粘性预期与盈利异象

粘性预期与盈利异象

文献来源：Bouchaud, Jean-Philippe and Krueger, Philipp and Landier, Augustin and Thesmar, David, Sticky Expectations and the Profitability Anomaly (November23, 2016). Journal of Finance, Forthcoming; HEC Paris Research Paper No. FIN-2016-1136; Swiss Finance Institute Research Paper No.16-60.

推荐原因：分析师预期类、盈利类因子一直是多因子体系中的重要α来源。本文在分析师预期与盈利能力的关系维度上进行深入探讨，认为盈利类异象可能源于分析师预期的粘性。并且论证了三方面猜想：（1）平均而言，分析师对于高盈利公司的未来收益预测偏误更大；（2）盈利异象在更具有粘性的分析师跟踪的股票上表现更明显；（3）盈利异象在具有持续性盈利的股票更明显。

1

引言

股票收益可预测性是资产定价的核心。研究发现，除了市场贝塔值以外的几种股票因子均能显著预测未来的股票收益。一些文献集中于将异象收益解释为风险溢价（例如，参见Cochrane（2011）），而其他则将其归因于行为偏差和套利限制（例如，Barberis和Thaler（2003），Daniel等人（1998，2001）或Hirshleifer（2001）。定价错误取决于投资者犯下系统性的预期错误，而理性的套利者则无法完全满足其需求，因为套利并非没有风险。在该文献中，非理性市场参与者的行为偏见通常采取基于心理学文献的非贝叶斯期望的形式（参见例如Hong和Stein（1999）或Barberis等（1998））。

本文的重点是“盈利”异象：具有较高盈利能力的股票往往跑赢大盘（Novy-Marx，2013年，2015年）。盈利能力是最具有经济意义的股票收益率异象之一。相应的多空套利策略具有较高的夏普比率，无崩盘风险（Lemperiere et al。，2015），并且基于收益信号的持续性很高，容量很高。我们目的是测试盈利异象是否可以与粘性期望的简单模型直接相关，在粘性期望的简单模型中，投资者更新信念的速度过慢。

我们从建立一个简单的模型开始，在该模型中，风险中性投资者为股票定价，该股票的派息可以持续发出信号。这些投资者的期望是“粘性的”。每个时期的期望都是先前的信念λ倍加理性预期的1-λ倍（即Coibion和Gorodnichenko的共识预测模型的个人水平版本（2012年，2015年）） ）。如Coibion和Gorodnichenko（2015）所示，该模型的优点是将合理期望嵌套为一个特殊案例，并提供了一种使用预测误差与过去预测修正之间的联系来衡量期望粘性的简单方法。我们发现，该模型可以使用过去的收益和过去的收益预测来预测未来的股票收益，因此，该模型提供了盈利异象的合理化，并做出其他预测。我们通过理论分析，构建如下假说：首先，我们期望当前的利润很高时，分析师会系统地低估未来的利润。其次，对于受每股收益预测影响较大的公司而言，盈利异象将更加严重。第三，具有持续收入的公司应该更容易出现盈利异象。此外，这三个预测还应为盈利水平提供两个信号：盈利动量（盈利变化）和收益动量（过去收益）。所有这些预测都是模型的可靠结果，我们发现它们都存在于数据中。因此，它们证明了我们对此异象的解释。我们使用I / B / E / S的金融分析师提供的观察到的每股收益（EPS）预测来实证模型猜想。从理论上的资产定价模型来看，文献中的重要一环集中在解释价值，动量和盈利公告漂移异象。与我们的工作最相关的是提出非贝叶斯信念动力学理论的论文，这些理论可以解释这些异象现象。Barberis等（1998）提出了一个模型，投资者试图估计价格是处于趋势状态还是均值回复状态。这会同时导致股价对新闻的短期反应不足以及对一系列好消息或坏消息的过度反应。Hong和Stein（1999）建立了一种模型，其中两种类型的交易者共存：交易新闻和趋势追随者的交易者。这些交易者之间的相互作用产生了平衡，该平衡既显示短期动量，又显示长期反转。因为我们的论文集中在盈利异象上，所以我们使用仅具有一种类型的风险中性代理的简单非贝叶斯设置。我们直接测量了分析师的信念粘性，并测试了模型的比较静态性，该模型对数据的约束很大：我们表明，当分析师的预计粘性更高时，股票的盈利能力异象就更明显。这是对以下假设的间接验证：分析师对未来盈利能力的预测偏差可以看作是投资者信念的代表。
在其方法论上，我们的论文还与关于期望形成的最新宏观文献有关。我们使用的动态性期望模型在Coibion和Gorodnichenko（2012）中进行了分析，该模型最初应用于专业的预测。在Mankiw和Reis（2001）中，由于固定成本，代理也很少更新信念，这反过来又导致了粘性价格。本文的其余部分安排如下：下一部分列出了Coibion和Gorodnichenko（2012）的模型，并将其适应于公司层面特征的环境，并具有对未来盈利的预测能力。我们得出结构预测，这些预测将这些公司层面特征的持久性和预测能力，分析师的信念粘性水平以及其预测误差的动态联系在一起。第三节介绍了数据。第四节收集了我们的经验结果：首先，我们通过预测形成时可观察到的几种特征来记录收益，收益和预测误差的可预测性。其次，我们测试模型的结构预测。第五节使用蒙特卡洛模拟来检验结果的稳健性，最后第六节得出结论。

2

模型

2.1 期望粘性

2.2 盈利预期

2.3 预测股票收益

我们从利润转向股票收益。为了简化说明，我们建立了一个准资产定价模型：我们假设所有投资者都是风险中性的，并且具有相同的期望粘性参数λ。这是一个极端的假设，旨在关注我们的关键效果。自然地扩展将是套利模型的限制，在这种模型中，理性的，规避风险的套利者与粘性投资者进行交易。我们的定性预测将在这种情况下进行，尽管由于有限套利的存在会部分削弱它们。

Novy-Marx（2013）指出，可盈利异象的夏普率很高，而Landier等人（2013年）则认为异象率高。（2015年）证明这确实是一个很大的异象，从某种意义上说，可以在其中大量投资而不被交易抹去费用。Novy-Marx（2015）证明，收入变化也可以预测收益。至少从Jegadeesh和Titman（1993）开始，过去的收益预测股票市场的未来收益是众所周知的。之所以会发生这种情况，是因为过去的利润，变化的利润或过去的收益包含了尚未完全纳入当前价格的有关未来利润的信息。我们注意到两个有趣的属性。首先，如果期望是合理的（λ= 0），则过去的利润（水平或变化）或过去的收益都无法预测未来的收益。其次，当且仅当信号持续存在时，粘性期望才有能力解释概率异象。这又与直觉联系在一起，直觉的是，当最近的新闻对未来没有足够的信息时，缓慢的更新并不是错误定价的主要来源。它使收益更不稳定（每个周期都会犯更大的错误），但不会产生持久性。

在本文中，我们比现有文献在盈利异象上走得更远：首先，当λ值很小时，该命题表明较高的盈利能力强化了异象：从直觉上讲，粘性信念强化了在过去的收益，收益的变化以及未来的股票收益之间的关系。其次，该命题还表明，信号持续性（较高ρ）增加了这些异象的强度。由于上述事实，更高的持久性使缓慢更新的期望成为未来错误的更大根源。这是因为当持久性较高时，有关未来盈利的当前信号对实际值的影响较大：因此，反应不足的范围较大。

3

数据

3.1 数据构造

3.1.1 分析师预测

为了构建我们的分析师期望样本，我们从I / B / E /S详细历史记录文件（未调整）中获得了分析师对EPS的预测。我们保留公布年度总收入后45天发布的所有预测。我们将重点放在当前财年的分析师每股收益预测以及未来一到两个财年的预测上。如果分析师在这45天内发布了同一有效期和同一财年的多个预测，则我们仅保留第一个预测。

接下来，我们将来自I / B / E / S未调整的实际值的实际报告的EPS与计算出的共识预测进行匹配。正如先前研究中指出的那样（请参见Diether等人（2002年）；Robinson和Glushkov（2006年）），当I / B / E / S的未经调整的实际收入与I / B的预测相匹配时，就会出现问题。B / E / S未经调整的详细历史记录文件。这些问题是由于EPS预测和实际收益公告之间发生了股票拆分：如果分析师的预测和相关收益公告之间发生了拆分，则预测和实际EPS值可能基于不同数量的流通股。为解决此问题，我们使用CRSP累积调整因子将未经调整的详细历史记录的预测与未经调整的实际值的实际EPS放在同一份额基础上。我们保留了以1989年至2015年为标度年的所有公司级观测结果。在表I中，我们报告了EPS预测样本主要变量的摘要统计数据。

对于大多数变量，它具有约54k的观测值，而当我们需要提前3年的预测（我们在一种说明中使用）时，则有约16k的观测值。我们使用它来调查预测误差（预测1和2）的决定因素。现在，我们来讨论每月股票收益面板的构建，我们将使用该面板来检验我们的最后一组预测（预测3）。

3.1.2 股票收益

为了构建股票回报面板，我们从1990年到2015年之间的每月CRSP数据库中的所有公司（股票代码分别为10和11）开始。我们仅在NYSE，Amex或Nasdaq上列出可以与Compustat匹配的公司。然后，我们将这些数据与之前所述的分析师预测数据集进行匹配。

我们假定会计数据在记录收益公告后可用，该数据我们从Compustat季度获得。会计利润率信号在公司定额年度收益公告后的下个月更新，并且一直有效到公司下一个定额年度收益公告的月份。因此，我们要求有两个连续的年度收入公告。

我们检查表II中的样本中确实存在这三个异象。对于这三个信号，我们每个月将股票分类为信号的五分之一。在投资组合形成时，我们将自己限制在3,000只最大的股票中。按照文献的标准，我们以去年6月的股票市值来衡量规模，并按每个月计算排名。通过在投资组合形成时要求上个月收盘价超过5美元，我们还排除了便士股票。然后，我们为五个五分位数的投资组合以及多空的Q5-Q1投资组合计算相等的加权投资组合收益。在面板A中，我们显示了未经风险调整的超额收益。然后，我们根据标准风险因子集对投资组合收益进行回归。我们使用CAPM（面板B），Fama和French（1993）三因素模型（面板C）和Carhart（1997）四因素模型，其中包括动量因子（面板D）。鉴于小组D中的因素模型包括动量风险因素，因此我们不测试小组D中动量策略的收益。

如先前的文献所示，这三个信号确实可以预测收益，并且可预测性对风险调整具有鲁棒性。在面板D中，按现金分类的多空组合的t统计量等于3.56。对于Δcf，显著性较弱：2.87***（对于较不保守的调整，它大于3）。在面板C中，动量的多空投资组合的t统计量为3.68***。

4

收益预测和粘性信念：实证模型

在本节中，我们现在测试从第二节中介绍的粘性信念模型得出的预测。

4.1 预测1：测量粘性

4.1.1 汇总分析

我们从估算方程式（2）开始，该方程式将预测误差与过去的预测修订联系起来。如Coibion和Gorodnichenko（2015）并在预测1中回顾的所示，此回归允许直接恢复粘性参数，而无需进一步假设利润的数据生成过程。

在检验此预测时，我们必须依靠分析师在未来三个标度年中的EPS预测，这使得我们的样本量大幅下降：与仅需要提前两年进行EPS预测的A组相比，我们仅保留了大约三分之一的观察值。

4.1.2 分析师和公司层面的粘性

4.2 预测2：过去的利润预测了“预测误差”

该模型的预测2表明，如果期望值不变，则过去的利润应该能够预测出预测误差，即平均而言，对公司盈利能力的预测应该是悲观的。即当分析师处于粘性状态时，并非所有有关未来利润的良好信息都已被并入当前的预测中。我们将观察结果分类为资产的前一个比例年末营业现金流量的二十个区间，并分别计算每个资产的上一个比例年末营业现金流量的平均值和当前平均预测误差二十个有序的分类。

图7显示了预测误差与现金流量之间的正相关关系，这表明分析师在形成EPS预测时并未充分考虑以运营现金流量衡量的当期收益信息。

4.3 预测3：异象与结构参数相关

4.3.1 异象与粘性分析师的关系

现在，我们检验预测3中分析师的公司层面的粘性与可预测性的强度和动量异象之间的联系。理论的预测是：当粘性分析师跟踪公司时，三个异象应更为明显。

4.3.2 拥有高度持续现金流的公司的异象现象更严重

本文模型的另一个预测是，对于具有更持久现金流的公司，这三个异象也应该更明显。首要原因是，当现金余额高度持续存在时，更新速度较慢会导致更大的错误。为了测试此预测，我们将执行与上述类似的投资组合测试。

5

稳健性

本节使用蒙特卡洛模拟来研究在估计结果中的测算偏差。在模型的假设下，前瞻性偏差不会在盈利策略的收益与粘性之间产生虚假正相关。实际上，情况恰恰相反：在没有理性预期的情况下，当过去的盈利不能预测回报时，程序往往会与数据中观察到的情况产生相反的关系。

6

结论

在本文中，我们构建了一个模型，该模型可以预测：如果市场参与者对未来利润的期望过慢，并且能够预测利润水平，则该利润异象是最重要的股票收益异象之一。假设金融分析师的预测代表了市场参与者的信念，我们的理论表明，对于以下股票，这种异象的收益应该更明显：（1）分析师预期粘性更强，（2）具有持续性更强的利润。数据证明了理论预测。我们探索了本文提出的期望粘性度量的横截面决定因素。事实证明，经验不足的分析师和忙碌的分析师（即关注更多行业的分析师）倾向于持有粘性信念。

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。