金工专题报告:如何改善一致预期?天风证券_27页_1mb
报告摘要
金融工程:改善一致预期的盈利预测模型
核心内容
本文探讨了分析师一致预期在盈利预测中存在的一些潜在问题,并提出了一套体系化的盈利预测模型——TF盈利预测系统。该系统旨在提供更具可比性、更准确的盈利预测,以辅助投资者决策。
主要观点
- 分析师一致预期的问题:分析师覆盖不足、预测偏差存在乐观倾向、不同分析师之间的预测缺乏可比性。
- 盈利预测模型的可行性:部分公司具有稳定的盈利分布规律,量化模型可有效识别并外推这些规律,从而生成合理的盈利预测。
- TF盈利预测系统:通过三个步骤实现盈利预测:数据获取、模型选择与盈利估计、模型校准。
- TF盈利预测效果:长期来看,TF盈利预测的准确性优于朝阳永续一致预期,且在不同指数成分股中表现更优。
- 衍生指标:基于TF盈利预测构建的预期EP、预期增速、预期ROE因子表现优于基于分析师一致预期构建的因子,具有信息增量。
关键信息
分析师一致预期的潜在问题
-
覆盖率问题
- 2017年之后,分析师覆盖股票数量显著下降。
- 中证800指数成分股分析师覆盖率长期在85%以上,而中证1000指数成分股覆盖率显著降低,2019年平均为67%。
-
乐观性问题
- 分析师普遍倾向于高估盈利,预测偏差中位数长期为正。
- 分析师预测偏差计算公式为:
$$
Bias_{ijt} = \frac{Forecast_{ijt} - Real_{jt}}{|Real_{jt}|}
$$
-
可比性问题
- 不同分析师的预测存在个体差异,且覆盖范围不同,导致一致预期缺乏可比性。
- 例如,公司P由分析师A、B覆盖,公司Q由分析师A覆盖,公司R由分析师B覆盖,即使盈利水平相当,由于覆盖分析师不同,预测结果也会有显著差异。
盈利预测模型的能力圈
- 三层能力圈:预测正常经营公司的盈利、预测业绩波动公司的盈利、预测业绩爆发或暴雷公司的盈利。
- 模型优势:在常规盈利预测中表现稳健,尤其适用于盈利分布稳定的公司。
- 模型劣势:对于业绩剧烈波动的公司,如周期性行业或存在暴雷风险的公司,预测模型难以捕捉拐点或异常变化,需借助分析师的定性信息进行校准。
TF盈利预测系统
- 数据获取:获取公司最新盈利公告及分析师研究报告与盈利预测,优先使用年报、快报、业绩预告。
- 模型选择与盈利估计:
- 模型选择基于两个前提:当年盈利是否正常,历史盈利是否正常。
- 采用多种基础模型,包括比例外推、去年同期、平均增速、前期平均、盈利变化、前期平均盈利变化。
- 模型校准:使用分析师一致预期数据对模型预测进行校准,以修正偏差。
TF盈利预测效果
- 全市场表现:TF盈利预测与实际净利润的相关系数为0.81,朝阳永续为0.74,TF预测更优。
- 中证800成分股:TF盈利预测与实际净利润的相关系数为0.83,朝阳永续为0.79,TF更优。
- 中证1000成分股:TF盈利预测与实际净利润的相关系数为0.71,朝阳永续为0.61,TF优势更加明显。
- 模型优势来源:
- 对于分析师覆盖不足的股票,TF预测显著优于朝阳永续。
- 对于盈利分布稳定的公司,TF预测更准确。
TF盈利预测衍生指标
-
预期EP:定义为 $fep = P_{T,fore} / MV$,其中 $P_{T,fore}$ 为预期净利润,$MV$ 为市值。
- 月度IC均值为0.0685,年化ICIR为3.53。
- 在剥离朝阳永续预期EP后,TF预期EP仍具有显著IC值(0.0544)和ICIR(3.25)。
- 月度多头超额收益为0.62%,高于朝阳永续预期EP的0.50%。
-
预期增速:定义为 $fgrowth = (P_{T,fore} - P_{T-1}) / abs(P_{T-1})$。
- 月度IC均值为0.0302,年化ICIR为1.79。
- 朝阳永续预期增速的IC为0.0019,ICIR为0.15,TF预测显著优于分析师预期。
-
预期ROE:定义为 $froe = P_{T,fore} / BV$,其中 $BV$ 为最新期的归属于母公司的股东权益。
- 月度IC均值为0.0487,年化ICIR为2.17。
- 在剥离朝阳永续预期ROE后,TF预期ROE仍具有显著IC值(0.0461)和ICIR(2.25)。
- 朝阳永续预期ROE在剔除TF预期ROE后,IC均值接近0。
风险提示
- 模型基于历史数据,可能存在因子失效风险。
- 对于业绩剧烈波动的公司,如周期性行业或存在暴雷风险的公司,预测模型难以捕捉拐点或异常变化。
作者信息
- 吴先兴:分析师,SAC执业证书编号:S1110516120001,邮箱:wuxianxing@tfzq.com。
- 韩谨阳:联系人,邮箱:hanjinyang@tfzq.com。
相关报告
- 《基于净利润断层的选股策略》2020-04-13
- 《基于投资者偏好的组合构建》2019-12-06
- 《如何刻画因子对收益的真实预测效果》2019-09-25
- 《市场微观结构探析系列之二:订单簿上的alpha》2019-09-05
- 《机构业绩增强,巨人肩膀上的alpha》2019-07-04
- 《量化排雷指南——从问询函和财务异常说起》2019-06-25
- 《金融工程:和时间赛跑-利用实时财务信息增强组合收益》2019-05-24
- 《金融工程:A股公司治理类因子解析》2019-03-27
- 《金融工程:利用交易型alpha捕获低频模型短期收益》2019-03-18
- 《金融工程:短周期视角下的指数增强策略》2019-02-11
- 《金融工程:股息率因子全解析》2018-12-07
- 《金融工程:基于机构风格追随的业绩增强策略》2018-10-11
- 《金融工程:基本面量化视角下的电子行业选股研究》2018-09-20
- 《基于预期业绩季度化分解的超预期30组合》2018-09-07
- 《金融工程:基本面量化视角下的食品饮料行业选股研究》2018-08-03
- 《金融工程:基于自适应风险控制的指数增强策略》2018-07-05
- 《金融工程:基本面量化视角下的医药行业选股研究》2018-06-15
- 《金融工程:基于基础数据的分析师一致预期指标构建》2018-04-10
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载