本文聚焦业绩预期建模核心问题，系统对比了分析师预期、简单预期、横截面预期三类主流业绩预测模型，从模型原理、覆盖度、预测误差、行业差异多维度展开实证检验，并基于三类预期模型分别构建超预期策略与超预期因子。核心结论如下：
　　精准的业绩预期是打造高增长组合、落地净利润断层、PEG等经典投资策略的核心前提，拥有前瞻业绩判断可持续从市场认知差中赚取超额收益。
　　四类模型优劣分明：分析师预期具备主观深度研判、更新频率高的优势，但存在乐观偏差、覆盖度不足、年度预测颗粒度粗问题；简单预期模型计算便捷、全市场适配，但缺少基本面多维信息；时间序列模型依赖历史时序数据，对突发事件不敏感；横截面模型可纳入多维度特征、覆盖范围广，适配全行业业绩预测。
　　当前A股分析师覆盖率约54%，整体存在显著乐观偏差；银行、食品饮料等稳健行业预测精度高，钢铁、煤炭等周期行业误差显著偏大。简单预期模型绝对误差、相对市值误差均优于分析师预期模型。
　　横截面预期模型优势显著：纳入行情、市值、资产、盈利、应计盈余等9大核心指标，采用Huber稳健回归建模；整体平均绝对误差3.2、相对市值误差59，显著优于分析师与简单预期模型，且在各季度、绝大多数行业均保持最优预测精度。
　　基于横截面预期模型的超预期策略表现优于其他两个模型。横截面模型组合年化收益26.46%，超额年化收益11.34%，超额最大回撤仅6.79%，近年业绩稳定性显著更强。
　　基于横截面预期的超预期因子表现同样优于其他两个模型。IC均值3.46%、ICIR2.3、t值7.65，十组分组收益完全单调，多头超额9.3%、多空年化收益14.6%，有效性与稳定性远超另外两类模型因子。
　　风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险；本报告所提及个股或基金仅表示与相关主题有一定关联性，不构成任何投资建议