分析师预测 偏差研究2018.6.11挖掘集体 行为偏 误 背后 的 超额收益主要 内容1. 分析师盈余预测普遍偏乐观2. 分析师预测偏差及其事前估计3. 事前误差因子选股能力较为 出色4. 总结21.1 A股市场分析师盈余预测普遍偏向乐观 A股市场预期净利润高于实际净利润的上市公司数量占比每年均超过 60% 2011年 -2017年年底预期净利润高于实际净利润的上市公司数量占比分别为 67%、65%、 63%、 66%、 67%、 63%、 63%。 年初是分析师最为乐观的时点 ， 随着季报信息的不断披露 ， 之后的预测会不断下修 ， 即便如此 ， 到年底时分析师仍然整体偏向 乐观 。A股分析师盈利预测普遍偏乐观1.2 海外 市场中分析师的预测同样偏乐观 尽管分析师的盈余预测 常常 因过于乐观而遭市场诟病 ， 但不仅 A股分析师偏向乐观 ， 海外市场同样如此 自 20世纪 70年代开始陆续有大量的学者对分析师行为及其盈余预测进行研究 ， 结果显示在美股市场上 ， 分析师同样偏向乐观 。 根据 Grinblatt et. al.(2014)等人的研究 ， 美股市场中 ， 分析师在年报披露前 12个月内平均预测误差始终大于 0， 且随着时间临近年报披露日 ， 误差不断降低 。美股市场中分析师同样非常乐观1.3 分析师行为及预测依然是重要的 alpha来源 分析 师预测虽然整体偏向乐观 ， 但分析 师发布报告的行为以及其盈余预测是除公司财报数 据 、 交易 数据以外重要的第三方信息源 ， 蕴含了丰富的 信息 分析 师发布报告的行为 本身会产生一定的事件效应 。 分析师盈余 调整是重要的 alpha来源 ， 其选股能力较为出色 ， 在剔除了常见因子后依然具有非常强的预测 能力 。深度报告事件效应较为明显 一致 预期 EPS调整因子选股能力较为突出主要 内容1. 分析师盈余预测普遍偏乐观2. 分析师预测偏差及其事前估计3. 事前误差因子选股能力较为 出色4. 总结62.1 分析师预测偏差中也蕴含了较好的信息 分析师预测偏差指分析师的盈利预测与上市公司真实业绩之间的误差 ， 学术上有多种预测误差的定义方式 。 由于在 A股市场分析师只提供对上市公司年报的盈利预测 ， 本文中我们按照如下 方式 定义分析师的预测偏差： 其中 ， ,为 t月 市场对于股票 i的一致预期 EPS， 而 为该个股在同一财务年的真实 EPS。 该预测偏差为事后偏差 ， 因为年报 EPS真实数据一般在第二年 4月 30前才能 获得 。, = , |2.2 分析师预测误差越小的股票，后期表现更为出色 事后的预测误差与股票未来收益间具有明显的负相关性 我们使用事后的分析师误差数据由高到低来对预测当期截面上的个股分组 ， 预测误差最小的组别大幅度跑赢预测误差最高的组别 ， 且持续性非常 强 。 根据计算公式 ， 预测误差最小组别中包含被分析师集体低估的公司 ， 随着信息不断披露过程 ， 这种低估将被不断 修复 。分析师预测误差（事后）与股票分组收益表现2.3 事前误差的估计 由于事后的分析师预测误差只有在年报披露后才能计算获得 ， 实际应用中事前的分析师误差估计更为重要 我们构造如下回归方程 其中 ， 为事前误差的估计值 。 为 股票 i前一年同期的事后误差 。 如 2017年 5月 31日 ， 分析师对于个股 i的一致预期 EPS为 1元 ， 2017年年报披露其真实 EPS为 0.8元 ， 则 2018年 5月 31日的pastFE即为 （ 1 0.8） /abs（ 0.8） =0.25。 为预测月份前半年内分析师对其 EPS预期的偏离度 。 定义为 std（ FEPS）/abs（ consensusFEPS） ， 要求至少两名分析师覆盖 。 = 0 + 1 + 2 + 3 +4 + 5 ln() +6 + 2.4 事前误差估计解释变量 为个股的分析师覆盖度 ， 即覆盖分析师个数 。 为个股近 6个月 收益率 。 CMV为股票流通市值 。 SUE为季度测度的个股业绩超预期指标 ， 按照如下方式定义： 首先 ， 根据过去两年的财报数据 ， 计算单季度 q的净利润全年占比 r， 估算当前单季度的预期 eps_q = con_eps*r 单季度业绩发布后 ， 可以得到业绩超预期情况 SUE = (eps_LF/ eps_q) -1 Ind为行业哑变量 。 = 0 + 1 +2 + 3 +4 + 5 ln() +6 +