lead-lag分析师覆盖共同覆盖有限注意力信息扩散截面预测美股

Analyst Coverage Overlap (分析师共同覆盖)

定义

两支股票 i 与 j 之间的"分析师共同覆盖" (analyst overlap) 指同一卖方分析师同时把 i 和 j 纳入其报告覆盖范围。Parsons, Sabbatucci & Titman (2016/2018) 把它作为 lead-lag 衰减的核心解释变量: 与"单股被多少分析师覆盖"相比, 它是"两股之间信息扩散速度"更直接的代理。

与"个体覆盖"的对比

指标 含义 与 lead-lag 的关系
N_i 个体覆盖 覆盖 i 的唯一分析师数 与行业 lead-lag 强负相关, 与地理 lead-lag 几乎无关
O_{ij} 共同覆盖 同时覆盖 i 与 j 的分析师数 与两者间 lead-lag 强负相关(理论上), 实测仅在行业 peer 中识别, 跨行业 peer 上 O \approx 0

理论上, 当 O_{ij} 上升, \pi_j 被至少一个覆盖 i 的分析师纳入报告的概率 p_j 上升, 由 PST 的 Proposition 1 知 lead-lag 下降; 但实证上, 由于跨行业/跨地域的 O \approx 0, 该变量几乎没有截面变异, 无法在交互回归中被识别。

模型推导(3 期 3 公司模型)

每位覆盖 i 的分析师 n 报告的"信息量"是

r_n \in \{\{\pi_j, \pi_k\}, \{\pi_j\}, \{\pi_k\}, \{\}\} 在 N 个独立分析师下, 至少一人报 \pi_j 与 \pi_k 的概率 p_j(N) = 1 - (1 - y)^N, \quad p_k(N) = 1 - (1 - x - z)^N其中 y 是单分析师对同行业 peer 的覆盖概率, x, z 是对跨行业/跨地域 peer 的覆盖概率。

若分析师按行业专业化, x, z \to 0, 则 p_k(N) \approx 0, \quad \frac{\partial p_k}{\partial N} \approx 0 即地理 lead-lag 对 N 不敏感。

实证表现(PST Table 8)

把 \beta_1 (地理) 与 \beta_2 (行业) 对 O_{i,\text{geo}}、O_{i,\text{ind}} 交互:

  • 行业 lead-lag 与 O_{i,\text{ind}} 交互系数显著为负, 共同覆盖越多, lead-lag 越弱;
  • 地理 lead-lag 与 O_{i,\text{geo}} 交互无法识别(因为 O_{i,\text{geo}} 几乎恒为 0)。

量化含义

  1. 设计多因子时, 不应只看"分析师数 N": N 高的股票对行业 lead-lag 是"低暴露", 但对地理 lead-lag 仍正常暴露; 用 N 过滤会同时压扁想要保留的地理信号。
  2. 构造行业-地域混合 lead-lag 策略: O_{i,\text{ind}} 可作为"信息效率"侧度量, 用于风险预算或 alpha 因子加权。
  3. 判断市场是否进入更细分专业阶段: 观察"跨行业共同覆盖"的增长率, 可作为"信息扩散是否变快"的代理; 该指标上升时, 地理 lead-lag 预期减弱。

与 Investor Attention 的关系

Investor Attention 主页面是关于"对单只股票的关注度异常"如何影响横截面收益的; Analyst Coverage Overlap 是其双股版本, 关注"信息扩散结构"而非"单股热度"。

数据源

  • I/B/E/S: 唯一可系统获取 analyst-by-analyst 覆盖范围的公开数据源;
  • 已知问题: 卖方分析师推荐修订、记录增删、姓名变更都会污染 (Ljungqvist et al. 2009);
  • 缺失: 买方分析师不进入 I/B/E/S (Cheng et al. 2006, Groysberg et al. 2013), 导致"实际共同覆盖"被低估; PST Table 7 用规模/成交量作"完整覆盖"代理。

见相关