盈利预测改善因子在股票与可转债市场均有效 [page::7][page::9][page::10]

• 利用分析师一致预测收益增速的3个月差分构造盈利预测改善因子。

- 营业收入改善因子的月度IC在股票市场为1.96%，T统计4.29；转债市场IC更高达3.67%，T统计2.63，因子表现稳定且择券效果显著。

• 在转债市场，平衡风格转债与预测改善因子表现最佳。[page::8][page::10]

盈利预测的变化与分歧交互作用增强投资组合表现 [page::12][page::13]

• 根据盈利预测的边际变化（改善因子）及预测标准差（分歧）将个股/转债分成四个象限。

- 升预期&低分歧组合收益最高且风险较低，股票年化收益18.04%，转债年化收益16.89%，最大回撤分别为43.51%和18.36%。

• 转债组合在高不确定性期间风险控制优于正股，且整体收益风险比更佳。[page::13][page::14][page::15]

基于一致预测的三资产动态配置策略 [page::16][page::17]

• 构造未来12个月盈利增速及分歧的同比差分指标，剔除数据周期性影响。

- 动态调整股票、可转债和纯债配置，当盈利增速提升且分歧高时增配转债，防范尾部风险。

• 动态配置策略自2014年末以来年化收益12.62%，最大回撤27.73%，收益回撤比0.46，显著优于固定比例基准组合。[page::16][page::17]

可转债二叉树定价模型及主观预期改进 [page::18][page::19][page::20]

• 利用CRR二叉树模型计算转债理论价格，波动率为关键参数。

- 结合A股银行转债主导行业特征，采用PB与BPS的分析师一致预测分别估计股票未来价格的上下沿。

• 通过PB估值的历史分位数和BPS的增速预测修正转债价格区间，构建隐含预期二叉树模型。[page::20][page::21][page::22]

隐含预期CRR因子显著提升银行转债择券效果 [page::23][page::24]

• 采用隐含预期模型计算的CRR因子IC达7.68%，T统计3.42，高折价组合5年年化收益达9.48%，最大回撤10.48%。

- 较原始模型，隐含预期CRR因子在收益、风险及因子显著性上均有显著提升，提升了转债绝对定价的准确率和择券能力。[page::23][page::24]

从一致预测和预测分歧看可转债定价—固收量化系列研究之五 报告详细分析

---

一、元数据与报告概览

• 报告标题：从一致预测和预测分歧看可转债定价 — 固收量化系列研究之五

- 作者：任瞳、王武蕾、梁雨辰

• 发布机构：招商证券

- 发布日期：不详，最新数据截止到2023年二季度

• 研究主题：本报告以A股分析师盈利预测数据为切入点，聚焦于如何用一致盈利预测指标辅助股票和可转债的选股与择券，以及结合预测分歧和主观预期提升可转债定价模型的准确性。

- 核心论点与结论：
- 基于分析师盈利预测构建的一致预测指标在股票和可转债市场均具备选股择券效果，且在可转债市场表现更佳，尤其适用于平衡类转债；
- 盈利预测的分歧（标准差）作为不确定性的指标可增强投资组合表现，并可用于资产动态配置以优化收益与风险；
- 纳入分析师的主观预测（PB和BPS预测）对传统转债二叉树定价模型进行改进，明显提升银行转债折价率因子的选券能力及组合表现；

• 风险提示：模型及结论依赖历史数据和特定市场环境，未来可能失效

[page::0-1]

---

二、逐节深度解读

2.1 股票和可转债中的分析师一致预测指标

2.1.1 分析师预测数据现状与构成

• A股分析师覆盖度约在50%左右，过去十余年趋势稳健；机械、医药、电子等行业覆盖比例高 [图1、图2]，转债正股覆盖度更高约72%，行业分布与全A股接近但机械与基础化工占比更突出 [图3、图4]。

- 预测指标方面，营业收入、净利润、EPS及ROE为主流盈利预测指标，且在股票和转债市场均有较高覆盖度 [图5、图6]。

2.1.2 一致预测指标构建逻辑及方法

• 报告依据公司研究类分析师报告数据，选取营业收入、净利润、EPS、ROE指标，采用6个月滚动内的预测数据，基于时间权重（$2^{6-k}$）加权，提升临近预测数据权重，旨在增强预测准确性。

- 采用预测期对齐（截至每年4月30日切换财年预测）和实际披露值替换预测值的方法，避免披露期间预测值剧烈波动，提升连续性和数据稳定性。

• 通过对不同财年预测值计算年度增速后，再依据时间权重汇总为未来12个月的增速预测。

- 时间加权后的一致预测误差显著低于算术平均预测误差，尤其临近披露期预测更准确 [图7-9]。

2.1.3 盈利预测改善因子在股票选股中的应用

• 将未来12个月盈利增速做3个月差分构造“盈利预测改善因子”，反映分析师对盈利增长边际变化的情绪。

- 以此因子对A股股票进行分层回测（8组，市值中性等权分组，2013.6-2023.6），发现营业收入改善因子表现最佳，月度IC达1.96%，T统计4.29，净利润和EPS改善因子IC分别为1.26%和1.22%，均显著优于随机 [图10-15，表1]。

• 盈利改善因子高分组股票表现出更优收益率和风险调整后收益，表明分析师盈利边际预期改善对股价具有预测能力。

2.1.4 盈利预测改善因子在转债择券中的表现

• 类似股票选股，构建转债盈利改善因子，样本自2018年以来，结合平价中性化以规避转债价格结构差异影响。

- 分为5组，表现出因子值越高组合收益率越高、风险更低，月度IC高于股票侧，营业收入因子IC为3.67%，T统计2.63，净利润、EPS 因子同样表现良好[图16-21，表2]。

• 不同转债平价风格下，平衡转债（平价80-110）盈利预测因子效果最显著，强债性和平价极高的转债表现较弱，表明市场价格结构对因子作用存在影响[表3]。

- 综合考虑，营业收入作为盈利改善因子的首选指标。

---

2.2 基于预测不确定性的指标交互作用研究

2.2.1 预期变化与分歧对组合策略的影响

• 预测分歧用分析师预测标准差衡量，结合盈利预测的边际变化，将股票划分为4象限：

- 升预期&低分歧（收益最高且风险较低）
- 升预期&高分歧（预期正面但风险大，存在错判风险）
- 降预期&高分歧（下跌预期但有博弈空间）
- 降预期&低分歧（风险较大需规避）[图22]

• 按此策略构建组合，升预期组年化收益率约15%-18%，降预期组收益率约8.5%；低分歧组波动率低，收益的确定性更强；升预期&低分歧组合去年最大回撤为43.51%，收益回撤比0.41[图23，表4]。

- 年度收益详情示，部分年份高分歧组偶然收益超越低分歧组，但整体来看升预期&低分歧组稳定性最佳[表5]。

2.2.2 指标交互在转债市场的应用与表现

• 转债市场延续上述分组思路（样本条件稍宽放，转债余额大于2亿，排除强赎），分位数调整到1/2。

- 升预期&低分歧转债组合收益率达16.89%，最大回撤18.36%，收益回撤比0.92，为四组组合中风险调整收益最高组[图24-25，表6]。

• 对比同组正股组合，转债组合显著降低了回撤风险（降预期&高分歧组合最大回撤比正股低15.04%），且持续超越正股，显示转债作为风险管理工具的优势明显。

2.2.3 基于一致预测构建的三资产动态配置策略

• 通过对A股整体盈利增速和分歧的时间序列进行周期性处理（同比差分及环比），挖掘短期信息储备，构造市场一体化择时因子[图26-28]。

- 策略基于盈速增减和波动性高低动态决定三资产配置：
- 盈利增速升高，分歧高，配置股票50%+转债50%；
- 盈利增速升高，分歧低，配置100%股票；
- 盈利增速降低，分歧高，配置转债50%+纯债50%；
- 盈利增速降低，分歧低，配置纯债100%。

• 2014年至2023年动态配置策略表现最佳，年化收益12.62%，最大回撤27.73%，收益回撤比0.46，高于双资产和三资产等权配置[图29-30，表7-8]。

---

2.3 可转债隐含预期二叉树定价模型

2.3.1 传统二叉树模型概述

• 可转债定价借鉴CRR二叉树期权定价模型，根据当前平价、剩余期限、股票历史波动率发行价格构造平价未来路径模拟，估算理论价格。

- 波动率越大，未来平价价格的上下界限越宽[图31]。

• 然而，传统模型上行/下行空间假定中立，缺乏结合投资者主观预期（如估值极端上下限挤压）的能力，忽视了非对称波动及均值回复等现实更复杂情况。

2.3.2 针对银行转债优化二叉树模型的策略

• 银行业在转债指数中权重最高（36%），且其PB和BPS的历史波动较窄，预测准确性较高，适合作为改进模型的试点[图32-34]。

- 利用历史5年PB数据的1%和99%分位数作为估值预测上下界限，并以平均日变化率进行时间平滑，同时考虑突破历史估值上下限的25%弹性空间[图35]。

• BPS未来12个月的上/下限预测采用分析师一致预测的25%和75%分位数，对未来BPS进行保守与乐观预估，并结合BPS最近实际披露值推断未来区间[图36-37]。

- PB和BPS的乘积作为未来股票价格区间，上下沿随时间变化动态调整[图38]，补充考虑股息率调整。

2.3.3 隐含预期CRR因子及效果验证

• 增加上述PB和BPS主观上下限预测修正后，生成“隐含预期CRR模型”。

- 以历史2018-2023年银行转债为样本，定义转债折溢价率 CRR 因子和修正后隐含预期CRR因子，按折价率分层构造投资组。

• 原始CRR因子已有择券能力，因子IC为5.57%，T统计2.12，高折价组及中折价组长期跑赢低折价组[图39-40，表10]。

- 隐含预期CRR因子显著提升择券效果：高折价组年化回报9.48%，最大回撤10.48%，多空收益差8.4%，周度IC提升至7.68%，T统计3.42，明显优于原模型[图41-42，表11]。

---

三、图表深度解析

报告提供丰富图表，对分析师预测覆盖度、指标构造、因子表现、择时策略及定价模型均有细节呈现。

• 图1-6 展示分析师预测的时间覆盖度、行业分布和盈利指标覆盖度，形象反映了样本基础和研究数据来源的合理性。

- 图7-9 详细展现了一致预测盈利增速数据的构造，对比不同口径和时间加权预测提升预测准确性的证据。

• 图10-21 系列展示了营业收入、净利润与EPS改善因子在股票市场和转债市场的分层表现及因子IC，直观体现因子有效性和稳定性。

- 图22-25 用象限模型把预测变化与分歧结合，揭示不同组合的表现差异，转债和股票均适用，且转债表现风险更小。

• 图26-30 反映了分析师整体一致预测的周期性特点，经过差分处理后构建多资产动态配置策略，组合净值表现显著优于均等权配置。

- 图31 直观说明转债二叉树模型的结构和波动影响。

• 图32-38 分析不同行业占比、PB波动以及对银行转债的PB和BPS预测上下限，展示了主观预期调整的逻辑和效果。

- 图39-42 比较原模型与隐含预期CRR因子在择券表现上的区别，曲线和统计数据均体现升级模型的优越性。

---

四、估值分析

• 使用的是CRR二叉树期权定价模型，模拟风险中性条件下正股未来价格增减路径，计算转债理论价格。

- 关键输入参数包括：当前转债平价价值、剩余期限、无风险利率、股息率、正股历史波动率。

• 改进方向为纳入投资者基于分析师一致预测的PB和BPS上下限估计，形成对正股价格未来走势的主观上下限，从而修正波动区间，增强了模型对股价非对称波动与估值均值回复的刻画。

- 参数设定涉及历史PB分位数计算、BPS增速预测分位数，二叉树层数设置为50，考虑强赎、回售条件等转债条款。

• 隐含预期模型使转债折价率因子更加稳定，择券效果显著提升。

---

五、风险因素评估

报告明确指出：

• 模型依赖历史数据统计及分析师预测，存在市场环境和政策变化造成的模型失效风险。

- 分析师预期本身带有主观偏差，预测分歧和准确性不可控，且部分行业覆盖度不足，可能影响因子有效性。

• 转债市场自身结构与流动性差异较大，尤其不同平价风格转债的适用性存在限制。

- 对银行转债的模型改进基于较强的行业集中和估值稳定假设，其他行业适用性不确定。

---

六、批判性视角与细微差别

• 报告在构造预测指标时，通过时间加权和报告期统筹提高数据统一性，但年报披露带来的信息效应仍难完全消除，可能导致周期性波动干扰因子真实信号。

- 盈利预测改善因子虽表现良好，但EPS因子稳定性较弱，指标综合反而表现逊于单因子，表明多因子简单加权效果有限。

• 转债样本量较股票少，因子效果更为显著或许与样本异质性、市场结构差异有关，存在潜在样本选择偏差。

- 分歧指标及象限分类虽有效，但风险收益比提升不大，部分高分歧组合风险承受能力仍需投资者谨慎。

• 主观预期纳入二叉树模型在银行转债表现优异，但是否能推广至其他波动更大估值波动的行业尚未验证。

- 预测标准差作为分歧代理的单一选择可能忽略了更丰富的市场情绪信息，如偏度、峰度未被深入挖掘。

• 估值模型假设理性风险中性价格形成，但实际市场可能存在行为偏差，异象等因素未能充分考虑。

- 虽然动态资产配置策略回测表现优异，但前期转债市场规模小存量限制调整策略影响评估，实际资产配置中需考虑流动性与交易成本。

---

七、结论性综合

本报告系统研究了基于A股分析师盈利预测数据构筑的一致预测指标在股票和可转债市场的选股与择券能力，表明盈利预测的边际变化构成的改善因子具有显著的超额收益和风险调整能力，且转债市场表现更佳，特别是平衡类转债更能体现因子优势。通过引入分析师预测分歧概念，构建基于预期变化与分歧的组合划分模型，强化了截面择优效果，并证实用低分歧的升预期组合取得最高的风险调整回报。

报告进一步提出基于整体A股预测状态的资产配置策略，通过对盈利增速的边际变化和该变化的分歧变化指标融合，实现股票、转债、纯债三资产的动态配置。实证结果显示该动态策略长期在收益、回撤及风险调整收益率上均显著优于等权基准策略，具备较强的实操价值。

在转债定价层面，报告创新地融合分析师主观预测构建的PB及BPS上下限区间，对转债CRR二叉树模型进行改进。以银行转债为试点，改进后的隐含预期CRR因子在择券能力上有明显提升，模型稳定性与组合表现显著优于传统模型，表明主观预期在转债绝对定价中具有实证价值。

整体而言，报告以详实数据和严密方法论验证了分析师一致预测及其分歧在固收量化投资中的应用价值，融合定价模型与投资策略，推动A股可转债市场的量化投资体系完善。但须注意历史样本局限、市场环境变化、模型水准异质等风险，后续应加深多因子协同机制分析，拓展模型到其他行业转债及不同市场环境。

---

附：部分重点图表信息的Markdown格式展示

图1：A 股市场整体的分析师预测覆盖度

图10：营业收入改善因子分层回测净值（股票）

图16：营业收入改善因子分层回测净值（转债）

图22：通过预期变化和分歧对股票资产进行象限划分

图29：三资产动态配置组合净值

图31：可转债二叉树模型结构与案例模拟

图38：基于PB和BPS推断的银行转债A未来股价走势上下沿

图41：隐含预期CRR模型下的因子组合净值

---

溯源标注：[page::0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]

---

# 综上，本报告通过深度挖掘分析师一致预测数据，结合预测分歧和主观估值预期，构建了兼具理论完善与实证支撑的固收量化投资框架，极大丰富了可转债量化投资工具和选券能力，展现了良好的策略适用性和潜在应用价值。

报告