业绩超预期事件前后超额收益表现 [page::4]

• 业绩超预期事件前有显著超额收益，事件后超额收益虽低但持续存在，说明超额收益与业绩表现高度相关。

业绩持续性验证与分析师数据应用 [page::5]

| | ES | SIES | ES滞后一期 | SIES滞后一期 |
|-------|------|-------|-------------|--------------|
| ES | 1 | 0.68 | 0.15 | 0.17 |
| SIES | 0.68 | 1 | 0.17 | 0.18 |
| ES滞后一期 | 0.15 | 0.18 | 1 | 0.68 |
| SIES滞后一期| 0.17 | 0.18 | 0.68 | 1 |

• ES与SIES及其滞后一期值之间存在显著正相关，证明了业绩兑现的持续性。

未来业绩兑现概率模型构建与验证 [page::6][page::8]

• 基于ES、SIES、机构覆盖数AfterNum、行业兑现比例IndBeatPct、两年增长率connpcgrate_2y构建logistics模型。

- 模型能够显著提升未来报告期业绩兑现比例，选取模型预测兑现概率最高的10%股票池，兑现比例中位数提升至68%。

高业绩兑现概率策略及组合表现 [page::9][page::10][page::11][page::12]

• 样本外测试显示策略稳定有效，高兑现概率组合收益显著跑赢中证800指数。

- ES、SIES因子具有较高年化ICIR(2.69、2.48)，结合预测概率因子组成的复合因子平滑收益波动，提升胜率至82%以上。

策略风控与未来业绩兑现比例 [page::12][page::13]

• 复合因子提升组合未来业绩兑现比例，进一步证明未来业绩兑现是超额收益的关键驱动力。

- 兑现与不兑现组合的年化超额收益存在显著差异，兑现组合中位数收益超过12%。

高未来业绩兑现概率的股票池推荐 [page::14][page::15]

| 股票代码 | 股票名称 | 2020半年报兑现概率 |
|--------------|----------|---------------------|
| 002064.SZ | 华峰氨纶 | 0.971 |
| 300598.SZ | 诚迈科技 | 0.879 |
| 601012.SH | 隆基股份 | 0.874 |
| ... | ... | ... |

• 提供了高未来业绩兑现概率的前50只股票名单，供投资参考。

金融研究报告详尽分析——《基于分析师数据的未来业绩兑现概率研究》

---

一、元数据与概览

• 报告标题：《基于分析师数据的未来业绩兑现概率研究》

- 作者及机构：卢威（证券分析师，执业编号：S0360520010002）、华创证券研究所

• 发布时间：未具体标明，数据涵盖截至2019-2020年，使用的研究日期为2020年5月14日

- 研究主题：基于分析师预测数据，对上市公司未来业绩兑现概率进行建模与分析，探讨基于未来业绩兑现概率的股票筛选及投资策略构建。

核心论点简述：
股票业绩兑现具有持续性：当前报告期业绩超预期的股票，其下一个报告期兑现超预期的概率更大，非随机事件。基于分析师数据构建的逻辑回归模型，可以有效预测未来业绩兑现概率，筛选出高概率兑现的股票池。此策略经过历史回测表现出较好的超额收益和较高的胜率，为投资组合的初筛和风险控制提供了科学依据。此外，该方法突破了传统量化投资难以捕捉基于领先信息的超额收益的瓶颈，弥补了传统基本面研究的深度不足。该研究旨在让投资者通过未来业绩兑现概率筛选股票，帮助建立更稳定且具解释力的投资组合。[page::0,1,4]

---

二、逐节深度解读

2.1 研究思路与背景（章节一）

报告指出，股价往往领先于公司业绩公告时间反映信息，事件发生前存在明显的超额收益（图表1）。表明市场对行业、政策领先信息已有预期，传统量化难以捕捉这些领先信号产生的超额收益。但事件发生后虽超额收益减少，但仍具有明显且持续的超额收益，提示业绩兑现的持续性（图1展示了业绩超预期事件前后股价超额收益呈逐步增长趋势，尤其事件前）。基于这一观察，研究利用分析师数据构建未来业绩兑现概率模型，重点通过模型预测未来业绩兑现，降低对个股基本面深度挖掘的依赖，实现超额收益。强调只有基于高概率的业绩兑现预期，其他因素如估值、成长等判断才更有意义。[page::0,4]

2.2 业绩是否符合预期的衡量方式及业绩持续性分析（二）

报告采用两个指标衡量业绩兑现：

• ES (EarningSurprice)：基于机构业绩预测中位数在两个不同时间窗口（上报告期至当前报告期，当前报告期至目标日期）的变化幅度。

- SIES (SameInstitutionEarningSurprice)：类似ES，但仅用同一机构在两个窗口期的预测中位数变化计算，更侧重机构一致性。

采用的是分析师报告前后的预测变化来衡量“符合预期”程度，优势是更及时，尽管存在滞后也不影响总体结论。为处理分析师不再覆盖等数据缺失，采取最低值（-0.15）填充，保证了稳定性。

通过计算这两个指标及其滞后一期的秩相关系数（图表2为相关矩阵），发现ES及SIES与滞后一期的正相关系数明显大于零（约0.15-0.18），显著表明业绩兑现具有持续性；即上期兑现较好股票也更可能本期兑现。分报告期（2007-2019）时序上相关性波动（图3），只有2015年遭遇大牛市分析师预期过于乐观导致相关性偏低，但全年相关性仍显著。

该持续性说明，未来业绩兑现预测存在统计意义上的可利用信号。值得注意的是这一结果基于对分析师预测的合理假设和处理，避免了单纯利用实际财报滞后数据的局限性。[page::4,5,6]

2.3 未来业绩兑现概率模型（三）

业绩持续性为建模奠定基础，使用ES、SIES和机构覆盖数（AfterNum）、行业兑现比例（IndBeatPct）、两年复合增长率（connpcgrate2y）五个变量构建逻辑回归模型：

• AfterNum（分析师覆盖机构数）：覆盖越多，预测可信度越高，与未来业绩兑现正相关（相关系数0.23）。

- IndBeatPct（行业当前报告期超预期比例）：行业整体表现对单家公司业绩兑现有正面影响（相关系数0.20）。

• connpcgrate2y（预期两年增长率）：竟与未来业绩兑现负相关（相关系数-0.03），说明预期增长过快的公司兑现难度大。

回归结果显著（图6），ES和SIES在模型中系数最大，强说明当前期的业绩预期兑现情况对未来影响最大，其次为机构覆盖数和行业兑现比例。

进一步用模型计算预测概率，并依概率分组（最高1/2、1/5和1/10），结果显示高概率组的未来业绩兑现比例显著高于整体样本（图7、图8），例如模型预测前10%股票的未来兑现概率中位数达0.68，远高于全样本0.41，且股票数量约99只，有一定精选效应。此结果验证了模型预测的实际应用价值。[page::6,7,8]

2.4 高业绩兑现概率策略及收益表现（四）

报告通过样本外测试（2009年起滚动窗口训练）验证模型稳定性，未来业绩兑现比例提升效果与样本内相近，前10%股票样本外兑现率约0.70（图9）。策略基于每年5月1日、9月1日、11月1日调仓，等权持仓兑现概率最高的股票组合。历史累计收益显著跑赢基准（图10），但单纯选择高兑现概率股票提升有限，需结合其他因子进一步分析。

使用多因子回归及RankIC指标（图11），ES和SIES的年化ICIR分别达2.69和2.48，表现突出；IndBeatPct和PredictProbability的ICIR也显著，说明多因子合成有助提升投资信号的稳定性和预测能力。

因子间相关性显示PredictProbability与ES、SIES、AfterNum、IndBeatPct均有较强正相关（图12），符合其模型复合性质。

基于此，报告构建了组合因子【CompositeFactor】（ESFactor与PredictProbability等权合成），测试发现CompositeFactor使策略年化波动降低、胜率提高（图13-16），在收益平稳性方面优于单一因子，策略年化超额收益达16.7%，季度胜率达到82.35%，平均持仓99只，换手率合理。

策略组合历史未来业绩兑现比例明显高于单因子组合，验证模型对组合未来业绩兑现有实质提升作用（图17）。

分组分析未来业绩兑现与否的超额收益分布（图18-21）进一步支撑了业绩兑现的股票对应较高、且正向的超额收益，中位数收益在10%以上，不兑现组合则明显偏低甚至为负，充分说明业绩兑现对股价表现的核心驱动力作用。值得注意的是部分不兑现股票依然存在超额收益，但可能源自运气或信息不对称、事件驱动，难复制且缺乏基本面支撑。[page::9,10,11,12,13]

2.5 结论总结（五）

总结指出，基于分析师预测窗口内的上下调指标ES、SIES构建未来业绩兑现概率模型，结合行业业绩兑现情况、机构覆盖数及增长率因素，有效甄别出未来业绩兑现概率显著高于平均水平的股票池。

在约100只股票的精选池中，平均未来业绩兑现概率可达68%。基于此因子构建的组合能实现年化超额收益16.7%，季度年化波动率7.76%，胜率82.35%。未来业绩兑现具有强解释力，持续兑现是实现长期超额收益的基础，不兑现股票的超额收益较难持续和复制，本模型有助投资者筛选更稳健的投资目标。

报告还给出了2020年半年报预测未来业绩兑现概率排名前50的具体股票名单，为实践投资提供参考。[page::13,14,15]

---

三、图表深度解读

图表1 — 业绩超预期事件前后超额收益表现

• 描述：展示股价在业绩超预期事件发生前后的一段时间内累计超额收益曲线（横轴为时间，0点为事件发生日）。

- 解读：曲线在事件发生前即显著上升，说明市场对业绩有一定的预期领先性；事件后超额收益继续缓慢上涨，说明业绩兑现仍带来一定正面超额收益，但力度较事前为低。

• 联系文本：印证研究初衷：市场领先反应限制了单纯基于事件的超额收益空间，但持续超额收益指向业绩兑现的重要性。

- 溯源: [page::4]

图表2 — ES与SIES的秩自相关系数矩阵

• 描述：展示ES和SIES及其滞后一周期的Rank相关系数。

- 解读：ES与ES滞后一周期的相关系数为0.15，SIES与SIES滞后为0.18，均显著正相关，表明业绩兑现连续性明显；ES与SIES高度相关（0.68）验证两指标一致性。

• 联系文本：量化了业绩兑现的持续性，为后续模型设计提供理论依据。

- 溯源: 表格详见第5页[page::5]

图表3 — ES与SIES滞后一期的相关性时序图

• 描述：2007至2019年间，各季度ES和SIES与滞后一期的秩相关系数时间序列。

- 解读：绝大多数时间两者相关性均为正，基本保持稳定，仅在2015年市场乐观导致预期失误期间显著下降。

• 联系文本：表明业绩兑现持续性是时间上的稳定现象，不受单一市场环境显著干扰。

- 溯源: [page::5]

图表4 — 分析师覆盖股票池的下一个报告期兑现程度

• 描述：2007-2019年间，样本股票数（蓝线），高业绩股票数（橙线），以及高业绩比例（点划线）随时间变化。

- 解读：股票总数逐年增加，高业绩股票数波动，兑现比例在20%-70%之间反复，体现了市场的业绩波动和兑现概率波动。

• 结合其他变量构建立体模型以细分高兑现概率组合必要性。

- 溯源: [page::6]

图表5 — 预测变量与未来业绩兑现的相关系数

• 说明：展示connpcgrate2y、AfterNum、IndBeatPct与是否未来兑现的相关性。

- 解读：
- AfterNum（0.23）和IndBeatPct（0.20）正相关，影响最大。
- connpcgrate2y轻度负相关（-0.03），高增长预期未必带来高兑现概率。

• 说明未来业绩预测应整合机构覆盖和行业表现。

- 溯源: 表格详见第6页[page::6]

图表6 — 逻辑回归模型结果

• 说明：模型包含ES、SIES、IndBeatPct、AfterNum、connpcgrate2y五个变量。

- 解读：所有变量均显著且符号合理，模型Pseudo R-squared达到0.09615，有一定判别能力。

• 说明：该模型有效结合多变量信息对兑现概率进行预测。

- 溯源: 表格详见第7页[page::7]

图表7和图表8 — 样本内模型预测分组的未来业绩兑现比例提升效果与走势

• 描述：不同预测概率分组（top 1/10、1/5、1/2）兑现比例明显优于整体（raw），且top 1/10达60%-80%区间。

- 解释：通过模型筛选，有效聚焦高兑现率股票，从战略角度筛选优质标的。

• 溯源: [page::8]

图表9 — 滚动样本外模型预测兑现比例表现

• 展示了09年后纯样本外预测表现，结果与样本内相符，进一步显示模型实用性。

- 溯源: [page::9]

图表10 — 高业绩兑现组合累积收益走势图

• 说明：预测兑现概率高的组合累计收益远高于基准与全市场表现，尤其top 1/10组收益领先明显。

- 结论：高兑现概率组合具备显著超额收益。

• 溯源: [page::9]

图表11、12 — 因子RankIC和因子间秩相关性

• RankIC显示ES与SIES因子预测收益能力强，ICIR均高于2，IndBeatPct和PredictProbability亦表现显著。

- 因子相关矩阵显示ES与SIES高度相关，其余因子与模型构成变量相关度中等。

• 溯源: 表格详见第10页[page::10]

图表13-15 — 因子多头组合累积收益及季度对冲中证800累计收益

• 描述：ESFactor和CompositeFactor组合稳健产生较好超额收益，CompositeFactor在收益稳定性上更优。

- 说明：组合因子合成有利于风险分散和收益的提升。

• 溯源: [page::11]

图表16 — 因子策略风险收益指标

• CompositeFactor组合年化收益稳定在16.7%-22.07%，波动性明显下降，胜率达到82%以上，持股数合理（50-99支），换手率较高但可接受。

- 溯源: 表格详见第12页[page::12]

图表17 — 策略组合历史未来业绩兑现比例

• 合成因子组合的未来业绩兑现比例明显优于单一因子，体现模型能力。

- 溯源: [page::12]

图表18-21 — 未来业绩兑现及不兑现股票的超额收益分布

• 展示ESFactor和CompositeFactor分组中，未来业绩兑现的股票超额收益呈正偏态且均值、中位数明显高于不兑现组，不兑现组分布集中并有负收益倾向。

- 说明业绩兑现与投资回报关联密切，是稳健投资的关键因素。

• 溯源: 包含4张图，详见第13页[page::13]

图表22 — 2020年半年报未来业绩兑现概率排名前50股票名单

• 提供具体股票代码、名称及兑现概率，为实际投资提供切实筛选支持。

- 典型个股包括隆基股份、宁德时代、海螺水泥、贵州茅台等龙头企业，符合行业和机构关注热点。

• 溯源: 表格详见第14-15页[page::14,15]

---

四、估值分析

本报告没有详细展开传统估值方法（如DCF、P/E等）的具体模型计算，重点放在未来业绩兑现概率的统计模型构建和验证上。报告中构建的logistics回归模型是预测未来报告期业绩兑现的概率，模型核心变量包括业绩预期表现（ES、SIES），机构覆盖数（AfterNum）、行业兑现比例（IndBeatPct）及两年增长预期（connpcgrate2y），其输出变量为未来业绩是否兑现的概率。

该模型的关键输入和假设：

• 输入变量基于分析师预测数据、行业统计数据；

- 假设指标的历史相关性与未来相关性持续有效；

• 逻辑回归适合二分类概率建模。

回归结果表明该模型具有统计显著性和实际应用效果，模型生成的概率被证明能显著提升股票池未来业绩兑现率，间接说明是筛选优质标的的有效工具。

---

五、风险因素评估

• 历史数据回测的局限性： 本策略是在历史数据基础上回测，未来市场结构、政策、分析师行为等可能发生变化，模型外推的有效性存在不确定性。未来业绩兑现概率的稳定性难以保证，可能导致策略表现波动。[page::0,15]
• 分析师覆盖与数据完整性风险： 分析师数量和覆盖范围的变化会影响模型变量的稳定性，如覆盖机构减少可能导致信号弱化。数据缺失时使用较低值填充，若填充值与实际不符会引入偏差。[page::5]
• 过度依赖分析师预期的风险： 分析师本身存在预测误差及潜在偏差，尤其在极端市场下可能高度乐观或悲观，进而影响模型预测准确性。
• 市场和行业波动风险： 行业整体表现对个股业绩兑现率有影响，大幅行业震荡可能削弱预测信号强度。
• 策略实施风险： 换手率较高导致交易成本增加，影响净收益，尤其在流动性不足的环境下可能造成执行障碍。

报告未明确提供缓解方案，但从模型设计看，采用多因子整合与样本外测试减缓风险；投资者需自行权衡风险，密切关注市场环境和分析师覆盖数据变化。

---

六、批判性视角与细微差别

• 模型依赖分析师预期： 虽然分析师预测含有领先市场的信息，但也存在较强主观性和潜在偏差，且数据覆盖有限，若未来分析师行为或动力机制发生变化，模型有效性将受损。
• 增长率与兑现负相关的解释不足： connpcgrate2y与未来业绩兑现负相关这一发现令人疑惑，报告未深入阐释，可能因预测过度乐观导致兑现难度增大，但其经济含义和投资策略应用需更细致解析。
• 无系统估值讨论： 报告侧重概率模型和因子投资，缺乏与传统估值指标联动的讨论，投资实践中若仅依赖概率模型，可能忽略估值风险。
• 部分不兑现仍有超额收益未深入剖析： 报告指出这些收益大概率非基本面驱动，但未进一步探讨背后机制或市场行为风险。
• 组合换手率较高可能影响实操： 报告中换手率高达80%以上，虽表达了收益稳健，但未详细探讨交易成本及流动性实际影响。
• 模型稳健性依赖样本历史，未来或接连续结构性变动，其预测能力需动态监控。

---

七、结论性综合

本文系统分析了基于分析师预期数据的未来业绩兑现概率，证实了业绩兑现的显著持续性特征。通过ES和SIES两大指标结合机构覆盖数、行业表现和增长预期等信息，构建了一个稳健的logistics回归模型，有效预测下一报告期业绩兑现概率。模型筛选出的高概率兑现股票组合的未来业绩兑现率由行业平均的约40%提升至近70%，同时对应的股票组合实现了显著的超额收益和较高的胜率，体现出该研究在投资策略构建中的实际价值。

多个图表配合详细的数据分析展现了业绩兑现与股价超额收益的紧密关联，尤其通过分组超额收益分布进一步体现了兑现对长期投资收益的关键驱动力。此外，将预测因子合入超预期因子中，显著提升了组合风险控制能力和收益稳定性。

虽基于历史数据，存在外推风险，但该模型为投资者提供了一条基于系统分析、统计显著性的选股路径，弥合了市场信息领先但传统量化模型难以实现超额收益的缺陷。最后，报告精选了2020年半年报业绩兑现概率排名前50个股票，为投资落地提供了具体标的。整体来看，本研究提供了深刻且操作性强的业绩兑现概率量化研究框架，兼具理论价值与实用指导意义。[page::全卷]

---

参考图片溯源

• 图表1：业绩超预期事件前后超额收益表现

• 图表3：ES与SIES滞后一期秩相关系数时序图

• 图表4：分析师覆盖股票池的下一个报告期兑现程度

• 图表7：样本内模型业绩兑现比例提升效果

• 图表9：滚动样本外模型业绩兑现比例提升效果

• 图表10：高概率业绩兑现组合累积收益

• 图表13：各个因子top10%等权多头组合累积收益

• 图表14：因子季度对冲中证800累计收益 (top10%)

• 图表15：因子季度对冲中证800累计收益 (top20%)

• 图表17：策略组合历史未来业绩兑现比例

• 图表18-21：未来业绩兑现及不兑现超额收益分布

---

此分析致力于深入解读报告每一关键点，结合图表数据详尽阐释模型构建与投资策略的逻辑，客观识别风险与潜在不足，为读者提供全景式理解与专业参考。[page::0-15]

报告