香港IPO市場介紹
過去IPO公司一直是投資人最愛的投資標的之一,時常出現超額申購倍數超過100倍,只需花少少的手續費,買到便可大賺一筆。然而今非昔比,上市首日跌破承銷價更是時有所聞,香港平均IPO首日報酬僅剩3%不到,更有近六成的公司IPO首日報酬為負。因此,本研究不同於以往投資人的認知-IPO抽到就是賺到,而是綜合分析投資人情緒、市場熱度、産業、公司財報,在市場中尋找金子。本研究著重在尋找績效在TOP25%的公司,提出(1)影響IPO報酬在Top25%的重要因素(2)捕捉三個月內績效在Top25%的重要因素、(3) 六個月內績效在Top25%的重要因素、(4)進場策略決定、(5)各產業的脫手時機。
香港IPO市場從2006年開始蓬勃發展,IPO家數大幅增加,且2018年截至10月底上市家數已達185家,然而,1068間IPO公司中,竟有619家公司掛牌當日跌破承銷價,台灣711間上市公司,也有367家跌破承銷價,使得香港與台灣的IPO首日報酬雖平均分別有2.8%與26%,卻仍有近六成的公司IPO首日報酬為負。如果拆解IPO報酬,發現絕大部分報酬已於上市前一天的暗盤反映完畢,香港暗盤報酬高達4.17%,暗盤漲跌幅則為0%,隔夜報酬更是-0.08%,首日漲跌幅則為0%,;82%的公司暗盤收盤價高於首日開盤價,半數IPO公司最高價作落於暗盤。上市後,無論是香港或台灣,整體表現皆爲下行趨勢,故從中找到金子就更加重要了,本研究發現,未來六個月績效TOP25%的公司往往具有高隔夜報酬、高首日漲幅、折價幅度大等三項特徵。
香港及台灣IPO市場實證研究結果
本研究搜集了2009年到2018年間台灣322家與香港718家上市公司,日頻結構性資料包含:市場公開資料、技術指標、SVI,與資料量龐大的非結構性資料如:網路新聞、公開招股書。歷時一年的運算、調整與驗證,我們將符合IPO情緒特徵的超額申購倍數、暗盤週轉率、隔夜報酬、K棒PCA進行主成份分析(Principal Components Analysis)降維,作為IPO情緒,並以公司財報基本面、總體經濟面、IPO市場熱度三個面向作爲理性情緒的代理變數,與前述IPO情緒進行迴歸分析,殘差則代表市場過度反應或是反應不足(非理性情緒)。本研究最終用情緒面、資訊不對稱面、投資人結構面、基本面、總經面,以計量與機器學習的方式共同預測IPO績效,並於平臺上顯示結果,供投資人參考。以下分別就各報酬中Top25%公司的重要因素及進出場時機做解釋。
(1)IPO報酬的重要因素
不管是從回歸或是機器學習的結果,皆發現TOP25%公司的理性與非理性情緒顯著正向影響IPO首日報酬,隔夜報酬負向影響IPO首日報酬,由此可知,IPO首日報酬主要受情緒面變數影響,影響程度遠高於基本面、總經面等其他面向。投資人應著重在選擇理性情緒與非理性情緒大的IPO公司。
(2)捕捉三個月內績效在Top25%的重要因素
視三個月內爲短期績效,並將變數分為IPO前可取得或是IPO後可取得兩種。本研究發現在IPO前的變數中,情緒面變數、基本面變數、資訊不對稱變數與短期報酬正相關且在機器學習也是重要度高之變數。而在IPO後之變數中,總經面變數、大盤月報酬、上市首日報酬率與短期報酬正相關。總結來說,最重要的變數為情緒面、基本面、資訊不對稱、總經面、大盤表現、上市首日報酬率。
(3)六個月內績效在Top25%的重要因素
將6個月及以上視為長期報酬,並將變數分為IPO前可取得或是IPO後可取得兩種。本研究發現在IPO前的變數中,隔夜報酬、折價程度和長期報酬正相關,而過度反應為負相關,且這些變數在機器學習中也是較重要的變數。而在IPO後的變數中,總經面變數、上市首日報酬率為正相關且在機器學習中也是較重要的變數。
(4)進場策略決定
從表1中知道,短期與長期報酬的重要變數有情緒面、隔夜報酬、折價程度、上市首日報酬率。因此本研究嘗試利用上述變數對每個產業設立一個進場準則。最後發現,在香港市場中,服務業較好的買進準則是理性情緒>中位數,傳統製造業為暗盤報酬率>0,金融業IPO首日報酬>0。台灣市場則是金融業為理性情緒>中位數,其他產業則是IPO首日報酬及首日漲跌幅>0。
(5)各產業的脫手時機
本研究根據上述的進場策略發現各產業較好的持有期間,香港市場所有產業最佳持有時間是1個月,而台灣市場則是金融市場2個月,其他市場則是6個月。
▲表1 與報酬顯著相關之變數
▲表2 台灣進場策略及最佳脫手時機
▲表3 香港進場策略及最佳脫手時機
以上僅是極為粗略的分析,若要實際應用於投資,還需透過更加嚴謹的分析過程。
立刻免費註冊會員觀看情緒指標: 馬上註冊去 !
去哪裡觀看情緒指標?: 馬上體驗IPO情緒指標
若喜歡本文,請關注我們的臉書 Please Like our Facebook Page:Big Data In Finance
留下你的回應
以訪客張貼回應