ここで:

• :

  mヶ月末におけるi番目の株式のアナリストカバレッジ。単純なアナリストカバレッジまたは合計アナリストカバレッジとして選択できます。この値は、mヶ月末に株式iをカバーしたアナリストの数を示し、株式に対する市場の関心を反映しています。ここで対数に1を加えているのは、COVが0の場合に対数が取れない状況を避けるためです。同時に、データの分布をある程度平滑化し、外れ値の影響を減らすこともできます。

• :

  mヶ月末におけるi番目の株式の時価総額の自然対数を取ります。時価総額は、企業の規模を反映しています。一般的に、時価総額の大きい企業は、より多くのアナリストの注目を集めます。したがって、時価総額の対数を説明変数として使用することで、企業規模がアナリストカバレッジに与える影響をコントロールできます。対数形式を使用することで、極端な時価総額の影響を減らすことができ、そのデータ分布を線形回帰の仮定により一致させることができます。

• :

  mヶ月末までの過去3ヶ月間のi番目の株式の1日平均回転率の自然対数です。回転率は株式の流動性を反映しており、流動性の高い株式は通常、市場でより人気があります。対数を取る目的は、極端な回転率の影響を減らし、その分布をより安定させることです。

• :

  mヶ月末までの過去3ヶ月間のi番目の株式のリターンです。株式のモメンタム効果は、過去に好調だった株式は将来も好調であり続ける可能性があることを示しているため、アナリストはそのような株式に注目する傾向があります。過去3ヶ月間のリターンをここで使用して、アナリストカバレッジの制御変数としてモメンタム効果を捉えます。

• :

  回帰モデルの切片項であり、すべての説明変数が0の場合のアナリストカバレッジの対数の期待値を表します。実質的には、時価総額、回転率、モメンタム効果が考慮されていない場合のアナリストカバレッジのベースラインレベルを表します。

• :

  時価総額の対数($SIZE_{i,m}$)の回帰係数は、時価総額の対数の単位変化ごとのアナリストカバレッジの対数の期待される変化を表します。この係数は、株式規模がアナリストカバレッジに与える影響の方向と程度を反映しており、正の値になると予想されます。つまり、企業の時価総額が大きいほど、アナリストカバレッジが高くなります。

• :

  過去3ヶ月間の1日平均回転率の対数($LNTO_{i,m}$)の回帰係数は、回転率の対数の単位変化ごとのアナリストカバレッジの対数の期待される変化を表します。この係数は、株式の流動性がアナリストカバレッジに与える影響の方向と程度を反映しており、正の値になると予想されます。つまり、株式の流動性が高いほど、アナリストカバレッジが高くなります。

• :

  過去3ヶ月間のリターン($MOM_{i,m}$)の回帰係数は、リターンの単位変化ごとのアナリストカバレッジの対数の期待される変化を表します。この係数は、株式のモメンタム効果（過去のパフォーマンス）がアナリストカバレッジに与える影響の方向と程度を反映しており、正の値になると予想されます。つまり、過去のパフォーマンスの良い株式ほど、アナリストカバレッジが高くなります。

• :

  回帰モデルの残差項は、時価総額、回転率、およびモメンタム効果では説明できないアナリストカバレッジ、つまりアナリストカバレッジ残差を表します。この残差項は、アナリストの選択バイアス、情報優位性、その他の行動を反映している可能性があり、このファクターの焦点でもあります。