金融工程专题报告：财报预期优选：用全市场分析师预期与财报数据构建行业轮动

证 券 研2022年10月13日 究 报财报预期优选：用全市场分析师预期与财报数据 告构建行业轮动 分析师：吕思江 lvsj@cfsc.com.cn 分析师：马晨 S1050522030001 S1050522050001 machen@cfsc.com.cn 投资要点 —金融工程专题报告 1、《与鲸同游还是与鲨共舞——资金流因子在中高频行业轮动中的应用——2022中期量化投资策略》2022-06-22 2、《同样是底部，当前与四月的差别在哪？》2022-09-25 3、《A股择时记分牌-底部区域演绎充分，十月有望震荡上行》2022-10-09 相关研究 金融工程研究 ▌如何刻画行业的轮动规律 本篇报告主要测试了哪些分析师预期与静态财报数据可以被用于构建行业轮动策略，并对各细分指标潜在逻辑进行梳理。我们不仅考虑静态财报数据代表的已实现盈利信息，另外还想找到一些能够预测已实现盈利信息的领先数据。高频行业数据、分析师预期、静态财报数据、资金动向四个维度用于行业轮动都有一定的逻辑支撑，都有可能在一定程度上对行业轮动规律起到领先作用。在本篇报告中我们将着重介绍静态财报数据、分析师预期数据，并以回测结果说明构建指标的有效性。 ▌为什么我们不只用分析师预期？ 首先分析师数据受行业内个股覆盖度影响，并非所有行业都有充足的预期或评级数量，因此我们推荐结合静态财报数据作为补充。回测结果也佐证了这一点，结合静态财报数据后预期指标表现更稳定。 ▌细分指标选择 推荐纳入分析师预期中的预期ROE和EPS，指标考虑了股价自身的变动，从财务视角既能反应企业的盈利和成长能力，同时也考虑未来股票价格相对基本面的低估或高估情况。投资评级方面，最高目标价变化、买入评级占比、调升评级占比更为有效。 ▌基于财报预期复合指标有效性 财报预期复合指标的行业轮动策略年化超额收益达到 11.37%，近五年多空最大回撤仅7%。历史超额获取率达到 65.71%，显示出长期且有效的超额分布。复合指标多空夏普比率达到1以上，证明策略能够有效判断行业多空信息。 何时是资金认可呢？以财报预期结合“鲸类”资金，能实现1+1>2的效果，将“与鲸同游”资金流策略的年化超额收益表现从原先的13.08%提高到18.2%，同时最大回撤降低了约2%，财报预期修正后的资金流策略多头夏普比率超过1。 ▌风险提示 基于历史数据的模型存在失效风险，基金历史业绩不代表未来，本报告不构成投资收益的保证或投资建议。 正文目录 1、如何有效提取基本面中的信息4 1.1、财报“静态”数据4 1.2、分析师“前瞻”预期5 2、哪些指标能有效构建行业轮动策略？5 2.1、行业财报数据：净利润增速6 2.2、分析师评级数据：8 2.3、分析师预期：EPS和ROE14 3、用复合财报预期指标构建策略17 4、风险提示20 图表目录 图表1：四个刻画行业轮动的维度4 图表2：最终选择细分指标与定义5 图表3：全量指标构建方法5 图表4：4个月环比净利润指标分组回测结果6 图表5：4个月环比净利润净值与超额收益7 图表6：4个月环比净利润组间年化收益7 图表7：4个月环比净利润多空累计收益率7 图表8：4个月环比净利润滚动RANKIC7 图表9：中信28个一级行业时序图与4个月环比净利润指标值变动情况7 图表10：90日最高目标价格变化分组回测结果9 图表11：90日最高目标价格变化净值与超额收益9 图表12：90日最高目标价格变化组间年化收益9 图表13：90日最高目标价格变化多空累计收益率9 图表14：90日最高目标价格变化滚动RANKIC9 图表15：中信28个一级行业时序图与90日最高目标价格变化指标值变动情况10 图表16：30日买入评级占比分组回测结果10 图表17：30日买入评级占比净值与超额收益11 图表18：30日买入评级占比组间年化收益11 图表19：30日买入评级占比多空累计收益率11 图表20：30日买入评级占比滚动RANKIC11 图表21：中信28个一级行业时序图与30日买入评级占比指标值变动情况11 图表22：180日调升评级占比分组回测结果12 图表23：180日调升评级占比净值与超额收益12 图表24：180日调升评级占比组间年化收益12 图表25：180日调升评级占比多空累计收益率13 图表26：180日调升评级占比滚动RANKIC13 图表27：中信28个一级行业时序图与180日调升评级占比指标值变动情况13 图表28：分析师预期EPS分组回测结果14 图表29：分析师预期EPS净值与超额收益14 图表30：分析师预期EPS组间年化收益14 图表31：分析师预期EPS多空累计收益率15 图表32：分析师预期EPS滚动RANKIC15 图表33：中信28个一级行业时序图与分析师预期EPS指标值变动情况15 图表34：90日分析师预期ROE分组回测结果15 图表35：90日分析师预期ROE净值与超额收益16 图表36：90日分析师预期ROE组间年化收益16 图表37：90日分析师预期ROE多空累计收益率16 图表38：90日分析师预期ROE滚动RANKIC16 图表39：中信28个一级行业时序图与90日分析师预期ROE指标值变动情况16 图表40：复合财报预期策略分组回测结果17 图表41：复合财报预期策略净值与超额收益18 图表42：复合财报预期策略组间年化收益18 图表43：复合财报预期策略多空累计收益率18 图表44：复合财报预期策略滚动RANKIC18 图表45：中信28个一级行业时序图与复合财报预期策略变动情况18 图表46：复合财报预期指标修正资金流策略前后超额收益增幅结果19 图表47：财报预期指标修正资金流指标后分组绩效19 图表48：财报预期指标修正资金流指标前分组绩效19 图表49：财报预期指标修正资金流指标后组间年化收益率20 图表50：财报预期指标修正资金流指标前组间年化收益率20 1、如何有效提取基本面中的信息 在过往交流时我们经常被问到如何刻画行业的轮动规律。我们的投资框架认为这块包含四个需要考量的维度，即： 1.高频行业数据：经过严格筛选后的重要细分数据是否发生根本性改善。 2.分析师预期：全市场分析师致力于挖掘超额alpha增量信息。当高频行业数据或行业逻辑、竞争格局等因素的变动被分析师捕捉，分析师将以研报的形式调整预测财务数据、上调评级、目标价。 3.静态财报数据：探讨当前行业已知的“静态”数据相对位置，判断盈利能力能否为继。 4.资金是否认可：“鲸类”资金是否开始入场，代表资金对上述情况背后逻辑的认可程度。 我们不仅考虑静态财报数据代表的已实现盈利信息，另外还想找到一些能够预测已实现盈利信息的领先数据。四个维度用于行业轮动都有一定的逻辑支撑，高频行业数据、一致预期、资金动向都有可能在一定程度上对静态盈利数据起到领先预测作用。在本篇报告中我们将着重介绍静态财报数据、分析师预期数据，并以回测结果说明构建指标的有效性。 图表1：四个刻画行业轮动的维度 资料来源：Wind，华鑫证券研究 1.1、财报“静态”数据 财报数据一般被默认为“已兑现”的静态数据，即使有一定滞后性，但成分股财报的“静态”盈利增速仍旧是行业轮动的重要观察角度之一。 行业盈利自身存在一定动量，这种动量可能来自于行业自身的长期逻辑。尽管突发事件会在短时间内对行业的盈利能力造成冲击，但最终行业价格仍会与内在价值相匹配。且静态财报指标值变化频率较低，有助于有效降低组合换手率。 相较于行业内高频数据，运用财报数据自下而上聚合的盈利指标便于行业间横向对比，能帮助我们挖掘逻辑边际改善的行业。经回测后我们认为成分股净利润的环比增长率能够抓住基本行业轮动规律，指标反应了行业当前盈利水平和成长性。 1.2、分析师“前瞻”预期 另外我们希望找到财报指标的一些领先数据。全市场卖方金融分析师对于股票未来关键财报指标的预期，数据频率更高，前瞻性相应更好。随着当前卖方研报评级口径的统一、分析师数量增长、研报发布的时效性提升，分析师大类指标近几年表现优秀。 我们能从分析师相关指标中提取两大类信息： 1.分析师预期：全市场分析师以研究报告的形式，预测个股未来一年净利润、营业收入、EPS、ROE等重要财务指标。 2.分析师对个股的投资评级：包括个股最高目标价格，目标价格，买入评级比例，上调和下调比例等信息。 在分析师预期中我们选了预期ROE和EPS，指标考虑了股价自身的变动，从财务视角既能反应企业的盈利和成长能力，同时也考虑未来股票价格相对基本面的低估或高估情况。投资评级方面，最高目标价变化、买入评级占比、调升评级占比更为有效。 图表2：最终选择细分指标与定义 因子名称 因子类型 定义方式 actual_profit 财务报表数据 实际净利润（最近1个季度） est_eps_90 分析师预期数据 预期EPS(最近90天分析师预期记录） est_roe_90 分析师预期数据 预期ROE(最近90天分析师预期记录） rating_buy_ratio_30 分析师评级数据 买入评级比例：买入评级占评级总数量的比例 (最近30天分析师预期记录） rating_high_price_change_90 分析师评级数据 最高目标价格变化：（目前最高目标价-上期最高目标价）/上期最高目标价(最近90天分析师预期记录） rating_upgrade_ratio_180 分析师评级数据 投资评级上调比例：评级调高占评级总数的比例 (最近180天分析师预期记录） 资料来源：Wind，华鑫证券研究 为什么我们不直接仅使用分析师预期数据？首先数据受行业内个股覆盖度影响，并非所有行业都有充足的分析师预期或评级数量，因此我们推荐结合静态财报数据作为补充。回测结果也佐证了这一点，结合静态财报数据后基于财报预期构建的轮动策略表现更稳定。 2、哪些指标能有效构建行业轮动策略？ 我们提取行业成分股自下而上映射到中信一级行业，回测计算策略表现。选取2018年 初至2022年9月30日作为回测时段，将28个中信一级行业（除综合、综合金融）分成4 组，每组包含7个行业，月末进行调仓。经过遍历测试，我们从43个不同指标中选取6个多空表现优秀、组间年化收益区分度高且具有严格金融含义的定义方式，构建最终的复合财报预期策略。 图表3：全量指标构建方法 因子名称 因子类型 定义方式 actual_ROA 财务报表数据 实际ROA(最近1个季度） actual_ROE 财务报表数据 实际ROE(最近1个季度） actual_Sales 财务报表数据 实际营业利润(最近1个季度） actual_profit_1 财务报表数据 实际净利润（最近1个季度） est_eps_180 分析师预期数据 预期EPS(最近180天分析师预期记录） est_eps_30 分析师预期数据 预期EPS(最近30天分析师预期记录） est_eps_90 分析师预期数据 预期EPS(最近90天分析师预期记录） est_np_180 分析师预期数据 预期净利润(最近180天分析师预期记录） est_np_30 分析师预期数据 预期净利润(最近30天分析师预期记录） est_np_90 分析师预期数据 预期净利润(最近90天分析师预期记录） est_op_180 分析师预期数据 预期营业利润(最近180天分析师预期记录） est_op_30 分析师预期数据 预期营业利润(最近30天分析师预期记录） est_op_90 分析师预期数据 预期营业利润(最近90天分析师预期记录） est_roe_180 分析师预期数据 预期ROE(最近180天分析师预期记录） est_roe_30 分析师预期数据 预期ROE(最近30天分析师预期记录） est_roe_90 分析师预期数据 预期ROE(最近90天分析师预期记录） est_eps_adjust_180 分析师预期数据 EPS预期调整幅度（目前预期EPS