如何用機器學習打敗分析師和股市?

根據沃頓商學院教授的最新研究,分析師對企業盈利的預期平均而言都有著向上的偏差,這種偏差隨著時間和股票的不同而變化。

這篇題為“人與機器學習:收益預期和條件偏差的期限結構”(“Man vs. Machine Learning: The Term Structure of Earnings Expectations and Conditional Biases.” )的新論文開發了一個機器學習模型來為收益預期生成“一個統計上最優和無偏的基準”。這個模式可以為低買高賣提供有利的交易策略。當分析師預期和基準相比過於悲觀時,投資者應買入該股。當分析師的預期和基準相比過於樂觀時,預期股價將會在後期下跌,投資者可以拋售所持股票或做空股票。

沃頓商學院金融學教授賓斯伯格(Jules H.van Binsbergen)是該論文的作者之一,他說:“利用機器學習模型,我們可以根據分析師預測和基準比較是過於樂觀還是過於悲觀來預測股票價格的走勢。”他的合著者是愛丁堡大學商學院的博士生肖漢(音譯,Xiao Han)和BI挪威商學院的金融學教授里拉(Alejandro Lopez Lira)。

研究人員發現,分析師的偏見程度在“預測期”或還遠遠不到收益公佈日的時段內會增加。不過,平均而言,隨著財報公佈日期的臨近,分析師會下調預期。“預期更樂觀的股票獲得的後續回報率更低。”同時,研究指出,企業高管比投資者更瞭解自己的公司,他們可以利用這種資訊優勢來發行新股。

獲利的機會

將分析師的盈利預期與機器學習演算法提供的基準進行比較,可以揭示分析師的偏差程度,並打開機會之窗。賓斯伯格解釋了投資者如何從他們的機器學習模式中獲利。他說:“利用我們的機器學習模型,我們可以通過計算分析師的預測值與我們機器學習預測值之間的差異來衡量分析師所犯的錯誤。”。  

賓斯伯格說,利用這種套利機會,投資者可以賣空那些分析師過於樂觀的股票,並在收益公佈日臨近時股價降至比較實際的水準時交易獲利。類似地,他們可以買進分析師過於悲觀的股票,並在股價上漲至與盈利水準相對應的價格時出售獲利。

賓斯伯格指出了最新研究的兩個主要發現。一是長期以來,分析師平均而言過於樂觀。“有時偏差大一些,有時小一點。總的來說,這個論斷是正確的,對個股也是如此。“用我們的方法,你可以隨著時間的推移追蹤分析師過於樂觀或過於悲觀的股票。而研究結果是,分析師過於樂觀的股票要多於悲觀的股票。”

該研究的第二個發現是:“雖然平均而言,分析師對所有股票都過於樂觀。但是,在分析師的偏見程度上,個股之間存在很大的差異。” 

企業融資窗口

企業也可以使用機器學習演算法來衡量分析師的偏差。賓斯伯格說:“如果你是一家公司的經理,他意識到了這些偏見,那麼事實上你可以從中受益。如果價格很高,你可以發行股票並籌集資金。相反,如果分析師的負面偏見壓低了股票價格,它們將成為公司避免在那時發行新股的信號。”

賓斯伯格說,當分析師的偏見提升或壓低股價時,這意味著市場“似乎在買入分析師的預測,但尚未修正分析師過度樂觀或悲觀的預測。”他還說,利用他和研究人員開發的機器學習模型,“你可以有一個不錯的投資策略。這意味著那些股價被高估的企業高管可以決定在那個時間窗口發行股票。當股價過低時,他們要麼回購股票,要麼至少不發行股票。”

在他們的研究中,使用的資訊包括企業資產負債表、宏觀經濟變數和分析師的預測。他們為企業年度盈利構建了一年和兩年的預測,以及提前1-3個季度的季度收益預測。以機器學習演算法提供的期望值為基準,他們計算出分析師預測值與機器學習預測值之間的差值。

 

如何引用沃顿知识在线文章

Close


用于个人/用於個人:

请使用以下引文

MLA

"如何用機器學習打敗分析師和股市?." China Knowledge@Wharton. The Wharton School, University of Pennsylvania, [16 十月, 2020]. Web. [28 October, 2020] <http://www.knowledgeatwharton.com.cn/zh-hant/article/10411/>

APA

如何用機器學習打敗分析師和股市?. China Knowledge@Wharton (2020, 十月 16). Retrieved from http://www.knowledgeatwharton.com.cn/zh-hant/article/10411/

Chicago

"如何用機器學習打敗分析師和股市?" China Knowledge@Wharton, [十月 16, 2020].
Accessed [October 28, 2020]. [http://www.knowledgeatwharton.com.cn/zh-hant/article/10411/]


教育/商业用途 教育:

如果您需要重复利用我们的文章、播客或是视频,请填写内容授权申请表.

 

Join The Discussion

No Comments So Far