研究结论
　　分析师预测净利润的准确度并不高。到第二年三月底，FY1仍然高估了42%，FY2高估了156%，FY3高估了236%。分析师预期数据的价值主要体现在其时间序列上的动态变化和横截面上的相对差异。
　　分析师预期调整指标有三种构造方式，其中FOM因子效果最好。全市场中性化IC为2.8%，ICIR超过2。多空组合年化收益12%。FOM因子剔除WFR和CFR因子后仍有显著的选股效果，WFR和CFR因子剔除FOM因子后便失去了选股效力。
　　我们构造了FOM_123mean因子，将FOM_FY1，FOM_FY2，FOM_FY3三因子非空部分取均值，综合衡量分析师对未来三个年度的盈利预测调整情况。
　　FOM_123mean因子多空组合表现优于单因子，全市场中性化IC为2.8%，ICIR为超过2，多空组合年化收益15%。
　　根据营收字段计算的FOM_or因子也有效。对基于净利润的FOM因子正交化后，残差因子依然有效。FOM_or_123mean因子多空组合表现优于单因子，全市场中性化因子IC为2%，ICIR为1.7，多空组合年化收益11%。
　　分析师一致预期的股票盈利能力也可以用横截面模型来进行解释，模型残差即为分析师预期残差因子。全市场中性化的滚动FYROE_resid_12mean因子IC为3%，ICIR为2.3，多空组合年化收益11%。
　　分析师预期估值滚动EP_FY_12mean因子，表现优于单因子。全市场中性化因子IC为4.2%，ICIR为2，多空组合年化收益17%。滚动EP_FY_12mean剔除当前估值EP_TTM因子后仍然有很强的选股效果，说明分析师一致预期净利润的相对大小提供了额外的有用信息。
　　本文最终确定了12个单因子，构成我们的分析师类选股因子库。在全市场中（1）改进后的分析师合成因子IC由5.93%提升到6.45%，ICIR由3.21提升到3.92。（2）多空组合收益和稳定性明显提升。年化收益达到29%，提升7%，最大回撤明显降低，仅为3.7%，年化夏普比达到3.6，月度胜率达到85%。2010-2022这13年中，每年的多空收益均有提升。（3）多头组合收益和稳定性明显提升。年化收益达到14%，提升5%，最大回撤明显降低，仅为5%。
　　分析师因子改进前后，中证500对冲组合改进较明显，年化收益由原来的15.33%提高到17.44%，提升2.1%，跟踪误差略有上升、最大回撤有所下降。
　　风险提示
　　1.量化模型基于历史数据分析，未来存在失效风险，建议投资者紧密跟踪模型表现。
　　2.极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。

研究报告全文：金融工程专题报告报告发布日期2023年02月17日alpha分析师研报类增强因子选股系列之八十七刘静涵021-633258883211liujinghanorientseccomcn研究结论执业证书编号S0860520080003分析师预测净利润的准确度并不高到第二年三月底FY1仍然高估了42FY2香港证监会牌照BSX840高估了156FY3高估了236分析师预期数据的价值主要体现在其时间序列上的动态变化和横截面上的相对差异分析师预期调整指标有三种构造方式其中FOM因子效果最好全市场中性化IC为28ICIR超过2多空组合年化收益12FOM因子剔除WFR和CFR因子后仍有显著的选股效果WFR和CFR因子剔除FOM因子后便失去了选股效力研报文本情感倾向因子因子选股2022-12-06系列研究之八十六我们构造了FOM123mean因子将FOMFY1FOMFY2FOMFY3三因子基于财报的业绩超预期度量因子选2022-10-25非空部分取均值综合衡量分析师对未来三个年度的盈利预测调整情况股系列之八十五FOM123mean因子多空组合表现优于单因子全市场中性化IC为28ICIR为分析师覆盖度因子改进因子选股2022-08-23超过2多空组合年化收益15系列研究之八十四根据营收字段计算的FOMor因子也有效对基于净利润的FOM因子正交化后多模型学习量价时序特征因子选股2022-06-12系列之八十三残差因子依然有效FOMor123mean因子多空组合表现优于单因子全市场中超大单冲击对大单因子的影响因子2022-05-20IC2ICIR1711性化因子为为多空组合年化收益选股系列之八十二分析师一致预期的股票盈利能力也可以用横截面模型来进行解释模型残差即为分周频量价指增模型因子选股系列之2022-03-28析师预期残差因子全市场中性化的滚动FYROEresid12mean因子IC为3八十一收益率的非对称分布与尾部蕴含的2021-12-25ICIR为23多空组合年化收益11Alpha因子选股系列研究之八十分析师预期估值滚动EPFY12mean因子表现优于单因子全市场中性化因子基于大单的alpha因子构建因子选2021-10-27IC为42ICIR为2多空组合年化收益17滚动EPFY12mean剔除当前股系列之七十九估值EPTTM因子后仍然有很强的选股效果说明分析师一致预期净利润的相对大存在于全市场范围内的稳健动量效应2021-09-02小提供了额外的有用信息因子选股系列研究之七十八基于委托订单数据的alpha因子因2021-07-22本文最终确定了12个单因子构成我们的分析师类选股因子库在全市场中1子选股系列之七十六改进后的分析师合成因子IC由593提升到645ICIR由321提升到3922多空组合收益和稳定性明显提升年化收益达到29提升7最大回撤明显降低仅为37年化夏普比达到36月度胜率达到852010-2022这13年中每年的多空收益均有提升3多头组合收益和稳定性明显提升年化收益达到14提升5最大回撤明显降低仅为5分析师因子改进前后中证500对冲组合改进较明显年化收益由原来的1533提高到1744提升21跟踪误差略有上升最大回撤有所下降中证全指原始六因子改进12因子原始六因子改进12因子多头回撤多头回撤多头净值多头净值70-16-25-34-43-5-62-71-80-9201043020108312011429201183120124272012831201342620138302014430201482920154302015831201642920168312017428201783120184272018831201943020198302020430202083120214302021831202242920228312010123120111230201212312013123120141231201512312016123020171229201812282019123120201231202112312022123020091231风险提示1量化模型基于历史数据分析未来存在失效风险建议投资者紧密跟踪模型表现2极端市场环境可能对模型效果造成剧烈冲击导致收益亏损有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明金融工程专题报告分析师研报类alpha增强目录一分析师预期调整因子61因子构造62预测年度切换时间83预测年度选择94预测字段选择11二分析师预期残差因子131因子构造132预测年度切换时间153预测年度选择16三分析师预期估值因子18四分析师类合成因子表现20五指数增强组合增效26六总结29风险提示30有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明2金融工程专题报告分析师研报类alpha增强图表目录图1分析师一致预期净利润在不同月份的平均覆盖度2008131-20223315图2分析师一致预期净利润在不同月份的平均MPE指标2008131-20223315图3分析师预期调整因子覆盖度CFRVSWFRVSFOM20091231-202301127图4分析师预期调整因子效果对比CFRVSWFRVSFOM20091231-202301127图5分析师预期调整因子正交化对比CFRVSWFRVSFOM20091231-202301128图6FOM因子预测年度切换时间对比20091231-202301128图7FOM因子覆盖度不同预测年度20091231-202301129图8FOM因子预测年度选择对比20091231-202301129图9FOM123mean因子绩效表现20091231-2023011210图10FOM123mean因子多空净值20091231-2023011210图11FOM123mean因子多头净值20091231-2023011210图12FOM123mean因子分组年化超额收益20091231-2023011210图13FOM与FOMor因子覆盖度20091231-2023011211图14FOM与FOMor因子表现对比20091231-2023011211图15FOMor123mean因子绩效表现20091231-2023011212图16FOMor123mean因子多空净值20091231-2023011212图17FOMor123mean因子多头净值20091231-2023011212图18FOMor123mean因子分组年化超额收益20091231-2023011212图19横截面模型逐步回归的平均AdjustedRsquare20080131-2022123014图20横截面模型AdjustedRsquared变化20080131-2022123014图21横截面模型回归系数与P值20080131-2022123015图22FY1ROEresid因子预测年度切换时间对比20091231-2023011215图23滚动FY1ROEresid因子绩效表现20091231-2023011216图24滚动FYROEresid因子预测年度选择对比20091231-2023011216图25滚动FYROEresid12mean因子绩效表现20091231-2023011217图26滚动FYROEresid12mean因子多空净值20091231-2023011217图27滚动FYROEresid12mean因子多头净值20091231-2023011217图28滚动FYROEresid12mean因子分组年化超额收益20091231-2023011217图29EPFY1因子预测年度切换时间对比20091231-2023011218图30滚动EPFY因子预测年度选择对比20091231-2023011218图31滚动EPFY12mean因子多空净值20091231-2023011219图32滚动EPFY12mean因子多头净值20091231-2023011219图33滚动EPFY12mean因子分组年化超额收益20091231-2023011219图34滚动EPFY12mean因子与EPTTM因子的对比20091231-2023011219有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明3金融工程专题报告分析师研报类alpha增强图35DFQ分析师类选股因子库20图36DFQ分析师类选股因子间的相关性20091231-2023020720图37DFQ分析师类单因子绩效全市场20091231-2023020721图38DFQ分析师类单因子多空净值全市场20091231-2023020721图39DFQ分析师类单因子多头净值全市场20091231-2023020721图40DFQ分析师类单因子分组年化超额收益20091231-2023011221图41DFQ分析师类合成因子绩效全市场20091231-2023020722图42DFQ分析师类合成因子多空净值回撤全市场20091231-2023020722图43DFQ分析师类合成因子多头净值回撤全市场20091231-2023020722图44DFQ分析师类选股因子与其他大类因子间的相关性20091231-2023020723图45DFQ分析师类选股因子与其他大类因子的绩效表现20091231-2023020723图46DFQ分析师类合成因子多空净值全市场20091231-2023020723图47DFQ分析师类合成因子多头净值全市场20091231-2023020723图48DFQ分析师类合成因子绩效中证80020091231-2023020724图49DFQ分析师类合成因子多空净值回撤中证80020091231-2023020724图50DFQ分析师类合成因子多头净值回撤中证80020091231-2023020724图51DFQ分析师类合成因子绩效中证100020091231-2023020725图52DFQ分析师类合成因子多空净值回撤中证100020091231-2023020725图53DFQ分析师类合成因子多头净值回撤中证100020091231-2023020725图54DFQalpha模型26图55沪深300全市场增强组合表现20091231-2023020727图56中证500全市场增强组合表现20091231-2023020728有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明4金融工程专题报告分析师研报类alpha增强在之前的报告分析师研报的数据特征与alpha更稳健易算的盈利上调因子中我们对分析师研报数据中的alpha因子进行了挖掘本篇报告我们继续对分析师数据的研究并提供一个更新版的分析师因子库在前期报告盈利预测与市价隐含预期收益中我们曾指出分析师预测净利润的准确度并不高分析师预期数据的价值主要体现在其时间序列上的动态变化和横截面上的相对差异下面我们展示分析师对于FY1FY2FY3的一致预期净利润相比实际年报净利润的高估程度即MPE指标FY1对应的报告期在4月30日集中更换至下一年不使用实际公告数据来填充一致预期1MPE1从覆盖度来看一致预期FY1FY2FY3由于FY1对应的报告期在4月30日集中更换至下一年在3月底有部分上市公司已经公布了上一年年报因而FY1的覆盖度在3月底有所下滑又由于朝阳永续的一致预期年度基准年在每年5月1日进行调整假设当前为2022年4月30日FY1年度为2022年FY2年度为2023年FY3年度为2024年此时上市公司2021年的年报还未全部发布一致预期基准年仍为2020年还没有2024年的一致预期数据因而FY3在4月底没有数据从MPE指标来看分析师的一致预期净利润一直处于高估状态且MPEFY3MPEFY2MPEFY1由于FY1对应的报告期在4月30日集中更换至下一年因而在4月底时一致预期高估程度最高FY1平均高估151FY2平均高估232随着年报发布期的临近高估程度降低但到第二年三月底FY1仍然高估了42FY2高估了156FY3高估了236图1分析师一致预期净利润在不同月份的平均覆盖度图2分析师一致预期净利润在不同月份的平均MPE指标2008131-20223312008131-2022331MPEFY1MPEFY2MPEFY3MPEFY1MPEFY2MPEFY37535031031230928628970300266262253260255237241652502322322151971926020017117116716015115315614613955150128107104501007667605338424550400456789101112123456789101112123数据来源东方证券研究所朝阳永续Wind资讯数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明5金融工程专题报告分析师研报类alpha增强一分析师预期调整因子1因子构造分析师预期数据在时间序列上的动态变化就是指分析师预期数据的调整分析师预期的调整往往意味着新信息的到来分析师对于不同股票的预期调整幅度可以反映出不同股票的边际改善差异和分析师对股票观点和推荐力度的变化分析师预期调整指标有三种构造方式1分析师一致预期调整幅度CFR计算当前的一致预期相对于过去一段时间之前的一致预期的变化率测算发现使用过去三个月的变化率效果更好为避免分母过小甚至为负剔除上次一致预期净利润低于100万元的样本2单个分析师加权预期调整幅度WFR计算过去三个月每个机构的最后一次预期调整幅度再按照最新报告的撰写时间进行加权对于近期的报告给予更大的权重而对于时间更早的报告给予小权重调整幅度计算方法为最新预期相对于1个月前6个月内的同报告期最新一次预测的百分比为避免分母过小甚至为负剔除上次预期净利润低于100万元的样本留有一个月空档期主要是为了减少短期重复报告的影响分析师研报的数据特征与alpha报告中加权方式采用的是预测精度加权测算发现用最新报告撰写时间加权也能实现相近效果并且算法更加简单3分析师预测上调的概率FOM在更稳健易算的盈利上调因子报告中我们提出了FOM因子FOM因子以所有分析师在时间序列上的预期为基础旨在考察整体市场对于股票观点的时间序列变化不仅只做同一分析师预期数据的对比也做不同分析师预期的对比具体做法是将当前最新的分析师预期作为基准与过去一段时间中的分析师预期进行对比计算预期上调和下调的占比此外因子计算中还可以加入预告快报实际年报的净利润数据如果当前有财报数据公布则以财报公布的净利润作为基准与过去一段时间里的分析师预期进行对比FOMK-MNN分析师针对个股当期年报业绩给出的预测报告篇数上市公司公告年报的预告快报实际年报篇数仅纳入过去一年内的分析师报告而且要求个股至少有3篇报告覆盖N3否则视为缺失值K比当前最新报告的净利润低的历史报告篇数M比当前最新报告的净利润高的历史报告篇数因子计算中部分细节说明如下1数据源本文涉及的分析师数据均来自于朝阳永续只采用年报预测数据不限制研报类型仅纳入朝阳永续计算一致预期时用到的机构的预测数据朝阳永续的一致预期采用时间和机构双加权的方法构建一致预期类型选择为加权计算和补充估算两种2分析师预测年度针对FY1FY1对应的报告期在4月30日集中更换至下一年即在2022年3月31日FY1对应的报告期为2021年在2022年4月30日FY1对应的报告期为2022年有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明6金融工程专题报告分析师研报类alpha增强3分析师预测字段考察分析师预测归母净利润4因子预处理使用boxplot方法进行异常值处理行业市值回归填充缺失值行业市值中性化标准化从三类因子在全市场的覆盖度来看CFRFOMWFRCFR对于中证全指的覆盖度目前接近70WFR为44FOM为52图3分析师预期调整因子覆盖度CFRVSWFRVSFOM20091231-20230112CFR3WFR时间加权FOMFY1FY1FY110090807060504030201002010226201043020106302010831201122820114292011630201183120122292012427201262920128312013228201342620136282013830201422820144302014630201482920152272015430201563020158312016229201642920166302016831201722820174282017630201783120182282018427201862920188312019228201943020196282019830202022820204302020630202083120212262021430202163020218312022228202242920226302022831201010292010123120111031201112302012103120121231201310312013123120141031201412312015103020151231201610312016123020171031201712292018103120181228201910312019123120201030202012312021102920211231202210312022123020091231数据来源东方证券研究所朝阳永续Wind资讯从三类因子在全市场的选股效果上看FOMWFRCFR具体来看1CFR因子依赖于一致预期的计算方法忽略了各个分析师的特质性一致预期净利润的变化可能完全是由于分析师A的预测被纳入分析师B的预测被剔除而B比A一致性高估或者低估而导致的2WFR因子考虑到了每个分析师的盈利预测调整情况但容易受到单个分析师极端调整幅度的影响3FOM因子考察整体市场对于股票观点的时间序列变化忽略预期调整幅度仅考察预期值的相对大小因子表现更加稳健此外FOM因子中还可以加入财报公告信息从而将公告业绩超预期纳入因子中进一步提升因子效果需要注意的是FOM因子并不满足正态分布偏度大于0分布为右偏需要进行一定的正态化调整由于FOM的取值范围为-11可以进行log2x或sqrt1x的转化从因子效果来看sqrt1x的转化更优全市场sqrt1FOMFY1IC为281ICIR为216多空组合年化收益1238最大回撤515图4分析师预期调整因子效果对比CFRVSWFRVSFOM20091231-20230112回归法填充缺失值CFR3CFR6CFR12WFR预测精度加权WFR时间加权FOMlog2FOMsqrt1FOM全市场行业市值中性FY1FY1FY1FY1FY1FY1FY1FY1均值220236203232236271274281ICICIR2036219772162581436513729224722153321608tstat7365271518588085195849660812847788778160月均收益074066056094093099100101多空组合胜率66886497656175807580751672617261top10-年化夏普比1447712411104591810120649222802213121450bottom10最大回撤-1044-733-995-729-641-577-599-515年化收益89979766911431130120812261238数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明7金融工程专题报告分析师研报类alpha增强从正交化结果来看FOM因子剔除WFR和CFR因子后仍然有显著的选股效果IC达到2以上多空组合年化收益超过10而相反WFR和CFR因子剔除FOM因子后便失去了选股效力IC在0附近ICIR不到1图5分析师预期调整因子正交化对比CFRVSWFRVSFOM20091231-20230112sqrt1fomfy1wfrfy1sqrt1fomfy1cfr3fy1回归法填充缺失值全市场orthoorthoorthoortho行业市值中性wfrfy1sqrt1fomfy1cfr3fy1sqrt1fomfy1均值231-090294-063ICICIR15578-833222999-8418tstat56348-3013683189-30448月均收益101023097-012胜率7771592473894777多空组合年化夏普比21595741821719-3828top10-bottom10最大回撤-600-671-516-2291年化收益12362741187-156数据来源东方证券研究所朝阳永续Wind资讯在FOM因子的构造中还存在很多细节下面我们针对预测年度切换时间预测年度选择预测字段三个问题进行深入讨论2预测年度切换时间一般而言分析师预测的最近一个报告期称为FY1切换时间就是财报公告日例如2016年3月10日某公司公告2015年年度报告那么3月10日之前预测的FY1就是2015年年报3月10日及之后预测的FY1就是2016年年报由于不同公司的年报公告日并不是同一天所以在12月31日和4月30日之间不同公司的FY1所指年度可能会不一致在相关因子计算时如果严格按照FY1预测计算指标就可能导致不同公司的不可比问题因而我们需要指定一个预测年度的切换时间通常有1月31号切换2月29号切换3月31号切换4月30号和5月31号切换等方案从因子表现结果来看预测年度切换时间对于因子表现影响并不大FOM因子在4月底切换效果更佳我们在FOM因子计算中加入了财报公告信息包括年度的预告快报正式年报当年公告信息一出FOM因子就转变为衡量公告信息相比分析师预期的超预期程度图6FOM因子预测年度切换时间对比20091231-20230112fomfomfomfomfom回归法填充缺失值全市场fy1fy1fy1fy1fy1行业市值中性0131切换0229切换0331切换0430切换0531切换均值256254268271259ICICIR2199421453224842247221561tstat7955577596813268128477988月均收益095098099099093胜率75807580758075167261多空组合年化夏普比2164022297223422228021659top10-bottom10最大回撤-577-577-577-577-656年化收益11731212122912271150数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明8金融工程专题报告分析师研报类alpha增强3预测年度选择一般而言分析师会对多个报告期同时进行预测预测的最近的一个报告期我们称为FY1后面依次为FY2FY3等分析师对不同年度的盈利预测调整都包含了有效信息下面我们分别对比针对FY1FY2FY3的FOM因子表现从因子在全市场的覆盖度来看FOMFY1和FOMFY2对于中证全指的覆盖度很接近目前为52FOMFY3覆盖度最低这说明绝大多数分析师都会至少预测随后两年的公司业绩由于预测年度切换时间为4月30日FOMFY3因子在4月底因子覆盖度最低随后逐渐提高图7FOM因子覆盖度不同预测年度20091231-20230112FOMFOMFOMFY1FY2FY310090807060504030201002010226201043020106302010831201122820114292011630201183120122292012427201262920128312013228201342620136282013830201422820144302014630201482920152272015430201563020158312016229201642920166302016831201722820174282017630201783120182282018427201862920188312019228201943020196282019830202022820204302020630202083120212262021430202163020218312022228202242920226302022831201010292010123120111031201112302012103120121231201310312013123120141031201412312015103020151231201610312016123020171031201712292018103120181228201910312019123120201030202012312021102920211231202210312022123020091231数据来源东方证券研究所朝阳永续Wind资讯从因子效果来看针对FY1FY2FY3的FOM因子均有效FOMFY1表现最优其次是FY2和FY3同样由于因子并不满足正态分布需要进行一定的正态化调整三因子在进行互相的正交化剔除后残差因子基本均有效IC在1以上ICIR在1以上图8FOM因子预测年度选择对比20091231-20230112fomsqrt1fomfomsqrt1fomfomsqrt1fom回归法填充缺失值全市场fy1fy1fy2fy2fy3fy3行业市值中性lag12Mlag12Mlag12Mlag12Mlag12Mlag12M均值271281260263165167ICICIR224722160822106200381453112878tstat812847816079959724805256046582月均收益099101099101075075胜率751672617834789872617516多空组合年化夏普比222802145019442193231796418893top10-bottom10最大回撤-577-515-658-464-602-458年化收益1208123811981243908916fomfy1lag12Mfomfy1lag12Mfomfy2lag12Mfomfy3lag12M回归法填充缺失值全市场orthoorthoorthoortho行业市值中性fomfy2lag12Mfomfy3lag12Mfomfy1lag12Mfomfy1lag12M均值180216139093ICICIR1808017423158469324tstat65397630215731733724月均收益047088031041胜率6306738959876433多空组合年化夏普比1244921975922413137top10-bottom10最大回撤-634-399-675-488年化收益5561085363487数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明9金融工程专题报告分析师研报类alpha增强因而我们尝试构造FOM123mean因子将FOMFY1FOMFY2FOMFY3三因子非空部分取均值综合衡量分析师对未来三个年度的盈利预测调整情况同样由于因子并不满足正态分布需要进行一定的正态化调整可以看到FOM123mean因子多空组合表现优于单因子FOM123mean因子对FOMFY1正交化后残差因子IC依然大于1ICIR依然大于1全市场中性化的sqrt1FOM123mean因子IC为282ICIR为211多空组合年化收益1456最大回撤仅为565月度胜率为80多头组合表现突出年化超额收益为852最大回撤仅为686图9FOM123mean因子绩效表现20091231-20230112fom123mean回归法填充缺失值全市场fom123meansqrt1fom123meanortho行业市值中性fomfy1均值268282103ICICIR215702114111349tstat780197646941049月均收益115117033多空组合胜率783480256306top10-年化夏普比23109231239083bottom10最大回撤-609-565-687年化收益14181456398数据来源东方证券研究所朝阳永续Wind资讯图10FOM123mean因子多空净值20091231-图11FOM123mean因子多头净值20091231-2023011220230112sqrt1fom1sqrt1fom2sqrt1fom3meansqrt1fom123meansqrt1fom1sqrt1fom2sqrt1fom3meansqrt1fom123mean70035060030050025040020030015020010010005000000020193292010129201063020114292011930201222920127312013531201433120148292015130201563020164292016930201722820177312018531201983020201232020630202143020219302022228202272920106302014331202193020101292011429201193020122292012731201353120148292015130201563020164292016930201722820177312018531201932920198302020123202063020214302022228202272920221230201011302012123120131031201511302017122920181031202011302017122920101130201212312013103120151130201810312020113020221230数据来源东方证券研究所朝阳永续Wind资讯数据来源东方证券研究所朝阳永续Wind资讯图12FOM123mean因子分组年化超额收益20091231-20230112109864421110-2-10-4-3-6-5-5-8数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明10金融工程专题报告分析师研报类alpha增强4预测字段选择一般而言分析师会对多个字段给出预测净利润和营收是其中两个主要字段分析师对净利润和营收的预期调整情况可能不同接下来我们对营收字段计算FOMFY1因子从因子在全市场的覆盖度来看FOMFOMor但近年来二者覆盖度基本趋同图13FOM与FOMor因子覆盖度20091231-20230112FOMFOMorFY1FY110090807060504030201002010226201043020106302010831201122820114292011630201183120122292012427201262920128312013228201342620136282013830201422820144302014630201482920152272015430201563020158312016229201642920166302016831201722820174282017630201783120182282018427201862920188312019228201943020196282019830202022820204302020630202083120212262021430202163020218312022228202242920226302022831201010292010123120111031201112302012103120121231201310312013123120141031201412312015103020151231201610312016123020171031201712292018103120181228201910312019123120201030202012312021102920211231202210312022123020091231数据来源东方证券研究所朝阳永续Wind资讯从因子在全市场的选股效果上看FOMorFY1因子也有效全市场IC接近2ICIR接近2多空组合年化收益接近10最大回撤仅为37并且FOMorFY1因子对FOMFY1因子进行正交化后残差因子依然有效IC超过1ICIR超过1说明分析师对于营收和净利润的预期调整中包含不同的信息图14FOM与FOMor因子表现对比20091231-20230112fomsqrt1fomfomorsqrt1fomorfomorfy1回归法填充缺失值fomfy1orthofom全市场fy1fy1fy1fy1ortho行业市值中性orfy1lag12Mlag12Mlag12Mlag12Mfomfy1均值271281188197127231ICICIR224722160819153181871439318561tstat812847816069278657855206167138月均收益099101076081043079多空组合胜率751672617580758071977325top10-年化夏普比222802145022865222271615520146bottom10最大回撤-577-515-371-377-245-644年化收益12081238926990510961数据来源东方证券研究所朝阳永续Wind资讯我们尝试构造FOMor123mean因子将FOMorFY1FOMorFY2FOMorFY3三因子非空部分取均值综合衡量分析师对未来三个年度的营收预期调整情况可以看到FOMor123mean因子多空组合表现优于单因子FOMor123mean因子对FOM123mean正交化后残差因子IC依然大于1ICIR依然大于1全市场中性化的sqrt1FOMor123mean因子IC为2ICIR为172多空组合年化收益106最大回撤仅为413月度胜率为78多头组合年化超额收益为529最大回撤仅为705有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明11金融工程专题报告分析师研报类alpha增强图15FOMor123mean因子绩效表现20091231-20230112sqrt1fomorsqrt1fomorsqrt1fomorfomor123meanfom123mean回归法填充缺失值全市场fy1fy2fy3sqrt1fomor123meanorthoortho行业市值中性lag12Mlag12Mlag12Mfom123meanfomor123mean均值197187113200110219ICICIR18187159588954172771216817679tstat657855772032388624934401263947月均收益081084056086036097多空组合胜率758077076943777164338025top10-年化夏普比222272116017878238741421923500bottom10最大回撤-377-370-437-413-386-662年化收益990103568210604291180数据来源东方证券研究所朝阳永续Wind资讯图16FOMor123mean因子多空净值20091231-图17FOMor123mean因子多头净值20091231-2023011220230112sqrt1fomor123meansqrt1fomor123mean450250400350200300150250200100150100050050000000201113120127312019731202112920101292010730201172920121312013131201373120141302014731201513020157312016129201672920171262017731201813120187312019131202012320207312021730202212820227292023112201113120127312019731202112920101292010730201172920121312013131201373120141302014731201513020157312016129201672920171262017731201813120187312019131202012320207312021730202212820227292023112数据来源东方证券研究所朝阳永续Wind资讯数据来源东方证券研究所朝阳永续Wind资讯图18FOMor123mean因子分组年化超额收益20091231-2023011265422210000-2-2-4-3-6-5数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明12金融工程专题报告分析师研报类alpha增强二分析师预期残差因子1因子构造后面两部分我们重点考察分析师预期数据的横截面相对差异的使用方法分析师一致预期与公司当前基本面情况息息相关单纯比较一致预期盈利能力指标可能会与现有基本面因子相关性过高因而我们尝试引入截面模型考察分析师预期残差的选股效果在前期报告盈利预测与市价隐含预期收益中我们曾提出过预测公司盈利的横截面回归方法可以用当期横截面上已知股票数据来预测下一期的股票盈利能力同理分析师一致预期的股票盈利能力也可以用横截面模型来进行解释模型残差即为分析师预期残差因子分析师基于当前获得的股票信息作出盈利预测判断盈利预测中能够被已知股票数据解释的部分可能已经反映在股价中盈利预测中不能被已知股票数据解释的部分才是分析师盈利预测的核心增量也是分析师个人综合判断能力的体现假设t时刻市场上有N只股票横截面模型可以表示为1212其中函数通常取为线性形式是K个用来解释分析师预测盈利能力的变量是分析师一致预期股票盈利能力的指标本文所用因变量为分析师一致预期ROEHou2012直接用公司净利润数值作为因变量自变量用的是市值总资产分红等指标的数值这样建模的问题是上市公司规模大小分布不均变量和样本数据的偏度和峰度会很大显著偏离正态分布线性回归OLS估计量不能保证一致性采用ROE可以在一定程度上缓解这一问题此处所用的分析师一致预期数据默认为FY1我们选择以当前时点所处的年份作为FY1以日历年的跨越来切换预测年度例如当前时点2023年1月31日那么FY1指的是2023年当前时点2022年12月31日那么FY1仍为2022年后面我们会对预测年度切换时间和预测年度选择问题再进行详细讨论自变量包括当期行业虚拟变量中信一级对数市值BP估值ROETTM总资产同比增长率ROE变动当前TTM和一年前TTM比较股息率过去60个交易日的收益率选择行业是因为不同行业的盈利能力天然存在差别选择市值对数是因为大公司的盈利能力普遍强于小公司FamaandFrench1995选择BP估值是因为BP高的公司通常未来的盈利能力较差盈利能力和投资具有一定的持续性Penman1991LakonishokShleiferandVishny1994FamaandFrench1995往期盈利能力比较强的公司后期相应也会较好往期资产增长较快的公司预期未来资产也会延续增长持续投资增加资本支出从而会相应的减少利润选择盈利能力变化主要用来捕捉盈利的均值回复特性FamaandFrench2000盈利水平较高会导致竞争的加剧最后恢复到正常水平有分红的公司一般比不分红的公司盈利能力更强分红比例高也是盈利能力较强的一种信息FamaandFrench2001Fama和French2006在估计盈利能力预期值时也尝试添加了股票历史收益率加入1ROE0ROE是之前有研究发现亏损公司盈利均值回复的速度要比实现盈利的公司要快采用前期报告东方A股因子风险模型DFQ-2018中选择风险因子时提供的逐步Fama-Machbeth回归方法按照平均AdjustedRsquared的增量大小对除行业虚拟变量外的8个自变量进行排序可以看到8个因子均能被加入模型中最终截面平均AdjustedRsquare可达到6722总体拟合效果较好有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明13金融工程专题报告分析师研报类alpha增强图19横截面模型逐步回归的平均AdjustedRsquare20080131-2022123067176722668767046651660864115899ROEBPsignROE-1DELTAROEsizeASSETGROWTHDP2RET60数据来源东方证券研究所朝阳永续Wind资讯每个月横截面回归的AdjustedRsquared如下图所示之所以呈现周期变化的原因是因为我们使用了TTM的财务数据作为自变量随着季报半年报的发布年报里的未知信息越来越少回归方程的解释度随着年报临近越来越高可以看到每年1-3月底横截面模型对当年分析师一致预期ROE的解释度最低但AdjustedRsquared也有60左右到当年十二月份AdjustedRsquared可以升至75左右图20横截面模型AdjustedRsquared变化20080131-20221230adjr210000900080007000600050004000300020001000000200813120084302008731200912320094302009731201012920104302010730201113120114292011729201213120124272012731201313120134262013731201413020144302014731201513020154302015731201612920164292016729201712620174282017731201813120184272018731201913120194302019731202012320204302020731202112920214302021730202212820224292022729200910302010102920111031201210312013103120141031201510302016103120171031201810312019103120201030202110292022103120081031adjr280007480752174947500701870277000657965756396648365006076606659496000550050001月2月3月4月5月6月7月8月9月10月11月12月数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明14金融工程专题报告分析师研报类alpha增强从各自变量的系数来看ROEBPROE的变化量这四个自变量的回归系数在10的显著性水平下显著具体来看当前ROE回归系数显著为正说明往年盈利能力强的企业未来盈利能力普遍也更好BP回归系数显著为负高估值的企业的盈利能力一般会更好1ROE0ROE回归系数显著为正说明亏损公司盈利回复的速度要比实现盈利的公司要快ROE的变化量系数显著为负也说明了盈利能力在年度上有均值回复的特征此外总资产增长率回归系数为负说明资产快速膨胀的企业一般会带来未来盈利能力的下滑市值股息率历史涨跌幅回归系数为正说明大公司分红多之前涨幅高的公司未来盈利能力一般会更好图21横截面模型回归系数与P值20080131-20221230回归系数P值080060040020000020040数据来源东方证券研究所朝阳永续Wind资讯下面我们对预测年度切换时间和预测年度选择问题进行详细讨论并展示因子表现2预测年度切换时间我们对比了不同的分析师一致预期预测年度切换时间下的预期残差因子表现测试了1月31号切换2月29号切换3月31号切换4月30号切换等方案如果是在2月之后切换会出现有的上市公司FY1年报已公布的情况分析师一致预期FY1的ROE失去意义此时我们用分析师一致预期FY2的ROE对因变量进行填充从因子表现结果来看预测年度切换时间对于因子表现影响并不大FY1ROEresid因子在1月底切换效果更佳也就是以日历年的跨越来切换预测年度图22FY1ROEresid因子预测年度切换时间对比20091231-20230112回归法填充缺失值fy1roeresidfy1roeresidfy1roeresidfy1roeresid全市场行业市值中性0131切换0229切换0331切换0430切换均值240223225216ICICIR17598162421633515997tstat63654587495908557862月均收益061059056053多空组合胜率7134694368156688top10-年化夏普比13156127771233111691bottom10最大回撤-689-689-689-732年化收益734702666624数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明15金融工程专题报告分析师研报类alpha增强以日历年的跨越来切换预测年度还存在一个问题假设时点是2022年4月30号那么FY1指的是2022年由于此时2022年度一季报已经公布分析师对于2022年的一致预期数据中只有三个季度是有意义的其余部分已经被市场反映了因而我们考虑根据当前时点对FY1和FY2数据进行加权得到分析师FY1滚动一致预期ROErollingFY1FY11FY21212ROEROE12ROE12而后我们对比了原始的FY1ROEresid因子滚动FY1ROE因子以及以滚动FY1ROE为因变量的滚动FY1ROEresid因子的表现可以看到滚动FY1ROEresid因子更优全市场IC达到27ICIR达到207多空组合年化收益超10最大回撤仅为589图23滚动FY1ROEresid因子绩效表现20091231-20230112回归法填充缺失值fy1roeresidrollingfy1roerollingfy1roeresid全市场行业市值中性0131切换0131切换0131切换均值240192270ICICIR175981085720700tstat636543927274875月均收益061067081多空组合胜率713457327325top10-年化夏普比131561006017858bottom10最大回撤-689-1445-589年化收益7347871001数据来源东方证券研究所朝阳永续Wind资讯3预测年度选择针对FY2我们也可以计算滚动FY2ROEresid因子从因子效果来看针对FY1FY2的滚动FYROEresid因子均有效图24滚动FYROEresid因子预测年度选择对比20091231-20230112回归法填充缺失值rollingfy1roeresidrollingfy2roeresid全市场fyroe2residorthofyroe1resid行业市值中性0131切换0131切换均值270243156ICICIR207001894313910tstat748756851850314月均收益081091057胜率732574526688多空组合年化夏普比178582065214972top10-bottom10最大回撤-589-379-397年化收益10011129694数据来源东方证券研究所朝阳永续Wind资讯我们尝试构造滚动FYROEresid12mean因子将滚动FY1ROEresid滚动FY2ROEresid两因子非空部分取均值可以看到FYROEresid12mean因子表现优于单因子全市场中性化的FYROEresid12mean因子IC为29ICIR为226多空组合年化收益1115最大回撤仅为419月度胜率为71多头组合年化超额收益为44最大回撤为814有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明16金融工程专题报告分析师研报类alpha增强图25滚动FYROEresid12mean因子绩效表现20091231-20230112回归法填充缺失值全市场rollingfyroeresid12meanrollingfyroeresid12meanorthofyroe1resid行业市值中性均值290169ICICIR2267015387tstat8200055656月均收益090055胜率70706433多空组合年化夏普比1996614629top10-bottom10最大回撤-419-445年化收益1115675数据来源东方证券研究所朝阳永续Wind资讯图26滚动FYROEresid12mean因子多空净值图27滚动FYROEresid12mean因子多头净值20091231-2023011220091231-20230112多空净值多头净值4524183516143122512081506104050200201172920201232011729202012320101292010730201113120121312012731201313120137312014130201473120151302015731201612920167292017126201773120181312018731201913120197312020731202112920217302022128202272920231122010129201073020111312012131201273120131312013731201413020147312015130201573120161292016729201712620177312018131201873120191312019731202073120211292021730202212820227292023112数据来源东方证券研究所朝阳永续Wind资讯数据来源东方证券研究所朝阳永续Wind资讯图28滚动FYROEresid12mean因子分组年化超额收益20091231-20230112644322000-1-2-1-1-2-4-6-6-8数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明17金融工程专题报告分析师研报类alpha增强三分析师预期估值因子至于一致预期数据横截面差异对选股的作用我们也可以构造预期估值因子即一致预期净利润总市值因子取值越大预期估值越低我们同样对比了不同的一致预期预测年度切换时间下的预期估值因子表现测试了1月31号切换2月29号切换3月31号切换4月30号切换等方案从因子表现结果来看预测年度切换时间对于因子表现影响并不大EPFY1因子在1月底切换效果更佳也就是以日历年的跨越来切换预测年度此外我们也尝试了滚动EPFY1因子可以看到滚动EPFY1因子选股能力更强全市场IC达到398ICIR达到187多空组合年化收益达到1617最大回撤为1644图29EPFY1因子预测年度切换时间对比20091231-20230112回归法填充缺失值epfy1epfy1epfy1epfy1rollingepfy1全市场行业市值中性0131切换0229切换0331切换0430切换0131切换均值392380386390398ICICIR1827317753180761838418700tstat6588264010651736628467423月均收益126121120119130胜率70516923685967316923多空组合年化夏普比1408113561135591341314262top10-bottom10最大回撤-1634-1878-2025-1802-1644年化收益15721501149214721617数据来源东方证券研究所朝阳永续Wind资讯针对FY2我们也可以计算滚动EPFY2因子从因子效果来看针对FY1FY2的EPFY因子均有效同样的我们将滚动EPFY1滚动EPFY2两因子非空部分取均值得到滚动EPFY12mean因子可以看到滚动EPFY12mean因子表现优于单因子全市场中性化的滚动EPFY12mean因子IC为42ICIR为201多空组合年化收益173最大回撤为1722月度胜率为69多头组合年化超额收益为637最大回撤为1174图30滚动EPFY因子预测年度选择对比20091231-20230112回归法填充缺失值rollingepfy1rollingepfy2全市场rollingepfy12mean行业市值中性0131切换0131切换均值398380420ICICIR187001821720097tstat674236568372459月均收益130135138胜率692367956923多空组合年化夏普比142621504115056top10-bottom10最大回撤-1644-1684-1722年化收益161716991730数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明18金融工程专题报告分析师研报类alpha增强图31滚动EPFY12mean因子多空净值20091231-图32滚动EPFY12mean因子多头净值20091231-2023011220230112多空净值多头净值925872615541320510020122292015130202272920122292015630201722820101292010630201142920119302012731201353120143312014829201563020164292016930201722820177312018531201932920198302020123202063020214302021930202222820101292010630201142920119302012731201353120143312014829201513020164292016930201773120185312019329201983020201232020630202143020219302022228202272920171229201310312010113020121231201310312015113020181031202011302022123020101130201212312015113020171229201810312020113020221230数据来源东方证券研究所朝阳永续Wind资讯数据来源东方证券研究所朝阳永续Wind资讯图33滚动EPFY12mean因子分组年化超额收益20091231-2023011286654320100-2-1-1-4-4-6-8-10-10-12数据来源东方证券研究所朝阳永续Wind资讯EPFY衡量分析师对于企业未来估值水平的估计与当前估值水平EPTTM会有较强的相关性为此我们对比了滚动EPFY12mean和EPTTM因子的表现可以看到用TTM净利润得到的EP因子选股效果更弱并且剔除滚动EPFY12mean因子后失去了选股效果而滚动EPFY12mean剔除EPTTM因子后仍然有很强的选股效果这说明EPFY指标在横截面上的排序和EP很不一样分析师一致预期净利润的相对大小提供了额外的有用信息图34滚动EPFY12mean因子与EPTTM因子的对比20091231-20230112回归法填充缺失值rollingepfy12meanepttm全市场rollingepfy12meanepttm行业市值中性orthoepttmorthorollingepfy12mean均值420340338102ICICIR2009718728166306652tstat72459677406015324062月均收益138075111-007胜率6923630664334904多空组合年化夏普比15056995514140-1280top10-bottom10最大回撤-1722-1650-1272-2867年化收益17308921354-103数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明19金融工程专题报告分析师研报类alpha增强四分析师类合成因子表现在之前的报告分析师研报的数据特征与alpha中我们使用分析师覆盖度COV分析师分歧度DISP分析师预期估值EPFY1加权盈余调整WFR目标价隐含收益率TPER一致预期评级SCORE一致预期PEG共7个alpha因子作为分析师大类其中DISP因子在全指中覆盖率很低且效果不佳我们将这一因子去掉取剩余6个因子作为原始的分析师大类因子在报告前面的章节里我们对加权盈余调整WFR进行了优化构建了fom123meanfomor123mean两个因子对分析师预期估值EPFY1因子进行了优化构建了rollingepfy12mean因子新增了分析师预期残差因子rollingfyroeresid12mean此外我们还对所因子的差分效果进行了测算最终确定了12个单因子构成我们的分析师类选股因子库图35DFQ分析师类选股因子库因子类别原因子新因子因子含义因子符号fom123mean分析师预测净利润上调的概率取sqrt1xFY1FY2FY3对应因子取均值1分析师预期调整WFRfomor123mean分析师预测营业收入上调的概率取sqrt1xFY1FY2FY3对应因子取均值1分析师预期残差rollingfyroeresid12mean分析师滚动一致预期ROE残差FY1FY2对应因子取均值1rollingepfy12mean分析师滚动一致预期EP估值FY1FY2对应因子取均值1分析师预期估值EPFY1rollingepfy12meandiff3rollingepfy12mean相对三个月以前因子值的变化1COV过去6个月有覆盖的机构数量取根号1分析师覆盖度COVCOVdiff6COV相对六个月以前因子值的变化1TPER目标价隐含的收益率1分析师目标价TPERTPERdiff3TPER相对三个月以前因子值的变化1PEGPEFY1FY2隐含的利润增量率-1分析师PEGPEGPEGdiff6PEG相对六个月以前因子值的变化-1分析师评级SCORESCORE分析师一致预期综合评级1数据来源东方证券研究所这12个因子的相关性都不强因子原始值的相关系数基本均在50以下fom123meanfomor123meanSCORECOV这几个因子IC序列相关系数较高在50以上图36DFQ分析师类选股因子间的相关性20091231-20230207因子原始值相关系数fom123meanfomor123meanrollingfyroeresid12meanrollingepfy12meanrollingepfy12meandiff3COVCOVdiff6TPERTPERdiff3PEGPEGdiff6SCOREfom123mean420414931019247212651910-101492-2917-34141657fomor123mean4204100656413039211397-051323-1740-19711155rollingfyroeresid12mean149310064789253416252411823558-4518-14672533rollingepfy12mean1019564478925912057-6532785599-5178-7762268rollingepfy12meandiff3247213032534259108139734424382-2485-2439838COV1265921162520570812442-058-097-8030472143COVdiff619101397241-6533972442-141354-694-708513TPER-101-051182327853442-058-1415575-2330-11762538TPERdiff34923235585994382-0973545575-733-994572PEG-2917-1740-4518-5178-2485-803-694-2330-7334340-2417PEGdiff6-3414-1971-1467-776-2439047-708-1176-9944340-754SCORE165711552533226883821435132538572-2417-754行业市值中性化因子fom123meanfomor123meanrollingfyroeresid12meanrollingepfy12meanrollingepfy12meandiff3COVCOVdiff6TPERTPERdiff3PEGPEGdiff6SCOREic序列相关系数fom123mean75652949-1595-67755955229-2560-099-6212-19757092fomor123mean75652930-1843-115957524917-3108-617-5075-15336904rollingfyroeresid12mean29492930475712181650277113-039-45590903966rollingepfy12mean-1595-184347573274-2156-45523826865-1532671-853rollingepfy12meandiff3-677-115912183274-279-52759106330-1889-1486103COV559557521650-2156-2795220-1175128-6395-20387540COVdiff652294917277-4552-5275220-2802-260-3690-17995267TPER-2560-310811338265910-1175-28025708-371-388-1245TPERdiff3-099-617-0398656330128-2605708-1100-781158PEG-6212-5075-4559-1532-1889-6395-3690-371-11003436-6766PEGdiff6-1975-1533090671-1486-2038-1799-388-7813436-1645SCORE709269043966-85310375405267-1245158-6766-1645数据来源东方证券研究所朝阳永续Wind资讯有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明20