股票收益的可預測性：來自文獻的因子

黃錚

【摘要】股票收益的可預測性能夠優化投資者資產配置。而投資者需要在信息市場獲取相關信息，才能夠制定具有獲利能力的投資策略。分析師、內幕人士、機構投資者在信息市場扮演著重要角色，文章回顧了文獻當中與分析師、內幕人士、機構投資者相關的預測因子，探討如何利用預測因子設定合理的投資策略，加快市場的價格發現過程，提升市場理性。

【關鍵詞】股票收益；分析師；內幕交易；機構投資者

【中圖分類號】F832.51；F275

一、引言

風險補償和錯誤定價是股票收益的兩個來源。風險補償說認為市場是有效的，股票的價格及時、充分地反映了所有可得的信息，股票收益的可預測性來源于對風險的補償，高收益也就意味著高風險；錯誤定價說認為市場上存在著錯誤定價，投資者因此獲得套利機會，制定投資策略以獲取超額收益。無論是哪種來源，投資者除了要在資本市場進行交易外，還需要在信息市場獲取相關信息，才能夠制定具有獲利能力的投資策略。

信息需要吸引投資者的注意，然后才能通過交易進行處理并納入資產價格。而企業與資本市場、信息市場的聯結在于分析師、內幕人士、機構投資者等精明投資者，他們不僅擁有比普通投資者更多的信息，而且也擁有更卓越的能力去解讀這些信息。如果我們觀察他們在資本市場上的交易行為，并關注他們在信息市場所傳遞的信息，就能夠更好地預測價格表現。本文回顧了文獻當中與分析師、內幕人士、機構投資者相關的預測因子，探討如何利用預測因子設定合理的投資策略。

二、分析師相關因子

分析師在信息市場上收集并傳遞信息，發揮著重要的信息媒介作用。典型的分析師首先要做出是否跟蹤公司的決策，然后收集有關公司的各方面資料，發布分析師報告，為市場提供信息。而分析師報告當中最有價值的信息是盈利預測和投資評級；并且當分析師做出跟蹤決策時，面臨巨大的轉換成本。投資者可以通過解讀分析師報告中的盈利預測和投資評級，以及觀察分析師的跟蹤行為，可以獲得更多有用的信息。

（一）盈利預測與投資評級

分析師對公司的預測并不相同，以往文獻使用分析師的一致預測和一致評級作為分析師預測指標的代理，但張然等（2017）認為我國證券分析師過度樂觀，若采用變化指標代替水平指標，能夠減少分析師行為偏差帶來的影響；發現若使用盈利預測修正和評級修正作為股票收益預測因子，構建五分位數投資組合，買入前20%，賣空最后20%，原始月度收益分別為0.85%和0.88%；明星分析師的預測效果更顯著，這種預測效果來源于分析師修正信息對企業未來基本面的預測。

分析師對每個公司的預測一致性并不完全相同，一致預測無法反映分析師對公司預測情況的全貌。分析師預測的離散度可以看作是投資者意見分歧的反映，也反映了信息不對稱的程度；由于特殊的激勵結構，分析師在悲觀時會不發布預測，這種向上的偏差會隨著離散度的增加而增加。Diether et al.（2002）發現，在分析師的盈利預測中具有較高離散度的股票，其未來收益顯著低于其他類似股票。使用盈余預測離散度作為股票收益的預測因子，構建五分位數投資策略，買入離散度最低20%的股票，賣空離散度最高20%的股票，可以獲得0.79%的原始月度收益。

每位分析師會發布長期預測，也會發布短期預測，分析師發布的長期盈利增長預測是對未來盈利增長，也就是股息增長的重要預測，往往比短期更具有信息含量，對股票估值也更重要。即使長期收益預期中的小錯誤也會導致大的錯誤定價。長期收益預期中的錯誤可能是由于他們緩慢地整合短期信息造成的，并且由于有限注意力，分析師可能忽視了信息的長期影響。Da et al.（2009）使用分析師對收益增長的長期預測和短期預測之比作為分析師預測相對樂觀的代理，并將長期預測和短期預測分為高中低三組，購買低長期預測、高短期預測股票，賣空高長期預測、低短期預測股票，可以獲得0.48%的月收益率。

分析師預測存在較大離散度，投資者需要識別值得遵循的分析師建議，而能夠更準確地預測收益的分析師也會提供更好的股票推薦，因為更好的收益預測應該會產生更好的估值。Hess et al.（2011）通過使用分析師能力指標、歷史分析師預測準確性、兩個預測特征指標預測分析師的預測準確性，并分離出分析師能力指標那部分的內在收益準確性，并將其分為五分位數，認為前20%的分析師是有能力的分析師，最后20%是沒有能力的分析師。如果遵循有能力分析師的“強烈購買”與“購買”建議，構建長期投資組合，能夠獲得11.46%的年化收益率；而遵循無能力分析師的“強烈購買”與“購買”建議，只能獲得1.32%的年化收益率。

（二）分析師關注度

分析師的資源是有限的，當決定如何分配他們的時間和注意力時，他們會對表現更好的公司有強烈的偏好。分析師希望達成投資銀行交易、獲得經紀傭金、做出準確的盈利預測，并與公司管理層接觸。而大量跟蹤某只股票的分析師會與更多的市場參與者相關聯，這些市場參與者有機會對該股票進行復雜的分析。Ali et al.（2003）使用分析師跟蹤人數作為股票收益的預測因子，構建十分位數投資策略，買入前10%的，賣空最后10%的股票，可以獲得三年0.122%的收益率。

資源緊張的分析師可能更傾向于研究前景看好的公司，因為這些公司往往估值更高、交易量更大、盈利預測更容易，而且愿意分享積極的消息。分析師的覆蓋決策導致了公司業績的變化，而這些變化還沒有反映在市場價格中，但同時也傳達了公司預期回報的信息。Charles & Eric（2017）認為分析師的覆蓋率決策可能包括一個由公司預期業績驅動的部分和一個由可觀察到的公司特征決定的部分，試圖預測分析師的覆蓋率，并使用模型殘差代理分析師的異常關注，發現異常覆蓋率對公司的基本業績和未來收益具有很強的預測能力，表明分析師通過向定價偏低的公司提供更大的覆蓋率來傳遞預期收益信息。根據異常關注作為股票收益的預測因子，構建十分位數多-空策略，使用等權重組合時可以獲得0.871%的月收益率，使用價值加權組合時可以獲得0.8%的月收益率。

如果一家公司的投資者或跟蹤該公司的分析師關注有限，那么該公司的價格可能對其他公司相關消息的到來反應遲緩，那么具有基本相似點或基本聯系的公司將具有動量溢出效應，其中一家公司的過去回報預測了與其相關或相似公司的回報。Ali et al.（2019）使用共同分析師動量股票收益的預測因子，并構建了五分位數的多-空策略，能夠產生0.89%（價值加權）和1.81%（等加權） 的四因子阿爾法值。這種可預測性來源于企業的基本關聯以及共享分析師可能有助于加快關聯公司之間信息的收集（如表1所示）。

三、機構投資者

機構投資者分為公募基金和私募基金，而公募基金又分為主動管理型基金和被動管理型基金。機構投資者比散戶投資者具有更卓越的能力，更強的認知，也會引導散戶投資者發現價格。機構投資者的整體行為會影響公司的股價表現，而機構投資者內部的特征與能力會影響機構投資者的業績表現，從而間接影響公司的股價與收益表現。由于私募基金數據不可得，現有文獻往往集中在公募基金層面。

（一）公司層面

注意力是一種有限的認知資源（Kahneman 1973），當投資者分配有限注意力時，往往包含著很多信息。市場上存在著散戶投資者和機構投資者。Da， et al.（2011）用谷歌搜索量代表散戶關注度。而機構投資者對重大新聞事件的反應更快，引起散戶關注度變化，促進永久性的價格調整。Azi et al. （2017） 發現與散戶關注相比，機構關注能更快地對重大新聞事件做出反應，引發更多的交易，受到的約束更小；利用彭博終端對特定股票的新聞搜索和新聞閱讀活動構建關注度指標，發現盈余漂移現象在機構投資者關注度更低的企業中更顯著，若在機構投資者高低兩組分別用未預期盈余正負構建多-空策略，在盈余公告后五天的收益率分別為0.95%和0.29%，兩者的差異為0.65%。Ali et al.（2003）使用機構投資者人數作為機構投資者關注度的代理，并以此作為預測因子，構建十分位數多—空策略，可以獲得0.311%的三年回報率。

Merton（1987）模型表明投資者認知度越高，公司價值越高。但投資者的認知度是不可直接觀測的，Lehavy et al.（2008）使用提交13F文件投資者數量的變化作為企業投資者認知度變化的代理，發現股票收益與投資者認知度顯著正相關，這個效應在風險更大的公司更強；并構建十分位數多-空策略，能夠獲得90.7%的年收益率（作者認為這一看似很大的年收益率是合理的）。

機構投資者會在市場上進行交易，但股東并不一定會，持有量和交易量是不同的概念。機構投資者往往比散戶消息更靈通，技能更熟練，也更理性，活躍的機構交易有助于將信息迅速納入股價。機構投資者占比的減少，意味著噪聲交易者的增多，此時，理性交易者將不愿通過套利來規避錯誤定價。Shu（2007）發現股東構成和公司特征會影響交易者的構成，進而影響未來交易量的構成，而機構交易量與股票收益存在顯著正相關關系；他使用機構交易量占比和過去一年機構交易量占比作為股票收益的預測因子，構建十分位數多-空策略，能夠獲得0.94%和1.38%的季度收益率。

公司有很多機構投資者，Wermers et al.（2012） 提供了一個GIA模型來有效地匯總由不同技能的共同基金持有的股票投資組合的股票選擇信息，構造基金經理的整體智慧指標，使我們能夠以一種在基金層面無法看到的方式來看待與選股信息相關的問題。發現基金經理的選股能力源于基本面分析，擁有的收益預測信息不能被眾所周知的量化投資信號所解釋。若以此整體智慧指標構造十分位數多-空策略，可以獲得1.1%的季度收益率。

（二）公募基金層面

傳統觀點認為，投資者應廣泛分散各行業的資產，以降低投資組合的特殊風險。但公募基金的持股可能會集中于他們擁有信息優勢的行業，尤其是對于能力更強的經理人來說，他們可以更好地識別哪些行業的表現更優。 Kacperczyk et al.（2005） 使用共同基金投資組合與市場投資組合的偏離程度代表共同基金的行業集中度，發現更集中行業的公募基金績效表現更好；并以行業集中度作為基金收益的預測因子，構建十分位數多-空策略，扣除費用前可以獲得0.58%的季度收益率。

公募基金可能由于能力不足改變自己的風險水平，從而產生不同的績效效果。Huang et al.（2011）使用基于持倉現有收益率標準差和歷史收益率標準差的差異度量風險轉移，發現增加風險的基金比長期保持穩定風險水平的基金表現更差。此外，較年輕、規模較小和費用比率較高的基金更有可能轉移風險；并以此差異構建五分位數多-空策略，前20%表示降低風險，Carhart alpha值為-7個超額收益基點，最后20%表示增加風險，Carhart alpha值為-22個超額收益基點，40%～60%表示風險穩定，Carhart alpha值為-6個超額收益基點。若做空增加風險的基金，做多風險穩定的基金，可以獲得0.16%的月度超額收益。

主動型基金是一類力圖取得超越基準組合表現的基金。基金管理人發揮主觀能動性，依靠才智來管理基金與主動型不同，被動型基金并不主動尋求取得超越市場的表現，而是試圖復制指數的表現。有充分的證據表明，積極管理的美國股票基金的平均表現弱于被動型基金，但最近對基金回報率的研究發現，有一部分基金表現出一定的跑贏大盤的能力。典型的積極型基金經理的目標是獲得高于基準指數的預期回報，但同時他又希望有一個較低的跟蹤誤差（波動率），以盡量減少表現明顯遜于指數的風險。在這種超額回報框架中，均值-方差分析是主動經理人的標準工具Cremers& Petajisto（2009）使用活躍份額作為基金活躍程度的代理，現在扣除費用前后，活躍度最高的基金表現都優于基準指數，而活躍度最低的非指數基金表現不佳；若以此構建五分位數多-空策略，可以獲得2.81%的年收益率。

一個成熟投資者的價值來自于他帶給投資過程的私人信息，私人信息反映了基金經理的能力，確定他的技能的關鍵步驟則是確定他對公開信息的依賴程度。Kacperczyk&Seru.（2007） 發現基金經理的投資組合配置對公共信息變化的響應能力降低了經理的技能， 將這種敏感性（RPI）估計為經理的投資組合持有量變化對公共信息變化的回歸R2，發現了RPI與基金績效指標的反比關系；若使用RP1對基金排序，在RPI的前30個百分位做多，在RPI的后30個百分位做空，獲得2.16%的年回報率（如表2所示）。

四、內幕人士

內幕人士通常指高管、董事、大股東等擁有公司內部私有信息的相關人員，公司高管和董事比任何分析師都更了解自己的業務，擁有市場上其他交易者無法比擬的信息優勢。他們會在資本市場上進行交易，我們可以通過觀察內幕人士的行為解讀背后的真實信息，從而更好地預測股票收益。以往文獻也發現，內部人士確實更了解公司的前景，獲得了更好的消息，獲得了異常的收益。而內幕人士交易的時點和規模是最明顯的、可觀察的信號。

Lakonishok &Lee（2001）發現一般來說，當內部人士進行交易以及向SEC報告他們的交易時，很少能觀察到市場的變化。內部人士總體上都是反向投資者。不過，他們比簡單的反向策略更能預測市場走勢。該文使用過去180天的內部買入金額和內部賣出金額之差占總內幕交易金額的比例，作為凈購買率刻畫內幕人士的總體購買，反映內幕利好消息；若以凈購買率構建五分位數多-空等權重投資組合，可以獲得9.4%的年收益率。

Cohen et al.（2012）利用交易者的歷史交易月份是否有固定模式可循，將交易者分為常規交易者和機會主義交易者，并因此將交易劃分為機會買賣和常規買賣，發現機會買賣都是對未來收益的有力預測，而常規買賣則不是。機會主義購買和常規購買的未來一個月的收益率之差為0.76%，機會主義賣出和常規賣出的未來一個月的收益率之差為0.82%。

五、小結

本文回顧了以往文獻中分析師、內幕交易、機構投資者相關的預測因子，這些因子不僅與企業的基本面息息相關，而且有更強的預測能力。本文提示投資者注意分析師發布的盈利預測與投資評級及其跟蹤決策，機構投資者的交易行為與業績以及內幕人士的交易性質與規模。若投資者能夠合理地利用文獻中的預測因子構建投資策略，能夠獲得更為可觀的超額回報，也能加快市場的價格發現過程，提升市場理性。

主要參考文獻：

[1] Ali， Ashiq， Lee-Seok Hwang and Mark A. Trombley， 2003.Arbitrage risk and the book-to-market anomaly. Journal of Financial Economics 69，355-373.

[2] Ali， Usman， and David Hirshleifer ，2019. Shared Analyst Coverage： Unifying Momentum Spillover Effects .Journal of Financial Economics 136，649-675.

[3]Azi Ben-Rephael， Zhi Da， Ryan D. Israelsen， 2017.It Depends on Where You Search： Institutional Investor Attention and Underreaction to News， The Review of Financial Studies 30， 3009–3047.

[4] Charles M.C. Lee a ， Eric C. So， 2015.阿爾法經濟學.2019年版.張然（譯）.北京大學出版社.

[5] Charles M.C. Lee a ， Eric C. So，2017.Uncovering expected returns： Information in analyst coverage proxies.Journal of Financial Economics 124，331–348.

[6]Charles M.C. Lee， Stephen Teng Sun， Rongfei Wang， Ran Zhang，2019.Technological links and predictable returns.Journal of Financial Economics 132，76-96.

[7]Cohen， L.， & Frazzini， A. 2008. Economic links and predictable returns. The Journal of Finance， 63（4）， 1977-2011.

[8]Cohen， Lauren， Christopher Malloy and Lukasz Pomorski， 2012. Decoding inside information.Journal of Finance 67， 1009-1043.

[9] Cremers， M.， andA. Petajisto. ，009. How active is your fund manager Anew measure that predicts performance. Review of Financial Studies 22，3329–65.

[10] Da， Zhi and Mitch Warachka， 2009.Long-term earnings growth forecasts， limited attention， and return predictability， Working Paper， University of Notre Dame.

[11] Da， Z.， J. Engelberg， and P. Gao，2011. In search of attention. Journal of Finance 66，1461–99.

[12]Diether， Karl B.， Christopher J. Malloy and Anna Scherbina， 2002.Differences of opinion and the cross section of stock returns. Journal of Finance 57， 2113-2141.

[13] Hess Dieter， Daniel Kreutzmann and Oliver Pucker， 2011.Projected earnings accuracy and profitability of stock recommendations， Working Paper.

[14]Huang， J.， C. Sialm， and H. Zhang， 2011. Risk shifting and mutual fund performance. Review of Financial Studies 24，2575–616.

[15] Kacperczyk， M.， andA. Seru，2007. Fund manager use of public information： New evidence on managerial skills. Journal of Finance 62，485–528.

[16]Kacperczyk， M.， C. Sialm， and L. Zheng.，2005. On the industry concentration of actively managed equity mutual funds. Journal of Finance 60，1983–2011.

[17]Kahneman， D， 1973. Attention and effort. Englewood Cliffs， NJ： Prentice-Hall.

[18]Lakonishok J.， Lee I. ，2001. Are Insider Trades Informative The Review of Financial Studies 14， 79-111.

[19]Lehavy， Reuven and Richard Sloan， 2008， Investor recognition and stock returns， Review of Accounting Studies 13， 327-361.

[20]Merton， R. C. ，1987. A simple model of capital market equilibrium with incomplete information. The Journal of Finance.42， 483–510.

[21]Moskowitz， Tobias J. and Mark Grinblatt， 1999.Do industries explain momentum . Journal of Finance 54， 1249-1290.

[22]Parsons， Christopher A.， Riccardo Sabbatucci， and Sheridan Titman ，2020. Geographic Lead-Lag Effects. Review of Financial Studies forthcoming.

[23] Russ Wermers， Tong Yao， Jane Zhao， 2012. Forecasting Stock Returns Through an Efficient Aggregation of Mutual Fund Holdings， The Review of Financial Studies 25， 3490–3529.

[24] Shu， Tao， 2007.Trader composition， price efficiency， and the cross-section of stock returns，Working Paper.[25]張然，汪榮飛，王勝華.分析師修正信息、基本面分析與未來股票收益.金融研究，2017 （7） ：156-174.