一致相对目标收益（CDTR）因子定义与构建 [page::0][page::5]

• CDTR因子基于分析师对所覆盖股票的相对目标收益排名，消除了分析师间目标收益中枢差异。

- 通过时间加权或等权方式汇总分析师目标收益，体现对个股的相对乐观或谨慎态度。

• 覆盖市场股票数量约38.7%，市值覆盖约75%。

CDTR因子全市场及不同股票池选股效果 [page::6][page::8][page::9][page::10]

| 分组 | 多头收益(年化) | 空头收益(年化) | 多空收益(年化) | 月胜率 |
| ------ | -------------- | -------------- | -------------- | ------ |
| CDTR_时间加权多头 1/10 | +3.3% | -4.9% | 8.2% | 65.9% |

• CDTR因子多头组合和空头组合均显著优于市场，年化多空收益高达8.2%，统计显著。

- 在动量与增长风格较强的环境中，因子表现更优；剔除常见风格影响后，Fama-Macbeth回归显示月alpha 0.18%，t值5.09。

• 基金重仓股中因子覆盖度高且选股效果稳定，非基金重仓股多空收益幅度更明显。

- 市值大、涨幅高的股票池中因子覆盖和选股效果更好；无因子覆盖股票未来表现偏弱。

• CDTR因子月胜率稳定在65%以上，更新频率由月度提升至周度，选股收益及信息比显著提升。

CDTR因子敏感性分析 [page::10][page::11]

| 回看期 | 数量覆盖度 | 市值覆盖度 | 月均溢价 | t值 | 月胜率 |
|--------|------------|------------|----------|-----|---------|
| 1个月 | 22.3% | 52.0% | 0.17% | 3.62| 62.9% |
| 3个月 | 38.7% | 75.0% | 0.18% | 5.09| 67.4% |
| 6个月 | 48.0% | 82.3% | 0.14% | 4.36| 65.9% |
| 12个月 | 56.1% | 86.3% | 0.09% | 2.70| 59.1% |

• 回看期设为3-6个月时，因子稳定且溢价显著，回看期过长溢价衰减。

- 周度频率更新因子，年化多空收益可达14.3%，更快更新有助于提升选股效能。

引入CDTR因子改进红利优选组合 [page::12][page::13][page::14]

| 项目 | 组合收益率 | 指数收益率 | 超额收益 | 月胜率 | 年胜率 |
|----------------|------------|------------|----------|--------|--------|
| 红利优选组合 | 28.1% | 10.6% | 17.5% | 68.2% | 100% |

• 组合覆盖沪深A股，剔除流动性差、停牌和低质量分红股，结合7因子模型选股，权重采用股息率加权。

- 组合多年超额收益显著，年化alpha约9.8%，且相对beta接近1，较好捕捉中证红利指数收益。

• 超额收益全年稳健，且股票胜率超过52%，盈亏比达2.1，选股具有稳定的上涨概率和较大收益空间。

行业约束对红利组合影响及优化方案 [page::15][page::16]

| 约束水平 | 超额收益 | 跟踪误差 | 相对回撤 | 月胜率 |
|-------------|-------------|-------------|-----------|----------|
| 无约束 | 17.5% | 10.0% | - | >60% |
| 行业约束2% | 10.3% | 6.9% | 6.5% | 63.6% |
| 行业约束3% | 11.8% | 7.2% | 7.1% | 63.6% |
| 行业约束5% | 13.7% | 7.7% | 8.6% | 67.4% |

• 组合行业分布偏离中证红利指数，尤其低配银行与煤炭，产生较高跟踪误差。

- 通过添加行业下限约束及补充选股，实现对行业权重的控制，降低风险指标。

• 行业约束越严格，跟踪误差和回撤越小，但超额收益略有降低，且均保持正超额。

风险提示 [page::17]

• 历史统计规律失效风险。

- 因子失效风险。

报告分析：选股因子系列研究（九十四）——卖方分析师的目标价：有用吗？怎么用？

---

1. 元数据与概览

• 报告标题：《选股因子系列研究（九十四）——卖方分析师的目标价：有用吗？怎么用？》

- 作者及分析师：冯佳睿，罗蕾，海通证券研究所

• 发布日期：2024年1月25日

- 研究主题：分析卖方分析师发布的目标价信息的有效性，构建相关选股因子——一致相对目标收益（CDTR）因子，检验其价值及应用，尤其是在红利优选组合中的表现与改进。

• 核心论点和结论摘要：

- 传统目标价因子存在分析师中枢偏差和时间点不统一等问题，导致选股效果有限。
- 通过去除分析师整体目标收益水平的“偏见”，建立分析师相对目标收益排名，汇总形成CDTR因子，消除分析师乐观或谨慎的系统性偏差。
- CDTR因子在A股市场表现稳健，与未来一个月股票收益显著正相关，实现多空组合年化收益约8.2%。
- CDTR因子覆盖度较高但不满，受分析师关注偏好、股票规模和历史涨幅影响。
- 在构建的红利优选组合中引入CDTR因子，显著提升了业绩表现，年化超额收益超17%。
- 行业偏离导致的跟踪误差较高，通过行业约束组合可平衡收益与跟踪误差，保障收益稳定性和风险控制。
- 风险提示包括统计规律失效、因子失效等。

本报告旨在为投资者展示卖方分析师目标价的结构化利用方法，提出CDTR因子作为有效选股工具，并示范其应用途径。[page::0,1]

---

2. 逐节深度解读

2.1 目标价与目标收益基本情况

• 2023年度，目标价覆盖的报告占全部报告的33.2%，覆盖A股占比高达77.6%（2584只股票中有目标价数据）。

- 传统“一致预期目标收益因子”定义为：一致预期目标价除以当前股价减1，旨在反映分析师目标价整体超额收益预期。

• 该因子因不同分析师目标价数值基准存在差异，且发布时间不统一，选股效果受限，剥除主流选股因子后无显著选股溢价。

- 图1至图4展示了目标价覆盖率随时间的变化，且一年内财报季覆盖率偏高。

• 表1显示，一致预期目标收益单因子月均溢价是0.29%，t值2.43显著，但多因子模型中该效应消失。

- 因此，目标价原始利用存在系统性问题，需改进。 [page::4,5]

2.2 一致相对目标收益（CDTR）因子的构建与表现

• 构建逻辑：计算分析师k对股票j的目标收益（目标价相对于发布前一收盘价的收益），再减去分析师k对其覆盖股票组的平均目标收益，得到相对目标收益，再对所有分析师的该相对目标收益加权汇总形成CDTR因子，权重默认等权，也可时间加权以突出近期观点。

- 设计目的在于去除分析师整体乐观或谨慎偏差，使因子聚焦分析师内部对其覆盖股票的优劣排序。

• CDTR因子与“一致预期目标收益”具有约43%的相关性，但并非等同。

- 2013-2023年，因子数量覆盖率约39%，市值覆盖约75%，覆盖偏向财报期及大市值股票。

• 图5、6表明因子覆盖度季节性分布，数字覆盖在财报重叠月份较高。

- 对无因子覆盖股票分析显示，这部分股票未来表现与风格相关，小市值价值时表现更佳。

• 在因子覆盖股票中，分组结果显著，CDTR最高组未来1月年化超额收益约3.3%，最低组亏损约-4.9%，多空组合收益达到8.2%，月胜率65.9%。

- 表2验证时间加权略优于等权，但均显著。

• CDTR因子收益与动量和增长风格相关，剥离风格后仍有7%年化alpha，表现稳健（表3）。

- Fama-MacBeth截面回归结果（表4）显示剔除其他因子后CDTR的月溢价0.17%-0.18%，t值超过5，强统计显著，覆盖了除市值、估值、涨幅等主要风格外的信息。

• 时间维度上，CDTR因子月均溢价呈波动，年末12月表现异常较差（甚至负值），或与年末动量效应减弱有关（表5，图9、图10）。[page::5,6,7,8]

2.3 CDTR因子在不同股票池的选股效果

• 基金重仓与非基金重仓股：基金重仓股票CDTR覆盖度高达74.6%（数量）、90.6%（市值），非重仓股远低于此。尽管如此，两组内CDTR因子均表现出显著多空收益，非基金重仓股多空收益更为突出，但基金重仓股多空收益更稳定（表6）。

- 不同市值水平：随着市值增大，CDTR的覆盖度显著提高，最大市值组覆盖率超70%-88%。无覆盖大市值股票未来表现较差（图11、图12）；有因子覆盖的各市值组多空收益均显著，尤其中大市值组表现稳健（表7）。

• 不同历史涨幅股票池：涨幅越高，CDTR覆盖度越大，且无覆盖股票未来表现更差（图13、14）。有覆盖股票分组收益单调递增，涨幅大股票池中选股效果尤为显著，多空收益最高达11%年化（图15、16）。

- 参数敏感性：
- 回看期越长因子覆盖率越高，但溢价下降明显。3-6个月窗口为最佳，月胜率超65%，t值超过4（表8）。
- 更新频率越快（周更新优于双周优于月更新），溢价及多空收益均提升，信息比也最为凸显（表9、10）。

• 综上，CDTR因子是市场中信息利用效率较高、效果稳健的短期选股因子，尤其适用于捕捉动量与增长风格影响，且需灵活调整参数以优化效果。[page::8,9,10,11]

2.4 CDTR因子应用：红利优选组合

• 在偏大盘风格的红利优选策略中嵌入CDTR因子，通过多个财务及市场因子共同构建多因子模型，选取复合得分最高的50只股票，股息率加权组合。

- 组合基本筛选条件：剔除ST股、新股、流动性差股票；要求3年现金连续分红，红利支付率合理。

• 2013-2023年间组合次均单边换手率67.4%，年化约2.7次，年化收益28.1%，相对中证红利全收益指数超额17.5%，年胜率达100%，月胜率达68.2%，引入CDTR因子带来约1.7%年化收益提升（表11，图17、18）。

- 不同成交价假设对收益影响极小，红利税影响同样有限。

• 组合收益回归分析强调beta接近1，组合偏小市值、高盈利风格，估值和动量暴露不显著（表12）。

- 月度表现稳定，尤其低谷月份为1月和8月，整体超过60%胜率（图19）。

• 组合个股胜率约52.3%，盈亏比达2.1，显示选股质量与风险收益比良好（图20）。

- 组合行业分布与中证红利指数存在较大差异，特别金融、周期行业大幅低配甚至空仓，导致跟踪误差较高（图21）。

• 采用不同行业偏离约束对组合优化，行业约束越紧（2%、3%、5%），跟踪误差和相对回撤越小，但超额收益会有所牺牲（表13）。

- 行业约束为2%时，收益仍稳健，年化超额达10.3%，跟踪误差6.9%，最大相对回撤6.5%；行业约束放宽至5%，超额收益升至13.7%但跟踪误差也增加（7.7%）。

• 该应用充分展示CDTR因子在大盘核心选股中的有效性，通过实践设计兼顾收益和风险管理[page::12,13,14,15,16]

---

3. 图表深度解读

图1 - 图4 （目标价报告覆盖）

• 图1显示2012至2023年间，带目标价的报告占比从42%-50%回落至33.2%。

- 图2示覆盖A股数量稳步上升，2023年约3331只股票中2584只有目标价数据。

• 图3和图4反映一致预期目标收益因子覆盖度有明显季节和时间波动，财报季覆盖率高，市值覆盖稳定70%以上，数量覆盖波动较大并趋低。

表1

• 一致预期目标收益因子单因子显著，但多因子模型无新增信息，反映传统因子受分析师偏差影响较重。

图5 - 图6 （CDTR因子覆盖度）

• 类似目标收益因子覆盖，有一定季节性，数量覆盖约39%，市值覆盖约75%。

图7 （无因子覆盖股票超额收益）

• 无因子覆盖股票年初表现强劲（14-16年）、后期低迷，表现与风格周期密切相关。

图8、表2（CDTR分组收益）

• 显示CDTR高分组未来收益显著优于低分组，反映排名基础上的目标收益排序对未来收益具有指示性。

表3、表4（多空收益回归）

• Fama-French和Fama-MacBeth回归分别表明CDTR多空收益稳定且剔除主流风格后仍显著，支持因子来源的独立信息价值。

图9、图10、表5（时间及季节性）

• 12月表现异常低迷，契合国内外动量效应在年底减弱的理论背景。

表6及图11-16（股票池细分）

• 反映因子在不同股票池（基金重仓、非重仓，市值级别，涨幅分组）均表现有效，验证因子广泛适用性。

- 特别强调无覆盖大市值及高涨幅股票未来表现较弱，覆盖为市场重要信号。

表8-10（参数敏感性）

• 优选回看期3-6个月，更新频率越快选股效果越佳，提示因子需要及时反映分析师最新观点。

图17-20、表11-13（红利优选组合）

• 组合业绩明显优于基准，且6月等高红利季节表现优异，体现因子与红利结合的优质策略表现。

- 行业约束平衡了收益与风险，选股权重和行业偏离实现良好管理。

图21（行业分布）

• 清晰反映组合行业偏离大，主要低配银行和煤炭，高配制造及TMT类，显示多因子叠加导致行业方向上的主动管理效果。

---

4. 估值分析

本报告核心并非传统估值模型论述，而是构建基于分析师目标价信息的选股因子并应用于组合管理。
但对红利优选组合的业绩分析基于多因子评分体系，以等权加总法构建因子复合得分，从而选股。不存在单一估值模型，而是多因子综合选股，体现统计选股因子的实用性。
回归分析中对beta的运用是定量风险调整的一种估值角度，凸显策略整体市场风险敞口接近1，保证相对业绩稳定性。[page::16]

---

5. 风险因素评估

• 历史统计规律失效风险：因子选股效果依赖历史统计关系，未来可能发生失效或弱化。

- 因子失效风险：CDTR因子基于分析师目标价数据，若分析师观点失真、失效或市场异常，则因子效力降低。

• 行业偏离风险：未加行业约束组合可能面临较大行业风险和跟踪误差，需注意风险管理。

- 报告未详细说明具体缓解措施，但通过行业约束设计体现风险管理尝试。[page::0,17]

---

6. 批判性视角与细微差别

• 报告深刻指出传统目标价因子因分析师偏差问题而效果不佳，但新构建的CDTR因子虽然减轻此类偏差，但仍存在覆盖度不足，尤其是对小市值和低关注股票覆盖较少，潜在预测偏限问题。

- 投资者需关注因子12月表现的弱势及其背后动量机制的稳定性。

• 红利优选组合的行业集中风险较高，尽管后续加约束有所缓解，但行业风险敞口及策略灵活性仍需进一步研究。

- 因子多头回报偏向动量和成长，当市场风格切换或外部冲击时，因子表现可能出现波动。

• 报告数据详实，统计方法规范，但因子及组合策略的经济直觉和市场机制解释相对有限，投资者应结合宏观及基本面因素综合判断。

- 风险提示简洁，建议后续增加更细化风险管理方案说明，提高实操指导性。[page::7,17]

---

7. 结论性综合

本报告以卖方分析师目标价为切入点，创新提出“一致相对目标收益”（CDTR）因子，通过剥离分析师个体目标收益基准差异，聚焦其对覆盖股票的相对偏好排序，显著提升目标价信息的信噪比。CDTR因子自2013年以来覆盖了75%市值股票，因子收益稳定且统计显著，特别在动量和成长风格主导的市场表现更佳。

因子表现出色于不同股票池（基金重仓、非重仓）、市值和涨幅水平，且高频更新提升选股效能。这预示分析师目标价作为结构化数据的潜在巨大价值，CDTR提供了实用的量化利用框架。

利用CDTR因子构建的红利优选组合示范了因子实际应用的成功路径，年化超额收益显著超过基准，且实现了较高的个股胜率和优良盈亏比。通过适当行业偏离约束，组合的跟踪误差与相对回撤可有效控制，同时保留超额收益，增强了策略的实用性和风险控制能力。

本报告系统展示了CDTR因子从理论构建、市场表现到实务应用的完整路径与价值，提醒投资者关注因子信息的时效性、覆盖度差异及行业风险，通过科学设计实现稳健的选股策略。报告的统计严谨且数据丰富，为量化投资领域提供了宝贵研究成果，但同时强调历史因子有效性非绝对，需关注因子失效风险。

总体上，CDTR因子为卖方分析师目标价信息的有效利用提供了创新思路和工具，红利优选组合应用证明该因子在大盘价值策略中的增值潜力，具有较强的理论和实践指导意义。[page::0-17]

---

图表示例展示

• 图1 有目标价的报告占报告总篇数之比（截至 2023.12.29）

• 图8 一致相对目标收益因子分组年化超额收益（2013.01-2023.12）

• 图15 不同历史涨幅组别内，有覆盖股票的 CDTR 分组收益（2013.01- 2023.12）

• 图17 红利优选组合的累计净值走势（2013.01- 2023.12）

• 图21 红利优选组合相对中证红利指数的行业分布（2023.10）

---

结束语

该报告科学详尽地揭示了卖方分析师目标价的本质信息及其量化应用潜力，CDTR因子成为连接分析师视角和量化选股的桥梁，未来可结合更多市场风格、行业配置与动态调整，进一步优化多因子投资框架，具有广泛参考价值。风险因素需投资者时刻警惕，以动态眼光合理运用因子信息，辅助投资决策。

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

报告