本报告基于盈利预期调整事件构建了高效的量化选股因子,通过定义并改进FYR_DISP因子,结合时间加权与股价跟随性权重,显著提升多空对冲信息比率,同时引入分析师羊群效应、动量反转及大单资金流等风险因子进行组合增强,最终构建优选组合,实现超额收益稳定且显著提升,历史年化超额收益达26.9%,胜率超过72%
盈利预期调整的事件研究分析发现,盈利预期上调带来显著正的超额收益,而下调时效性较差,解释了下调效果弱的原因 :
盈利预期调整因子构建对比显示,分歧度标准化的FYR_DISP因子在信息比率和收益波动比方面优于基准FYR_PCT和FYR_STD :
| 因子名称 | 覆盖度 | IC | ICIR | 多空对冲收益波动比 | 多头收益波动比 |
|---|---|---|---|---|---|
| FYR_PCT | 35.18% | 3.69% | 1.85 | 2.19 | 0.85 |
| FYR_STD | 27.56% | 3.74% | 2.45 | 2.38 | 0.81 |
| FYR_DISP | 35.18% | 4.34% | 2.38 | 2.38 | 0.88 |
时间加权法(半衰期权重N=60)对FYR_DISP因子性能提升明显,组合加权Wδt后,多空信息比率从2.38提升至2.79,最大回撤降低到3.77% :
| 因子名称 | IC_IR | 年化收益 | 信息比率 | 最大回撤 |
|---|---|---|---|---|
| 原始FYR_DISP | 2.38 | 14.95% | 2.38 | 6.83% |
| Wt1加权 (N=60) | 2.46 | 15.26% | 2.63 | 4.42% |
| W△t2加权 (N=60) | 2.57 | 16.51% | 2.70 | 5.56% |
| Wt加权 (N=60) | 2.64 | 16.08% | 2.79 | 3.77% |
股价跟随性加权Wclose_herd显著提升因子ICIR,最佳参数A=0.2时,ICIR达到2.92,且多空信息比率最大达到2.86:
| 因子名称 | IC_IR | 年化收益 信息比率 | 最大回撤 |
|---|---|---|---|
| 原始FYR_DISP | 2.38 | 14.95% 2.38 | 6.83% |
| Wclose_herd加权(A=0.1) | 2.88 | 13.04% 2.53 | 4.07% |
| Wclose_herd加权(A=0.2) | 2.92 | 15.13% 2.86 | 3.70% |
| Wclose_herd加权(A=0.3) | 2.77 | 15.10% 2.62 | 5.63% |
| Wclose_herd加权(A=0.4) | 2.58 | 15.70% 2.60 | 6.24% |
预测准确度加权未能提升FYR_DISP因子效果,显示分析师预测准确度的持续性有限 :
结合时间加权和股价跟随性加权的FYR_DISP_strength因子表现最佳,多空信息比率提升至3.14,最大回撤降至3.92%,回测表现明显优于原始因子 :
选取FYR_DISP_strength因子排名前30股票构成核心股票池,绝对收益年化27.8%,对冲中证全指后年化收益24.4%,收益波动比2.17,选股效果明显:
| 组合 | 年化收益率 收益波动比 | 最大回撤 胜率 |
|---|---|---|
| 30 | 27.79% 1.02 | 63.33% |
| 60 | 24.08% 0.96 | 31.81% 63.33% |
| 90 | 21.68% 0.87 | 33.82% 63.33% |
| 预期调整大于0 | 16.13% 0.63 | 37.46% 63.33% |
| 中证全指 | 3.17% 0.14 | 51.30% 54.00% |
| 30对冲中证全指 | 24.38% 2.17 | 7.83% 77.33% |
分析师羊群效应因子 ΔCSAD_FR 在盈利预期上调样本池表现正向ICIR为0.60,能进一步识别信息分歧较大的股票:
反转动量因子中,理想反转因子及长端动量因子在盈利预期上调样本池也展示选股能力,分析师关联动量因子多空信息比率达0.85,事件收益动量因子达0.97:
结合动量因子与反转因子构建合成因子R−M,实现多空对冲信息比率1.30,作为风险因子用于后续组合增强:
资金流维度采用大单残差因子,在盈利预期上调样本池中表现较好,多空信息比率达1.76:
评级变动因子在盈利预期调整股票池中表现显著,评级上调对冲评级下调信息比率高达1.41:
预期ROE高低维度对组合增强效果较弱,高预期ROE组表现较好但多空对冲曲线表现不稳定,因而未纳入优化组合:
盈利预期调整优选组合构建策略:
(1)选取FYR_DISP_strength正值股票池;
(2)剔除评级非增持买入股票;
(3)剔除评级下调股票;
(4)剔除风险因子R−M与大单残差后10%分位的股票。
优选组合信息比率1.21,超额年化收益26.89%,胜率72.67%:
优选组合偏向大市值,行业集中于医药生物、食品饮料及机械设备:
报告以盈利预期调整事件研究为核心,从历年分析师对同一股票财年盈利预测的变动出发,对盈利预期调整比例进行定义和统计。发现:
基于朝阳永续数据,报告统计了分析师报告类型及时效性,确认分析师报告时效性较高(7天内存量95%),覆盖沪深300及中证500超70%以上,且分析师报告集中于财报发布期附近,数据质量高,具有研究价值。
报告定义盈利预期调整比例 ( FYR_PCT )为当日与最近过往预测间的财年盈利预期变化相对值。重要细节包括:
事件研究结果(图5)显示:
构建因子 ( FYR_PCT ) 的标准化方式为关键,共讨论三种:
表1中多指标综合比较显示:
分析师盈利预期调整的影响被赋予不同权重,三大维度探索:
表4显示不同加权组合的收益表现及回撤情况均较原始因子大幅提升,证明多因素加权路径合理。
报告选用改进后的 ( FYR_DISP_{strength} ) 因子构建样本股票池,以因子值最高的前30、60、90及大于0进行回测(图14及表5)。
结果显示:
报告进一步从以下四个维度挖掘风险与增强因子:
基于多维度风险因子构建风险剔除条件:
改进后30只股票组合对比原始组合,展示信息比率由1.07提升至1.21,整体超额收益稳定(图32),收益波动比高达2.58,胜率维持72.7%(表9)。组合表现优异且具有较低回撤。
组合偏向大市值股票,行业曝光集中在医药生物、食品饮料、机械设备等领域(图33-34)。
本报告不直接涉及公司估值,但对组合绩效(绝对收益、超额收益、收益波动比等)进行了细致量化评价。组合优化基于风险调整分层,即通过风险因子剔除潜在弱势标的,确保收益的稳健性和提升信息比率。
报告选股因子IC及ICIR等统计方法,统一以信息比率衡量其预测能力与风险调整后的稳定性,兼顾收益与回撤,选股数量敏感性分析体现稳健性原则。
报告明确风险提示:
本报告系统地分析了基于盈利预期调整的多维度选股模型和组合构建策略。核心发现包括:
综合而言,报告通过严谨的量化研究和丰富的实证检验,呈现了基于盈利预期调整构建优选组合的逻辑脉络和操作实践价值。成果不仅为投资者提供了有效的选股工具,也为学术及实务领域关于分析师预期解析提供了范例和借鉴。
(所有图表数据均来源于Wind、朝阳永续及开源证券研究所,时间区间2009-2022年), 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17]
总结:报告充分运用历史数据和多因子方法构建了基于盈利预期调整的优选组合,改进了因子计算方法,结合分析师行为特征、动量及资金流等多维度风险因子,实现组合稳健超额收益。该方法对于量化投资策略构建具有实务指导意义及较强的应用前景,同时也指出了分析师预期数据使用中的一些潜在限制和风险点。
如何基于盈利预期调整构建优选组合? | 开源金工.pdf