基于分析师评级变动的量化投资策略

张老师按

今年的课程策略展示，可以选择中国A股或者美股作为策略构建对象。在课程中，我们强调学术研究对于构建量化策略的价值，很多小组借鉴经典文献，做出了不同以往的优秀策略。本周展示的是张欣然等同学合作研发的、以美股为投资标的的优秀策略。

一、策略概述

该策略的核心是在一个近期有分析师评级变动的小股票池中，根据文献中指出的影响分析师做出评级变动的因子，结合小股票池中股票的基本面信息，来对它们进行进一步筛选，得到拥有分析师评级变动特征、基本面优秀、剔除分析师过度偏好的一组股票，来搏取更高的收益。

2012年11月26日至2017年11月26日的回测展示如下，只多（long-only）投资组合年化收益率为25.25%，年化Alpha为8.46，但是这个策略的风险较大，最大回撤为24.28%，夏普比率仅有1.47，后期我们对策略进行了进一步调整来降低风险。

二、投资逻辑

该策略的核心思路来源于两篇文献，第一篇是“Do brokerage analysts’ recommendations have investment value ?”【1】，这篇文献讲述了美国主要券商分析师给出的“买入”和“卖出”的评级变动对股票之后一段时间的收益有显著影响。尽管分析师的推荐很难与公开信息保持完全一致或者提供以前没有的信息，根据推荐操作所获得的回报仍然是巨大的。对于移入“买入”评级而言，平均的事后股价变化是温和的（+2.4%）并且短暂的（一个月），但对于“卖出”评级而言，变化是巨大（-9.1%）而且长达六个月。这样来看，分析师表现出很强的把握市场时机以及给股票定价的能力。基于第一篇文献给出的可行的套利办法，我们决定系统的研究分析师评级上升对股票收益率的贡献，我们并非像文献中描述的那样实时追踪各大券商的评级发布，而是更普遍地以一段时间的平均分析师评级来构建评级变动指标。

第二篇文献是“Analyzing the analysts: When do recommendations add value ?”【2】，这一篇文献为我们构建排序系统点明了方向，它检验了衡量公司跨期表现的一些常用的变量对分析师评级的影响，并基于这些因子与分析师推荐评级 44 33719 44 14939 0 0 2976 0 0:00:11 0:00:05 0:00:06 2976构建投资策略，研究其在市场中的表现，最后检验了在控制这些变量的情况下，推荐评级及其变动情况对股票价值产生的影响，得到了对推荐评级的较为全面的认识。在构建策略的排序系统时，我们对这篇文献中的12个常用因子进行了单因子回测，同时沿着该篇文章的思路对更多的基本面、行业因子进行了回测检验。

2.1 分析师评级变动指标

近期的分析师评级变动，对未来股票的走向具有预测作用，它所包含的价值信息并非是在评级变动的时间窗口就迅速完全地反映出来，而是在之后的一个月甚至六个月内有一个飘移。但是分析师发出的评级变动可能受多种因素的影响，比如分析师对某些指标的过度追求，内幕交易导致的分析师评级并不可靠，也即这个指标本身的质量问题。单纯使用这个策略来选股构建投资组合，并不能获得非常好的投资收益。结合跟踪人数和平均评级，我们使用分析师评级变动指标筛选出了一个小股票池。

2.2 分析师评级变动指标的加强

分析师发出评级变动时会综合考虑各方面的因素，但对评级变动正向影响的某些因子，有时候并不能在市场上带来超额回报。沿着文献“Analyzing the analysts: When do recommendations add value ?”【2】的思路，将文献中列举的十二个影响分析师评级变动的因子归类分析，记录它们与分析师评级变动因子联合使用时对收益率的贡献。在构建策略时，我们将文献中的因子分为两类：分析师高估因子和正常因子，加入到我们的排序系统中，对分析师评级变动筛出的股票做一个加强处理。例如：将分析师看重（正向影响评级变动）但在市场上会带来负回报的某些增长率因子（越高分析师越偏好），市净率（越低分析师越偏好）逆向排序，将分析师看重并且带来正向回报的因子进行正向排序。

2.3 分析师评级变动指标结合基本面和行业因子

除了利用文献中的常见因子来构建排序系统外，我们还筛选检验了小股票池中的其他基本面信息和行业信息等，找到了一些分析师可能忽略或者高估的因子。文献二的研究启发我们，具有分析师评级变动特征的股票在基本面信息上有很多相似性，但这些分析师看重的基本面因子是否真的能够带来更高的回报仍待检验。经过五年回测，我们发现了分析师可能给予过高要求的一些基本面信息，如财务能力；同时，我们还发现分析师对于行业有较为明显的偏好，倾向于高beta、高成长等特点的行业。基于以上考虑，我们在排序系统中另外加入了一些正常或分析师高估的基本面因子和行业因子，以进一步剔除分析师的过度偏好，选出基本面更加优秀的股票，放大我们持仓组合的收益率。

三、排序系统

排序系统最大的特点是根据原有的文献资料、实证结果，对分析师评级变动进行了加强处理，质量筛选，基于分析师评级变动中存在获利空间这一条件，将股票一些基本面情况和行业信息进行了系统的分析。

其中，第一个排序系统借鉴了文献二中的12个因子，由于文献写作时间较早，构建的投资组合的持仓时间是6个月（中长期），我们对能够纳入排序系统的因子进行了筛选，其中，momentum一组中的四个因子对策略选股的影响并不显著，而contrarian中因子不符合我们最初中短期的调仓频率，因此我们在维持大类因子不变的前提条件下，对因子覆盖的时间范围等做了一系列调整。

第二个和第三个排序系统是通过分析小股票池中股票的基本面和行业等信息与收益率之间的关系得出的，我们具体选择了基本面的四个角度（盈利能力、经营效率、盈余质量和财务能力）和行业的波动及增长进行检验，发现了以下几点异象和可能被分析师忽略的信息：

1、分析师非常偏好高beta值的行业，对于这些行业，小股票池中分析师的评级变动上升幅度很大，但是并不是这些行业中的所有股票都能有理想的业绩，事实上，个股的高beta会带来很大的超额收益，但如果个股的beta高只是行业平均beta的一个体现，那么这只股票的收益并不会有太理想的结果；

2、如果行业的EPS增长率很高，个股的成长能力在行业中也很强，股票的收益会大大提高；

3、尽管分析师非常偏好价值被低估的股票，但是往往是那些处于平均PE高的行业，自身也具有较高的PE、PEG的股票回报率更大；

4、分析师会充分地考虑股票的资本结构和财务能力，在小股票池中的股票在这两个方面都有远超市场的表现，但是分析师可能高估了这些指标对于收益率的作用，至少，我们发现，并不是资本结构和财务优势最好的股票有最高的收益率，在小股票池中，它们之间是反向的关系。

在将文献因子和基本面以及行业信心纳入考量后，我们得到了一个非常适用于具有分析师评级变动特征的小股票池的排序系统。

四、策略回测

4.1 规则说明

业绩基准：S&P500

股票池：美国的所有股票

目标股票数量：25只

调仓频率：持有期间有休市时，调仓频率为12周，无休市时，为6周。（考虑到美国股市的节日效应对我们策略的影响）

基本买卖规则：除了给定的股票价格限制、市值规模限制、常规流动性外，我们还增加了六个条件以筛选出具有分析师评级变动特征的小股票池，剔除OTC和不具备一些基本面信息的保险、银行业。

卖空止损规则：无

4.2 回测业绩

下图展示了考虑交易成本后，策略的历史业绩表现和主要的业绩分析指标。从图中可以看出，策略能够获得相当可观的超额收益。2012年11月26日建仓以来年化收益率为25.25%，年化Alpha 8.46%。

从主要的业绩分析指标可以看出，该策略通过攫取分析师评级变动的获利空间，获得了较好的超额回报，但是由于没有设定必要的止损卖出规则，以及策略会受到基金公司年底抛售股票的影响，总体来讲这个策略的风险是比较大的，也因为以上原因，策略的sharperatio、最大回撤等都表现得不尽理想。

4.3 风险规避

我们尝试了一系列降低风险的方法，最终发现势必要放弃一部分收益，如：我们设定在股票价格跌落买入价的15%时将股票立刻卖出，这个止损条件将我们的最大回撤降低至19.86%，sharpe ratio提高至1.55，但年化收益率不可避免地下降至24.52%；同时，我们发现策略的投资组合可能与基金公司有大幅重合，在年底基金公司抛售股票时，我们的策略有效性会降低，因此我们建议在每年12月中旬至次年1月中旬选择空仓以规避风险。

4.4 特征分布及敏感性分析

下图展示了目标投资组合的特征分布，可以看出，策略在市值的分布较为均衡，但是在行业上对技术、医疗健康有明显的偏好，这也是我们策略波动较大的一个原因。在进行资金规模、持股数量的敏感性分析后，该策略仍然显现出较为可观的超额收益和较低的波动，但在进行建仓日期的敏感性分析后，我们发现策略非常不适合在12月和1月初建仓，通过查阅一些文献后我们暂将其归因为基金公司等抛售股票的影响。

五、总结

我们的核心逻辑是利用市场不能迅速、完全地反映出分析师评级变动包含的价值信息，结合过去文献实测出的常用因子，再加上筛选出的在特定小股票池中能够带来更高回报的基本面、行业信息，构建出一个具有分析师评级变动特征、基本面优秀、剔除分析师过度偏好因素的投资组合。回测业绩表明，策略展现出较为可观的超额收益。

六、参考文献

[1] Womack, K. L. 1996. Do brokerage analysts' recommendations have investment value?. The Journal of Finance, 51(1), 137-167.

[2] Jegadeesh.N., Kim, J., Krische, S. D., & Lee, C. 2004. Analyzing the analysts: When do recommendations add value?. The Journal of Finance, 59(3), 1083-1124.

《财务分析与量化投资》课程小组

2017年12月

张欣然  谭子键  商   恒

张   翾   张   贤  沈   鸿