本报告详细定义了分析师净利润超预期幅度因子ESP,通过统计超预期股票的收益特征,发现在全市场及2017年以来,低估值(EP_TTM)和近期负收益率是超预期股票收益的重要解释因子。基于此,构建了超预期20组合,该组合在2009-2019年间年化收益27.43%,相对中证500年化超额收益22.81%,风险控制良好,主要由超预期风格驱动,适合用作中证500指数增强补充策略
报告标题:分析师超预期因子选股策略——因子深度研究系列
发布机构:中信建投证券研究发展部金融工程团队
发布日期:2020年4月2日
主要作者及联系方式:丁鲁明(首席分析师,dingluming@csc.com.cn),陈升锐(chenshengrui@csc.com.cn)
研究主题:构建基于“分析师超预期幅度因子”(ESP因子)的量化选股策略,分析该因子的定义、股票收益特征及具体选股策略的实证效果。
报告核心论点在于定义并量化了精确到单季度的分析师超预期幅度因子(净利润超预期幅度ESP),结合两个关键风格因子——估值因子EP_TTM和过去一个月收益率,筛选构建“超预期20”股票组合。该组合在2009年至2019年间取得年化收益率27.43%,明显超越中证500指数,实现稳定超额收益,且夏普比率高达1.85,表现稳健。, 3, 17, 19, 20, 21]
报告明确了核心的ESP因子计算方法:
[ ESP = \frac{单季度实际净利润 - 单季度预期净利润}{|单季度预期净利润|} ]
计算流程核心在于:
报告通过流程图(图1)详细展示了数据计算逻辑和因子构建细节,确保了预测值的时效性及准确反映。
以两个典型公司贵州茅台和森马服饰为例(图2、图3),对超预期发生月份的次月收益进行统计,分别展示了22次与16次超预期中,绝大多数次月股价表现为正,最高单月收益可达20%以上,次月负收益较低(最低-2%至-4%),体现了超预期的短期显著提振效应。
扩大样本,发现70%以上超预期股票在次月相对市场基准(Wind全A)呈现超额正收益,显示该因子具备较好的市场收益驱动力。
月度分布统计显示4、8、10月发布季报集中,样本数最多(图4),波动偏少的月份样本少,因而后续量化策略进行了月份覆盖调整,保证样本均衡性。
收益表现随月份变化,1、2、5月超预期股票的平均绝对收益和相对超额收益明显较高(图5、图6),但受样本数量影响较大,因此未直接用于策略筛选。
不同报告类型的超预期股票数量和收益表现差异显著:定期报告超预期股票数量最多(图7),但业绩快报和业绩预告报告的超预期股票平均超额收益更高(2.0%、1.4% vs 0.57%)(图8),原因在于快报和预告信息先于定期报告被市场消化,价格反应提前完成。
季报维度分析显示,年报超预期股票无论绝对收益还是超额收益均明显优于一季度至三季度报告(图9、图10),反映投资者对年报超预期的关注度更高。
当年首次超预期股票收益最高,次次发生后的超预期收益明显递减(图11),体现价格对首次超预期的敏感而后续逐步“吸收”信息。
在风格因子解释超预期收益时,报告分别从全样本和2017年后两个时段着手分析。
综上可见,选股时EP_TTM和过去一个月收益率构成核心的风格过滤因子, 11, 12, 13, 14, 15, 16, 21]。
为保证策略月度因子覆盖,优化样本数不足带来的信号稀缺,采用了不同月份覆盖范围扩展方式(4、8、10月只用当月样本,5、9、11月用两个月,1、7月用四个月等),实现因子覆盖度平均约62%(图25),达到基本覆盖要求。
选股逻辑:
实证结果显示:
此外,通过对比“超预期20组合”与简易的低估值超跌股票组合,发现超预期风格贡献稳定超额收益(图29、图30),剔除估值及反转因子影响后,超预期因子仍表现突出,凸显该策略因子独立价值, 20]。
报告未涉及传统公司估值方法的详细说明(如DCF或P/E估值),但重点在于因子选股的统计套利角度,估值风格因子EP_TTM(市盈率倒数)被用于风格筛选。EP_TTM作为估值指标的核心假设是价值投资低估值公司具有更高未来收益空间,而结合超预期幅度因子筛选,则是在低估值背景下捕捉分析师业绩超预期的新增信息驱动收益,增加投资组合的收益稳定性和提升超额收益水平, 16, 21]。
报告虽未专门系统列出风险章节,但间接涉及风格因子有效性可能受市场风格转换(2017年后部分风格因素失效)影响,以及样本月份分布不均导致因子覆盖不足风险,并通过月份合并及样本池筛选措施积极加以缓解。此外,组合投资策略剔除停牌、新股、ST及涨跌停个股降低流动性和监管风险。夏普比率及超额收益回撤指标也体现策略风险调整后性能较佳, 16, 19, 20]。
以上不足之处是量化因子研究特有的局限,提醒实际使用需结合多方面分析, 16, 21, 23]。
中信建投证券本报告系统定义了基于单季度净利润超预期幅度的ESP因子,阐述其科学的计算方法及预测净利润构建流程。通过对超预期股票在市场中分布及收益表现的详尽统计,报告确认超预期事件在短期内对股价有显著的正向推动作用,超过70%的股票在超预期月份后表现出正超额收益。
对多种风格因子如预测机构覆盖、行业、市值、常见成长及质量因子、动量与技术指标的分层测试表明,只有估值风格因子EP_TTM和过去一个月收益率两个因子能稳定且显著地解释超预期股票的收益来源。基于此,报告构建了“分析师超预期20”股票组合,通过每月底基于低估值、超跌股票样本池筛选净利润超预期幅度最大的前20只股票,组合在2009-2019年实现总体年化回报27.43%,较中证500指数超额22.81%,表现卓越且风险调整后稳定(夏普比率1.85)。
该策略通过充分利用分析师业绩预期的超预期幅度信息,结合该信息背后的估值与动量风格,有效捕获了市场预期修正带来的统计套利机会。尽管因子覆盖低于部分传统因子,策略仍表现出较强的独立超额收益能力,且多数年份均保持对中证500的稳定超额表现,能够作为指数增强的有效补充组合。
报告对大量图表数据进行了详尽分析,为策略的因子选取、模型构建及表现验证提供坚实的数据支撑和理论依据。该研究成果具有较强的实操指导价值和学术研究意义,适合量化投资者关注和采用。
综上,报告立场明确,推荐积极关注基于分析师超预期幅度(EPS)及低估值与超跌风格组合的选股策略,并对其作为中证500增强投资组合的重要组成部分持肯定态度。
图1:分析师超预期幅度因子定义
图2:贵州茅台超预期收益统计
图26:ESP因子五分位测试结果
图27:分析师超预期20组合绝对收益净值
图30:分析师超预期20组合相对低估值超跌股票组合超额收益净值
本分析基于报告全文逐页溯源、详尽解读,旨在全面呈现研究成果及其实际应用价值。
金融工程深度报告:分析师超预期因子选股策略.pdf