分析师一致预期数据覆盖度及特点 [page::3][page::5][page::6][page::4]

• 一致预期报告数量年均增长，2017年超过5万篇；覆盖A股约75%公司，沪深300主体覆盖率近90%。

- 报告发布量月度、季度分布存在明显周期性，财报发布后分析师及时更新预期。

• 目标价覆盖下降较EPS，沪深300约80%，中证全指仅50%多。

- 一致预期数据弥补了财报公布间隔长、滞后的缺陷，可动态反映分析师对业绩及估值的最新判断。

一致预期PE较财报PE具备更强选股能力 [page::8]

• 以Rank IC、信息比率、年化超额收益率和换手率指标显示，一致预期PE表现优于财报TTM PE。

- 一致预期PE因子年化超额收益近8%，夏普0.74，优于14年牛市及熊市表现。
| 指标 | 一致预期PE | PE (TTM) |
|---------------|------------|----------|
| Rank IC | 5.46% | 5.04% |
| ICIR | 0.74 | 0.61 |
| 年化超额收益率 | 7.96% | 4.86% |
| 年化波动率 | 3.22% | 5.65% |
| 换手率 | 17.45% | 11.39% |

一致预期简单使用无法全面替代财报指标 [page::9]

• 一致预期年度数据缺少季度信息，导致成长和盈利因子表现逊色于财报季度数据。

- 单季度净利润同比、TTM ROE均显示财报数据因子优于一致预期对应因子。

• 一致预期指标使用需经过加工，非简单替代。

预期差因子构建及表现 [page::11][page::12][page::13][page::14][page::15]

EPS调整因子（epschange）：

$$ eps\change = \frac{EPS{t} - EPS{t-3m}}{|EPS{t-3m}|} $$

• 该因子表现稳定，多空组合累计超额收益显著，RankIC月度均值持续正向。

EPS上调比例因子（epsdiffusion）：

$$ eps\diffusion = \frac{up - down}{total} $$

• 反映市场调高预期机构的比例，高比例对应后续收益提升，选股效果优于单纯上调幅度。

PE调整因子（pechange）：

$$ pe\change = \left(\frac{PE{t}}{PE{t-3m}}\right) - 1 $$

• 指标定义考虑价格与EPS同步变动，区别于业绩驱动或估值波动带来的PE变化。

- 市值、行业中性条件下，因子具备持续正向预测能力，最高Group年化多空收益超10%。

业绩超预期因子（ES）：

$$ ES = \frac{eps\LF}{eps\con} - 1 $$

• 依据单季度净利润占全年比率估算预期，计算季度业绩超预期幅度。

- 因子在沪深股市表现良好，年化多空超额收益稳定。

复合因子选股效果显著 [page::16]

• 以预期EPS调整、市场分歧、PE调整和业绩超预期因子合成复合因子。

- 剔除市值、行业及风格效应后，复合因子持续稳定优于基准。
| 指标 | 中证全指 | 沪深300 | 中证500 |
|----------------|--------|--------|--------|
| IC | 4.43% | 4.48% | 4.39% |
| 多空年化收益率 | 15.54% | 12.75% | 14.96% |
| 年化波动率 | 4.41% | 4.54% | 5.95% |
| 夏普比率 | 3.52 | 2.81 | 2.52 |
| 最大回撤 | 5.40% | 4.67% | 4.03% |

结论总结 [page::17]

• 分析师一致预期数据作为重要的第三方信息源，动态反映业绩预期，补充财报披露的滞后性。

- 分析师普遍乐观，且预期多为年度维度，简单使用未必优于财报数据。

• 基于预期调整和超预期的复合因子具备显著的选股能力。

- 量化选股策略应充分挖掘预期数据潜力，融合多因子，提升收益稳定性和风险控制能力。

金融研究报告《寻找预期差——基于分析师一致预期的选股研究》详尽分析

---

一、元数据与概览

• 报告标题：《寻找预期差——基于分析师一致预期的选股研究》

- 发布机构： 申万宏源证券研究所

• 作者与联系方式： 名称未明确披露，联系人包括多个机构销售团队，具体联系方式见报告信息披露页。

- 发布日期： 报告页码与数据截至2018年左右，具体发布日期未明确。

• 研究主题： 本报告聚焦于分析师一致预期数据在资本市场中的应用，研究分析师一致预期数据如何与传统财务报表数据和交易数据结合，探讨是否可以替代财务指标，并进一步提出基于一致预期的选股策略与因子构建，如预期差、预期调整等因子。

核心论点与评级：

作者认为，分析师一致预期数据作为财报和交易数据之外的重要第三方信息源，蕴含丰富信息，但唯一使用一致预期数据并不足以替代传统财报指标，因为分析师预期存在乐观偏差且主要为年度指标。报告基于一致预期数据设计了多种因子，包括预期EPS调整、PE调整及业绩超预期等，最终构建了一致预期复合因子，证明这种复合因子具有良好的选股效果，显示出一致预期数据在A股选股中的实际应用价值。

---

二、逐节深度解读

2.1 分析师预期数据介绍与特征

1.1 量化如何与基本面结合

• 关键论点： 传统财报数据属于静态指标，更新频率低、滞后；而分析师一致预期则具有动态特性，能及时反映市场卖方研究员的业绩预期和估值判断，对量价交易数据形成有力补充。

- 关键假设与数据： 以2017年A股为例，历史上alpha主要来源于高换手率股票，但2017年波动回撤较大，暗示单纯依赖交易数据存在风险。

• 逻辑解释： 采用一致预期数据作为第三方视角，突破财报滞后限制，使选股更具时效性。

1.2 一致预期数据完善度提升

• 数据展示： 朝阳永续数据库覆盖面不断加宽，2017年收录报告数量达到5万余篇，覆盖A股75%的公司，图表展示了2006-2017年公司报告数量和深度报告数量逐年增长趋势，均见上升。

- 重要性： 表明市场分析师研究报告数量大幅增加，为一致预期构建奠定较丰厚的数据基础。

• 图表说明： 第一个图为年度报告数量趋势柱状与折线图；第二个图为覆盖公司数量及深度覆盖公司数量的逐年增长趋势。整体趋势向好，支持一致预期数据的广泛应用。

1.3 一致预期数据时间分布特点

• 关键洞察： 数据集中于3、4月（年报及一季度报）和8、10月（半年报及三季度报）批量更新，符合财报定期披露特点。

- 逻辑推断： 分析师通常在发布财报后及时更新观点和预期，支持一致预期具有动态跟踪基本面的功能。

1.4-1.5 预期EPS和目标价的覆盖度分析

• EPS覆盖率： 沪深300覆盖近90%，中证500覆盖较好，中证全指约50%；目标价覆盖率低于EPS，沪深300约80%，中证全指仅约50%。

- 结论： EPS预期数据较为充足且稳定，对大盘龙头覆盖较全面，目标价数据覆盖较少，意味着以EPS预期为中心的数据构建更具代表性。




---

2.2 一致预期与财报指标的关系与选股能力

2.1 一致预期PE选股力强于财报TTM PE

• 关键论据： 一致预期PE指标的Rank IC为5.46%，高于财报PE的5.04%；ICIR为0.74 vs 0.61，年化超额收益7.96%远高于4.86%，且波动率更低。

- 选股策略实证： 基于一致预期低PE组合选股收益好于传统PE。

• 图表解读： 曲线显示一致预期低PE组合表现优于传统PE组合，中证全指等权指数基准线表现最差。

2.2 简单用一致预期数据未必优于财报指标

• 成长因子对比： 一致预期高成长组合表现弱于单季度净利润同比高成长组合。

- 盈利因子对比： 一致预期高ROE组合虽优于基准但逊于财报TTM ROE。

• 原因分析： 一致预期数据缺乏季度数据，且部分信息已反映在股价中，不完全替代财报指标的功能。

---

3.1-3.6 预期差因子的构建与效果

3.1 预期差定义与分析师预期偏差

• 预期差双重定义： 横截面（个体与整体）和时间序列（今日与昨日）两个角度的预期差异。

- 研究发现： 分析师预期对盈利的修正能力比准确预测更重要，一致预期存在普遍乐观偏差。

• 数据说明： 一致预期净利润对年报实际收益的偏离2007年偏差高达130%以上，2012年后明显下降至30%左右，反映乐观偏差有所收敛。

3.2 预期EPS调整因子（epschange）

• 定义： 当前预期EPS与三个月前预期EPS的差值占比。

- 表现： 在中证全指中市值行业中性后，构建的多头组合显示出明显超额收益，换手率合理，月度RankIC均值大多为正，表明因子稳定有效。

3.3 预期EPS上调比例因子（epsdiffusion）

• 定义： 过去三个月调高EPS机构数与调低机构数差占总机构比例。

- 效用： 因子表现优越，反映分析师多数上涨意见的重要选股信息，月度RankIC大部分时间为正。

3.4 预期PE调整因子（pechange）

• 公式： pe_change = (当前预期PE / 三个月前预期PE) -1，即价格变动与EPS变动的相对差异。

- 表现： 因子表现奇佳，超额收益明显，风险指标（波动率、最大回撤）较低，月度RankIC多数为正，表明预期PE变化量是优良的选股信号。

3.5 业绩超预期因子（ES）

• 定义： 单季度实际EPS与基于历年财报季度权重估计的预期EPS的比值减一。

- 效果： 业绩发布后的超预期表现同样体现为强选股信号，因子收益显著。

3.6 一致预期复合因子效果显著

• 构成： 综合预期EPS调整、上调比例、预期PE调整、业绩超预期四因子。

- 剔除风险： 已剔除市值、行业及一般风格风险，体现纯粹的预期信息选股能力。

• 表现： 在中证全指、沪深300、中证500各指数下表现稳健，IC均值均超过4%，年化超额收益达到15%以上，且夏普比率优秀，最大回撤控制良好，适合实际投资策略应用。

---

三、估值方法与风险因素

报告主要从量价基本面结合的视角出发，深入探讨分析师一致预期数据作为另类因子在量化选股中的应用，没有采用DCF或经典市盈率估值方法的直接评估，而是通过分析师预期PE与市场PE的变化、预期EPS调整及超预期绩效，间接反映内生估值变动。

• 风险点:

- 分析师预期本身存在普遍的乐观偏差，可能导致部分因子失效。
- 分析师预期数据仅涵盖年度指标，缺乏季度及时动态更新，限制了捕捉短期事件驱动。
- 市场信息反映速度快，有部分预期信息已被价格反映，单一使用预期数据难以取得超额收益。

报告虽未明确提出风险缓解措施，但通过构建多因子复合模型、剔除市值及行业风险因子的方法，体现了一定的风险控制思路。

---

四、图表深度解读

• 年度报告数量增长图（Page 3）：显示报告数量由2006年的几千成长到2017年的5万余篇，反映市场分析师研究的活跃度与数据积累持续提升。该数据基础确保了后续使用一致预期数据构建因子时的样本规模与代表性。

• 一致预期EPS与目标价覆盖率图（Page 5-6）：波动趋势清晰表示沪深300成分股覆盖最密集，全面市场覆盖尚存不足，反映出数据的局限性，也说明策略主要在中大型企业发挥效果。
• PE选股能力对比图（Page 8）：一致预期低PE组合长期跑赢财报TTM的低PE组合，显示预期数据所蕴含的信息超越历史数据本身，更具前瞻性。
• 预期EPS调整、扩散、PE调整及业绩超预期因子表现图 （Pages 12-16）：多幅折线与热力图共同展示因子收益与稳定性，红色强调正的RankIC表现，显示因子有效，且因子抗风险能力较强。

---

五、批判性视角与细微差别

• 偏见识别： 报告明确指出分析师预期存在乐观偏差，这是一种市场普遍现象，说明研究者保持客观。

- 方法限制： 单一财报年度数据与季度数据缺失限制因子信息完整性，预期数据可能反映不全市场信息，报告虽强调剔除行业、风格风险，但对宏观风险、政策风险等非系统风险的影响涉及不足。

• 时间跨度： 数据大多集中2006-2018年，近年来A股市场量化演进迅速，报告未对后期状况及更长周期表现进行补充，实操人员仍需谨慎。

---

六、结论性综合

本报告深刻阐述了分析师一致预期数据作为除传统财务报表和交易数据外，第三类重要信息源的角色。数据完善度持续上涨，A股覆盖率亦不断增加，尤其是大型蓝筹股覆盖较为充分。尽管分析师预期普遍存在乐观偏差，且多为年度指标，简单使用不足以替代财报指标，但基于这些预期数据衍生的调整因子、预期变化因子等能够有效挖掘“预期差”，捕捉市场对未来盈利预期变化所反映的投资机会。

通过四个核心因子——预期EPS调整、预期EPS上调比例、预期PE调整、业绩超预期因子，再合成一致预期复合因子，报告实证其在剔除风格、市值、行业影响后的强选股能力，持续产生年化超额收益约15%，夏普比率良好且最大回撤有限，表现稳定优越。

这种从动态预期出发的选股策略具有现实应用潜力，尤其适用于A股市场信息不完全且季报披露存在延迟的环境。投资者可基于此类信息因子辅助构建多因子模型，实现信息优势。

---

参考页码溯源

• 报告标题与结构：[page::0],[page::1],[page::7],[page::10]

- 数据覆盖率与报告收录趋势：[page::3],[page::4],[page::5],[page::6]

• 一致预期与财报指标对比：[page::8],[page::9]

- 预期差定义与分析师预期偏差：[page::11]

• 预期EPS调整因子与其表现：[page::12]

- 预期EPS调整比例因子：[page::13]

• 预期PE调整因子及选股表现：[page::14]

- 业绩超预期因子：[page::15]

• 预期复合因子效果：[page::16]

- 总结与风险提示：[page::17]

• 信息披露与法律声明：[page::18]

- 联系方式与二维码：[page::19]

---

通过以上详尽解读，可以清晰了解本报告如何切入分析师预期数据的研究，结合量化财务指标和市场交易指标，提出了可操作的因子体系，深入挖掘了“预期差”背后的信息价值，为投资者提供了构建高效选股模型的实践路径。

报告