• 朝阳永续盈利预测数据库框架 [page::2]

- 数据分为基础库和衍生库，基础库包含盈利预测与一致预期两大类，后者以“交易日+个股”为单位综合分析师报告形成统一预期。
- 研究报告类型包括深度报告、一般个股报告、调研报告等，深度报告对预测可信度最高。

• 分析师覆盖度及市场分布 [page::4][page::5]

- 尽管分析师人数增加，覆盖股票绝对数量及占比下降，2019年分析师覆盖比例约57%。
- 沪深300覆盖率长期维持在90%以上，中证500覆盖率虽下降但保持85%以上，满足机构视角。

• 一致预期因子分类及困境 [page::3][page::6][page::7]

- 因子分为目标收益、估值、盈利、成长四类。
- 2018年后多空组合多头回撤明显，剔除覆盖缺失数据（Type=4）后，目标收益率因子表现稳定。

- 2019年以来，目标收益、ROE及净利润环比变化因子仍具超额收益，估值类因子失效严重。

• 分析师评级上调事件及影响 [page::9][page::10][page::11]

- 评级买入和增持占比最高，90%报告评级保持不变。
- 发布买入评级前20日累计超额收益3%，后120日累计超额收益4%。
- 评级上调事件后120交易日累计超额收益近5%，上调至买入评级收益略增，明星分析师影响不明显。

• 目标价上调事件表现 [page::12]

- 目标价上调后120交易日累计超额收益6%，优于评级上调影响。
- 平均每周有44只股票出现该事件。

• 盈利预测上调事件表现 [page::13]

- 盈利预测上调后120交易日累计超额收益约5%，略低于目标价上调事件。
- 平均每周约139次事件触发，规模最大。

• 事件驱动选股策略及绩效 [page::14][page::15][page::16]

- 采用月度调仓、持有6个月资金通道法构建事件驱动组合。
- “上调至买入评级”策略年化超额收益5.85%，波动7.52%，IR为0.78，2020年超额收益达7.26%。
- “目标价上调”策略表现类似，2020年超额收益达8.90%。
- 调仓成本与回撤需关注，2014年策略遭遇回撤。

深度解析报告：《从事件驱动角度看分析师评级上调带来的 Alpha》——“星火”多因子专题报告（十三）

---

1. 元数据与报告概览

• 报告标题：从事件驱动角度看分析师评级上调带来的 Alpha

- 作者：陶勤英（首席分析师）、张宇（分析师）

• 发布机构：财通证券研究所

- 发布日期：2020年5月12日

• 研究主题：利用朝阳永续盈利预测数据库，从事件驱动角度分析券商分析师的评级上调、目标价上调和盈利预测上调事件对A股个股产生的超额收益（Alpha）

- 核心论点：
- 近年来，分析师覆盖的个股数量占比下降，导致一致预期因子相继回撤。
- 因此，直接使用一致预期因子选股效果下降，需从事件驱动（分析师评级、目标价等上调事件）角度切入。
- 事件驱动分析师评级及目标价上调带来显著的超额收益，目标价上调的Alpha效应最为显著。
- 构建基于事件驱动的月度调仓策略，买入“上调至买入评级”的个股，2020年实现7.26%的超额收益。

• 风险提示：模型基于历史数据，未来市场风格变化可能导致失效。[page::0,16]

---

2. 逐节深度解读

2.1 概览与数据基础介绍

• 朝阳永续盈利预测数据库架构

- 以券商盈利预测数据为基础，分为基础库和衍生库[图1]。
- 基础库包含盈利预测（每篇研报）和一致预期数据（一致预期为不同分析师预测的加权结果，按“交易日+个股”维度汇总）。
- 衍生库包含统计指标、情绪关注度、业绩超预期分析等。

• 研究报告的分类[图2]：深度报告、一般个股报告、调研报告、点评报告等，深度报告预测可信度最高。
• 分析师数据业务要素：

- 盈利预测（FY1、FY2等按披露时间调整以确保预测一致性）
- 分析师评级：卖出→减持→中性→增持→买入（负面到正面）
- 目标价：分析师对未来价格预期。

• 一致预期因子分类[图3]包括估值类（如PB、PE、PEG）、盈利类（如ROE）、成长类（净利润及营收同比增长）、目标价类（目标收益率）四大类。

- 量化应用中，将一致预期数据分为因子选股和事件驱动两个方向。[page::2,3]

2.2 分析师覆盖现状与挑战

• 覆盖率现状

- 尽管分析师人数持续增加，但分析师覆盖公司数量及占比均呈下降趋势（图4），2019年后尤其明显，2020年覆盖率约57%。这是IPO增速快与机构投资覆盖重点收缩形成的结果。
- 行业领先指数如沪深300覆盖率长期保持90%以上，中证500稳定在85%以上，满足机构主流投资视角（图5）。

• 一致预期因子回撤问题与修正

- 一致预期因子分目标收益、估值、盈利、成长4类（表1），计算方式涉及对目标收益计算、估值的净资产或净利润等指标数据的处理。
- 近年因分析师覆盖下降，90天无更新的个股目标价用以往价格延续（Type=4），导致数据失真，严重削弱了因子收益效果（图6）。
- 剔除Type=4的股票后，目标收益率因子表现明显回升，多空组合净值显著上涨，RankIC改善（图7）。
- 多数一致预期因子在近1-3年表现较弱，尤其估值类明显失效，但目标收益率和盈利类中的ROE、净利润变化表现相对稳健，多头超额收益仍存（图8）。
- 空头组合表现更稳定，净利润下降和ROE偏低持续带来负超额收益（图9）。

• 结论： 一致预期因子因数据完整性问题出现误判，剔除数据异常后仍蕴含价值。且各类因子表现分化，估值因子失效明显，是近期市场结构和风格变迁的体现。[page::4,5,6,7,8]

2.3 破解路径：分析师上调事件绩效展现

本节重点考察分析师评级上调、目标价上调、盈利预测上调三个事件触发后个股超额收益表现。

评级上调

• 评级体系：卖出（1）→减持（2）→中性（3）→增持（5）→买入（7），评级调整即指情绪强度的跃升（图10）。

- 数据样本：2006-2020年全A股，剔除新股、非正常交易、停牌涨跌停等极端数据。

• 统计方法：事件日为T0，计算T0前20日至T0后120日相对中证全指累计超额收益（CAR）平均值。

- 样本分布：超45%买入评级报告，超37%为增持，整体偏乐观。90%报告评级无变，上调及下调数量相近（图11，图12）。

• 历史表现：除2014年外，买入评级后大多数年份均正向收益，买入评级发布后120日CAR约4%（图13）。

- 事件分类对比（图14）：评级上调事件后120日CAR达到近5%，上调至买入的回报表现稍好但无显著增强，且新财富明星分析师未展现额外超额收益。

• 事件频率：平均每周约28只股票评级买入（图15）。

目标价上调

• 收益表现（图16）：目标价上调后120日CAR约6%，高于评级上调的影响，且明星分析师影响不显著。

- 事件频率：平均每周44只个股目标价上调（图17）。

盈利预测上调

• 收益表现（图18）：FY1净利润预测上调事件120日CAR约5%，与评级上调相近，略逊于目标价上调。

- 事件频率：平均每周139只个股盈利预测上调，事件频次最高（图19）。

总结三类事件的绩效：
目标价上调>评级上调≈盈利预测上调，均带来显著正超额收益，说明分析师修正报告均对市场短期产生价格冲击。[page::9,10,11,12,13]

2.4 实践：事件驱动选股策略构建与验证

• 策略设计：

- 初始资金1000万分为N通道，每通道持仓不同时间窗口股票，月度调仓。
- 每月末买入触发事件股票，持有N个月；对应卖出N个月前建仓的股票。
- 交易成本设定双边0.3%。

• 具体案例：“上调至买入评级”事件驱动策略表现（图20）：

- 年化超额收益5.85%，年化波动7.52%，信息比率0.78，最大回撤17.69%，月胜率64.71%。
- 历年超额收益表现稳健，除2014年外多数年份均正超额，2020年超额收益达7.26%（图21）。

• “目标价上调”事件策略表现（图22）：

- 年化超额收益5.75%，年化波动8%，信息比率0.72，最大回撤19.69%，月胜率62.35%。
- 历年表现类似，2020年超额收益达到8.90%（图23）。

• 整体逻辑：事件如评级/目标价上调提升投资者关注度、信息释放，带来股价超额收益。量化投资中纳入此类事件驱动逻辑，可平滑整体因子失效风险，实现Alpha捕捉。 [page::14,15,16]

---

3. 图表深度解读

图1：朝阳永续盈利预测数据库框架

图示清楚区分了基础库与衍生库的组成，以及盈利预测数据和一致预期数据的层次关系。突出盈利预测为“研究报告为单位”的原始数据，且一致预期为基于多个分析师预测加权得到的复合结果，反映了多源信息融合的数据库构建逻辑。[page::2]

图4&5：分析师覆盖数量及占比走势

双Y轴图展示了全市场分析师覆盖个股数量及覆盖比例（图4），以及沪深300和中证500成分股覆盖比例（图5）。全市场覆盖比例自2016年后明显下滑至约57%，沪深300仍稳定在90%以上，中证500略降但仍维持在85%以上。表明分析师趋向聚焦龙头优质公司，投资者可合理期待优质市场的高覆盖率。[page::4]

图6&7：目标收益率因子净值及RankIC走势

图6（包含Type=4即过期目标价股票）显示2018年后出现明显回撤，称为数据失真引发因子失效；图7（剔除Type=4）净值曲线明显向上，说明去除异常数据后目标收益率因子依然有效，表明数据处理质量对多因子模型极其重要。[page::6,7]

图8&9：一致预期因子多空超额收益年化

图8多头超额收益，目标收益类因子表现稳健，估值类近年大幅回撤，盈利与成长类分化明显。图9空头多因子较为稳定，说明对下跌风险的识别尚存一定价值。整体反映风格轮动及重要因子失效的市场特征。[page::8]

图10-15：评级上调事件分析

图10展示评级编码逻辑，图11-12书面报告数量及调整频次，呈现出绝大多数买入/增持评级占比和90%以上无调整的情形。图13历年买入评级事件收益显示13年为唯一负收益年份，可见评级调整具有一定预测效用。图14综合对比买入评级、评级上调等事件，评级上调事件后短期超额收益最明显。图15事件频次稳定，说明事件驱动信号具备持续性。[page::9,10,11]

图16-17：目标价上调事件分析

图16显示目标价上调后120交易日累计超额收益达6%，超评级上调影响，显示目标价调整更为直接反映市场预期和信息变化。图17的事件频率较高，近几年有明显提升趋势，提示投资者关注目标价变动信号。[page::12]

图18-19：盈利预测上调事件分析

图18对应5%累计超额收益，表现次于目标价上调但与评级上调相仿。图19显示盈利预测上调为事件中频率最高，说明盈利预期动态更新频繁，兼具信息价值与噪音特征。[page::13]

图20-23：事件驱动策略量化结果

图20、22显示“上调至买入评级”和“目标价上调”事件驱动组合净值稳定上升，与基准形成明显超额，表明事件驱动策略可实施且有效。图21、23则展示历年超额收益情况，除2014年回撤外大多数年份正收益突出2020年高收益，反映组合长期稳定性与策略前瞻性。[page::14,15,16]

---

4. 估值分析

本报告未直接涉及具体个股估值计算模型，没有展开如DCF、相对估值等方法讨论，而是聚焦于基于分析师事件驱动的数据挖掘与Alpha挖掘策略构建。其估值意义体现在利用分析师发布的评级和目标价数据作为投资信号，间接反映市场对个股价值的调整和预期，有实践经验和统计学支持。该方法属于以市场行为和信息披露为核心的事件驱动投资策略，强调短期超额回报。

---

5. 风险因素评估

• 历史数据局限性：报告强调多因子模型基于历史数据，市场风格变化可能导致模型失效，提示事件驱动策略不保证未来稳定有效。

- 覆盖度下降风险：分析师覆盖的缩减导致一致预期数据失真，给选股带来挑战，需要慎用相关因子。

• 信息滞后与失真：发布时间差异与目标价延用历史数据（Type=4）导致数据失真，须清洗数据以规避风险。

- 事件拥挤风险：大量投资者同步追踪评级或目标价上调事件，可能导致事件超额收益逐渐被市场消化。

• 手续费与频繁调仓风险：事件驱动策略需要高频交易，手续费和交易成本不容忽视，可能侵蚀收益。

- 报告偏见风险：评级整体偏乐观，新财富明星分析师并未明显超越整体，暗示可能存在分析师群体性偏见。

• 宏观风险及市场不可预见波动：如2014年回撤事件，或疫情等非系统性突发事件。

报告并未提供具体缓解措施，但通过剔除不良数据，分散组合持仓等手段部分防范风险。[page::0,5,16]

---

6. 审慎视角与细微差别

• 报告对数据处理展示了较强的自我批判意识，如剔除Type=4目标价数据，体现数据质量意识。

- 事件驱动策略侧重短期信息冲击，未必适合所有投资者，且收益稳定性受市场周期影响明显（2014年回撤）需谨慎。

• 明星分析师表现不及预期，建议未来关注分析师个人及团队能力异质性，细分不同级别分析师信息价值。

- 报告强调2019年以来价值因子失效，逻辑与外资流入、抱团效应相符，揭示分析师预测仍存在风格轮动适用性限制。

• 事件的数量表明信息过度拥挤风险，未来事件驱动收益可能下降，策略需持续优化并结合其他信号。

- 无估值模型，无法衡量目标价合理性，未来研究或结合更详细个股基本面分析提升策略解释力。

总体保持客观谨慎，强调实证和风险，同时为量化投资提供新思路。

---

7. 结论性综合

本报告基于朝阳永续盈利预测数据库，系统分析了分析师一致预期数据的困境、修正及事件驱动的Alpha效应：

• 近年来券商分析师关注加载龙头公司，覆盖率下降导致传统一致预期因子选股失效，尤其估值类因子表现衰退；

- 数据清洗（剔除过期目标价）后，目标收益率因子仍具稳健超额收益，盈利类因子表现在多头中较为突出，空头表现更稳定；

• 事件驱动视角有效解释短期超额收益，分析师评级上调、目标价上调及盈利预测上调均带来正向超额，且目标价上调Alpha贡献最大；

- 构建的基于“上调至买入评级”等事件的月度调仓策略收益显著，2020年相较中证全指超额达7.26%，展现较强实用性；

• 报告高度重视风险管理，掘金事件驱动需关注模型时效、数据质量及市场拥挤度风险。

视觉图表充分支撑论点：覆盖率下降趋势（图4），因子失效与剔除异常数据对比（图6、7），事件驱动超额收益表现（图13-16等），策略净值表现图（图20、22）。报告立场鲜明，客观审慎地指导量化投资实践，体现了数据驱动下的事件驱动Alpha挖掘新范式。[page::0-17]

---

# 综上，本报告在专业严谨的数据分析基础上，结合事件驱动视角提供了基于分析师评级与目标价变动的Alpha策略，强调实用性与风险管理，是量化投资因子研究的重要参考资料。

报告