被提及,代表当前时点分析师对公司未来的股价表现比较确定, 这种信心往往源自较高的数据质量和较强的专业判断。基于首次覆盖这种行为,分为券商首 次覆盖和全市场首次覆盖两种事件机会。 现有研究大多从分析师及其所在券商个体的研究报告和盈余预测层面进行研究和策略设 计,而单个券商首次覆盖或者评级调高的信息比较冗杂,有可能是卖方市场跟风所致。在市
1 全市场首次覆盖和评级修正投资策略研究 摘 要：不同于以往对单个券商首次覆盖或者评级调高的研究，本文主要研究全市场首次 覆盖和评级修正投资策略。借助全部 A 股数据对每日调仓的低位覆盖（即优先投资换仓日过 去一个月跌幅最大的股票）投资策略进行回测，并通过敏感性测试选择最佳的未覆盖时间， 得出以下结论：1、全市场首次覆盖和评级上调策略均能获得较好的收益，且首次覆盖策略收 益更高。2、同时考虑上述两项指标，运用全市场首次覆盖和评级上调综合策略，可以获得更 高的超额收益。3、根据预测精确度较高分析师的推荐进行投资，同样有利于获取更高的超额 收益。 关键词：全市场首次覆盖；全市场首次评级调高；分析师预测精确度；投资策略 一、研究背景 卖方分析师作为资本大军中的一员，具有独立发布报告、传递市场观点的资格，在一定 程度上能够反映市场预期，传达可靠的逻辑论证；同时通过向市场传递观点，也能在某种程 度上引领部分预期。他们依靠平台开展调研、路演推介等活动，同上市公司、买方机构接触 较多，掌握相关行业的市场前沿动态，并具有较好的财务基础和专业判断能力，能够将复杂、 不易量化的数据进行整合，比如宏观经济、行业发展和主题热点等，从而对股价走势作出综 合判断。总的来说，行业分析师推荐是基于各项基础数据和自身综合判断得出的结果，其评 级或者预测数据代表的是对该股票后市的预期，以及预期背后的一系列逻辑支撑。 分析师发布的研究报告最核心的内容是盈余预测和投资评级。随着获取的信息不断增加， 分析师还会发布新的研究报告，对之前的盈余预测和投资评级进行修正。国外文献指出，盈 余预测修正和投资评级修正具有信息含量，并且股价没有及时反映这些信息含量，从而可以 预测未来股票收益（Barber et al.，2001；Gleason and Lee，2003；Jegadeesh et al.， 2004）。在最新文献中，张宗新和杨万成（2016）利用朝阳永续数据库 2010 至 2014 年分析 师数据，发现分析师能够通过信息挖掘的影响模式为投资者创造价值。张然等（2017）研究 发现，分析师发布的盈余预测修正和投资评级修正可以有效提高投资收益。考虑到盈余预测 这类连续性数据系根据不同模型估算而来，依赖的信息量大，冗杂信息干扰性较强，而投资 评级这类离散化数据一般都代表是否变量，分析师在考虑问题时更为慎重，估计因素较少， 故投资评级修正这类离散化数据代表的事件驱动也往往比较有效。 长期无人问津股票开始被提及，代表当前时点分析师对公司未来的股价表现比较确定， 这种信心往往源自较高的数据质量和较强的专业判断。基于首次覆盖这种行为，分为券商首 次覆盖和全市场首次覆盖两种事件机会。 现有研究大多从分析师及其所在券商个体的研究报告和盈余预测层面进行研究和策略设 计，而单个券商首次覆盖或者评级调高的信息比较冗杂，有可能是卖方市场跟风所致。在市
场推票比较集中的情况下,小券商由于研究人员少,报告积累不多,其推荐的股票很容易成 为该小券商首次推荐股票,即该事件自带小券商倾向,会存在信息偏离。同时,当第一个分 析师对某一只股票首次覆盖或调高评级后,市场已经对该事件做出了反映,此后短期内再有 类似的报告发表时,市场可能已经充分消化了该事件的影响。 另外,现有对于分析师声誉的研究和投资策略设计,大多是有关分析师是否为新财富分 析师对未来股价预测精确度的影响。事实上,根据张宗新和杨万成(2016)的研究,一些明 星分析师的信息偏好受到投资者短线投机的需求影响而产生偏离,这造成市场虽然短期容易 受到高声誉分析师的信息影响,但从长期看并未将明星分析师视为报告信息更具有效性的指 标。而挖掘更多公司基本面信息,预测精确度较高的分析师投资评级的长期市场影响力较大, 根据预测精确度较高分析师发布的报告进行投资才能进一步提高组合收益 因此,本文试图实现如下研究与策略创新:(1)从全市场分析师首次覆盖和评级修正的 角度设计投资策略,特别是硏究将二者综合考虑后的收益改善。(2)在投资策略中加入分析 师预测精确度指标,着重关注只选择预测精确度高的分析师推荐的股票对投资策略的改善 二、基本假设与研究思路 假设1:全市场首次覆盖指标和全市场投资评级上调指标均能有效提高未来股票收益,并 且有所差异。 分析师推荐股票往往比较分散,一般来说很少有股票不被所有券商关注和提及。若某只 股票长期无人问津,代表公司可能遭遇某些困境,引起股价下行,在较长一段时间内不存在 值得被推荐的理由。而一旦突然被关注,通常意味着该股票可能已经达到股价的低位或者触 碰到比较大的市场热点,面临大幅反转的可能。分析师推荐股票往往是一系列信息的整合, 其推荐很长一段时间无人推荐的股票,占据股票推荐的全市场首位,本身就面临着多方的质 疑和压力,而这往往代表该分析师对股价未来的增长比较确信,而其预期一般基于专业判断, 由此来看首次推荐的数据质量相对较高 假设2:当将全市场首次覆盖指标和全市场投资评级上调指标综合考虑时,能更好的提高 未来股票收益。 当一只股票在一年内既没有被新覆盖,已经覆盖的公司也没有对其进行评级调高,此时 新发生的事件会对股价产生显著的影响。因为当公司有基本面改善时,可能会先有大券商将 公司评级调高,再有小券商紧接着进行覆盖,如果在后一个时间点才进入,就会错过一部分 超额收益。把首次覆盖和评级上调两个事件同时考虑,就进一步过滤掉其中一个事件发生, 但另一个事件之后才捕捉到盈利可能的情况。 假设3:盈利预测准确度更高的分析师进行的全市场首次覆盖指标和全市场投资评级上调 指标能更有效提高未来股票收益 根据张宗新和杨万成(2016)的研究结论,挖掘更多公司基本面信息的分析师投资评级 的长期市场影响力较大;按照前瞻性挖掘财务信息的报告进行交易的投资者在相关个股上获
2 场推票比较集中的情况下，小券商由于研究人员少，报告积累不多，其推荐的股票很容易成 为该小券商首次推荐股票，即该事件自带小券商倾向，会存在信息偏离。同时，当第一个分 析师对某一只股票首次覆盖或调高评级后，市场已经对该事件做出了反映，此后短期内再有 类似的报告发表时，市场可能已经充分消化了该事件的影响。 另外，现有对于分析师声誉的研究和投资策略设计，大多是有关分析师是否为新财富分 析师对未来股价预测精确度的影响。事实上，根据张宗新和杨万成（2016）的研究，一些明 星分析师的信息偏好受到投资者短线投机的需求影响而产生偏离，这造成市场虽然短期容易 受到高声誉分析师的信息影响，但从长期看并未将明星分析师视为报告信息更具有效性的指 标。而挖掘更多公司基本面信息，预测精确度较高的分析师投资评级的长期市场影响力较大， 根据预测精确度较高分析师发布的报告进行投资才能进一步提高组合收益。 因此，本文试图实现如下研究与策略创新：（1）从全市场分析师首次覆盖和评级修正的 角度设计投资策略，特别是研究将二者综合考虑后的收益改善。（2）在投资策略中加入分析 师预测精确度指标，着重关注只选择预测精确度高的分析师推荐的股票对投资策略的改善。 二、基本假设与研究思路 假设 1：全市场首次覆盖指标和全市场投资评级上调指标均能有效提高未来股票收益，并 且有所差异。 分析师推荐股票往往比较分散，一般来说很少有股票不被所有券商关注和提及。若某只 股票长期无人问津，代表公司可能遭遇某些困境，引起股价下行，在较长一段时间内不存在 值得被推荐的理由。而一旦突然被关注，通常意味着该股票可能已经达到股价的低位或者触 碰到比较大的市场热点，面临大幅反转的可能。分析师推荐股票往往是一系列信息的整合， 其推荐很长一段时间无人推荐的股票，占据股票推荐的全市场首位，本身就面临着多方的质 疑和压力，而这往往代表该分析师对股价未来的增长比较确信，而其预期一般基于专业判断， 由此来看首次推荐的数据质量相对较高。 假设 2：当将全市场首次覆盖指标和全市场投资评级上调指标综合考虑时，能更好的提高 未来股票收益。 当一只股票在一年内既没有被新覆盖，已经覆盖的公司也没有对其进行评级调高，此时 新发生的事件会对股价产生显著的影响。因为当公司有基本面改善时，可能会先有大券商将 公司评级调高，再有小券商紧接着进行覆盖，如果在后一个时间点才进入，就会错过一部分 超额收益。把首次覆盖和评级上调两个事件同时考虑，就进一步过滤掉其中一个事件发生， 但另一个事件之后才捕捉到盈利可能的情况。 假设 3：盈利预测准确度更高的分析师进行的全市场首次覆盖指标和全市场投资评级上调 指标能更有效提高未来股票收益。 根据张宗新和杨万成（2016）的研究结论，挖掘更多公司基本面信息的分析师投资评级 的长期市场影响力较大；按照前瞻性挖掘财务信息的报告进行交易的投资者在相关个股上获
取收益更高。 本文将通过每日调仓的低位覆盖(即优先投资换仓日过去一个月跌幅最大的股票)投资 策略,并通过多次尝试获取最优的未覆盖时间和未被评级上调时间,依次检验以上三个假设。 三、样本选择与指标构建 (一)样本选择 本文采用 CSMAR提供的2014年1月1日至2017年12月29日的卖方研究报告作为研究样本,覆 盖所有28个申万一级行业,每年覆盖的分析师数量和券商数量相对稳定;行情数据来源于Wir 数据库。 (二)指标构建 1.全市场首次覆盖指标 首次覆盖是指一个券商研究所第一次对某个股票进行推荐,后续的报告均为跟踪报告。 券商研究所人员流动性较大,可能之前曾有人关注,但在很长一段时间之后由新的团队来覆 盖。考虑到这种情况,将券商研究所近期推荐等级为“买入”而之前较长一段时间未被覆盖 的股票称为券商首次覆盖股票,其中剔除新股、长期停牌股的干扰。首次推荐报告意义较为 重要,券商第一次对一只股票进行推荐,往往是分析师对公司未来的股价表现比较有信心 而且也会更为慎重,因而首次覆盖传递出的分析师预期数据信息质量更高。 全市场首次覆盖则是券商首次覆盖的加强版本,其基本定义为:对于某个近期被推荐的 股票,在这之前的较长一段时间之内,该股票未曾被任何券商推荐,就称该股票为全市场首 次覆盖股票。相比券商首次覆盖,全市场首次覆盖的逻辑性更强,股票在长期未被关注的情 况下突然被提及,一般意味着该股票遇上了某些热点行情,比如升级转型、资本运作等个股 事件,或者行业、政策方面的主题机会,而对于行业研究员而言,能够第一个站出来推荐股 票,对公司股价走势具有较强的信心,而这种信心往往基于其专业独到的见解,从而形成对 股价的大概率判断。 2.全市场首次评级调高指标 与全市场首次覆盖指标类似,全市场首次评级调高指标的基本定义为:对于某个近期被 评级调高的股票,在这之前的较长一段时间之内,该股票未曾被任何券商进行过评级调高 股票在长期未被看好的情况下突然被调高评级,同样意味着该公司通过技术创新或者产业链 升级等方式实现了一定程度的基本面改善。 3.评级指标 分析师在研究报告中,通常会给出买入、增持、中性、减持、卖出这五类评级,本文将 其标准化为1、2、3、4、5,在研究首次覆盖时,只选择给予“买入”评级的股票,在研究评 级上调时,只选择上调后为买入或增持评级的股票。 4分析师预测精确度 参考张宗新和杨万成(2016)的构建方法, FEPS,t,j为分析师i在t日对j股票的EPS预测
3 取收益更高。 本文将通过每日调仓的低位覆盖（即优先投资换仓日过去一个月跌幅最大的股票）投资 策略，并通过多次尝试获取最优的未覆盖时间和未被评级上调时间，依次检验以上三个假设。 三、样本选择与指标构建 （一）样本选择 本文采用CSMAR提供的2014年1月1日至2017年12月29日的卖方研究报告作为研究样本，覆 盖所有28个申万一级行业，每年覆盖的分析师数量和券商数量相对稳定；行情数据来源于Wind 数据库。 （二）指标构建 1.全市场首次覆盖指标 首次覆盖是指一个券商研究所第一次对某个股票进行推荐，后续的报告均为跟踪报告。 券商研究所人员流动性较大，可能之前曾有人关注，但在很长一段时间之后由新的团队来覆 盖。考虑到这种情况，将券商研究所近期推荐等级为“买入”而之前较长一段时间未被覆盖 的股票称为券商首次覆盖股票，其中剔除新股、长期停牌股的干扰。首次推荐报告意义较为 重要，券商第一次对一只股票进行推荐，往往是分析师对公司未来的股价表现比较有信心， 而且也会更为慎重，因而首次覆盖传递出的分析师预期数据信息质量更高。 全市场首次覆盖则是券商首次覆盖的加强版本，其基本定义为：对于某个近期被推荐的 股票，在这之前的较长一段时间之内，该股票未曾被任何券商推荐，就称该股票为全市场首 次覆盖股票。相比券商首次覆盖，全市场首次覆盖的逻辑性更强，股票在长期未被关注的情 况下突然被提及，一般意味着该股票遇上了某些热点行情，比如升级转型、资本运作等个股 事件，或者行业、政策方面的主题机会，而对于行业研究员而言，能够第一个站出来推荐股 票，对公司股价走势具有较强的信心，而这种信心往往基于其专业独到的见解，从而形成对 股价的大概率判断。 2.全市场首次评级调高指标 与全市场首次覆盖指标类似，全市场首次评级调高指标的基本定义为：对于某个近期被 评级调高的股票，在这之前的较长一段时间之内，该股票未曾被任何券商进行过评级调高。 股票在长期未被看好的情况下突然被调高评级，同样意味着该公司通过技术创新或者产业链 升级等方式实现了一定程度的基本面改善。 3.评级指标 分析师在研究报告中，通常会给出买入、增持、中性、减持、卖出这五类评级，本文将 其标准化为1、2、3、4、5，在研究首次覆盖时，只选择给予“买入”评级的股票，在研究评 级上调时，只选择上调后为买入或增持评级的股票。 4.分析师预测精确度 参考张宗新和杨万成（2016）的构建方法，FEPSi,t,j为分析师i在t日对j股票的EPS预测
值, FEPS,t,j为股票j年报发布的实际EPS,i在t日对j股票的预测偏离程度指标为: FEPSi,t,j-EPSi,t,j/ESi,t,j。该指标值越小,说明分析师预测精确度越髙。鉴于预 测精确度指标属于事后指标,因此在计算某一分析师的预测精确程度时,使用该分析师近三 年对其覆盖的所有股票的平均预测偏离程度,作为该分析师预测的偏离程度指标。在选股时, 只选择偏离程度低于某一阈值(阈值需要通过实证检验结果确定)的分析师推荐的股票。 5.未覆盖时间 未覆盖时间即该股票被首次覆盖或者评级调高距离上期推荐所跨越的时间,跨越时间越 长就代表标的受关注的程度越低,被首次覆盖之后反弹的可能性也就越大。 超跌幅度(低位覆盖) 当一只股票长期未被关注时,分析师首次覆盖的意义比较显著,但是在覆盖时间点附近 股价高低会对结果有所影响:股价处于相对低位时,股票推荐的逻辑点在于券商分析师“占 坑”,先别人一步推荐牛股,获得市场价值,而当股价已经处于高位、涨幅较多时,此时部分 行业分析师会跟随股价上涨而进行推荐,并不一定有比较深入独到的见解 在操作时,需要将这两种不同的分析师推荐给区分开来,本文将用反转效应予以甄别 相对来说,前期超跌幅度越大的股票,后期超额收益可能越大,所以在优选股票时可以对前 期超跌幅度进行比较,选择超跌幅度更大的股票。 四、研究策略设计和实证结果 (一)研究策略设计 由于全市场首次覆盖或评级上调的股票相对较少,不宜使用月度调仓的组合构建方式 而是逐日调仓,同时在原有的时间框架基础之上,将未覆盖以及评级上调时间和反转因子加 入到选股之中,构建50只持仓组合。 对于未覆盖时间以及评级上调,本文分别以3个月、6个月、9个月、1年、1年半、两年为 时间范围,判断全市场首次覆盖以及评级上调的指数表现 在指定时间区间以上未被覆盖近期有推荐则触发买入条件,一个月(20个交易日)之后 触发卖出条件,即假定初始持有周期为一个月 初始建仓阶段,由于样本数量偏少,不足部分假定标配基准份额,之后一旦有全市场覆 盖股票出现并满足买入条件,进行调仓。若股票调仓卖出后数量低于50只,则不必考虑卖出 条件,持有时间超过一个月。 调仓过程中,原有不能卖出股票(停牌、跌幅低于-9%)继续保留,在当前的全市场覆盖 股票中选取满足时间条件(买入、卖出条件、非停牌、涨幅低于9%)的全市场首次覆盖股票, 以反转因子(换仓日过去一个月的涨跌幅)排序,补充持仓至50只。 权重方面原有股票继续维持,调出股票的资金在调进股票中等权配置,每隔三个月平衡 一次权重,考虑0.3%双边成本。 (二)全市场首次覆盖策略结果
4 值，FEPSi,t,j为股票j年报发布的实际EPS，i在t日对j股票的预测偏离程度指标为： |FEPSi,t,j - EPSi,t,j|/|EPSi,t,j|。该指标值越小，说明分析师预测精确度越高。鉴于预 测精确度指标属于事后指标，因此在计算某一分析师的预测精确程度时，使用该分析师近三 年对其覆盖的所有股票的平均预测偏离程度，作为该分析师预测的偏离程度指标。在选股时， 只选择偏离程度低于某一阈值（阈值需要通过实证检验结果确定）的分析师推荐的股票。 5.未覆盖时间 未覆盖时间即该股票被首次覆盖或者评级调高距离上期推荐所跨越的时间，跨越时间越 长就代表标的受关注的程度越低，被首次覆盖之后反弹的可能性也就越大。 6.超跌幅度（低位覆盖） 当一只股票长期未被关注时，分析师首次覆盖的意义比较显著，但是在覆盖时间点附近 股价高低会对结果有所影响：股价处于相对低位时，股票推荐的逻辑点在于券商分析师“占 坑”，先别人一步推荐牛股，获得市场价值，而当股价已经处于高位、涨幅较多时，此时部分 行业分析师会跟随股价上涨而进行推荐，并不一定有比较深入独到的见解。 在操作时，需要将这两种不同的分析师推荐给区分开来，本文将用反转效应予以甄别。 相对来说，前期超跌幅度越大的股票，后期超额收益可能越大，所以在优选股票时可以对前 期超跌幅度进行比较，选择超跌幅度更大的股票。 四、研究策略设计和实证结果 （一）研究策略设计 由于全市场首次覆盖或评级上调的股票相对较少，不宜使用月度调仓的组合构建方式， 而是逐日调仓，同时在原有的时间框架基础之上，将未覆盖以及评级上调时间和反转因子加 入到选股之中，构建50只持仓组合。 对于未覆盖时间以及评级上调，本文分别以3个月、6个月、9个月、1年、1年半、两年为 时间范围，判断全市场首次覆盖以及评级上调的指数表现。 在指定时间区间以上未被覆盖近期有推荐则触发买入条件，一个月（20个交易日）之后 触发卖出条件，即假定初始持有周期为一个月。 初始建仓阶段，由于样本数量偏少，不足部分假定标配基准份额，之后一旦有全市场覆 盖股票出现并满足买入条件，进行调仓。若股票调仓卖出后数量低于50只，则不必考虑卖出 条件，持有时间超过一个月。 调仓过程中，原有不能卖出股票（停牌、跌幅低于-9%）继续保留，在当前的全市场覆盖 股票中选取满足时间条件（买入、卖出条件、非停牌、涨幅低于9%）的全市场首次覆盖股票， 以反转因子（换仓日过去一个月的涨跌幅）排序，补充持仓至50只。 权重方面原有股票继续维持，调出股票的资金在调进股票中等权配置，每隔三个月平衡 一次权重，考虑0.3%双边成本。 （二）全市场首次覆盖策略结果
首先,从回测结果来看,在1年以内,随着未覆盖时间越来越长,净值表现越突出,1年 以上事件相对较少,月度调仓表现出极大的不稳定性,因此全市场首次覆盖的时间跨度定义 为1年 表1展示了该策略的各类风险指数和年化收益,给出了纯股票多头时的收益率和经指数 对冲后的收益率,低位首次覆盖组合的表现比较突出,年化收益为23.6%,超额中证500指数 10%。根据图1展示的对冲后结果,分年表现来看仅2017年未能跑赢基准,年化超额胜率高 达65%。图2给出了该策略的累计收益走势,基准指数(中证500),对冲后收益的走势,以 及净值回撤情况。可以看出大部分年份的最大回撤均能得到有效控制。值得注意的是,在2015 年股灾时,超额收益也急剧下降,说明该策略对市场较大的下跌不能很好的控制。 表1全市场首次看盖策略结果 Alpha 信息比率 夏普比率 918 0.689 年化收益最大回撤收益波动率 纯股票多头时 0.236 0.494 0.291 对冲后 0.085 0.167 0.093 全券商分析师评级一萄新钩度表现 800 excess retum left axis excess monthly returmingnt ax/600% 日度胜玉0 4.009 600% 书.00钟 Nov 2016 图1全券商分析师一年首次援盖策略月度胜率
5 首先，从回测结果来看，在1年以内，随着未覆盖时间越来越长，净值表现越突出，1年 以上事件相对较少，月度调仓表现出极大的不稳定性，因此全市场首次覆盖的时间跨度定义 为1年。 表 1 展示了该策略的各类风险指数和年化收益，给出了纯股票多头时的收益率和经指数 对冲后的收益率，低位首次覆盖组合的表现比较突出，年化收益为 23.6%，超额中证 500 指数 10%。根据图 1 展示的对冲后结果，分年表现来看仅 2017 年未能跑赢基准，年化超额胜率高 达 65%。图 2 给出了该策略的累计收益走势，基准指数（中证 500），对冲后收益的走势，以 及净值回撤情况。可以看出大部分年份的最大回撤均能得到有效控制。值得注意的是，在 2015 年股灾时，超额收益也急剧下降，说明该策略对市场较大的下跌不能很好的控制。 表 1 全市场首次覆盖策略结果 Alpha Beta 信息比率 夏普比率 0.108 0.937 0.918 0.689 年化收益 最大回撤 收益波动率 纯股票多头时 0.236 0.494 0.291 对冲后 0.085 0.167 0.093 图 1 全券商分析师一年首次覆盖策略月度胜率
全券商分析师评级一年首次覆盖 抵相紅 n2015 a2015 lan 2014 知2016 n2012 Mi2017 全券髙分析师评级一年首次盖策略超巒净值回情况 u\ wall 图2全券商分析师一年首次摄盖策略净值走势和回撒情况 (三)全市场首次评级调高策略结果 从回测结果看,在半年以内,随着未进行评级调高时间越来越长,净值表现越突出,半 年以上事件相对较少,因此全市场首次评级调高的时间跨度定义为半年 表2展示了该策略的各类风险指数和年化收益,给出了纯股票多头时的收益率和经指数 对冲后的收益率,低位首次评级调高组合的表现不如低位首次覆盖组合,年化收益为18.8%, 超额中证500指数5%。从图3展示的对冲后结果来看,年化超额胜率为61%。图4给出了该 策略的累计收益走势,基准指数(中证500),对冲后收益的走势,以及浄值回撤情况。可以 看出大部分年份的最大回撤也能一定程度上得到有效控制。同样,在2015年股灾时,超额收 益急剧下降,说明该策略对市场较大的下跌也不能很好的控制 表2全市场首次评级调高策略结果 Beta信息比率夏普比率 0.06 0.941 0.561 年化收益最大回撤收益波动率 纯股票多头时 0.188 0.521 对冲后 0.043 0.179 0
6 图 2 全券商分析师一年首次覆盖策略净值走势和回撤情况 （三）全市场首次评级调高策略结果 从回测结果看，在半年以内，随着未进行评级调高时间越来越长，净值表现越突出，半 年以上事件相对较少，因此全市场首次评级调高的时间跨度定义为半年。 表 2 展示了该策略的各类风险指数和年化收益，给出了纯股票多头时的收益率和经指数 对冲后的收益率，低位首次评级调高组合的表现不如低位首次覆盖组合，年化收益为 18.8%， 超额中证 500 指数 5%。从图 3 展示的对冲后结果来看，年化超额胜率为 61%。图 4 给出了该 策略的累计收益走势，基准指数（中证 500），对冲后收益的走势，以及净值回撤情况。可以 看出大部分年份的最大回撤也能一定程度上得到有效控制。同样，在 2015 年股灾时，超额收 益急剧下降，说明该策略对市场较大的下跌也不能很好的控制。 表 2 全市场首次评级调高策略结果 Alpha Beta 信息比率 夏普比率 0.06 0.941 0.561 0.529 年化收益 最大回撤 收益波动率 纯股票多头时 0.188 0.521 0.289 对冲后 0.043 0.179 0.08
全劳分析师评级半年首次评级调亮置略净值 10,00 500 000% 400% N2014 图3全券商分析师一年首次评级调高策略月度胜率 全券商分析师评级半年首次评级调高 portfolofleft) 骶世正尔州 Cn m 世辙母 lu2015 lan 2016 知2016 Jul 2017 全券商分析师评级半年首次评级调高策略超额净值回擞情况 Ju2014 an2016 an201 图4全券商分析师一年首次评级调高策略净值走势和回撒情况 (四)全市场首次覆盖或评级调高综合策略结果 根据回测结果,将该事件的时间跨度定义为1年。 表3展示了该策略的各类风险指数和年化收益,给出了纯股票多头时的收益率和经指数 对冲后的收益率。可以看出,同时考虑首次覆盖或评级调高时,年化收益更优,为24.6%,超 额中证500指数11%。从图5展示的对冲后结果来看,年化超额胜率为67%。图6给出了该策 略的累计收益走势,基准指数(中证500),对冲后收益的走势,以及净值回撤情况。图5和 图6显示:采用全市场首次覆盖或评级调高综合策略,大部分年份的最大回撤能够在一定程 度上得到有效控制:而且,在2015年股灾时,相较于前两种策略,该策略对市场较大的下跌
7 图 3 全券商分析师一年首次评级调高策略月度胜率 图 4 全券商分析师一年首次评级调高策略净值走势和回撤情况 （四）全市场首次覆盖或评级调高综合策略结果 根据回测结果，将该事件的时间跨度定义为 1 年。 表 3 展示了该策略的各类风险指数和年化收益，给出了纯股票多头时的收益率和经指数 对冲后的收益率。可以看出，同时考虑首次覆盖或评级调高时，年化收益更优，为 24.6%，超 额中证 500 指数 11%。从图 5 展示的对冲后结果来看，年化超额胜率为 67%。图 6 给出了该策 略的累计收益走势，基准指数（中证 500），对冲后收益的走势，以及净值回撤情况。图 5 和 图 6 显示：采用全市场首次覆盖或评级调高综合策略，大部分年份的最大回撤能够在一定程 度上得到有效控制；而且，在 2015 年股灾时，相较于前两种策略，该策略对市场较大的下跌
控制相对较好 表3全市场首次覆盖或评级调高策略结果 Alpha Beta 信息比率 夏普比率 0.122 9 0.955 0.752 年化收益最大回撤收益波动率 纯股票多头时0.2460.525 0.281 付冲后 0.145 0.095 全劳商分析师评级一年首次度粗形终月度表现 1000% excess monthly 500 1000% 5.00 超额月度胜率067 10.00 May 20.4 ay2015 图5全券商分析师一年首次评级调高策略月度胜率 全券商分析师评级一年首次覆盖或评级调高 20 舟器母 尔称 2015 加2015 an201 201 券商分析师评圾一年首次罹盖策略或评级诵高超额净值回描情况 aces baca An an2015 M2015 2016 n2017 207 图6全券商分析师一年首次评级调高策略净值走势和回撒情况 五)考虑分析师预测精确度综合策略结果 根据回测结果,选择近三年平均偏离度低于30%的分析师推荐的股票进行投资,同时该事
8 控制相对较好。 表 3 全市场首次覆盖或评级调高策略结果 Alpha Beta 信息比率 夏普比率 0.122 0.9 0.955 0.752 年化收益 最大回撤 收益波动率 纯股票多头时 0.246 0.525 0.281 对冲后 0.09 0.145 0.095 图 5 全券商分析师一年首次评级调高策略月度胜率 图 6 全券商分析师一年首次评级调高策略净值走势和回撤情况 （五）考虑分析师预测精确度综合策略结果 根据回测结果，选择近三年平均偏离度低于 30%的分析师推荐的股票进行投资，同时该事
件的时间跨度定义为1年 表4展示了该策略的各类风险指数和年化收益,给出了纯股票多头时的收益率和经指数 对冲后的收益率。可以看出,只选择评级精确度较高的分析师推荐的股票进行投资时,年化 收益再一次提高到25.1%,超额中证500指数近12%。这与张宗新和杨万成(2016)的研究结 论一致。从图7展示的对冲后结果来看,年化超额胜率为67%。图8给出了该策略的累计收益 走势,基准指数(中证500),对冲后收益的走势,以及净值回撤情况。图7和图8显示:考 虑分析师预测精确度综合策略的运用可以在一定程度上有效控制大部分年份的最大回撤,包 括在2015年股灾时,该策略对市场较大的下跌亦控制较好 表4考虑分析师预测精确度综合策略结果 Alpha 信息比率 夏普比率 0.127 0. 0.772 年化收益 最大回撤收益波动率 纯股票多头时 0.251 0.524 0.286 对冲后 0.09 0.151 0.095 全券高分析师评级一年百次月度领月度表现 1000% excess retumlleft axr 5.00 1000 5.00% 月胜率067 图7考虑分析师预测精确度综合策略月度表现
9 件的时间跨度定义为 1 年。 表 4 展示了该策略的各类风险指数和年化收益，给出了纯股票多头时的收益率和经指数 对冲后的收益率。可以看出，只选择评级精确度较高的分析师推荐的股票进行投资时，年化 收益再一次提高到 25.1%，超额中证 500 指数近 12%。这与张宗新和杨万成（2016）的研究结 论一致。从图 7 展示的对冲后结果来看，年化超额胜率为 67%。图 8 给出了该策略的累计收益 走势，基准指数（中证 500），对冲后收益的走势，以及净值回撤情况。图 7 和图 8 显示：考 虑分析师预测精确度综合策略的运用可以在一定程度上有效控制大部分年份的最大回撤，包 括在 2015 年股灾时，该策略对市场较大的下跌亦控制较好。 表 4 考虑分析师预测精确度综合策略结果 Alpha Beta 信息比率 夏普比率 0.127 0.9 0.961 0.772 年化收益 最大回撤 收益波动率 纯股票多头时 0.251 0.524 0.286 对冲后 0.09 0.151 0.095 图 7 考虑分析师预测精确度综合策略月度表现