多因子系列报告之二十一：业绩趋势因子，捕捉业绩加速增长的超额收益-20190505-光大证券-22页_2mb

业绩趋势因子：捕捉业绩加速增长的超额收益总结

核心内容

本报告提出将业绩趋势模型因子化，构造业绩趋势因子（EBPT），用于多因子选股体系中，以捕捉业绩加速增长带来的超额收益。该因子基于业绩增长速度与加速度两个维度构建，通过分层打分和数据处理方法，提高因子的预测能力和覆盖度。

主要观点

• 业绩趋势模型：通过业绩增速和加速度筛选业绩加速增长的公司，具有较强的动量效应，历年超额收益稳定，年化超额收益达12.3%。
• 因子化方法：采用分层打分法，将业绩增速和加速度分别进行排序和标准化处理，综合得分作为最终因子值。标准分法在预测能力上优于排序法。
• 数据处理：在业绩数据缺失时，采用填充0或填充前值的方法，以提高因子覆盖率。经测试，填充0的方式在稳定性上更优。
• EBPT因子表现：在全市场中预测能力较强，IC均值为3.88%，IR值为0.81，IC>0比例达81.30%，IC>0.02比例达67.48%。
• 行业与市值中性化：中性化处理后，EBPT因子的预测能力进一步提升，全市场IR值达0.81，中证1000指数IR值达0.77。
• 与其他因子相关性：EBPT因子与成长因子（如NP_Q_YoY）相关性较高，但剥离传统成长因子后，其仍具备较强的预测能力，说明具有一定的增量信息。
• 分组回测结果：在分组回测中，EBPT因子的单调性良好，Group9收益显著高于Group1，年化收益达13.8%，波动率低，夏普比率高。
• 风险提示：业绩趋势因子存在业绩变脸风险，且在市场风格变化时可能失效。

关键信息

业绩趋势模型

• 指标：TTM归母净利润环比增速（业绩增速）、连续N个季度的归母净利润对时间的二次回归系数（业绩加速度）。
• 分组方式：将公司分为3组（业绩增速），再在每组中按加速度分3组，共9组。
• 效果：第9组公司下期业绩增速处于全市场前30%的概率达58.2%，显著优于线性外推模型。

业绩趋势因子（EBPT）

• 计算方式：采用分层打分法，结合业绩增速和加速度指标。
• 数据来源：优先使用定期报告，其次为业绩快报，最后为业绩预告。
• 预测能力：在全市场中，IC均值为3.88%，IR为0.81，IC>0比例达81.30%，IC>0.02比例达67.48%。
• 行业表现：在钢铁、电力设备等周期性行业中表现较好，电子元器件、医药等成长性行业IR较高。
• 市值表现：在中市值范围内预测能力最强，IR达0.55；大市值范围内预测能力较弱，但仍有0.42的IR值。

数据处理与因子优化

• 缺失值填充：采用填充0的方式，可有效提升因子覆盖率。
• 标准化处理：使用横截面Z-score方法对因子进行标准化处理，提升预测稳定性。
• 中性化处理：通过行业和市值中性化处理，提升因子的预测能力与稳定性。

因子有效性与稳定性

• 有效性指标：EBPT因子在剥离传统成长因子后，IC均值为2.40%，IC>0比例达78.86%，IR为0.65。
• 多空组合：以Group9对冲Group1构建的多空组合，年化收益13.8%，年化波动4.6%，夏普比率3.0。

风险提示

• 业绩变脸风险：模型基于历史数据，可能无法准确预测未来业绩变化。
• 市场风格变化：当市场投资者结构变化时，模型可能失效。

结论

EBPT因子在多因子选股体系中具有较强的预测能力和稳定性，尤其在中市值和成长性行业中表现突出。其在剥离传统成长因子后仍具备显著的选股能力，提供增量信息。尽管存在业绩变脸和市场风格变化的风险，但其在历史数据中表现出良好的收益表现，为投资者提供了一种有效的业绩趋势捕捉工具。