金融数据库 (9)_精选完整版.ppt

第九章IBESResdat样本数据：SAS论坛：第一章IBES1.1基本介绍和与IBES相关的研究主题IBES指“机构经纪人的估计系统”（InstitutionalBrokers’EstimateSystem）。IBES数据库包括分析师对美国和国际许多公司财务表现的度量，也包括分析师在购买、持有和出售方面作的推荐。从全世界研究者发表过或还没发表的研究论文来看，IBES可能是在CSRP和COMPUSTAT之后被广泛使用的金融数据库。对中国大多数研究者来说，IBES是个非常新的数据库，本章将用大量篇幅讨论如何使用这个数据库。1.1.1市场有效性理论vs.搜集公司信息的用处研究者提出的第一个问题是：如果金融市场是有效的，为什么还需要搜集公司额外的特定信息？如果能从公开的股票价格中“观察”到所有信息，那就应该不理会金融分析师的意见。1.1.2利益冲突Michaely和Womack（1999）说明包销人分析师推荐的股票在推荐日之前、当日和之后都比由无关的分析师做出“购买”推荐的股票表现得差。他们发现包销人分析师的推荐显示了重大偏袒，而市场并没有完全认清偏袒程度，他们的结果间接表明在这种情况下可能存在利益冲突。1.1.3声望的影响

Fang和Yasuda（2005）使用1994到2003年美国数据研究了个人声望对分析师股票推荐的价值影响。在顶级投资银行中证明了和利益冲突一致的证据。1.1.4意见的分散度是一种风险有些人认为意见的分散度是一个风险因素，如果分散度越高，要求回报率就越高。他们认为分散度代表不确定性。如果一个公司比较不透明，那么意见的分散度就高。Merton（1987）和Varian（1985）研究了在不存在卖空限制下意见分散度的影响。他们提出，意见分散度代表风险，它由一个折扣来定价。换句话说，意见分散度和将来回报率之间的关系应该是正相关的。1.1.5意见的分散度不是一种风险Miller（1977）第一个指出分散度可能和回报率负相关。通过运用期权理论，Johnson（2004）给出了对分析师意见分散度和未来回报率之间负相关关系的一个解释。他提出，对一个有债务杠杆的公司来说，其回报率应该总随着特殊的资产风险的水平而下降。Boehme、Danielsen和Sorescu（2002）说明当不存在卖空限制时，意见的分散度由一个折扣来定价，而存在卖空限制时，它由一个溢价来定价。1.1.6公共信息vs.私人信息同时运用一个线性回归方法和一个基于概率的方法，Chen和Jiang（2005）发现平均而言，在预测公司收入时，分析师把多于有效的权重放在（也就是说，他们过于强调）他们的私人信息上。他们发现分析师在发布比一致意见更有利的预测时会更多强调私人信息，而在发布没有一致意见有利的预测时会较少强调甚至可能故意忽视私人信息。此外，对有效权重的偏离在这么做的好处很高或者这么做的成本很低时会增加。这些结果间接表明在错误分配权重中，分析师动机比他们的行为偏差起更大的作用。1.1.7IBESvs.TAQ数据在一篇很有趣的论文里，Juergens（1999）探究了分析师投资推荐的日内股票回报率和波动率。她发现隔日新闻公报和同期的分析师推荐有很大关系。当以公开新闻的存在作为推荐条件时，她发现回报率和波动率对分析师的推荐都存在一个非常大的日内价格反应。1.1.8预测准确性vs.好的推荐Loh和Mian（2005）发现发布更准确的收入预测的分析师也提供更能产生利润的股票推荐。他们的结果说明：准确性最高的五分之一分析师的推荐的平均因素校正后的回报率超过准确性最低的五分之一分析师的相应回报率每月1.27%。1.1.9基本介绍IBES数据库包括分析师对美国和国际公司财务表现的估计，也包括分析师购买、持有、出售的推荐。IBES数据库有三个主要部分：详细历史、概要历史和推荐。详细历史文件包括单个分析师不同时间的估计。1.2详细历史数据IBES中最重要的数据集叫做详细历史。例如，在2005年4月4日，IBES.DETSAS数据集包括49,336,110个观测。详细历史文件包括按公司、日期、财政期间和度量排序的单个分析师估计。相反，概要历史文件包括由详细历史文件生成的概要统计数据——例如，对一个给定公司、度量和财政期间的平均估计（也就是说，达成一致的估计）。1.2.1数据内容详细历史数据集的内容