“正预期与非拥挤”在选股中的应用

请仔细阅读在本报告尾部的重要法律声明 证券研究报告|金融工程报告 “正预期与非拥挤”在选股中的应用 张立宁SACNO：S1120520070006杨国平SACNO：S1120520070002丁睿雯SACNO：S1120523040002 2024年6月7日 （四）“正预期与非拥挤”选股框架 目录 （一）“正预期与非拥挤”行业轮动策略 （二）量价因子优选 （三）分析师预期因子优选 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 1.“正预期与非拥挤”行业轮动策略样本外表现亮眼 在华西金工2023年6月8日发布的专题报告《“正预期与非拥挤”行业轮动策略》中，我们根据分析师预期变化、市场信心、报告覆盖加速度、机构覆盖加速度、财务报表超预 期、业绩预告超预期构建分析师预期复合因子；同时，通过6个量价因子构建拥挤度指标， 剔除拥挤度指标最低的15个行业，重新选择剔除后分析师预期复合因子值最高的五个行业，构建“正预期与非拥挤”行业轮动组合。 该组合样本外表现亮眼，2010年至2024年5月，“正预期与非拥挤”行业组合的累计收益为1024.24%，相对于全部行业等权组合的累计超额为949.71%。今年截至5月底，“正预期与非拥挤”行业组合上涨2.98%，相对于行业等权组合的超额收益为4.43%。 本文我们仿照“正预期与非拥挤”行业组合的构建方法，在选股中进行基本面因子和量价因子结合的尝试。 “正预期与非拥挤”行业组合净值走势及相对于行业等权的超额收益“正预期与非拥挤”年度涨跌幅统计 （四）“正预期与非拥挤”选股框架 目录 （一）“正预期与非拥挤”行业轮动策略 （二）量价因子优选 （三）分析师预期因子优选 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 我们用过去一段时间的成交金额标准差来衡量股票交易情况的稳定程度，并取相反数，波动率最小组为因子值最大组，波动率最大组为因子值最小组。 𝐴𝑚𝑜𝑢𝑛� −𝑆𝑇� 成交金额波动因子的月度IC均值为4.64%，多空分化与分组单调性较为明显。 成交金额波动_超额收益成交金额波动_分组净值 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 成交量标准差也是衡量交易稳定程度的重要指标，同样地，对股票成交量标准差取相反数，波动率越小则因子值越大。 𝑉𝑜𝑙𝑢𝑚� −𝑆𝑇� 成交金额波动因子的月度IC均值为4.05%。 成交量波动_超额收益成交量波动_分组净值 用长期换手率均值除以短期换手率均值，因子值越大，说明短期换手率相对于长期较低，市场预期较为一致；因子值越小，说明短期相对于长期换手更加活跃，市场分歧较大。 𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒𝑟𝑡−window1:𝑡) 𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒𝑟𝑡−window2:𝑡) 换手率变化因子的月度IC均值为4.05%。 ,𝑤𝑖𝑛𝑑𝑜𝑤1＞𝑤𝑖𝑛𝑑𝑜𝑤2 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 换手率变化_超额收益换手率变化_分组净值 𝐶𝑙𝑜𝑠� 𝑉𝑜𝑙𝑢𝑚� 量价背离，即过去一段时间内成交量上升、价格下降，或成交量下降，价格上升。量价背离程度越高，超额收益增加的概率越大；反之，放量上涨和缩量下跌则成为股票拥挤度提升的信号，超额收益增加的概率减小。我们把量价背离定义为过去一段时间内收盘价与成交量排序的协方差的相反数。 −𝑟𝑎𝑛𝑘[𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑐� 𝑟𝑎𝑛� ,𝑟𝑎𝑛𝑘 ,𝑤𝑖𝑛𝑑𝑜�] 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 量价背离协方差因子的月度IC均值为3.17%。 量价背离协方差_超额收益量价背离协方差_分组净值 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 这里把量价背离定义为过去一段时间内成交量与收盘价相关系数的相反数，与量价背离协方差所不同的是，量价相关系数直接对股票过去一段时间日频成交量和收盘价的原值求相关，并未考虑单只股票量价体量在所有股票中的排序。 −𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛(𝐶𝑙𝑜𝑠𝑒,𝑉𝑜𝑙𝑢𝑚�,𝑤𝑖𝑛𝑑𝑜𝑤) 量价背离协方差因子的月度IC均值为4.93%，多空分化较为明显。 量价相关系数_超额收益量价相关系数_分组净值 𝑉𝑜𝑙𝑢𝑚𝑒�−1 𝑉𝑜𝑙𝑢𝑚𝑒𝑖−1 𝐶𝑙𝑜𝑠𝑒�−1 𝑂𝑝𝑒𝑛� 一阶量价背离可以理解为量价背离的加速度。成交量的一阶变化是今日成交量相对于昨日成交量的变化，价格的一阶变化是涨跌幅。一阶量价背离，即成交量和价格各自一阶变化的背离程度。因子值越大，说明成交量增加速度加快、涨跌幅下降，或成交量减少速度加快，涨跌幅提升；反之，加速放量同时上涨或加速缩量同时下跌预示股票的拥挤度过高。 −𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛[𝑅𝑎𝑛� ,𝑅𝑎𝑛� ,𝑤𝑖𝑛𝑑𝑜𝑤] 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 一阶量价背离因子的月度IC均值为3.92%，因子分组超额收益的单调性较为明显。 一阶量价背离_超额收益一阶量价背离_分组净值 振幅量价背离在量价排序协方差的基础上乘上了振幅系数。振幅系数为过去一段时间 涨跌幅的标准差。 𝐶𝑙𝑜𝑠� 𝑉𝑜𝑙𝑢𝑚� 𝐶𝑙𝑜𝑠𝑒� 𝐶𝑙𝑜𝑠𝑒𝑖−1 −1 当量价背离程度越高且振幅越大时，因子值越大；当量价同向且股价震荡幅度较小时，因子值越小。 −𝑟𝑎𝑛𝑘(𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑐� 𝑟𝑎𝑛� ,𝑟𝑎𝑛� ,𝑤𝑖𝑛𝑑𝑜𝑤 )ⅹ𝑠𝑡𝑑( ,window) 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 一阶量价背离因子的月度IC均值为5.09%，因子多空分化较为明显。 振幅量价背离_超额收益振幅量价背离_分组净值 （四）“正预期与非拥挤”选股框架 目录 （一）“正预期与非拥挤”行业轮动策略 （二）量价因子优选 （三）分析师预期因子优选 分析师预期指标表现了分析师对于上市公司未来基本面的合理度量，分析师预期指标的变化则体现了市场对于上市公司业绩预期的边际变化。 以三个月为一个预测周期，在每个周期内选取各个研究机构针对同一只股票最新的预测指标，预测年度为未来第二财年(FY2)，把预期均值作为这只股票当期业绩的一致预测值。分析师预期变化则为过去两个周期的一致预期变化。 分析师预期每股收益变化_超额收益 资料来源：Wind，朝阳永续，华西证券研究所 分析师预期每股收益变化_分组净值 分析师预期归母净利润变化_超额收益 资料来源：Wind，朝阳永续，华西证券研究所 分析师预期归母净利润变化_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 我们选取分析师预期每股收益百分比变化、预期归母净利润百分比变化、预期利润总额百分比变化、预期估值变化(PE变化，反向)四个因子作为分析师预期变化因子，反映了上市公司盈利质量及股价空间的预期变化。 四个因子的月度IC均值分别为3.60%、3.67%、3.77%、3.69%，多空分化十分明显。 分析师预期利润总额变化_超额收益分析师预期估值变化_超额收益 资料来源：Wind，朝阳永续，华西证券研究所 分析师预期利润总额变化_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 分析师预期估值变化_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 分析师预期每股收益相对于股价的变化程度反映了预期估值的变化，可以体现当前的市场信心水平。预期收益变化相对于当前价格越高，说明市场对于此上市公司未来价格上涨信心水平越高，反之则说明当前股价相对于分析师预期被高估。 (一致预期EPS�−一致预期EPS𝑡−𝑚) m日市场信心= t日收盘价 参数m取过去75个交易日，市场信心因子月度IC均值为2.06%，多头组超额收益十分明 显。 市场信心_超额收益 市场信心_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 分析师调升占比不同于分析师预期变化因子对于股票一致预期的刻画，它将同一家机构对于单个上市公司前后的预期值进行对比。 以三个月为一个预测周期，在每个周期内选取各个研究机构针对同一家上市公司最新归母净利润的预测，预测年度为未来第二财年(FY2)，将过去两个周期同一家研究机构对单个上市公司的预期利润总额进行对比，计算同一只股票分析师预期调升的机构家数占比。 分析师调升占比=调升机构家数+覆盖总家数 覆盖总家数 10000 分析师调升占比因子的月度IC均值为3.20%，多头组超额收益明显。 分析师调升占比_超额收益 分析师调升占比_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 本节考虑业绩预告数据，我们将上市公司预告业绩与分析师先前预期值进行比较，构建业绩预告超预期因子。 对于同一家上市公司，分析师预期数据选取调仓日过去三个月中各机构最新的分析师预期净利润均值，预测年度与当期财报期相匹配。提取调仓日过去三个月中此上市公司所发布的最新一版业绩预告，对净利润下限进行乘数调整以匹配年度预测数据。 把调整过后的年度净利润下限相对于一致预期净利润的百分比变化作为个股的业绩预告超预期因子，并对因子值进行去极值处理。 业绩预告超预期因子的月度IC均值为4.86%，因子值最大组超额收益较为明显。 业绩预告超预期_超额收益 业绩预告超预期_分组净值 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 （四）“正预期与非拥挤”选股框架 目录 （一）“正预期与非拥挤”行业轮动策略 （二）量价因子优选 （三）分析师预期因子优选 4.1因子汇总 使用以下7个分析师预期因子等权构建基本面指标，参考“正预期与非拥挤”行业轮动策略中剔除因子值较低的行业的做法，只选取基本面复合因子值靠前的股票以体现分析师预期的“正向”选择，再通过7个量价因子等权加权合成的量价复合因子值进行股票优选。 选股回测中，我们选取中证500和中证1000成分股进行测试，本文分别展示了月频选 股和双周频选股的结果。 分析师预期与量价因子汇总 资料来源：华西证券研究所 在中证500中，每月选取基本面指标最高的前25%成分股，再从中选取量价复合因子值 最高的50只股票，构建中证500-“正预期与非拥挤”选股组合。 2010年至2024年5月，组合累计收益为623.70%，相对于中证500的累计超额为605.34%，年化收益14.71%，年化超额13.53%，信息比率为1.91，月均换手率为142%。 中证500-“正预期与非拥挤”选股组合净值走势及相对于中证500的超额收益 资料来源：Wind，朝阳永续，华西证券研究所 下表统计了中证500-“正预期与非拥挤”选股组合的年度收益率，年胜率为100%， 月胜率为70.52%，盈亏比为1.58。 中证500-“正预期与非拥挤”选股组合年度涨跌幅统计 资料来源：华西证券研究所 在中证1000中，每月选取基本面指标最高的前10%成分股，再从中选取量价复合因子 值最高的50只股票，构建中证1000-“正预期与非拥挤”选股组合。 20