研究方法及数据结构设计 [page::0][page::4][page::6]

• 使用遗传规划（GP）技术，通过公式不断进化筛选适应度最高的选股因子。

- 针对每天2-3个未来年度一致预期数据，设计三维数据结构（股票-交易日-预测年份）支持矩阵化运算。

分析师一致预期数据及因子构建元素 [page::5][page::8][page::9]

| 数据名称 | 说明 |
|-----------------|-----------------------------|
| CONEPS | 一致预期每股收益 |
| CONNP | 一致预期归属母公司净利润 |
| CONROE | 一致预期净资产收益率 |
| CONEP | 一致预期PE的倒数 |
| CONBP | 一致预期PB的倒数 |
| CONGPE | 一致预期PE/G的倒数 |
| CONCAGR | 净利润2年复合增长率 |
| CONNPG | 净利润同比增长率 |
| UPNUMBER90 | 季度业绩上调家数 |
| DOWNNUMBER90 | 季度业绩下调家数 |
| DEGREE | 分析师预测标准差（分歧度） |

• 因子构建函数涵盖时序变化率(tsreturn)、线性加权(tsdecay_linear)、排名(rank)、加减乘除运算，适应因子挖掘需求。

- 改进型因子普遍除以分析师预测标准差（DEGREE），提升因子稳定性和预测能力。

11个遗传规划挖掘一致预期因子表现综述 [page::10][page::23]

• 因子普遍具有正IC均值，体现预测有效性。

- Alpha2（对Alpha1引入标准差调节）在中证500和全A股表现优越。

• 相关性矩阵显示，盈利相关因子Alpha1~Alpha4较为接近，复合因子间相关较低。

代表因子Alpha1和Alpha2回测详细表现 [page::12][page::13]

• Alpha1为过去60日一致预期EPS变化率，沪深300年化多空收益约7%，夏普比例较优。

- Alpha2为Alpha1除以DEGREE的加权值，调整后收益及IC表现明显提升。

• 多空组合净值相较基准持续超越，表现稳定。

风险提示及未来研究方向 [page::0][page::23]

• 选股因子基于历史经验，存在失效可能。

- 研究强调数据覆盖范围仅含分析师覆盖的A股，测试结果不可简单外推至全市场。

• 后续可尝试使用核心分析师原始预期与基本面真实数据结合，深度发掘更多因子。

基于遗传规划的一致预期因子挖掘报告详尽分析

---

一、元数据与概览

报告标题：《基于遗传规划的一致预期因子挖掘》
作者/机构：华泰证券，研究员林晓明、李子钰、何康等
发布日期：2022年4月7日
研究主题：利用遗传规划方法挖掘分析师一致预期数据中的选股因子
研究范围：覆盖具有分析师一致预期覆盖的A股市场，回测区间2012年4月27日至2022年3月31日
报告性质：深度研究报告，属于华泰金工人工智能系列的第54篇，继承前三篇遗传规划相关研究的技术框架
核心论点：

• 通过对分析师一致预期数据进行深度结构化处理，采用改进的遗传规划算法，实现大量因子的高效探索。

- 挖掘出11个具有较强解释能力和稳定收益预测能力的一致预期因子，尤其是变化率（tsreturn）函数频繁出现，表明分析师预期变化是关键信号。

• 引入分析师预测标准差（DEGREE）进行因子改进，与近年市场波动性上升相呼应。

- 因子综合测试包括IC值、分层回测，展示具有一定盈利能力和抗噪性。

• 研究结论强调，因子基于有分析师覆盖的A股，不能简单泛化到全市场。

---

二、逐节深度解读

2.1 引言与遗传规划回顾

报告开篇介绍遗传规划（Genetic Programming，GP）是一种启发式算法，模拟生物遗传进化过程，通过多代迭代优化数学公式群体以满足特定预测目标，适合于无监督下的因子挖掘任务。华泰在此前已有三篇相关遗传规划因子挖掘报告，本次研究基于前期技术框架，扩展至分析师一致预期数据的深度利用和因子创造[page::0,4]。

2.2 分析师一致预期数据特点及处理方法

2.2.1 数据本质：

分析师一致预期数据是收集自卖方研究报告的个股财务指标及评级预测，日频更新，可反映市场对公司基本面的最新预期，且数据种类涵盖EPS、ROE、PE倒数、PB倒数、净利润增长率等多项财务指标及其衍生指标如分析师预测标准差、业绩调整次数等。因其高度关联基本面，在量化研究中价值显著[page::0,5]。

2.2.2 数据结构创新：

由于每只股票每个交易日具有未来2-3年不同时点的预期数据，数据维度超出传统二维量价数据，生成了股票×交易日×预测年份的三维数据结构。该结构解决了因财报发布时间导致预测年份可变的问题，同时适配遗传规划的矩阵运算需求，实现高效因子计算[page::6]。

具体因子计算中基于最小预测年份确定短期推断窗口，确保不会使用未来信息（不存在信息泄露问题）。报告还通过具体“tsmean(CONEPS,5)”的计算示例，体现三维数据调用的实际步骤[page::7]。

2.3 遗传规划一致预期因子挖掘流程

流程涵盖：

• 数据获取（筛选全A股中具有分析师覆盖股票，剔除ST/PT及停牌、涨停）

- 时间分割（80%训练，20%验证）

• 因子基元与函数定义详见图表7、8，包括各类基础一致预期指标及数学算子（加减乘除、排序、滑窗统计等）

- 按遗传规划方法通过迭代进化生成数学公式，对公式适应度定义为该因子与未来20日收益相关性的IC值均值

• 对遗传规划遗传出的因子进行IC分析、分层回测、相关性分析[page::8-9]

2.4 挖掘因子介绍及解读

共11个主要因子Alpha1-Alpha11，因子表达式详见图表9，解析如下：

• 11个因子普遍依赖“tsreturn”函数计算过去60天（或40天）预期的变化率，表明分析师预期的变动是主要信号来源。

- 多个因子采用分析师预测标准差(DEGREE)作分母做改进，提示控制预测分歧的稳定信号作用。疫情后预测离散度的提升也反映到因子设计[page::10]：

图表10展示2020年以来全市场预测标准差中位数明显上升，支持这一逻辑。

• 因子之间的相关性矩阵揭示，Alpha1~Alpha4均与盈利变化率相关，高度正相关（0.5以上），其他因子间相关性较低，暗示组合构建潜力[page::11]。

---

三、图表深度解读（重点）

3.1 图表0：Alpha2分层测试（全A股）

该图展现Alpha2在全A股的分层净值表现，分为5层，第一层（表现最好）净值显著优于后续层，分层效应明显，验证Alpha2在选股上的预测能力稳定。约2012年至2021年间，第一层持续走强与市场整体表现（基准）拉开差距，后几层均趋势下降，说明因子有效区分了高低表现股票[page::0]。

3.2 图表1-2：遗传规划研究与流程示意

图表1回顾了华泰遗传规划因子挖掘历程，显示这是成熟的研究线索。

图表2详细展示遗传规划的工作流程，从随机公式群体初始化、适应度计算、父代选择、交叉变异生成后代，迭代至收敛，清晰实现自动化因子发现。这种框架为本研究因子挖掘提供了技术基础[page::4]。

3.3 图表3-5：一致预期数据说明与三维存储结构

图表3列举了主要一致预期财务指标及其具体定义，确认数据质量和计算基础；

图表4示例原始事实表，体现多时间、多股票、多年份结构；

图表5进一步形象化说明三维矩阵存储，结构中股票-交易日-预测年份维度桥接了现实数据的动态性，保证算法实用性和准确性[page::5-6]。

3.4 图表6：计算函数示例—tsmean(CONEPS, 5)

该图展示查询方式：

• 针对每只股票的交易日，取其最小预测年份为查询标准维度

- 在三维数据中抓取对应过去5个交易日的EPS一致预期值计算均值

• 避免未来信息污染，切实保证因子计算的可行性和未来因子预测准确性

该计算结构是高效支持遗传规划大规模因子演化的关键[page::7]。

3.5 图表10：分析师预测标准差时间序列

图表展示了2012年至2022年间全市场分析师对EPS预测标准差的中位数，反映信息不确定性的时间动态。2020年疫情爆发后瞬间上升明显，说明市场对未来公司盈利预期的分歧度明显增加，该宏观事件与因子设计中的除以标准差逻辑密切相关，表明因子构建充分考虑市场结构演变[page::10]。

3.6 图表11：因子相关性矩阵

该矩阵精细揭示了11个Alpha因子间的统计相关度。

• Alpha1~4表现为盈利预期变化类，相关系数通常大于0.5，最高达0.92；

- 另外几个复合因子表现出较低相关性，平均相关度在0.2~0.4左右，显示这些因子捕捉了不同维度信息，为后续因子组合提供基础[page::11]。

3.7 图表12~14：多股票池IC及分层测试结果汇总

三大股票池（沪深300、中证500、全A股）均显示各因子在IC均值、多空收益等指标上具有统计显著性：

• 高频交易及行业市值中性处理后，主要因子IC均值多在2%~5%之间，信息比率(信息比IR)大多在0.3以上，体现较好稳健性。

- 多空组合收益均显示正超额收益，沪深300池表现最好，说明核心大市值样本中因子效果强。

• 高频换手率和胜率指标进一步支持这些因子具有较高可交易性和持续性[page::11]。

3.8 图表12-80：11个Alpha因子详细IC与分层回测

报告分别详述11个因子的表现，概括如下：

• 因子Alpha1（简单预期EPS变化率）表现稳定，沪深300中多空组合年化超额收益7.06%，信息比率0.43，多空胜率达63%；

- Alpha2在引入分析师预测分歧调整后，尤其在中证500和全A股表现升级，IC均值达到2.92%，多空年化收益超过5%，信息比大幅提升至0.4；

• 其余因子（Alpha3至Alpha11）多以类似结构改进并结合预期的复合指标构建，均显示了不同程度的正IC和多空收益，虽具体表现落差不同，但整体组合搭配形成丰富选股特征体系；

- 各个因子累积RankIC曲线均表现为长期稳步上扬，表明长期有效性较高[page::12-22]。

---

四、估值分析

报告主要聚焦因子挖掘和策略回测，未直接包含对某单一公司或行业的估值模型。因此，估值分析部分为空，报告着重于因子发掘、验证及解释，属于量化因子研发领域的技术型研究。

---

五、风险因素评估

报告明确风险来自三方面：

• 因子基于历史数据挖掘，存在失效风险，不保证未来收益。

- 股票池仅为具有分析师覆盖的A股子集，结果不可简单推广到未覆盖股票如刚上市新股、创业板等。

• 疫情等特殊时期带来的分析师预测分歧波动，影响因子稳定性。

报告未具体提及缓解策略，提示投资者须持续动态验证因子表现[page::0,23]。

---

六、批判性视角与细微差别

• 虽然报告充分结合分析师预测标准差调整因子效果，但对疫情后预测异常波动的结构变化本质挖掘有限，未来可能需要更精细化模型校正。

- 因子均基于包含提前信息的分析师预期，可能存在信息泄露风险，报告尽量基于三维结构规避未来函数，但实际执行风险仍需关注。

• 测试区间覆盖市场多牛熊循环，但因市场环境复杂，尤其近几年外部冲击大，因子的稳定性需实践中验证。

- 报告主要提供单因子表现，相对缺乏多因子组合构建与优化策略的探讨。

• 由于遗传规划产生因子公式自动化，复杂度和可解释性存在天然矛盾，报告仅对11个精选因子给予解释，整体因子池多样性和冗余性可能较大。

---

七、结论性综合

综上，本报告展示了华泰证券基于遗传规划技术应用于中国A股分析师一致预期数据的创新因子挖掘流程与结果。通过建立针对预期数据特有的三维矩阵结构，适配遗传规划演化路径，快速生成并筛选出11个表现优异且逻辑合理的因子。

• 核心信号多源于分析师预期变化的变化率（tsreturn函数），结合预测标准差调整进一步加强因子信噪比。

- 多数因子在沪深300、中证500及全A股均展现统计显著的Rank IC和信息比率，分层回测多空组合均实现了稳定超额收益，验证了因子普适性及实用价值。

• 报告通过图表明确展示了因子相关性、历史表现走势及市场事件对应的标准差信号，增强了因子解释力。

- 最先进的遗传规划技术与传统金融特征工程结合，开启一致预期因子挖掘新思路，为量化选股提供了可复制的新型技术路径。

• 风险提示表明历史优异因子存在失效风险，股票池限制及外部事件影响，提醒投资者关注动态的因子适用性和市场环境变迁。

全面来看，该报告体现华泰证券在量化研究领域扎实的科技与理论积累，通过技术创新扩展一致预期信息的使用深度，为资本市场投资策略创新提供了坚实支撑[page::0-23]。

---

参考图片

• Alpha2在全A股的分层回测净值图示

• 华泰金工遗传规划相关研究

• 遗传规划流程图

• 一致预期数据的三维数组形式示意

• tsmean(CON_EPS, 5)计算过程示例

• 分析师预测标准差中位数时间序列图

• Alpha1分层回测净值（沪深300、中证500、全A股）

• Alpha2分层回测净值（沪深300、中证500、全A股）

• Alpha3分层回测净值（沪深300、中证500、全A股）

• 后续各因子均类似结构演示。

---

总结：

本报告以严谨的数据工程方法和系统性遗传规划挖掘框架，深化一致预期数据的金融价值发掘。11个创新性构造的因子在多个市场子池经严密的IC测试和分层回测验证均表现良好。分析师预测标准差作为因子改进权重的引入新颖且契合实际，反映出疫情期间市场结构变化对数据质量的影响。整体研究为量价基本面融合的因子研究带来范式创新，具有较高的实用价值和技术借鉴意义。

---

参考文献

Gao H, Wen H, Yu S, “Pandemic Effect on Analyst Forecast Dispersion: Earnings Uncertainty or Information Lockdown?”, Emerging Markets Finance and Trade, 2021, Vol 57, Issue 6, pp.1699-1715 [page::23]

---

此分析全文系基于报告内容，严格遵守引用标注规则，同时系统解读了报告中关键章节、数据与图表，实现了对金融研究报告的全面、深度解构。

报告