行业轮动系列报告：基于分析师预期明细数据的行业预期共振

正文目录一、4二、析预明因子 4净润期变化 4预调得分 9投评数量 三、合子 16四、20图表目录图1：净润期际化原值布 5图2：净润期际化平值布 5图3：策分净（月净润期化） 6图4：策分净（射后当净润期化） 7图5：策分净（间衰下净润期化） 8图6：计IC（间下的利预变） 8图7：影力分例 9图8：策分净（期调得） 11图9：计IC（期得分） 11图10：同布告的券数量 14图11：同布告的券报占比 14图12：略组值极评数因） 15图13：计IC（极数量子） 16图14：略组值合因） 17图15：计IC（合） 18图16：略组值预期振因） 18图17：计IC（预振三子） 19表1：盈预明示例 4表2：收统（月利润期化） 5表3：净润期化射方法 6表4：收统（射的当净润期化） 6表5：不回期的ICIR 7表6：收统（间减下净润期化） 8表7：不净润期化的响得中数 10表8：IC试不类下的期整分） 10表9：收统（期整得） 10表10：资级细例 12表11：资级类 13表12：试级 13表13：测评在回溯的ICIR结果 14表14：选商的ICIR 14表15：益计积级数因） 15表16：关统计 16表17：益计复子） 17表18：益计新共振因） 19一、前言 分析师预期是二级市场上投资者们关注的重要指标。在之前，我们曾在《“蓝海启航”系列研究之四：分析师预期数据在行业轮动中的应用和创新》中，采用降噪打分法基于一致预期数据构建了一个行业轮动因子。本次，我们将基于更为底层的分析师预期明细数据，对行业分析师预期因子进行重构，希望能构建出一个更为稳健的行业策略。二、分析师预期明细因子 净利润预期变化（时，通常会形成2~3ATx告时对个股在财年y在资本市场的投资分析中，业绩预期的边际变化往往是人们关注的重点，在分析师预期中也不例外。以盈利预测为例，相比较利润预测的绝对值，投资者往往更关注的是盈利预期的变化情况。为此，我们需要对分析师盈利预测做数据预处理。即在每一次发布盈利预测时，找到上一次该分析师对相同个股在同一财年时的盈利预测，并计算其净利润预测的变化率作为预期边际变化值。EST_DTANN_DT S_INFO_ RESEARCH_INST ANALYSTWINDCODE _NAME _NAMEREPORTING_PERIODEST_DTANN_DT S_INFO_ RESEARCH_INST ANALYSTWINDCODE _NAME _NAMEREPORTING_PERIODEST_NET_PROFITChg12021042120210421 000001.SZ招商证券分析师A2021123135700002.88%22021042120210421 000001.SZ招商证券分析师A2022123143200003.10%32021082020210820 000001.SZ招商证券分析师A2021123136300001.68%42021082020210820 000001.SZ招商证券分析师A2022123143700001.16%52021102020211021 000001.SZ招商证券分析师A2021123136300000.00%62021102020211021 000001.SZ招商证券分析师A2022123143700000.00%72022011420220114 000001.SZ招商证券分析师A202212314340000-0.69%82022011420220114 000001.SZ招商证券分析师A202312315240000无前值92022031020220310 000001.SZ招商证券分析师A20221231522000020.28%102022031020220310 000001.SZ招商证券分析师A20231231633000020.80%112022042620220427 000001.SZ招商证券分析师A202212314450000-14.75%112022042620220427 000001.SZ招商证券分析师A202312315370000-15.17%资料来源：、如上图所示，在每一次分析师发布报告时，有对未来2-3个财年的利润预测结果。那么应该采纳哪个财年的预测作为构建进一步指标的基础数据是我们需要1为便于投资者应用，我们在这里直接展示了wind统计的盈利预测表中的字段名。具体来说，EST_DT为报告日期，ANN_DT为报告公告日（有可能滞后于报告日期），S_INFO_WINDCODE是个股代码，RESEARCH_INST_NAME为分析师所在机构，ANALYST_NAME为分析师名，REPORTING_PERIOD为预测年度，EST_NET_PROFIT为净利润预测值，chg为我们计算的净利润预测边际变化值。面对的首个问题。事实上，对于不同个股而言，未来不同财年的利润预测可能都具有不同的意义。但总体来说，当年和未来一年的业绩情况通常是投资者最yyy+1年的从边际变化值的概率密度分布来看，取平均值后数据分布有略微的向零集中，但整体并未形成显著的变化。因此，后文我们就将净利润预期边际变化平均值作为净利润预期变化值。图1：净利润预期边际化原始值分布 图2：净利润预期边际化平均值分布统计区间：2007/01/01-2023/08/31；资料来源：、统计区间：2007/01/01-2023/08/31；资料来源：、在构建行业轮动指标时，我们可以首先采用一个最直观的构建方法：对过去一个月内在同一个股上不同分析师的净利润预期变化值做算术平均得到个股净利润预期变化，再按照市值加权的方式将个股净利润预期变化加和得到该月的行业净利润预期变化。进一步的，我们对当月净利润预期变化指标做分组收益测试。具体来说，我们以剔除“综合金融”以外29个的中信一级行业指数作为测试标的，在每个月月末进行调仓。以得分最高的六个行业为多头组合，以得分最低的六个行业作为空头组合，以29个中信一级行业指数的平均收益作为比较基准。从结果上来看，基于当月净利润边际变化指标构建的策略长期能获得超额收益，但策略超额收益并不稳定。总收益率年化收益率年化波动率最大回撤总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头248.71%12.52%25.51%44.74%56.69%0.49空头39.20%3.17%23.81%50.72%51.97%0.13基准127.42%8.07%24.04%50.55%55.91%0.34多头/基准53.45%4.13%8.99%15.86%53.54%0.46多空139.82%8.61%13.47%25.86%59.06%0.64测试区间：2013/01/01-2023/08/31；资料来源：、图3：策略分组净值（当月净利润预期变化）54.543.532.521.510.50

2.521.510.520130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头/基准测试区间：2013/01/01-2023/08/31；资料来源：、接下来，我们将尝试对初始指标进行构造上的改进。一方面，我们引入以前报告中构建预期共振因子所用的降噪打分法。具体来说，当预期变化大于+1%，即认为上调盈利预期，记为1分，当小于-1%时，认为分析师下调盈利预期，记为-1分。而当介于-1%和+1%之间时，则认为本次盈利预期变化并未具备实际意义，不进行统计。换句话说，我们将根据分析师净利润预期的边际变化值映射得到变化得分，再把过去一个月内的边际得分取均值后得到个股得分，并根据市值加权得到降噪打分的行业净利润预期变化。(-∞,-1%](-1%,0)(-∞,-1%](-1%,0)0(0,1%)[1%,∞)分布比率31.42%4.99%34.94%5.10%28.65%映射得分-1///1统计区间：2007/01/01-2023/08/31；资料来源：、经过测试，加入降噪打分的映射方法后，该指标的有效性得到了一定的边际提升。年化超额从4.13%提升至5.97%，信息比率由0.46提升至0.73.总收益率年化收益率年化波动率最大回撤总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头319.33%14.50%25.24%43.68%58.27%0.57空头38.03%3.09%23.66%52.13%51.18%0.13基准127.42%8.07%24.04%50.55%55.91%0.34多头/基准84.67%5.97%8.13%15.24%61.42%0.73多空191.47%10.63%13.10%21.78%59.06%0.81测试区间：2013/01/01-2023/08/31；资料来源：、图4：策略分组净值（映射后的当月净利润预期变化）6 2.55 241.53121 0.520130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合 空头组合 基准组合 多头/基准测试区间：2013/01/01-2023/08/31；资料来源：、另一方面，我们尝试在不同回溯期内考察净利润边际变化指标。考虑到越早期的利润变化越容易被市场消化，因此我们引入时间衰减加权方法进行计算。在下表中，横轴为回溯期，纵轴为半衰期。从结果来看，相对延长回溯期是可以提升指标的有效性。但延长回溯期后，必须设置较小的一个半衰期以保证近期的净利润边际变化得到更大权重的考量，这样的一个结果整体是符合直观逻辑的。因此，我们选取一个相对适中的回溯期，以6个月为回溯期，以1个月为半衰期作为指标的加权计算方法。18126311812631半衰期回溯期3 / 3.11 3.16 2.86 2.721 2.99 3.13 3.21 3.22 3.223 / 3.11 3.16 2.86 2.726 / 3.15 2.98 2.39 2.1812 / 3.13 2.95 2.30 1.4612 / 3.13 2.95 2.30 1.46测试区间：2013/01/01-2023/06/30；资料来源：、经过测试，该指标IC7.02%，ICIR3.21建策略的多头组合年化收益为16.44%，夏普比率为0.67。年化超额收益为7.52%0.82。总收益率年化收益率年化波动率最大回撤总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头400.81%16.44%24.65%39.50%54.33%0.67空头37.50%3.05%22.91%48.82%48.82%0.13基准127.42%8.07%24.04%50.55%55.91%0.34多头/基准115.36%7.52%9.15%10.93%59.84%0.82多空248.92%12.53%13.53%16.41%64.57%0.93测试区间：2013/01/01-2023/08/31；资料来源：、图5：策略分组净值（时间衰减下的净利润预期变化）7 2.56254 1.53 120.5120130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合 空头组合 基准组合 多头/基准测试区间：2013/01/01-2023/08/31；资料来源：、图6：累计IC（时间衰减下的净利润预期变化）10.80.60.40.20-0.4

1086420-2RankIC 累计IC测试区间：2013/01/01-2023/08/31；资料来源：、预期调整得分在第一部分的因子构建中，我们本质上对每一位分析师采用了一视同仁的处理方法，并未对具体的分析师进行区分。但事实上，不同分析师的推票能力和市场影响力必然有所差异，因此我们可以基于此尝试构建第二个因子——结合分析师影响力的预期调整得分因子。那么，如何刻画分析师的影响力呢？从量化的角度来说，最客观的刻画方法即在分析师发布个股报告时，相应个股的市场表现情况。具体来说，我们以报告发布日期的当日至次日，相应个股相对全市场中位数的超额涨跌幅作为报告的影响力得分（若发布于非工作日，则以往前的最近一个工作日作为报告的发布日期。图7：影响力得分示例资料来源：、事实上，利用市场表现来刻画影响力是需要结合报告倾向的。从直观的逻辑来说，当报告上调预期时对应个股的市场表现较好，或下调预期时市场表现较差，则说明报告具有一定的影响力。与第一部分类似的，我们将分析师预期变化的调整分为上调分析师预期、下调分析师预期以及不具备实际意义的调整。从统计结果可以看到三个特征：预期变化于大于+1%-1%至1%而预期变化小于-1%的报告得分均值为-0.06%，虽然显著低于其他几个类别，但并没有显著小于零。据统计，在净利润预期变化小于的报告中，仍有69.72%的报告对相应标的做出最高评级的推荐。因此在下调盈利预期的报告之中，有一部分实则是对之前过高的预期进行的修正(-∞,-1%](-1%,0)(-∞,-1%](-1%,0)0(0,1%)[1%,∞)分布比率31.42%4.99%34.94%5.10%28.65%影响力得分中位数-0.06%0.46%0.54%0.58%1.03%统计区间：2007/01/01-2023/08/31；资料来源：、在得到报告的影响力得分之后，我们就可以进行具体的因子构建：我们在每个月统计当月各行业出现的报告，按照分析师以及预期调整类（举例而言，当月有一条分析AxA）进一步的，我们将三种调整类型的行业预期调整得分进行了IC测试。可以看到，上调预期中的行业预期调整得分整体IC表现相对其他两个类型有效性要更加出色。这个结果是符合我们前面观察到的现象的。我们前面提到，下调预期的报告中，实际上还包含了部分看好公司但进行预测修正的情况，因此下调预期和不具备实际意义的调整报告都由于其报告倾向不明确，导致其计算得到的影响力得分可信度下降。RankI均值ICIRIC胜率T-valueRankI均值ICIRIC胜率T-valueP-value下调预期2.66%1.2352.76%1.150.2509不具备实际意义4.28%1.4658.27%1.370.1740上调预期5.98%2.5659.84%2.400.0177测试区间：2013/01/01-2023/06/30；资料来源：、经过测试，该指标IC5.98%，ICIR2.56建策略的多头组合年化收益为14.07%，夏普比率为0.52。年化超额收益为5.98%0.61。总收益率年化收益率年化波动率最大回撤总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头302.79%14.07%27.29%46.42%59.06%0.52空头44.58%3.54%23.24%47.92%53.54%0.15基准127.42%8.07%24.04%50.55%55.91%0.34多头/基准84.93%5.98%9.73%17.62%59.84%0.61多空178.92%10.17%14.72%21.50%60.63%0.69测试区间：2013/01/01-2023/08/31；资料来源：、图8：策略分组净值（预期调整得分）54.543.532.521.510.50

2.521.510.520130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合 空头组合 基准组合 多头/基准测试区间：2013/01/01-2023/08/31；资料来源：、图9：累计IC（预期调整得分）1 90.8 80.6 70.4 60.2504-0.2-0.4 3-0.6 2-0.8 1-1 0RankIC 累计IC测试区间：2013/01/01-2023/08/31；资料来源：、投资评级数量在这一部分，我们将基于分析师预期的投资评级构建行业轮动因子。首先，我们对于投资评级数据同样做一个简单的展示。可以看到，投资评级明细中有推荐评级、评级得分和目标价三个具有较大价值的信息。但是我们可以看到，目标价在相当一部分报告中是有所缺失的，并且由于目标价受到的影响因素过多（包括当时的市场表现、分析师的个人风格S_INFO_WINDCODES_EST_INSTITUTES_EST_RATINGANALYSTIME_INSTS_INFO_WINDCODES_EST_INSTITUTES_EST_RATINGANALYSTIME_INSTS_EST_SCORERATING_INSTLOWPRICE_INSTHIGHPRICEINST_ANN_DT S_EST_1000001.SZ证券公司1分析师A20200421220200422 审慎增持2000001.SZ证券公司2分析师B20200421117.320200422 强烈推荐3000001.SZ证券公司3分析师C20200420120200422 买入4000001.SZ证券公司4分析师D20200421220200422 推荐5000001.SZ证券公司5分析师E20200621120200621 买入6000001.SZ证券公司6分析师F20200622216.518.920200623 推荐7000001.SZ证券公司7分析师G20200827218.520200827 增持8000001.SZ证券公司8分析师H20200828222.420200828 跑赢行业11000001.SZ证券公司9分析师I20201022220.1922.3420201022 优于大市资料来源：、由于推荐评级是各家券商自行设计并发布的，因此推荐评级的设定并不统一。当前主流的评级分档有三类：三档评级：一个高评级、一个中性评级和一个低评级。常见的评级分类为买入、中性、卖出；跑赢行业、中性、跑输行业；优于大市、中性、落后大市。常见分类为强烈推荐、增持、中性和减持；强推、推荐、中性和回避。有一部和一个最低评级。常见分类为买入、增持、中性、减持和卖出。采用该种分类可见，不同券商分档方式不同，评级分类更是五花八门。因此为了使不同券商发布的报告具有可比性，我们应当设计一个统一的评级分类以进行后续的指标构建。而在万得配置对应评级得分时，其统一以“中性”为中间值32145分数得分具有一定的逻辑，我们就在此基础上做进一步的分析。首先，由于中性以下的评级在研报评级中是非常少见的，因此我们可以把中性以下的评级都视为一类。这样一来四档和五档评级就可以视为相同的分档方式，但对于三档2S_EST_ESTNEWTIME_INST为评级日期，ANN_DT为报告公告日（有可能滞后于评级日期），LOWPRICE_INST和HIGHPRICE_INST为最低目标价和最高目标价，S_EST_SCORE_RATING_INST为评级得分，S_EST_RATING_INST投资评级。分档方式评级分类wind得分分档方式评级分类wind得分数量占比买入（跑赢行业/优于大市）2155905.52%三档中性3//卖出（跑输行业/落后大市）48460.11%四档/五档买入（强烈推荐/强推）143248558.73%增持（推荐/谨慎推荐）223379531.75%中性（包含了三档）3269563.66%消极（减持/卖出/回避）4/516380.22%统计区间：2007/01/01-2023/08/31；资料来源：、从上表我们可以看到，四/五档中的最高评级在整体评级中的占比中较高，达到58.73%；其次是四/五档中的较高级评级，占比为31.75%；然后是三档中的高评级，占比为5.52%。在将四档和五档统一之后，我们需要考虑如何运用三档评级得分。/五档在较高评级方面，由于覆盖报告在大多数情况下都是给出优于中性的评//综上所述，我们可以得到五个测试评级，我们将其称之为狭义积极评级、广义积极评级、次积极评级、中性评级和消极评级。测试评级狭义积极广义积极次积极测试评级狭义积极广义积极次积极中性消极对应评级四档/五档的最高评级三档的最高评级+四档/五档的最高评级四档/五档的较高级评级中性评级低于中性的所有评级占比58.73%64.25%31.75%3.66%0.34%统计区间：2007/01/01-2023/08/31；资料来源：、在对测试评级做出分类后，我们就要开始着手构建相应的行业轮动因子指标。从结果来看，狭义和广义积极的有效性较好，次积极、中性和消极评级整体有效性较弱。在这里，我们在回溯期上保持与前文一致，取6个月做后续测试。狭义积极广义积极次积极中性消极1狭义积极广义积极次积极中性消极1个月3.223.172.13-1.35-0.983个月3.352.871.61-1.16-1.996个月3.433.031.70-0.89-1.5712个月3.423.031.77-0.90-1.52测试区间：2013/01/01-2023/08/31；资料来源：、接下来，我们对评级数据做进一步剖析。显然，不同类型券商研究所的报告发20070.1670.1-263时间较短或覆盖行业并不全面的中小型券商研究所；日均发布报告在2篇以上的券商有31家，主要为市场上具有一定影响力且覆盖较为全面的券商，贡献了全市场约73%的报告数量。图10：不同发布报告密的券商数量 图11：不同发布报告密的券商报告占比31家,大于2篇

小于0.1篇0.1-0.51% 7%67家,小于0.1篇

0.5-2篇19%28家,0.5-2篇35家,0.1-0.5篇

大于2篇73% 测试区间：2010/01/01-2023/08/31；资料来源：、测试区间：2010/01/01-2023/08/31；资料来源：、由此，我们借助报告发布密度来筛选一批更具影响力的券商，以这些券商的报告重新构建前述因子。具体来说，我们在每个时间截面计算券商历史发布报告总数，将总数除以其覆盖的行业数量得到其发布报告密度。选取发布报告密度排名前30的券商报告，按照前述步骤重新构建因子。经过测试，可以看到经过筛选券商之后，构建得到的不同评级因子有效性均得到了一定的边际提升，这说明精选券商的确能够提高构建行业轮动策略的有效性。表14：精选券商后的ICIR狭义积极广义积极次积极评级中性消极不做处理 3.433.031.70-0.89-1.57精选券商 4.354.152.23-1.64-1.87测试区间：2013/01/01-2023/08/31；资料来源：、横向比较来看，狭义积极因子整体效果相对广义积极因子更加稳健，这说明三档评级中的较高评级不适合视为等同于四档/五档的最高评级。而狭义积极相对剩余其他三个因子的有效性具有显著的优势，因此我们就以狭义积极因子的构建作为投资评级下的行业轮动因子。经过测试，该指标IC7.56%，ICIR4.35建策略的多头组合年化收益为15.88%，夏普比率为0.65。年化超额收益为7.16%1.02。总收益率年化收益率年化波动率最大回撤总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头376.00%15.88%24.53%45.10%59.06%0.65空头29.61%2.48%24.33%53.49%51.18%0.10基准127.42%8.07%24.04%50.55%55.91%0.34多头/基准107.85%7.16%7.02%10.83%64.57%1.02多空244.50%12.39%11.87%14.21%60.63%1.04测试区间：2013/01/01-2023/08/31；资料来源：、图12：策略分组净值（积极评级数量因子）6 2.55 241.53121 0.520130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合 空头组合 基准组合 多头/基准测试区间：2013/01/01-2023/08/31；资料来源：、图13：累计IC（积极评级数量因子）1 120.80.6 100.4 80.20 6-0.2-0.4 4-0.6 2-0.8-1 0RankIC 累计IC测试区间：2013/01/01-2023/08/31；资料来源：、三、复合因子 在这一部分，我们要将前述的三个因子进行复合得到我们基于分析师预期明细的行业轮动因子。在合成因子前，我们对三个因子进行相关性测试。从结果来看，三个因子由于构建的角度各不相同，整体相关度并不高。表16：相关性统计净利润边际变化预期调整得分积极评级净利润边际变化1.00000.13670.1951预期调整得分0.13671.00000.0901积极评级数量0.19510.09011.0000测试区间：2013/01/01-2023/08/31；资料来源：、Zscore经过测试，新的复合分析师预期指标IC9.77%，ICIR20.45%0.7512.03%1.37。分组因子总收益率年化收益率分组因子总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头新因子旧因子616.62%393.38%20.45%16.27%27.23%25.83%47.26%40.87%59.06%58.27%0.750.63空头新因子旧因子4.92%15.24%0.45%1.35%23.65%23.52%56.58%61.05%48.82%52.76%0.020.06基准127.42%8.07%24.04%50.55%55.91%0.34新因子232.72%新因子232.72%12.03%8.75%7.52%71.65%1.37多头/基准旧因子118.39%7.66%8.71%9.57%66.93%0.88新因子569.67%19.68%15.32%12.52%69.29%1.28旧因子308.36%14.21%13.78%17.07%63.78%1.03测试区间：2013/01/01-2023/08/31；资料来源：、图14：策略分组净值（复合因子）10 49 3.58376 2.55 24 1.53121 0.520130228201306282013022820130628201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合 空头组合 基准组合 多头/基准 多头/基准（原指标）测试区间：2013/01/01-2023/08/31；资料来源：、图15：累计IC（复合因子）10.80.60.40.20-0.4