20220403-国盛证券-投资策略专题_分析师如何帮我们预测经济_战胜市场__17页_1mb

投资策略专题总结

核心内容

本专题围绕分析师预测修正指标（MAF），探讨其在预测经济和战胜市场中的应用。MAF指标基于分析师对盈利预测的调整行为，通过计算盈利上调与下调的占比构建而成，具有更优的预测效果和投资价值。

主要观点

1. 分析师预测的正确打开方式

• 盈利预期差比具体数值更重要：分析师上调或下调盈利预测的行为反映了其对基本面变化的判断，而非单纯预测数值。
• MAF指标构建方式：
  $$
  \text{分析师预测修正指标} (\mathrm{MAF}) = \frac{1 + \text{盈利上调占比}}{1 + \text{盈利下调占比}}
  $$
• MAF指标周期性与一致性：
  • MAF(YoY, 6MA)呈现以40个月为周期的波动。
  • 与我国库存周期、A股盈利周期基本一致，其拐点领先实际盈利周期约9个月。

2. 分析师预测如何帮助我们预测经济

• 实体经济与通胀预测：
  • MAF(YoY, 6MA)指标与经济系统趋势一致，拐点滞后于货币条件，略微领先于信用条件。
  • MAF(YoY, 6MA)可有效前瞻经济景气度（PMI）1个月左右，可有效前瞻通胀（PPI）6个月左右。
• 与宏观传导机制的关系：
  • 在“货币→信用→实体”框架中，MAF指标作为信用与实体之间的中介，具有一定的前瞻性。

3. 分析师预测如何帮助我们战胜市场

3.1 个股组合构建

• 筛选标准：
  • 选择近2个月内分析师上调占比在90%以上的个股。
  • 排除下调次数为0的个股。
  • 覆盖分析师数量大于5家，若不足则放宽至2家且上调占比50%以上。
• 组合表现：
  • “20组合”年化收益达16.61%，超额收益稳定。
  • “40组合”年化收益达15.94%，回撤相对较小。
  • 通过行业筛选强化后，“20组合”年化收益进一步提升至22.92%，显著高于未增强组合。

3.2 行业组合构建

• 筛选标准：
  • 选择近2个月内MAF值高于1.1的行业。
  • 若行业不足则补充上月涨幅靠前的行业。
• 组合表现：
  • 前三、前五、前七行业组合年化收益均在12%以上。
  • 通过“基本面+动量”优化后，年化收益稳定在10%以上，最大回撤显著降低。

3.3 不同大类风格内部的择时效果

• 风格表现：
  • 科技与中游制造板块具有显著超额收益。
  • 消费与大金融板块择时效果不明显。
• 组合收益：
  • 科技板块年化收益可达14.11%。
  • 中游制造板块年化收益可达11.24%。

3.4 满仓行业轮动策略——先风格，后行业

• 策略逻辑：
  • 先选择分析师预测修正指标（MAF）最大的前2类风格。
  • 在风格下选择MAF值最高的行业，实现满仓轮动。
• 组合表现：
  • 年化收益达9.71%，超额收益显著。

3.5 如何优化行业组合的回撤？——分析师预测+动量

• 优化方法：
  • 加入动量因子，筛选上月涨幅>0的行业。
  • 结合基本面指标（MAF>1）与动量效应，优化行业组合。
• 优化效果：
  • 2016年以来，最大回撤控制在-30%以内。
  • 回撤较单独MAF指标降低10%以上。

3.6 提升个股组合超额收益至20%——经行业筛选强化

• 策略逻辑：
  • 在行业增强的基础上，进一步筛选个股。
  • 通过“基本面+动量”前三行业组合强化个股选择。
• 组合表现：
  • 经过行业增强后，个股组合年化收益可达22.92%。
  • 相较未增强组合，年化收益提升6%以上。

关键信息

当前行业与组合推荐（截至2022年4月）

• MAF行业组合：
  • 煤炭、有色、银行、医药、通信。
• MAF+动量行业组合：
  • 煤炭、医药、农林牧渔。
• 大类风格：
  • 行业风格指向上游资源与消费。

分析师预测20组合股票名单（2022年4月持仓）

风险提示

1. 统计偏差：统计方法不同可能导致结果微调。
2. 市场环境超预期变化：包括政策变化、疫情扩散、海外流动性变化等。
3. 历史经验失效：历史数据可能因环境变化、政策干预等因素失效。

结论

分析师预测修正指标（MAF）在预测经济和战胜市场方面具有显著效果。其作为盈利预期的边际变化指标，能有效识别经济周期和行业轮动，适用于构建个股与行业投资组合。通过“基本面+动量”优化策略，可进一步提升收益并控制回撤。当前推荐行业包括煤炭、有色、银行、医药、通信，以及煤炭、医药、农林牧渔。