分析師關注度與股票收益率

摘 要：本文運用中國A股市場數據驗證分析師關注度與股票收益率之間的關系。分析師關注度相對于業績預測與投資評級能夠提供更多更確切的信息；分析師更多地關注大市值、業績優良的上市公司。運用剩余關注度模型的分析發現，分析師關注度高的公司股票相對于關注度低的公司股票具有顯著正的收益率；假想的零投資組合能夠為投資者帶來顯著正收益；運用Fama-Macbeth方法的回歸分析發現股票收益率與分析師剩余關注度正相關，但二者之間相互影響的方式有待于進一步研究。

關鍵詞：分析師；剩余關注度；股票收益率；零投資組合；投資評級

中圖分類號：F830．91文獻標識碼：A

文章編號：1000-176X（2008）04-0056-06

證券分析師在給出股票的投資評級時，往往更多地考慮自身的聲譽、以及所在機構與上市公司的關系，通常不愿對上市公司做出負面評論。相對于分析師投資評級給出的信息，分析師對股票的關注程度更為確切可信。

20世紀90年代以來，伴隨著證券市場的發展，證券分析機構與分析師隊伍也隨之壯大起來，在證券市場中起著不可或缺的作用。一般來講，分析師通過其優于一般投資者的信息搜集途徑和專業分析能力，對特定證券、公司和行業進行盡職全面的調查，將研究結果形成報告，向市場參與者提供合理反映證券內在價值的信息，從而減弱證券市場內股票真實價值的價格偏離，促進市場的有效性。從廣義角度來看，分析師并不局限于自然人，基金管理公司、證券公司的研究部門、專業證券咨詢機構、各大專業證券報刊以及專業財經網站的公司研究欄目等都應涵蓋在內。本文中的分析師概念即屬后者。在我國證券市場上，分析師的投資建議并不規范，監管部門也沒有相應的約束機制。一些證券公司的投資評級為四個級別（如國泰君安、申銀萬國）、三個級別（如中銀國際），而更多的分析報告只分析公司基本面與技術面，并不給出明確的投資評級。分析師在給出股票的投資評級時，往往更多地考慮自身的聲譽，并且與其所在公司的投資銀行業務相關聯。這會導致公司的投資評級失真。同樣，分析師通常也不愿對上市公司做出負面評論，因為如此可能會損害分析師及所在機構與上市公司的關系，從而影響分析師所屬機構的投資銀行業務方面的利益。參見Somnath Das等（2006）。因此，與給出明確的投資評級相比，分析師對股票的關注度則更接近真實的判斷和敏感性。因此我們認為，相對于分析師投資評級給出的信息，分析師對股票的關注度提供的信息更豐富、更可靠。

分析師往往更關注大市值、業績優良的上市公司。根據我們的統計，2005年度分析師的公司研究中曝光率最高的便是集大市值與績優于一身的中國石化（600028），達到297次。因此在對分析師關注度與股票收益率的研究中，需要剔除規模與業績的影響。在本研究中，我們嘗試運用分組比較、回歸分析等多種方法探索分析師關注度與股票收益率之間的關系。

一、文獻回顧

關于分析師行為與股票收益率的文獻中，較早的是James H．Bjerring等（1983）的研究。^[1]該文章以一家加拿大證券公司的分析師推薦作為研究對象，結果顯示分析師推薦的信息內容并不是立刻反映到市場價格中，但遵循分析師推薦的投資者在扣除交易成本后將會得到顯著的正異常收益。他們研究的主要不足是樣本單一，并且分析師的推薦集中于石油、天然氣、林產品和采礦業等少數行業。

Kent L．Womack（1996）按照兩條不同思路，對美國14家主要證券公司的證券分析師買賣推薦進行研究。^[2]該研究發現了顯著的初期價格和交易量反應，以及在推薦前的股票價格和最終價值之間存在明顯的系統性差異。對于買入推薦，平均的事后漂移是溫和和短期的，但是對于賣出推薦，事后漂移更大，可以持續6個月之久。分析師買入推薦最具備市場擇時和短期擇股的價值，總體來看，分析師具有市場擇時和選股的能力。

Barber等（2001）研究了投資者根據證券分析師推薦構建投資策略獲利的可能性，他們發現：在不考慮交易成本的情況下買入那些評價最高的主流推薦股票并賣空那些評價最低的主流推薦股票，同時根據推薦變化進行投資組合頭寸的日調整，將會得到大于4％的年度異常總收益。調整頻率的降低或者對調整變化反應的延遲都會消除該收益。而且他們的交易策略會產生高交易成本，扣除成本后他們的投資策略收益并不能顯著大于0。^[3]

Narasimhan Jegadeesh等（2004）發現證券分析師傾向于推薦成長性好的股票，而高成長股票通常表現為具有較好的定量特性，如正動量、高增長、高交易量和相對昂貴。^[4]分析師推薦和動量指標正相關，在那些具有較差定量特性的股票中，更高主流推薦評級將會導致更差的隨后收益。他們還在Barber等（2001）的研究基礎上首次對主流推薦評級和評級變化做了對比研究，發現在推薦評級和評級變化的價值之間存在顯著差異。

Somnath Das等（2006）運用1986—2000年IPO公司股票作為研究對象。^[5]該研究認為，分析師出于自身聲譽與所在公司投行業務發展考慮，不愿發布關于公司的負面投資分析報告，也不愿意極力推薦某公司股票，因而其所關注的公司股票代表了分析師的投資建議。運用剩余覆蓋模型（Residual Coverage Model）分析發現，分析師關注率高的新上市股票收益率顯著高于關注率低者，通過財務指標的分析也有類似的結論。該研究證實分析師具有很強的預測能力。

多數國內研究將分析師的財務預測與投資建議（例如國泰君安對股票增持、謹慎增持、中性、減持評級）作為研究對象，運用滬深A股市場數據，考察不同投資建議下股票收益率狀況。較有代表性的為姜國華（2004），吳東輝，薛祖云（2005），王征等（2006）等。^[6-7-8]

如我們在引言中所述，分析師關注度相對于投資評級，可能更多地顯示了分析師偏好與建議。本文試圖從分析師剩余關注度的視角著眼，采用與Somnath Das等（2006）的剩余覆蓋模型較為相近的方法，研究分析師關注度、剩余關注度與股票收益率的關系。

二、數據、模型與變量

1．數據與樣本

本文數據來自WIND資訊、國泰君安數據庫，以及各大財經網站、報刊的手工采集。

由于分析師關注度數據搜集工作量巨大，我們僅選用2005年的數據用于研究。

我們在2004—2006年間所有A股上市公司中，剔除了ST類公司、金融類公司，以及數據不完整的公司，最后得到了樣本公司982家。

2．模型與變量

我們先考察分析師對股票的關注度的影響因素。我們用股票受到的關注的頻數來表示其受關注程度。在剔除公司規模、公司業績等因素的影響后，得到分析師對該股票的剩余（residual）關注度，為下面研究提供樣本分類依據。

其中，CONi為公司i受到關注的頻數，SIZEi為公司i市值的自然對數，PEi為公司i的市盈率，residuali為公司i的剩余關注度。

在得到了分析師剩余關注度數據后，我們對所有樣本公司按剩余關注度從小到大排序，然后依剩余關注度由小到大分成數目大致相同的三組，對于上述三組公司，進行如下分析：

首先，分別比較三組樣本的2004年、2005年、2006年的收益率狀況，我們采用未經調整的收益率、指數調整后的收益率分別比較。

其次，我們對三組樣本分別采用Fama-French四因素模型，^[9]從股票收益率中剔除市場收益率、公司規模因素（小公司收益率減去大公司收益率，SMB）、市凈率因素（高賬面市值比公司收益率減去低賬面市值比公司收益率，HML）、動量效應因素（高動量效應股票收益率減去低動量效應股票收益率），再將經過上述剔除后得到的收益率，即回歸方程的常數項進行比較。四因素模型的方程如下：

其中，Rpt表示股票第t期的收益率，Rft表示第t期的無風險利率，Rmt為第t期的市場收益率。

最后，我們建立以股票收益率為被解釋變量、以剩余關注度等為解釋變量的回歸方程，考察剩余關注度對股票收益率的影響。方程如下：

其中，Rit為股票i第t期的收益率，MVit為公司i第t期的市值，(BV/MV)it為公司i第t期的賬面價值與市場價值之比。

需要指出的是，上述方程的回歸方法為Fama-Macbeth方法^[10]，即對每一期的截面數據分別作回歸，然后將各期回歸得到的參數取平均值，作為最終的參數值。此方法在一定意義上增強了回歸結果的穩定性。

三、實證結果

1．描述性統計

2005年度分析師關注度數據采集自華夏基金、南方基金等12家基金公司，國泰君安、中銀國際等16家證券公司，北京首證等10家咨詢機構以及中國證券報等6家證券報刊。統計特征如下：

其中，Rit為股票i第t期的收益率，MVit為公司i第t期的市值，(BV/MV)it為公司i第t期的賬面價值與市場價值之比。

需要指出的是，上述方程的回歸方法為Fama-Macbeth方法^[10]，即對每一期的截面數據分別作回歸，然后將各期回歸得到的參數取平均值，作為最終的參數值。此方法在一定意義上增強了回歸結果的穩定性。

如表2所示，常數項、公司規模的系數、公司業績的系數均顯著。所不同的是，前二者為正值，而業績系數為負值。由此可知，分析師關注度與公司規模、公司業績正相關（由于市盈率越低的公司業績越好）。調整后的擬合優度為0．59，解釋變量對被解釋變量的解釋能力較強。由該回歸方程得到的殘差（residual）序列為下面的研究提供上市公司分類標準，并且作為模型（3）的解釋變量。

3．收益率分組比較結果

在上一節得到分析師剩余關注度數據后，我們對所有樣本公司按剩余關注度從小到大排序，然后分成數目大致相同

的三組，第一組和第三組中分別包含327家公司，具有最小和最大的聲譽關注度，第二組中包含328家上市公司，剩余關注度居中。

如表3所示，在每一年份中，三組公司的收益率均存在差異。2004年，中國股市經歷了由1783點指上證綜合指數，下同。的階段性頭部到1259點的單邊下行行情，大部分股票隨大盤一路走低。剩余關注度較低的第一組公司在該年份的平均跌幅高達19．13%，第二組公司的平均跌幅也高達16．39%；相對于前兩者而言，剩余關注度較高的第三組平均跌幅最小，為9．83%。在大盤筑底階段的2005年，股票的表現同樣不盡如人意，三類公司的股票平均收益率均出現負值，第一組公司跌幅最大，第二組公司跌幅相對較小，第三組公司跌幅最小，但與第二組公司較為接近。2006年，三組公司的股票收益率均出現爆發式增長，但三組公司按收益率排序狀況依然沒有改變。

注：R表示未經調整的股票收益率，IAR表示指數調整后的股票收益率。“*”，“**”分別代表由t-檢驗在10%，5%的顯著性水平下拒絕零假設。

值得注意的是，我們的分析師關注度數據采自2005年度，而表3顯示第一類公司與第三類公司的平均收益率均顯著不為零，且二者之間差異較大，說明分析師剩余關注度與前期、當期、后期的股票收益率相關。我們還發現，2004年度第三組公司的平均收益率較前兩組高出很多，而三年中，第一組公司的平均收益率均明顯低于后兩組公司。分析師關注較少的股票有被邊緣化的傾向。2007年2月—5月間，中國A股經歷了前所未有的個股普漲局面，低價、題材的炒作甚至消滅了5元以下的股票，前期被冷落的個股幾乎都迎來了表現機會，某些基金公司一度也轉向低價股的炒作。由于超出了本研究的時間段，故不作過多討論。

4．模型（2）的回歸結果

我們分別以由分析師剩余關注度排序分組而得的樣本公司的收益率與同期無風險收益率之差為被解釋變量，以同期市場收益率與無風險收益率之差、小公司與大公司收益率之差、高賬面市值比公司與低賬面市值比公司收益率之差以及高動量效應股票與低動量效應股票收益率之差為解釋變量，運行如模型（2）所示的回歸方程。為了使結果更全面可信，除三組公司外，還加入了全部樣本公司與零投資組合兩個回歸方程。其中，零投資組合是指買入第三組公司股票的同時，賣空等值的第一組公司股票的投資組合，其初始投資為零。由于中國股市尚無賣空機制，故此組合的意義僅停留在理論層面。回歸方程如表4—表6所示。

上述回歸結果中，由t-檢驗顯示，除零投資組合外大部分回歸系數統計顯著，擬合優度較高。四個解釋變量對被解釋變量均有較強的解釋能力，說明市場因素、規模因素、市凈率因素（賬面-市值比的倒數）、動量因素確實與股票收益率相關。

常數項的回歸結果顯示，在剔除上述四因素的影響后，第一組公司收益率明顯低于第三組公司的收益率。三個年份中，買入第三組公司股票、賣空第一組公司股票的零投資組合均有顯著為正的收益率。

5．模型（3）的回歸結果

在模型（3）中，我們不再進行分組回歸，而是將分析師剩余關注度作為解釋變量，將公司規模、公司賬面市值比作為控制變量，考察其對股票收益率的影響。

如表7所示，在控制了公司規模、公司賬面市值比兩個因素后，分析師剩余關注度顯著為正，說明其對股票收益率有很強的解釋能力：一只股票的剩余關注度越高，其收益率越高。

上述的實證結果說明，分析師關注度確實與股票收益率相關。2004年、2005年、2006年度的股票收益率均與2005年的分析師剩余關注度相關。由于我們沒有搜集2004年、2006年的分析師關注度數據，因此不能得出進一步的關于二者之間相互影響方式的結論，只能證實二者之間可能存在相互影響。

6．實證部分的不足及下一步研究

本文的實證部分存在一些不足之處，可能會影響到結果的可信度。隨著股票市場的健全、數據可得性的提高以及相關研究的開展，我們將在后續研究中逐步彌補這些不足。

首先，本文所用的分析師關注度數據僅取自2005年，收益率數據取自2004—2006年，數據跨度較短，不利于發現長期規律。這一方面是由于數據搜集的復雜性與數據可得性，另一方面也是由于2003年以前分析師數據本身較少。因此，今后的研究中，隨著時間的推移以及數據資源可得性的提高，我們將運用更長的數據進行分析，以取得分析師關注度數據的更長序列，對其本身特征進行分析，以發現分析師行為規律與特征。此外，我們還應該運用更長的股票收益率序列以配合關注度數據，以發現關注度對收益率的長期影響。

其次，本文并未區分不同來源的分析師關注度，原因是我們無法給出證券公司、基金、咨詢機構、財經媒體等發布的公司評論的重要性區分，即目前沒有賦權的依據。這也是值得進一步研究的課題之一。

最后，股票收益率與分析師關注度的相互影響并沒有被細致地研究。上文的實證分析發現，二者之間存在相互影響，但影響的方式有待于進一步探索。

四、結 論

通過實證分析發現，分析師關注度與股票收益率之間存在相互影響。描述性統計發現，分析師更關注中國石化（600028）等大盤指標股，且存在關注客體趨同的傾向。以分析師關注度為被解釋變量的回歸分析發現，分析師關注度與上市公司的規模、業績正相關。我們依據通過上述回歸得到的分析師剩余關注度序列，將樣本公司分為分析師關注度不同的三組。對2004—2006年度每一組公司的收益率與市場調整收益率狀況的列表比較發現，分析師關注度高的第三組公司股票收益率顯著高于分析師關注度低的第一組。接著，我們用Fama-French四因素模型對市場收益、公司規模、市凈率、動量效應等因素加以剔除，對回歸方程常數項的比較發現，第一組與第三組公司的收益率依然存在明顯差異。引入零投資組合的分析發現，該組合具有顯著的正收益。由于中國股市沒有賣空機制，因此該組合尚停留在理論分析上。我們又運用Fama-Macbeth方法，將分析師剩余關注度直接作為股票收益率的解釋變量，與事前年份、事中年份、事后年份等三個年份的股票收益率進行回歸分析。結果發現，在三個年份中，分析師剩余關注度對股票收益率均有顯著的正的影響。此外，數據與方法上的一些不足可能會影響到結論的可信度，分析師關注度問題的研究有待于今后進一步向縱深拓展。

綜上分析，我們雖然尚未發現分析師關注度與股票收益率的相互影響方式，即二者相互影響的時序問題，但不難發現，投資于分析師關注度高的股票、賣出（在條件允許時可賣空）分析師關注度低的股票，可以獲得相對較高的收益。這對投資者的投資行為具有較強的指導意義。

參考文獻：

［1］ James H．Bjerring，Josef Lakonishok，and Theo Vermaelen．Stock price and financial analysts’ recommendations［J］．The Journal of Finance，1983，（138）：187-204．

［2］ Kent L．Womack．Do brokerage analysts’ recommendations have investment value? ［J］．The Journal of Finance，1996，（151）：137-167．

［3］ Brad Barber，Reuven Lehavy，Maureen Mcnichols，and Brett trueman．Can investors profit from the prophet? security analyst recommendations and stock returns［J］．The Journal of Finance，2001，（531）：531-563．

［4］ Narasimhan Jegadeesh，Joonghyuk Kim，Susan D．Krische and Charles，M．Lee．Analyzing the analysts: when do recommendations add value? ［J］．The Journal of Finance，2004，59（3）：1083-1124．

［5］ Somnath Das，Re-Jin Guo and Huai Zhang．Analysts Selective Coverage and Subsequent Performance of Newly Public Firms［J］．Journal of Finance，2006，61（3）：1159-1185．

［6］ 姜國華．關于證券分析師對中國上市公司會計收益預測的實證研究［J］．經濟科學，2004，（6）：72-79．

［7］ 吳東輝，薛祖云．財務分析師盈利預測的投資價值:來自深滬A股市場的證據［J］．會計研究，2005，（8）：37-42．

［8］ 王征等．分析師的建議是否有投資價值——來自中國市場的經驗數據［J］．財經問題研究，2006，（7）：36-44．

［9］ Fama，E．and French，K．The Cross2Sectional of Expected Stock Returns［J］．Journal of Finance，1992，（47）：427-465．

［10］ Fama，Eugene F．，and James D．Macbeth．Risk，Return and Equilibrium: Empirical Tests［J］．Journal of Political Economy，1973，（81）: 603-636．

（責任編輯：楊全山）

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”