分析师预期准确度对预期变化与超预期因子影响分析

超预期因子影响分析张立宁SACNO：S1120520070006杨国平SACNO：S1120520070002丁睿雯SACNO：S11205230400022023年9月9日()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一1.分析师预期相对于时间序列模型的准确度•随机漫步(Randomwalk)是应用最广泛的时间序列模型之一，它认为在已知历史数据的情况下，时间序列下一周期值的变化是随机且无法被预测的，其公式为：xt=xt−1+εt，Eεt=0，Eε=σ2，Covεt,εs=0ift≠s•若将随机漫步模型应用于上市公司财务数据的时间序列，则认为该上市公司基本面状况无法被准确预测•分析师预测指标表现了分析师对于上市公司未来基本面的度量，将分析师预期误差与随机漫步误差进行比较可以得知分析师预期的准确度。通过将分析师预期相对于真实财报数据的误差绝对值与财报同比变化绝对值相减，再除以财报公布日当天总市值以标准化，可以构建分析师预期准确度指标，公式如下：分析师预期准确度=Realt−1−Realt−PTidictt−RealtMvt•根据以下维度探究影响分析师预期准确度的因素：1.时间跨度：分析师FY1、FY2、FY3的预测准确度可能不尽相同2.分析师覆盖机构家数3.分析师调整幅度4.分析师预期历史准确度5.行业板块维度……()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一2.时间跨度对于分析师预期准确度的影响本节探究分析师预期FY1、FY2、FY3的准确度。统计时间区间为2012年至2023年4月，统计范围为全市场过去3个月中有分析师覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。以每年4月底年报公布为界线，4月底之前以去年年报预测值为FY1,本年年报为FY2，次年年报为FY3，并以当月距离财报公布月的时间长度作为时间跨度。例如，2023年1月，则以2022年度预测为FY1(时间跨度为3个月)、2023年度预测为FY2(时间跨度为15个月)、2024年度预测为FY3(时间跨度为27个月)。4月底之后以本年年报预测值为FY1，以此类推。例如，2023年9月，则以2023年度预测为FY1(时间跨度为7个月)、2024年度预测为FY2(时间跨度为19个月)，2025年度预测为FY3(时间跨度为31个月)。将2012年至2023年4月所有数据按时间跨度归类，同一时间跨度不同期分析师预期准确度取均值，并以“分析师预期准确度均值>0”为原假设进行假设检验，将p-value<0.025的数据标红，即显著拒绝原假设，意味着这一时间跨度的分析师预期不如随机漫步准确。2.1覆盖度统计每月底计算过去三个月中证全指成分股中有分析师预期净利润数据的股票数量，分别统计有FY1、FY2、FY3预期的股票数量及市值覆盖度。FY1预测和FY2预测覆盖度略高于FY3预测。当前中证全指内分析师预期股票数量覆盖度约为60%，市值覆盖度约为85%。2.2时间跨度对于分析师预期准确度的影响探究分析师预期FY1、FY2、FY3的准确度。统计时间区间为2012年至2023年4月，统计范围为全市场过去3个月中有分析师覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。下图以月度和年度平均的形式呈现了分析师预期归母净利润相对于随机漫步准确度的时间序列数据。准确度存在较强的季节效应，即年报公布后(每年5月)分析师预测准确度最低，随着年报公布时间临近，预期准确度提升。2021年以来，分析师预期FY1准确度年平均值呈上升趋势。分析师预期相对于时间漫步的准确度_月度分析师预期相对于时间漫步的准确度_年度资料来源：Wind，朝阳永续，华西证券研究所2.2资料来源：Wind，朝阳永续，华西证券研究所2012年至2023年4月，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。将同一时间跨度的股票准确度汇总并取均值，以“分析师预期准确度均值>0”为原假设进行假设检验。下表统计了各个时间跨度分析师预期净利润相对于随机漫步的准确度均值，以及假设检验的p-value值，FY1、FY2、FY3的准确度依次递减，FY2和FY3相对于随机漫步基本无效。012391.27456744.23892.2时间跨度对于分析师预期准确度的影响根据营业收入计算分析师预期相对于随机漫步的准确度，准确度同样根据时间跨度的增加而递减。0123456473.84789资料来源：资料来源：Wind，朝阳永续，华西证券研究所()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一资料来源：Wind，朝阳永续，华西证券研究所3.1资料来源：Wind，朝阳永续，华西证券研究所本节探究分析师覆盖对于预期准确度的影响。随着分析师覆盖度的提升，上市公司信统计时间区间为2012年至2023年4月，统计范围为全市场过去三个月中有3家或3家以上机构覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。下表统计了分析师预期净利润(覆盖3家及以上)相对于随机漫步的准确度，准确度均值相较于全市场提升，时间跨度超过15个月则预期净利润准确度不如随机漫步。012345699.1678948.033.1分析师覆盖对于分析师预期准确度的影响根据营业收入计算分析师预期相对于随机漫步的准确度，统计范围为全市场过去三个月中有3家及以上机构覆盖的股票，准确度均值相较于全市场大幅提升，准确度同样根据时间跨度的增加而递减，时间跨度超过18个月则预期净利润准确度不如随机漫步。01297.31345678443.599资料来源：资料来源：Wind，朝阳永续，华西证券研究所3.2分析师覆盖对于预期变化因子的影响根据分析师覆盖度为股票分类，取过去三个月中各家分析师给予的最新FY1预期营业收入、预期归母净利润、预期利润总额，存在其中任意指标预测则纳入覆盖度统计，计算每只股票的分析师覆盖家数，并将股票分为机构覆盖3家以下(低覆盖度)和3家及以上(高覆以三个月为一个预测周期，两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在两组中选因子值最高的50只股票，构建低覆盖度_分析师看多组合和高覆盖度_分析师看多组合。回测时间区间为2016年至2023年8月，高覆盖度组合在2021年三季度前超额收益向上趋势明显，走势明显优于低覆盖度组合。按覆盖度分类的分析师看多组合净值走势按覆盖度分类的分析师看多组合相对于中证全指的超额收益3.3分析师覆盖对于超预期SUE因子的影响探究分析师覆盖度分组对超预期SUE因子表现的影响。同样根据分析师覆盖度为股票分类，将股票分为机构覆盖3家以下和3家及以上两组，分别进行选股测试。超预期SUE因子为真实财报数据相对于分析师一致预期的偏离度，在低覆盖度和高覆盖度两组中分别选SUE因子值最高的50只股票，调仓日期为每年4月底、8月底和10月底，构建低覆盖度_超预期看多组合和高覆盖度_超预期看多组合。超预期SUE=Rea回测时间区间为2015年10月至2023年8月，高覆盖度超预期组合走势优于低覆盖度组按覆盖度分类的超预期组合净值走势按覆盖度分类的超预期组合相对于中证全指的超额收益统计按预期营业收入变化、预期归母净利润变化、预期利润总额变化三因子等权的分析师预期变化复合因子以及超预期SUE因子的累积IC值，同样根据分析师覆盖度为股票分根据IC值分析，分析师预期变化和超预期SUE因子在高覆盖度股票组的效果显著优于低覆盖度股票组。按覆盖度分类的分析师预期变化复合因子IC累积值按覆盖度分类的()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一资料来源：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，注：数据标红代表假设检验p-value≤0.025本节探究分析师预期变化幅度对于预期准确度的影响。预期财务指标相对于上一年财报的绝对值变化越大，说明分析师对于这家上市公司利好或利空消息的信心水平越高，可能影响预期准确统计时间区间为2012年至2023年4月，每月底取过去三个月中分析师预期指标均值作为市场一致预期，同时取最新一期年报公布的财务数据，计算二者之间的百分比变化并取绝对值，根据预期相对于最新一期财报的变化幅度将股票分为低幅度(幅度小于20%分位数)、中幅度(幅度位于20%和80%分位数之间)、高幅度(幅度大于80%分位数)三类，在各类中计算分析师预期准确度指标。下表统计了按调整幅度分类的分析师预期净利润相对于随机漫步的准确度。纵向来看，准确度根据时间跨度的增加而递减。横向来看，低幅度组股票预期相较于随机漫步的优越程度最低，中幅度和高幅度组的FY1预测都相对有效，中幅度组自时间跨度13个月以上的分析师预期趋于无效，高幅度组自时间跨度16个月以上的分析师预期趋于无效。分析师预期净利润(按预期变化幅度分类)相0194.96234567899.879-1.904.1预期变化幅度对于分析师预期准确度的影响根据变化幅度分类的分析师预期营业收入相对于随机漫步的准确度统计如下表所示。纵向来看，准确度根据时间跨度的增加而递减。横向来看，预期净利润相对于最新财报的变化幅度与准确度呈正相关。预期变化绝对值越小说明分析师预期误差与随机漫步误差越接近，准确度指标接近于0。随着分析师预期相对于已公布财报数据调升或调降的幅度增加，分析师误差相对于随机漫步误差缩小，分析师预期准确度有所三档幅度的FY1预测都较随机漫步有效，低幅度和中幅度组自时间跨度13个月以上的分析师预期趋于无效，高幅度组自时间跨度16个月以上的分析师预期趋于无效。分析师预期净利润(按预期变化幅度分类)0929.91426.271234590.71691.71499.867437.04438.29896.58415.22资料来源：资料来源：Wind，朝阳永续，华西证券研究所，注：数据标红代表假设检验p-value≤0.0254.2预期变化幅度对于预期变化因子的影响每月底取过去三个月中分析师预期指标均值作为市场一致预期，同时取最新一期年报公布的财务数据，计算二者之间的百分比变化并取绝对值。取预期营业收入变化幅度、预期净利润变化幅度、预期利润总额变化幅度，根据三者均值将股票分为低幅度、中幅度、以三个月为一个预测周期，计算过去两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在两组中选因子值最高的50只股票，构建低幅度_分析师看多组合、中幅度_分析师看多组合和高幅度_分析师看多组合。回测时间区间为2016年至2023年8月，高幅度组合和中幅度组合超额收益优于低幅度按预期变化幅度分类的分析师看多组合净值走势按预期变化幅度分类的分析师看多组合相对于中证全指的超额收益4.3预期变化幅度对于超预期SUE因子的影响探究预期变化幅度对超预期SUE因子表现的影响。根据预期归母净利润相对于最新年报数据的变化幅度将股票分为低幅度、中幅度、高幅度三类，分别进行选股测试。调仓日期为每年4月底、8月底和10月底，在三组股票中分别选超预期SUE因子值最高的50只股票，构建低幅度_超预期看多组合、中幅度_超预期看多组合和高幅度_超预期看多回测时间区间为2015年10月至2023年8月，高幅度超预期组合走势优于中幅度和低幅度组合。但自2021年3季度以来，高幅度超预期组超额收益不如中幅度和低幅度组稳定。按预期变化幅度分类的超预期组合净值走势按预期变化幅度分类的超预期组合相对于中证全指的超额收益统计按预期营业收入变化、预期归母净利润变化、预期利润总额变化三因子等权的分析师预期变化复合因子以及超预期SUE因子的累积IC值，根据预期归母净利润相对于最新年报数据的变化幅度将股票分组。根据分析师预期变化因子累积IC值走势，分析师预期变化幅度增加虽然提升了分析师预期的准确度，但是对分析师预期变化因子表现并无正向影响。根据超预期SUE因子累积IC值，低幅度组和中幅度组因子累积IC值走势向上趋势相较于高幅度组更为稳定，这可能是因为分析师低幅调整的股票相较真实财务数据准确度较低，超预期部分幅度较大，更易反应于股价中，令超预期因子更加有效。按预期变化幅度分类的分析师预期变化复合因子IC累积值按预期变化幅度分类的()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一5.1历史准确度对于分析师预期准确度的影响本节探究分析师预期历史准确度对于目前准确度的影响。历史预测较为准确，说明分析师对于这家上市公司业绩跟踪较为紧密、估值模型较为成熟，则当前时点的预测准确度可能提升。2012年至2023年4月，每月底根据市场一致预期和真实财务数据构建分析师预期准确度指标。取过去12个月的预期准确度指标，并取均值。按准确度均值将股票等分为低准确度、中准确度、高准确度三类，探究三类股票的分析师预期准确度差异。下表统计了按历史准确度分类的分析师预期净利润相对于随机漫步的准确度。统计结果显示，历史准确度与当前预期准确度呈显著正相关，历史低准确度预期的股票当前FY1、FY2、FY3预期都较低；中准确度预期股票的FY1预期准确度较高，但FY2、FY3基本无效；历史预期准确度较高的股票当前预期准确度在各时间跨度都相对有效。时间跨度(月)低准确度中准确度高准确度时间跨度(月)低准确度中准确度高准确度时间跨度(月)低准确度中准确度高准确度01-1.31242.31345678资料来源：资料来源：Wind，朝阳永续，华西证券研究所，注：数据标红代表假设检验p-value≤0.02543.74-1.555.1历史准确度对于分析师预期准确度的影响按历史准确度分类统计分析师预期营业收入相对于随机漫步的准确度。同样地，历史预期准确度低的股票当前预期基本无效；历史预期准确度处于中位数附近的股票有较高准确度的FY1预期，但FY2、FY3预期基本无效；历史预期准确度较高的股票当前预期准确度在各时间跨度都相对有效。分析师预期营业收入(按历史准确度分类)01913.982923.56345441.8867476.55459.518434.34420.1397.649资料来源：Wind，朝阳永续，华西证券研究所，注：数据标红代表假设检验p-value≤0.0255.2历史准确度对于预期变化因子的影响每月底取最新一期年报发布日过去半年预期归母净利润相对于随机漫步的准确度指标，对于每只股票，6期取准确度均值。按准确度均值将股票等分为低准确度、中准确度、高准确度三类，分别进行选股测试。以三个月为一个预测周期，两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在两组中选因子值最高的50只股票，构建低准确度_分析师看多组合、中准确度_分析师看多组合和高准确度_分析师看多组合。回测时间区间为2016年至2023年8月，高准确度、中准确度、低准确度分析师看多组合相对于中证全指的超额收益依次递减。按历史准确度分类的分析师看多组合净值走势按历史准确度分类的分析师看多组合相对于中证全指的超额收益5.3历史准确度对于超预期SUE因子的影响探究分析师预期历史准确度对超预期SUE因子表现的影响。取最新一期年报发布日过去半年预期归母净利润相对于随机漫步的准确度指标，对于每只股票，6期取准确度均值。按准确度均值将股票等分为低准确度、中准确度、高准确度三类，分别进行选股测试。调仓日期为每年4月底、8月底和10月底，在三组股票中分别选超预期SUE因子值最高的50只股票，构建低准确度_超预期看多组合、中准确度_超预期看多组合和高准确度_超预期看多组合。回测时间区间为2015年10月至2023年8月，超预期SUE因子多头组合超额收益随历史准确度提升而增加。按历史准确度分类的超预期组合净值走势按历史准确度分类的超预期统计按预期营业收入变化、预期归母净利润变化、预期利润总额变化三因子等权的分析师预期变化复合因子以及超预期SUE因子的累积IC值，根据分析师预期历史准确度将股票根据分析师预期变化因子累积IC值走势，历史高准确度股票组的因子IC累积值走势在2021年3季度以前表现较好，2021年3季度以后IC累积值回撤较大。根据超预期SUE因子累积IC值走势，历史中准确度和高准确度股票组的因子IC累积值走势优于低准确度股票组。按历史准确度分类的分析师预期变化复合因子IC累积值按历史准确度分类的()分析师预期相对于时间序列模型的准确度一()分析师预期相对于时间序列模型的准确度一6.1板块分类对于分析师预期准确度的影响本节探究不同行业板块间准确度的影响。根据以下分类方式将申万一级行业分为6个板块:1.TMT板块:电子,通信,计算机,传媒,环保2.高端制造板块:电力设备,国防军工,机械设备,汽车3.消费板块:商贸零售,食品饮料,农林牧渔,社会服务,纺织服饰,轻工制造,家用电器4.医药板块:医药生物,美容护理5.周期:公用事业,石油石化,交通运输,有色金属,建筑材料,建筑装饰,钢铁,基础化工,煤炭6.金融:房地产,非银金融,银行在6个板块内分别探究分析师预期相对于随机漫步的准确度。统计结果显示，6个板块中，FY1预测显著优于随机漫步的板块为周期和医药，准确度较低的板块为TMT。FY2和FY3预测普遍不及随机漫步。金融金融金融012345678资料来源：资料来源：Wind，朝阳永续，华西证券研究所，注：数据标红代表假设检验p-value≤0.025-1.76-1.50-1.156.1板块分类对于分析师预期准确度的影响按行业板块分类统计分析师预期营业收入相对于随机漫步的准确度。6个板块中，FY1预测显著优于随机漫步的板块为医药、周期和高端制造，准确度较低的板块为金融板块。FY2预测中除了医药板块自时间跨度22个月以上分析师预期才会趋于无效，其余板块分析师预期相较于随机漫步无明显优越性。FY3预测基本相较于随机漫步无效。金融金融金融0123456789资料来源：资料来源：Wind，朝阳永续，华西证券研究所，注：数据标红代表假设检验p-value≤0.025-1.73-1.056.2板块分类对于预期变化因子的影响在TMT、高端制造、消费、医药、周期、金融6个板块内根据分析师预期变化因子进行选股测试。以三个月为一个预测周期，计算两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在6个板块中选因子