分析师在定程度上表达了他对家公司在未来段时间股票相对变化的预期。在本文中，我们检验了分析师评级和其他市场公开信息的关系，我们选取了在以往研究中证实对股票价格有预测能力的变量，并与分析师投资评级的投资价值进行了详细比较，评估了分析师投资评级的在实际中的作用。我们发现股票收益与分析师投资评级正相关，但是按照分析师投资评级五组分类的组合收益并没有单调关系，预示着分析师的投资评级并没有包含所有能够预测股票未来收益的信息基于分析师投资评级构建的赢者组合月期和月期超额收益仅有和，表明买入分析师致看好的股票后期收益并不高，在扣除交易成本交易佣金和市场冲击成本后，机构投资者在实际中使用该策略无利可图本文构建了个基本指标综合得分来反映公司相关的九个基本变量对股票未来收益的总体预测能力，在分析师关注的上市公司基础上，按照基本指标综合得分构建的赢者组合月期和月期的超额收益分别为和在分析师关注的上市公司基础上，按照分析师投资评级和基本指标综合得分构建的二元投资策略表现好于前文两种单策略，赢者组合月期和月期的超额收益分别高达和评级指数表明基于本文二元投资策略的机构投资者可以在市场排名中取得优势。本文构建得二元投资策略与以往投资策略有两大不同点，在选股方面，样本公司大都有其良好的基本面作为支撑，投资策略的赢利性并不依赖于卖空输者组合二，在调整操作上，赢者组合股票规模在家左右，而且形成期和持有期都较长，机构投资者可以方便地完成头寸调整操作，市场冲击成本较小。另外，我们的研究发现目前分析师能为投资者挑选出值得投资的基本面良好的公司，分析师的研究报告为投资者挖掘了大量上市公司的信息，但是分析师的投资评级的边际价值并不高，未来分析师可以通过更多关注股票基本变量与股票收益率的关系来提高股票投资评级有效性。本文研究表明券商基本面分析师和使用量化技术的投资机构都能从互相学习中获益方面，如果分析师的目标是让投资评级对未来投资收益有更好的预测能力，他应该更偏好高价格收益动量效应低换手率高高高高市值高的股票另方面，使用量化策略的投资者在结合分析师综合评级的基础上可能会制定更好的股票选择策略。同时我们必须得指出，在实际环境中投资是个复杂的学习决策过程，而非个机械过程，理性的模型式的决策方法需要结合定的实际经验才能发挥最大效用。因此，建议机构投资者用模型经验模式使用本文的辅助性二元投资策略，最后我们用句名言来结束全文人们每天都从市场中获得太多信息，以致他们失去了普通常识。参考文献,,,,,,,,,,,,,度在每年的第季度，表示股票在季度末的价格。帐面价值价格比组合形成期间财务指标的计算使用了滚动四个季度的财务数据，具体如下，每股股东权益合计，当组合形成季度在每年的第二三四季度，表示股票在季度末的价格每股股东权益合计，当组合形成季度在每年的第季度，表示股票在季度末的价格。现金流量价格比组合形成期间财务指标的计算使用了滚动四个季度的财务数据，具体如下，每股现金流，当组合形成季度在每年的第二三四季度，表示股票在季度末的价格每股现金流，当组合形成季度在每年的第季度，表示股票在季度末的价格。销售增长率组合形成期间财务指标的计算使用了滚动四个季度的财务数据，具体如下，主营业务收入净额主营业务收入净额，当组合形成季度在每年的第二三四季度主营业务收入净额主营业务收入净额，当组合形成季度在每年的第季度。公司规模上市公司规模用组合形成期的最后个月的市值表示，计算如下，其中表示组合形成期的最后个月。资本性支出组合形成期间财务指标的计算使用了滚动四个季度的财务数据，具体如下,固定资产投资增加值无形资产增加值长期待摊费用增加值资产合计，当组合形成季度在每年的第二三四季度固定资产投资增加值无形资产增加值长期待摊费用增加值资产合计，当组合形成季度在每年的第季度。附录二表基于投资评级和基本指标综合得分的未来收益栏目三月期买入持有超额收益率得分组代码卖出强力买入频数均值频数均值频数均值频数均值频数均值强力买入卖出最低最高最高最低最高和强力买入最低和卖出栏目六月期买入持有超额收益率得分组代码卖出强力买入频数均值频数均值频数均值频数均值频数均值强力买入卖出最低最高最高最低最高和强力买入最低和卖出注在每个季度组合形成期，将分析师在该季度关注的股票按分析师评级和股票综合指标得分的组合策略分为组，然后在表中报告了每个组合在八个季度的平均值，使用介绍的方法调整组合收益序列自相关性。