基于分析师认可度的成长股投资策略

由crisvalentine创建，最终由crisvalentine更新于2023-06-13 06:53 被浏览 70 用户

报告摘要

高增速股票的成长困境

我们通常根据净利润同比增速来衡量股票的成长性，然而由于同比增速会面临微利股、除数效应、非经常性损益等多种因素导致其可能产生较大奇异值或失真，导致高增速股票中股票的未来收益并不正比于其业绩增速，单纯以单季度归母净利润同比增速来筛选成长股较为敏感且片面。

分析师认可的成长股

上市公司披露盈余公告后，分析师经常会点评其业绩，这给我们确认其成长性提供了额外的信息。如果上市公司披露盈余公告显示业绩增速高，并且分析师撰写研报也确认了其“业绩大幅增长”且同时上调其预期净利润，那么我们就更加能确认其高成长性。

我们根据盈余公告后分析师研报标题对于业绩的认可与预期净利润的上下调情况来判断分析师对于股票业绩的认可情况，进而在高增速股票池中，以分析师认可数量差、分析师上下调比例差共同选股构建了季频换仓的分析师认可成长股组合，组合每期持仓50只股票，历史年化收益33.41%，相对于中证500指数年化超额收益30%，超额收益显著高于高增速股票组合，且在大部分年份中组合都在股票和偏股混合型基金中排名前25%以内，今年以来截止到20210430在股基中排名6.83%。

分析师业绩认可度因子

我们根据分析师研报标题对于股票业绩的认可数据构建了四个业绩认可度因子，其在全市场、沪深300指数、中证500指数等不同板块中均体现出了较强的选股能力。四因子复合后得到的业绩认可复合因子月度IC均值0.052，年化ICIR达到3.78，IC胜率85%，月频自相关系数0.8衰减较为缓慢。并且其和常见的选股因子相关性较低，剥离常见的选股因子后仍然具有较为显著的选股能力，剥离后月度IC均值0.029，年化ICIR达到2.33，IC胜率74%。

我们将四个业绩认可度因子进行市值中性化并通过成分股权重加权的方式构建了业绩认可行业轮动因子，其同样也体现出较强的行业轮动能力，月度IC均值0.085，年化ICIR达到1.14，分五组后多头组合相对于行业等权基准年化超额收益5.88%，多空组合年化收益12.79%。

\

高增速股票的成长困境

我们通常用净利润同比增速来衡量股票的成长性，净利润同比增速高的股票往往未来能够获得更高的收益。下图中我们每个月持有最新一期单季度净利润同比增速最高的若干只股票，为了避免微利股的影响，我们剔除去年同期单季度净利润绝对值低于500万的微利股。可以看到每期取50-200只股票，长期都能显著跑赢中证500指数。

不同持股数量组合的各年收益如下表所示。可以看到，不同持股数量下的高增速组合年化收益都在16%以上，显著高于中证500指数的3.38%。但是也可以发现，每期持有增速最高的Top50只股票组合的表现并没有明显好于每期持有增速最高的Top200只股票的组合，随着选股高增速的股票数量的减少，组合的收益率并没有提升，即高增速股票中股票的未来收益并不正比于其业绩增速。

高增速股票中股票收益不正比于利润增速，我们认为其主要原因是其中有很多噪声数据。首先，虽然我们剔除了去年同期单季度净利润绝对值低于500万的微利股，但是由于净利润同比增速是除法，由于股票本身的周期属性、业绩波动性大、及其他原因造成去年同期的分母相对于当前季度的数量级过小，就会导致其当季度成为“高增速”股票。以下面左图中宝利国际（300135.SZ）2020年三季报为例，2020年三季度归母净利润3381万，去年同期三季度净利润1145万，单季度同比增速达到195%，但是其发布财报后一段时间显著跑输了中证500指数。通过简单剔除微利股的方式并不能很好处理这种分子和分母数量级的差距，可能需要更多维度及更复杂的处理方式才能还原其“真实的”成长性。

其次，非经常性损益也可能对净利润增速的计算产生较大影响。如上面右图所示，杭萧钢构（600477.SH）2020年半年报计算出单季度归母净利润同比增速132%，但是单季度扣非归母净利润同比增速为-2.92%，其在发布财报后也是显著跑输了中证500指数。由于业绩预告中并不一定会披露扣非后净利润，因此如果取最新盈余公告的数据，可能会遇到没有披露扣非后净利润的情况。

这几种因素都可能导致我们在以单季度归母净利润同比增速去衡量股票的成长性时遇到困难，所以单纯以单季度归母净利润同比增速来筛选成长股是较为片面、敏感且脆弱的。

当上市公司披露盈余公告后，分析师经常会点评其业绩，这给我们确认其成长性提供了额外的信息。如果上市公司披露盈余公告显示业绩增速高，并且分析师撰写研报也确认了其“业绩大幅增长”，那么我们就更加能确认其成长性。相反，如果公司披露盈余公告显示业绩增速高，但是分析师撰写研报认为其“业绩下滑”，那么我们就要对其成长性有更多质疑。

如上图所示，比亚迪（002594.SZ）于2020年8月28日披露了2020年三季度业绩预告，单季度归母净利润同比增速850%，紧接着8月30日新时代证券发布研报《业绩符合预期，高增长将持续》确认了其成长性，且东方证券、安信证券、长江证券等纷纷上调预期净利润，其发布业绩预告到披露三季度正式财报期间相对于中证500指数超额收益达97%。而豆神教育（300010.SZ）与2020年8月24日发布半年报，单季度归母净利润同比增速达328%，8月25日安信证券发布研报《20H1业绩短期下滑，大语文线上业务加速发展》认为其业绩正在下滑，且国信证券、民生证券、兴业证券等纷纷下调预期净利润，其发布半年报到披露三季报期间相对于中证500指数超额收益为-15.6%。

因此我们认为，获得分析师认可的高增速股票的未来收益表现可能更好，而分析师不认可的高增速股票的未来收益可能较为一般，这给我们在高增速股票中筛选出真正具有成长性的股票提供了新的思路。

分析师认可的成长股

过去我们想要选出高成长的股票通常是根据其净利润同比增速来筛选，由于同比增速会面临微利股、除数效应、非经常性损益等多种因素导致其可能产生较大奇异值或失真，我们一般的做法就是尽可能对净利润同比增速这个指标进行补丁式地修正，力求获取更精确的增速值，这种处理方式获得的可能是一种单维度正确的模糊。而本报告中，我们向外求索，通过盈余公告后分析师的点评、盈利上下调等维度的数据，希望从多维度、更高概率确认其成长性，这种方式获得的可能是多维度模糊的正确。

分析师认可行为的刻画

为了能够使用分析师研报数据来捕获更多关于公司成长性的信息，我们首先需要简单了解分析师研报的基本概况。下图展示了分析师研报对全市场股票的覆盖情况。可以看到，2017年之前分析师能够覆盖75%以上的股票，2017年之后随着新股发行速度的提升，覆盖度下降到60%左右。

上面右图展示了披露盈余公告后5天内有分析师研报覆盖及没有分析师研报覆盖样本在各年的单季度净利润同比增速的中位数情况。可以看到，盈余公告后5日内有研报覆盖的样本中，其单季度净利润同比增速的中位数几乎每年都是正的，全样本增速中位数15%。盈余公告后5日内没有研报覆盖的样本中，其单季度净利润同比增速的中位数几乎每年都是负的，全样本增速中位数-3%。分析师更倾向于去覆盖利润增速较高的股票。

我们统计了披露盈余公告后5天内分析师撰写研报的滞后天数。可以看到，盈余公告当天撰写研报的比例占16%，滞后3天以内撰写研报的比例达到89%。

下面我们具体介绍如何判断分析师是否认可股票的成长性。在之前的报告《超预期投资全攻略》（20200930）中，我们根据分析师研报标题中含有“业绩超预期”等关键短语来筛选业绩超预期的股票。我们延续这种思路，通过盈余公告后分析师撰写研报标题中含有“业绩大幅增长”、“业绩爆发式增长”等关键短语、以及盈余公告后分析师上调股票预期净利润的行为来确认其确实为高增长的股票。而如果盈余公告后分析师撰写研报标题中包含“业绩下滑”、“拖累业绩”等短语，并且下调预期净利润，那么我们认为股票的成长性存疑。

从上图可以看到，分析师覆盖的高增速股票中，我们可以根据分析师的观点将其分为三种类型，分析师认可、分析师观点中性、分析师不认可。我们根据朝阳永续数据库中收录的分析师研报标题数据来判断其观点倾向。例如：

• 国信证券在20210308发布研报《药明康德2020年业绩快报点评：业绩持续高增长，一体化平台强者恒强》，其以“业绩→高→增长”的短语模式来表达其对股票业绩的认可。
• 东北证券在20210426发布研报《顺网科技：疫情拖累20年业绩，看好公司云业务长期发展》，其以“拖累→业绩”的短语模式来表达其对股票业绩的不认可。

我们通过阅读大量研报标题总结梳理了分析师对于业绩认可与否的多种短语模式，部分短语模式列举如下。

分析师认可的刻画

分析师研报标题中含有以下模式的短语结构时，我们认为其认可股票的高增长：

• 模式一：业绩、利润、盈利、季报、年报 → 大幅、高、翻倍、爆发、强劲、跳跃→ 增长、提升、上升
• 模式二：业绩、利润、盈利、季报、年报 → 增长 → 起飞、加速、倍
• 模式三：业绩、利润、盈利、季报、年报 → 翻倍、翻番、超预期
• 模式四：大幅 → 提升、推升、推动、推高 → 业绩、利润、盈利
• 模式五：业绩、利润、盈利、季报、年报 → 涨、超、增长、提高 → 50以上

分析师不认可的刻画

与分析师认可行为相对应，分析师研报标题中含有以下模式的短语结构时，我们认为其不认可股票的高增长：

• 模式一：业绩、利润、盈利 → 难 → 持续、延续、为继
• 模式二：业绩、利润、盈利 → 低迷、下滑、下行、亏损、衰退、恶化
• 模式三：业绩、利润、盈利 → 不及、不达、低 → 预期
• 模式四：费用、成本 → 提、增、上升
• 模式五：拖累、影响 → 业绩、利润、盈利
• 模式六：损失、下滑、亏损、恶化 → 超预期
• 模式七：下调 → 评级、预测、盈利，评级、预测、盈利→ 下调

对于每个分析师研报，我们都可以根据研报标题的模式匹配来确定其是认可股票的业绩或者是不认可股票的业绩。同样，我们可以根据同一个分析师在盈余公告披露前后的预期净利润大小来判断其上调或下调股票的预期净利润。下面我们具体来分析不同净利润增速股票池中分析师认可、盈利上下调的比例关系。

从上图可以看到，增速高的股票中，分析师认可的比例相对更高，且上调净利润的家数占优（上调预期净利润家数多于下调家数）的比例更高。

下表展示了不同增速股票池中分析师认可、上下调家数占优的比例。可以看到：

• 分析师覆盖的样本中，分析师认可的占40.2%，分析师不认可的占26.6%，分析师上调净利润家数占多与下调家数占多的比例分别为28.7%，46.3%；
• 分析师覆盖且单季度净利润同比增速超过50%的样本中，分析师认可的占55.8%，分析师不认可的仅占10.9%，分析师上调净利润家数占多与下调家数占多的比例分别为47.3%，26.1%。

分析师认可与上下调的选股能力

从上文我们可以知道，高增速的股票中有超过55%获得了分析师的认可，超过47%的股票分析师上调净利润的家数更多。本节我们希望在高增速的股票池中考察这两个维度来能否筛选出更具成长性的股票。

首先我们考察高增速股票池的长期表现。股票池的筛选条件如下：

• 每年的1、4、7、8、10月末取最近2个月内披露业绩预告、正式财报的股票；
• 最新单季度归母净利润同比增速超过50%，剔除去年同期单季度归母净利润绝对值低于500万的股票；
• 剔除1、4、7、8、10月末上市未满半年的新股、ST股票、停牌、涨跌停的股票。

组合构建方式如下：

• 每年1、4、7、8、10月末的下一个交易日开盘换仓；
• 等权分配权重；
• 交易费用买入0.1%，卖出0.2%。

高增速股票组合的各年收益表现如下表所示：

组合各期的股票数量如下图所示，平均持股368只。

分析师认可数量差

我们可以根据单个分析师的研报来判断其认可或不认可股票“高增长”，不同分析师对同一只股票的观点也可能不同，因此对于单次盈余公告，我们根据盈余公告后

我们可以根据单个分析师的研报来判断其认可或不认可股票“高增长”，不同分析师对同一只股票的观点也可能不同，因此对于单次盈余公告，我们根据盈余公告后5日内所有分析师撰写的研报来判断所有分析师对该盈余公告的认可度强弱，这里我们用认可与不认可业绩的分析师数量差作为分析师认可数量差因子来衡量：

认可数量差 = (认可的分析师数量-不认可的分析师数量) + 当季度净利润同比增速/10000

认可数量差越大，说明认可的分析师数量越多，股票成长性的确定性更强。我们以单季度净利润同比增速作为修正项，避免因为认可数量差相同时无法区分排序。

我们在高增速股票池中检验分析师认可数量差因子的效果，我们每次取分析师认可数量差最高的50-200只等权构建组合，观察其收益表现，如下图所示。

不同持股数量下各年的收益表现如下表所示。

可以看到，组合的年化收益随着持有股票数量的减少呈现单调递增的趋势，说明分析师认可数量差在高增速股票中具有显著的区分能力。

分析师上下调比例差

和分析师认可数量差类似，对于单次盈余公告，我们根据盈余公告后5日内所有分析师对于股票预期净利润的上调和下调情况来判断所有分析师对该盈余公告的认可程度，这里我们用上调与下调预期净利润的分析师数量差占比作为分析师上下调比例差因子来衡量：

上下调比例差= (上调家数-下调家数)/总家数 + 总家数/10000

上下调比例差越大，说明盈余公告后上调预期净利润的分析师数量越多，股票成长性的确定性更强。我们以总家数作为修正项，避免因为上下调家数差占比相同时无法区分排序。

我们在高增速股票池中检验分析师上下调比例差因子的效果，我们每次取分析师上下调比例差最高的50-200只等权构建组合，观察其收益表现，如下图所示。

不同持股数量下各年的收益表现如下表所示。

可以看到，组合的年化收益随着持有股票数量的减少呈现单调递增的趋势，说明分析师上下调比例差在高增速股票中具有显著的区分能力。

分析师认可的成长股组合

从前文可以知道，在高增速的股票池中，分析师认可数量差以及分析师上下调比例差都具有较为显著的选股区分能力。所以本节我们根据这两个指标在高增速股票池中构建具有更强确定性的高成长股票组合。

组合构建流程如下：

• 每年1、4、7、8、10月末取最近2个月内披露业绩预告、正式财报的股票；
• 剔除1、4、7、8、10月末上市未满半年的新股、ST股票、停牌、涨跌停的股票，剔除过去20个交易日日均成交额低于1000万的股票；
• 最新单季度归母净利润同比增速超过50%，剔除去年同期单季度归母净利润绝对值低于500万的股票；
• 剔除有分析师不认可的股票，取高增速的股票中分析师认可数量差最高的Top100只，再取其中分析师上下调比例差最高的Top50只等权构建组合。

构建流程如下图所示。

组合构建方式如下：

• 每年1、4、7、8、10月末的下一个交易日开盘换仓；
• 等权分配权重；
• 交易费用买入0.1%，卖出0.2%。

分析师认可成长股组合的长期表现如下图所示。

可以看到组合长期显著跑赢了中证500指数，组合各年的收益表现如下表所示。

可以看到，组合每年都能跑赢中证500指数，长期年化收益33.41%，相对于中证500指数年化超额收益30%，相对最大回撤-11.33%，信息比2.99。组合年化单边换手3.6倍。

我们在每次调仓时以90%仓位来估算组合在股票和偏股混合型基金中的相对排名情况，见下表所示。可以看到，除了2018年，其他年份组合在股基中都能排在前25%以内，今年以来截止到20210430，组合在股基中排名6.83%。

下图展示了组合各期的单季度净利润同比增速的中位数，各期持仓中单季度净利润同比增速中位数最低为87%，平均值151%，最大值555%。

上面右图展示了各行业股票历史入选次数占比。可以看到基础化工、医药、机械、电子等行业入选次数占比较高，而综合金融、综合、银行、煤炭等行业入选次数占比较低。

我们对两个步骤的选股数量进行敏感性测试，第一步分析师认可数量差选股数量从40-140只，第二步分析师上下调比例差选股数量从20-70只，组合的长期年化超额收益如下图所示。可以看到：

• 随着分析师认可数量差选股数量的减少，组合的超额收益基本呈现单调增加（每一列自下向上收益逐步提升）；
• 随着分析师上下调比例差选股数量的减少，组合的超额收益呈现单调递增（每一行自右向左收益逐步提升）。

组合的年化超额收益随着两步骤选股数量的减少都呈现出单调递增的趋势，说明这两个维度的指标在高增速股票中是稳定有效的。

分析师业绩认可度因子

上文中我们在高增速股票中发现获得分析师认可的股票其未来收益表现较为显著。我们从分析师认可这个维度可以衍生出若干个业绩认可度因子。

业绩认可度因子

这里我们根据盈余公告后分析师研报标题对于股票成长性的文字刻画来度量分析师对于股票业绩的认可，并据此加工四个业绩认可度因子。因子都依赖于分析师是否认可业绩的判断，每期的分析师认可业绩数据构造方式如下：

1. 每月末取过去2个月内发布业绩预告、业绩快报、正式财报的股票样本；
2. 对每个样本取其盈余公告发布后5日内分析师撰写并入库的研报，依照前文中的方式根据研报标题判断分析师认可业绩、不认可业绩或观点中性；
3. 每个机构取最新的观点作为其是否认可股票业绩的取值。

我们构造了业绩认可数量、业绩认可数量占比、业绩认可数量差、业绩认可数量差占比共四个因子。四个因子的IC均值、ICIR及胜率见下表，可以看到四个因子在不同的板块内均具有较为显著的选股能力。

这里我们以业绩认可数量差占比因子为例，展示该因子的选股效果，其他因子的选股效果可见附录。

业绩认可数量差占比

业绩认可数量差占比因子的计算方式为：

认可数量差 = 认可业绩的机构数量-不认可业绩的机构数量

认可数量差占比= 认可数量差/覆盖的机构数量

对其进行市值行业中性化后，我们在全市场中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，因子对于收益分组的单调性总体较好。因子月度IC均值0.038，年化ICIR达到3.36，IC胜率83%。

我们在中证500指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，中证500指数成分股内因子的分组收益非常单调，多头超额较为显著。因子月度IC均值0.035，年化ICIR达到2.04，IC胜率72%。

我们在沪深300指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，沪深300指数成分股内因子对于收益分组的单调性总体较好。因子月度IC均值0.04，年化ICIR达到2.30，IC胜率73%。

业绩认可复合因子的选股能力

上文中我们从分析师对于股票盈余公告业绩的认可情况构建了4个业绩认可度因子，下面我们计算这4个因子的相关性情况，它们的相关系数矩阵如下表所示。

从因子相关系数矩阵可以看到各因子相关系数在0.6到0.9之间。这里我们简单把这4个因子行业市值中性化后等权复合构建业绩认可复合因子。下面我们检验一下业绩认可复合因子的表现。我们在全市场中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，因子对于收益分组的单调性非常好，因子月度IC均值0.052，年化ICIR达到3.78，IC胜率85%。因子月度自相关系数达0.8，衰减较为缓慢。

我们在中证500指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，中证500指数成分股内因子对于收益分组总体单调，并且多头超额非常显著。因子月度IC均值0.044，年化ICIR达到2.42，IC胜率76%。

我们在沪深300指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，沪深300指数成分股内因子对于收益分组的单调性总体较好，多头超额较为显著。因子月度IC均值0.043，年化ICIR达到2.33，IC胜率71%。

可以看到，业绩认可复合因子在不同板块内都有较为显著的选股能力，下面我们计算其与常见的选股因子的相关系数，如下图所示。可以看到，其与常见的选股因子的相关系数均较低，可能能够提供额外的增量收益。

我们将业绩认可复合因子对常见的选股因子进行剥离，取回归后的残差作为提纯后的因子，因子在全市场中的选股能力如下图所示。从十组分档收益可以看到，提纯后的业绩认可复合因子的十组分档收益仍然总体较为单调，并且因子月度IC均值0.029，年化ICIR达到2.33，IC胜率74%，仍然体现出非常显著的选股能力。

业绩认可复合因子的行业轮动能力

前面我们看到，业绩获得分析师认可的股票未来具有较为显著的超额收益，这里我们进一步检验业绩认可度因子在行业上是否也有轮动能力。这里我们通过成分股因子合成行业因子的方式来构造行业轮动因子，因此成分股的因子取值不需要做行业中性化。业绩认可行业轮动因子的构造方式如下：

1. 将四个业绩认可度因子原始取值去极值标准化后先对市值对数回归，对回归的残差去极值标准化后得到四个市值中性的业绩认可度因子；
2. 取市值中性的业绩认可度因子等权相加得到每只股票的复合因子取值；
3. 将截面上所有股票的复合因子转为rank，再以股票的自由流通市值加权得到行业的业绩认可复合因子。

我们每个月将30个中信一级行业按业绩认可复合因子来进行五组分档检验，并计算其月度IC，其表现如下图所示。下图中G1表示因子取值最小的行业组合，G5表示因子取值最大的行业组合。

从分组净值来看，业绩认可度因子确实体现出了较强的行业轮动能力，因子行业轮动月度IC均值0.085，年化ICIR达到1.14，IC胜率65%，多头组合相对于行业等权基准年化超额收益5.88%，多空组合年化收益12.79%。

\

总结

高增速股票的成长困境

我们通常根据净利润同比增速来衡量股票的成长性，然而由于同比增速会面临微利股、除数效应、非经常性损益等多种因素导致其可能产生较大奇异值或失真，导致高增速股票中股票的未来收益并不正比于其业绩增速，单纯以单季度归母净利润同比增速来筛选成长股较为敏感且片面。

分析师认可的成长股

上市公司披露盈余公告后，分析师经常会点评其业绩，这给我们确认其成长性提供了额外的信息。如果上市公司披露盈余公告显示业绩增速高，并且分析师撰写研报也确认了其“业绩大幅增长”且同时上调其预期净利润，那么我们就更加能确认其高成长性。

我们根据盈余公告后分析师研报标题对于业绩的认可与预期净利润的上下调情况来判断分析师对于股票业绩的认可情况，进而在高增速股票池中，以分析师认可数量差、分析师上下调比例差共同选股构建了季频换仓的分析师认可成长股组合，组合每期持仓50只股票，历史年化收益33.41%，相对于中证500指数年化超额收益30%，超额收益显著高于高增速股票组合，且在大部分年份中组合都在股票和偏股混合型基金中排名前25%以内，今年以来截止到20210430在股基中排名6.83%。

分析师业绩认可度因子

我们根据分析师研报标题对于股票业绩的认可数据构建了四个业绩认可度因子，其在全市场、沪深300指数、中证500指数等不同板块中均体现出了较强的选股能力。四因子复合后得到的业绩认可复合因子月度IC均值0.052，年化ICIR达到3.78，IC胜率85%，月频自相关系数0.8衰减较为缓慢。并且其和常见的选股因子相关性较低，剥离常见的选股因子后仍然具有较为显著的选股能力，剥离后月度IC均值0.029，年化ICIR达到2.33，IC胜率74%。

我们将四个业绩认可度因子进行市值中性化并通过成分股权重加权的方式构建了业绩认可行业轮动因子，其同样也体现出较强的行业轮动能力，月度IC均值0.085，年化ICIR达到1.14，分五组后多头组合相对于行业等权基准年化超额收益5.88%，多空组合年化收益12.79%。

\

附录

业绩认可数量

业绩认可数量因子的计算方式较为简单：

认可数量= 认可业绩的机构数量

对其进行市值行业中性化后，我们在全市场中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，因子对于收益分组的单调性非常好。因子月度IC均值0.059，年化ICIR达到3.25，IC胜率80%。

我们在中证500指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，中证500指数成分股内因子对于收益分组的单调性较为显著，多头超额非常显著。因子月度IC均值0.043，年化ICIR达到2.41，IC胜率77%。

我们在沪深300指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，沪深300指数成分股内因子的分组收益总体较为单调。因子月度IC均值0.038，年化ICIR达到1.96，IC胜率74%。

业绩认可数量占比

业绩认可数量占比因子的计算方式为：

认可数量占比= 认可数量/覆盖的机构数量

对其进行市值行业中性化后，我们在全市场中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，因子对于收益分组的单调性总体较好。因子月度IC均值0.051，年化ICIR达到3.61，IC胜率85%。

我们在中证500指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，中证500指数成分股内因子对于收益分组总体单调，因子月度IC均值0.042，年化ICIR达到2.21，IC胜率74%。

我们在沪深300指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，沪深300指数成分股内因子对于收益分组的单调性总体较好，多头超额较为显著。因子月度IC均值0.042，年化ICIR达到2.13，IC胜率71%。

业绩认可数量差

业绩认可数量差因子的计算方式为：

认可数量差= 认可业绩的机构数量-不认可业绩的机构数量

对其进行市值行业中性化后，我们在全市场中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，因子对于收益分组的单调性非常好。因子月度IC均值0.045，年化ICIR达到3.32，IC胜率81%。

我们在中证500指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，中证500指数成分股内因子对于收益分组的单调性较为显著，多头超额非常显著。因子月度IC均值0.038，年化ICIR达到2.18，IC胜率74%。

我们在沪深300指数成分股中计算因子的十组分档超额收益以及月度IC如下图所示。从十组分档收益可以看到，沪深300指数成分股内因子对于收益分组的单调性总体较好，多头超额较为显著。因子月度IC均值0.039，年化ICIR达到1.96，IC胜率74%。