本系列研究的主要目的是寻找有α贡献的研究报告及其体现的特征。在券商月度金股场景下，历史胜率这单一指标受行业β影响，无法稳定辨识出有稳定α的股票推荐。此外，由于金股数据研究对象的局限性，无法充分反映出日常股票推荐的成功率。因此考虑构建全市场评级报告数据库，尝试突破金股场景的约束。
　　评级报告数据库
　　整理2015年1月至2023年2月公司评级报告共38万条，并匹配对应的交易数据、行业数据。在此基础上，联动使用评级变更和目标价调整作为评级报告观点的代理变量，并量化评级报告观点准确率。最终，形成36个字段的评级报告数据库。
　　评级报告特征分析
　　评级报告的研究对象分布存在典型的2/8效应，少部分股票获取了绝大多数的研究关注，可能存在大量股票有待被研究挖掘；评级报告的发布存在滞后，整体上，在评级变更前，股票价格已经有所反应；评级观点和评级变更分布不对称，高度集中于个别评级，如买入和维持。
　　评级调高事件占优
　　对不同评级、评级变更发生后的股票群体收益率进行描述性统计，发现评级调高事件相对于其它事件的预期收益率有显著优势。评级上调后，整体上，股票群体60交易日后的平均收益率为5.26%。
　　过往难以预示未来
　　按过往推荐准确率分组，持有各组别报告推荐的股票，进行分层组合测试和单调性测试。测试结果显示，过往推荐准确率高的分组所推荐的股票组合难以对过往推荐准确率低的分组产生超额收益。
　　相似度评价指标
　　相似度评价指标为甄别评级报告提供了增量信息。通过自定义目标收益率矩阵和权重序列，计算目标矩阵和分析师矩阵的相似度，投资者可以寻找推荐“习惯”契合自身风险收益目标的分析师群体。
　　风险提示
　　本文结果基于历史数据建模推算，未来实际情况的不确定性与模型推测结果存在偏差，不作为投资参考建议。
　　模型测算风险：超参数设定对模型结果有较大影响；收益指标等指标均限于一定测试时间和测试样本得到，收益指标不代表未来。
　　本文短期中期时间设定仅为本文根据分析情况自行设定，结果可能存在一定偏差。