金融证券分析师投资评级数据的分析和挖掘

证券分析师为股票市场提供上市公司的信息,是股票市场上的重要角色.随着中国股市的发展,各类证券投资咨询机构发布的投资研究报告也越来越多,它们对投资者特别是机构投资者发挥着越来越大的影响.通过建立该问题的数学和统计模型,评估了证券分析师投资建议的实际效果,并通过数据挖掘方法进一步筛选出了各个行业的明星分析师.对金融证券分析师投资评级数据的深入分析和挖掘,有助于投资者更加合理有效的使用这些信息.     

证券分析师会降低博彩型股票推荐评级吗？——来自我国A股市场的经验证据

博彩型股票具有“高风险”和“高投机性”的特点。本文以博彩型股票为研究对象,检验证券分析师是否会显著下调博彩型股票的推荐评级。在此基础上,探讨了投资者对博彩型股票推荐评级做出的反应及评级后的超额收益率情况。结果表明:分析师更可能下调博彩型股票的评级,但在投资者情绪高涨时,下调的可能性有所减小;投资者对分析师的博彩型股票评级存在反应过度的情况。本文结论对于认识证券分析师在资本市场中的作用具有重要的参考价值。     

财务重述对分析师预测行为的影响研究

本文以我国2005-2009年间A股市场发生年度财务报表重述的公司并结合相应的分析师预测数据作为样本,分别考察了财务重述和财务重述调整金额对分析师跟进及预测特征的影响。多元回归结果表明:财务重述会减少分析师跟进、增加分析师预测误差,重述调减以前年度损益的程度越大,分析师预测的分歧和误差就越大;而财务重述增加分析师预测分歧、重述调整金额影响分析师跟进的假设却未得到证实。本研究发展了财务重述、分析师预测的研究内容,为提高公司财务报告质量、规范分析师行业提供了相应的思路。     

证券分析师对会计盈余价值相关性的影响研究

自媒体时代证券分析师是否通过挖掘会计信息进而改变会计盈余价值相关性?文章以2007-2017年沪深A股上市公司为样本,使用传统收益模型和考虑成长期权后的收益模型,采用OLS回归研究分析师覆盖和预测偏差对会计盈余价值相关性的影响。实证结果发现:(1)分析师覆盖有利于将更多会计盈余信息并入股票价值,从而提高会计盈余价值相关性;(2)预测准确的分析师团队有利于将更多会计盈余(包括未预期盈余)信息并入股票价值。进一步考虑产权性质的异质性区分国有和民营企业研究上述结论不变,但发现证券分析师在挖掘国有和民营企业未预期盈余信息方面存在差异,分析师覆盖能够提高国有企业非预期盈余的价值相关性,但民营企业非预期盈余反而会削弱分析师覆盖发挥的作用。研究表明会计信息仍然是分析师预测的重要依据,高质量的分析师队伍有利于提升资本市场效率,但证券分析师在揭示民营企业非预期盈余所包含的信息方面还需要改善。     

组合调整频率会影响投资者的回报率么?——基于分析师股票推荐的投资策略研究

利用巨灵数据库的分析师评级数据,从投资者角度建立动态组合,检验了按每日、每周、每两周、每月、每季度头寸调整频率后的超额收益,研究发现:"买入"评级组合在各种头寸调整频率策略下都获得了超越市场指数的超额回报率,其中按每周频率进行头寸调整策略获得的市场调整后平均超额回报率最高,按三个月频率进行头寸调整策略获得的市场调整后平均超额回报率最低。投资者在面对分析师一致认为"买入"评级股票时,可按照每周更新的频率构建组合,以获取较高的超额回报率。投资者如果按季度调整频率来卖出股票可能会错失投资机会,卖掉的股票很可能会跑赢市场,投资者可按每两周或每四周的频率调整投资组合中的股票,卖出负面推荐评级"减持/卖出"股票,降低投资亏损。     

基于NS族模型的中国公司债信用利差预测

本文以中国公司债为研究对象, 基于NS族模型研究了信用利差的预测问题。通过对不同期限、不同信用评级公司债信用利差的样本内外预测效果进行实证比较, 得到主要结论如下:(1)模型对中长期公司债信用利差的预测误差低于短期公司债。(2)不同信用评级公司债信用利差的预测效果受剩余到期期限的影响:1年期的AAA级公司债的预测误差低于AA+和AA级公司债; 5年期的AA+级公司债的预测误差低于AAA和AA级公司债; 10年期的AA级公司债的预测误差低于AAA和AA+级公司债。成果为各经济主体预测信用利差提供了具体思路和方法, 有利于做出合理的金融决策。     

我国封闭式投资基金业绩评价实证研究

随着我国基金行业超常发展,恰当的分析和评价基金业绩已越来越重要。本文根据CAPM的基本原理,利用国外先进的基金业绩评价方法对我国封闭式基金的综合业绩进行实证研究。研究结果表明:总体来看,基金获得的市场超额收益显著为负。基金经理不具有证券选择能力,但具有一定的市场择时能力,但这两种能力均不显著。同时,我们还发现不同投资风格的基金经理具有不同的证券选择能力和市场择时能力。     

鑫新股份：为银行打工的辛酸

上市公司应准确把握经营战略,加强业绩管理,从而增强资本市场信心,拓展融资渠道,不然,忙了一年的成果都交给了银行。江西鑫新实业股份有限公司（鑫新股份,600373SH）本是一家极其平常的上市公司,平常到Wind资讯的数据库中没有一家证券研究机构给其评级。不过,在现在的市场环境中,研究该公司的资金运作状况,却有一定的积极意义。     

分析师职业晋升和新财富排行榜关系研究

以2005-2015上市公司的财报数据、分析师的盈利预测数据、新财富分析师的上榜数据为样本,研究影响分析师职业生涯的诸多因素以及机构投资者对分析师的评价标准.实证结果发现,分析师盈余预测的准确性提高了分析师晋升的可能性,在保证准确性的基础上,分析师发布研报的频率也提高了晋升的可能性.分析师上榜新财富有持续效应,上榜新财富的分析师后续上榜的可能性更高,上榜新财富有助于分析师晋升.整体上,现有的评价机制有助于挑选能力强的分析师,但无助于淘汰做到一定职位工作水准下降的分析师,整体上现有考核机制体现出"优胜",没有"劣汰".研究结论有助于资本市场参与者了解影响分析师职业生涯的主要因素以及分析师明星效应的持续性,从而为自己的投资决策提出指导.     

基于模糊数分析的时机捕捉型的证券投资模型

以时机捕捉型的投资者的投资理念和操作经验为背景,本文模拟他们的证券分析和决策过程。我们视证券价格的波动为动态的模糊系统,利用模糊数的概念来定义股价波动的预测集。通过模糊数分析,我们详尽地讨论了证券价格的变化规律和显著投资时机等概念。我们获得了模糊集理论下的证券价格的期望值、投资收益率期望值、预期风险系数、风险率和损益比等数据。利用这些结果,我们得到了三个时机捕捉型的证券投资模型,为证券投资者的决策问题提供了一种新的方法。这些模型的建立依赖于投资者的知识和经验,它们的求解过程简单易行。     

具有随机风险的公司最优投资策略

本文讨论具有随机风险的公司的最优投资策略问题,公司投资选择是存款、贷款及股票交易、,因市场的不完备性,公司在任一时刻存在概率为正值的破产可能性,本文主要结果是：从贷款利率高于存款利率的实际出发,运用最优随机控制理论,得到使公司生存概率取得最大值的最优投资策略,以及相应的最大生存概率,并并对这些结果给出了严格证明。     

Sequential smoothing for turning point detection with application to financial decisions

A fundamental problem in financial trading is the correct and timely identification of turning points in stock value series. This detection enables to perform profitable investment decisions, such as buying‐at‐low and selling‐at‐high. This paper evaluates the ability of sequential smoothing methods to detect turning points in financial time series. The novel idea is to select smoothing and alarm coefficients on the gain performance of the trading strategy. Application to real data shows that recursive smoothers outperform two‐sided filters at the out‐of‐sample level. Copyright © 2012 John Wiley & Sons, Ltd.     

卖空限制下知情交易的测度及识别研究

经典的测量知情交易概率的模型默认交易者可以无限制的按照私有信息进行卖空交易,而目前我国股票市场存在卖空限制,直接将经典模型应用到我国股票市场时会使测量结果出现偏差。考虑到我国股票市场现状,本文在经典的知情交易概率模型中引入两个卖空限制参数,构建了本文的SC-TPIN模型。通过对融券标的中发生利空消息的股票样本进行实证分析,证实了本文构建的SC-TPIN模型估计出的结果与实际情况相符合。本文还以SC-TPIN模型估计出的SCTPIN值为参照,基于样本股票的低频数据构建了知情交易识别指标组,并使用数据挖掘中的支持向量机算法、KNN算法及Logit模型对黑白样本的知情交易高低情况进行识别比较,构建知情交易识别体系,发现使用支持向量机算法识别全样本的正确率达到了89%,识别效果较理想。     

基于M-LSTM的股票指数日内交易量分布预测研究

针对现有预测建模方法难以高效提取日内交易量分布复杂变化规律,影响VWAP策略执行效果的问题,本文提出一种MEMD分解下基于LSTM-Attention的股市指数日内交易量分布预测方法M-LSTM。首先,运用MEMD方法将区间多维交易量时序同步分解为若干个独立的本征模态函数(IMF);其次,对各维度分解中高频IMF进行去噪与重构,构建基于LSTM-Attention神经网络的日内交易量分布预测模型,并深入分析股票指数不同走势阶段下模型预测的有效性;最后,分别采用M-LSTM、ARIMA以及SVR等主流方法,对上证指数等四个代表性指数的日内交易量分布进行预测。实验结果表明:M-LSTM预测误差更小,是一种更有效的股票指数日内交易量分布预测方法。     

基于动态交易量预测的VWAP算法交易卖出策略

传统的VWAP交易策略通过预测区间交易量分布进行拆单交易,对于交易量区间分布的预测是基于区间成交量占总成交量比例进行的,这一预测方法没有考虑股票价格变动因素。因此,本文首先通过时间序列因素分解方法进行区间交易量分布预测,进而根据股票价格变化对区间交易量分布进行动态调整,并构建了基于动态区间交易量分布的股票卖出策略,最后通过实证检验了本文给出的动态区间交易量分布预测的有效性和交易策略的有效性。数值结果表明,本文所给动态区间交易量分布预测方法比传统VWAP方法预测结果更加接近于实际的交易量分布,且本文所给交易策略与传统VWAP交易策略相比,具有更大的收益。     

基于在线理论的股票算法交易策略研究

运用在线理论研究多支股票算法交易策略。在El-Yaniv等人研究基础上,构造了单支股票买入问题的在线策略,证明该策略为最优在线策略;将构造的单支股票交易策略应用到多支股票交易策略问题中,设计了多支股票交易策略算法,并以每支股票收益加权进行投资组合;最后选择上证A股二十支股票从2009年到2012年的交易时间价格数据验证本文所提策略有效性。将20支股票随机抽取10支组成一组,选4组分别进行验证,结果表明本文所给策略对于任意选择的多支股票有较好收益。对交易周期分别选取10个偶数长度进行验证,发现交易周期为18天时平均收益最大,平均收益率为5.2%。     

沪深股市回报率、波动率和交易量关系的实证研究

本文首先对回报率与交易量之间的关系进行了研究,发现并不存在非对称的数量关系,但存在双向的葛兰杰因果关系;同时将交易量对波动率的解释能力进行了研究,发现在沪市交易量对波动率具有解释力,而在深市交易量对波动率没有解释力。     

股票投资中一种新的技术分析方法

现有许多种关于股票投资的技术分析方法,如移动平均线,PE值,相对强弱指数等等。文章提出一种基于回归的新的技术分析方法———回归直线分析法。通过比较,作者认为回归直线分析法在香港股市较其它几种技术分析方法不仅具有盈利大,而且盈利概率也明显占优的特点     

The informational content of insider trading disclosures: empirical results for the Polish stock market

In this paper, we try to answer the question as to whether insider trading disclosures convey valuable information to market participants, valuable in the sense of the profitability of an investment strategy that faithfully mirrors insider behaviour. Our interest in this subject is limited to the case of announcements concerning insider transactions issued over a 6 year-period on the Warsaw Stock Exchange (WSE). Initially, we use event study methodology to check whether insider trading disclosures are accompanied by a performance of stock returns as well as trading volume. Two different models generating expected returns (expected volume) are employed to verify the robustness of our results. The first of these is the regime switching model, with the results then being recalculated by using a GARCH-type model which seem to be most useful for dealing with some of the inconvenient statistical properties of stock return and trading volume data. Afterwards, a technique based on the reference return strategies is used to examine whether or not outsiders who imitate insider behaviour are able to profit from it. The major findings are as follows: firstly, announcements about the sale of stocks by insiders convey no information to market participants. Secondly, a statistically significant market response to insider disclosures of purchases of stocks in their own company can be observed in the three days prior to the announcement release for both return as well as trading volume series, and finally, outsiders who purchased stocks previously bought by insiders experience negative returns whereas outsiders disposing of stocks previously sold by insiders earned a return of 8.57% over the 6 month-period.      

An adaptively managed dynamic portfolio selection model using a time-varying investment target according to the market forecast

In this paper, we propose an adaptive investment strategy (AIS) based on a dynamic portfolio selection model (DPSM) that uses a time-varying investment target according to the market forecast. The DPSM allows for flexible investments, setting relatively aggressive investment targets when market growth is expected and relatively conservative targets when the market is expected to be less attractive. The model further allows investments to be liquidated into risk-free assets when the market forecast is pessimistic. By dynamically determining the investment target, the DPSM allows construction of portfolios that are more responsive to market changes, while eliminating the possibility of the model becoming infeasible under certain market conditions. When the proposed DPSM is implemented in real-life investment scenarios using the AIS, the portfolio is rebalanced according to a predefined rebalancing cycle and the model’s input parameters are estimated on each rebalancing date using an exponentially weighted moving average (EWMA) estimator. To evaluate the performance of the proposed approach, a 7-year investment experiment was conducted using historical stock returns data from 10 different stock markets around the world. Performance was assessed and compared using diverse measures. Superior performance was achieved using the AIS proposed herein compared with various benchmark approaches for all performance measures. In addition, we identified a converse relationship between the average trading volume of a market and the value of the weighting parameter prescribed to the EWMA estimator, which maximizes cumulative returns in each market.