开源证券-开源量化评论-72-：业绩超预期Plus组合2.0：基于预期调整的修正-230303

文本预览：

《开源证券-开源量化评论-72-：业绩超预期Plus组合2.0：基于预期调整的修正-230303（23页）.pdf》由会员分享，可在线阅读，更多相关《开源证券-开源量化评论-72-：业绩超预期Plus组合2.0：基于预期调整的修正-230303（23页）.pdf（23页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从开源证券《开源量化评论（72）：业绩超预期Plus组合2.0：基于预期调整的修正》研报附件原文摘录）
　　超预期计算方式的再修正 　　在《业绩超预期Plus组合的构建》中，我们定义了超预期股票池1.0，其绩效已经较为优异，但不同行业内都存在判断失真的现象，而且偏周期类的行业失真程度更大。为了找到真正超预期的股票池，我们基于分析师行为和交易行为进行修正，得到修正超预期股票池2.0，年化收益率21.99%，信息比率0.84，相比于超预期股票池1.0，绩效确实有明显的提升。 　　超预期后预期调整的变化规律 　　财报往往是分析师改变其年度预期值重要的参考依据，以2022年Q3为例，我们发现：当某只股票发生超预期后，位于财报公告日相近的自然日比如T+10以内，预期均值和预期离差会出现共振上行的趋势，但是在距离财报公告日较远的自然日比如T+30以后往往情况较为复杂。进一步地，我们参照预期均值变动方向和预期离差变动方向进行分阶段测算，结果发现：位于预期均值下降，预期离差上升阶段的股票绩效较差，将该阶段股票从修正超预期股票池2.0剔除后，绩效有进一步提升。 　　超预期plus组合2.0的构建 　　我们在前两部分处理后的股票池内，进行因子分组效果测试。因子大类分为：超预期类、预期调整类、开源金工特色资金流类。对于超预期类，SUE、区间收益OER和JUMP因子的综合因子S_O_J三分组多空信息比率0.88；对于预期调整类，我们使用《盈利预期调整优选组合的构建》中考虑时间、股价跟随性、预测准确度，对分析师加权而改进的预期调整因子，多空信息比率1.18；对于资金流因子，我们使用基于订单簿资金流构造的一系列独家因子：主动买卖、大单残差、小单残差、散户羊群效应，这4个资金流因子合成后多空信息比率1.82。 　　除此之外，景气投资往往偏胜率，近几年来尤其是2022年该类策略产生了较大的波动，能够减小其波动常见的做法即加入偏赔率的指标，最常用的为估值因子。本节将基于超预期、预期调整和估值水平，刻画成长股从萌芽期至成熟期的不同阶段，并分析了估值水平对于超预期池内股票绩效的影响。 　　基于修正超预期股票池2.0，剔除预期均值下降、预期离差上升阶段的股票，再剔除估值过高的股票，最后利用超预期类、预期调整类、资金流类因子优选30只股票，将其命名为超预期Plus组合2.0，全区间的年化收益40.46%，信息比率1.39。相较于1.0而言，除了2016年、2018年、2019年之外，其他年份都是2.0信息比率更为优异。 　　超预期在行业轮动上的应用 　　相较于使用精确数值对行业超预期幅度的计算，这里我们结合超预期以及预期调整规律进行行业内个股赋值，然后将赋值按照市值加权，得到行业超预期因子。其3分组多空对冲的年化收益10.43%，信息比率1.05，具备一定行业轮动能力。 　　风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。