请阅读最后评级说明和重要声明 1 / 20
[Table_MainInfo]
┃研究报告┃
事件驱动
2017-4-20
分析师行为解析之低位首次覆盖
金融工程┃专题报告
报告要点
行业分析师依靠平台优势，掌握行业动态处于市场前沿，同时具有较好的财务
基础和专业判断能力，可将多重数据信息进行整合。其评级或者预测数据代表
的是对该股票后市的预期，以及预期背后的一系列逻辑支撑

长期无人问津股票开始被提及，代表当前时点分析师对公司未来的股价表现比
较确定，这种信心往往基于较强的专业判断，分析师数据质量较高，基于首次
覆盖这种行为，构成券商首次覆盖和全市场首次覆盖两种事件机会

从每个券商角度出发，筛选近期推荐过去一年未被覆盖的股票，事件数量较多，
月度调仓组合年化收益18.47%，超额基准4.22%

从全市场出发，筛选近期推荐过去一年未被覆盖的股票，考虑未覆盖时间范围
和反转因子的影响，构建逐日调仓的低位全市场首次覆盖组合，年化收益34%，
超额中证500指数20%，超额胜率73%

[Table_Author] 分析师 覃川桃
021-68751782
qinct@cjsc
执业证书编号：S0490513030001
联系人 刘胜利
021-68751787
liusl4@cjsc
联系人 杨靖凤
021-68751636
yangjf@cjsc
分析师
[Table_Doc] 相关研究
《2017年指数分红预测与基差监控》2017-3-27
《长江金工高频识途系列（一）基于买入行为构
建情绪因子》2017-3-10
《FOF之基金持仓的相关稳定性研究》
2017-2-13
风险提示： 1. 分析师覆盖数据可能不完全；
2. 分析师推荐股票可能存在较大的风格偏向；
3. 历史业绩回测不代表未来收益

请阅读最后评级说明和重要声明 2 / 20
金融工程丨专题报告
目录
首次覆盖概述 ....... 4
分析师预期 .. 4
券商首次覆盖 .......... 4
全市场首次覆盖 ....... 6
首次覆盖研究框架 ... 7
券商首次覆盖 ....... 8
事件统计 ..... 8
事件机会 ... 10
组合构建 ... 11
全市场首次覆盖 .. 13
事件统计 ... 13
事件机会 ... 14
因子分析 ... 16
组合构建 ... 17
总结 ........ 19
图表目录
图1：券商首次推荐范例京蓝科技走势 . 5
图2：全市场首次推荐范例同花顺走势 . 7
图3：券商首次覆盖事件月度分布 ........ 8
图4：券商首次覆盖事件中信行业分布 . 9
图5：券商首次覆盖事件市值分布 ........ 9
图6：券商首次覆盖时间平均收益 ...... 10
图7：券商首次覆盖指数表现 .. 11
图8：券商首次覆盖组合构建 .. 12
图9：全市场首次覆盖事件月度分布 ... 13
图10：全市场首次覆盖事件行业分布 . 14
图11：全市场首次覆盖事件市值分布 . 14
图12：全市场首次覆盖事件平均收益 . 15
图13：全市场首次覆盖事件指数表现 . 15
图14：不同首次覆盖时间表现16
图15：低位首次覆盖组合表现17
表1：券商首次推荐范例京蓝科技推荐明细 ...... 5
表2：全市场首次推荐范例同花顺推荐明细 ...... 6
请阅读最后评级说明和重要声明 3 / 20
金融工程丨专题报告
表3：券商首次覆盖事件历年分布 ........ 8
表4：券商首次覆盖组合分年表现 ...... 12
表5：全市场首次覆盖事件历年分布 ... 13
表6：低位首次覆盖组合分年表现 ...... 18
请阅读最后评级说明和重要声明 4 / 20
金融工程丨专题报告
首次覆盖概述
影响股价的因素很多，从宏观经济到行业发展，从政策层面到心理行为，而所有的因素
和条件最终导致了不同投资者的预期，由此建立的投资行为再反过来影响股票价格

量化分析框架中习惯将不同的影响因素进行拆分，除基本面因子、技术面因子和情绪面
因子以外，分析师因子也被经常用到，本报告将主要研究分析师类事件型机会——首次
覆盖，包括券商首次覆盖和全市场首次覆盖两种

分析师预期
卖方分析师作为资本大军中的一员，具有独立发报告、传递市场观点的资格，在一定程
度上能够反映市场预期，传达可靠的逻辑论证，同时由于在向市场传递观点，在某种程
度上也能引领部分预期

行业分析师依靠平台进行调研、路演推介等活动，同上市公司、买方机构接触较多，掌
握行业动态处于市场前沿，同时分析师具有较好的财务基础和专业判断能力，可根据多
方优势将复杂、不易量化的数据进行整合，比如宏观经济、行业发展和主题热点等，从
而对股价走势有一个综合判断。总的来说，分析师推荐是基础数据和自身综合判断之后
得出的结果，其评级或者预测数据代表的是对该股票后市的预期，以及预期背后的一系
列逻辑支撑

分析师预期数据即常说到的证券研究行业分析师对公司估值、盈利方面所做的预测和公
司评级，利用分析师数据也成为量化的一个思路，在无法获得或整理大面积数据的前提
下，间接利用分析师数据是一个捷径，这类数据主要包括连续数据和离散数据两种类型

连续数据基本是数值类数据，有盈利预测、估值一致预期等，基于数据的连续性，可构
建一系列因子，在原有的多因子框架之上加入一些新的增量信息，目前比较典型的因子
选股模型有盈利预测上调、一致预期因子等

离散数据是指那些不易连续化的数据，只能在某些时间点得到分析师数据的0-1变量，
包括是否推荐、评级类别等，一般这类信息的处理结果是事件驱动框架，目前典型的分
析师事件有评级上调、行业分析师交叉覆盖等

实际上，连续性数据和离散化数据均有自己的特点，前者虽然信息量多，但因为都是根
据不同模型估算而出，冗杂信息干扰性也会比较强，而离散化数据一般都代表是否变量，
分析师在考虑问题时会更为慎重，估计因素较少，故离散化数据代表的事件驱动也往往
比较有效

本报告则是根据分析师评级的离散化数据，来观察分析师推荐报告这种行为。以分析师
推荐时间节点为突破点解析分析师行为，构建首次覆盖事件型机会，包括单个券商首次
覆盖以及全市场首次覆盖两种类型

券商首次覆盖
覆盖是指行业分析师对一只股票有关注，表现形式为对该公司有相关报告并提示评级，
包括深度报告或者点评报告等，报告发布时点即该股票的覆盖时间

。。。以上简介无排版格式，详细内容请下载查看