• 分析师超预期幅度因子（ESP）通过单季度实际净利润与预期净利润的比值定义，反映当季盈利超预期的幅度。形成预测值时，结合近三个月内机构最新预测均值，用去年同期季度实际净利润及同比增速推导当前季度预期净利润 [page::3]。

• 以贵州茅台和森马服饰为例，均在历史超预期月份次月取得正收益，且一般超过70%的超预期股票次月相对大盘表现优异，验证超预期带来的股价短期正向刺激[page::4][page::5]。

• 超预期股票数量呈季节性分布，4、8、10 月最多，1、2、3、7 月次之，其他月份明显较少，故策略中对月份做了样本数量调整以保证覆盖度，覆盖度长期稳定在62%左右[page::5][page::16]。

• 不同报告类型中，业绩快报和业绩预告的超预期股票带来的超额收益高于定期报告，且年报的超预期股票收益更高，首次发生超预期的股票平均收益明显优于重复超预期股票，反映超预期信息的时效性和首次冲击效应明显[page::7][page::8][page::9]。

• 多因子风格分层测试表明，预测机构个数、行业、市值、BPLR、成长（单季度ROE同比增速）、质量（ROETTM、ROATTM）、动量六个月收益率及技术因子（换手率、波动率、日均成交额）均不能稳定解释超预期股票收益。其中EPTTM（估值因子）和过去一个月收益率（动量反转因子）在全样本及2017年之后均表现显著且稳定，成为选股组合的核心风格筛选因子[page::10][page::11][page::12][page::13][page::14][page::15][page::16].

• 选股策略逻辑：每月以EP_TTM和过去一个月收益率排名前30%的低估值且近期超跌股票为初步样本，剔除ST、停牌及新股等，择取ESP因子值最大的20只构建等权“分析师超预期20组合”，月调仓。该组合2009-2019年年化收益27.43%，超额中证500收益22.81%，夏普比率达1.85，最大回撤控制在7.4%以内，长期稳定获超额收益[page::16][page::17][page::18][page::19][page::20]。

• 超预期20组合的超额收益主要由超预期因子贡献，即去除估值和反转风格后依然显著优于仅低估值超跌组合，凸显ESP因子的核心投资价值[page::19][page::20].

分析师超预期因子选股策略：金融工程深度研究报告详尽解读

---

一、元数据与报告概览

• 报告标题：分析师超预期因子选股策略——因子深度研究系列

- 作者及发布机构：中信建投证券研究发展部，分析师丁鲁明、陈升锐

• 发布日期：2020年4月2日

- 研究主题：围绕“分析师超预期幅度因子（ESP）”，通过构建超预期因子选股策略，实现对A股市场尤其是中证500指数的稳定超额收益。

报告系统地介绍了超预期幅度因子定义，分析师超预期股票的收益特征，以及基于该因子的组合构建和表现验证。报告重点推荐了一种以ESP为核心，结合估值（EPTTM）和动量（过去一个月收益率）因子的组合策略——超预期20组合，十年历史数据显示该组合稳定战胜中证500指数，年化超额收益达22.81%。

---

二、逐节详尽解读

2.1 分析师超预期幅度因子定义

• 核心内容：净利润超预期幅度因子ESP定义为：

\[
\text{ESP} = \frac{\text{单季度实际净利润} - \text{单季度预期净利润}}{|\text{单季度预期净利润}|}
\]

• 关键算法：

1. 以当季度定期报告公告日至当前（不超过3个月）内机构分析师预测为样本，取均值作为年度净利润预期；
2. 通过年度预期净利润减去已公布季度累计净利润，得到未公布季度预期净利润；
3. 计算季度同比增速，再结合去年同期季度实际净利润估算本季度分析师预期净利润（详见图1流程图）。

该因子强调预期的时效性和精确性，能够较好地捕捉单季度业绩超预期情况。[page::3]

2.2 超预期因子选股效果案例展示

• 以贵州茅台和森马服饰作为典型样本，历史数据显示超预期月份次月收益大概率为正（贵州茅台20次中20次正收益，最高单月达25%；森马服饰16次中13次正收益，最高达20%），证明超预期对短期股票价格具备明显正面影响。

- 整体统计显示70%以上超预期股票当月后一个月超额收益为正，有效性得到验证。[page::4][page::5]

2.3 超预期股票的分布统计及收益表现

• 样本数量月分布（图4）：4、8、10月超预期股票数量最多，正是公司季报和年报披露密集期；5、6、9、11、12月数量最少。后续策略采用月份加权法保证各月样本量均衡。

- 月度收益（图5、图6）：1、2、5月超预期股票平均绝对收益和超额收益最高，存在明显季节性特征但最终未纳入策略。

• 报告类型差异（图7、图8）：定期报告股票数量最多，但业绩快报及预告的超预期股票平均超额收益明显高于定期报告（0.57%），因信息时效更强，股价提前反应，故策略考虑包括快报及预告信息。

- 季报差异（图9、图10）：年报超预期股票表现最好，无论绝对收益还是超额收益。

• 重复超预期效应（图11）：当年首次超预期股票收益最高（2.5%），后续超预期对股价影响递减，信息已被市场吸收。[page::5–9]

2.4 超预期股票收益特征分析 — 多维度风格因子分层

• 预测机构个数（图12）：全样本区间对收益无显著分层，2017年后小机构数量多反而收益稍好，但整体影响有限。

- 行业风格（图13）：不同中信一级行业间超预期股票收益无一致稳定趋势，行业不是解释该因子收益的有效因素。

• 市值风格（图14）：全样本期市值小公司超预期股票收益更高（2% vs 0.56%）；2017年后转为大市值股票表现较好，风格方向不稳定。

- 估值因子：
- EPTTM（动能因子市盈率倒数，图15）：分层效果显著，低估值（高EPTTM）股票超预期收益高且方向稳定，是有效解释因子。
- BPLR（账面市值比，图16）：全样本期分层较好，但2017年后失效，不稳定。

• 成长因子（单季度ROE同比增长，图17）：分层效果不显著。

- 质量因子（ROETTM和ROATTM，图18、19）：分层不显著，说明质量非主要驱动。

• 动量反转因子：

- 过去一个月收益率（图20）：显著且稳定，近月跌幅较大的超预期股票后续反弹潜力更大，是另一个核心解释因子。
- 过去六个月收益率（图21）：分层效果不稳定，2017年前后方向相反，不作为筛选因子。

• 技术因子（过去一个月换手率、波动率、日均成交额，图22–24）：分层普遍不显著或2017后弱化，技术级因子影响有限。

综上，EPTTM与近月收益率为核心有效风格因子，后续选股将围绕二者构建样本池。[page::9–16]

2.5 超预期因子覆盖度与策略构建

• 因子覆盖调整（图25）：为提高每月覆盖股票数量，对不同月份采取组合股票池策略（如4、8、10月为当月超预期股票，5、9、11月取两个月数据，1、7月取4个月），实现平均因子覆盖度约62%。

- 五分位因子绩效测试（图26）：对在EPTTM和近月收益率前30%样本池内的股票按ESP值分五组，ESP最高组收益显著优于最低组，夏普比率反映风险调整后同样优异，但覆盖度较低，故采用直接条件选股方法。

• 超预期20组合构建：每月底选择EPTTM和近月收益率排名前30%的交集样本，选出ESP最高20只股票组成组合。剔除停牌、新股、ST及涨跌停股票，确保流动性及操作可行性。

- 组合表现（图27、图28、表1）：
- 2009年至2019年9月底，年化收益27.43%，相对中证500指数超额22.81%。
- 组合整体超额收益稳定，年夏普比率1.85。
- 最大超额回撤仅7.4%，表明风险控制良好。
- 2019年前9月超额收益近10%。

• 超预期风格贡献（图29、图30）：组合相较于仅依赖低估值和超跌的初步筛选池，仍保持稳定超额收益，表明ESP因子贡献了主要超额收益。

总体来看，该组合虽非传统中证500增强，但长期稳定战胜市场表现，适合作为增强型投资组合补充。[page::16–20]

---

三、图表深度解读（核心图表）

• 图1（ESP因子定义流程）：清晰展示分析师预测净利润分解流程，体现预测数据时效性和标准化计算方法，奠定因子计算基础。

- 图2&3（贵州茅台、森马服饰超预期收益分布）：直观显示超预期当月后次月收益多为正，验证因子的实际投资可操作性。

• 图4（超预期样本数量月度分布）：结合A股季报披露节奏展示因子活跃度，指导后续月份样本调整策略。

- 图5&6（月度平均绝对收益和超额收益）：体现不同月份的超预期股票表现周期性差异。

• 图7&8（不同报告类型样本数量与超额收益）：说明业绩快报、预告的超预期信息前瞻性强于定期报告。

- 图9&10（不同季报收益比较）：揭示年报超预期的重要性。

• 图11（重复超预期次数收益）：说明首次超预期信息市场反映更强烈。

- 图12–24（风格因子分层效果）：系统展现各风格因子对超预期股票收益的解释能力，突显EPTTM及近月收益率的稳定有效性。

• 图25（ESP因子覆盖度）：辅助说明数据处理对因子覆盖度的提升，有效保证策略执行基础。

- 图26（ESP五分位测试）：验证因子单独分层能力和风险调整绩效。

• 图27（超预期20组合净值）：直观呈现组合业绩强劲领先市场。

- 图28（相对中证500超额收益净值）：显示组合超额收益的稳定性。

• 图29&30（与低估值超跌组合对比及超额收益）：确认ESP风格的额外超额收益贡献，突出策略核心优势。

以上图表从多维度印证了因子理论基础和策略实证效果，构成报告论述的坚实支撑。[page::3–20]

---

四、估值分析

本报告本质上属于量化选股策略研发，未直接展开传统企业估值方法（如DCF、市盈率估值等）分析，而是侧重于因子构建与多因子风格筛选。主要估值相关因子为EPTTM（动能因子指标之一，等同于动量调整后的市盈率倒数）和BPLR（账面市值比），其中EPTTM被证明是有效且稳定的估值因子，市值和行业对超预期收益贡献不稳定，不纳入关键估值范畴。

策略通过选择EPTTM排名靠前的股票，保证选股低估值的品质基底；结合ESP超预期幅度确保选中业绩短期利好信号；并用近月收益率剔除近期涨幅过大股票，兼顾动量反转特性，构建综合性量化选股方案。

无明确传统估值模型，关键在于因子选择及复合筛选逻辑，而非典型估值指标运用。

---

五、风险因素评估

报告内部虽未专门章节标注风险因素，但从分析和实际策略执行角度，可识别潜在风险包括：

• 市场风险：因子策略依赖市场效率及分析师预期数据稳定性，宏观经济波动或市场风格变化可能导致超预期因子有效性下降。

- 数据覆盖风险：月份样本数量波动及部分月份因子覆盖度约低，可能影响策略稳定性，需要通过月份加权处理缓解。

• 风格轮动风险：报告发现部分风格因子如市值、BPLR、六个月收益率在2017年前后表现均有较大变化，策略依赖的因子稳定性不可控。

- 信息时效风险：业绩快报、预告信息虽时效性高，但存在披露延迟或修正风险，可能影响信号时点的准确度。

• 流动性风险：剔除停牌、新股及涨跌停股票，但仍可能存在流动性不足的个股，影响实际交易执行利率和成本。

- 组合集中度风险：超预期20组合每期仅持仓20只，中小市值比例较大，可能暴露个股风险加大。

报告对于风险识别较为隐含，未见明确缓解策略或概率估计，需投资者充分认识策略潜在不确定性和周期性波动可能。

---

六、批判性视角与细微差别

• 因子稳定性考量：报告强调EPTTM与近一个月收益率为关键筛选因子，但历史风格切换（如市值、BPLR和六个月收益率）警示投资者不能盲目长期假设因子有效性恒定，策略需动态跟踪。

- 样本覆盖不足：报告中多次提及月份覆盖波动、样本数量不均衡的问题，表明超预期因子覆盖较窄，若投入真实市场，可能导致流动性风险和实操困难。

• 组合集中度偏低安全边际：持股数量仅20只，回撤虽相对较低，但操作风险仍明显；报告缺少对该策略在极端市场环境下表现的说明。

- 剔除因子贡献拆解不够：报告虽然展示了剥离估值和反转因子超额收益变化，但缺乏详细多因子回归和风险暴露拆解，难以全面验证因子独立价值。

• 缺乏对宏观环境和市场氛围影响分析：由于因子表现有明显风格周期变化，报告对宏观和监管因素对因子表现影响论述不足。

- 定量验证仅限历史回测：缺少实盘验证、前瞻检验，尤其2020年后市场环境未被覆盖，对策略持续有效性存疑。

综上，报告虽具备深厚数据挖掘和策略构建力量，提供稳健的历史超额收益验证，但存在对外部有效性风险、策略实施难度评估不足等潜在局限，需投资者谨慎理解。

---

七、结论性综合

本文通过严谨的数据分析和因子研究，构建了以“分析师净利润单季度超预期幅度”（ESP）为核心，结合估值因子EPTTM和动量因子近月收益率的量化选股策略。基于10年历史实证，超预期20组合展现了优异的绝对收益和风险调整收益，年化超额收益超过20%，并且基本实现了每年稳定超越中证500指数的目标。该策略兼顾了业绩信息的前瞻性（快报和预告）、估值的合理性和短期动量反转效应，展现出较高的信息含量和投资价值。

• 图表直观展示了ESP因子构建流程，超预期因子事件后股票表现优异的概率，以及多重风格因子（尤其EP_TTM和近一个月收益率）对因子收益的解释力。

- 量化选股策略通过覆盖度优化和分层测试，最终选出每月20只高ESP因子股票，风险调整指标较优，回撤控制合理。

• 超预期因子不仅增强了基于低估值和动量的选股效果，而且作为独立风格贡献核心超额收益。

- 尽管存在市场环境多变、数据覆盖波动、策略集中度风险和实操可行性等不确定因素，报告未针对极端不利情况进行充分披露，但其所展示出的方法论和实证结果，为超预期因子在A股量化选股领域提供了坚实支持。

总体来看，报告展现出明确策略逻辑、扎实实证分析及良好策略表现，为投资者提供建设性的因子选股思路和市场增强工具，具有较强的应用推广价值。

---

参考文献略，详见报告末页。

---

分析师简介及其他补充信息

• 主要分析师均具备金融数学硕士背景，拥有丰富量化投资和金融工程研究经验。

- 报告源自中信建投证券研究发展部，具备证券投资咨询合法资质并声明独立客观观点。

• 评级说明提供标准市场涨跌幅区间划分，供参考使用。

---

总体评价

报告条理清晰，数据详实，深度结合多因素风格分析，构建了一套基于分析师超预期信息的量化选股策略，具备高度的实证支撑和业务操作指导价值。尽管存在特定风险未充分披露及市场环境变化影响策略有效性的客观挑战，但作为因子选股策略研究范例，展现出较高的理论创新及实操潜力，值得行业内外广泛关注和进一步跟进优化。

---

# 以上内容均依据所给报告原文信息结构、数据图表及论述逻辑完整梳理分析，并严格采用页码溯源格式。[page::0-23]

报告