剥离分析师预期调整中的动量效应与真知灼见因子构建.docxVIP

正文目录 引言 4 分析师类因子构建及测试 5 分析师一致预期调整幅度（CAFR）因子构建及测试 5 分析师预期调整因子（AFR）构建及测试 7 分析师预期调整因子（AFR）构建逻辑分析 10 分析师预期调整事件分析 11 真知灼见因子（PAFR）构建及测试 12 真知灼见组合构建 16 4 总结 19 5 风险提示 19 图表目录 图表 1: 分析师每月报告数量（FY2 年） 4 图表 2: 回看窗口为 3 个月的分析师股票覆盖率 4 图表 3: 因子回测框架简介 5 图表 4: 分析师一致预期类因子回测结果（市值中性化） 5 图表 5: 分析师一致预期修正因子多空净值(FY2,90 天平均值) 6 图表 6: 分析师一致预期修正因子最大回撤时间段(FY2,90 天平均值) 7 图表 7: 分析师一致预期修正因子全时间段 IC 热力图(FY2,90 天平均值) 7 图表 8: AFR 因子十分组年化超额收益率 8 图表 9: AFR 因子 IC 统计 8 图表 10: AFR 因子全时间段累积净值（2012-2023.5） 8 图表 11: AFR 不同行业内 IC 均值（2012-2023.5） 9 图表 12: AFR 因子全时间段 IC 表现（2012-2023.5） 9 图表 13: AFR 因子多空累积净值和 CAFR 多空累积净值比较 10 图表 14: AFR 因子构建时间轴 10 图表 15: AFR 因子事件收益分析图 11 图表 16: AFR 因子与相关动量相关系数热力图 11 图表 17: AFR 因子全时间段 IC 表现（2012-2023.5，市值中性化） 12 图表 18: PAFR 因子与 AFR 因子十分组收益比较（市值、行业中性化） 12 图表 19: PAFR 因子与 AFR 因子在不同行业内 IC 比较 13 图表 20: PAFR 因子与 AFR 因子多空净值比较（市值中性化） 14 图表 21: PAFR 因子与 AFR 因子相对净值回撤 Top5 阶段 14 图表 22: PAFR 因子全时间分组回测累积净值（市值、行业中性化） 15 图表 23: PAFR 因子全时间段 IC 热力图(FY2,90 天平均值) 15 图表 24: PAFR 因子在不同样本空间下的选股表现（市值中性化） 16 图表 25: PAFR 因子与常见大类因子相关性 16 图表 26: 真知灼见组合累积净值表现 17 图表 27: 真知灼见组合收益指标 17 图表 28: 真知灼见组合月收益率热力图 17 图表 29: 真知灼见组合年度表现 18 图表 30: 真知灼见组合平均市值（单位：亿元） 18 引言 资本市场的卖方分析师，就像拥有“深度视野”的探路者一样，通过自己的专业知识和行业经验，帮助投资者理解上市公司的运营现状和市场动态。分析师的专业意见不仅是投资者决策的重要参考，也是市场上理解公司动态和预测市场走势的重要途径。通过参考分析师的观点，投资者能够构建出以分析师数据为基础的投资策略，在过去的十年间，这种策略一直能够稳定产生显著的alpha，具体原因如下： 分析师通过对公开信息的专业解读，可以及时把握上市公司的最新状况。公开信息可能涉及公司的财务报表、市场策略、产品线、管理团队等，这些都是投资决策的重要参考因素。通过这些信息，分析师可以迅速理解公司的财务状况、运营效率、市场竞争力等，及时调整对未来业绩的预测，从而为投资决策提供及时和准确的数据支持。 分析师拥有丰富的行业经验和专业知识，能够判断行业周期、察觉公司基本面可能发生的变化。这种预见能力在一些重大事件（例如业绩变动、并购、重组、股权变动等）的发生时尤为重要，能够帮助投资者提前理解这些事件对公司以及市场的可能影响，从而做出明智的投资决策。 总的来说，尽管分析师类因子的有效性近期有所下降，但其在投资决策中的作用依然不可忽视。本文中我们将继续深入研究分析师类因子，以期为投资者提供更为精准的投资建议。 图表1:分析师每月报告数量（FY2 年） 图表2:回看窗口为 3 个月的分析师股票覆盖率 资料来源： ， 资料来源： ， 如图 1 所示，全市场分析师每月发布研报的数量呈现出持续增长的趋势，同时表现出显著的月份效应。每年的 3 月、4 月、8 月和 10 月的研报数量明显增多，这主要是因为上市公司在这些特定时间点发布相关财报，分析师可以进一步对财报信息发布点评或更新业绩预测。 如图 2 所示，在将回看时间窗口设置为三个月的情况下，分析师对股票的覆盖比例始终保持在较为稳定的水平。近年来虽然研究报告的数量持续增长，但同时市场上股票的数量也在同步扩增，因此分析师对股票的覆盖程度整体保持相对稳定。 分析师类因子构建及测试