本报告提出分析师盈利预测上调的FOM指标,该指标基于当前分析师盈利预测与过去自身及其它分析师预测的对比,反映市场预期变化。结合财报预告、快报数据进一步完善因子构建,实证显示FOM因子覆盖度高,表现稳定优于传统WFR因子,且能保持较好选股能力和风险调整收益,适用于A股股票池的量化选股。
1.1 分析师盈利预测上调概率(FOM)
传统指标WFR基于单一分析师的时间序列盈利预测调整,计算每个分析师的预测变动幅度。
本文提出FOM指标,其计算基准为当期最新的分析师盈利预测,与该分析师过去及其他分析师过去预测的净利润进行横向比较。
FOM值计算公式为:
FOM=(κ−M)/NFOM取值范围[-1,1],越大表示盈利预测越被上调;1代表所有过去预测均低于当前预测;0代表上调和下调比例相等。
1.2 融合年报、快报、预告数据
数据源说明
样本覆盖度
(图7-8)展示了样本数随时间变化趋势。
因子表现 - 计算周期选择
公告数据的影响
缺失值处理效果
股票池差异
时间序列表明FOM因子多空组合净值稳健上升,最大回撤明显低于WFR,风险调整后更具吸引力。
分组收益分析中,FOM因子呈现较好单调性:盈利预期上调幅度大的股票往往在未来表现更优异,多头收益明显高于空头,凸显多头端贡献明显。
WFR因子空头及多头端收益相对持平,且部分分组收益也出现异常,显示FOM因子的风险调整收益及稳定性更为突出。
FOM与WFR原始因子相关系数约40%,但与传统市值、成长、盈利、流动性等大类因子相关性普遍较低,说明其提供了相对独立的信息来源。
通过截面回归正交化试验:
FOM剔除WFR后仍具有显著的选股能力(IC约2%,tstat达6以上)。
相反,WFR剔除FOM后选股能力显著下降,接近无效。
两因子剔除常见其他大类因子后均失去选股显著性,表明盈利上调因子主要信息已由FOM表示。
结论印证FOM因子在分析师盈利预测调整中具有更强的信息整合和解释能力。
图0(封面):中证800成分的多空组合净值对比,红色线(FOM因子)较灰色线(WFR因子)表现更稳健,且最终收益更高。(2009-2021年数据)支持FOM因子的优异长期表现。
图1-3:业绩预告披露量逐年上升及覆盖范围扩大,集中在年初和年末月份,精度逐步提升,偏误由40%大幅降至10%以下,表明业绩预告越来越被市场和公司重视。
图4-6:业绩快报披露覆盖度较预告略低,时间上较早发布,准确度更高,偏误仅1%左右。
图7-8:FOM因子与WFR因子的样本覆盖和月份分布对比,显示FOM样本数量与覆盖度均优于WFR。
图9-11:不同计算周期与缺失值处理方法影响因子表现。明显12个月计算周期及回归法填充缺失值的FOM因子表现最优,ICIR稳定在三以上。
图12-15:行业、市值、机构持仓占比细分下因子表现,证实FOM因子在多种细分层面均有稳定收益能力,尤以高机构持仓股票中表现优异。
图16-19:时间序列净值曲线展现FOM因子在不同股票池中的稳定增长及低回撤,胜过WFR。
图20-21:分组年化收益分析,两者均呈现盈利上调程度与未来回报呈现正相关,FOM因子表现单调性更佳,多头端贡献更明显。
图22-23:因子相关性矩阵及正交回归残差选股表现,突显FOM因子独立信息贡献及其剔除WFR后仍有效性。,4-6,7-8,9-11,12-14]
本报告为因子研究报告,主要聚焦于因子构造、表现及稳定性评估,未涉及传统公司估值模型(如DCF、市盈率等)内容,故无估值分析环节。
量化模型历史有效性的风险:基于历史数据构建的量化模型未来可能面临失效的风险,建议投资者动态追踪模型表现及时调整策略。
市场极端情况影响:极端市场环境可能导致模型表现剧烈波动甚至亏损,需警惕系统性风险的冲击。
报告未明确提供缓释措施,但通过对比不同缺失值填充技术及多种股票池和分组分析,试图提升模型稳定性,降低风险。,15]
假设依赖性:FOM因子依赖于分析师覆盖的广泛性和预测数据的准确性,若覆盖不全或分析师行为出现重大变异,可能影响指标有效性。
数据时点调整:用4月30日作为报告期切换点的统一处理,可能忽略不同公司财报发布时间差异,导致部分年份数据错配。
行业覆盖和异质性:部分行业(如家电)中WFR表现明显优于FOM,表明单一因子不完全适用所有行业,需要组合多因子策略。
缺失值填充方法:回归填充虽提升数据完整性和模型稳定性,但可能引入模型误差,调优和验证缺失值处理方法重要。
因子相关性与独立性:FOM和WFR有约40%相关,但进一步去除WFR后FOM仍显著,显示其信息增量;然而剔除其他大类因子后有效性降低,说明盈利预测调整因子与部分传统因子存在一定信息重叠。,13,15]
本报告系统且全面地阐述了分析师盈利预测调整信息的两种主要量化因子——传统WFR因子和新提出的FOM因子的定义、构造及实证表现。FOM以对比当前分析师最新盈利预测及其过去及其他分析师历史预测的净利润上下变化比例为基础,融入了业绩预告、快报和实际年报公布的财务数据,使用过去12个月内所有预测数据进行计算,展现了更高的覆盖面、更优的因子表现指标(IC、ICIR、tstat)和更稳定的风险调整收益(夏普比)。FOM因子能在多个股票池、不同行业及机构持仓层次内保持稳健效应,且多空组合最大回撤较WFR更小,风险控制能力突出。
图表数据印证了FOM因子覆盖度优于WFR,纳入公告信息后因子表现获得显著提升,时间序列及分组收益分析证明了FOM因子在信息单调性和多头贡献方面更为理想。相关性和正交分析表明FOM因子具备更多独立有效的信息增量,是选股策略中的重要因子。风险提示及缺失值处理揭示了量化模型的现实局限及改进方向。
总之,本报告提出的FOM盈利预测上调因子作为一个信息集成度更高、效果更为稳健的盈利调整因子,对于量化选股框架的构建提供了重要工具,并具有较好的应用前景。
(表格详见报告8页)
本报告通过多维度、细致的统计分析和实证测试,确认了FOM因子作为分析师盈利预测调整的优选指标的有效性和稳健性,为投资者在量化选股模型构建中提供了含金量极高的工具。建议结合持仓结构及行业特性,综合运用,以获得最佳投资效果。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
因子选股系列研究之七十三:更稳健易算的分析师盈利上调因子.pdf