超预期因子构建与比较 [page::4][page::7]

• 提出四种个股超预期构建方式：季度业绩超预期（QPEE）、业绩预告超预期（PNEE）、机构盈利预期上调（IPEE）和市场一致预期上调（ICEE）。

- QPEE因子结合真实财务公布数据，逻辑清晰且有效性最高。

• 业绩预告超预期和机构预期上调受财务信息披露质量和分析师观点影响较大，稳定性较差。

- QPEE多头组合年化收益11.1%，超额收益5.2%；PNEE多头组合年化收益10.5%，超额收益5.0%。

• 多个因子相关性分析显示，QPEE包含真实业绩信息，而其他因子更多反映信息披露质量和观点变化。[page::7][page::8]

QPEE 因子回测表现 [page::8]

• QPEE分组涨跌趋势明显，最高分组表现最优，收益走势强劲且持久。

- 多空组合累计净值稳定增长，体现因子较强的预测能力。[page::8]

其他超预期因子表现及风险指标 [page::10][page::11][page::12][page::13][page::14]

| 因子 | 年化收益率（G5多头） | 超额收益 | 最大回撤 | 夏普比率 |
|-------|--------------------|---------|---------|---------|
| PNEE | 10.5% | 4.6% | -8.6% | 0.60 |
| IPEE-1| 11.2% | 5.3% | -13.6% | 0.65 |
| IPEE-2| 9.5% | 3.7% | -15.7% | 0.44 |
| ICEE | 9.9% | 4.0% | -15.4% | 0.51 |

• IPEE-1因子基于机构盈利预期拟合趋势，表现优于IPEE-2。

- ICEE因子为市场一致预期拟合斜率，表现中等。

• 各因子均表现出明显的风险收益特征，但均不包含真实业绩，受市场观点波动影响较大。[page::10][page::11][page::12][page::14]

因子正交处理提升QPEE表现 [page::15][page::16]

• 采用对称正交方法剔除因子间重复信息，隔离真实超预期信息。

- 正交后QPEE因子有效性、稳定性和显著性均明显提升，超额收益扩大，超额回撤降低。

• 正交后的QPEE定义为SEUE因子，是更接近行业真实超预期的代表性因子。

- 2016年后SEUE月度IC均值达到8%，显著优于正交前3.6%。

• 部分月份因市场环境影响出现负IC，但整体趋势积极。[page::15][page::16]

SEUE行业轮动策略构建与回测 [page::16][page::17][page::18]

• 选取正交后QPEE因子值最高的6个行业构建等权多头组合。

- 2010年以来，策略超额年化收益6.8%，2016年以来超额年化收益提升至10.8%；

• 夏普比率由0.83提升至1.68，最大回撤显著降低至5.9%，显示策略稳健且风险收益比优良。

- 多空组合年度表现除2015年市场异常外均优于基准，月度胜率稳定大于50%。

• 2022年12月推荐行业为食品饮料、轻工制造、农林牧渔、医药生物、通信和机械设备。[page::17][page::18][page::19][page::20]

SEUE组合行业持仓分布 [page::19]

• 银行行业入选频率最高，其他高频行业为家用电器、非银金融、建筑装饰、石油石化。

- 2022年12月持仓中农林牧渔和食品饮料权重最高，房地产业权重最低。

• 策略换手率适中，2010年至今月度双边换手率约0.90倍，体现适度调仓频率和流动性考量。[page::19]

总结与风险提示 [page::20]

• 个股基础上剖析行业超预期，多因子构建与正交剔除法识别真实业绩超预期代表因子SEUE。

- SEUE因子凭借真实业绩成分及信息剔除表现出更优异的预测能力和稳定性。

• 构建的行业轮动策略稳健且持续有效，适合在多行业配置中捕捉业绩超预期带来的机会。

- 风险提示：模型基于历史数据，未来环境变化可能导致模型失效，投资需谨慎。[page::20]

真实超预期：行业轮动配置 SEUE策略 — 详尽分析报告

---

一、元数据与概览

报告标题： 真实超预期：行业轮动配置 SEUE策略
作者及联系信息： 证券分析师邓虎、支持研究王宇涵，申万宏源证券研究所
发布日期： 2022年12月26日
研究主题： 行业量化配置与超预期策略研究，重点聚焦于上市公司季报层面的业绩超预期对行业轮动配置策略的指导作用。

核心论点与结论：
报告提出了4种以个股层面超预期业绩数据为基础的行业超预期衡量因子：季度业绩超预期（QPEE）、业绩预告超预期（PNEE）、机构盈利预期上调（IPEE）以及行业一致预期上调（ICEE）。研究发现，QPEE因子是最接近“真实”超预期的指标，且其预测性和稳定性明显优于其他因子。通过剔除业绩预告、机构预期及行业一致预期的重复信息后，QPEE因子的有效性进一步提升，构建起的SEUE策略在2016年后产生了稳健的超额收益，年化超额收益可达10.8%。

模型所推荐2022年12月行业为食品饮料、农林牧渔、医药生物、轻工制造、机械设备和通信等6个行业。风险提示方面，模型基于历史数据构建，历史表现不代表未来，存在失效风险。

---

二、逐节深度解读

2.1 前言与研究背景

报告指出，上市公司业绩公告日的股价偏移（PEAD效应）在多个市场和时期均有体现，本研究将视角扩展至行业层面探讨PEAD效应，并尝试构建行业轮动策略。选取个股超预期信息加权合成为行业超预期。分析师覆盖率数据显示，主流行业核心上市公司覆盖度均超过50%，具备代表性（见图1）[page::4]。

2.2 如何衡量行业超预期

四种衡量维度及其来源分别为：

• QPEE（季度业绩超预期）： 以季度定期财报数据为准，基于实际净利润与分析师预期数据的对比，属真实财务数据，准确性最高，是最贴合真实业绩的因子。

- PNEE（业绩预告超预期）： 基于上市公司披露的业绩预告，优点是时效性强但因预告披露不规范，准确度有限。

• IPEE（机构预期盈利上调）： 基于同一机构对盈利预期的上调变化，主观性较强，反映分析师观点变化。

- ICEE（行业一致预期上调）： 基于市场分析师整体观点及第三方数据库算法整合的行业一致预期，包含市场情绪和预期信息。

四个因子分别检测了市场关注的超预期维度，从实际业绩出发的QPEE与三个基于预期待变化的因子相互区分。研究还发现市场更关注是否发生超预期，而非超预期幅度大小，这一点在相关因子的风险收益表现中体现较为明显（详见后续表格分析，以及表1表2）[page::5][page::7]。

2.3 QPEE的构造与回测

QPEE通过两种算法构造：

• 年度预测季度化方式： 以年度预期净利润按季度比例拆分，与季度财报净利润对比。

- 定期财报年度化方式： 以季度财报年化估算年度净利润，与年度预期净利润对比。

两者相关系数达0.62，表现相近，最终报告选择年度预测季度化方式作为构造方案，理由是更加看重季度时点的及时信息，尽管准确度稍低。QPEE的风险收益指标优于同类细分因子，多头组合年化收益11.1%，夏普比率0.45，同时超额收益稳定（见表1、表3、图4、图5）[page::7][page::8]。

2.4 PNEE分析

PNEE来源于业绩预告数据信号，反映上市公司财务预告与市场预期的对比。2022年更新的业绩预告披露规则明确了不同板块披露时间与强制条件，使PNEE信号时效性得到保证，但准确度仍受披露及时性及质量影响较大。
PNEE多头组合年化收益10.5%，最大回撤46.6%，夏普0.39，数据表现稳健但波动较大（见表7，图6、图7、图11）[page::9][page::11]。

2.5 IPEE（机构预期盈利上调）

衡量机构对个股盈利预期的变化，基于拟合预期净利润时间序列和机构分析师观点调研。分IPEE-1和IPEE-2两类：

• IPEE-1：通过拟合净利润预期趋势，统计正向调整机构占比。

- IPEE-2：统计该时间段内盈利预期上调机构数量。

对比分析显示IPEE-1表现更优，9.5%-11.2%年化收益水平，夏普比率约0.39-0.47，但是预期调整带有较强主观性，波动较大且受机构理念差异影响（见表8、表9，图10-13）[page::11][page::12][page::13]。

2.6 ICEE（行业一致预期调整因子）

基于朝阳永续数据库的行业一致预期净利润，先进行平滑再拟合趋势，拟合系数作为ICEE因子。因第三方数据库整合方式有所不同，行业一致预期与真实财务数据偏差存在，因而ICEE更侧重市场共识变化信号。2010年以来多头组合年化收益9.9% ，表现较为稳定（见表10及图14-17）[page::13][page::14]。

2.7 因子相关性与去重处理

四因子存在一定的相关性和信息重叠，其中：

• QPEE与PNEE相关度0.15，主要反映信息披露质量差异。

- QPEE与IPEE相关度约0.23-0.30，反映机构观点变化。

• QPEE与ICEE相关度0.23，兼顾机构及第三方数据库视角。

报告采用对称正交方法对因子进行去重，剔除重复信息，获得正交因子组。此处理后，QPEE因子有效性显著提升，T值由2.84提升至3.28，月度胜率从55.5%提升至58.1%，超额收益和夏普率均有所增强（见表11至表14）[page::15][page::16]。

---

三、图表深度解读

图表1（页面4）：上市公司2022年净利润预测报告在一级行业的覆盖度

• 描述： 展示2022年各一级行业上市公司净利润预测覆盖度，蓝色条形为市值覆盖度，红色为数量覆盖度，图中用黄色线标示50%的关键界限。

- 解读： 除综合行业外，大部分行业市值覆盖度都超过80%，部分超过了90%，表明覆盖个股多为行业龙头，指标数据代表性较强。数量覆盖度普遍低于市值覆盖度，说明分析师更关注龙头企业。

• 联系文本： 说明采用市值加权方式合成行业超预期指标，具有行业代表意义和市场关注度[page::4]。

图表2（页面5）：个股超预期合成行业超预期示意图

• 描述： 以自由流通市值加权，将“实际盈利超过预期盈利”、“业绩预告超过分析师一致预期”、“行业一致预期正向变化”、“同一机构盈利预期正向变化”四个维度合成行业超预期因子。

- 解读： 明确了因子构成逻辑与数据来源框架。

• 联系文本： 体现了多维度整合能力，区分了真实业绩因子与市场预期因子[page::5]。

图表3（页面6）：季度定期财务报告披露时间点示意图

• 描述： 显示了上市公司各季度报告（1-3月一季报、4月公告、7-8月二季报，10月三季报，11-12月财报空窗期）。

- 解读： 数据披露时间的安排影响因子时效性和构造方法选择。

• 联系文本： 说明财务数据与预期匹配时序问题，为后续超预期计算逻辑提供重要基础[page::6]。

图表4、5（页面8）：QPEE多头组合与多空组合累计净值历史走势

• 描述： 分组累积净值图显示QPEE从2010年至今不同分组的投资组合表现。多头组合（G5）收益最高，空头组合表现最低。

- 解读： 多头组合累计净值显著领先，表明QPEE因子具备较好的排序和预示能力。超额净值曲线显示多空建仓策略实现稳健超额收益。

• 联系文本： 强验证了QPEE作为核心真实超预期因子的有效性[page::8]。

类似图表对应PNEE（图6-7），IPEE-1/IP-2（图10-13），ICEE（图16-17）均表现出多头组合优于空头组合，印证该类因子具备一定预测能力，但通过正交剔除后QPEE表现更优。

图表18-19（页面16-17）：SEUE因子月度IC值及月度分布

• 描述： 图18显示SEUE因子月度IC值，重点标出负值显著波动期（多个市场动荡点）；图19统计IC值负向概率及均值的月度分布，反映季节性有效性差异。

- 解读： 因子整体有效性良好，2016年后尤为稳定，季节性特征明显，2、5、9月IC值较正，1、3、10月表现偏弱。

• 联系文本： 说明构建策略时需考虑时间调整窗口，业绩披露节奏与市场情绪的联动特征[page::16][page::17]。

图表20-23（页面18）：SEUE组合累计净值表现

• 描述： 按年区分，展示2010-2022总体及2016年以后SEUE组合的累计净值，多头绩效显著上升，超额回撤明显降低。

- 解读： 2016年后SEUE组合表现大幅改善，夏普比率及回撤指标清晰提升，显示策略在市场制度完善后适应性增强。

• 联系文本： 反映QPEE剔除其他因子干扰后获得真实超预期信号，指导行业轮动策略带来稳健收益[page::18]。

图表24-25（页面19）：历史持仓行业入选次数及2022年12月最新组合配置

• 描述： 持仓次数展示了行业权重分布，2022年12月持仓显示农林牧渔、食品饮料、通信等行业权重最高。

- 解读： 银行、食品饮料等板块被频繁选择，符合其业绩稳定性和超预期概率较大。

• 联系文本： 与当前市场季报超预期表现及战略方向契合，为组合实操提供参考[page::19]。

---

四、估值分析

本报告无传统企业价值估值部分，而是采用基于量化因子有效性的策略构建方法。核心是通过对季报业绩超预期因子的量化测算，结合因子有效性指标（IC、IC_IR、T-值、月度胜率、年化收益率、夏普比率）进行风险收益评估，最终通过对因子间相关性和共线性进行对称正交处理，筛选出最优的真实超预期因子QPEE，建立行业轮动模型SEUE。

模型以正交后的QPEE因子选择前6个因子值最高的行业构建等权组合，调仓频率为月度，基准为一级行业等权组合。体现了技术驱动基于因子稳健性的组合优化方法。

---

五、风险因素评估

1. 历史数据风险： 模型依赖2010年至2022年间数据，历史表现不等同未来，市场机制、政策环境可能发生根本性变化导致模型失效。

2. 财务披露质量： QPEE虽包含真实财务数据，但因上市公司信息披露质量差异影响因子准确性。

1. 分析师观点变动： IPEE和ICEE因子受分析师调研及第三方数据库结算方法影响，带有主观性且存在波动。

4. 披露时间窗口差异： 行业内公司财报发布时间错位，影响超预期信息的即时性和同步性。

1. 模型调仓频率及数据滞后： 月度调仓可能滞后于重要财务公告或市场反应速度。

报告明确指出未覆盖所有市场风险，提示投资人结合宏观与微观风险因素谨慎操作[page::0][page::20]。

---

六、批判性视角与细微差别

• 正交处理依赖线性假设： 对称正交方法虽去除因子相关性，但可能忽视非线性依赖或更复杂的交互效应，影响组合有效性。

- 超预期幅度较少被重视： 报告指出投资者更关注是否超预期而非幅度大小，这一结论虽有数据支撑，但可能导致模型忽视业绩变化幅度趋势中的潜在信息。

• 机构预期变化因子表现不稳定： IPEE因子受机构观点多元化影响较大，表现不稳定，也反映出主观分析师意见对市场影响的不确定性。

- 季度与年度预期转换的季节性偏误： 由于季度业绩占比留存假设和年化处理方法，季节性业务差异可能被低估。

• 模型适用性时点限制： 如IC月度分布显示部分月份表现不佳，策略实操时需关注业绩公告密集期及市场特异风险。

---

七、结论性综合

本报告系统梳理了行业层面基于个股业绩“真实超预期”的量化因子构建路径，定义了季度业绩超预期（QPEE）作为最具代表性和解释力的核心指标。通过正交剔除其他非真实业绩信息影响，形成了更为精准的真超预期信号。该信号驱动的SEUE行业轮动策略在2016年以后表现出极佳的风险调整后收益，年化超额收益达到10.8%，超额夏普比率高达1.68，且累计回撤显著降低，体现了因子与组合投资绩效的有力支撑。

报告中详尽的图表和表格数据（如表1-3、表7-10、表13-16及图4-25）充分验证了各因子表现及剔除后的QPEE因子的优势。具体案例如对宁德时代盈利预测变化的机构观察图（图8、9）显示了机构观点多样性和主观性对因子构建的复杂影响。

策略在各个季度、年份表现均优于基准，且合理剔除了噪声信息，具备一定的实操参考价值。最新的行业组合倾向于稳定回报行业如食品饮料、医药和农林牧渔等，符合经济周期与风险偏好的配置原则。

尽管如此，投资者仍需警惕模型基于历史数据构建带来的未来失效风险，特别是市场环境和信息披露规则变化对超预期信号机制的潜在影响。

---

注释与溯源

• 报告标题、作者及机构信息详见首页和目录 [page::0-1]

- 4种因子定义及构造细节见章节1-1至1-4及对应表1-3、表7-10、图1-17 [page::4-14]

• 相关性及对称正交方法详述及结果见章节2-1，表11-14 [page::15-16]

- SEUE策略构建、表现及行业配置详见章节2-2，表15-17及图18-25 [page::16-20]

• 风险提示与总结见最后章节 [page::0, 19-20]

---

本分析基于报告全文细致解读，力求摒弃主观臆断，全面覆盖文本及图表数据，体现专业、系统的研究报告解构与深度剖析。

报告