本报告系统分析了朝阳永续数据库中分析师一致预期相关因子及其环比增长率在A股全市场及行业中的表现。核心发现包括一致预期因子整体具有显著的选股能力,尤其是Con_PB_rel和Con_PE两个因子与股票收益呈显著负相关;而在银行及非银金融行业,传统选股因子效果有限,一致预期因子表现突出,可有效带来超额收益。采用逐步筛选法优化因子组合,实现模型拟合优度提升达7.49%。此外,报告详述了因子在不同行业中的覆盖率和有效性差异,并结合实证结果提供了投资策略建议,为投资者提供了基于分析师预期的因子投资新思路.
一致预期相关因子概况及计算方式:因子包含盈利预测、目标价、评级三类,重点考察因子绝对值及环比增长率两类指标。环比增长率因子以“_rel”作为后缀,如Con_EPS_rel代表一致预期EPS环比增长率 .
全市场选股效果:原始一致预期因子中,Con_Nprofit_growth、Con_PE、Con_PEG、Con_RR及Con_score的IC均显著异于0,环比增长率因子整体选股效果更佳,尤其是Con_PE_rel和Con_PB_rel,表现出较强的负相关性和选股能力。环比增长率因子反映当月分析师对公司价值的新信息,更受市场关注 .
表 2 一致预期因子全市场分组收益统计(部分)
| 因子 | IC均值 | 低、高因子收益差(月均) | 覆盖率 |
|---|---|---|---|
| Con_Nprofit_growth | 2.33% | -0.91% | 92.38% |
| Con_PE | -3.13% | 0.72% | 92.38% |
| Con_RR | 5.71% | -1.61% | 46.11% |
正交化处理后因子选股效果显著提升,剔除与传统因子(市值、反转等)相关性后,Con_Nprofit等因子IC超过7%,表现稳定。环比增长率因子部分受反转因子影响,正交后效果有所下降,但Con_EPS_rel、Con_Nprofit_rel、Con_Nprofit_growth_rel等依然显著 .
逐步筛选法筛选出7个有效因子,包括4个常见因子(市值Cap、换手率Turn、波动率Resvol、市值平方Cap^2)和3个一致预期因子(Con_PB_rel、Con_PEG、Con_ROE_rel)。去除覆盖率低的因子后,最终六因子模型包括Con_PE因子,拟合优度达7.49%。一致预期因子中的Con_PB_rel与Con_PE与股票收益呈现显著负相关关系,表明估值环比增长率较高对应未来收益较差 .
分行业分析显示,一致预期因子在银行、国防军工、非银金融等大盘行业覆盖率最高(超90%),覆盖率最低为综合行业(约70%);有效因子数量在机械、医药、电子元器件等股票较多的行业较多,而在煤炭、综合等较少。目标收益因子IC均值高但覆盖率低 .
银行业和非银金融行业中一致预期因子表现突出,常用选股因子效果不显著。银行行业主要有效因子是Con_PE,IC超过10%;非银金融行业有效因子是Con_PE_rel和Con_PEG,IC均值分别为6.9%和8.15% .
银行业选股效果:基于Con_PE构建多头-空头组合,月均超额收益1.14%,年化超额15.49%;对比中信银行指数超额月均0.50%,年化超6.84%,且不同选股数量下表现稳定。
表 8 银行业整体收益表现
| 指标 | 年化收益 | 月收益差 | 月胜率 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|
| 多头-空头 | 15.49% | 1.14% | 52.81% | -7.04% | 21.65% |
| 多头-中信银行指数 | 6.84% | 0.50% | 60.67% | -4.42% | - |
非银金融行业表现更佳,基于Con_PE_rel和Con_PEG的多头-空头组合月均超额2.26%,年化27.39%,胜率超过60%,选股数量变化对收益表现影响有限。
表 10 非银金融行业整体收益表现
| 指标 | 年化收益 | 月收益差 | 月胜率 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|
| 多头-空头 | 27.39% | 2.26% | 61.80% | -13.37% | 13.56% |
| 多头-中信非银金融指数 | 15.20% | 1.31% | 55.06% | -11.64% | - |
风险提示:市场环境变化、投资者偏好转变及数据结构调整均可能影响因子表现稳定性 .
报告标题: 选股因子系列研究(二十一)——分析师一致预期相关因子
分析师: 冯佳睿、罗蕾
发布机构: 海通证券研究所
发布日期: 2017年6月
主题: 研究分析师一致预期相关因子及其在A股市场尤其银行和非银金融行业的选股效果和投资价值。
核心论点概要:
报告系统性地研究并验证了分析师一致预期相关因子(主要包括盈利预测、目标价、评级等)及其环比增长率指标对个股未来收益的预测能力。结果显示,这些一致预期相关因子在全市场及多数行业均表现出显著的选股价值,特别是在银行和非银金融两个金融行业中,部分一致预期因子的选股效果优于传统因子,能够带来显著的超额收益。报告进一步通过逐步筛选法识别有效因子并构建多因子模型,强调一致预期PB(Price to Book)和PE(Price to Earnings)相关环比增长率因子为关键变量。同时,报告提出风险提示,警示市场环境和数据结构变化可能影响因子表现。,4,13]
本报告未直接展开传统估值方法(如DCF)分析,而是着重于选股因子构建及其异常收益研究,核心估值参考指标为一致预期PB和PE因子。通过因子分组和横截面回归,利用IC和多空收益差来量化因子价值。因子负相关关系体现价值投资逻辑,即低估值及合理增长预期的股票更可能获得超额收益。
逐步筛选法和正交处理确保因子独立性和新增信息贡献,提高多因子模型拟合质量(最高R²约7.7%)。模型敏感性体现在覆盖率变化对因子纳入和拟合度影响,覆盖率低的目标收益因子虽效果好,但限制了其在组合构建的普适性。整体反映的是基于量化因子构建的选股逻辑的估值视角,非传统现金流贴现模型应用。
报告指出以下主要风险因素:
报告未具体定义缓释策略,但显式提示了因子表现依赖于市场和数据环境的稳定性,呼吁投资者动态评估和及时调整模型参数。,17]
本报告全面系统地验证了分析师一致预期相关因子尤其是盈利预测及估值相关指标(Con_PB_rel和Con_PE)的全市场及行业层面有效性。环比增长率因子加强了因子的时效性和信息增量,且经过正交化处理,筛选出独立且贡献显著的有效因子。行业分析显示,银行和非银金融行业对一致预期因子的依赖和敏感性显著优于传统因子,实证构建的多空组合在这两大板块均取得优异的超额收益,夹带较高的统计显著性和可操作性。
图1所示逐步筛选过程体现因子逐渐叠加带来的解释力稳步提升;表2至表5详实展现多维因子统计指标的实证支持;图5至图8结合表8至表11具体论证了银行及非银金融行业实际盈利能力;附录表12至表13则丰富了行业维度因子有效性与覆盖度的细节,大幅增强理解全市场多行业的应用深度。
报告整体客观严谨、数据扎实,强调一致预期数据作为投资参考的重要性,建议投资者关注因子动态调整与市场环境变化风险。报告的结论性推荐隐含对一致预期PB和PE相关环比指标的高度认可,特别推荐结合行业特征优化策略以实现长期稳定超额收益。–17]
请参阅以下关键图表,直观感受数据表现:
图1:逐步筛选过程中拟合优度变化
图5 银行业多头组合相对空头组合收益表现
图6 银行业多头组合相对中信银行指数收益表现
图7 非银金融行业多头组合相对空头组合收益表现
图8 非银金融行业多头组合相对中信非银金融指数收益表现
海通证券研究团队通过结构化、量化方法,对分析师一致预期相关因子进行了深度挖掘和实证验证,不仅丰富了中国市场的因子投资理论和实践经验,也为投资者提供了具体可操作的策略工具。特别是,金融行业中一致预期因子的明显优势,为专业投资者提供了重点关注此类因子的强有力论证。
本报告结合多维实证数据和因子构建逻辑,通过严谨的方法论和详尽的数据支持,彰显了一致预期因子在A股投资中的重要角色及其行业差异性表现,具有较高的理论价值和实务指导意义。投资者应根据自身风险偏好和市场环境,灵活应用一致预期因子构建多因子组合,动态监控因子表现和市场风险,才能有效捕捉潜在超额收益。
【全文完】
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]
海通选股因子系列研究21:分析师一致预期相关因子.pdf