Beta猎手系列之三：行业超预期的全方位识别与轮动策略

超预期在行业预测中意义重大 当上市公司的盈利数据出现超预期时，其股票价格很可能上涨。而当行业内大多数上市公司出现业绩超预期时，一般是因为行业短期出现政策利好，或者出现了超过市场预期的基本面的改善，后期这类行业表现可能会相对占优，将超预期因素引入能够进一步完善行业轮动框架。本篇报告中，我们将从业绩超预期和文本超预期两个维度对行业层面的超预期特征进行衡量，并构建行业轮动因子。相比单一使用一类方法，这种方法更加全面也可以起到互补的作用。 行业业绩超预期与文本超预期 分析师群体对市场具有显著影响力，其对于个股的预期经常已经充分反应在当前的股票价格上，当分析师预期与公司实际业绩出现偏差时，市场在修正的过程中就会带来投资机会。我们根据公司公告的实际业绩与卖方分析师一致预期的偏离程度，构建了业绩超预期因子。业绩超预期因子IC均值为3.07%，多空年化收益为7.47%，夏普比率为0.52。 另一方面，当公司的业绩表现优异时，分析师往往会在公司报告标题中进行提示。而通过对标题中的词语进行捕捉，可以获取分析师对公司除数据外的情感和语气的信息。我们构建了研报标题文本超预期因子，研报标题文本超预期因子IC均值为4.81%，多空年化收益为9.11%，夏普比率为0.74。 我们将业绩超预期因子与研报标题文本超预期因子以等权方式进行合成，得到合成行业超预期因子，该超预期因子的IC均值为4.26%，多空年化收益率达11.79%，夏普比率达0.82。合成后多空净值更加平稳，夏普比率更高。 与景气度估值行业轮动框架结合 我们首先定义了行业分析师预期因子，然后将超预期因子与盈利因子和分析师预期因子进行正交化，再将残差项与分析师预期、盈利、质量和价格动量因子以等权方式合成为超预期增强轮动因子。合成后因子的IC均值为9.70%，多空年化收益率为20.43%，夏普比率为1.15。相比景气度估值+分析师预期因子，超预期增强轮动因子的多空年化收益率提高了2.08%，波动率反而下降，夏普比率进一步提高。这表明超预期因子的确可以增强传统行业轮动框架。 超预期增强行业轮动策略 我们利用超预期增强轮动因子构建了超预期增强行业轮动策略。策略的年化收益率为13.10%，夏普比率为0.49。相较于行业等权基准，行业轮动策略的年化超额收益率为7.85%。相较于景气度估值+分析师预期行业轮动策略，超预期增强行业轮动策略年化超额收益率提高了1.20%。策略在最近2020年至2022年表现优异，2020年、2021年和2022年的超额收益率分别达到了36.62%、17.81%和7.43%。 风险提示 1、以上结果通过历史数据统计、建模和测算完成，历史规律未来可能存在失效的风险。 2、各类因子可能会受到政策、市场环境发生变化的影响，出现阶段性失效的风险。 3、市场可能出现超出模型预期的变化，导致策略出现超出模型估计的波动和回撤。 内容目录 一、超预期在行业预测中的意义4 二、业绩超预期4 2.1业绩超预期因子的构建4 2.2业绩超预期因子有效性6 三、研报标题文本超预期8 3.1研报标题文本超预期因子的构建8 3.2研报标题文本超预期因子有效性8 四、行业超预期因子的合成10 五、多维度行业轮动框架12 5.1超预期因子对传统轮动框架的增强12 5.2超预期增强轮动因子的合成13 六、超预期增强行业轮动策略14 七、总结15 参考资料16 风险提示16 图表目录 图表1：国金金融工程行业轮动框架4 图表2：不同业绩报告信息披露要求5 图表3：各板块不同业绩报告披露时间5 图表4：分析师一致预期单季度净利润拆分示例（三季度）6 图表5：业绩超预期因子IC指标6 图表6：业绩超预期因子IC7 图表7：业绩超预期因子分位数组合净值7 图表8：业绩超预期因子多空组合表现7 图表9：业绩超预期因子分位数组合指标8 图表10：研报标题文本超预期指标定义8 图表11：研报标题文本超预期因子IC指标8 图表12：研报标题文本超预期因子IC9 图表13：研报标题文本超预期因子分位数组合净值9 图表14：研报标题文本超预期因子多空组合表现9 图表15：研报标题文本超预期因子分位数组合指标10 图表16：业绩超预期和文本超预期因子截面秩相关系数均值10 图表17：超预期因子IC10 图表18：超预期因子IC指标10 图表19：超预期因子分位数组合年化超额收益率11 图表20：超预期因子分位数组合净值11 图表21：超预期因子多空组合表现11 图表22：超预期因子分位数组合指标11 图表23：分析师预期类因子定义12 图表24：分析师预期类因子IC和多空组合指标12 图表25：大类因子截面秩相关系数均值12 图表26：正交化后的超预期因子IC指标12 图表27：正交化后的超预期因子多空组合净值13 图表28：正交化后的超预期因子多空数组合指标13 图表29：超预期增强轮动因子IC指标13 图表30：超预期增强轮动因子分位数组合净值13 图表31：超预期增强轮动因子多空组合净值14 图表32：超预期增强轮动因子多空组合指标14 图表33：超预期增强行业轮动策略净值14 图表34：超预期增强行业轮动策略超额净值15 图表35：超预期增强行业轮动策略指标15 图表36：超预期增强行业轮动策略分年度表现15 一、超预期在行业预测中的意义 超预期指公司公告的营业收入以及净利润等指标超出市场的一致预期。当上市公司的盈利数据出现超预期时，其股票价格很可能上涨。目前，对于超预期的研究主要集中在个股层面，行业层面相对较少。当行业内大多数上市公司出现业绩超预期时，一般是因为行业短期出现政策利好，或者出现了超过市场预期的基本面的改善，后期这类行业 表现可能会相对占优。与个股超预期相比，行业超预期更多的是衡量影响该行业内多数或整体上市公司的因素出现了超预期的变化。 与传统基本面轮动模型进行对比，市场不仅依据业绩增长对资产进行定价，另一个重要的参考基准是市场预期。例如，当某行业整体业绩增长，但却不及市场预期时，该行业反而可能已经定价较高，未来很有可能下跌；而当行业业绩虽然下降，但仍好于市场预期时，该行业反而可能有较好的表现。因此将超预期因素引入能够进一步完善行业轮动框架。本篇报告是Beta猎手系列报告的第三篇，我们将基于分析师一致预期和分析师研报分别构建业绩超预期和文本超预期两类因子，并将两类超预期因子应用于行业轮动策略上。 图表1：国金金融工程行业轮动框架 来源：国金证券研究所 超预期行业轮动的重点就在于识别行业超预期，并且衡量超预期的程度。从超预期的定义出发，个股超预期一般可以通过实际公告业绩超过预期业绩程度来衡量，然后将个股超预期合并到行业层面。此外我们注意到，在“财报季”分析师发布业绩点评报告时，研报文本（如标题）中对于业绩超预期也存在定性描述。因此，识别分析师研报中的相关描述，也可以找到超预期个股，从而进一步得到行业整体的超预期的情况。因此，本篇报告中，我们也将从业绩超预期和文本超预期两个维度对超预期进行衡量。相比单一使用一类方法，这种方法更加全面也可以起到互补的作用。 对于因子的有效性，我们采用因子IC测试和分位数组合测试方法进行研究。因子IC测试主要研究因子取值与下一期收益率的相关性，即 𝑅𝑎𝑛𝑘𝐼𝐶�=𝑐𝑜𝑟�(𝑅𝑎𝑛𝑘(𝑋𝑡,𝑚),𝑅𝑎𝑛𝑘(𝑟𝑡+1,𝑚)) 其中，𝑅𝑎𝑛�表示计算变量排序，𝑋𝑡,�表示因子取值，𝑟𝑡+1,�表示下一期行业指数的收益率。𝐼�的绝对值越高，因子的下期收益率的预测能力越强。𝐼�的t值表示𝐼�的绝对值不为0的概率，t值越大，𝐼�值就越显著不为0。 对于分位数组合测试，我们按照因子值从高到低，将29个行业分为6组，以等权方式分别构建组合，从而研究不同分位数组合的表现。通过做多Top组合同时做空Bottom组合，可以得到多空组合（L-S组合），通过该组合的表现来进一步衡量因子的收益。因子预测的频率为月频，回测区间为2011年1月1日至2023年2月1日，市场基准为29个中信一级行业等权组合。 二、业绩超预期 2.1业绩超预期因子的构建 业绩超预期指的是公司披露的盈利数据超过市场的一致预期，这里的市场一致预期可以采用卖方分析师的一致预期。分析师发布的公司报告中，其对于公司的业绩预测往往具有核心价值，包括目标股价、盈利预测、个股评级等内容。 其中，分析师的个股评级属于离散数据，变化较小，且较多给出“买入”或“增持”评级，较少给出“卖出”评级，较难量化衡量，同时，有研究表明分析师评级在行业层面有效性较低[1]。而盈利预测的数据包含了大量可量化可比较的数据，具备较大研究价值，传统的一致预期因子也大量基于盈利预测的数据进行构建。衡量个股业绩超预期，可以将分析师预期净利润与个股公告净利润进行比较。 分析师群体对市场具有显著影响力，其对于个股的预期经常已经充分反应在当前的股票价格上，当分析师预期与公司实际业绩出现偏差时，市场在修正的过程中就会带来投资机会。为了将超预期应用于行业层面，我们首先需要计算个股的超预期指标。 这里我们使用了单季度的披露业绩和预测业绩，可以较快的反映市场短期的变化。而公司公告不仅包括了季报、半年报和年报，还包括了业绩预告和业绩快报。其中定期报告是所有上市公司都强制要求披露的，数量最多，信息最准确。业绩预告和业绩快报只有满足条件的公司被要求披露，其余企业并无披露义务，数量较少，准确度也相对较低，例如，业绩预告净利润一般给出一个范围。但业绩预告和业绩快报的披露往往会先于定期报告，因此时效性较高。 根据《上海证券交易所股票上市规则（2023年2月修订）》、《深圳证券交易所股票上市规则（2023年修订）》、《北京证券交易所股票上市规则（试行）》、《上海证券交易所科创板股票上市规则（2020年12月修订）》、《深圳证券交易所创业板股票上市规则（2023年修订）》，各市场对业绩预告和业绩快报的披露要求有所不同，定期报告一般都在4月30日、8月31日和10月31日前完成披露，披露要求见下表所示。 图表2：不同业绩报告信息披露要求 公告类型披露日期 主板（上交所、深交所）：1月31日前披露年度业绩预告；7月15日前披露半年业绩预告。 科创板：1月31日前披露年度业绩预告。 业绩预告 业绩快报 定期报告 创业板：1月31日前披露年度业绩预告。北交所：定期报告披露前披露业绩预告。 主板（上交所、深交所）：定期报告公告前披露。科创板：2月28日前披露年度业绩快报。 创业板：所鼓励上市公司在定期报告公告前披露业绩快报。 北交所：2月28日前披露年度业绩快报。一季报和四季报在每年4月30日前披露； 二季报在每年8月31日前披露； 三季报在每年10月31日前披露。 来源：上交所，深交所、北交所，国金证券研究所 我们根据上述报告披露规则，可以给出不同板块在不同时间段可能使用到的业绩报告，从而更好的梳理超预期计算时候应用到的数据时间节点，见下图所示。 图表3：各板块不同业绩报告披露时间 来源：上交所，深交所、北交所，国金证券研究所 分析师预期数据一般是对整个财年的预测，一般没有单个季度的预测数据。同时，分析师也会不断更新盈利预测，特别是在业绩报告披露之后。为了将当期年报的预测数据转化为单季度的预测数据，我们需要基于一些假设对全年的预测数据进行合理的拆分。 我们需要考虑以下问题，在业绩报告发布后，分析师会根据最新的披露业绩来更新预期观点，同时，我们需要充分 利用当年已经披露的业绩报告来得到未披露报告期的更精准的预测。这里，我们假设未披露的若干个报告期的增速保持相同，等价于按照过去一年的对应报告期的净利润的占比进行拆分，我们通过以下公式来进行说明。 𝑁𝐼𝑒𝑥𝑝𝑒𝑐�−∑𝑛−1𝑁𝐼𝑚,� �= 𝑒𝑥𝑝𝑒𝑐� 𝑚,� � ∑ 4 𝑖=� 𝑖=1−1 𝑁𝐼𝑚−1,� 𝑁𝐼𝑒𝑥𝑝𝑒𝑐�=