专访华尔街见闻创始人吴晓鹏：我们为什么搞“点金石”分析师评选活动 ？
凤凰网财经讯（彭彬）12月16日，由华尔街见闻和选股宝主办，森浦资讯协办的“点金石”分析师评选即将颁奖晚宴举行。
为何华尔街见闻要举办分析师评选活动？华尔街见闻创始人吴晓鹏在接受凤凰网财经采访时表示，华尔街见闻一直强调更加贴近市场，更加贴近投资，为投资者提供更好的金融信息服务，而举办分析师评选活动也出于上述目的。
凤凰网财经：可否简单介绍下“点金石“分析师评选活动推出的背景？
吴晓鹏：华尔街见闻诞生之初的定位就是服务资本市场用户。这些年，我们一直在朝着这个方向努力。
华尔街见闻创始人兼CEO 吴晓鹏
从国内首创7*24小时实时快讯开始，我们致力于为投资者用户提供快速、专业、全面的金融信息服务。高质量的快讯服务，使我们覆盖了大量的专业投资者。但我们并未止步，我们的服务形式一直在进行升级。比如我们推出的华尔街见闻订阅会员服务，每天围绕全球和A股市场的波动，在快讯服务上提供进一步的必读专业研究分析。
这个会员服务体系的团队主要由买方金融机构从业者、明星卖方分析师、以及资深专业财经媒体人员构成，既有专业的金融研究背景，也有互联网传播基因。我们组建这样一个团队，也是希望从专业以及可读性两方面，为投资者用户提供最好的体验。
我们成立了自己的原创团队，包括全天候科技团队，以及资管和金融机构报道团队。我们组建了见智公司研究团队，成员来自专业卖方及买方团队，对全球市场大公司进行深度的全覆盖、框架式的跟踪研究和分析报道。
可以看到，我们的布局越来越全面。而这一系列的战略布局，都是来自同一个指导性的原则的：那就是更加贴近市场，更加贴近投资，为投资者提供更好的金融信息服务。
而我们之所以要搞“点金石”评选，也是出于这个目的。分析师是这个市场重要的参与者，他们提供的服务是这个市场重要的信息组成部分。我们希望能够给投资者提供一个更加客观的参考平台，告诉他们，哪些分析师更值得信赖。
凤凰网财经：这次评选活动采取了机构打分和量化模型相结合的方法，为什么要用这种方法呢？
吴晓鹏：最初，我们内部也提出了几种不同的评选模式，既有买方投票，主观打分的模式，也有依靠量化模型，对分析师投资建议量化打分的模式。
应该说，这些模式各有利弊，买方机构打分这种模式，已经存在了很多年了，影响力比较大。但最近几年，确实也出现了一些问题，比如买方投票搞得久了，就很容易出现“拉票”的行为。另外，少数大机构对评选结果的影响力逐渐增大，使得投票结果很容易偏离最初的目标。
而纯粹依赖量化，也有自己的问题，很容易让分析师变得功利化，过度去追逐某些短期量化业绩指标，而忽视了对研究框架的深入探索。在卖方分析师提供的服务中，可量化评估的部分有限，想要全面的评估分析师的专业价值也有难度。纯量化模式小券商往往更容易突出。
在权衡了各种方法后，最终，我们决定将这两种方式结合到一起，也就是，既有主观的机构打分，也有量化模型的打分，两个分值以一定的权重设置加总计分。通过这种方法，既反映了分析师的综合研究能力，也可以反映分析师投资建议的可参考性。
目前市场中买方打分的模式影响力更大些，但这种评选结果，更多是买方机构所青睐的分析师类型，对中小投资者来说，他们更关注一些直接的东西，比如分析师的建议是不是能带来正收益，让自己跑赢大盘，跑赢CPI。我们就是想给投资者提供这样的渠道，让他们了解，这个市场中哪些分析师的观点更应该被关注。
凤凰网财经：刚才提到的一些买方打分模式可能遇到的问题，点金石评选中也有买方打分，那有什么方法能避免这些么？
吴晓鹏：这次评选活动，其实我们也做了很多尝试，比如，我们在买方机构的选择方面，采用了邀约制，我们一共邀请了近40家主动权益管理规模在100亿以上的机构，包括了大型公募基金、券商资管、保险资管，大型私募等。
投票机构的名单是不对外公开的，所以，分析师候选人是不知道投票方名字的。而且，最终的选票采用了同票同权的计票方法，所以，不会出现投票结果向大机构倾斜这种情况。
除了对这些评选规则的改进外，这次我们也引入了第三方平台，来扩大投票基数。
这次，我们与森浦资讯合作完成了宏观和债券这两个奖项的评选，森浦资讯的用户包括货币经纪公司、银行、证券公司、基金公司等金融机构。在这次评选活动中，有近千名专业投资者参与，可以说，覆盖面是相当广的，这些投票人有着丰富的专业背景，他们的投票结果，更加真实的反映了市场对分析师的看法。
在这里要强调的一点是，我们并不盲目追求投票人的数量，而是希望投票人能对他们投票的分析师有比较深入的了解后，再来投票。而不是盲目追求票数。如果选票是随大流投出的，意义不大，甚至可以说是“噪音”，是应该被排除掉的。
未来我们也希望能和更多的机构来合作，让更多有专业背景的投资人来参与到我们的评选活动中，让评选能够更加客观的反映分析师的真实水平。
凤凰网财经： “点金石”的量化模型具体是？
吴晓鹏：我们的同事在这方面做了很多尝试，比如短期和长期的荐股成功次数、荐股成功率、绝对收益和相对收益模式、盈利预测值和真实值的差值等各种因子。然后从这些量化因子中，寻找出有效的因子，代入我们的量化模型中，按照一定的统计方法得到一个分值，然后再把这个分值和买方打分相加，从而得到最终的结果。
这个量化模型的搭建原则有三个，第一个就是客观，纯粹的，毫无添加的客观，只要我们设定了一个规则，最终结果是什么就是什么，我们不会有任何的干预；第二个原则是预测性，比如分析师荐股之后，投资者买入后一段时间内赚钱了，再比如分析师给出了一个盈利预测，最终的实际盈利偏差有限，这些都是预测成功的例子；第三个原则是收益率原则，在这个量化模型中，会有一定的收益率门槛，对输出结果进行限制。在这三个原则的基础上，我们再去调试这个模型，使得输出更加均衡，更加真实客观。
今年的统计中，我们追踪了大概62000份研究报告的内容，并对其中的关键信息进行了数据提取和分析。获得这些信息仅仅是第一步，后续还有很多数据清洗的工作，比如我们要将这数万份报告按照一定的规则分类，再去提取报告时点前后一段时间内的个股、大盘的走势，再以特定的方法进行量化指标的计算提取。
为了让结果更加精准，我们还排除了停牌股、新股和次新股，并对不同机构给出的投资建议进行了均一化处理，通过这种方式，保证了输入数据的精度。我们这次参与评选的30个行业，都是通过这样的方式，计算出最终的评奖结果的。
