一种基于资产定价模型的股票分析师信用评级方法技术

本发明专利技术提供一种基于资产定价模型的股票分析师信用评级方法；实施时，先通过确定评级因子，然后构建分析师评级模型，根据分析师对经济现象预测的准确性进行评级；能够计算出稳健有效的股票分析师评级分数，客观、公正评估分析师的能力，帮助投资者筛选最优秀分析师辅助投资；通过实施将模型评估的结果与新财富、水晶球上榜的分析师做对比，可以验证模型的有效性。

【技术实现步骤摘要】
一种基于资产定价模型的股票分析师信用评级方法
本专利技术涉及一种股票分析师信用评级相关领域，具体讲是一种基于资产定价模型的股票分析师信用评级方法。
技术介绍
证券分析师在股票市场上发挥着关键性的作用：通过收集、评估公共和私人信息,他们对于上市公司的未来前景进行分析,对其会计盈余进行预测,在此基础上做出股票的买卖或持有建议。对于这一领域实属空白，通过检索发现，现有专利以及现有技术中仅仅从机构或个人对某一股票预测的年度EPS这一单一维度做评估，模型具有维度过于单一、缺失值无法处理、稳定性不足等缺点。在此提供一种基于资产定价模型的股票分析师信用评级方法；而该方法不仅仅考虑预测的年度EPS,还进一步将分析师推荐股票的回报率、推荐股票的预测成功率这两个维度纳入模型，建立多因子线性模型来评估。模型更加客观、公正。
技术实现思路
因此，为了解决上述不足，本专利技术在此提供一种基于资产定价模型的股票分析师信用评级方法；根据分析师对经济现象预测的准确性进行评级；能够计算出稳健有效的股票分析师评级分数，客观、公正评估分析师的能力，帮助投资者筛选最优秀分析师辅助投资。本专利技术是这样实现的，构造一种基于资产定价模型的股票分析师信用评级方法，其特征在于：按照如下方式实现；(1)确定评级因子：选择以下三大因子对分析师的绩效进行评价：分析师会计盈余绝对预测精度、分析师股票推荐回报率、股票预测成功率；1.1会计盈余绝对预测精度：分析师对公司j在t财年的会计盈余绝对预测精度(ForecastError)计算公式其中，Fi,j,t为财年t的12月31日及之前分析师i针对公司j的财年t发布的最新一次每股盈余(EPS)的预测值；Aj,t为公司j在财年t的真实每股盈余值；Pj为财年t的最后一个交易日的收盘价；1.2超常回报率：针对每一个分析师的股票推荐，模拟一个分析师的投资决策过程，模拟结束后得到该分析师投资的净值曲线，再基于净值曲线与大盘走势比较，计算出该分析师的超长投资回报率；以分析师的买入投资组合为例，该组合在第t天的日超常回报率的计算公式为：其中Rj,t是该组合中股票j在第t天的原始回报率，为与股票j对应的基于市值、市盈率以及动量三大因子相匹配的投资组合在同一天的价值加权回报率，这里采用简化的方案，用行业的回报率；N表示买入投资组合的股票数量；在获得年度t中该分析师i的所有的日超长回报率后，再用资产定价模型，利用线性回归计算Alpha回报，即下公式的ai：其中：K是资产定价模型中的因子集合，βk为因子k的回归系数；Rk,t是因子k在第t天的回报率，此处可以简单用上证或深证的大盘回报率；最后年化后Alpha打的分析师则应获得更高的评价；1.3预测成功率：针对分析师对股票的走势进行预测，利用分析师预测购买股票能够获得超额收益，即趋势预测正确则认为预测准确，进而计算分析师预测成功率；(2)构建分析师评级模型：模型的目的是对每一个分析师评分，分数越高的分析师做出的经济预测或推荐越准确；假设：证券分析师的能力在短期内是稳定的；目标：分析师获取的评级在短期内是稳定的；分析师等级之间具有显著性差异；2.1单因子评级模型：单因子评级模型中，证券分析师i在年份t的评分为Si,t，直接等于单个因子的分数：Si,t＝Xi,t2.2多因子线性评级模型：多因子评级模型中，证券分析师i在年份t的评分为Si,t，是多个评分因子的线性组合：其中：K是分析师评级相关的因子集合，βk为因子k的回归系数；Xk,i,t是分析师i的评分因子k在第t年的评分；2.3模型求解：根据模型的目标，定义两个目标函数：1)定义稳定性目标函数：2)定义差异性目标函数：其中定义为：模型可以转化为有约束的多目标规划问题，不同指标的重要性区别可以放到约束条件中：min∑t∈YJStmax∑t∈TJDts.t.βk＞0,k∈K∑k∈Kβk＝1可以使用线性加权和α法、λ法、平方和加权法等将其转化为单目标规划问题；稳定性指标也可以用分析师评分之间的PearsonCorrelationCoefficient，也可以使用第一年的分析师评分与来年的分析师指标之间的相关性作为稳定性目标函数；2.4星级划分：得到最优权重下的评级结果后，根据排名按固定比例将分析师划入相应星级。本专利技术具有如下优点：本专利技术提供一种基于资产定价模型的股票分析师信用评级方法；根据分析师对经济现象预测的准确性进行评级；能够计算出稳健有效的股票分析师评级分数，客观、公正评估分析师的能力，帮助投资者筛选最优秀分析师辅助投资；通过实施将模型评估的结果与新财富、水晶球上榜的分析师做对比，可以验证模型的有效性。附图说明图1是本专利技术各星级人数分布示意图；图2是本专利技术新财富与水晶球上榜分析师密度分布图。具体实施方式下面将结合附图1-图2对本专利技术进行详细说明，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术通过改进在此提供一种基于资产定价模型的股票分析师信用评级方法；根据分析师对经济现象预测的准确性进行评级。(1)确定评级因子：目前选择了以下三大因子对分析师的绩效进行评价：分析师会计盈余绝对预测精度、分析师股票推荐回报率、股票预测成功率。1.1会计盈余绝对预测精度：分析师对公司j在t财年的会计盈余绝对预测精度(ForecastError)计算公式其中，Fi,j,t为财年t的12月31日及之前分析师i针对公司j的财年t发布的最新一次每股盈余(EPS)的预测值。Aj,t为公司j在财年t的真实每股盈余值。Pj为财年t的最后一个交易日的收盘价。1.2超常回报率：针对每一个分析师的股票推荐，我们采用“买入并持有”的投资策略来模拟一个分析师的投资决策过程，模拟结束后得到该分析师投资的净值曲线，再基于净值曲线与大盘走势比较，计算出该分析师的超长投资回报率。具体而言，当分析师在年度t年的x月x日买入股票，经过持有期T之后就卖出股票。以分析师的买入投资组合为例，该组合在第t天的日超常回报率的计算公式为：其中Rj,t是该组合中股票j在第t天的原始回报率，为与股票j对应的基于市值、市盈率以及动量三大因子相匹配的投资组合在同一天的价值加权回报率，这里采用简化的方案，用行业的回报率。N表示买入投资组合的股票数量。在获得年度t中该分析师i的所有的日超长回报率后，我们再用资产定价模型，利用线性回归计算Alpha回报，即下公式的ai：其中：K是资产定价模型中的因子集合，βk为因子k的回归系数；Rk,t是因子k在第t天的回报率，此处可以简单用上证或深证的大盘回报率。最后年化后Alpha打的分析师则应获得更高的评价；1.3预测成功率：针对分析师对股票的走势进行预测，利用分析师预测购买股票能够获得超额收益，即趋势预测正确则认为预测准确，进而计算分析师预测成功率。如果一个分析师对股票的评价是“中性”或者“负面”按照预测股票波动范围进行计算。用预测涨跌幅与实际涨跌幅的差值进行加权是不合理的，只计算趋势预测准确性即可。(2)构建分析师评级模型：模型的目的是对每一个分析师评分，分数越高的分析师做出的经济预测或推荐越准本文档来自技高网...

【技术保护点】
一种基于资产定价模型的股票分析师信用评级方法，其特征在于：按照如下方式实现；(1)确定评级因子：选择以下三大因子对分析师的绩效进行评价：分析师会计盈余绝对预测精度、分析师股票推荐回报率、股票预测成功率；1.1会计盈余绝对预测精度：分析师对公司j在t财年的会计盈余绝对预测精度(Forecast Error)计算公式

【技术特征摘要】
1.一种基于资产定价模型的股票分析师信用评级方法，其特征在于：按照如下方式实现；(1)确定评级因子：选择以下三大因子对分析师的绩效进行评价：分析师会计盈余绝对预测精度、分析师股票推荐回报率、股票预测成功率；1.1会计盈余绝对预测精度：分析师对公司j在t财年的会计盈余绝对预测精度(ForecastError)计算公式其中，Fi,j,t为财年t的12月31日及之前分析师i针对公司j的财年t发布的最新一次每股盈余(EPS)的预测值；Aj,t为公司j在财年t的真实每股盈余值；Pj为财年t的最后一个交易日的收盘价；1.2超常回报率：针对每一个分析师的股票推荐，模拟一个分析师的投资决策过程，模拟结束后得到该分析师投资的净值曲线，再基于净值曲线与大盘走势比较，计算出该分析师的超长投资回报率；以分析师的买入投资组合为例，该组合在第t天的日超常回报率的计算公式为：其中Rj,t是该组合中股票j在第t天的原始回报率，为与股票j对应的基于市值、市盈率以及动量三大因子相匹配的投资组合在同一天的价值加权回报率，这里采用简化的方案，用行业的回报率；N表示买入投资组合的股票数量；在获得年度t中该分析师i的所有的日超长回报率后，再用资产定价模型，利用线性回归计算Alpha回报，即下公式的ai：其中：K是资产定价模型中的因子集合，βk为因子k的回归系数；Rk,t是因子k在第t天的回报率，此处可以简单用上证或深证的大盘回报率；最后年化后Alpha打的分析师则应获得更高的评价；1.3预测成功率：针对分析师对股票的走势进行预测，利用分析师预测购买股票能够获得...

【专利技术属性】
技术研发人员：韩伟，赵飞，赵二超，谢权斌，
申请(专利权)人：成都蓝景信息技术有限公司，
类型：发明
国别省市：四川,51