超预期股票池1.0回顾及改进 [page::3][page::4][page::5][page::6][page::7]

• 基于分析师一致预期净利润与实际财报的同比转化法构建超预期股票池1.0，表现优异，年化收益20.20%，信息比率0.77。

- 统计发现偏周期行业中超预期绝对幅度超300%比例较高，说明1.0版本存在极端值导致的判断失真。

• 结合分析师预期调整行为，剔除预期调整均值<0的股票后，组合表现提升至21.36%收益率。

• 进一步结合交易行为，以股价反应因子OER与JUMP优化剔除表现差异股票。

- 综合分析师和交易行为修正后股票池命名为修正超预期2.0，年化收益进一步提升至21.99%，信息比率0.84。

超预期发生后分析师预期变化及阶段性表现 [page::8][page::9]

• 超预期报告日前10自然日及后60自然日内，预期均值和离差均先升后降，存在明显共振上行趋势。

- 按月度预期均值与离差变动分为4阶段，阶段1（均值升、离差升）表现最佳，阶段3（均值降、离差升）表现最差。

• 剔除阶段3股票后，组合年化收益由21.99%提升至22.30%。

超预期及预期调整因子绩效与资金流因子增强 [page::10][page::11]

• 超预期相关合成因子SOJ表现优秀，三分组多空年化收益6.55%，信息比率0.88。

• 改进后的预期调整因子在修正超预期2.0内三分组多空年化收益8.36%，信息比率1.18。

| 因子类别 | 因子名称 | IC | ICIR | 多空年化 | 多空IR |
|-----------|-----------|-------|-------|-----------|---------|
| 资金流因子 | 主动买卖、大单残差、小单残差、散户羊群效应综合因子 | 3.24%~3.52% | 1.17~1.34 | 11.63%~12.55% | 1.09~1.33 |

• 资金流因子表现优于单纯交易行为因子，资金流综合因子多空年化收益达16.59%，信息比率1.83。

因子叠加优选30只股票回测绩效 [page::12]

| 组合因子叠加 | 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 | 31.66% | 1.10 | 34.19% | 62.41% | 49.28% |
| 叠加超预期+预期调整类 | 34.41% | 1.18 | 33.57% | 64.66% | 53.86% |
| 叠加超预期+预期调整+资金流类 | 39.48% | 1.33 | 30.07% | 67.67% | 69.98% |

成长股路径刻画及估值因子灵活运用 [page::13][page::14]

• 成长股在萌芽期、成长期、成熟期的划分可通过超预期、预期调整及估值PETTM综合判断。

• 成长期（阶段3-5）股票年化收益显著优于其他阶段，估值最高阶段5虽然年化收益高但回撤大。

- 通过剔除PETTM超过去3年80%分位且呈多头排列的股票，有效减少回撤，提高信息比率。

超预期Plus组合2.0表现与行业轮动应用 [page::15][page::16][page::17]

• 超预期Plus组合2.0年化收益40.46%，信息比率1.39，绝对收益和超额收益均显著优于中证500。

- 超预期因子应用于行业层面，构建行业超预期因子，最初IC均值5.34%，回测年化收益9.00%，信息比率0.93。

• 优化行业内个股赋值机制结合预期均值和离差变化，IC均值提高至6.98%，信息比率1.00。

超预期 Plus 组合2.0市值及行业分布与敏感性分析 [page::18][page::19]

| 持股数量 | 年化收益率 | 年化波动率 | 信息比率 | 最大回撤 | 胜率 |
|----------|------------|------------|----------|----------|---------|
| 10 | 43.66% | 33.62% | 1.30 | 38.41% | 68.42% |
| 20 | 39.14% | 31.08% | 1.26 | 33.86% | 65.41% |
| 30 | 40.46% | 29.12% | 1.39 | 33.03% | 69.17% |
| 40 | 37.84% | 28.64% | 1.32 | 34.01% | 69.17% |
| 50 | 35.07% | 28.07% | 1.25 | 35.78% | 68.42% |
| 60 | 34.74% | 27.70% | 1.25 | 34.34% | 68.42% |

超预期Plus 组合2.0相较1.0绩效优势 [page::19]

• 整体来看，2.0版本相比于1.0版本净值更高，绝对和超额收益指标整体优异，年度多数年份均体现明显优势。

| 年份 | 超预期plus组合1.0年化收益率 | 信息比率 | 超预期plus组合2.0年化收益率 | 信息比率 |
|------|---------------------------|----------|---------------------------|----------|
| 2013 | 70.68% | 2.04 | 67.51% | 2.79 |
| 2014 | 61.57% | 4.20 | 64.05% | 4.65 |
| 2015 | 114.34% | 2.45 | 148.08% | 2.51 |
| 2016 | 5.11% | 0.14 | 0.02% | 0.00 |
| 2017 | 8.69% | 0.51 | 21.03% | 1.59 |
| ... | ... | ... | ... | ... |

《业绩超预期 Plus 组合 2.0：基于预期调整的修正》报告详尽解读与分析

---

1. 元数据与报告概览

• 标题：《业绩超预期 Plus 组合 2.0：基于预期调整的修正》

- 作者团队：开源证券金融工程研究团队，首席分析师魏建榕等多位分析师联合撰写

• 发布日期：2023年3月3日

- 发布机构：开源证券研究所

• 研究主题：基于上市公司财报业绩的超预期事件与分析师预期调整，构建和优化选股组合，进而探讨因子增强、估值优化及行业轮动的应用能力

- 核心观点：
- 报告通过修正传统“超预期股票池1.0”的方法，综合分析师行为与资本市场交易行为，构建“超预期股票池2.0”。
- 基于对超预期后分析师预期均值与离差变化规律的研究，进一步剔除表现较差的股票，构建组合“超预期Plus组合2.0”。
- 加入资金流因子和估值因子增强组合选股能力，最终实现年化收益超过40%，信息比率显著高于初始模型，具有较强的行业轮动能力。
- 报告指出该方法基于历史数据，未来市场可能出现结构性变化，存在一定风险。

总体而言，报告全面系统地刻画和优化基于业绩超预期的量化选股策略，融合多维度因子，提升投资组合的收益与稳定性，适用于风险承受能力较高的专业及普通投资者[page::0,3,20]。

---

2. 逐章深度解读

2.1 超预期计算方法的再修正

2.1.1 原始方法及绩效回顾

• 报告定义“业绩超预期”为上市公司财报公布的净利润超过分析师的市场一致预期，基于将当年后两个季度的净利润预期与去年对应季度净利润比较，计算预期净利润增速，若实际净利润高于预期即认为“超预期”。

- 该原始方法定义超预期股票池1.0，回测显示，从2012年至今收益优异，年化收益20.20%，信息比率0.77，回撤36.15%，整体胜率61.65%（见图1，表1）。

• 然而，存在预测过程中的极端值（如某些季度超预期幅度超过300%），周期性行业误判比例更大（见图2），提示原始方法有偏差和判断失真问题。

2.1.2 基于分析师行为的改进

• 观察财报发布前后10个自然日内分析师预期调整均值，发现超预期股票对应的预期调整均值 > 0的比例明显高（表2显示62%以上），而非超预期则偏负向调整。

- 推断真实超预期事件后分析师倾向上调盈利预期，出现预期下调股票可能是错误信号，需剔除这类股票。

• 剔除后组合的净值表现有所提升（图3），年化收益率从20.20%提升至21.36%，信息比率0.80。

2.1.3 基于交易行为的改进

• 除分析师行为外，市场价格反应也能验证超预期。利用开源量化研报中的区间收益因子（OER）和跳空因子（JUMP）合成因子OERJUMP衡量市场短期涨幅表现。

- 超预期差值 > 0 的股票中，位于OERJUMP因子高分组（Group5）比例显著更高（30.44%），反之非超预期股票多集中低组（表3）。

• 股价表现不佳的超预期股票可能存在误判，因此剔除股价表现差的股票。

2.1.4 综合分析师与交易行为修正：超预期股票池2.0

• 综合上述两方面筛选规则：先计算原始超预期股票池1.0，再剔除预期调整均值 < 0的，再剔除OERJUMP因子最底部20%的股票构成修正超预期股票池2.0（流程见图4）。

- 修正后，2.0股票池表现更优，年化收益率21.99%，信息比率0.84（图5，表4），为随后的因子增强及组合构建提供基础。

2.2 超预期后分析师预期变化规律

• 以2022年Q3为例研究修正超预期股票池2.0中，公司财报公告日前后预期均值和离差的动态（图6）。

- 发现公告日后10日内，预期均值和离差呈上升状态，10至30日稳定，30至60日波动更复杂。

• 基于预期均值变化方向和离差变化方向，将股票分为四个阶段（预期均值上升/下降 × 离差上升/下降）。

- 回测显示阶段1（预期均值上升，离差上升）表现最佳，阶段3（预期均值下降，离差上升）最差（图7）。

• 剔除阶段3股票后，组合表现有所提升，年化收益率达22.30%，增强投资组合质量（表5）。

2.3 因子增强与优选组合构建

2.3.1 超预期相关因子

• 采用先前报告中超预期类因子（SUE、区间收益OER、JUMP）合成的复合因子SOJ，在修正超预期2.0基础上依然有良好的分层表现（三分组多空信息比率0.88，纯多头年化收益25.89%，信息比率1.09）（图8）。

2.3.2 预期调整相关因子

• 基于对分析师预期调整的时间敏感性、股价跟随性、预测准确度加权，该改进因子在超预期股票池2.0表现出更佳绩效，三分组信息比率达1.18，纯多头信息比率1.10（图9）。

2.3.3 开源金工交易及资金流因子

• 市场交易活跃度提高伴随超预期事件，报告测算多种交易行为因子及资金流因子，发现资金流类因子表现更佳，ICIR均超过1（表6）。

- 资金流综合因子表现突出，三分组多空年化收益16.59%，信息比率1.83，纯多头年化收益29.01%，信息比率1.17（图10）。

2.3.4 综合优选30只股票

• 逐步叠加三类因子进行优选，净值和收益率稳步提升。最终包含三因子的组合年化收益达39.48%，信息比率1.33，最大回撤30.07%，换手率较高（约70%月均）但控制良好（图11，表7）。

2.4 估值因子的增强应用与优化

2.4.1 成长股发展路径描绘

• 结合超预期、预期调整和估值（PETTM），将成长股划分为7个发展阶段（图12）。

- 发现阶段3-5（成长期）股票表现最佳，年化收益率23%-33%区间，阶段6-7（成熟期）表现较差且股票数量多（图13，表8-14页）。

2.4.2 高估值股票剔除

• 对估值剔除采用动态判断，结合PE与20、60日均线多头排列及当前PE超过历史3年80%分位。

- 通过参数𝜆的敏感性分析，选定0.8作为最优分位点（图14-15）。

• 构建最终“超预期Plus组合2.0”，步骤包括：

1. 计算修正超预期股票池2.0；
2. 剔除预期均值下降且预期离差上升的股票；
3. 剔除高估股票；
4. 在剩余股票中基于超预期、预期调整、资金流因子优选30只股票。

• 组合年化收益40.46%，信息比率1.39，超额收益率对比中证500达32.84%，波动率大幅优化（图16，表9）。

2.5 超预期在行业轮动上的应用

• 基于超预期和非超预期股票池2.0构造行业层面的超预期因子，行业内成分股赋值后市值加权。

- 行业超预期因子IC均值5.34%，信息比率0.93，年化收益9%（图17）。

• 结合预期均值和离差的变化再优化行业超预期赋值，提高IC至6.98%，信息比率1.05，回测业绩提升至10.43%年化收益（图18-19，表10）。

- 行业内超预期因子具备一定轮动能力，成为行业配置辅助工具。

2.6 附录与敏感度分析

• 超预期Plus 组合2.0在股票市值分布上，中位数分位约62%，行业集中于医药生物、机械设备、基础化工和电子等（图20-21）。

- 持股数量对组合绩效有影响，在10-60只之间年化收益较稳定，30只为平衡点（表11）。

• 组合2.0相较1.0表现更优，图表和年度数据均显示信息比率和净值明显提升，只有极少数年份表现略低（图22，表12）。

2.7 风险提示

• 报告明确指出模型基于历史数据，未来市场结构性变动可能导致策略表现不同，投资需保持谨慎。

---

3. 图表深度解读

图1（第4页）：超预期股票池1.0净值走势

• 描述：自2011年末至2022年底，超预期股票池1.0累计净值持续上升，远超中证500基准。

- 解读：该图验证了超预期1.0版本的策略具备长期正收益能力和抗跌性能，图中灰色区域为对冲净值辅助阅读，对市场波动有一定缓冲。

• 关联文本：为后续需优化的基础基准。

图2（第5页）：偏周期行业超预期绝对幅度过大比例

• 描述：钢铁、地产、农林牧渔等周期行业高比例股票超预期幅度绝对值超过300%，远高于如银行、建筑等行业。

- 解读：说明原始同比转化法对周期行业误判严重，需要剔除方法修正。

图3（第6页）：剔除分析师预期下调股票后修正组合净值

• 显示剔除后组合净值相较1.0有所提升，强调分析师行为指标有效。

图4（第7页）：超预期2.0构造流程示意

• 结合同比法与分析师及市场交易行为，体现多维度判断逻辑，确保样本真实性。

图5（第7页）：修正超预期2.0与1.0净值比较

• 明显优于1.0基准，显示修正合理且有效。

图6（第8页）：2022Q3预期均值与离差变化

• T0后预期均值与离差共振上行，提示财报披露后短期分析师信息更新专项明显。

图7（第9页）：不同阶段股票表现比较

• 预期均值上升、离差上升（阶段1）股票表现最佳，逻辑匹配市场与分析师共识扩大的动力。

图8-10（第10-11页）：三类因子分层效果

• 每个因子在超预期2.0池中展现出较好的分层性和信息比率，资金流综合因子表现尤为优异。

图11（第12页）：三因子叠加优选组合净值曲线

• 清晰显示因子叠加带来的收益递增效应，为因子融合真实性证明。

图12（第13页）：成长股路径刻画模型

• 结合估值和预期状态，粗略描绘成长股从萌芽-成长期至成熟期的景气度变化曲线，实用指引。

图13（第13页）：成长各阶段年化收益

• 反映阶段3-5处于成长黄金期，阶段6-7回报下滑。

图14-15（第14页）：估值分位系数𝜆的敏感性分析

• 𝜆=0.8在历史全区间及近年（2022年）信息比率均表现最佳，是选取依据。

图16（第15页）：超预期Plus组合2.0净值表现

• 明显优于基准与前版本组合，凸显策略最终演化成效。

图17-19（第16-17页）：行业超预期因子及优化

• 原始行业超预期因子具备轮动能力，经过结合分析师预期均值和离差后，IC均值和信息比率显著提升，回测收益及胜率均提升，增强行业轮动效果。

图20-21（第18页）：超预期Plus 2.0组合市值分布及行业配置

• 市值集中在中等偏大，行业主要集中医药、机械、基础化工、电子，反映组合行业偏好及风格。

图22（第19页）：超预期Plus 1.0与2.0组合净值比较

• 2.0组合表现明显更好，支撑报告论断。

---

4. 估值分析

• 估值主要层面为PE_TTM，用于划分成长股阶段及剔除高估值股票。

- 剔除高估值基于两个条件：当前PE高于3年历史80%分位，且PE与20日和60日均线多头排列。

• 通过敏感性分析优化参数𝜆=0.8，兼顾历史和近期波动表现最大化组合的稳健性。

- 组合结构基于剔除后股票池进行多因子选股，显著提升年化收益及信息比率。

• 估值因子的加入有效降低组合波动和风险，实现景气股胜率的平衡。

---

5. 风险因素评估

• 报告提醒模型基于历史数据，未来市场政策、宏观环境、行业结构以及投资者行为的变化可能导致模型失效。

- 组合选股关注较为积极的成长阶段股票，估值调整可能带来一定冷却，过度依赖单一因子可能存在估值泡沫风险。

• 因子构造与优化过程中，参数设定和数据样本期的选择存在一定主观性和后见偏差风险。

- 实际操作中，持股换手率偏高（近70%），可能带来交易成本压力。

• 风险提示具有及时性，但未详细给出缓解措施，投资者需结合实际情况谨慎应用。

---

6. 批判性视角与细微差别

• 报告整体逻辑严谨，数据充分支持各项结论，尤其多次采用市场价格反应与分析师行为复核超预期信号，增强判断的合理性。

- 组合优化采取多因子叠加，能缓冲单因子失效风险，表现稳健。

• 选股灵活性较好，阶段划分与估值剔除体现了对成长股生命周期的理解与尊重。

- 然而，报告对部分行业和风格偏好呈现明显，可能因数据条件受限，尚缺少对非成长股及防御类资产的配置及风险管理讨论。

• 组合持股数量和换手率的选择虽然给出敏感性分析，但高换手率可能影响真实收益，实际应用中需结合交易成本严格监控。

- 报告基于历史回测，未详述具体的模型过拟合防控措施，存在潜在的历史样本依赖问题。

• 风险提示较为简要，缺少具体的风险应对和动态调整策略。

---

7. 结论性综合

该份报告系统性地对“业绩超预期”策略进行了全面的优化和增强，从原始基于净利润同比预测的超预期判断出发，通过融合分析师预期行为和市场交易行为，成功构建了修正后的“超预期股票池2.0”，显著提升了判别正确率和组合绩效。

在此基础上，研究了超预期后分析师预期均值和离差的动态变化，发掘出预期均值下降且离差上升阶段表现最差，进一步剔除此阶段股票，组合的年化收益和信息比率得到进一步提升。

利用超预期相关因子（SUE、OER、JUMP）、预期调整因子以及开源量化独创的资金流因子，报告构建了多因子融合选股体系，三类因子的叠加明显提升了选股效果，最终形成优选30只股票的“超预期Plus组合2.0”，实现年化收益40.46%，信息比率1.39，较初版1.0组合实现质的跳跃。

此外，通过估值因子的引入与动态剔除高估值股票，进一步优化组合风险收益比，平滑收益波动。基于超预期思想构建的行业层面超预期因子也验证其具备较好的行业轮动能力，帮助捕捉行业景气度变化。

整体现阶段组合在医药生物、机械设备、基础化工、电子等成长性行业配置较多，持股集中度适中（市值分位62%），既保证了成长动力，也兼顾了中型市值股票的流动性。

图表深度解读部分详细阐释了超预期指标构建、阶段划分、因子检验、组合优化效果、估值因子灵活应用及行业轮动效果，数据与模型逻辑吻合，支撑强有力。

风险提示明确指出该策略基于历史数据，存在市场结构转变风险，对策略的稳定性提供必要警醒。

总之，报告展现了一条以财报超预期为核心，融合多维度因子与估值视角的成长股投资路径，科学且实用，适用于具备较高风险承受能力的专业投资者及普通投资者，具有领先的研究深度和投资应用价值[page::0,1,3-20]。

---

报告引用标注说明

• 各节引用格式为 [page::页码]，综合引用多页用逗号隔开，如[page::3,4,5]。

- 涉及大量图表表格均结合原文页码，具体标注见上述对应部分。

---

如果您需要某章节更细节的数学公式解析或具体年度回测数据分析，请告知。

报告