量化评论（25）：业绩超预期Plus组合的构建-20210707-开源证券-22页_1mb

金融工程研究团队与业绩超预期Plus组合构建总结

核心内容概述

本文档分析了业绩预告、业绩快报及定期报告在A股市场中的表现差异，并探讨了基于这些数据构建“业绩超预期Plus”投资组合的可行性。研究团队通过多种因子进行选股测试，包括标准化预期外盈余（SUE）因子、预期外百分比（PCT）因子、超预期跳空因子（JUMP）、理想反转因子及大小单残差因子，最终构建出一个具有显著超额收益能力的投资组合——超预期30组合。

主要观点

1. 业绩预告、业绩快报与定期报告的披露节奏与数量

• 业绩预告最早发布，其披露数量在2019年前呈现波动上升趋势，后因监管放松有所下降。
• 业绩快报集中在中报和年报期间，以年报为主。
• 定期报告发布数量逐年稳定上升，是投资者了解公司全面经营状况的主要方式。
• 三类财报在不同月份集中发布，研究团队采用前向填充方法保证样本池的稳定性。

2. 分析师一致预期数据的覆盖率与alpha特征

• 沪深300成分股分析师覆盖度保持在90%以上，中证500成分股在70%~90%之间波动。
• 全市场个股分析师覆盖率自2016年Q3以来显著下滑，从75%下降至不足50%。
• 业绩超预期判断基于分析师一致预期归母净利润与实际财报数据的对比。

3. 不同报告类型对超额收益的影响

• 业绩预告因其时效性高，表现最好，多头年化收益率为26.43%，夏普比率为0.81。
• 定期报告因数据完整但时效性差，表现次之。
• 多报告融合后，虽多头收益略有下降，但多空对冲表现显著改善，夏普比率达到3.46。

4. 超预期股票池的增强策略

• 超预期个股在分析师覆盖股票池中占比大约为30%~40%，2021年一季度因低基数大幅上升至60%。
• 多因子筛选策略提升了组合表现，包括SUE、OER、JUMP、理想反转、小单残差等。
• 超预期30组合在测试期内表现强劲，多头年化收益率达43.13%，夏普比率为1.53，月度胜率约70%。

关键信息

1. 业绩超预期的判断标准

• 业绩超预期指上市公司发布的财报数据超过最新一期分析师一致预期归母净利润的均值。

2. 因子表现分析

• SUE因子：在超预期股票池内仍具有良好的分层效果，多头年化收益率为21.56%，夏普比率为0.72，多空对冲夏普比率达到3.46。
• PCT因子：在超预期股票池内表现较弱，分组收益单调，但多空对冲夏普比率为2.68。
• OER因子：在超预期股票池中表现出动量效应和反转效应，2017年后具有稳定超额收益。
• JUMP因子：在超预期股票池内具有多头区分能力，回测显示其表现优异。
• 理想反转因子：在超预期股票池中具有显著分层能力，表现稳定。
• 大小单残差因子：小单残差因子在超预期股票池内具有更显著的多空区分度。

3. 超预期30组合表现

• 多头收益：年化收益率为43.13%，夏普比率为1.53，月度胜率约70%。
• 对冲收益：年化收益率为31.08%，夏普比率为3.6，月度胜率超80%。
• 持仓个股数量越少，组合净值越高，因此推荐30只股票作为最终持仓。

4. 数据预处理与因子构建

• 数据口径一致化：确保财务报告与分析师一致预期数据可比。
• 因子数据标准化：消除净利润量级差异对结果的影响。
• 调仓日期定期化：采用每月最后一个交易日进行调仓。
• 避免前视偏差：确保策略构建时不使用未来信息。

5. 分析师一致预期数据调整方式

• 年度数据转成逐季累加模式：通过计算预期全年净利润增长率并应用至季度数据，但存在偏差。
• 年度数据转成单季度模式：基于季度数据进行调整，但仍存在与逐季累加模式相同的问题。
• 实例对比：沪电股份在两种转换方式下均显示业绩超预期，但数值存在差异。

风险提示

• 模型测试基于历史数据，未来市场可能发生变化。
• 投资者需注意研报适用范围，仅适用于专业投资者及风险承受能力为C3、C4、C5的普通投资者。

附录信息

• 分析师覆盖个股不同类型财报集中披露期：不同月份有不同集中披露期，研究团队采用前向填充保证样本池的完整性。
• 分析师承诺：研究团队保证报告内容真实反映个人观点，与报酬无直接或间接关系。
• 投资评级说明：报告采用相对评级体系，投资者应结合自身情况做出决策。

图表说明

• 图1：业绩预告、业绩快报和定期报告每期财报发布数量差异显著。
• 图2：分析师一致预期归母净利润覆盖率2017年以来明显下滑。
• 图3：业绩预告发布前后累积超额收益表现最佳。
• 图4：业绩预告SUE因子表现亮眼，多头收益显著。
• 图5：定期报告SUE因子分组收益单调，多空对冲走势稳健。
• 图6：多报告融合SUE因子多空对冲夏普比率高达3.46。
• 图7：业绩预告PCT因子分层效果优异。
• 图8：定期报告PCT因子多头组区分度有所下滑。
• 图9：多报告融合PCT因子多空对冲夏普比率为2.68。
• 图10：超预期个股占比在2020年三季度以来增长明显。
• 图11：超预期样本池内个股表现优于中证500指数。
• 图12：SUE因子在超预期股票池内仍具有分层效果。
• 图13：PCT因子在超预期股票池内多头组分层效果下滑。
• 图14：OER因子在超预期股票池内表现出动量与反转效应。
• 图15：2017年后，OER因子在超预期股票池中具有稳定超额收益。
• 图16：不同业绩报表超预期跳空前后的超额累积收益率表现不一。
• 图17：业绩预告超预期跳空选股效果最佳。
• 图18：JUMP因子在超预期股票池内具有多头区分能力。
• 图19：理想反转因子在超预期股票池内表现优异，测试期内超额收益稳定。
• 图20：大单残差因子在超预期股票池内具有空头区分度。
• 图21：小单残差因子在超预期股票池内多空区分度显著。
• 图22：非国企在超预期样本池内表现优于国企。
• 图23：持仓个股数量越少，超预期Plus组合净值越高。
• 图24：超预期30组合历史表现惊艳，具有显著且稳定的超额收益。

表格说明

• 表1：分析师覆盖个股不同类型财报集中披露期位于不同的月份。
• 表2：超预期30组合分年度绩效。
• 表3：超预期30组合最新明细（20210630）。
• 表4：分析师一致预期数据的不同转换方式结果比较。

总结

本研究构建了基于业绩超预期的“超预期Plus”组合，通过多因子筛选策略，提升了组合的超额收益能力。超预期股票池在不同时间段表现出显著的收益差异，尤其在2021年一季度因低基数而大幅上升。研究团队通过数据预处理、因子标准化、调仓日期定期化和避免前视偏差，确保了模型的可靠性。最终构建的超预期30组合在测试期内表现优异，具有显著且稳定的超额收益。然而，模型测试基于历史数据，未来市场可能出现变化，投资者需谨慎对待。