自通过研究研报发布与股票回报，我终于明白自己为啥赚不到钱了…（下称“前文”）发布以来，收到了不少前辈和朋友的反馈，主要集中在以下2个方面：
确实，本来笔者只是想写个小段子，没想到无意中搞了个不大不小的新闻（吐槽：之前完全没有扩大数据范围的计划…1.5万份跑excel已经出现“随缘崩溃”了，谁家有能跑10万数据的excel？在线等挺急的）。不过既然挖了个坑，笔者就“想想办法”往里填一些，于是有了本文。
1. 除特别说明外，文中结果均为符合条件的样本平均值，只是统计结果，事实上各样本的上下限都很高，以此作为行业情况的代表会犯以偏盖全的错误；
2. 笔者不是A股从业（如果不算自己那几万块钱的话…），故对数据和市场情况的感觉远不及各位专业人士，讲的故事很可能有逻辑不通之处，还请各位不吝；
3. 由于数据量对excel来说确实过大了，笔者换了数据处理方法，虽然对前文样本进行了检验，但可能还有错漏之处，也请各位；
4. 因为数据量增加，展示完结果的篇幅已经很多，故本文略去了诸如描述性统计和方法说明的部分，具体方法框架参见前文。
从2013.11.23到2017.9.30，分析师布了163,554份公司分析报告，按前文的筛选方法，仍然排除以下3类报告：
最终获得2013.11.23-2017.4.26的“正面的、能买的老股”报告共119,013篇，在前文基础上向前推进了3年，按新财富评选日分为4个“新财富赛季”，如下：
16/17赛季比前文多了十来天，居然多了3,000+的报告，应该是赶上4月公布一季报了，分析师们还是很辛苦的。惯例，先上总体情况：
上图橙线在前文出现过，只是由于本文纵轴太大被压扁了，可用作检查。能看到前文的结论（涨了才推、推了见顶、回本很远）是有失偏颇的，对13/14、14/15赛季而言，推票的绝对回报非常明显，尤其13/14赛季平均6个月涨幅30%更是惊人，如果有一个机会穿越回去，笔者一定好好读研报！
Emmmm…对沪深300相对回报和绝对回报的故事又有些许不同，13/14赛季虽然绝对回报突出，但相对回报并不如14/15赛季抢眼，看下13/14赛季月份分布：
纵轴幅度不如相对沪深300大（图2纵轴最大值15%），说明相比中证500的回报不如沪深300那么突出；线都比较直，说明平均来看研报推票与中证500的走势大体同步；，在研报发布后相对回报都会有“一小跳”，换句话说可以跟着研报做个10天左右2%上下的短线？
前文提出了市值与换手率可能可以作为预警指标，我们对各赛季重复了分组分析，先把总体分组情况列示如下：
光从上表就能得到一些有趣的发现：例如，14/15、16/17赛季，分析师发布的报告对应公司中位数市值最高，分别对应5,000点和股灾后近期的股市修复。限于篇幅，在此不再赘述。
在下文中，我们会倒序依次分析各赛季内各分组的绝对回报和相对回报，并比较相对沪深300和中证500的情况。在不做特别说明的情况下，各赛季的图表，将按如下方式排序并从A-F编号。此外，由于展示需要，绝对回报与相对回报间、以及各赛季间，纵轴范围可能不同：
其中，图5-C、5-D在前文中出现过，可用作检查。可以看到结论与前文差别不大。同时，无论是从绝对回报还是相对回报来看，前文所指出的对16/17赛季的预警指标的结论基本仍然适用：研报推荐的公司市值越小、换手越频繁，越要谨慎对待。
可以看到，对15/16赛季而言，无论是绝对回报还是相对回报，“最小市值”组的表现都非常突出，其余各组间的差异均没有“最小市值”组明显，换言之这一赛季是典型的小票行情。但同样有趣的现象是，与16/17赛季相同，换手率分组中“最小”组仍然显著优于其他分组。这一结果能否给读研报的我们一些？
14/15赛季，“换手率”分组的区分度就不高了，但“最小市值”组相对其他组的表现仍然惊人。小结一下，“最小市值”组的波动性比其他各组都明显高，在牛市里涨得高，在熊市里也跌得狠。
13/14赛季，在全市场普涨的大下，市值分组的表现分化并不突出。但“最小换手率”分组仍然提供了不错的相对表现，之前的结论再一次得到验证。
因为错误地估计了前文的范围，所以取了一个偏戏谑的自嘲标题，回头来看颇有些标题党的嫌疑。为避免标题给读者留下先入为主的印象，本文标题最终定为“My Data Will Do the Talking”。既然是让数据来说话，本来不应再下主观结论，但为了行文结构的完整，我们还是从上述结果中，针对2013.11.23-2017.4.26样本区间，平均来看，给出如下“看图说线.Alpha是很难做的。
有可能绝对收益很高但alpha相对有限；2. 小票在研报发布的的波动性远比大票强，“最小市值”分组这一效应尤其明显
推荐：
删除。
网友评论 ()条 查看