开源量化评论（72）：业绩超预期Plus组合2.0：基于预期调整的修正

金融工程专题 2023年03月03日 业绩超预期Plus组合2.0：基于预期调整的修正 金融工程研究团队 ——开源量化评论（72） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（联系人） 证书编号：S0790519120001 weijianrong@kysec.cn 证书编号：S0790519120001 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 何申昊（研究员） 证书编号：S0790122080094 相关研究报告 《业绩超预期Plus组合的构建—开源量化评论（25）》-2021.7.7 《盈利预期调整优选组合的构建—开源量化评论（60）》-2022.8.6 《景气度研究：量化与主动的多视角 —大类资产配置研究系列（5）》 -2021.12.23 超预期计算方式的再修正 在《业绩超预期Plus组合的构建》中，我们定义了超预期股票池1.0，其绩效已 经较为优异，但不同行业内都存在判断失真的现象，而且偏周期类的行业失真程度更大。为了找到真正超预期的股票池，我们基于分析师行为和交易行为进行修正，得到修正超预期股票池2.0，年化收益率21.99%，信息比率0.84，相比于超 预期股票池1.0，绩效确实有明显的提升。 超预期后预期调整的变化规律 财报往往是分析师改变其年度预期值重要的参考依据，以2022年Q3为例，我们发现：当某只股票发生超预期后，位于财报公告日相近的自然日比如T+10以内，预期均值和预期离差会出现共振上行的趋势，但是在距离财报公告日较远的自然日比如T+30以后往往情况较为复杂。进一步地，我们参照预期均值变动方 向和预期离差变动方向进行分阶段测算，结果发现：位于预期均值下降，预期离 差上升阶段的股票绩效较差，将该阶段股票从修正超预期股票池2.0剔除后，绩 效有进一步提升。 超预期plus组合2.0的构建 我们在前两部分处理后的股票池内，进行因子分组效果测试。因子大类分为：超 预期类、预期调整类、开源金工特色资金流类。对于超预期类，SUE、区间收益OER和JUMP因子的综合因子S_O_J三分组多空信息比率0.88；对于预期调整类，我们使用《盈利预期调整优选组合的构建》中考虑时间、股价跟随性、预测准确度，对分析师加权而改进的预期调整因子，多空信息比率1.18；对于资金流因子，我们使用基于订单簿资金流构造的一系列独家因子：主动买卖、大单残差、小单残差、散户羊群效应，这4个资金流因子合成后多空信息比率1.82。 除此之外，景气投资往往偏胜率，近几年来尤其是2022年该类策略产生了较大 的波动，能够减小其波动常见的做法即加入偏赔率的指标，最常用的为估值因子。本节将基于超预期、预期调整和估值水平，刻画成长股从萌芽期至成熟期的不同阶段，并分析了估值水平对于超预期池内股票绩效的影响。 基于修正超预期股票池2.0，剔除预期均值下降、预期离差上升阶段的股票，再剔除估值过高的股票，最后利用超预期类、预期调整类、资金流类因子优选30 只股票，将其命名为超预期Plus组合2.0，全区间的年化收益40.46%，信息比 率1.39。相较于1.0而言，除了2016年、2018年、2019年之外，其他年份都是 2.0信息比率更为优异。 超预期在行业轮动上的应用 相较于使用精确数值对行业超预期幅度的计算，这里我们结合超预期以及预期调整规律进行行业内个股赋值，然后将赋值按照市值加权，得到行业超预期因子。其3分组多空对冲的年化收益10.43%，信息比率1.05，具备一定行业轮动能力。 风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。 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、超预期计算方法的再修正4 1.1、原始超预期计算方法和绩效回顾4 1.2、超预期股票池1.0改进-基于分析师行为6 1.3、超预期股票池1.0改进-基于交易行为7 1.4、超预期股票池1.0改进-综合分析师行为和交易行为7 2、超预期发生后分析师预期变化趋势9 3、因子增强优选组合10 3.1、超预期相关因子的增强10 3.2、预期调整相关因子的增强11 3.3、开源金工交易行为及资金流因子的增强12 3.4、因子增强优选30只股票13 4、估值因子在组合优选中的增强探讨13 4.1、基于超预期、预期调整、估值三维度的成长股路径刻画13 4.2、结合估值因子的组合优选15 5、超预期在行业轮动上的应用17 6、附录19 6.1、超预期Plus组合2.0市值和行业分布19 6.2、超预期Plus组合2.0选股敏感性分析19 6.3、超预期Plus组合2.0相比于1.0的绩效更优异20 7、风险提示21 图表目录 图1：超预期股票池1.0净值走势较为优异5 图2：分行业超预期绝对幅度大于300%的比例：偏周期类行业比例较高6 图3：相较于超预期股票池1.0，剔除下调预期股票后，净值有一定程度的提升7 图4：修正超预期股票池2.0的计算流程（示意图）8 图5：相比于超预期股票池1.0，修正超预期股票池2.0净值更高8 图6：以2022Q3定期报告为例，统计[T-10,T+60]预期均值和离差的变化9 图7：阶段1股票表现最好，阶段3股票表现最差10 图8：在修正超预期股票池2.0中，超预期相关的合成因子S_O_J分层效果较为优异11 图9：在修正超预期股票池2.0中，改进分析师预期调整因子分层效果优异11 图10：在修正超预期股票池2.0中，资金流综合因子分层效果较为优异12 图11：考虑三类因子后优选30只股票净值较为优异13 图12：基于超预期、预期调整、估值三维度的成长股路径刻画14 图13：位于成长期即阶段3、4、5的年化收益较高14 图14：以全区间信息比率为衡量标准，𝝀=0.8较为优异15 图15：以2022年信息比率为衡量标准，𝝀=0.8较为优异15 图16：超预期Plus组合2.0净值表现强劲16 图17：行业超预期因子具备一定行业轮动能力，IC均值5.34%17 图18：行业内个股超预期赋值再优化18 图19：通过个股超预期赋值再优化，行业超预期因子IC均值从5.34%提升至6.98%18 图20：超预期Plus组合2.0市值分位平均为62%19 图21：超预期Plus组合2.0在医药生物、机械设备、基础化工、电子等行业暴露较多19 图22：超预期Plus组合2.0相比于1.0净值明显更高20 表1：超预期股票池1.0绩效较为优异5 表2：超预期差值>0的股票池中，预期调整均值>0的概率明显更高6 表3：超预期差值>0的股票池中，位于OER_JUMP因子Group5的概率明显更高7 表4：相比于超预期股票池1.0，修正后的绩效有明显提升8 表5：剔除位于阶段3的股票后绩效进一步改善10 表6：在修正超预期股票池2.0中，资金流类因子测算绩效更加优异12 表7：考虑三类因子后优选30只股票年化收益可达39.48%，信息比率可达1.3313 表8：位于成长期即阶段3、4、5的绩效较为优异14 表9：超预期Plus组合2.0所有年份都录得了正超额16 表10：通过个股超预期赋值再优化，行业超预期因子分年度绩效表现较为优异18 表11：超预期Plus组合2.0选取股票只数的敏感性分析20 表12：超预期Plus组合2.0相比于1.0的绩效更优异20 我们在《业绩超预期Plus组合的构建》和《盈利预期调整优选组合的构建》分别介绍了超预期和预期调整事件在选股上的应用，而对于二者，从逻辑上有融合的自洽性。比如在财报集中披露期，由于超预期现象的发生，分析师预期往往正向调整的概率也会更大；而在财报真空期，分析师预期观点的变化又是非常重要的补充。本篇报告以超预期为基础，预期调整为补充，尝试将二者融合，主要分为5部分： 在第一部分，我们将基于分析师行为和交易行为，对原始超预期的计算方式进行修正，并定义出修正超预期股票池2.0，相较于超预期股票池1.0净值走势更优异。 在第二部分，我们将介绍由于超预期的发生，分析师预期均值和离差的变化情况。相较于在财报真空期，构造超预期组合采用的简单前向填充，分析师观点的边际变化为有效的补充。 在第三部分，基于上述两部分优化后的超预期股票池，我们测试了超预期类、预期调整类以及开源金工特色资金流类的分组效果，绩效皆较为优异。 在第四部分，针对于近两年波动较大的景气投资，我们将偏赔率的估值因素考虑在内。首先，我们结合超预期、预期调整以及估值水平讨论了成长股的成长路径；其次，在优化后的超预期股票池内剔除高估值股票，并结合超预期类、预期调整类以及开源金工特色资金流因子，优选30只股票构建出超预期Plus组合2.0，年化收益率40.46%，其相比于超预期Plus组合1.0绩效明显提升。 在第五部分，我们将个股上的超预期运用到行业轮动上，行业超预期因子IC为 6.98%，ICIR为1.00，具备一定的行业轮动能力。 1、超预期计算方法的再修正 1.1、原始超预期计算方法和绩效回顾 对于超预期定义，我们在《业绩超预期Plus组合的构建》中已经有过详细的阐述，其通过对比上市公司财务报告披露的净利润指标与市场上分析师一致预期净利润的差异，据此判断个股财报业绩超预期与否。这里我们以Q3为例，简单回顾超预期的判断方法： � 第一步，将分析师一致预期净利润𝐸�减去今年前两季度已实现净利润𝑅2，得到 今年后两个季度分析师一致预期净利润值𝐸3𝑠+4�=𝐸�−𝑅2。 �� 第二步，将去年年报净利润𝑅4减去去年前两季度累计净利润𝑅2，得到去年 𝑡−1 后两个季度的净利润𝑅3𝑠+4�=𝑅4−𝑅2。 𝑡−1 𝑡−1 𝑡−1 𝑡−1 � 第三步，将今年后两个季度分析师一致预期净利润值𝐸3𝑠+4�除以去年后两个季度 � 3𝑠+4� � 的净利润𝑅3𝑠+4𝑠，得到预期净利润增速𝐺�=�−1，若𝑅3𝑠+4�为负，则𝐺�=1− � � 。 �3𝑠+4�3𝑠+4� 𝑡−1 𝑡−1 3𝑠+4� 𝑡−1 𝑡−1 𝑡−1 第四步，将去年第三季度的实际净利润𝑅3�乘以净利润增速𝐺�得到今年第三季度预期净利润水平𝐸3�=𝑅3�(1+𝐺𝑡)，同样地若𝑅3�为负，𝐸3�=𝑅3�(1−𝐺𝑡)。当 �𝑡−1 𝑡−1 �𝑡−1 𝑅3�>𝐸3�时，业绩超预期；反之，业绩不达预期。 �� 针对上述方式定义出的超预期股票池，本文将其命名为超预期股票池1.0，净值 如图1所示，其从2012年至今回测绩效较为优异，全区间对冲中证500年化收益率13.43%，信息比率可达2.16。（在回测时剔除停盘、ST、上市不满60个交易日、一字涨跌停的股票，月初调仓，手续费双边千三。后续回测若无明确说明都为此标准） 图1：超预期股票池1.0净值走势较为优异 数据来源：Wind、朝阳永续、开源证券研究所 表1：超预期股票池1.0绩效较为优异 年份 年化收益率 绝对绩效 信息比率 最大回撤 胜率 年化收益率 对冲中证 信息比率 500 绩效 最大回撤 胜率 2012 19.00% 0.69 14.65% 58.33% 17.65% 2.42 1.35% 66.67% 2013 33.54% 1.45 12.76% 58.33% 14.20% 3.06 1.07% 75.00% 2014 54.58% 3