分析师预期修正理论及四阶段划分 [page::0][page::8]

• 预期修正分为P1、P2（上调两阶段）、P3、P4（下调两阶段），对应预期均值和离散程度不同的变化模式。

- P1阶段表现为均值和离散度上升，代表部分分析师率先上调预期，随后更多分析师跟进进入P2阶段，表现为离散度下降。

• P3/P4为预期下调对应阶段，均值下降，离散度分别上升和下降。

- 该四阶段划分有效捕捉了分析师预期变化的动态过程，影响后续股价走势。[page::8]

预期指标的趋势性及因子选择 [page::4][page::5][page::7][page::9][page::10][page::11]

• 预期EPS、净利润和目标价格的上调/下调均表现出显著趋势性（前后期同向调整概率均超50%），以EPS与净利润趋势最为明显，数据覆盖稳定。

- 预期EPS P1阶段下期继续上调概率达64%，表现出最强趋势性。

• 选股因子重点关注预期EPS、净利润，放弃目标价因子效果较弱。

预期阶段与股票后续表现案例 [page::11][page::12][page::13][page::14]

• 以平庄能源、华宇软件、中泰化学等个股为案例，展示P1/P2阶段预期上调对应股价显著上涨，P3/P4阶段预期下调对应股价显著下跌，验证预期修正影响股价滞后反应。

第一财年（FY1）预期EPS及净利润选股策略绩效 [page::14][page::15][page::16][page::17]

• P1阶段选股年化超额收益为12.22%(EPS)、11.33%(净利润)，夏普比率分别为1.59和1.27，表现优异。

- P3阶段表现最差，净利润指标甚至为负超额收益。

• 目标价指标分层效果较差，主要策略不采用。

| 阶段 | 年化收益率(EPS FY1) | 夏普比率(EPS FY1) | 年化收益率(净利润 FY1) | 夏普比率(净利润 FY1) |
|------|-----------------|-----------------|-----------------|-----------------|
| P1 | 12.22% | 1.59 | 11.33% | 1.27 |
| P3 | 2.06% | 0.19 | -0.42% | -0.04 |

第二财年（FY2）预期EPS与净利润单因子表现 [page::18][page::19][page::20][page::21]

• P1阶段表现持续优异，EPS FY2超额收益达13.38%，净利润FY2达12.16%，夏普均较FY1阶段略有提升。

- 各阶段分层显著，P3阶段选股续差。

FY1与FY2预期EPS叠加策略 [page::22][page::23]

• FY1和FY2预期EPS叠加选股显著提升效果，P1阶段年化超额收益达16.34%，夏普比率升至1.89。

- P1-P3多空组合收益从9.46%提升至17%。
| 组合类型 | 年化收益率 | 最大回撤 | 夏普比率 |
|------------|---------|-------|-------|
| EPS FY1 | 12.22% | 7.37% | 1.59 |
| EPS FY2 | 13.38% | 7.67% | 1.63 |
| EPS FY1,2 | 16.34% | 6.64% | 1.89 |

多指标叠加选股策略（EPS FY1,2 + 净利润 FY1/FY2）[page::24][page::25][page::26]

• 叠加净利润FY1或FY2后收益提升有限，因两指标信息高度重合。

- 最终推荐使用EPS FY1,2叠加净利润FY1组合，P1阶段年化超额收益16.87%，夏普比率1.94。

叠加短期反转动量因子优化策略 [page::27][page::28][page::29][page::30][page::31][page::32]

• 在P1阶段组合中加入过去1个月跌幅最大的50%股票（动量反转），年化超额收益提升至18.99%，夏普比率1.7。

- P3阶段叠加涨幅最大的50%股票作为空头，显著带来负超额收益(-14.08%)，有效构建多空组合。

• 多空组合P1-P3年化收益高达36.03%，夏普比率2.45。

| 组合 | 年化收益 | 年化波动 | 最大回撤 | 夏普比率 |
|------|---------|-------|-------|-------|
| P1 + 1月反转 | 18.99% | 11.17% | 14.97% | 1.70 |
| 多空P1-P3 | 36.03% | 14.70% | 10.01% | 2.45 |

各年度超额收益表现统计 [page::32]

• 叠加动量反转因素的P1策略在绝大多数年份表现优异，2019年截至7月超额收益达21%，夏普比率4.78，唯2014和2017年略跑输基准。

| 年度 | 超额收益(%) | 波动率(%) | 夏普比率 | 最大回撤(%) |
|-----|------------|---------|-------|---------|
| 2010 | 25.11 | 8.46 | 2.97 | 1.25% |
| 2014 | -3.43 | 13.85 | -0.25 | 14.47% |
| 2017 | -3.86 | 7.49 | -0.51 | 6.85% |
| 2019*| 20.52 | 4.30 | 4.78 | 2.90% |

结论与推荐 [page::33][page::34]

• 分析师预期修正且结合离散程度能有效区分股票未来表现，P1阶段为超额收益最优阶段。

- EPS及净利润预测指标最具实用价值，目标价效果一般。

• 结合多个财年及多指标叠加提升策略收益与稳定性。

- 叠加动量反转效果显著，最终推荐EPS FY1,2+净利润FY1+1个月动量反转因子策略组合。

• 策略表现稳定，且多空组合年化收益率高达36%，具备较强实战应用价值。[page::33][page::34]

分析师预期修正动量效应选股策略深度分析报告

---

一、元数据与概览

报告标题：分析师预期修正动量效应选股策略——因子深度研究系列
作者：丁鲁明、陈升锐
发布机构：中信建投证券研究发展部
发布日期：2020年1月17日
研究主题：分析师对上市公司财务指标预测（EPS、净利润、目标价）预期修正的阶段划分及其选股应用，结合动量反转效应构建股票超额收益策略。
核心论点概述：
报告通过分析分析师预期的修正趋势，创新性地将预期调整分为四阶段（P1-P4）并研究其对股票价格的影响。基于此，构建多层次因子选股模型，描述并验证了分析师预期上调的股票后续实现显著超额收益（尤其是P1阶段），多财年指标叠加及结合短期反转动量指标能显著提升选股策略表现。最终推荐以EPS FY1,2叠加净利润FY1，再加月动量反转因子的P1阶段股票组合作为高效选股策略。

---

二、逐节深度解读

1. 引言与分析师预期修正趋势统计

关键论点总结

分析师由于其专业研究以及与上市公司联系紧密，能够掌握比普通投资者更多的业绩信息，分析师预期数据（尤其是对预测值的动态调整）成为市场重要信息来源。报告强调预期调整具有一定“趋势性”，即前期预期的上调（下调）往往带来后期的同方向调整。数据采用朝阳永续和Wind两大资源，覆盖度较高（超过50%），其中朝阳永续数据覆盖及及时性更优，因此主要依据其数据开展研究。

详细数据解读

• 以预期EPS为例，从2009年7月至2019年7月的统计中，当期预期EPS上调，下一月仍然上调的概率高达59%，下调概率为31%，显示了趋势效应（概率差28%）。下调时继续下调的概率为60%，趋势同样明显。

- 净利润、目标价等指标也展现类似趋势特征，其中预期净利润的上调趋势尤为显著（65%持续上调）。

• 趋势性体现更细化为均值变化和预期离散程度变化，报告以此划分了四个阶段（P1-P4）（见图2），并发现在P1和P3两阶段趋势尤为显著。

---

2. 分析师预期修正的四阶段划分与价格影响

四阶段划分逻辑

基于预期均值和离散度的变化，预期上调细分为：

• P1阶段：均值上调，离散度上升（少数分析师领先上调，导致分歧升高）。

- P2阶段：均值上调，离散度下降（趋于共识，上调幅度扩散）。

预期下调细分为：

• P3阶段：均值下调，离散度上升（先行部分分析师下调）。

- P4阶段：均值下调，离散度下降（共识下调）。

案例展示

• 平庄能源 2010年3-10月案例显示进入P1阶段后，股票价格在滞后一月出现明显上涨，验证预期上调领先市场反应的假设。

- 华宇软件 2011年底至2012年中案例显示进入P3阶段后，股价于滞后两月内大幅下跌，同理验证预期下调的领先负面影响。

• 目标价及净利润的案例亦有同样趋势，表明预期修正具有行业广泛适用性。

---

3. 预期EPS、净利润、目标价FY1因子的选股表现

• EPS FY1: P1阶段股票年化超额收益12.22%，且夏普比率达1.59，表现最佳。下调阶段P3收益虽然较低，但依然为正，表明下调的负面影响不及上调正面影响显著。

- 净利润 FY1: P1股票年化超额收益11.33%，P3阶段出现负超额收益，表现分层明显。

• 目标价 FY1: 分层效果不明显，最高收益仅13.03%（P2阶段），且夏普较低，目标价因预测准确度和稳定性不及EPS和净利润，故后续不予采用。

结论：主力选股因子锁定EPS和净利润两个指标，放弃目标价。

---

4. 策略改进1：二财年（FY2）指标应用

• EPS FY2单因子选股，P1阶段年化超额收益13.38%，表现与FY1相近。

- 净利润FY2的P1年化超额收益12.16%，分层同样明显。

• FY2指标效果验证了预期修正含义在不同预测时点的稳定性。

---

5. 策略改进2：FY1与FY2指标叠加选股

• 采用FY1和FY2预期EPS同时处于同一阶段（交集股票）构建组合，P1年化超额收益提升至16.34%，较单财年提升约3%，夏普比率也提升。

- 多空收益对比显示叠加提高的风险调整收益率更优。

---

6. 策略改进3：多指标多财年叠加

• 在FY1,2 EPS组合基础上继续叠加净利润FY1或FY2。

- 叠加净利润后提升有限（P1组合约16.87%），主要因为EPS和净利润调整信息高度重合。

• 进一步叠加净利润FY1、FY2四指标组合，效果不明显，无明显收益提升。

- 因此模型推荐以EPS FY1,2和净利润FY1叠加组合作为主策略。

---

7. 策略改进4：叠加短期动量反转策略

• 结合A股市场著名动量反转效应，利用P1阶段筛选阶段叠加过去N个月跌幅较大的50%股票（反转指标）；P3阶段叠加过去N月涨幅较大50%股票。

- 1个月动量反转效果最佳，P1组合年化超额收益升至18.99%，夏普比率近1.7；空头P3组合负收益显著（-14%）。

• 多空组合收益高达36%，明显优于前述任何单因子或多因子组合。

- 但1个月反转因子加入导致P1组合最大回撤增大，收益波动加大，投资者在收益和稳定性间可做权衡。

---

8. P1阶段年度表现分析

• 分析师预期叠加动量反转策略的P1阶段组合表现稳定，2010年至2019年前7个月除2014和2017年略有跑输，其他年份均带来显著正超额收益。

- 2019年前7个月超额收益约21%，夏普比率高达4.78，表现优异。

---

9. 总结与思考

• 分析师预期调整数据有效揭示了市场中潜在超前信息，预期上调（尤其P1阶段）对应未来显著的超额收益。

- 预期EPS和净利润指标的选股效果优于目标价，且两个财年指标叠加进一步提升绩效，说明分析师对两个未来财年预期均具有稳定指示作用。

• 多指标叠加对收益提升有限，因指标间信息重合度高。

- 结合短期反转动量策略对选股模型效果带来显著提升，尤其反转叠加策略后，多空组合回测收益超过36%。

• 策略在2010年至2019年长周期数据中表现稳健，且年度收益分布较为均衡。

- 因动量反转因子收益波动性较大，需考虑风险管理。

---

三、图表深度解读

图1 - 全市场股票分析师预期数据覆盖度对比（p4）

• 图中展示了2009年至2019年间，Wind和朝阳永续两大数据库的分析师预期数据覆盖率的对比，朝阳永续持续领先Wind，覆盖率高达约75%，体现其数据完整性和广泛的适用性。

- 这一图表说明报告选用的预期数据基础扎实，可代表A股大部分股票市场的分析师预期情况。

图2 - 分析师预期修正四阶段划分示意图（p8）

• 以“预期均值的上升/下降”和“预期离散度的上升/下降”构成二维分类，定义预期调整4大阶段（P1-P4），图示中箭头体现了P1和P2阶段的连续转换，P3和P4阶段的对应转换。

- 该图为后续分析的核心理论依据，体现了分析师预期调整行为的动态演化及其市场效应的分层特征。

表1至表5 - 各预期指标调整趋势统计（p5-p7）

• 统计了预期均值上调/下调当期，下一期预期值变动的概率分布。

- 各指标普遍表现出同向调整的显著趋势，尤其EPS和净利润的上下调趋势最强（上下期同向调整概率均超过60%）；目标价也表现出强趋势性。

• 该统计为因子体系构建提供了基础支持，表明预期修正具备预测股票后续表现的潜力。

表6至表10 - 分阶段的趋势统计（p9-p11）

• 按照预期四阶段进一步细分趋势性，发现P1和P3阶段，下一月继续同方向调整的概率更高，如P1阶段EPS有64%的概率下一月继续上调。

- 预期离散度上升对应领先信息披露阶段，确认了P1（上调初期）和P3（下调初期）阶段的市场信息领先属性。

图3至图8 - 典型企业案例，反映预期调整与价格变动的滞后关系（p11-p14）

• 通过平庄能源、华宇软件、中泰化学、东港股份、海亮股份、厦门钨业等案例，展示分析师预期均值与离散值的变化趋势，以及相应的股价变化。

- 典型模式：P1阶段（均值上升，离散度上升）之后，股价往往滞后上涨；P3阶段（均值下降，离散度上升）之后，股价滞后下跌。

• 这些案例强化了报告所建议的基于阶段划分的选股逻辑。

图9至图13 - FY1与FY2的超额收益组合净值对比（p15-p20）

• 几乎所有以P1为代表的阶段，无论是EPS或净利润指标，都展现稳定且显著的累积超额收益曲线。

- FY2的净利润及EPS选股表现与FY1类似，说明财年预测的跨期预期修正均有投资价值。

图14至图17 - 多指标叠加策略表现（p22-p26）

• 叠加FY1、FY2 EPS选股模型的收益和风险调整表现明显优于单年度模型。

- 进一步叠加净利润指标，收益提升有限，信息冗余明显。

表32、33 - 动量反转敏感性分析（p28）

• 以不同月份长度的过去回报率为基准做筛选，1个月动量反转表现最佳，超额收益和夏普比率最高。

- 负端P3阶段股票表现为显著负超额收益，验证卖空策略的选股信号有效性。

图18、19 - 叠加动量反转后的超额收益和多空组合对比（p29-p30）

• 大幅提高了P1阶段股票的年化超额收益至约19%，多空组合最高达36%，兼顾了收益和风险。

- 图示净值曲线显示组合表现大幅领先市场基准且稳定性较好。

表39 - 叠加动量反转策略P1年度超额收益统计（p32）

• 19年7月超额21%，历史年度收益除2014、2017年轻微负收益外，均显著为正，显示策略的良好稳健性。

---

四、估值分析

报告主要聚焦在构建基于分析师预期修正的选股策略，具体采用的是基于分析师预期EPS和净利润一致预期的动态修正阶段，通过构建不同阶段股票的资产组合进行超额收益统计。未涉及传统的DCF或多重法估值，而是基于量化因子选股与反转动量策略的模型构建。

关键假设和输入包括：

• 分析师预期数据来源及其覆盖度。

- 预期四阶段定义（均值及离散度的变化指标）。

• 股票月度收益数据及基准指数（中证全指）。

- 多空组合构造，及回测期长度（2009.07-2019.07）。

• 动量反转选股时段敏感性（1个月-6个月）。

由于属于因子策略构建，估值用以量化超额收益表现为主，重点关注收益率、最大回撤、夏普比率等风险调整指标。

---

五、风险因素评估

报告虽无单独风险章节，但风险隐含在以下分析内：

• 分析师预期数据质量风险：虽然数据覆盖度较高，但分析师预期仍具主观性与不确定性。

- 市场结构变化风险：未来市场环境、信息披露机制变动可能影响预期信号的稳定性。

• 策略稳定性风险：尤其是叠加短期动量反转指标后，回撤和波动率升高，影响组合稳定性。

- 模型过拟合风险：多指标叠加效果有限，提示信息冗余，需防范过度拟合。

• 宏观经济与突发事件风险：历史回测表现不能完全覆盖未来所有异常事件。

报告最后部分提及动量反转因子带来的收益波动增加，提示投资者需平衡收益与风险。

---

六、批判性视角与细微差别

• 虽然报告对预期修正的趋势性给予较高信赖，但依赖分析师预期数据本身存在主观偏好、覆盖不均等固有限制。

- 目标价因准确率差被剔除，但或许可以通过改进方法发挥作用，未深入讨论。

• 多因子叠加时收益提升有限而风险增加，暗示模型存在信息冗余问题，需提高因子间的正交性研究。

- 动量反转叠加虽提升收益，但回撤大幅增加，模型实际应用需风险配比与资金管理辅助，否则可能因波动而影响实操。

• 报告主要基于中证全指市场表现，无法直接外推至其他市场或不同投资风格中。

- 叠加多个财年预期指标时，报告未细致阐述指标间相关性及调和机制，存在潜在模型稳定性隐患。

---

七、结论性综合

本报告基于丰富的分析师预期数据，深入揭示了预期EPS、净利润和目标价预测值动态调整的显著趋势性，独创性地将预期调整划分为四阶段（P1-P4），并将此作为多阶段量化选股因子。

关键发现如下：

• 预期EPS和净利润的预测调整对股票未来表现有显著指示作用。 尤其P1阶段（预期均值与离散度同时上升，代表领先分析师先行上调）股票，伴随未来12个月平均12%-18%以上年化超额收益，夏普比率高达1.5以上。

- 目标价作为因子效果表现较差，最终未纳入核心模型。

• 两个财年（FY1与FY2）预期EPS指标独立有效，叠加后（取交集）超额收益提升近3%，表明财年跨期信息增强模型表现。

- 进一步叠加净利润FY1指标效果边际收益递减，预示指标信息高度重合。

• 在上述多指标叠加基础上加入短期（1个月）动量反转指标作为辅助筛选，显著提升年化超额收益至18.99%，多空组合年化超额可达36%，夏普比率同样达到或超过2.0。

- 动量反转虽有助提升收益，但相应回撤上升，投资者需权衡策略风险。

• 各年度收益稳定，除了个别年份小幅跑输外，总体表现持续优越，尤其2019年7月超额收益达21%。

整体来看，报告系统而科学地构建了一套基于分析师预期调整行为的量化选股体系，集信息领先性和市场效应于一体，提供了投资策略上的有力工具和理论支持。

---

附录 核心图表示例（部分）

图1：全市场股票分析师预期数据覆盖度对比（p4）

图2：分析师预期修正四阶段划分（p8）

图14：预期 EPS FY1 FY2 叠加选股超额收益组合净值对比（p22）

图18：分析师预期指标叠加短期反转动量选股超额收益组合净值对比（p29）

图19：分析师预期指标叠加短期反转动量选股多空组合净值对比（p30）

---

结语

这份由中信建投证券金融工程团队精心编制的报告详尽地说明了分析师预期调整动态的四阶段划分和其对股票未来表现的预测能力。通过系统的多财年、多指标叠加及动量反转结合，提出了成熟、且经过历史数据实证的超级选股策略，兼备高收益与风险管理考量，实为A股市场机构投资者及量化策略开发者宝贵的参考和应用范例。[page::0,page::4,page::7,page::8,page::14,page::18,page::22,page::27,page::28,page::29,page::32,page::33]

---

参考文献

报告最后列举了多篇重要学术论文，涵盖分析师推荐的超额收益及其预测力、分析师信号价值以及跨市场验证，为本研究的学理基础提供理论支撑和实践前沿背景。[page::34]

---

作者简介与联系方式

• 丁鲁明：同济大学金融数学硕士，资深金融工程专家，中信建投证券金融工程团队负责人。

- 陈升锐：芝加哥大学金融数学硕士，资深量化研究员。

联系方式详见报告末尾，便于专业交流。[page::0,page::35]

---

综上，该报告为理解并利用分析师预期动态调整提供了详尽的理论架构与实证支持，策略设计科学严谨，实证结果具有一定的行业领先性和应用前瞻性。

报告