量化组合研究：机构覆盖度分域下的选股研究-20220217-西部证券-23页_1mb

机构覆盖度分域下的选股研究总结

核心内容概述

本报告探讨了不同机构覆盖度下的股票表现差异，以及在不同机构覆盖域内因子选股效果的变化。通过将股票分为高机构覆盖域和低机构覆盖域，研究发现因子在不同域内的选股效果存在显著差异，且分域选股策略在整体表现上优于不分域选股策略。

主要观点

• 机构覆盖度与市场风格变化：2019和2020年，高机构覆盖度股票表现优异；2021年春节后，低机构覆盖度股票表现突出，说明市场风格发生了变化。
• 因子表现差异：低机构覆盖域内的Size、Reverse、Liquidity因子表现优于高机构覆盖域；而高机构覆盖域内的AFR、SUER和Liquidity因子表现更优。
• 分域选股效果：分域选股组合在2010/12/31~2021/12/31回测期间，年化超额收益为 $12.23%$，信息比率为3.10，优于不分域组合的 $9.68%$ 和2.15。
• 因子有效性：SUER因子在中证500和中证1000的低机构覆盖域表现尤为突出，而AFR因子在高机构覆盖域表现较好。

关键信息

机构覆盖度划分

根据过去180天内有盈利预测覆盖的机构数量，将股票分为四类：

• 无机构覆盖（A类）
• 覆盖机构数大于等于1但小于5（B类）
• 覆盖机构数大于等于5但小于10（C类）
• 覆盖机构数大于等于10（D类）

因子定义

AFR因子计算公式

$$
A F R = \frac {U - D}{T} + \frac {T}{1 0 0 0 0}
$$

• $U$：盈利预测下调的分析师数量
• $D$：盈利预测上调的分析师数量
• $T$：过去一年内有盈利预测的分析师数量

SUER因子计算公式

$$
S U E = \frac {\left(E _ {t} - E \left(E _ {t}\right)\right)}{\sigma \left(E _ {t} - E \left(E _ {t}\right)\right)}
$$

• $E_t$：财报中单季度的实际净利润
• $E(E_t)$：财报披露前的预期净利润
• $\sigma (E_t - E(E_t))$：未预期净利润的标准差

$$
S U R = \frac {\left(R _ {t} - E \left(R _ {t}\right)\right)}{\sigma \left(R _ {t} - E \left(R _ {t}\right)\right)}
$$

• $R_t$：财报中单季度的实际营业收入
• $E(R_t)$：财报披露前的预期营业收入
• $\sigma (R_t - E(R_t))$：未预期营业收入的标准差

分域选股表现

中证500

• 高机构覆盖域：使用AFR、SUER和Liquidity因子，年化超额收益为 $11.67%$，信息比率为2.09。
• 低机构覆盖域：使用Size、Reverse、Liquidity和SUER因子，年化超额收益为 $10.76%$，信息比率为2.09。
• 分域组合：年化超额收益为 $12.23%$，信息比率为3.10，优于不分域组合的 $9.68%$ 和2.15。

中证1000

• 高机构覆盖域：使用AFR和SUER因子，年化超额收益为 $10.57%$，信息比率为1.31。
• 低机构覆盖域：使用Size、Reverse、Liquidity和SUER因子，年化超额收益为 $22.83%$，信息比率为4.03。
• 分域组合：年化超额收益为 $19.27%$，信息比率为4.09，优于不分域组合的 $15.72%$ 和2.15。

风险提示

• 本报告结果基于历史数据，未来市场结构变化可能导致因子选股逻辑失效。
• 新股发行及分析师对低关注度股票的挖掘可能影响机构覆盖域的结构，从而影响因子效果。

结论

分域选股策略在不同市场风格下表现出更强的适应性，尤其是在低机构覆盖域中，Size、Reverse、Liquidity和SUER因子具有显著的超额收益能力。而高机构覆盖域则更适合使用AFR、SUER和Liquidity因子。整体来看，分域选股策略在2010/12/31~2021/12/31期间表现优于不分域策略，年化超额收益提升2.55个百分点。