何雨果的知识库

外观

Session 24 (of 42): Information Trading - Following the Analysts ​

  • 所属系列：投资哲学 · 2026 版
  • 视频：YouTube · 时长 20:54 · 字幕
  • 内容判断：概念笔记｜画面依赖中：覆盖、推荐和反应的图在图片页，已看过｜卖方分析师的预测、修正和推荐能否帮你赚钱
  • 处理方式与范围：全片梳理，附数字复算
  • 讲义 / 资料：Session 24 讲义（16 页）· 课后测验 · 答案 · 对应书第 10 章
  • 素材依据：英文字幕，仓库存档，561 行；字幕类型未核实
  • 核对范围：已读全片字幕 00:00–20:50，讲义全部 16 页（第 3、8、12–14 页已看），课后测验和答案；已重算第 12 页的比例；所引研究没有原始数据，第 13 页读图；视频画面未核对
  • 发布日期：2026-03-24
  • 数据截至：覆盖和推荐分布为 2025 年，反应研究很旧，第 8 页到 1998 年
  • 状态：已提炼

卖方分析师有信息、行业知识和客户，所以他们的预测和推荐会影响价格。但预测只比简单的时序模型好一点，推荐大多是买入，还有利益冲突，价格效应也大多很快消退。他们的优势因为法规和公开数据而缩小，而且他们玩的是定价游戏，不是投资游戏。普通投资者最多赚一两个百分点，也许反着做更好。

视频总结 ​

时间戳取自 YouTube 英文字幕，标题中的时间区间可点击跳转；讲义页码指 PDF 页码。

00:42–03:05 分析师的优势 ​

分析师接近管理层、懂行业、数据好，推荐还能通过客户影响价格。

买方分析师为基金公司工作，外界看不到，这里讲卖方（00:50，01:07，01:18）。他们能接触管理层（01:37），专注行业（01:50），有昂贵的数据和工具（02:10，02:22），做的买卖推荐会传给客户，客户行动就影响价格（02:35，02:46）。

03:07–05:00 分析师跟踪谁 ​

大公司、机构持股多、成交量大的公司，分析师更多。

第 3 页按市值分十组：

市值组最小3579最大
平均分析师人数0.601.483.197.9415.8928.08
机构持股比例6.46%18.07%44.71%72.93%84.87%81.30%

分析师靠客户的业务赚钱，所以要看机构持有多少（04:21，04:32）。

05:02–09:03 短期预测好一点 ​

分析师的短期预测优于时序模型，但差距不大。

分析师把大量时间用在预测下一季度的 EPS 上（05:08）。信息来源有公司、宏观、竞争对手、私人信息和公开数据（05:32，05:52，06:08，06:20，06:31）。

但结果不算突出：时序模型的平均预测误差约 32%，分析师约 28%（07:30，07:35）。一项研究发现，4–8 月时序模型更好，9 月到次年 1 月分析师更好（07:46）。第 7 页 O'Brien 1988 年的研究显示，分析师的优势只在前两个季度，第三季度持平，第四季度更差。

第 8 页显示误差和宏观有关：经济好于预期时分析师低估，差于预期时高估（08:40，08:50）。

09:18–10:03 长期预测几乎不行 ​

长期预测的证据不一，许多分析师干脆不做。

早期研究认为分析师的长期预测很差，后来的研究认为有一点改善（09:25，09:34）。更说明问题的是，追踪大公司的分析师中，60%–70% 不做五年预测（09:47，09:53）。

10:08–11:27 预测修正 ​

向上修正之后股价上涨，但主要集中在修正前后几周。

第 10 页的证据：Givoly 和 Lakonishok 发现，修正最正面的股票四个月内超额回报 4.7%；Hawkins 1983 年发现，上调最多的 20 只股票年化 14%，指数 7%（10:39）。回报集中在修正前后几周，领先的分析师影响更大（11:00，11:16）。

11:31–13:03 这个策略的弱点 ​

它依赖两个最弱的环节：公司的盈利和有偏的预测。

公司的盈利有会计游戏，分析师的预测有偏（11:39，11:46）。影响力来自客户交易，所谓全美最佳分析师是按客户和影响力选的，不是按预测准确度（12:11，12:21）。这是短期策略，回报只有 1%–2%（12:34，12:39）。

13:16–16:28 推荐 ​

买入远多于卖出，价格反应很快，买入的效应会消退，卖出的更持久。

第 12 页是 2025 年按市值分组的推荐分布：

市值组强买弱买持有弱卖强卖
最小42.86%28.57%28.57%0.00%0.00%
250.61%25.15%23.01%0.92%0.31%
352.61%17.70%27.08%1.48%1.13%
448.51%16.12%31.35%2.37%1.65%
最大42.75%15.38%36.48%2.75%2.63%

买入远多于卖出，这是长期现象（13:40）。分析师怕得罪公司（13:57）。所以从强买降到弱买，其实就是不说“卖”的卖出信号（14:18）。

第 13 页是一项旧研究的反应（读图）：

变化3 天1 个月3 个月6 个月
列入买入+3.3%+7.9%+7.5%+2.4%
移出买入−1.6%−0.8%−2.3%−6.0%
列入卖出−4.3%−4.0%−6.7%−8.8%
移出卖出+0.7%+3.5%0−7.4%

买入的效应大多消退，负面信息更持久（15:04，15:37）。

16:28–17:17 利益冲突 ​

有投行业务的分析师的推荐，持续力更差。

第 14 页：非承销商的买入推荐一年后约 +13%，承销商的约 −8%（16:50，17:05）。

17:19–18:40 怎样使用 ​

找影响力大、没有冲突的分析师，及时买卖，并留意隐含信号。

只有在推荐公布之前买入才赚得到（17:28，17:30）。要看影响力，筛掉有冲突的，及时退出，并留意细微的信号变化（17:56，18:03，18:15，18:22）。Damodaran 本人不用分析师的推荐（18:40）。

18:49–20:44 分析师的优势正在消失 ​

法规、数据和工具拉平了差距，他们玩的是定价游戏。

内幕信息的规定收紧，数据普及，Excel 和 Python 人人可用（19:03，19:18，19:31）。买入推荐的意思只是比你跟踪的其他公司便宜，不是真的便宜（19:48）。所以也可以反着做：涨太多时卖空，跌太多时买入（20:29，20:35）。

提炼 ​

方法与判断依据 ​

  • 把分析师的买入理解为“相对便宜”，不是“便宜”。
  • 卖出和降级比买入更有信息量，这和 Session 23 说内部人卖出信号更强是同一种结构，但证据都不算强。
  • 查分析师所在的投行和这家公司有没有业务。
  • 公告之后才买，就只能赚漂移的部分。

复算与实操 ​

第 12 页每组加起来都是 100%。买入和卖出的比例：大公司组 58.13% 比 5.38%，约 11 比 1；第 3 组 70.31% 比 2.61%，约 27 比 1。

自测与复习 ​

  • 测验第 1 题：选 e。
  • 测验第 2 题：选 d，短期好，长期不好。
  • 测验第 3 题：选 b，立刻反应，之后继续漂移。
  • 测验第 4 题：选 d，见下面的疑问。
  • 测验第 5 题：选 c。

关联 ​

疑问与待核实 ​

  • 03:41 说最小公司只有 6.5% 有分析师，最大公司约 81%。第 3 页这两个数是机构持股比例，不是分析师覆盖率。
  • 第 10 页“–1.27% in the week before”里的破折号应是标点，即修正前一周 1.27%，修正后一周 1.12%。11:05 按负数读，说修正前一周是负的。这一点待查原文。
  • 14:56 说两个月后，第 13 页是 3 个月。
  • 第 13 页“移出卖出”6 个月是 −7.4%，比“移出买入”还差，这很奇怪，15:50 只说效应模糊。第 13 页的年份因图小无法读清，研究很旧，14:37 也承认没有更新。
  • 07:30 的 32% 和 28% 讲义没有写。
  • 09:47 的 60%–70% 讲义也没有写。
  • 第 14 页是 1990–91 年 IPO 公司的买入推荐，只有一两年的样本，不能推广到全部公司。第 14 页的线是从 −2 个月起累计的，读数是大约值。
  • 第 8 页到 1998 年。
  • 12:11 说全美最佳分析师不是按准确度选的，这是口述，讲义没有证据。
  • 测验第 4 题的 d 选项，题目和答案不同，答案还加了 c 选项为真。两个版本的选项都要重新看：答案说效应立即发生，但也有长期影响，尤其是卖出。
  • 20:29 的反向策略没有证据。
  • 第 2 页写分析师可能有私人信息，第 16 页说这个优势已经几乎消失，这是时间上的变化，但讲义没有证据说明到什么程度。