The Value of Ranked Analysts’ Recommendations

Los analistas financieros desempeñan un papel clave en la recopilación, procesamiento y difusión de la información del mercado de valores. La selección de los mejores analistas, entre miles de ellos, es una tarea importante para los inversores, que determina la rentabilidad futura de sus inversiones. Amplia investigación se ha dedicado a encontrar los mejores analistas (analistas "estrella") en el mercado, basándose en diversos criterios para diferentes tipos de clientes. El estado del arte en este proceso se desarrolló en los llamados "Star Rankings", con las listas de los principales analistas que, en ejercicios anteriores, superaron a sus compañeros de profesión. ¿Cómo de útiles son las clasificaciones de analistas "estrella"? ¿Las recomendaciones de los analistas "estrella" tienen un mayor valor para la rentabilidad de las inversiones que las de los no "estrellas"? (Es decir, las recomendaciones de analistas "estrella" aciertan con mejor precisión, tanto antes como después de ser seleccionados como "estrellas"). O, ¿las clasificaciones de analistas "estrellas" simplemente representan rentabilidades pasadas, que tenderán a revertir a la media en el futuro? (Es decir, en realidad las "estrellas" no son "estrellas" y desaparecen rápidamente del cielo) El objetivo de esta tesis doctoral es investigar empíricamente los resultados de las recomendaciones de los analistas "sell-side", centrándose en un grupo de analistas "estrella". Esta tesis se compone de cuatro partes que abordan dos preguntas generales: (1) ¿Las clasificaciones de los analistas "estrella" capturan habilidades reales y, por lo tanto, los inversores pueden confiar dichas clasificaciones? (Partes I y II) En otras palabras, ¿hay algún valor, desde el punto de vista de las rentabilidades de las inversiones, en las recomendaciones de los analistas "estrella"? (2) ¿Cómo afectan las condiciones del mercado a los analistas "estrella"? (Partes III y IV) En primer lugar, la tesis examina la persistencia de las rentabilidades de las recomendaciones de inversión de los analistas que figuran en cuatro clasificaciones diferentes: la revista Institutional Investor, los "Top Earnings Estimators" y "Top Stock Pickers" de StarMine y el The Wall Street Journal, y muestra el poder predictivo de cada metodología de evaluación. Mediante la investigación de la precisión de las señales que utilizan las distintas metodologías para determinar quiénes son los analistas "estrella", el estudio distingue entre las metodologías de selección de "estrellas" que capturan la rentabilidad en la selección de acciones a corto plazo, y las metodologías que hacen hincapié en las habilidades más persistentes de los analistas. Como resultado, este estudio documenta que hay métodos de selección de analistas "estrella" que seleccionan sobre la base de habilidades de analista más duraderas y, por lo tanto, las rentabilidades de las recomendaciones de sus "estrellas" persisten, incluso después del anuncio de la clasificación. Los resultados indican que la elección de la clasificación ("ranking") de analistas que se utiliza tiene un impacto económico importante en las rentabilidades de las decisiones de inversión. En segundo lugar, esta tesis investiga la estructura de las carteras construidas en base a las recomendaciones de los analistas "sell-side" y confirma que los rendimientos anormales se explican principalmente por la capacidad de selección de acciones ("stock picking") de los analistas, y sólo parcialmente por el efecto del exceso de peso en las acciones de pequeña capitalización. El estudio examina el número de acciones de las carteras, los pesos asignados a los deciles de diferentes importes de capitalizaciones bursátiles, los sectores en la "Clasificación Global Estándar de Sectores" ("Global Industry Classification Standard" ó "GICS"), y también realiza un análisis de atribución que identifica las fuentes del valor añadido en las rentabilidades. En tercer lugar, esta tesis examina las diferencias en los patrones estacionales de las rentabilidades esperadas en los precios objetivos de los analistas "estrella" y no "estrella". Aunque los rendimientos del mercado en el período estudiado no poseen ninguno de los efectos estacionales investigados, los resultados muestran que ambos grupos de analistas, "estrellas" y no "estrellas", exhiben patrones estacionales, con precios más optimistas durante el verano, y con los analistas no "estrella" siendo más optimistas que los "estrella". Curiosamente, los resultados muestran que los analistas son muy optimistas en mayo, lo que está en contra del adagio "Vende en mayo y vete" ("Sell in May and go away"), pero en línea con la hipótesis de generar negocio: ya que, al enfrentarse los analistas "sell-side" a un conflicto de intereses, emiten recomendaciones y precios sesgados para generar negocio. El análisis detallado revela que el ciclo optimista está relacionado con el calendario de anuncios de beneficios de las empresas, en lugar de con efectos específicos del mercado. Por último, esta tesis analiza cómo un cambio en las condiciones económicas afecta a la competitividad de los analistas "sell-side". La atención se centra en los cambios provocados por la crisis financiera de 2007-2009, y el período de "incertidumbre" post-crisis de 2010-2013. El estudio sigue a Bagnoli et al. (2008), utilizando el cambio en la rotación de las clasificaciones ("rankings") como medida de la transformación en las ventajas competitivas de los analistas. El estudio extiende su investigación y documenta cómo diferentes sistemas de clasificación capturan la capacidad de un analista para tener en cuenta los cambios en el entorno económico. Los resultados de este estudio muestran que las condiciones del mercado afectan a los grupos de analistas de manera diferente, dependiendo de las ventajas competitivas del grupo. ABSTRACT Financial analysts play a key role in collecting, processing and disseminating information for the stock market. Selecting the best analysts among thousands of analysts is an important task for investors that determines future investment profitability. Extensive investigation has been dedicated to finding the best analysts of the market based on various criteria for different clienteles. The state of the art approach in this process has developed into so-called Star Rankings with lists of top analysts who in the past outperformed their peers. How useful are such star rankings? Do the recommendations of stars have higher investment value than the recommendations of non-stars (i.e., recommendations of Stars “shoot” more precisely before and after selection)? Or do star rankings simply represent the past performance that will regress to the mean in the future (i.e., in reality, Shooting Stars are not stars and quickly disappear from the sky)? The aim of this Ph.D. thesis is to empirically investigate the performance of sell-side analysts’ recommendations by focusing on a group of star analysts. This thesis follows four steps/parts that address two overarching questions: (1) Do star rankings capture any true skill, and, thus, can investors rely on the rankings? (Parts I and II) In other words, is there any investment value in recommendations from star analysts? (2) How do market conditions impact star analysts? (Parts III and IV) First, the thesis examines the profitability persistence of the investment recommendations from analysts who are listed in the four different star rankings: Institutional Investor magazine, StarMine’s “Top Earnings Estimators” and “Top Stock Pickers” and The Wall Street Journal, and shows the predictive power of each evaluation methodology. By investigating the precision of signals that the various methodologies use in determining who the stars are, the study distinguishes between the star-selection methodologies that capture short-term stock-picking profitability and the methodologies that emphasize more persistent skills of the analysts. As a result, this study documents that there are star-selection methods that select analysts based on more enduring analyst skills, and, thus, the performance of these methods’ stars persists even after ranking announcements. The results indicate that the choice of analyst ranking is economically important in making investment decisions. Second, this thesis investigates the structure of the portfolios that are built on the recommendations of sell-side analysts and confirms that the abnormal returns are explained primarily by analysts’ stock-picking ability and only partially by the effect of over-weight in small-cap stocks. The study examines the number of stocks in the portfolios and the weights that are assigned to market-cap size deciles and GICS sectors and performs an attribution analysis that identifies the sources of overall value-added performance. Third, this thesis examines the differences in seasonal patterns in the expected returns on target prices between star and non-star analysts. Although the market returns in the sample period do not possess any of the investigated seasonal effects, the results show that both groups of analysts, stars and non-stars, exhibit seasonal patterns and issue more optimistic target prices during the summer, with non-stars being more optimistic than stars. Interestingly, the results show that analysts are highly optimistic in May, which contradicts the adage “Sell in May and go away” but is consistent with the notion of a trade-generating hypothesis: since analysts face a conflict of interests, they issue biased recommendations and target prices to generate a trade. A detailed analysis reveals that the optimism cycle is related to the calendar of companies’ earnings announcements rather than the market-specific effects. Forth, this thesis analyzes how a shift in economic conditions affects the competitiveness of sell-side analysts. The focus is on the changes that were triggered by the financial crisis of 2007-2009 and a post-crisis “uncertainty” period from 2010-2013. The study follows Bagnoli et al. (2008) in using a change in the turnover of rankings as a measure of a transformation in analysts’ competitive advantages. The study extends their research and documents how different ranking systems capture analysts’ ability to handle changes in the economic environment. The results of this study show that market conditions impact analysts’ groups differently, depending on the group’s competitive advantages