倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

·本文对分析师预测的企业未来经营业绩的精准程度进行了衡量。这一方法考察了分析师预测值与基于企业公开信息可以得到的企业未来业绩预测值之间的差别,实质上考察了分析师私人信息在其预测值之中的比重。

·相较直接使用分析师预测值与企业实际业绩之间的差异的方法,本文使用的方法不用使用未来信息,避免了前窥风险,更适合投资实务的应用。

·对因子的回测结果显示,因子值越高的股票有更高的收益,这意味着分析师的私人信息有显著的投资价值,将其从分析师的预测结果中单独分离出来,可以带来更高的投资效用。

本文中的关注度因子的详细分析报告请在倍发研究页面(https://www.betalpha.com/finding-alpha/research/home),或者在文末左下角点击【阅读原文】进行阅读和下载

倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

证券分析师对上市企业未来经营状况的预测,是市场上对企业投资价值评估信息的重要来源。分析师通过长期跟踪上市企业的经营信息,将企业投融资、生产经营、面临的宏观环境等各个方面的信息进行专业的分析,并基于此得到对企业未来经营业绩的评估,而这些信息也是很多投资者进行股票投资的重要参考依据。

而预测信息的有效性首先取决于估计的准确性,通常来说准确性取决于公共信息的质量,信息披露内容越完整充分、及时准确,分析师预测分歧度与偏差度越小。财务报告、管理层讨论与分析、新闻发布会以及全面收益报告等信息均有助于降低分析师预测分歧度与偏差度。与此同时,分析师的私人信息也会对企业价值的评估产生影响,这也是为什么不同分析师对同一企业的预测结果会产生差异,通常来说获取信息的难度、分析师与被分析企业的关联程度、企业本身信息的透明度都会对私人信息在企业价值预测中的比重产生显著的影响,分析师获取私有信息的动机越强,分析师预测结果的差异性越大,而这些私人信息在纳入分析师的分析结果之后,实际上是将私人信息转化为了公共信息,这其实提高了企业信息的质量。

但是从投资实践的角度来说,分析师对企业未来经营业绩的预测结果的投资价值是有限的。图表 1 展示了使用分组回测的方法,对过去 10 年分析师 EPS 一致预测因子(对未来一年企业 EPS 的预测)进行了分析,在使用月度换仓、等权分组之后的回测结果。

倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

结果显示,尽管分析师一致预测结果较低的股票组合的确回报较低,但总体来说,因子并没有呈现出比较好的单调性,因子值与股票未来收益的相关性也不突出(IC 均值为 0.077)。一些研究认为这样的无效性来自于分析师对私人信息的过度自信,另一些则认为来自于分析师倾向于最大化个人利益,急于向外界展示自己的能力。而国内相关披露制度的不完善,企业更低的进行财务操纵的成本,使得分析师对私人信息的依赖更强,这都是造成分析师预测类的因子在 A 股表现不佳的主要原因。

此时,分析师的预测结果无效并非是因为其提供的信息变为公有信息之后,融入了股票价格的系统性定价之中,而是因为其本身的预测结果与企业的真实价值可能存在差异,导致了信息本身的无效性。与此同时,如果公开信息其实反映在了企业价值的系统性之中,那么事实上是分析师的私人信息才能带来额外的信息,要考察这一部分的信息才能更清晰地认知分析师对企业的真实态度。因此,对分析师预测偏差的研究得到了广泛的重视。

在大部分对分析师预测偏误问题的分析,通常使用的方法为直接比较分析师预测的企业盈余与企业在之后公布的真实盈余的差异。这一方法虽然很直观,但对于实际应用来说,这是一种后验的(ex post)的分析方法,即我们在当下并不知道企业未来的真实业绩是什么样子的,那么也就无从评判分析师的预测结果究竟是否准确,进而也很难根据分析师的预测结果来对企业的价值进行评估。

因此,一个合适的方法是,使用企业的公开信息,对企业未来的经营情况进行估计,然后同当前分析师的预测结果进行对比,两者的差异即为分析师的预测偏差,此时我们的评估是事前的(ex ante),更符合投资管理的需求。这样的方法还有一个好处在于,我们其实可以将分析师的分析结果拆分为基于公开信息做出的和基于私人信息做出的两个部分,计算得到的预测偏差实际上衡量的是分析师的私人信息的部分,我们通过差值就可以发现分析师究竟更倾向于看多或者看空股票的价格,这在分析师预测结果通常存在美化(即分析师的报告通常为看多而非看空)的状况下,其实更能反映分析师对股票的真实态度。

分析师预测偏差的衡量

_

根据前文的介绍,这里先对企业的未来经营情况进行估计。这一方法首先基于企业在历史的公开信息(包括基本面信息和市场信息)来估计企业未来的经营情况,即得到基于企业特征的经营状况估计。首先在横截面上回归如下模型

倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

模型的具体设定详见完整版报告

(1)式使用历史信息进行回归,并得到了 8 个回归系数,我们使用这八个系数来估计未来一年的上市企业 EPS,如(2)式所示:

倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

此时,我们使用当下的企业公开信息,利用历史估计的回归系数,就可以得到基于公开信息的企业未来盈利的预测值。

接下来我们使用(2)式计算得到的公开信息基础上的企业 EPS 预测值,与分析师对未来一年企业的 EPS 一致预测值进行对比,可以构建分析师预测偏差因子

倍发研究 | 私人信息的价值:A 股分析师预测偏差的衡量

其中,