日報
專欄
熱點
國際
活動
資訊科技的快速發展和另類資料來源的出現正在創造大量資訊，從投資者的角度來看，這些資訊可能會超越賣方分析師提供的資訊。（首圖來自圖蟲創意）
賣方分析師在金融市場中扮演著關鍵角色，他們的主要職責是收集和分析有關上市公司的資訊並向投資者傳播他們的見解。如果賣方分析師的見解是獨特的和有價值的話，那麼他們將會對市場效率的提升作出重大貢獻。
不過，與知識驅動型行業的許多職業一樣，賣方分析師的職業同樣面臨挑戰，甚至於部分壓力還是賣方分析師特有的，比如被動投資的興起、監管的變化，以及資訊科技的進步和“大資料”或“另類資料”（alternative data）可用性的激增。隨著現代資訊科技的出現和資料分析的進步，人們可以越來越多地透過個人和企業留下的數字足跡來跟蹤其活動。越來越多的文獻表明，這些資料可以預測公司的收入和盈利，從而幫助投資者評估公司。這些資料日益增強的可用性提供了比傳統分析師提供的資訊更及時、全面和準確的方式，這表明分析師對投資者群體的相關性正在減弱。然而，另一種可能最初違反直覺的觀點是另類資料可以恢復分析師作為關鍵資訊中介的角色，並幫助他們減輕被動投資和監管變化的負面影響。如果另類資料偶爾能提供獨特的和有價值的見解，並且投資者渴望將這些見解納入他們的決策中，那麼分析師就可以利用另類資料來恢復他們對投資者的有用性，而不是被另類資料所淘汰。
為此，康奈爾大學約翰遜商學院的Feng Chi、南洋理工大學商學院的Byoung-Hyoun Hwang、阿爾伯塔大學商學院的Yaping Zheng的合作論文“The Use and Usefulness of Big Data in Finance: Evidence from Financial Analysts”於2024年9月線上發表於管理學國際頂級期刊《Management Science》。
立足於技術進步和另類資料供應商的激增為投資者創造新的資訊渠道這一背景，該研究探討了這些發展是如何重塑賣方分析師的角色的。透過採用分析師書面報告的文字分析，作者發現：分析師已經開始在他們的分析中使用另類資料。當分析師報告使用另類資料時，他們會產生更準確的盈利預測，他們的經紀公司隨後將從投資者那裡收到更高的交易佣金，這表明投資者重視分析師使用另類資料的做法。
論文作者簡介
Feng Chi
康奈爾大學 約翰遜商學院
Byoung-Hyoun Hwang
南洋理工大學 商學院
Yaping Zheng
阿爾伯塔大學 商學院
Part.01 分析師對另類資料的使用
作者從另類資料的定義開始討論，隨後描述瞭如何捕獲使用另類資料的分析師報告。
1.1 另類資料和歷史視角
另類資料可以追蹤個人和企業在日常活動中留下的足跡，而這些足跡通常被稱為“尾氣資料”（exhaust data）。尾氣資料的使用對金融行業來說並不新鮮，畢竟之前投資公司就曾派它們的初級分析師去零售店統計客流量或者是去工廠統計進出卡車數量。
不過，另類資料與以前的尾氣資料的區別在於：現代資訊科技的出現和計算能力的提高使得我們現在可以即時地、全面地從多種來源獲取尾氣資料。例如，我們現在可以全面跟蹤有多少消費者訪問了商家的網站，而不僅限於手動統計特定店鋪在幾天內的客流量。
另類資料大致有八種類別：應用使用資料（app-usage data）、情緒資料（sentiment data）、員工資料（employee data）、地理空間資料（geospatial data）、銷售點資料（point-of-sale data）、衛星影像資料（satellite-image data）、網路流量資料（web-traffic data）、其他（other）。
1.2 測量分析師對另類資料的依賴度
為了評估分析師在其書面報告中對另類資料的依賴程度，作者對分析師的書面報告進行了文字分析，使用Investext資料庫下載了2009年6月1日至2019年5月31日期間道瓊斯工業平均指數成分股的分析師報告。Investext資料庫包含了來自全球各地的券商、投資銀行和獨立研究公司的活躍和歷史研究報告。道瓊斯工業平均指數成分股代表了30家大型上市公司。由於道瓊斯工業平均指數成分股的組成名單隨時間變化，因此最終樣本僅包括35家公司。對於每份報告，作者提取了股票程式碼、公司名稱、報告日期、分析師姓名、經紀人名稱、報告標題和全文。
1.3 關於分析師對另類資料的討論的描述性證據
表1呈現了分析師使用另類資料的彙總統計，其中：
A組報告了另類資料跨年份的彙總統計資料，由A組可知：在2009/2010年，6%的分析師預測是在討論使用另類資料的報告中得出的，到2018/2019年，對應的數字為10%。在2009/2010年，大約11%的分析師在其至少一份報告中明確提及另類資料的使用。到了2018/2019年，這一比例增加到了28%，可見分析師使用另類資料的頻率在增加。
B組報告了另類資料跨行業的彙總統計資料，由B組可知：分析師討論另類資料的頻率因行業而存在差異。資訊科技行業的分析師更頻繁地討論另類資料的使用，而能源行業、金融行業、材料行業的分析師則較少提及。
Part.02 另類資料的實用性
作者在本部分研究了機構投資者（分析師的主要客戶）是否重視分析師對另類資料的使用。此外，作者還考慮了分析師使用另類資料對機構投資者決策質量和投資者之間競爭平衡的更廣泛影響。
2.1 分析師對另類資料的使用和盈利預測準確性
作者探討了分析師在報告中明確提到使用另類資料與他們盈利預測準確性之間的關係。機構投資者欣賞分析師使用另類資料的假設是基於這樣一個前提：分析師可以從這些資料中獲得獨特且與價值相關的見解。為了檢驗這一假設的有效性，作者構建了以下回歸分析模型來衡量分析師盈利預測的準確性：
其中，
表示分析師i對公司f在時間t的盈利預測準確性，盈利預測準確性可以透過計算分析師的年度盈利預測與實際報告的年度盈利之間的絕對差值來衡量，然後將這個絕對差值與同一時期覆蓋同一公司的其他分析師的平均絕對預測誤差（不包括使用另類資料的分析師）進行比較；
作為指標變數，如果分析師在其報告中明確提到使用了另類資料則為1，否則為0；
表示控制變數，包括預測時效性、分析師/公司經驗、分析師經驗、覆蓋公司數量、預測頻率和經紀規模等。
表3報告了迴歸分析結果，由表3可知：使用另類資料的分析師的預測準確度提高了0.214個標準誤（t統計量=6.30），這表明使用另類資料的分析師的預測準確性顯著提高。從經濟意義的角度來看，使用另類資料的分析師的表現提升相當於分析師覆蓋相應公司的經驗增加了3.6年。
2.2 分析師對另類資料的使用和交易佣金
分析師的商業模式植根於軟美元協議（soft dollar agreements），即研究服務透過交易佣金資助。如果機構投資者認為分析師的研究具有更多的價值時，他們會透過分析師所在的經紀公司進行更多交易，從而支付更多的交易佣金。因此，確定機構投資者是否重視分析師使用另類資料的一個簡單測試方法是將報告的另類資料的使用情況與收到的交易佣金金額聯絡起來。具體地：
作者從ANcerno公司獲取了機構投資者的交易資料，該公司為機構客戶提供交易成本分析服務。對於ANcerno公司所覆蓋的每個機構，資料集包含了其每個交易的特定資訊比如股票程式碼、交易日期、交易方向、交易的股票數量、投資經理、執行交易的經紀人、支付給經紀人的佣金等。鑑於作者的盈利預測和分析師報告樣本始於2009年，因此作者的經紀佣金分析就包括了2009年和2010年。這一時期共包括7634份分析師報告，其中有2877份是由不在ANcerno資料庫中的券商發行的，因此作者的研究樣本僅包括4757份分析師報告。作者重點關注在分析師報告發布後三個月內進行的相關股票交易，並彙總了支付給釋出報告的經紀公司的總佣金金額。
作者重新估計了迴歸方程(1)，但是用新的交易佣金變數替換盈利預測準確性變數。表4報告了迴歸分析結果，由表4可知：包含另類資料的分析師報告平均能使得經紀公司收到的總佣金增加約11858.82美元，這幾乎使經紀公司在報告發布後三個月內收到的中位數佣金翻倍。即包含另類資料討論的分析師報告與經紀公司收到的交易佣金顯著增加有關。
2.3 分析師對另類資料的使用和機構投資者之間的競爭環境
分析師使用另類資料不僅有可能重塑分析師和投資者之間的關係而且還有可能重塑他們所服務的投資者之間的競爭平衡。對沖基金一直處於利用另類資料的前沿，而其他機構參與者比如公募基金則進展較慢。此外，現有的研究表明，對沖基金比非對沖基金執行更多有利可圖的交易，這可能是因為對沖基金擁有優越的資料。基於此，作者探討了分析師使用另類資料如何影響不同型別機構投資者之間的競爭平衡。具體地：
作者假設分析師使用另類資料可以減少通常存在於對沖基金和非對沖基金之間的表現差距。為了驗證這一假設，作者再次結合了分析師資料和ANcerno資料，探索了分析師使用另類資料是否降低了對沖基金和非對沖基金之間的表現差距。進一步地，作者繼續關注在分析師報告發布後三個月內進行的相關股票交易，並使用Jame(2018)的方法將對沖基金的交易與其他機構投資者的交易分開。此外，作者還區分了非對沖基金交易，看它們是否發生在分析師討論另類資料之後，以確保與另類資料相關的交易背後的投資者構成和那些沒有這種關聯的交易是可比較的。
作者遵循Seasholes and Zhu (2010) and Ben-David, Birru, and Rossi (2019)的方法，透過建立基於交易的日曆時間投資組合來評估投資者的交易表現。購買（銷售）的股票在交易日後的第二天被加入購買（銷售）投資組合，並假設持有期為三個月。作者計算了每隻股票/天的DGTW調整後的回報（DGTW-adjusted returns for each stock/day），並構建了價值加權的投資組合回報。
表5報告了相關結果，由表5可知：對沖基金購買的股票在接下來的三個月內表現顯著優於它們賣出的股票，年化超額回報為10.79%。非對沖基金的表現則明顯不同。當分析師不討論另類資料的使用時，非對沖基金購買的股票年化超額回報為3.85%。然而，當分析師在其報告中引用另類資料時，非對沖基金的年化超額回報顯著提高到9.85%，與對沖基金的表現相當。總而言之，分析師使用另類資料可能有助於縮小對沖基金和非對沖基金投資者之間的表現差異，從而在不同型別的機構投資者之間創造一個更加公平的競爭環境。
Part.03 進一步的分析
在得出結論之前，作者討論了為什麼沒有更多的分析師在他們的報告中明確提及另類資料的使用。作者還研究了關於美國最大公司的調查結果在多大程度上適用於小企業。最後，作者探討了關鍵自變數（另類資料）和主要實證規範的變化。
3.1 為什麼分析師不更頻繁地討論另類資料的使用？
作者認為不是所有分析師都在報告中頻繁提及使用另類資料的原因包括：資源限制、另類資料的間歇性有用性以及戰略考慮。
一是資源限制（resource limitations）。如果分析師的經紀公司有內部資料科學團隊或者來自同一城市的同事已經在使用另類資料的話，那麼分析師更可能使用另類資料。
二是間歇性有用性（intermittent usefulness）。在公司公告較少、股票回報波動性高、盈利驚喜的絕對值（absolute value of earnings surprises）大、公司曾需要重述財務報表或自由裁量性應計專案高的情況下，另類資料更有用，分析師也更可能使用。
三是戰略考慮（strategic considerations）。分析師可能因為擔心透露過多方法論和資料來源而選擇不公開討論使用另類資料，以保持其分析的獨特競爭優勢和持續提供新的研究視角。
3.2 小企業中另類資料的使用和有用性
到目前為止，作者尚未探討另類資料在小盤股行業的流行程度和影響，為此作繼而分析了小企業中分析師使用另類資料的情況，研究發現：小企業的分析師較少使用另類資料，這可能是因為小企業吸引機構投資者的關注較少，分析師不願意承擔相關的財務和學習成本，畢竟分析師的主要客戶——機構投資者主要投資於規模更大、流動性更強的股票。當然，即便是小企業，分析師在報告中引用另類資料也與更準確的盈利預測相關聯。
3.3 不同資料型別的有用性差異
雖然研究發現另類資料包含了獨特的和有價值的見解，但這些資料的有用性可能因其型別而異，為此作者探討了不同型別的另類資料對分析師預測準確性的影響，發現並非所有型別的另類資料都同樣有用。例如，應用使用資料、情緒資料和員工資料與盈利預測準確性的提高有顯著關聯，但是地理空間資料和衛星影像資料則沒有顯著關聯。作者還區分了更易於獲取的另類資料（如情緒資料和網路流量資料）與較難獲取的專有資料（如應用使用資料和銷售點資料），發現這兩類資料在提高盈利預測準確性方面同樣有效。
在應對分析師使用另類資料的決策可能存在的內生性問題方面，作者使用了工具變數法和匹配樣本分析來探討。其中，工具變數法的結果表明另類資料的使用與盈利預測準確性的提高有顯著關聯。匹配樣本分析的結果表明使用另類資料的分析師在盈利預測準確性方面表現更好。
Part.04 結論與啟示
本研究記錄了賣方分析師的動態角色。資訊科技的快速發展和另類資料來源的出現正在創造大量資訊，從投資者的角度來看，這些資訊可能會超越賣方分析師提供的資訊，最終使分析師職業過時。
本研究指出了一個更微妙的畫面。作者認為獲取和解釋另類資料的複雜性和成本對許多投資者來說是一個重大挑戰，不過這一挑戰為分析師提供了一個作為資訊重要傳遞者的機會。與每個投資者都承擔與研究另類資料相關的財務和學習成本相比，少數分析師承擔這些費用並精通解析另類資料更加有效。然後，分析師可以與投資者分享他們的見解，而投資者又可以將這些訊號與其他資訊整合起來，以確定一隻股票的價值。
本研究支援了這一觀點，即分析師已經開始使用另類資料，並且投資者重視分析師基於另類資料的見解，進而給予相應的報酬。因此，本研究強調了人類在金融分析方面的專業技術的持久重要性，即使在一個越來越依賴大資料和技術的時代也是如此。同時，本研究結果表明，要保持這種相關性，需要轉變人類分析師的職能和方法。
參考文獻：
l Seasholes MS, Zhu N (2010). Individual investors and local bias. J. Finance. 65(5): 1987-2010.
l Ben-David I, Birru J, Rossi A (2019) Industry familiarity and trading: Evidence from the personal portfolios of industry insiders. J. Financial Econom. 132(1): 49-75.
REVIEW