超预期计算方式的再修正
　　在《业绩超预期Plus组合的构建》中，我们定义了超预期股票池1.0，其绩效已经较为优异，但不同行业内都存在判断失真的现象，而且偏周期类的行业失真程度更大。为了找到真正超预期的股票池，我们基于分析师行为和交易行为进行修正，得到修正超预期股票池2.0，年化收益率21.99%，信息比率0.84，相比于超预期股票池1.0，绩效确实有明显的提升。
　　超预期后预期调整的变化规律
　　财报往往是分析师改变其年度预期值重要的参考依据，以2022年Q3为例，我们发现：当某只股票发生超预期后，位于财报公告日相近的自然日比如T+10以内，预期均值和预期离差会出现共振上行的趋势，但是在距离财报公告日较远的自然日比如T+30以后往往情况较为复杂。进一步地，我们参照预期均值变动方向和预期离差变动方向进行分阶段测算，结果发现：位于预期均值下降，预期离差上升阶段的股票绩效较差，将该阶段股票从修正超预期股票池2.0剔除后，绩效有进一步提升。
　　超预期plus组合2.0的构建
　　我们在前两部分处理后的股票池内，进行因子分组效果测试。因子大类分为：超预期类、预期调整类、开源金工特色资金流类。对于超预期类，SUE、区间收益OER和JUMP因子的综合因子S_O_J三分组多空信息比率0.88；对于预期调整类，我们使用《盈利预期调整优选组合的构建》中考虑时间、股价跟随性、预测准确度，对分析师加权而改进的预期调整因子，多空信息比率1.18；对于资金流因子，我们使用基于订单簿资金流构造的一系列独家因子：主动买卖、大单残差、小单残差、散户羊群效应，这4个资金流因子合成后多空信息比率1.82。
　　除此之外，景气投资往往偏胜率，近几年来尤其是2022年该类策略产生了较大的波动，能够减小其波动常见的做法即加入偏赔率的指标，最常用的为估值因子。本节将基于超预期、预期调整和估值水平，刻画成长股从萌芽期至成熟期的不同阶段，并分析了估值水平对于超预期池内股票绩效的影响。
　　基于修正超预期股票池2.0，剔除预期均值下降、预期离差上升阶段的股票，再剔除估值过高的股票，最后利用超预期类、预期调整类、资金流类因子优选30只股票，将其命名为超预期Plus组合2.0，全区间的年化收益40.46%，信息比率1.39。相较于1.0而言，除了2016年、2018年、2019年之外，其他年份都是2.0信息比率更为优异。
　　超预期在行业轮动上的应用
　　相较于使用精确数值对行业超预期幅度的计算，这里我们结合超预期以及预期调整规律进行行业内个股赋值，然后将赋值按照市值加权，得到行业超预期因子。其3分组多空对冲的年化收益10.43%，信息比率1.05，具备一定行业轮动能力。
　　风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。
　　

研究报告全文：金金融工程专题融工程2023年03月03日业绩超预期Plus组合20基于预期调整的修正研究金融工程研究团队开源量化评论72魏建榕首席分析师魏建榕分析师盛少成联系人证书编号S0790519120001weijianrongkyseccnshengshaochengkyseccn证书编号S0790519120001证书编号S0790121070009张翔分析师超预期计算方式的再修正证书编号S0790520110001在业绩超预期Plus组合的构建中我们定义了超预期股票池10其绩效已金经较为优异但不同行业内都存在判断失真的现象而且偏周期类的行业失真程融工傅开波分析师度更大为了找到真正超预期的股票池我们基于分析师行为和交易行为进行修程证书编号S0790520090003正得到修正超预期股票池20年化收益率2199信息比率084相比于超专预期股票池10绩效确实有明显的提升题高鹏分析师超预期后预期调整的变化规律证书编号S0790520090002财报往往是分析师改变其年度预期值重要的参考依据以2022年Q3为例我们发现当某只股票发生超预期后位于财报公告日相近的自然日比如T10以苏俊豪分析师内预期均值和预期离差会出现共振上行的趋势但是在距离财报公告日较远的证书编号S0790522020001自然日比如T30以后往往情况较为复杂进一步地我们参照预期均值变动方向和预期离差变动方向进行分阶段测算结果发现位于预期均值下降预期离胡亮勇分析师差上升阶段的股票绩效较差将该阶段股票从修正超预期股票池20剔除后绩证书编号S0790522030001效有进一步提升开王志豪分析师超预期plus组合20的构建我们在前两部分处理后的股票池内进行因子分组效果测试因子大类分为超源证书编号S0790522070003证预期类预期调整类开源金工特色资金流类对于超预期类SUE区间收益券OER和JUMP因子的综合因子SOJ三分组多空信息比率088对于预期调整证盛少成研究员类我们使用盈利预期调整优选组合的构建中考虑时间股价跟随性预测券证书编号S0790121070009研准确度对分析师加权而改进的预期调整因子多空信息比率118对于资金流究因子我们使用基于订单簿资金流构造的一系列独家因子主动买卖大单残差报苏良研究员小单残差散户羊群效应这个资金流因子合成后多空信息比率4182告证书编号S0790121070008除此之外景气投资往往偏胜率近几年来尤其是2022年该类策略产生了较大的波动能够减小其波动常见的做法即加入偏赔率的指标最常用的为估值因子何申昊研究员本节将基于超预期预期调整和估值水平刻画成长股从萌芽期至成熟期的不证书编号S0790122080094同阶段并分析了估值水平对于超预期池内股票绩效的影响基于修正超预期股票池20剔除预期均值下降预期离差上升阶段的股票再相关研究报告剔除估值过高的股票最后利用超预期类预期调整类资金流类因子优选30只股票将其命名为超预期组合全区间的年化收益信息比业绩超预期Plus组合的构建开源Plus204046率相较于而言除了年年年之外其他年份都是量化评论25-20217713910201620182019盈利预期调整优选组合的构建开20信息比率更为优异源量化评论60-202286超预期在行业轮动上的应用景气度研究量化与主动的多视角相较于使用精确数值对行业超预期幅度的计算这里我们结合超预期以及预期调大类资产配置研究系列5整规律进行行业内个股赋值然后将赋值按照市值加权得到行业超预期因子-20211223其分组多空对冲的年化收益信息比率具备一定行业轮动能力31043105风险提示本报告模型基于历史数据测算市场未来可能发生重大改变请务必参阅正文后面的信息披露和法律声明123金融工程专题目录1超预期计算方法的再修正411原始超预期计算方法和绩效回顾412超预期股票池10改进-基于分析师行为613超预期股票池10改进-基于交易行为714超预期股票池10改进-综合分析师行为和交易行为72超预期发生后分析师预期变化趋势93因子增强优选组合1031超预期相关因子的增强1032预期调整相关因子的增强1133开源金工交易行为及资金流因子的增强1234因子增强优选30只股票134估值因子在组合优选中的增强探讨1341基于超预期预期调整估值三维度的成长股路径刻画1342结合估值因子的组合优选155超预期在行业轮动上的应用176附录1961超预期Plus组合20市值和行业分布1962超预期Plus组合20选股敏感性分析1963超预期Plus组合20相比于10的绩效更优异207风险提示21图表目录图1超预期股票池10净值走势较为优异5图2分行业超预期绝对幅度大于300的比例偏周期类行业比例较高6图3相较于超预期股票池10剔除下调预期股票后净值有一定程度的提升7图4修正超预期股票池20的计算流程示意图8图5相比于超预期股票池10修正超预期股票池20净值更高8图6以2022Q3定期报告为例统计T-10T60预期均值和离差的变化9图7阶段1股票表现最好阶段3股票表现最差10图8在修正超预期股票池20中超预期相关的合成因子SOJ分层效果较为优异11图9在修正超预期股票池20中改进分析师预期调整因子分层效果优异11图10在修正超预期股票池20中资金流综合因子分层效果较为优异12图11考虑三类因子后优选30只股票净值较为优异13图12基于超预期预期调整估值三维度的成长股路径刻画14图13位于成长期即阶段345的年化收益较高14图14以全区间信息比率为衡量标准08较为优异15图15以2022年信息比率为衡量标准08较为优异15图16超预期Plus组合20净值表现强劲16图17行业超预期因子具备一定行业轮动能力IC均值53417图18行业内个股超预期赋值再优化18图19通过个股超预期赋值再优化行业超预期因子IC均值从534提升至69818请务必参阅正文后面的信息披露和法律声明223金融工程专题图20超预期Plus组合20市值分位平均为6219图21超预期Plus组合20在医药生物机械设备基础化工电子等行业暴露较多19图22超预期Plus组合20相比于10净值明显更高20表1超预期股票池10绩效较为优异5表2超预期差值0的股票池中预期调整均值0的概率明显更高6表3超预期差值0的股票池中位于OERJUMP因子Group5的概率明显更高7表4相比于超预期股票池10修正后的绩效有明显提升8表5剔除位于阶段3的股票后绩效进一步改善10表6在修正超预期股票池20中资金流类因子测算绩效更加优异12表7考虑三类因子后优选30只股票年化收益可达3948信息比率可达13313表8位于成长期即阶段345的绩效较为优异14表9超预期Plus组合20所有年份都录得了正超额16表10通过个股超预期赋值再优化行业超预期因子分年度绩效表现较为优异18表11超预期Plus组合20选取股票只数的敏感性分析20表12超预期Plus组合20相比于10的绩效更优异20请务必参阅正文后面的信息披露和法律声明323金融工程专题我们在业绩超预期Plus组合的构建和盈利预期调整优选组合的构建分别介绍了超预期和预期调整事件在选股上的应用而对于二者从逻辑上有融合的自洽性比如在财报集中披露期由于超预期现象的发生分析师预期往往正向调整的概率也会更大而在财报真空期分析师预期观点的变化又是非常重要的补充本篇报告以超预期为基础预期调整为补充尝试将二者融合主要分为5部分在第一部分我们将基于分析师行为和交易行为对原始超预期的计算方式进行修正并定义出修正超预期股票池20相较于超预期股票池10净值走势更优异在第二部分我们将介绍由于超预期的发生分析师预期均值和离差的变化情况相较于在财报真空期构造超预期组合采用的简单前向填充分析师观点的边际变化为有效的补充在第三部分基于上述两部分优化后的超预期股票池我们测试了超预期类预期调整类以及开源金工特色资金流类的分组效果绩效皆较为优异在第四部分针对于近两年波动较大的景气投资我们将偏赔率的估值因素考虑在内首先我们结合超预期预期调整以及估值水平讨论了成长股的成长路径其次在优化后的超预期股票池内剔除高估值股票并结合超预期类预期调整类以及开源金工特色资金流因子优选30只股票构建出超预期Plus组合20年化收益率4046其相比于超预期Plus组合10绩效明显提升在第五部分我们将个股上的超预期运用到行业轮动上行业超预期因子IC为698ICIR为100具备一定的行业轮动能力1超预期计算方法的再修正11原始超预期计算方法和绩效回顾对于超预期定义我们在业绩超预期Plus组合的构建中已经有过详细的阐述其通过对比上市公司财务报告披露的净利润指标与市场上分析师一致预期净利润的差异据此判断个股财报业绩超预期与否这里我们以Q3为例简单回顾超预期的判断方法2第一步将分析师一致预期净利润减去今年前两季度已实现净利润得到342今年后两个季度分析师一致预期净利润值42第二步将去年年报净利润1减去去年前两季度累计净利润1得到去年3442后两个季度的净利润11134第三步将今年后两个季度分析师一致预期净利润值除以去年后两个季度343434的净利润1得到预期净利润增速341若1为负则11343413第四步将去年第三季度的实际净利润1乘以净利润增速得到今年第三季33333度预期净利润水平11同样地若1为负11当33时业绩超预期反之业绩不达预期针对上述方式定义出的超预期股票池本文将其命名为超预期股票池10净值请务必参阅正文后面的信息披露和法律声明423金融工程专题如图1所示其从2012年至今回测绩效较为优异全区间对冲中证500年化收益率1343信息比率可达216在回测时剔除停盘ST上市不满60个交易日一字涨跌停的股票月初调仓手续费双边千三后续回测若无明确说明都为此标准图1超预期股票池10净值走势较为优异数据来源Wind朝阳永续开源证券研究所表1超预期股票池10绩效较为优异绝对绩效对冲中证500绩效年份年化收益率信息比率最大回撤胜率年化收益率信息比率最大回撤胜率201219000691465583317652421356667201333541451276583314203061077500201454583803338333107412830550002015831017436157500314132812175002016-498-0145525000155222709466672017728054970583375334403683332018-2428-1612521416713043240646667201944451978226667128421535483332020404914775266671740409075833320212250220395750059611024658332022-1735-068190241674370743747500全区间20200773615616513432163747143数据来源Wind朝阳永续开源证券研究所虽然超预期股票池10绩效已经较为优异但是我们发现通过同比转化法计算的单季度预测值存在极端值从而可能造成超预期的判断失真为了进行验证我们分行业统计了超预期绝对幅度大于300的比例结果如图2所示从图中我们可以看出不同行业内都存在判断失真的现象而且偏周期类的行业失真程度更大说明原始的超预期判断方法确实存在一定问题为了寻找真正的超预期股票池我们需要对原始计算方法进行改进本文尝试从分析师行为和交易行为出发来进一步确认超预期与否请务必参阅正文后面的信息披露和法律声明523金融工程专题图2分行业超预期绝对幅度大于300的比例偏周期类行业比例较高数据来源Wind朝阳永续开源证券研究所统计区间20120101-2023013112超预期股票池10改进-基于分析师行为一般来说若为真正超预期股票当其发布财报后分析师往往会上调盈利预期以匹配真实盈利为了验证这一猜想我们计算了财报发布前后10个自然日内分析师净利润预期调整均值分析师覆盖3并在超预期差值大于0和小于0的股票域中分别统计了预期调整均值大于0和小于0的比例如表2所示表2超预期差值0的股票池中预期调整均值0的概率明显更高超预期差值0超预期差值0预期调整均值0预期调整均值0预期调整均值0预期调整均值0业绩预告6253279919826951业绩快报6699230524196429定期报告6428231123286135数据来源Wind朝阳永续开源证券研究所统计区间20120101-20230131通过表2我们可以发现在超预期差值0股票池内预期调整均值0比例显著高于预期调整均值0的比例而对于超预期差值0股票池内预期调整均值0的比例显著高于预期调整均值0的比例上述结论验证了我们的猜想即发生超预期时分析师上调盈利预期为大概率事件所以对于超预期股票池10中的股票若其出现了预期下调的现象可能代表超预期判断有所错误进一步地我们在超预期股票池10中剔除了预期调整均值0的股票并进行了回测其中在回测时需要注意若对于某只股票其从财报发布日至月底自然日不足10天此时为了避免使用到未来数据我们需要进行截取从而计算预期调整均值的时间只限定在财报公布日前10个自然日至月底自然日之间图3的回测显示修正后的超预期净值有一定程度的提升相比于超预期股票池10的年化收益2020信息比率077修正后的年化收益2136信息比率080请务必参阅正文后面的信息披露和法律声明623金融工程专题图3相较于超预期股票池10剔除下调预期股票后净值有一定程度的提升数据来源Wind朝阳永续开源证券研究所13超预期股票池10改进-基于交易行为对于超预期股票池10的改进除了分析师行为以外我们认为还需要加入交易行为的观点主要的考虑有如下两方面1分析师行为和交易行为往往出发角度不同二者alpha源有互补的可能2在分析师行为的改进中我们使用的是财报发布前后10个自然日内分析师净利润预期调整均值但是并非所有的股票都有3个及以上的分析师进行了调整存在数据缺失交易行为维度可以对其做一定的补充一般来说若为真正超预期的股票市场的反应也往往更为积极为了验证这一猜想我们使用业绩超预期Plus组合的构建中构建的区间收益OER因子和JUMP因子的合成因子OERJUMP来代替市场的股价反应进一步地我们在超预期差值大于0和小于0的股票域中分别统计了位于OERJUMP五分组中的比例其如表3所示Group5为OERJUMP因子值最大一组Group1为OERJUMP因子值最小一组表3超预期差值0的股票池中位于OERJUMP因子Group5的概率明显更高Group1Group2Group3Group4Group5超预期差012361577186922703044超预期差023122177204118871579数据来源Wind朝阳永续开源证券研究所统计区间20120101-20230131通过表3我们可以发现在超预期差值0股票池内位于Group5比例显著高于位于Group1的比例而对于超预期差值0股票池内位于Group1的比例显著高于位于Group5的比例上述结论代表着当发生超预期时市场短期的股价表现积极为大概率事件所以对于超预期股票池10中的股票若其发生超预期时股价表现较差可能代表超预期判断有所错误14超预期股票池10改进-综合分析师行为和交易行为对于超预期股票池10的股票而言分析师行为和交易行为都可以辅助判断是否真正超预期最终我们将这两个维度综合得到修正超预期股票池20流程如图4所示请务必参阅正文后面的信息披露和法律声明723金融工程专题1使用同比转化法计算单季度分析师预期值并计算超预期股票池102剔除预期调整均值0的股票3剔除位于交易行为OERJUMP因子值后15的股票图4修正超预期股票池20的计算流程示意图资料来源开源证券研究所对于修正超预期股票池20的回测结果如图5和表4所示相比于超预期股票池10绩效有明显的提升年化收益率为2199信息比率为084后续在进行因子增强和组合构建时我们都是基于修正超预期20股票池图5相比于超预期股票池10修正超预期股票池20净值更高数据来源Wind朝阳永续开源证券研究所表4相比于超预期股票池10修正后的绩效有明显提升年化收益率信息比率最大回撤胜率平均持股数量原始超预期10202007736156165383原始-剔除下调预期213608036586165329修正超预期20219908435456165289数据来源Wind朝阳永续开源证券研究所统计区间20120101-20230131请务必参阅正文后面的信息披露和法律声明823金融工程专题2超预期发生后分析师预期变化趋势财报往往是分析师改变其年度预期值重要的参考依据为了进一步描述当发生超预期后分析师预期的变化这里我们以2022年Q3为例针对位于修正超预期股票池20中的每只股票统计了定期报告公告日前10个自然日和后60个自然日内的预期均值和预期离差最后对所有股票求中位数结果如图6所示从图中我们可以发现在公告日T0之后的10个自然日内预期均值处于上升的趋势且分析师的离差明显升高在10个自然日至30个自然日之间预期均值基本稳定而离差水平处于缓慢下降的趋势在30个交易日至60个交易日之间预期均值呈现先缓慢下降又稳定的趋势而离差出现了较大幅度的下降随后呈现微弱上升的趋势针对于图6我们可以总结如下规律当某只股票发生超预期后位于财报公告日相近的自然日比如T10以内预期均值和预期离差会出现共振上行的趋势但是在距离财报公告日较远的自然日比如T30以后往往情况较为复杂图6以2022Q3定期报告为例统计T-10T60预期均值和离差的变化数据来源Wind朝阳永续开源证券研究所对于修正超预期股票池20在财报真空期我们采用的方法是前向填充但是结合图6的现象我们猜想预期均值和预期离差的变化能否进一步的进行优选组合带着这一问题我们将修正超预期股票池20的股票按照预期均值和预期离差的月度变化方向分为如下四大阶段1阶段1预期均值上升预期离差上升2阶段2预期均值上升预期离差下降3阶段3预期均值下降预期离差上升4阶段4预期均值下降预期离差下降请务必参阅正文后面的信息披露和法律声明923金融工程专题图7阶段1股票表现最好阶段3股票表现最差数据来源Wind朝阳永续开源证券研究所结合图7我们可以发现从净值来看阶段1阶段2阶段4阶段3其中阶段3股票组合表现最差从逻辑上也比较好理解其代表着分析师对于某只股票不看好但是目前只是部分分析师下调为下调初期由于分析师存在一定羊群效应所以后续仍具备下调空间而阶段4虽然预期均值变动也是小于0但更多蕴含着利空出尽该现象在盈利预期调整优选组合的构建中也从因子层面进行了验证即在预期调整0的股票池中离差因子为正IC在预期调整0的股票池中离差因子为负IC与这里的测算结果基本一致并没有说加上超预期条件后规律发生变化结合上述的测算我们对修正超预期股票池20进一步优化即剔除位于阶段3的股票发现绩效有进一步的改善结果如表5所示年化收益率由2199小幅提升至2230由于修正超预期20股票池已经相对较优位于阶段3的股票数目较少所以剔除后的年化收益提升不明显但相较于财报真空期的简单填充此方法为有效的补充表5剔除位于阶段3的股票后绩效进一步改善年化收益率信息比率最大回撤胜率平均持股数量修正超预期20219908435456165289原始-剔除阶段3223008535336241268数据来源Wind朝阳永续开源证券研究所统计区间20120101-202301313因子增强优选组合在前面两部分我们首先基于分析师行为和交易行为改进超预期股票池10得到了修正超预期股票池20接着我们讨论了预期均值和预期离差不同的变化阶段带来的影响并进一步剔除了预期均值下降预期离差上升的股票池绩效进一步的提升可以达到年化2230在这一部分我们尝试使用因子来精选股票池主要从超预期因子预期调整因子开源金工交易行为及资金流因子几大维度出发31超预期相关因子的增强在业绩超预期Plus组合的构建中我们测试发现在超预期股票池内与超预期事件相关的三大因子SUE区间收益OERJUMP有着较好的分层效果本文也是直接使用其在修正超预期股票池20进行测算三大超预期相关因子的合成因请务必参阅正文后面的信息披露和法律声明1023金融工程专题子SOJ的分层效果如图8所示虽然2022年后因子的多空有走平的迹象但全区间来看绩效依旧较为优异三分组多空年化收益655信息比率088纯多头年化收益2589信息比率109图8在修正超预期股票池20中超预期相关的合成因子SOJ分层效果较为优异数据来源Wind朝阳永续开源证券研究所32预期调整相关因子的增强对于超预期股票池内的优选加入预期调整类因子是十分必要的因为对于预期景气较高的股票当其发生超预期时往往股价弹性也会越高其中我们在盈利预期调整优选组合的构建中构建了效果较优的改进预期调整因子该因子的创新点在于从时间股价跟随性预测准确度三大维度出发对分析师预期调整进行加权相比于简单平均效果明显更优在修正超预期股票池20中改进预期调整因子绩效较为优异三分组多空年化收益836信息比率118纯多头年化收益2601信息比率110图9在修正超预期股票池20中改进分析师预期调整因子分层效果优异数据来源Wind朝阳永续开源证券研究所请务必参阅正文后面的信息披露和法律声明1123金融工程专题33开源金工交易行为及资金流因子的增强对于发生业绩超预期的股票来说通常交易活跃度会有不同程度的提升而交易活跃度与交易行为因子息息相关除此之外资金流相关因子对于超预期股票的优选也较为重要其一定程度反映了该股票在资金层面的认可度对于以上两个层面开源金工已经有非常有特色的交易行为和资金流因子我们在修正超预期股票池20中对这些因子做了测算结果如表6所示从表中我们可以看出资金流因子普遍要比交易行为的效果更好三分组的多空IR皆达到了1以上的水平且四个因子绩效比较接近所以最后我们只使用了资金流因子并将其合成作为资金流综合因子表6在修正超预期股票池20中资金流类因子测算绩效更加优异因子大类因子名称ICICIR多空年化多空IR长端动量176050274016聪明钱-070-024348025极端收益ERR-207-077409031交易行为理想振幅-222-069616042理想反转-280-086748052APM179071693062小单残差-349-1291209109主动买卖3521211255117资金流大单残差3241341184121散户羊群效应-300-1251163133数据来源Wind朝阳永续开源证券研究所统计区间20120101-20230131在修正超预期股票池20中资金流综合因子绩效较为优异三分组多空年化收益1659信息比率183纯多头年化收益2901信息比率117图10在修正超预期股票池20中资金流综合因子分层效果较为优异数据来源Wind朝阳永续开源证券研究所请务必参阅正文后面的信息披露和法律声明1223金融工程专题34因子增强优选30只股票上述我们对超预期类预期调整类以及资金流类因子做了测算其在修正超预期股票池20中的绩效皆较为优异进一步地我们尝试每次叠加一类因子去优选30只股票绩效如图11和表7所示从测算中我们可以发现每次叠加一类因子后绩效都有所提升最后把三类因子都考虑进来之后的组合年化收益可达3948信息比率可达133绩效非常优异图11考虑三类因子后优选30只股票净值较为优异数据来源Wind朝阳永续开源证券研究所表7考虑三类因子后优选30只股票年化收益可达3948信息比率可达133年化收益率信息比率最大回撤胜率月均换手率叠加超预期类3166110341962414928叠加超预期类预期调整类3441118335764665386叠加超预期类预期调整类资金流3948133300767676998数据来源Wind朝阳永续开源证券研究所统计区间20120101-202301314估值因子在组合优选中的增强探讨41基于超预期预期调整估值三维度的成长股路径刻画景气投资往往偏胜率近几年来尤其是2022年该类策略产生了较大的回撤能够减小其波动和回撤常见的做法即加入偏赔率的指标最常用的为估值因子但是估值因子本身分组回测绩效并不稳定直接加入组合中并不是最优的做法本节将着重展开估值因子的使用方法尽量达到控制组合回撤的同时不拖累组合收益表现对于成长股的发展路径而言往往可以简单分为萌芽期成长期和成熟期对于这三大发展阶段我们发现使用超预期状况预期调整状况以及估值水平能够进行粗略的刻画这里的估值采用的是PETTM结果如图12所示图中大概可以将成长股的路径描述如下处于萌芽期时整体市场对其认知不够此时估值较低景气状况往往一般当真实的业绩超预期后市场的关注度会上升此时分析师的预期开始上调景气开始上行随着业绩不断好转估值和景气不断上升进入成长期随着估值的快速增长此时业绩的增速已经消化不了过高的估值而且此时请务必参阅正文后面的信息披露和法律声明1323金融工程专题成长股业绩增速已过了黄金增速期开始出现下滑出现非超预期的现象进入成熟期图12基于超预期预期调整估值三维度的成长股路径刻画资料来源开源证券研究所图12描述出的变化规律是较为粗略的并不是所有的成长股都符合如上的规律但是图中的阶段划分可以帮助我们一定程度的了解成长股在发展过程中分析师预期超预期状况和估值水平的变化进一步地我们对处于不同阶段的股票进行了回测其年化收益的对比如图13所示具体的绩效如表8所示从回测结果我们可以看出位于成长期即阶段345的绩效是较为优异的三个阶段的股票数量也是相对较少而对于后两个阶段主要为偏成熟期的股票其业绩表现较差而且股票数量也是最多的图13位于成长期即阶段345的年化收益较高数据来源Wind朝阳永续开源证券研究所统计区间20120101-20230131表8位于成长期即阶段345的绩效较为优异年化收益率信息比率最大回撤胜率月均股票数量阶段114800593724582115阶段222410923463626944阶段325160943392649347阶段433091143566634325请务必参阅正文后面的信息披露和法律声明1423金融工程专题年化收益率信息比率最大回撤胜率月均股票数量阶段527800824049574624阶段612920386080544874阶段767102166645149125数据来源Wind朝阳永续开源证券研究所统计区间20120101-2023013142结合估值因子的组合优选在上述的测算中我们发现从阶段2阶段5唯一的区别在于估值的高低其中对于估值最高的阶段5虽然其年化收益可达278但是回撤明显加大且信息比率也明显下降所以我们认为高估值的剔除是较为必要的在上述成长股的成长路径刻画中我们对PE高低的判断是从绝对估值水平出发但不同股票的估值存在天然的差别所以对于高估值的判断我们采用如下的方式1PETTM与其20日60日均线呈现多头排列2当前PETTM超过过去3年分位为了验证剔除高估值对组合优选的影响我们这里做了如下的测算在采用超预期类预期调整类资金流三维度优选30只股票之前先剔除估值过高的股票再进行优选30只股票观察剔除前和剔除后优选的绩效对比判定标准为全区间信息比率和2022年信息比率这里之所以加入2022年信息比率这一判定标准是因为景气投资在2022年产生较大波动我们对进行遍历结果如下图所示图14以全区间信息比率为衡量标准08较为优异图15以2022年信息比率为衡量标准08较为优异数据来源Wind朝阳永续开源证券研究所数据来源Wind朝阳永续开源证券研究所结合上述的测算结果从全区间的信息比率来看为08时最优从2022年信息比率来看为08时依旧较为优异所以最后我们选取的参数为08结合上述分析我们最终构建出超预期Plus组合20构造步骤如下1基于分析师行为和交易行为修正同比转化法下计算的超预期plus股票池102剔除预期均值月度变化0且预期离差月度变化0的股票池3剔除估值PETTM超过过去3年80分位且PETTM与其20日60日均线呈现多头排列的股票4在剩余的股票池内使用超预期类预期调整类和资金流类因子进行优选30只股票该组合全区间绝对收益为4046收益波动比为139其超额中证500全区间年化收益为3284收益波动比为285请务必参阅正文后面的信息披露和法律声明1523金融工程专题图16超预期Plus组合20净值表现强劲数据来源Wind朝阳永续开源证券研究所表9超预期Plus组合20所有年份都录得了正超额组合年化收益率收益波动比最大回撤胜率20123542148789583320136751279121291672014640546526091672015148082513303750020160020005087500201721031598456667绝对收益2018-1731-097214125002019701928473366672020838227273475002021607554417991672022-1318-04825824167全区间404613933036917201232543132688333201343534733408333201417792830958333201583323431619167201620563433319167201721022950957500超额收益201823232650237500201933643483288333202055057210001000020213944513085833320229340708445833全区间32842858448195数据来源Wind朝阳永续开源证券研究所请务必参阅正文后面的信息披露和法律声明1623金融工程专题5超预期在行业轮动上的应用对于超预期除了在个股上的应用我们也可以将其运用在行业层面在前面的分析中已经得到了修正超预期股票池20同样的我们可以定义非超预期股票池20具体方式为1使用同比转化法计算单季度分析师预期值使用其与单季度实际值对比选取单季度实际值单季度分析师预期值的股票2剔除预期调整均值0的股票3剔除位于交易行为OERJUMP因子值前15的股票得到修正非超预期股票池20进一步地对于某个行业的成分股而言若其位于修正超预期股票池20内则赋值为1若其位于修正非超预期股票池20内则赋值为-1若其无法判断是否超预期则赋值为0最后将该行业所有成分股的超预期赋值按照市值加权平均得到最终该行业超预期因子该因子IC均值534ICIR为0743分组回测多空对冲的年化收益900信息比率093胜率5789最大回撤1552具备一定行业轮动能力图17行业超预期因子具备一定行业轮动能力IC均值534数据来源Wind朝阳永续开源证券研究所对于上述定义的行业超预期因子整体来看具备一定的轮动能力但是绩效并不优异我们想对其进一步的改进这里我们结合本文第二部分中超预期发生后分析师预期变化的测算对成分股内的超预期赋值进一步的优化主要的改变即若某只股票出现预期均值变动0和预期离差0则在原始赋值加1而若出现预期均值变动0和预期离差0则在原始赋值基础上减1具体的赋值流程如下所示请务必参阅正文后面的信息披露和法律声明1723金融工程专题图18行业内个股超预期赋值再优化资料来源开源证券研究所对于某个行业而言我们结合图18的优化赋值并按照市值加权平均得到最终该行业基于预期调整优化的超预期因子相较于优化前IC均值从534提升至698ICIR从074提升至100我们对其进行3分组回测多空对冲的年化收益1043信息比率105胜率6090最大回撤1508行业轮动能力较为优异图19通过个股超预期赋值再优化行业超预期因子IC均值从534提升至698数据来源Wind朝阳永续开源证券研究所表10通过个股超预期赋值再优化行业超预期因子分年度绩效表现较为优异年份年化收益率年化波动率信息比率最大回撤胜率20122156643336159833320132907590385645000201471515340479135000请务必参阅正文后面的信息披露和法律声明1823金融工程专题年份年化收益率年化波动率信息比率最大回撤胜率201518155393371247500201690240322410466672017277210482651356667201822410160225835000201946368506850758332020688871079260750020212444176813892858332022-419878-0489844167全区间104399510515086090数据来源Wind朝阳永续开源证券研究所6附录61超预期Plus组合20市值和行业分布超预期Plus组合20市值分位和行业分布如下图所示从市值分位角度来看该组合市值分位平均为62从行业角度来看该组合在医药生物机械设备基础化工电子等行业暴露较多在综合美容护理石油石化银行等行业暴露较少图20超预期Plus组合20市值分位平均为62图21超预期Plus组合20在医药生物机械设备基础化工电子等行业暴露较多数据来源Wind开源证券研究所统计区间20120101-20230131数据来源Wind开源证券研究所统计区间20120101-2023013162超预期Plus组合20选股敏感性分析对于超预期Plus组合20而言其随着入选股票只数的增加绩效基本呈现单调但是在极端多头单调性一般最优入选股票个数为N30只此时年化收益为4046信息比率为139请务必参阅正文后面的信息披露和法律声明1923金融工程专题表11超预期Plus组合20选取股票只数的敏感性分析持股数量年化收益率年化波动率信息比率最大回撤胜率104366336213038416842203914310812633866541304046291213933036917403784286413234016917503507280712535786842603474277012534346842数据来源Wind朝阳永续开源证券研究所统计区间20120101-2023013163超预期Plus组合20相比于10的绩效更优异对于超预期Plus组合20相较于10而言净值明显更高全区间的年化收益和信息比率也都较高就分年度绩效除了2016年2018年2019年之外其他年份都是20信息比率更为优异图22超预期Plus组合20相比于10净值明显更高数据来源Wind朝阳永续开源证券研究所表12超预期Plus组合20相比于10的绩效更优异超预期plus组合10超预期plus组合20年份年化收益率信息比率最大回撤胜率年化收益率信息比率最大回撤胜率201370682041276750067512791212916720146157420178833364054652609167201511434245326775001480825133037500201651101425866670020005087500201786905112145833210315984566672018-1338-07719383333-1731-0972141250020196642289670750070192847336667202065872331039666783822727347500202143132417087500607554417991672022-1342-05219734167-1318-04825824167全区间344412332676496404613933036917数据来源Wind朝阳永续开源证券研究所请务必参阅正文后面的信息披露和法律声明2023