开源量化评论（60）：盈利预期调整优选组合的构建

金融工程专题 2022年08月06日 金融工程研究团队 盈利预期调整优选组合的构建 ——开源量化评论（60） 魏建榕（分析师）盛少成（联系人） 魏建榕（首席分析师） 证书编号：S0790519120001 weijianrong@kysec.cn 证书编号：S0790519120001 盈利预期调整事件研究 shengshaocheng@kysec.cn 证书编号：S0790121070009 张翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（研究员） 证书编号：S0790121070009 苏良（研究员） 证书编号：S0790121070008 相关研究报告 通过对比分析师对股票在当日所在年份的前后两次预测财年数据，我们定义了盈利预期调整比例，并从事件研究角度发现如下结论：1、盈利预期调整比例在0附近的数量较高；2、盈利预期上调往往能够获得更大超额收益，且上调的分层效果比下调的效果更好；3、下调分层效果较差的原因：时效性更低。 盈利预期调整因子的生成及改进 在因子的生成上，标准化方法为影响因子效果较为关键的因素，我们讨论了3种方式，并从因子覆盖度、ICIR以及分组回测绩效综合比较，最后采用分歧度标准化方式定义的FYR_DISP；在因子的改进上，我们讨论了分析师行为对于该因子的影响，并从时间加权、股价跟随性加权、预测准确度加权三大维度给出了尝试，改进后因子𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ多空对冲信息比率从2.38提升至3.14。 盈利预期上调股票池增强探索 在做增强之前，我们发现𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ本身的效果已经较好，以因子值较大 的30只股票池为例，其绝对收益年化27.8%、收益波动比1.02，对冲中证全指后的年化24.4%，收益波动比2.17。 进一步地，我们从分析师羊群效应、动量与反转、资金流强度、其他预期维度的关联这几大方面对盈利预期上调股票池尝试增强。对于分析师羊群效应CSAD_FR，我们借用了刻画交易羊群效应CSAD指标的定义，并发现∆𝐶𝑆𝐴𝐷_𝐹�存在正向选股效果，多空对冲信息比率为0.60；在盈利预期上调股票池内，反转因子我们采用理想反转因子的M_high部分，动量因子采用长端动量、分析师关联动量和事件收益动量，接着我们将反转和动量因子合成，合成因子R_M多空对冲信息比率为1.30；在资金流强度层面，我们直接使用大单残差，多空对冲为1.73；在与其他预期维度的关联上，我们主要考虑评级变动和预期ROE高低，结果发现：1、评级变动有明显分层效果，评级上调对冲评级下调后的信息比率为1.41；2、高预期ROE组的表现会好于低预期ROE组，但多空对冲的曲线并 不稳，尤其近1年产生较大回撤。 《业绩超预期Plus组合的构建—开源量化评论（25）》-2021.7.7 《A股市场中如何构造动量因子？—开源量化评论（3）》-2020.7.21 《A股反转之力的微观来源—市场微观结构系列（1）》-2019.12.23 《大单与小单资金流的alpha能力—市场微观结构系列（12）》-2021.6.2 在上述的分析中，我们发现动量与反转综合因子R_M、大单残差以及评级变动因子效果较好，后续我们利用其作为风险因子进行组合增强。 盈利预期调整优选组合的构建 （1）确立初始股票池：选取𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ大于0的股票池； （2）剔除该股票池评级为非增持和买入的股票； （3）剔除评级下调的股票； （4）剔除位于风险因子R_M以及大单残差后10%分位的股票。 改进后的盈利预期调整优选组合相比于原始组合绩效明显更好，信息比率达到 1.21。从超额收益来看，所有年份都录得了正超额，全区间的年化超额收益率 26.89%，收益波动比为2.58，胜率72.67%。 风险提示：模型测试基于历史数据，在市场波动不确定性下可能存在失效风险。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、朝阳永续一致预期数据概览4 2、盈利预期调整：事件研究与因子的构建5 2.1、盈利预期调整事件研究：盈利预期上调有明显超额5 2.2、盈利预期调整因子的构建：分歧度标准化更有效7 2.3、FYR_DISP的改进：时间、股价跟随性、预测准确度7 3、盈利预期上调股票池增强探索：优选组合的构建11 3.1、分析师羊群效应：∆𝐶𝑆𝐴𝐷_𝐹�多空对冲信息比率0.6012 3.2、盈利预期上调样本池内的动量与反转：R_M多空对冲信息比率1.3013 3.3、资金流维度：大单残差多空对冲信息比1.7616 3.4、与其他预期维度的关联：评级变动和预期ROE高低17 3.5、盈利预期调整优选组合：超额信息比率2.5820 4、风险提示22 图表目录 图1：点评类报告数量最多4 图2：分析师报告在财报发布日前后数量较多4 图3：创建与入库时间差7天以内占到95%5 图4：主流宽基指数覆盖率较高，全A覆盖率下滑明显5 图5：分析师盈利预期上调往往能够获得更大超额收益6 图6：盈利预期下调样本数略高于上调样本数6 图7：下调盈利样本时效性更低6 图8：时间加权间隔示意图8 图9：𝑊∆𝑡1加权下FYR_DISP的ICIR有一定程度提升8 图10：𝑊∆𝑡2加权下FYR_DISP的ICIR提升明显8 图11：股价跟随性𝑊𝑐𝑙𝑜𝑠𝑒_ℎ𝑒𝑟�加权下FYR_DISP的ICIR提升明显9 图12：预测准确度𝑊𝑐𝑙𝑜𝑠𝑒_𝑐𝑜𝑟𝑟𝑒𝑐�加权下FYR_DISP的ICIR没有提升10 图13：结合时间和股价跟随性加权的𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ多空对冲信息比率从2.38提升至3.1411 图14：𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ本身的分层效果已非常优异12 图15：盈利预期上调样本池中，∆𝐶𝑆𝐴𝐷_𝐹�的ICIR为正13 图16：盈利预期下调样本池中，∆𝐶𝑆𝐴𝐷_𝐹�的ICIR为负13 图17：盈利预期上调的样本池中，∆𝐶𝑆𝐴𝐷_𝐹�多空对冲信息比率为0.6013 图18：盈利预期下调的样本池中，∆𝐶𝑆𝐴𝐷_𝐹�多空对冲信息比率为0.7513 图19：在分析师盈利上调样本池中，分析师关联动量多空对冲信息比0.8515 图20：在分析师盈利上调样本池中，盈利预期调整日当天的ICIR最高15 图21：在分析师盈利上调样本池中，盈利预期调整OER因子多空对冲信息比0.9715 图22：在分析师盈利上调样本池中，反转与动量合成因子R_M多空对冲信息比1.3016 图23：在分析师盈利上调样本池中，不同事件交易日的大单残差选股效果并没有表现出特别明显的差别16 图24：在分析师盈利上调样本池中，大单残差多空对冲信息比1.7617 图25：评级为增持和买入的数量最多17 图26：评级不变的占比较多17 图27：在分析师盈利上调样本池中，评级上调对冲评级下调后的信息比率为1.4118 图28：高预期ROE组中Ln(PB)与预期ROE拟合β为0.51，𝑅2为0.2618 图29：低预期ROE组中Ln(PB)与预期ROE拟合β为0.36，𝑅2为0.1318 图30：在盈利预期上调样本池中，高预期ROE分组下的Ln(PB)与预期ROE回归斜率更大19 图31：在盈利预期上调样本池中，高预期ROE的表现会好于低预期ROE组，但多空对冲的曲线并不稳19 图32：以30只股票池为例，增强后的组合信息比率提升明显20 图33：盈利预期调整优选组合整体偏向于大市值股票22 图34：盈利预期调整优选组合在医药生物、食品饮料、机械设备等行业暴露较多22 表1：三种标准化方式对比下，FYR_DISP效果最好7 表2：合成𝑊∆�加权下的FYR_DISP多空对冲信息比率从原始的2.38提升至2.798 表3：股价跟随性𝑊𝑐𝑙𝑜𝑠𝑒_ℎ𝑒𝑟�加权下的FYR_DISP多空对冲绩效提升明显9 表4：不同加权方式下的绩效皆有提升，𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ效果最好11 表5：𝐹𝑌𝑅_𝐷𝐼𝑆𝑃𝑠𝑡𝑟𝑒𝑛𝑔𝑡ℎ分层绩效较为优异，以因子值较大的30只股票池为例，对冲中证全指收益波动比2.1712 表6：在分析师盈利上调样本池中，M_High绩效优于理想反转14 表7：在分析师盈利上调样本池中，长端动量依旧具备一定选股能力14 表8：不同选股组合数量下的敏感性分析20 表9：盈利预期调整优选组合分年度绩效，所有年份都录得了正超额21 分析师预期数据蕴含着大量的信息，在《业绩超预期Plus组合的构建》中，我们立足于业绩超预期股票池，基于财务数据、股价行为、大单资金流等，优中选优构建了超预期30组合，该组合样本外跟踪绩效表现优异，2022年以来超额中证500指数14.6%，月度超额胜率86%。 业绩超预期基于的是财报盈利实际值和分析师盈利预期值的对比，除此之外分析师预期的自身对比，即盈利预期调整也蕴含着重要的信息，本篇报告将对该问题详细展开，主要涵盖因子的生成及改进、组合的构建。本文的创新点如下： （1）在因子的生成上，标准化方法为影响因子效果较为关键的因素，我们讨论了3种方式，并使用分歧度标准化的方式作为最终的因子； （2）在因子的改进上，我们讨论了分析师行为对于盈利预期调整因子的影响，并从时间加权、股价跟随性加权、预测准确度加权三大维度出发给出了尝试，最终因子的多空对冲信息比率从2.38提升至3.14； （3）在组合的构建中，我们从分析师覆盖股票池出发，并从预期调整角度构建了特色因子，包括分析师关联动量、分析师羊群效应等；对于每个细分因子，我们有不同构造方式的详细讨论； （4）对于盈利预期调整的选股效果，其也会一定程度受到其他预期维度的影响，这里我们主要考虑了：评级调整方向和预期ROE的高低。 1、朝阳永续一致预期数据概览 朝阳永续一致预期数据，是广为市场熟知的记录分析师预期行为的专项数据。为了后续的研究方便，在文章的第一部分我们先对其进行简单的数据统计，具体从以下四个角度展开：不同类型报告分布、报告数量月度分布、创建与入库时间差、宽基指数的覆盖度，具体情况如下图所示。其中对于非个股报告而言，我们选取置信度在5以上的样本为有效样本。 图1：点评类报告数量最多图2：分析师报告在财报发布日前后数量较多 数据来源：Wind、朝阳永续、开源证券研究所（2021.1.1-2021.12.31数据来源：Wind、朝阳永续、开源证券研究所（2009.1.1-2022.6.30 图3：创建与入库时间差7天以内占到95%图4：主流宽基指数覆盖率较高，全A覆盖率下滑明显 数据来源：Wind、朝阳永续、开源证券研究所（2009.1.1-2022.6.30数据来源：Wind、朝阳永续、开源证券研究所 从不同类型报告分布来看：点评报告的数量相对较多，深度报告、一般个股报告、非个股报告（置信度大于5）类的数量次之，调研报告、会议纪要的数量最少。 从报告数量的月度分布来看：分析师报告在财报发布日前后数量较多，即在3、4、8、10几个月出现了小高点。 从创建与入库时间差来看：分析师报告发布和入库存在一定的时间滞后性，但整体来看时效性较高，其中时间差在3天以内的样本量占到80%，7天以内占到95%。在后续的分析中，我们默认创建与入库时间差小于7天的样本为有效样本。 从覆盖度来看：对于沪深300指数成分股，分析师覆盖度基本保持在90%以上的