股票投资的价值范文

引言：寻求写作上的突破？我们特意为您精选了4篇股票投资的价值范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

股票投资价值评估是进行股票投资有效决策的前提,一直是证券市场上的研究热点之一。目前在股票投资价值评价问题研究中,一方面有采用关键性指标进行评价,如市盈率或市净率指标,由于股票投资价值是很多复杂因素决定的,只采用单一的评价指标,很可能导致股票投资决策的片面;另一方面采用大量对股票投资价值有影响的因素来评价股票的投资价值,但是由于评价体系中各因素之间存在着相关性,也容易导致评价结果缺乏可操作性。为克服上述问题,近来一些学者建立了股票投资价值的层次分析法、灰色多层次评价、SWOT方法、熵权双基点法等等,提高了股票投资价值评价的全面性及有效性。

本文在对股票投资价值特点深入分析的基础上,建立了用于股票投资价值评价的指标体系,针对影响股票投资价值的多因素特点,采用层次分析法确定股票投资中各种影响因素的权重分配,建立了用于股票投资价值的模糊综合评价模型,为进行股票投资决策提供有效的依据。

一、股票投资价值评估指标体系

自《中华人民共和国证券法》施行以来,股票市场越来越规范化,从而吸引众多投资者携着大量资金涌入股市,目的是赚取丰厚的利润。可是股票市场受到政策、行业特点、技术面分析等许多因素影响,存在很大的风险性。采用系统工程中的Dephi方法设计问卷调查表,通过请教多位股票投资专家和一些资深股民,并在对大量关于股票价格因素文献资料研究的基础上,建立了影响股票投资价值的主要因素(指标体系)(见图1)。

在股票投资价值评价指标体系中有的因素(指标)可以具体量化,如每股收益、每股净资产、每股公积金等,有些却不能具体量化,如行业特点等,可采用系统工程方法实现对各种指标的标准化处理。

二、模糊综合评估方法在股票投资评估中的应用

(一)模糊综合评价方法

模糊综合评价法(fuzzy comprehensive evaluation,简称FCE)是一种应用非常广泛并且有效的模糊数学方法,是应用模糊变换原理和最大隶属度原则,全面考虑了与被评价事物相关的各个因素。

模糊综合评价可按以下的步骤进行:

1、确定评价因素集合

因素集U是影响评价对象的各个因素所组成的集合,可表示为:

U={u1,u2,...,un}①

其中,ui(i=1,2,...,N)为评价因素,N是同一层次上单个因素的个数,这一集合构成了评价的框架。

2、建立权重集

一般来说,因素集U中的各个元素在评价中具有的重要程度不同,因而必须对各个元素ui按其重要程度给出不同的权数aij。由各权数组成的因素权重集A是因素集U上的模糊子集,可表示为:

A={a1,a2,a3,...,an}②

其中,元素ai(i=1,2,...,n)是因素μi对U的权重数。即反映了各个因素在综合评价中所具有的重要程度,通常应满足归一性和非负性条件:

ai=1(0≤ai≤1) ③

3、确定评价等级标准集合

评语集是由评价对象可能做出的评价结果所组成的集合,可表示为:

V={v1,v2,v3,...,vn}④

其中,vi(i=1,2,...,n)是评价等级标准,m是元素个数,即等级或评语次数。这一集合规定了某一评价因素评价结果的选择范围。

4、单因素模糊评价

单独从一个因素出发进行评价,以确定评价对象对评价集元素的隶属程度,称为单一素模糊评价。假设对第i个评价因素μi,进行单因素评价得到一个相对于vi的模糊向量:

Ri=(ri1,ri2,...,rij),i=1,2,...,N;j=1,2,...,n⑤

rij为因素μi具有vj的程度,0≤rij≤1若对n个元素进行了综合评价,其结果是一个N行n列的矩阵,称之为隶属度R。

若为正向关系(如每股收益),可采用公式⑥计算:

YⅠ=1 x≤SⅠ SⅠ

YⅡ=0x≤SⅠ,x≥SⅡxⅠ

YⅢ=1x≥SⅢSⅡ

若为逆向关系(如市盈率),可采用公式⑦计算:

YⅠ=1 x≤SⅠ SⅠ

YⅡ=0x≥SⅠ,x≤SⅡSⅡ≤X

YⅢ=1x≤SⅢSⅢ

进而得到隶属度函数矩阵R:

R=YYYYYY… ……YyY

其中,YⅠ,YⅡ,YⅢ分别代表各级指标的隶属函数,SⅠ,SⅡ,SⅢ分别代表各指标级别分界值,x为所选择参数指标实测值。

5、模糊综合评价

由因素集、评语集、和单因素评价集可以得到模糊综合评价模型:

B=A×R=(a1,a2,...,an)×r,r,...,rr,r,...,r...................r,r,...,r=(b1,b2,...,bn)⑧

其中,bi成为模糊综合评价指标。

6、进行规一化处理

首先计算各评价指标之和:b=bi,再用b除各个评判指标,即:

B=(,,...,) ⑨

得到归一化的模糊综合评判指标。

(二)模糊综合评价方法在股票投资价值评价中的验证

1、原始数据获取

从上海证券交易所交通运输板块中的公路管理及养护行业中抽出福建高速股票,然后进行无量纲化(归一化),结果如表1所示。

2、对原始数据进行归一化处理

对于效益型属性按公式rij=进行归一化数据,对于成本型属性按公式rij=进行归一化数据,得到的原始数据的归一化结果如表2所示。

3、用层次分析法获取权重W

采用层次分析法获得福建高速股票投资价值中各指标权重分配如表3所示。

4、建立评价集V

一般情况下,评价集中的评语等级级数m取值要适中,如果过大,语言难以描述且不易判断等级归属,如果太小又不符合综合评价的质量要求。具体等级可以依据评价内容用适当的语言描述。股票投资价值的评价集如下:

对于效益型指标来说:V={v1,v2,v3,v4,v5}={优秀(1.0),良好(0.8),中等(0.6),一般(0.4),差(0.2)}。

对于成本型指标来说:V={v1,v2,v3,v4,v5}={优秀(0.2),良好(0.4),中等(0.6),一般(0.8),差(1.0)}。

5、隶属度函数的获取

根据公式⑥、⑦获得福建高速股票投资价值的隶属度函数矩阵为:

R=10000100001000000001100001000000.941 0.059 001000010000100001000000 0.51 0.49 0

6、用简单线性加权法计算投资福建高速股票的模糊综合评价值

投资福建高速股票价值的评价结果为:

D1=W×R=(0.45380.13070.07900.06800.2685)

可知,有45.38%的股票投资者认为投资福建高速的方案是优的,还有26.85%的投资者认为投资该只股票的方案是差的,其余认为投资该股票分别为良、中、一般的投资者占少数,因此就投资中原高速的方案来说是可行的。

三、结论

在对投票投资价值特点分析的基础上,采用系统工程方法设计了影响股票投资价值的因素集,进而建立了用于股票投资价值评价的指标体系;采用层次分析法获取诸多评价指标的权重分配,然后将模糊综合评判法用于股票投资价值的综合评价与分级,达到投资利润最大化和风险最小化的目标。

参考文献:

1、MicheleBagella,Leonardo Becchetti,FabrizioAdriani.Observed and“fundamental” price-earning ratios:A comparative analysis of high-tech stock evaluation in the US and in Europe[J].Journal of International Money and Finance,2005(4).

2、郝爱民.中国证券市场价值投资效应及影响因素[J].统计与决策,2006(6).

3、王玉春.财务能力与股票价格关系的实证研究[J].经济管理,2006(4).

4、张根明,何英.AHP在股票投资价值中的应用[J].统计与决策,2005(10).

5、马小勇,陈森发.股票投资价值的灰色多层次评价[J].价值工程,2005(9).

篇2

中图分类号：F830.9 文献标识码：A 文章编号：1674-7712 （2013） 08-0000-01

一、股票投资价值使用灰色系统模型的原因

股票市场价格走势一般是很难判断和预测的。股票价格面对市场信息会做出如何反应，即使是经验丰富的分析师也无法做到。这是由于，我们缺少知晓影响市场传导系统的结构和传导模型的信息，无法精准掌握公司状况、金融政策、国际市场、利率政策以及投资者心理承受能力等因素变化，以及这些对市场价格的影响方法，只能似懂非懂进行预测价格走势，这样得到的效果肯定不会特别理想。因此，面对这样的情况，大批的金融学家和分析家开始着手研究，如何找到最好的方法来预测股票市场的价格走势。而在他们的共同研究下，确实也找到了无数令人惊奇的预测方法。并且这些预测方法在金融学家的推动下得到了很大的发展，可是却也遭遇了很大的难题，因为科学体系的不成熟无法对股票价格变动趋势进行合理的解释。例如我们必须掌握深厚的专业知识和巨大的数据系统，才能轻松的使用这些预测方法，而且这些所需要掌握的数据都是要很长时间的以来的，才能得到“大树定力”的效果，所以很难被普通投资者使用。同时市场股票价格走势与股票内在价值步伐不一致，因此投资者都希望能另寻一种既能简单使用，又能适应市场环境的预测方法。于是灰色系统理论被引用到股票投资价值中。

二、股票投资价值灰色系统模型

灰色系统理论始于20世纪80年代初。“灰色系统”一词是被在1981年邓聚龙教授的上海学术报告中首次使用。随后他又发表了一系列关于灰色系统的论文，为灰色系统的理论打下良好的基础，同时也引起更多学者对它的兴趣，参与到它的研究中。可实际，灰色系统是由英国科学家的“黑箱”概念的基础上演进而来的，它融合了自动控制和运筹学。灰色系统是一种包含已知信息和未知信息的系统，主要用于信息不完全的系统，利用已知的信息来探索和预测未知信息，从而知晓整个系统。灰色系统理论和模糊数学、概率论方法一样都是来探索不确定性系统，具备使用“少数据”寻找现实规律的良好能力，解决了数据不充分或是系统周期太短的问题。如今灰色系统理论被应用于各个领域，譬如经济管理、生态系统、工程控制等领域。同时在股票投资领域也得到了应用，下面探讨下灰色系统如何在股票价格走势上得到利用。

研究股票的“内在价值”是我们认识股票价格的重要方法，可是它的研究需要专门的知识支持，而且受人们是否合理与准备的判断未来现金流所影响。股票的价格又是很多信息综合反应的结果，不同的股票，有不同的价格反应信息机制灵敏性，并且随着时间的推移，想要找到造成这种差异的原因，以及这种差异产生的轨迹和强度是什么，我们都无法把握，更别说把握股票的“内在价值”。股票的价格反应了所有与之相关的信息传导机制和灵敏度。可是虽然我们不知道它的传导方式和灵敏强度，但是我们能采用相应的方法通过价格的历史变化信息来判断价格未来趋势，从而获得股票价格的反应机制信息。于是为了测试和反应它的传导机制和灵敏度，我们建立了灰色系统理论。

灰色系统理论利用搜集和整理系统原始数据，来寻找其发展规律。灰色系统表明，所有灰色序列都能展现本有的规律，在使用一种生成弱化其随机性后，也就是说，利用灰色数据序列来架构系统的反应模型，然后就能利用这个模型来预测系统可能发生的变化。灰色系统模型利用微分方程来反应系统的客观规律。

有了灰色系统理论，想要掌握市场价格走势和方向，我们并不需了解是什么信息影响了或是如何影响了股票价格，例如公司的基本面变化、宏观的经济因素变动、市场参与人数增减与否等等会对价格产生影响的综合因素，我们只要加入能改变原有的价格趋势的新信息，这些信息是用来驱动市场价格变化的，可这些新信息的影响也不是立马能实现的，它的实现需要一个不断消化的过程，这就是通常我们所说的记忆功能，它是股票市场价格变化的驱动力，但是有也有一定“惯性”，灰色系统在股票投资上的利用，正是要解决如何利用这种驱动力来预测未来价格的走势。

三、灰色系统模型在股票投资价值上的应用

（一）时间转折预测

我们用某一股票的日收盘为例，把某个时间的某个点当起点，当局部低点和高点间波动200点以上时，就认为是一次市场指数转折，把从低点到高点的变化当做一个阶段，因此，我们选用局部最低点与最高点，在选用毗邻的指数相差在200以上的点，算出它们距离起点的月份，用来进行量化分析指数的走势。通过灰色微方方程可列出指数转折点的时间方程，而且通过方程式对指数未来转折情况进行预测。

（二）新陈代谢模型、事后检验

事后检测通过模型来比较预测值和市场实际值而得到的。而从实际应用中发现，只通过每一个数据系列来进行长期的预测走势和时间点是远远不够的，因为新信息的作用没有完全发挥出来，而历史信息只能在一定程度上影响，价格在信息的记忆和预见能力又有限，于是，随着市场的发展，信息对系统的影响会不断地减弱，所得到的误差也会越来越大，所以我们需要采用新陈代谢GM模型，通过不断用新数据替换老数据来最有效的展现新信息对于市场价格走势的影响。

四、结束语

由此看出，我们能利用灰色系统模型来预测股票指数变化情况，从而能更好地、更有效地作出投资决策，最大程度上地降低投资上的风险。可是灰色投资价格模型也有局限性，它只能用于短期的预测，时间越长预测的误差越大，因此，在实际运用中，我们要给模型不断的添加新的信息，摒弃那些预测作用越来越小的老数据，以减小预测误差。

参考文献：

[1]李祚泳.灰色系统理论和应用的最新进展[J].大自然探索，1992（01）.

[2]李国平，王址道.基于灰色系统理论的股市大盘组合预测方法[J].商场现代化，2005（04）.

[3]徐维维，高风.灰色算法在股票价格预测中的应用[J].计算机仿真，2007（11）.

篇3

农业板块的走强主要缘于国内外农产品现货和期货价格大幅上涨的基本面背景。由于供给持续吃紧,在明尼阿波利斯谷物交易所春小麦的带动下,美国三大谷物交易所小麦期货合约近期掀起涨停狂潮,而大豆、玉米期货则连续创出历史新高。受到国际市场农产品集体飙升的刺激,国内商品交易所的农产品期货纷纷大幅上扬,创出历史新高,其中白糖和菜籽油涨势最为迅猛,周二创出历史新高后才出现回调。目前看,农业的高景气度尚无发生拐点的迹象,有望得以维持。

今年以来涨幅在50%以上的股票有10支,依次分别为敦煌种业、丰乐种业、冠农股份、通威股份、新赛股份、新农开发、禾嘉股份、登海种业、中粮屯河、北大荒。

敦煌种业、丰乐种业、登海种业在子行业分类中均属于种子生产类,累计涨幅分别为138.98%、128.80%、73.75%。在农产品价格维持高位的大背景下,随着天气的转暖,大面积的春耕播种,显然市场普遍预期对种子的需求量会大幅增长,而使其成为龙头品种。不过,这三支股票已经累计了较大的升幅,且均创出历史新高,敦煌种业、丰乐种业的日均换手率更高达12%以上,显示有资金大规模进出,二级市场存在一定的风险。

尽管还有属于农业板块的10支股票今年以来处于下跌状态,但累计跌幅都小于大盘,跌幅最大的是正邦科技,为13.10%。其中,7家上市公司处于长江以南的受雨雪冰冻灾害严重的省份。不过,农林牧渔的个股走势均强于大盘。

产品价格推高化工股身价

在今年以来涨幅较大的股票中,化工行业个股成为仅次于农业股的又一亮点,其中多家公司受益于产品价格的提升。

渝三峡主营业务是油漆等合成材料,2007年12月19日,该公司了一则澄清公告,公司“天然气制5万吨/年甘氨酸项目工程”项目处于试车调试阶段,公司无法准确判断草甘膦价格上涨对甘氨酸价格影响程度。在这之后,渝三峡股价从24.1元飚升至3月4日的53元,涨幅达到了119.92%。

甘氨酸为何有如此大的魅力呢?究其原因,还是源于价格的变化。近几个月,甘氨酸产品价格一路猛涨。07年7月份甘氨酸价格为15000-16000元/吨,而07年12月底至今,价格已经升至38000-42000元/吨。而作为甘氨酸的下游产品,草甘膦目前的价格已经达到了80000元/吨。

因价格提升受益的上市公司不在少数。华星化工年报显示,公司2007年净利润同比增长超过1.5倍,净利润增幅较大的主要原因是公司主导产品之一的草甘膦原药受国际市场供需关系变化影响,售价年度内出现了大幅度的增长,该产品毛利率稳步上升,提升了公司的整体业绩。该公司股价也从2007年末的32.3元上涨至44.68元,涨幅38.33%。对于草甘膦这样的摇钱树,华星化工在年报中表示,2008年还将继续扩建自己的草甘膦产能。

另一家化工类上市公司――扬农化工3月4日公告,公司计划增发不超过2600万股,募资将用于对控股子公司江苏优士化学有限公司增资,实施3万吨/年草甘膦原药项目。公司预计募资项目达产后,每年将新增销售收入4亿元以上。自今年以来,扬农化工股价的涨幅也达到了40.07%。

此外,值得一提的是冠农股份,该公司股价去年年末仅为42.96元,而目前已经达到了84.64元,涨幅达到了97%。冠农股份股价暴涨主要是由于,公司作为第二大股东参股的国投新疆罗布泊钾盐公司年产120万吨钾肥项目已实施建设,09年底建成后,将成为全世界最大的硫酸钾生产基地,年销售收入可望达30亿元,而硫酸钾的价格也在近期不断的上涨。

通胀将延续 价格难回落

有人认为,目前农业股的上涨已将超出了价值投资的范围,理由是以2007年前三季度业绩和3月4日的收盘价计算,农业板块的动态市盈率已经高达173倍。不过,无论是农业股,还是部分化工股的大幅上涨,主要原因都是产品价格的上升,简单的用市盈率的标准来衡量它们的投资价值并不准确,对于这些股票的走势影响更多的是它们产品价格是否能够延续目前的上涨趋势。

从2007年情况看,全国居民消费价格上涨了4.8%,其中食品价格上涨了12.3%,拉动价格总体水平上涨4.0个百分点。而进入2008年之后,今年1月CPI同比上涨7.1%,月度涨幅创11年新高。从数据来看,以食品为代表的消费价格上涨趋势很难在短期内得到改变。

当我们把眼光放在全球的角度上,中国的通胀,无疑是全球通胀的一部分。2007年全球食品价格都出现了不同程度的上涨,这既不是简单的食品价格上涨,也不能仅由能源短缺、发展替代能源来解释。它实际上是全球经济在经历了21世纪初期的黄金增长期后,需求过度膨胀带来的必然结果。

篇4

关键词证券分析师股票评级

随着监管法规的逐步完善和机构投资者的发展壮大，立足于公司基本面分析的价值投资逐渐成为中国证券市场的主流理念，我国的证券分析师行业迅速发展起来，其影响力也急剧扩大。公司研究报告是证券分析师对上市公司进行信息搜集和分析的总结，而其中的股票评级则是分析师报告的主要结论，也是对证券市场投资者而言最为直观和最受关注的信息。若分析师给予一家上市公司“买入”或“卖出”评级，则代表了分析师认为该公司当前股价被低估或高估的强烈信息，若投资者接受了分析师的信息，则将通过具体的买入或卖出行为影响股价的涨跌。关于证券分析师股票评级的投资价值，国内外学者进行了大量的研究。

一、国外相关研究

对于个股评级最早的研究可以追溯到1933年。Cowles（1933）分别收集了16家金融服务公司、20家火灾保险公司、1位华尔街日报编辑和24家金融出版媒体的荐股信息，经过计算发现被推荐股票的平均年化收益率弱于大盘1%到4%。20世纪60年代后，随着由于当时证券分析师逐渐形成一个独立的职业，关于分析师荐股的投资价值的研究开始兴起。

Diefenbach（1972）收集了1967年11月17日到1969年5月23日期间（共80周）来自24家证券经纪公司的个股评级（包括买入建议和卖出建议），将这些股票自被给出评级后52周的收益率与同时期市场指数的收益进行比较。结果发现：获得买入评级的股票在未来52周的平均收益比同期指数收益率高出2.7%；而获得卖出评级的股票的平均收益率则比同期指数收益率低11.2%，且在全部获得卖出评级的股票中，在未来52周能跑赢指数的股票占26%。

Davies和Canes（1978）研究了股票评级二手信息的扩散对于股票的影响。他们使用市场模型对1970年到1971年华尔街日报“市场消息”专栏中的股票评级（包括597个买入建议和188个卖出建议）进行了分析，结果发现在这些二手评级当日，买入评级的股票有着0.923%的超额收益，卖出评级的股票有-2.374%的超额收益，并且都是统计上显著的。另外，在二手评级后的20个交易日，被评级的股票并未发生超额收益的反转。作者认为可能的原因是股票价格无法完全反应全部信息，因此即使的二手信息的传播也能够对股票基本面估值产生影响。

Groth et al（1979）以一家美国经纪商在提供的1964

年1月至1970年12月期间提供的约6200份股票评级为样本，并对日期的准确性作了交叉检验，他们以CAPM为衡量基准，发现买入评级的公司在推荐公布前6个月，月超额收益率始终为正，推荐当月超额收益率达到最高，推荐后一个月超额收益率急速下降但仍为正，数月之后超额收益率才变为零。推荐之后股票的超额收益率整体上低于推荐之前。对于这一现象的解释是这些被给予买入评级的股票在报告之前可能就已经历了利好消息引起的股价上升，而股价上升又吸引了证券分析师对这些股票进行研究，并给出乐观的评级。

但是，这些早期的研究都存在着样本时间短、选取的证券公司数量少且代表性差、个股可能集中于某几个行业等问题。从二十世纪80年代中期开始，随着数据库的完善和研究方法的改进，有关研究进一步深化。Elton et al（1986）利用IBOS数据库，收集了自1981年3月到1983年11月的来自34家券商的研究报告，其研究发现，相对于中性评级的股票而言，上调至强烈买入的股票在报告当月产生较大正超额收益，且这种正超额收益在此后的两个月会变小，但依然显著；评级下调至卖出的股票在报告当月存在显著负超额收益，这种负超额收益在报告后一个月仍然显著，且绝对值会变大。

Barber 和Loeffler（1993）分析了1988年10月到1990年10月来自华尔街日报”标靶”专栏的股票推荐。该专栏由四位分析师每月各推荐一只股票，作为对照，华尔街日报会随机选取四只股票。他们发现，专栏公告后两天之内，产生4%异常收益。

Womack（1996）利用First Call数据库，以分析师评级的四种极端变动为样本，发现分析师评级的变动对股价有显著影响。在3日事件窗口内，“新添到买入列表”和“新添到卖出列表”的规模调整收益率都在统计上显著，分别为2.98%和-4.69%；“从买入列表中删除”和“从卖出列表中删除”的规模调整收益率也在统计上显著，分别为-1.94%和0.32%。

二、国内相关研究

由于我国的证券分析师行业起步较晚，相关的研究报告数据库直到2005年前后才开始完善，因此国内学者对于股票评级的早期研究大都基于对财经媒体荐股“二手信息”的

市场反应研究。林翔（2000）收集了《中国证券报》每周一“咨询机构看市场”栏目1998年4月13日至1999年6月28日来自601家上市公司的共1414次股票推荐数据，运用事件研究法研究股票推荐前后是否存在超额收益情况。结果发现用市场模型计算的个股超常收益在股票推荐之前第4周就开始显著大于零，在推荐前一周达到最大值。推荐公开后10周都存在显著的负超常收益。他认为其中原因在于证券咨询机构拥有一定的私有信息，在推荐公开以前，私有信息已经在咨询机构的客户中扩散，客户和追随趋势者的过度买入造成了推荐公开后的抛售压力。

朱宝宪、王怡凯（2001）以《上海证券报》每周日“为您选股”栏目的投资建议为研究对象，搜集了1999年1月至11月共44周总计565次股票推荐，以市场指数调整的收益率为衡量基准。他们发现，总体来讲“投资建议”股票组合的收益率统计上显著高于大盘；将“投资建议”划分为短期和中期投资建议后，发现短线投资建议的股票组合收益率高于投资基金的平均收益率，但中期投资建议的股票组合收益率几乎都低于大盘。研究结论认为，一些专业投资咨询机构具有相当的把握市场短期热点的能力，但对中长期的预测能力不足。

徐立平、刘建和（2008）收集了2000年12月1日至2002年12月23日上海证券报每周一“本周股评家最为看好的个股”这一栏目的荐股统计数据对A股市场中证券分析师荐股的市场影响能力进行了实证研究。他们采用事件研究法，用均值调整模型计算非正常收益率，结果发现分析师所推荐的个股在推荐之前正向的非正常收益率（PAR）表现相当明显。推荐之前六个交易周时正向的PAR表现最强，而后依次下降，并在公布基准日后短期内下降为负值。同时，随着时间的延长，负向的PAR也越来越大。

徐永新、陈婵（2009）手工整理了2007 年1 月至12 月《中国证券报》“实力机构周末荐股精选”所推荐的A 股股票作为研究样本。他们发现股票推荐之前一周，所推荐的股票已经具有显著为正的超常收益率，股票推荐前一周的累计超常收益率超过4%，推荐前的第一个交易日的超常收益率高达2%左右；股票推荐之后的第一个交易日有1%左右的显著为正的超常收益率，而第二至五个交易日均为显著为负的超常收益率，且推荐后第二至五个交易日累计超常收益率中值低于-1%；同时，推荐前后市场也均有超常的交易量反应。他们认为造成这种现象的原因是股票推荐中可能存在信息泄露。

随着证券分析师研究报告数据的完善，越来越多的国内学者开始对分析师的一手评级信息进行相关的研究。王征、张峥、刘力（2006）整理了六家实力较强的券商研究所每月末向机构投资者提供的业绩预测和投资评级信息。他们将券商研究员2004年3月至2005年6月给出的19310次股票投资评级划分为增持、减持和中性组合，组合每月更新一次，并计算每月各组合的收益率。他们发现，在样本期间，分析师增持评级组合相对市场指数的超额年化收益率达到23.85%，该超额收益率在经过CAPM模型、Fama-French三因素模型和包括动量因素的四因素模型风险调整后仍然显著。分析师减持评级组合的超额收益率为负值，但统计结果并不显著。该策略在考虑交易成本后，仍能取得显著的超额收益率。他们认为这一研究结果认为国内证券分析师股票评

级具有投资价值。

李雪（2007）收集了自 2006年1月1日到2007年4月1日四家研究机构308份股票评级调整样本，采用事件研究法，将所有评级调整分为调高与调低评级两组，以市场指数调整的收益作为衡量基准，发现在（t-10，t+51）的时间段内，调高组产生6.53%的正异常收益，调低组产生-7.49%的负异常收益。在（t-1，t+1）、（t+2，t+31）和（t+2，t+51）三个时间段，除了调低组（t-1，t+1）不显著之外，其他调高组和调低组都产生了显著的正和负的异常收益。另外，不同研究机构影响力的差异能够在短时间内产生异常收益的显著差异，但在长的时间段内则效应不显著。作者认为推荐后股票价格漂移根源于分析师推荐报告的内容逐渐被投资者接受而导致的交易行为，而不是由于新的信息出现、推荐力度或者推荐机构的影响力造成的影响。

三、结论

纵观国内外相关研究我们发现，早期的国外研究大多认为分析师的选股建议没有实际价值，而最近20年来的国内外研究结果大多认为分析师的工作是有效率的，即他们的股票评级具备一定的投资价值，特别是报告前后的短期时间内效果明显。研究报告能够为投资者提供更多有用的信息是证券分析师行业在资本市场中所发挥效率的反映，集中体现了证券分析师行业在产业分工中的价值所在。

参考文献：

[1]林翔.中国证券咨询机构预测的分析.经济研究.2000(2):55-65.

[2]朱宝宪,王怡凯.证券媒体选股建议效果的实证分析.经济研究.2001(4):51-57.

[3]徐永新,陈婵.媒体荐股市场反应的动因分析.管理世界.2009(11):65-73.

[4]徐立平,刘建和.证券分析师荐股的市场影响力研究.财经论丛.2008(4):70-76.

[5]王征,张峥,刘力.分析师的建议是否具有投资价值――来自中国市场的经验数据.财经问题研究.2006(7):36-44.

[6]李雪.中国证券市场分析师推荐投资价值研究.证券市场导报.2007.11:72-77.

[7]Cowles,A.1933.Can Stock Market Forecasters Forecast?.Econometrica,vol. 1,no. 3:309-324.

[8]Diefenbach,R. 1972."How Good Is Institutional Brokerage Research?"Financial Analysts Journal,vol. 28,no. 1:54-60.

[9]Groth,J.,W. Lewellen,G. Schlarbaum,R. Lease. 1979."An Analysis of Brokerage House Securities Recommendations"Financial Analysts Journal,vol. 35,no. 1:32-40.

[10]Womack,K. 1996."Do Brokerage Analysts' Recommendations Have Investment Value?"Journal of Finance,vol. 51,no. 1:137-167.

[11]Barber,B.,D. Loeffler. 1993."The 'Dartboard' Column:Second-Hand Information and Price Pressure"Journal of Financial and Quantitative Analysis,vol. 28,no. 2:273-284.

[12]Davies,P.,M. Canes. 1978.”Stock Prices and the Publication of Second-Hand Information”The Journal of Business,vol. 51,vo. 1:43-56.