分析师目标价的Alpha信息 | 开源金工
开源证券金融工程首席分析师 魏建榕
微信号：brucewei_quant执业证书编号：S0790519120001开源证券金融工程研究员 苏良（联系人）微信号：19821237273执业证书编号：S0790121070008研究领域：因子研究、量化基金摘要
目标价预测的选股能力来源
近年来，分析师预期数据的热度逐渐上升，在基本面量化研究中对于公司财务数据起到有效的补充，但是因子近期的多空对冲收益有明显的回撤，不由得会让人怀疑该因子是否仍然有效。从逻辑上，我们认为分析师预测目标价格的Alpha来源主要有以下三点：
信息领先优势：相对一般投资者而言，分析师具备信息领先优势，但通过发布报告将信息向外扩散的过程存在时间滞后性，因子整体的滞后性不能忽略。
预测非对称：分析师很少会出具“减持”或“卖出”评级的报告，这种不对称决定了因子在空头端的有效性要强于多头端。
关注效应：股票的市场热度增加，关注度较高的股票，在历史上的表现要明显优于关注度低的股票，通过分析师的变化可以挖掘出哪些股票在市场上受关注度高，同样也可以有不错的测试表现。
分析师预测价格的行为学分析
股票目标价格的预测模型应是非线性的，且受到诸多因素的综合影响。分析师预测价格行为存在一定的行业、风格偏离。行业层面来看，房地产、交通运输等偏价值行业的分析师更倾向于发布包含目标价预测的分析报告；个股层面来看，相对研报组合和宽基指数而言，目标价组合的成长属性更强。目标收益率会受到市场动量的正向影响，若个股近期行情较好，预测的目标价格也就会越高。针对分析师预测目标价格的一般行为逻辑，我们主要有以下几点补充：
（1）目标价格是盈利预测与市场行情等因素的综合反映；
（2）分析师更倾向于预测高成长股票的目标价格，且多数为正向预测；
（3）分析师集中覆盖的个股预测方差较小。
预期收益率因子的改进结果
从正负向偏差、时效性以及关注度差异三个维度，我们分别构造WTR因子、MTR因子以及CTR因子。其中，WTR因子在多头上表现较好，而MTR因子主要贡献空头收益，CTR因子在风格切换时候偏弱，这与关注度的惯性有关。
我们利用WTR因子、MTR因子和CTR因子合成为TR_ICIR因子，组合的多空年化收益14.9%，信息比率1.401，月度胜率为67.4%。从结果来看，合成因子的表现要优于原始因子，从时效性、预期偏差以及关注效应三个维度拆解一致预期目标价的Alpha，在多空对冲效果上有明显的提升。
报告链接
点击文末阅读原文，提取码：kyjg
报告发布日期：2021-09-14
01
写在前面：一致预期因子的历史表现
在市场渐进有效的背景下，财务数据贡献的Alpha收益将会越来越少。而分析师预期作为基本面数据的有效补充，是解决增量信息衰减的重要途径。无论是在学术研究，还是在实际应用当中，一致预期类因子都表现出了不错的选股效果。本文尝试基于股票目标价格构造量化选股因子并挖掘其中的增量信息。
本文的数据主要来源于朝阳永续的分析师预期数据库，数据覆盖的时间范围自2006年4月3日至2021年6月30日。
1、谈在前面：一致预期因子的历史表现
一般来说，分析师预期包括三种不同类型的数据：盈利预测、目标评级以及目标价格，而使用范围较广的是分析师盈利预测以及目标评级。
我们为什么选择研究目标价预期？
目标价格的调整过程隐含着分析师的真实观点。分析师会将真实的情感隐藏在相对客观的预测数据当中，而分析师对于盈利数据的把握程度较高，各个分析师之间的实际差异并不大。
我们认为，目标价格更有可能反映分析师的真实观点，通过分析师预期价格的涨跌幅可以捕捉Alpha信息。原因主要有三点：（1）分析师目标价包含除了基本面以外的信息，可以用于刻画分析师的情感；（2）目标价可用于构建一致预期目标收益率因子，能够避免盈利指标为负时构造增长率指标的计算麻烦；（3）构造比率因子的定基标准更新频率小于季度，因子的时效性要比盈利预测因子更高，在选股能力方面也更强一些。
目标价能反映分析师对股票价格未来走势的看好程度，相对于报告中给出的评级指标更为细致，例如，在其他条件相同的情况下，同样获得“买入”评级的两只股票，若股票的目标价对应的涨幅越大，则说明分析师对这只股票越看好。与目标评级相类似，分析师调整个股的目标价能够反映对该股票的观点变化。
为了更好地对比，我们以EPS预期调整比率构造一致预期调整因子，按照近年来的机构抱团周期，分别测试了两类因子在不同阶段的Rank IC，如表1所示。
一致预期调整因子在历史上的测试效果表现良好，年化收益达到21.2%。
一致预期目标收益率因子的多空对冲曲线在2017年以来出现大幅回撤，与一致预期调整因子有明显的差异。
一致预期目标收益率因子在2017年以来出现了明显的有效性滑坡甚至是有效性断层的情况，而一致预期调整因子则没有特别明显的变化。
分析师预期数据整体上是有Alpha贡献的，但具体到细分的数据上，是否仍然有效有待继续探索。我们希望在本篇报告中回答以下两个问题：（1）分析师预测个股目标价是否仍然具有有效的Alpha？（2）如何对预期收益率因子进行改进和优化？
02
Alpha信息来源多样化
我们按年份统计了分析师研究报告的数量以及类别，如图7所示。2006年至2012年期间，国内券商发布的报告数量逐年增长，2013年以来报告数量出现了短暂的下降后又渐回升。从规模上看，平均每年针对个股发布的分析报告约为8万篇，其中包含价格预测的报告所占比例大概是30%。
分析师预期的Alpha收益来源到底有哪些？
（1）信息领先优势
Alpha信息来源之一在于分析师对公司经营变化的持续跟踪。分析师比较关心上市公司的经营变化，通过不定期的调研和经常性沟通，往往能够掌握相关上市公司的关键信息。相对于大多数投资者而言，分析师具备信息领先优势，但通过发布报告将信息向外扩散的过程存在一定的时间滞后性，因子整体的滞后性不能忽略。
（2）预测非对称
由于A股做空限制比较大，绝大多数机构只能做多股票或者卖出现有持仓，因而分析师较少发布“减持”或“卖出”等评级的报告。分析师预期的这种不对称决定了在空头端的有效性要强于多头端，分析师发布偏空头的报告对于股票收益的负面效应更明显。
（3）关注效应
分析师发布报告起到了引流的作用。以机构为划分单位，覆盖个股的机构和分析师数量越多，说明市场对于该股票的关注度越高。股票的市场热度增加，关注度较高的股票，在历史上的表现要明显优于关注度低的股票，通过分析师的变化可以挖掘出哪些股票在市场上受关注度高，同样也可以有不错的测试表现。
2.1、报告信息的时效性短，且大多数集中在“财报季”披露
分析师发布报告时间相对集中，通常集中在公司报告披露期。图9展示了发布报告的时间间隔，可以看出，分析师报告的发布时间间隔一般都相对较短，针对同一家公司，平均每隔6.09个交易日会发布一篇报告。
在时间分布上，大多数报告发布时间集中在3月、4月、8月以及10月这些上市公司发布定期报告的月份。横向比较来看，分析师在这些月份发布报告的数量相比其他月份更多，而且其中目标价预测的报告数量占比也会更高。
分析师的研究报告是其价值发现能力的滞后表达。市场上大多数卖方分析师通过对上市公司的实地调研、电话会议等途径，能够更加及时地获取关于公司的最新动态，更加准确地判断未来的发展前景，从而发掘出公司的真实价值。
时间滞后效应越弱，所能够提供的预测信息含量越高。当上市公司对外公开发布信息后，分析师需要发布相关点评或研究报告，但通常会滞后1到3个交易日。
从信息有效性的角度来看，近期的分析师预测与半年前的分析师预测值相比，显然前者对于公司的真实情况符合度更高。因此，分析师发布报告的时效性对于构造因子而言，需要考虑得更为全面。
2.2、分析师的观点整体偏向乐观，消极评价的发布相对谨慎
分析师发布“减持”或“卖出”评级的报告数量相对较少，自2010年以来，“中性”报告的数量逐渐降低，“增持”和“买入”评级的占比趋于稳定。
同样地，分析师发布的股票目标价格通常会高于当前的股票价格，分析师很少会发布低于当前价的目标预期，大概仅占到所有包含目标价格预测报告的3%。
在分析师发布研究报告之后，股价是否会表现出明显的价值回归行为？
针对这一问题展开讨论，我们采取了事件研究法来探究分析师发布报告行为前后的收益特征。我们分别计算了在分析师报告发布前20个交易日至发布后60个交易日的累计平均超额收益率。
在分析师发布报告后，股票相对于市场基准始终都能保持正的超额收益。在发布之前，股票的价格已经处在上行的通道，并且收益累积的速度逐渐放缓，说明分析师发布报告存在一定的时滞，这与我们先前分析的结论基本一致。
我们以分析师提供的目标评级划分样本，统计发布报告前后的累计超额收益。在发布“中性”评级后，平均而言股票的表现较全市场指数偏弱，而“增持”评级并非完全正面评价，仅有“买入”评级的股票在发布报告后仍能有超越市场整体的表现。
分析师发布的目标价格低于当前价，对于股票而言是明显的利空，累计超额收益率由正转负，如图15所示。横向对比的结果表明，当目标价低于现价的利空消息释放出来，股票价格会出现明显的下行现象，从而在分组测试中贡献空头端收益。
从目标评级和目标价格的相对值来看，不乐观的部分稳定“跑输”市场，说明分析师存在“过度乐观”和“谨慎悲观”两种偏差。其中，“谨慎悲观”部分能够贡献持续且稳定的空头Alpha。
综合上述，分析师预期对于股票价格未来变化的预测能力并非对称分布，一言以蔽之，曰“乐观未必冲高，悲观大概率走低”。
2.3、研报组合与目标价组合同属于市场优选组合
本文采用了分析师目标价数据构造因子，事实上并非所有报告都会给出标的个股的目标价格，这也导致我们在回测的时候面临一个动态有偏的股票样本池。
我们以“研报组合”和“目标价组合”为讨论分析对象：
（1）目标价组合：含目标价预测的报告所覆盖的股票构成的样本池；
（2）研报组合：全部个股报告所覆盖的股票构成的样本池。
图16展示了由两个组合所构造的价格指数相对于几类宽基指数的表现。从组合表现来看，目标价组合相比较研报组合，在整体上的收益差距并不明显，但在收益的稳定性上要优于整个研报组合。
以分析师覆盖家数作为划分，分别取机构覆盖数在1家、2至5家以及5家以上的分析师股票构造组合，在每年6月和12月调整一次组合内的成分股。通过上述方法构造出不同关注程度的股票组合，分别记为低关注组合、中关注组合和高关注组合，结果如图17所示。
关注度溢价：关注度较高的组合在市场上的表现要优于关注度较低的组合。
分析师覆盖股票数量与机构重仓股重合度逐渐提升。我们统计了分析师覆盖的股票与每季度基金前十大重仓股的合并重复率，如图18所示，该指标从2010年开始逐渐提高并在2016年下半年达到峰值，后逐渐稳定在53%的平均水平。
03
分析师预测股票价格的行为学分析
3.1、股票价格预测的行为逻辑
股票目标价格的预测模型应是非线性的，且受到诸多因素的综合影响。假设存在两种不同的行为模型：
（1）线性外推法
分析师的目标价由两部分构成，一部分由业绩增长预期驱动，另一部分则是由分析师情绪等因素驱动。根据线性外推的规则，分析师所给出的目标收益率可以表示为如下表达式：
其中，∆表示一致预期业绩增速变化量；残差项ε包含除∆以外的预测信息，通常认为这部分由分析师的主观情绪决定。
（2）目标市值法
分析师通过研究公司的业务特点，判断公司未来的目标估值水平，从而确定股票的目标价。公司的目标价格与业绩增速预测两者相关性偏弱，有可能公司发布了资产重组或者分拆上市等重大变动，公司未来的业绩预期发生改变的同时，目标价格也会进行相应的调整。
小幅利好变动调整价格，长期变动上调盈利预测。目标价格和业绩预测往往不会同时调整，有时候对于股票的短期利好消息，分析师更倾向于调整目标价格而不是修正公司的盈利预测。
3.2、分析师偏好推荐成长性较高的股票
分析师推荐股票是否存在选择偏差？或者更进一步，我们想知道分析师预期因子在历史上表现较好，是否存在一定的抽样偏差？为了回答这个问题，我们从行业偏离和个股偏离两个维度分析。
首先，从行业层面来看，房地产、交通运输等行业的分析师更倾向于发布包含目标价预测的分析报告。在《A股风格轮动：规律认知与策略实践》报告中，我们将风格收益归因到不同行业特征上，通过行业构建的风格趋势与市场风格趋势十分接近，表3总结了行业的成长、价值风格属性。
价值性行业的分析师发布目标价格的积极性更高。以银行和化工为例，行业发展处于两个不同阶段，预测价格的难度也不同。银行板块的股价长期处于合理价格区间内，可预测性相对而言更高，分析师发布的目标价预测考虑的成本较低。
其次，在个股的维度上，我们参考了国证风格指数的编制方法，选取主营业务增长率等指标分别衡量个股的成长和价值风格，如表4所示。
我们计算指标并在不同行业内排序和打分，然后将不同行业的打分结合起来，从而剥离行业偏差的影响。我们统计了沪深300指数、中证500指数、中证全指指数以及目标价组合，按市值加权得到该组合的成长和价值得分，如图20所示。
3.3、分析师的价格预测包含非理性因素
作为资本市场的重要参与者与市场信息的有效供给者，分析师在传统认知中被视为完全理性人，但近年来的行为金融学领域的研究结果打破了这一经典假设。
分析师事实上并非完全理性，而是存在一定程度的认知偏差（Easterwood and Nutt,，1999）抑或是心理偏差（Sedor，2002）。我们选取分析师的预期目标收益率和个股的20日动量指标进行显著性检验，回归模型如下所示：
我们选用20日均价作为分母，构造新的目标收益率指标，并用20日的收益率因子回归目标收益率，表5展示了回归模型的参数结果。
目标收益率会受到市场动量的正向影响，若个股近期涨幅越高，分析师所给出的目标价格会越高。预测价格并非完全由公司的业绩因素决定，而是在一定程度上会受到市场因素的影响。
随着关注度的增加，分析师的情绪因素逐渐减弱。关注度低的股票，分析师业绩预测的方差更大，预测价格会偏高或者偏低，关注度较高的股票恰好相反。分析师不能均匀覆盖市场上全部4000多只股票，只会集中在少部分，而密集覆盖则会导致研究的同质化，预测方差减小。
综上所述，分析师预测目标价格的一般行为逻辑主要有以下几点：
（1）目标价格是盈利预测与市场行情等因素的综合反映；
（2）分析师更倾向于预测高成长股票的目标价格，且多数为正向预测；
（3）分析师集中覆盖的个股预测方差较小。
04
一致预期目标收益率因子改进优化
通过对分析师的行为学分析，我们知道了一致预期价格当中包含了分析师的情感特征，并且会受到市场行情以及股票选择差异的影响。2010年以后，由国内券商机构发布的研究报告数量逐渐稳定，为避免分析师报告数量的影响，我们选择测试区间为20100104至20210630。
在剔除行业和市值因素的影响以后，多头组合的年化收益率为15.3%，相比未进行中性化时提高了0.6%，但是IR由1.352进一步降低至1.014。从因子多空对冲的表现来看，自2016年底以来的因子多空效果不明显，且在近期出现了深度回调。
第二节的论述已经介绍了分析师预期的Alpha来源。从正负向偏差、时效性以及关注度差异三个维度，我们分别构造加权预期收益率因子WTR、调整预期收益率因子MTR以及关注度修正预期收益率因子CTR。
4.1、加权预期收益率因子WTR
我们回顾了一致预期目标收益率因子的构造方法，由于分析师会参考股票当前的价格设置目标价，在构造目标收益率的时候，应该考虑报告发布时的价格而不是月末计算因子时候的股票价格。
股票的目标价格预测需要得到后续行情的验证。若在回看窗口内的股票价格走势能够印证分析师的目标收益率，则应给予目标价格更大的权重；若是股票价格并不符合预期走势，在计算因子时赋予该预测值较低的权重。
基于上述思路，构造加权目标收益率因子，如下所示：
其中，P0表示在第i家机构发布价格预测前一个交易日的收盘价；Pe为第i家机构发布的股票目标价格；P为月末计算因子时的股票收盘价；ω表示在不同行情下，对不同机构预测的目标价格应赋予的系数。
（1）若ω>1，则说明股票价格走势验证了目标价格的判断；
（2）若ω<1，则说明目标价格的判断未得到验证。
在测试区间内，WTR因子的多头年化收益率为14.4%，而夏普比率达到0.522；在多空对冲方面，因子的信息比率达到0.696。
因子的收益大多集中在多头端，说明高预期收益率的股票要明显比低预期收益率的股票要好，分析师对于个股的价格预测存在有效的选股能力。
在参数敏感性方面，WTR因子效果随回看窗口N的变化并不明显，在测试范围内的月度胜率均要优于原始因子。
4.2、调整预期收益率因子MTR
一般来说，分析师预期的调整同样具备信息含义，我们选用加权预期收益率因子的同比变化来构造新的因子，即调整预期收益率因子MTR，因子的分组测试效果如图24所示。
相比于WTR因子的构造逻辑，MTR因子反映的是分析师预期的变化在短期对市场的冲击影响，相对于MTR因子在逻辑上“更短”一些。与量价因子类似，MTR因子的空头端收益较多头端收益更明显。
MTR因子的多头年化收益率达到12.3%，夏普比率为0.456；因子在多空对冲表现较好，信息比率达到1.772，相比原始因子有明显的提高。
MTR因子的多空收益主要贡献在空头端，分析师下调收益率的含义相对而言更加明确一些。股票的预期收益率向下调整的幅度越大，反映股票的负面信息也就越强烈，而往往上调分析师的预期收益率可能对未来收益率的预测并不敏感。
4.3、关注度修正因子CTR
分析师在市场上充当信息中介的角色，起到“引流”的重要作用。分析师预期数据中的关注度因子C，在截面上反映的是股票热度的差异性，但在市场风格切换比较明显的时候，该因子的表现可能会偏弱一些。
C因子的具体定义为：回看过去一段时间的分析师预期，分别统计覆盖不同股票的分析师数量，结果按机构保留唯一值。
CTR因子的构造方法如下：
（1）在横截面上计算WTR因子的排序值，记为Rank(WTR)；
（2）在横截面上计算C因子的排序值，若是不同股票为相同值，则按照WTR因子内部排序，记为Rank(C)；
（3）将两个排序值进行乘积运算，得到CTR因子。
多位卖方分析师对同一上市公司发布了多篇报告，可能会导致市场对于该股票过度关注的行为。但实际上，短期地关注度提升会使得该股票估值过高，以及在热度衰减后出现大幅回撤。在短期关注度增加会产生正向溢价，由此构造的组合多头收益将会比较突出，如图25所示。
自2017年以来，机构抱团行情热情持续高涨，关注度较高的股票有明显的溢价成分，而这与市场上关注度的惯性有关，前期热度较高的股票能够更加频繁地进入投资者的视野，A股消费板块的现象级行情正是典型的例子。CTR因子的多头年化收益率达到14.4%，夏普比率为0.546，胜率同样比原始因子的表现更好。
4.4、预期收益率因子合成
我们将WTR因子、MTR因子和CTR因子等权组合，合成TR_Equal因子以及利用ICIR加权合成的TR_ICIR因子。对比原始的因子在全市场上的表现，合成因子在选股上的效果如表9所示。
从结果来看，合成因子的表现要优于原始因子。我们从时效性、预期偏差以及关注效应三个维度拆解一致预期目标价的Alpha，通过ICIR加权的方法，最终构造的合成因子在稳定性上有明显的提升。
05
风险提示
模型基于历史数据测试，市场未来可能发生重大改变。
参考文献：
[1]张宗新,吴钊颖.媒体情绪传染与分析师乐观偏差——基于机器学习文本分析方法的经验证据[J].管理世界,2021,37(01):170-185+11+20-22.
更多交流，欢迎联系：
开源证券金融工程团队 | 魏建榕 张翔 傅开波 高鹏 苏俊豪 胡亮勇 王志豪 盛少成 苏良
end
团队介绍
开源证券研究所金融工程团队，是一支年轻而富有创造力的团队，我们致力于提供全面深入、独家创新的量化研究。团队首席魏建榕，复旦大学理论物理学博士，专注量化投资研究近10年，历任东方证券研究员、上投摩根基金研究员、方正证券高级分析师、东吴证券联席首席分析师。在实证行为金融学、市场微观结构研究等领域取得了多项独创性研究成果，在国际学术期刊发表论文7篇，代表研报《蜘蛛网CTA策略》系列、《高频选股因子》系列、《因子切割论》系列，在量化圈内有较好反响。2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。目前，开源金工团队成员来自复旦大学、上海交通大学、华东师范大学、南京大学、厦门大学等知名院校，欢迎志同道合的优秀学子加入我们。
团队愿景
开源金工团队，将恪守「原创、深度、讲逻辑、可验证」的量化研究准则，努力为量化投资研究做出属于我们的微小贡献，共同见证中国量化投资事业的持续进步！
开源证券股份有限公司是经中国证监会批准设立的证券经营机构，由陕西开源证券经纪有限责任公司变更延续的专业证券公司，已具备证券投资咨询业务资格。
本报告仅供开源证券股份有限公司（以下简称“本公司”）的机构或个人客户（以下简称“客户”）使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于机密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。
本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。
本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。
开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。
本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。
开源证券股份有限公司
地址：西安市高新区锦业路1号都市之门B座5层
邮编：710065
电话：029-88365835
传真：029-88365835