分析师预期在行业择时中的实战应用.docx

正文目录 引言 4 个股一致预期数据计算 4 数据清洗 6 数据聚合 7 FTTM 数据计算 7 行业一致预期指标计算 9 分析师一致预期指标在行业轮动中的应用 10 截面上的行业轮动表现 12 时序上的行业择时表现 13 综合策略表现 14 延伸讨论：一致预期与中观数据，孰优孰劣？ 14 5 总结 15 6 风险提示 16 图表目录 图 1： 申万一级行业当季 ROETTM 环比与指数涨跌幅间的秩相关系数 4 图 2： 股票A 一致预期 ROE-FY3 走势 5 图 3： 分析师净利润预测误差随时间跨度变化情况（横轴为月份数） 5 图 4： 贵州茅台季度营收存在明显季节性 8 图 5： 过半数上市公司营收体现出显著季节性规律 8 图 6： 贵州茅台营收 FTTM 同比走势 9 图 7： 不同计算方法下 SW 银行指数一致预期 ROEFTTM 走势 10 图 8： 不同计算方法下 SW 农林牧渔指数一致预期净利润 FTTM 增速走势 10 图 9： 行业一致预期 ROE 与实际 ROE 间的时差相关性 11 图 10： 行业一致预期营收增速与实际营收增速间的时差相关性 11 图 11： 行业一致预期净利润增速与实际净利润增速间的时差相关性 12 图 12： 一致预期净利润增速环比指标回测结果 13 图 13： 一致预期净利润增速指标单行业择时胜率 13 图 14： 策略回测结果 14 图 15： 综合策略回测结果 14 图 16： 基于不同数据源的行业择时胜率 15 表 1： 股票A 部分盈利预测 5 表 2： 股票B 部分盈利预测数据 6 表 3： 筛选出的异常样本大多与实际财报数据偏差较大 6 表 4： 因子回测结果 12 1 引言 行业景气度是我们判断行业投资价值的重要影响因素之一。投资者主要从景气度与估值两个维度出发判断行业的投资价值，因此，对行业景气度的判断是我们研究工作中极为重 要的一环。实际上，若我们能提前对行业景气度变化方向做出准确判断，那么在行业配置上就易于获得显著超额收益。由下图可见，行业的当季 ROETTM 环比与涨跌幅之间长期存在正相关关系，2013 年至今的平均秩相关系数达 0.19。 图1： 申万一级行业当季ROETTM 环比与指数涨跌幅间的秩相关系数 0.6 0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 ， 中观数据无法做到全行业覆盖，分析师一致预期数据可作为有效补充。此前研究中，我们主要基于行业中观数据进行行业景气度刻画，也取得了不错的效果。但是，对于计算机、 传媒等行业而言，其缺乏可供跟踪的高频数据，在我们的现有框架下无法实现景气度判断。因此，为了完善景气度判断框架，我们考虑使用分析师一致预测数据，该数据虽然存在分析师过度乐观等问题，但具有高频可跟踪性，逻辑上也可以反映行业景气度的变化趋势，可作为中观数据不足的有效补充。 个股一致预期数据计算 本文中，我们主要基于 数据库中统计的分析师预期数据进行个股及行业一致预期数据的计算。实际上， 已经提供了其自行加工的分析师一致预期数据，但是，底层数据及算法存在的问题使得其并不适合直接拿来使用： 其一，数据库中的分析师预期底层数据存在部分异常值，使得部分股票的一致预期数据波动剧烈。如下表所示，股票 A 在 2019.4.25 的三条针对 2021 年度的盈利预测中，预测净利润水平相当，但其中一条的预测 ROE 却明显异常，从而导致该股票的一致预期 ROE 指标 在 2019 年 4 月后发生了剧烈波动。 表1： 股票A 部分盈利预测 预测时间 预测年度 预测净利润 预测 ROE 2019/4/25 2021 9.8 0.21 2019/4/25 2021 9.7 0.20 2019/4/25 2021 9.4 -2.33 ， 图2： 股票A 一致预期ROE-FY3 走势 0.3 0.25 0.2 0.15 0.1 0.05 0 -0.05 一致预期ROE-FY3 ， 其二， 将最近 6 个月的预测值等权平均作为一致预期值，忽略了预测误差随时间 扩大的现象。逻辑上，分析师发布报告的时间与财报公布日之间的间隔越短，分析师所能获 知的公开高频数据越多，预测也将越准确。我们统计了分析师报告发布日与财报实际公布日之间相差的月份数，与分析师净利润预测误差中位数之间的关系，可以发现，两者明显正相关，分析师报告发布时间越早，往往预测误差也会越大。 图3： 分析师净利润预测误差随时间跨度变化情况（横轴为月份数） 40% 35% 30% 25% 20% 15% 10% 5% 0% 1 2