本报告基于分析师预期修正的理论框架,通过对预期EPS、净利润及目标价四阶段划分的趋势性和阶段行为研究,构建多层次分析师预期修正动量选股策略。研究发现,分析师预期反映了行业和个股的超前信息,预期均值及其离散度变化表现显著趋势性,尤其是在EPS和净利润指标上。基于2009年至2019年十年数据,P1阶段组合的年化超额收益最高,且多因子、多财年叠加能进一步增强收益效果,最终策略结合动量反转指标,2019年超额收益达21%,夏普比率高达4.78,具有较强的稳定性和显著的超额收益表现,适合构成量化基本面投研核心因子之一
分析师预期数据覆盖率与趋势性:朝阳永续和Wind数据覆盖度均超过50%,朝阳永续覆盖度更高约75%,分析师预期修正体现为预期均值的趋势性调整,EPS、净利润和目标价的上调和下调均显示显著的趋势性。以预期EPS为例,当期预测上调,次期继续上调概率为59%,下调概率为31%
预期修正四阶段划分:预期上调分为P1(均值与离散度上升)和P2(均值上升离散度下降)阶段,预期下调分为P3(均值下降离散度上升)和P4(均值与离散度下降)阶段,均值与离散度变化共同决定阶段划分,且各阶段预测趋势显著
各阶段股票价格案例表明,预期上调阶段(P1、P2)对应后期股价上涨,预期下调阶段(P3、P4)对应后期股价下跌,如平庄能源、华宇软件案例验证
FY1预期EPS与净利润选股策略表现突出,P1阶段股票年化超额收益分别达12.22%和11.33%,夏普比率均超过1.2,目标价指标分层效果较差,故后续重点选用EPS和净利润因子
| 分析师预期阶段 | P1 | P1&P2 | P2 | 不变 | P3 | P3&P4 | P4 |
|---|---|---|---|---|---|---|---|
| EPS FY1年化收益% | 12.22 | 10.48 | 8.62 | 7.87 | 2.06 | 2.47 | 2.59 |
| EPS FY1夏普比率 | 1.59 | 1.30 | 0.98 | 0.54 | 0.19 | 0.24 | 0.26 |
| 净利润 FY1年化收益% | 11.33 | 9.95 | 7.93 | 6.61 | -0.42 | 1.42 | 2.69 |
| 净利润 FY1夏普比率 | 1.27 | 1.10 | 0.84 | 0.44 | -0.04 | 0.15 | 0.29 |
FY2预期EPS和净利润选股策略因子表现与FY1相似,P1阶段年化超额收益分别为13.38%和12.16%,显示两个财年的预期修正含有相似投资信息
| 指标 | P1 | P1&P2 | P2 | 不变 | P3 | P3&P4 | P4 |
|---|---|---|---|---|---|---|---|
| EPS FY2年化收益% | 13.38 | 10.77 | 7.92 | 7.00 | 0.44 | 2.12 | 3.39 |
| EPS FY2夏普比率 | 1.63 | 1.28 | 0.88 | 0.48 | 0.04 | 0.21 | 0.34 |
| 净利润 FY2年化收益% | 12.16 | 10.39 | 7.80 | 5.92 | 0.05 | 0.98 | 1.53 |
| 净利润 FY2夏普比率 | 1.30 | 1.12 | 0.82 | 0.40 | 0.01 | 0.11 | 0.16 |
FY1与FY2预期EPS叠加选股组合效果更佳,P1组合年化超额收益升至16.34%,夏普比率1.89,且P1-P3多空组合年化多空收益高达17.00%,策略有效性显著提升
EPS FY1,2叠加预期净利润FY1或FY2进一步叠加带来的收益改善有限,因预期EPS与净利润信息重合度较高,推荐采用EPS FY1,2+净利润FY1作为主要选股因子
结合短期反转动量指标(过去1个月跌幅最大50%叠加至P1组合,过去1个月涨幅最大50%叠加至P3组合),年化超额收益达18.99%,夏普比率1.7,且多空组合收益高达36%,极大提升策略表现
| 组合阶段 | 1个月叠加年化收益% | 夏普比率 |
|---|---|---|
| P1阶段 | 18.99 | 1.70 |
| P3阶段(空头) | -14.08 | -1.01 |
| 多空组合P1-P3 | 36.03 | 2.45 |
各年度超额收益统计显示,除2014年及2017年表现稍弱,其他年份均表现优异,2019年7月底累计超额收益高达21%,夏普比率4.78,验证策略稳健性及持续盈利能力
| 年度 | 超额收益% | 年度波动% | 夏普比率 | 最大回撤% |
|---|---|---|---|---|
| 2010 | 25.11 | 8.46 | 2.97 | 1.25 |
| 2013 | 37.40 | 7.85 | 4.77 | 7.23 |
| 2015 | 69.41 | 14.33 | 4.84 | 13.98 |
| 2019(截止7月) | 20.52 | 4.30 | 4.78 | 2.90 |
总结:分析师预期修正及其离散度构成四阶段划分,反映分析师对股票的不同预期态度,上调对应未来股价上涨,下调对应下跌。选用FY1和FY2的预期EPS及FY1预期净利润构建策略,叠加短期反转动量信号进一步提升表现,策略年化超额收益稳定且夏普比率较高,适合多因子量化选股体系搭建,并反映了分析师预期调整对市场的先行信息价值
报告标题: 分析师预期修正动量效应选股策略——因子深度研究系列
作者/分析师: 丁鲁明(首席分析师)、陈升锐
发布机构: 中信建投证券研究发展部 - 金融工程研究团队
发布日期: 2020年1月17日
研究主题: 本报告重点研究分析师预期修正效应,结合分析师预期数据(主要是EPS、净利润和目标价)构建多阶段选股策略。研究涵盖分析师预期修正的四个阶段划分、其对股票价格的影响、基于预期修正构建的单指标和多指标选股策略,并进一步融合短期动量反转因子,优化策略收益表现。
核心论点:
证券分析师因与行业联系紧密具备领先信息优势,预期调整趋势显著,且市场上整体预期(分析师一致预期均值)变化对下一时期预期具正反馈效应(趋势性)。
这体现为:预期值(如EPS、净利润、目标价)当月上调,则下一月仍有较高概率继续上调;当月下调,下一月仍较可能继续下调。
分析师预期修正指标具备趋势性,可作为后续构建股票选股因子的重要依据。
将预期调整细化为四阶段:
该细分提供了更精确的预期趋势指示。
利用分析师预期的均值和离散度划分的四阶段模型,能更精准捕捉信息对股价的影响,P1和P3阶段分别代表乐观与悲观的早期信号,有明确的投资价值。
通过案例展示,分析师预期上调(P1、P2阶段)如平庄能源、中泰化学、东港股份等个股,股价在预期上调后出现明显上涨;预期下调(P3、P4阶段)如华宇软件、海亮股份,股价则出现不同程度下跌,验证理论的实际效果。
根据分析师预期修正四阶段,将股票按阶段分组构建等权资产组合,并对组合的年化超额收益、夏普比率、最大回撤进行比较。
图9(预期EPS FY1超额收益组合净值图)显示P1组合净值稳健且持续攀升。
从第一财年预期修正看,P1阶段股票的表现最佳,预示分析师初步上调预期为买入信号。
对FY2指标(EPS和净利润)进行单因子分析,发现:
第二财年分析师预期修正带来类似信息,具有独立参考价值。
通过取FY1和FY2同处阶段(如均为P1)的交集股票构建组合,提升选股准确度。
图14净值曲线显示复合指标组合稳健且收益明显。
复合两财年预期修正指标显著提升选股策略绩效。
在上述复合FY1、FY2 EPS基础上,叠加FY1或FY2净利润修正指标:
图15-17分别为不同叠加组合净值对比,趋势明确。
结合A股市场显著的动量反转效应,将过去1个月表现最差的股票(P1阶段)纳入组合,同时将过去1个月表现最好的股票纳入P3阶段卖空组合。
报告总结了分析师预期修正具有高度可预测性和趋势性,尤其在EPS和净利润指标上表现明显。
四阶段模型提供了更细化的预期调整划分,投资者可通过结合历史数据和图表,利用P1阶段股票作为买入信号。
通过叠加多财年指标,实现策略优化,并进一步加入动量反转因子显著提升超额收益和夏普比率。
推荐最终组合为EPS FY1,2指标叠加净利润FY1以及一个月动量反转指标。
该组合在十年历史回测中表现稳健,年度绝大多数年份获得显著超额收益。
报告也严谨说明了研究的数据来源及方法,强调分析师预期修正的领先市场特性,证实理论具有实证基础。
对目标价指标有限的预测力做了客观评估,避免模型复杂度冗余。
报告核心为量化选股模型构建,利用分析师预期调整的统计学规律进行单因子和多因子叠加选股。文中未见DCF、PE、EV/EBITDA等传统估值模型具体应用或讨论。估值核心是基于分析师预期修正产生的趋势性信号,作为选股因子驱动股票价格后期表现的概率性质推断。
报告未专门章节详细罗列风险,但隐含风险包括:
缓解方法包括依赖多个指标叠加、短期动量反转结合及验证长期稳健数据。
本报告系统地研究了分析师预期修正的趋势性及其对股价的领先指示作用。通过详细的统计分析和阶段划分,确认预期EPS、净利润和目标价三大指标中,EPS和净利润预期修正对后续超额收益预测更为有效。基于2009年至2019年的十年月度数据,报告分别构建了单因子、多因子及多财年叠加的动态选股组合。
关键深刻见解包括:
综合评级建议: 强烈推荐基于分析师预期修正的多财年EPS叠加净利润结合短期动量反转的P1阶段选股策略,作为投资者量化选股工具。该策略不仅具有稳健的理论支持和丰富的实证案例,而且在长期历史数据中表现优异。
该报告基于丰富的实证数据和合理的理论框架,条理清晰,逻辑严密,数据详实而充分,重点突出。通过分阶段细化预期修正,结合多因子叠加和动量因子融合,形成系统的量化选股策略,报告为投资者提供了一套切实可行的策略框架,具有高度的研究和实战应用价值。
,1,4,5,6,7,8,9,10,11,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34]
中信因子深度研究系列7:分析师预期修正动量效应选股策略.pdf