20150408-广发证券-多因子Alpha系列报告之（二十二）-一致预期指标构建及其在因子选股中的应用_22页_1mb

一致预期指标构建及其在因子选股中的应用总结

核心内容

本报告探讨了基于分析师一致预期数据构建的选股因子在量化投资中的应用。分析师预期数据相比历史数据更具有前瞻性，能够反映市场对公司未来业绩与估值的判断，从而在因子选股中表现出更高的Alpha。广发证券通过Wind底层数据库中的分析师报告数据，构建了广发一致预期净利润指标，并据此衍生出多个因子，用于选股策略。

主要观点

• 一致预期数据的重要性：由于定期财报数据滞后且不定期公告信息格式不统一，分析师一致预期数据成为重要的Alpha来源。分析师报告中的盈利预测具有规范性，且能反映公司未来业绩。
• 广发一致预期指标构建方法：广发一致预期指标基于三个维度进行加权，包括分析师历史预测准确度、推荐影响力以及报告时效性。相比等权一致预期指标，广发一致预期指标在胜率上表现更优，约为65%。
• 衍生因子的应用效果：
  • EP_GFCE_FY1（预期估值因子）：在沪深300和中证800对冲后，年化复合收益达26.09%和24.26%，信息比率分别为2.01和2.05，表现稳定，且月度回撤控制在3%以内。
  • EG_GFCE_FY0（历史成长因子）：在沪深300对冲后，年化复合收益达15.69%，信息比率0.82，IC胜率49.0%，表现中等。
  • EarningRev_GFCE（盈利调整因子）：年化复合收益达9.79%，月度IC胜率67.7%，对正向Alpha驱动能力强。
  • CEBias_GFCE（一致预期偏离因子）：年化复合收益达5.68%，月度IC胜率65.6%，有效反映分析师预期差异带来的Alpha。
• 四因子组合表现：由EP_GFCE_FY1、EG_GFCE_FY0、EarningRev_GFCE和CEBias_GFCE构建的四因子组合，对冲沪深300后年化复合收益为20.63%，信息比率1.61；对冲中证800后年化复合收益为19.48%，信息比率2.12，最大回撤为8.06%。组合表现出较好的收益和稳定性，但需注意2014年回撤较大。

关键信息

一、一致预期数据来源与处理

• 数据来源为Wind底层数据库中2007年后的分析师“公司研究”报告。
• 报告数据处理方式：使用最新可得数据，若正式报告未发布则使用业绩快报，若均未发布则使用一致预期数据。
• 数据质量：2014年A股市场约75%的股票有分析师覆盖，覆盖人数较多，为一致预期指标的准确性提供了保障。

二、广发一致预期指标构建步骤

1. 筛选报告：取最近180天内所有分析师的报告。
2. 选择最新预测：对同一分析师的多篇报告，仅取最新一篇。
3. 加权计算：综合分析师历史预测准确度、市场反应影响力和报告时效性进行加权，计算加权平均值。

三、因子定义与分类

四、因子效果统计

五、因子相关性

• 四因子之间的IC相关性较低，具有较好的组合效果。
• EP_GFCE_FY1与EP_TTM的IC相关性约为68%，而EG_GFCE_FY0与其它因子的IC相关性较小，说明其具备独立的Alpha贡献。

六、四因子组合表现

结论

基于分析师一致预期数据构建的因子在选股策略中表现出优于传统历史因子的Alpha能力。通过综合使用多个低相关性因子，可有效提升组合的收益和稳定性。未来仍需进一步优化分析师评价体系，提高核心分析师权重，并探索对覆盖不足股票的建模方法，以提升因子的全面性和前瞻性。