• 一致预期相关因子概况及计算方式：因子包含盈利预测、目标价、评级三类，重点考察因子绝对值及环比增长率两类指标。环比增长率因子以“rel”作为后缀，如ConEPSrel代表一致预期EPS环比增长率 [page::4].

- 全市场选股效果：原始一致预期因子中，ConNprofitgrowth、ConPE、ConPEG、ConRR及Conscore的IC均显著异于0，环比增长率因子整体选股效果更佳，尤其是ConPErel和ConPBrel，表现出较强的负相关性和选股能力。环比增长率因子反映当月分析师对公司价值的新信息，更受市场关注 [page::4][page::5].

表 2 一致预期因子全市场分组收益统计（部分）

| 因子 | IC均值 | 低、高因子收益差（月均） | 覆盖率 |
|----------------|---------|--------------------------|----------|
| ConNprofitgrowth | 2.33% | -0.91% | 92.38% |
| ConPE | -3.13% | 0.72% | 92.38% |
| ConRR | 5.71% | -1.61% | 46.11% |

• 正交化处理后因子选股效果显著提升，剔除与传统因子（市值、反转等）相关性后，ConNprofit等因子IC超过7%，表现稳定。环比增长率因子部分受反转因子影响，正交后效果有所下降，但ConEPSrel、ConNprofitrel、ConNprofitgrowthrel等依然显著 [page::6].

- 逐步筛选法筛选出7个有效因子，包括4个常见因子（市值Cap、换手率Turn、波动率Resvol、市值平方Cap^2）和3个一致预期因子（ConPBrel、ConPEG、ConROErel）。去除覆盖率低的因子后，最终六因子模型包括ConPE因子，拟合优度达7.49%。一致预期因子中的ConPBrel与ConPE与股票收益呈现显著负相关关系，表明估值环比增长率较高对应未来收益较差 [page::7][page::8].

• 分行业分析显示，一致预期因子在银行、国防军工、非银金融等大盘行业覆盖率最高（超90%），覆盖率最低为综合行业（约70%）；有效因子数量在机械、医药、电子元器件等股票较多的行业较多，而在煤炭、综合等较少。目标收益因子IC均值高但覆盖率低 [page::8][page::9][page::10].

- 图2 各行业有效一致预期因子分布；图3 环比增长率因子在不同行业表现：

• 银行业和非银金融行业中一致预期因子表现突出，常用选股因子效果不显著。银行行业主要有效因子是ConPE，IC超过10%；非银金融行业有效因子是ConPErel和ConPEG，IC均值分别为6.9%和8.15% [page::10][page::11].

- 银行业选股效果：基于ConPE构建多头-空头组合，月均超额收益1.14%，年化超额15.49%；对比中信银行指数超额月均0.50%，年化超6.84%，且不同选股数量下表现稳定。




表 8 银行业整体收益表现

| 指标 | 年化收益 | 月收益差 | 月胜率 | 最大回撤 | 多头换手率 |
|---------------|-----------|----------|---------|----------|------------|
| 多头-空头 | 15.49% | 1.14% | 52.81% | -7.04% | 21.65% |
| 多头-中信银行指数 | 6.84% | 0.50% | 60.67% | -4.42% | - |

• 非银金融行业表现更佳，基于ConPErel和ConPEG的多头-空头组合月均超额2.26%，年化27.39%，胜率超过60%，选股数量变化对收益表现影响有限。

表 10 非银金融行业整体收益表现

| 指标 | 年化收益 | 月收益差 | 月胜率 | 最大回撤 | 多头换手率 |
|---------------|----------|----------|---------|----------|------------|
| 多头-空头 | 27.39% | 2.26% | 61.80% | -13.37% | 13.56% |
| 多头-中信非银金融指数 | 15.20% | 1.31% | 55.06% | -11.64% | - |

• 风险提示：市场环境变化、投资者偏好转变及数据结构调整均可能影响因子表现稳定性 [page::0][page::17].

深度分析报告解构——《选股因子系列研究（二十一）——分析师一致预期相关因子》

---

一、元数据与报告概览

报告标题： 选股因子系列研究（二十一）——分析师一致预期相关因子
分析师： 冯佳睿、罗蕾
发布机构： 海通证券研究所
发布日期： 2017年6月
主题： 研究分析师一致预期相关因子及其在A股市场尤其银行和非银金融行业的选股效果和投资价值。

核心论点概要：
报告系统性地研究并验证了分析师一致预期相关因子（主要包括盈利预测、目标价、评级等）及其环比增长率指标对个股未来收益的预测能力。结果显示，这些一致预期相关因子在全市场及多数行业均表现出显著的选股价值，特别是在银行和非银金融两个金融行业中，部分一致预期因子的选股效果优于传统因子，能够带来显著的超额收益。报告进一步通过逐步筛选法识别有效因子并构建多因子模型，强调一致预期PB（Price to Book）和PE（Price to Earnings）相关环比增长率因子为关键变量。同时，报告提出风险提示，警示市场环境和数据结构变化可能影响因子表现。[page::0,4,13]

---

二、逐节深度解读

1. 一致预期相关因子及计算方式

• 定义与分类：

报告聚焦三类指标：盈利预测（净利润、EPS及相关同比和复合增长率）、目标价（包括目标收益率）、评级。因子定义详见表1，其中关键指标有ConEPS（预期每股收益）、ConPB（股价与预期净资产比）、ConPE（股价与预期EPS比）等。

• 环比增长率概念：

为反映预期动态变化，引入环比增长率因子（后缀rel表示），以捕捉分析师预期的变化速度和趋势，体现市场信息的时效性。

2. 全市场选股效果

• 原始因子表现（表2、3）：

- 部分因子（如ConNprofitgrowth、ConPE、ConPEG、ConRR、Conscore）在单因子回测中表现显著。
- 目标收益（ConRR）因子IC最高（5.71%），月均多空收益差达1.61%，但覆盖率较低（46.1%）。
- 因子环比增长率整体优于原始因子，反映动态变化更具预测价值。
- 举例ConPErel定义及其经济含义说明其负相关性，市场价格相对于分析师预期的溢价可预测后期股价调整风险。

• 正交因子调整（剔除市值、反转等影响）

- 原始因子中存在与已知因子高度相关导致的误导，例如ConNprofit反映市值效应，正交处理后净利润因子选股表现更为纯粹且显著提升，IC达到7.06%。
- 但环比增长率因子正交后整体效果下降，显示部分因子实际承载反转风格。

• 逐步筛选法构建多因子模型

- 最初筛选7个有效因子（包括4个传统因子和3个一致预期相关因子），模型拟合优度（R²）达到7.72%。
- 出于因子覆盖率考量，去除覆盖度低的因子后，得到6因子模型，拟合优度略降至7.49%，效果仍稳健。
- 回归结果支持ConPBrel、ConPE因子与股票收益负相关，体现“价值低估”带来较好的投资收益。[page::4,5,6,7,8]

3. 因子在行业间的有效性分析

• 覆盖率差异明显

- 一致预期目标价相关因子覆盖率偏低（<50%），盈利预测相关因子覆盖率较高（90%以上）。
- 银行、国防军工、非银金融等大盘行业覆盖率较高，综合行业则较低（约70%）。

• 有效因子数量分布

- 股票数量多的行业（机械、医药、电子元器件）有效因子多，股票少的行业（煤炭、综合、国防军工）相对有限。

• 选股效果显著的因子

- 一致预期PB、PE、PEG及其环比增长率在多数行业表现显著，且与股票收益相关性稳定。
- 目标收益（ConRR）因子虽覆盖低但效果极佳。

• 银行与非银金融行业特殊性

- 传统因子（市值、反转等）在这两行业无显著效力，而一致预期PE（银行）及PErel和PEG（非银金融）因子表现突出，具备较强的收益预测能力。[page::9,10,11]

4. 一致预期因子在银行和非银金融行业的选股实证

• 银行业（ConPE因子）

- 多空组合月均超额收益1.14%（年化15.49%），相较行业指数仍有6.84%的年化优异表现。
- 换手率适中约21.65%，多空组合间收益差异持续稳定，显示策略可复制性强。
- 不同选股数目均保持显著超额收益，表明策略稳健。

• 非银金融行业（ConPErel+ConPEG因子）

- 多空组合月均超额收益2.26%（年化27.39%），胜率超60%，换手率相对较低（13.56%），进一步凸显优质信号的强度和稳定性。
- 相比中信非银金融指数，年化超额收益仍达15.20%。
- 选股数目不同下均保持较强的统计显著性和收益水平。[page::11,12,13]

5. 总结

• 一致预期及其环比增长率指标，在全市场和多数行业显示良好的单因子选股效力，多数因子IC显著非零。

- 覆盖率差异主要集中于目标价相关因子较低，但盈利预测因子覆盖率优异。

• 逐步筛选结果确认ConPBrel和ConPE为优秀代表，与股票后期收益负相关，是多因子的关键组成元素。

- 行业层面，金融板块（银行和非银金融）极其依赖一致预期因子，常规因子在此不灵光。

• 实证结果表明，利用一致预期相关因子构建的投资组合在金融行业带来显著且稳定的超额收益。

- 风险提示包括市场环境变化、投资者偏好调整及数据库结构变动对因子有效性可能带来的影响。[page::0,4,8,9,13,17]

---

三、图表深度解读

1. 图1：逐步筛选过程中拟合优度均值的变化（page 7）

• 描述：展示在逐步添加因子时，全市场模型横截面回归拟合优度的提升趋势。

- 解读趋势：拟合优度从3.01%逐步提高到7.72%，显示随着因子逐步被纳入，解释股票回报的能力明显增强。

• 结论支持：明确有效因子在提升回归模型表现中的增益，验证逐步筛选法的有效性。

- 此图反映了模型构建的渐进增益过程，也暗示了因子组合构建的必要性。

2. 表2、表3：一致预期因子及其环比增长率因子全市场分组收益统计（page 4,5）

• 描述：统计多个一致预期因子的低因子组合和高因子组合的月均超额收益、胜率、IC值、换手率和覆盖率。

- 核心洞察：
- 高IC值因子具有较好的预测能力，如ConNprofitgrowth和ConRR。
- 环比增长率因子普遍优于原始因子，增强了信息的时效性。
- ConPErel呈现负IC，反映估值偏差的逆向投资特性。

• 结论关系：数据支撑报告主要论点，即一致预期因子能够有效预测股票收益，且动态变化信息尤其重要。

3. 表4、表5：一致预期正交因子全市场分组收益统计（page 6）

• 描述：对原始因子剔除传统风格因子影响后，正交因子效果的统计。

- 深度分析：
- 正交处理后部分因子IC大幅提升（如ConNprofit达到7.06%），显示去除市值等混淆因素后，因子本质价值得到体现。
- 但环比增长率因子表现下降，提示其与反转等因子存在重叠。

• 逻辑支持报告对因子纯粹性和独立性的重视。

4. 图5、图6（page 12）及表8、9：银行业因子实际超额收益表现

• 描述：图5显示多头组合净值明显跑赢空头组合，月度多空收益差波动中的正幅度占优；图6则对比多头与中信银行指数表现，持续超越基准。

- 表8呈现年化收益达15.49%，月胜率超过52%，月最大回撤控制在7%以内，换手率合理。

• 表9反映选股数量调整下选股效果依旧稳健，显示策略适用不同规模投资组合。

- 该图表和统计指标具体展示了筛选因子在银行股中的可操作性和投资价值。

5. 图7、图8（page 13）及表10、11：非银金融行业选股效果

• 描述：图7显示非银金融行业多头组合持续强势超过空头组合，图8为相对中信非银金融指数表现。

- 表10显示超额年化收益高达27.39%，月胜率超过61%，且多头换手率更低，风险控制更好。

• 表11不同选股数目影响虽有差异，但整体仍保持较高收益及统计显著性。

- 立体证明该行业一致预期因子组合优异表现及其盈利能力。

---

四、估值分析

本报告未直接展开传统估值方法（如DCF）分析，而是着重于选股因子构建及其异常收益研究，核心估值参考指标为一致预期PB和PE因子。通过因子分组和横截面回归，利用IC和多空收益差来量化因子价值。因子负相关关系体现价值投资逻辑，即低估值及合理增长预期的股票更可能获得超额收益。

逐步筛选法和正交处理确保因子独立性和新增信息贡献，提高多因子模型拟合质量（最高R²约7.7%）。模型敏感性体现在覆盖率变化对因子纳入和拟合度影响，覆盖率低的目标收益因子虽效果好，但限制了其在组合构建的普适性。整体反映的是基于量化因子构建的选股逻辑的估值视角，非传统现金流贴现模型应用。

---

五、风险因素评估

报告指出以下主要风险因素：

• 市场环境变化：宏观经济、政策调控等外部环境波动可能导致因子历史效用下降。

- 投资者行为偏好变化：风格轮动或投资者关注焦点转移可能削弱因子因时效性特征。

• 数据结构变化：朝阳永续数据库的数据覆盖、数据质量或评估方法变动可能影响因子计算及表现。

报告未具体定义缓释策略，但显式提示了因子表现依赖于市场和数据环境的稳定性，呼吁投资者动态评估和及时调整模型参数。[page::0,17]

---

六、批判性视角与细微差别

• 数据覆盖限制：目标价和目标收益因子覆盖率不足50%，可能导致实际投资应用范围受限。

- 因子相关性与风格混淆：环比增长率因子表现受反转因子影响较大，正交处理后效力减弱，提示部分因子可能替代或重复了传统因子风险。

• 模型拟合度有限：最高R²仅约7%，说明虽然因子有效但仍有较大部分收益无法通过此模型解释，暗示存在其他重要未捕获风险或因子。

- 行业异质性：因子在不同板块表现差异大，投资应用需考虑行业特性，金融行业特别依赖一致预期因子，非金融行业需审慎选择。

• 时间跨度较早：样本截止于2017年中，未覆盖近年来市场结构和监管变化，后续验证必要。[page::7,8,17]

---

七、结论性综合

本报告全面系统地验证了分析师一致预期相关因子尤其是盈利预测及估值相关指标（ConPBrel和Con_PE）的全市场及行业层面有效性。环比增长率因子加强了因子的时效性和信息增量，且经过正交化处理，筛选出独立且贡献显著的有效因子。行业分析显示，银行和非银金融行业对一致预期因子的依赖和敏感性显著优于传统因子，实证构建的多空组合在这两大板块均取得优异的超额收益，夹带较高的统计显著性和可操作性。

图1所示逐步筛选过程体现因子逐渐叠加带来的解释力稳步提升；表2至表5详实展现多维因子统计指标的实证支持；图5至图8结合表8至表11具体论证了银行及非银金融行业实际盈利能力；附录表12至表13则丰富了行业维度因子有效性与覆盖度的细节，大幅增强理解全市场多行业的应用深度。

报告整体客观严谨、数据扎实，强调一致预期数据作为投资参考的重要性，建议投资者关注因子动态调整与市场环境变化风险。报告的结论性推荐隐含对一致预期PB和PE相关环比指标的高度认可，特别推荐结合行业特征优化策略以实现长期稳定超额收益。[page::0–17]

---

请参阅以下关键图表，直观感受数据表现：

• 图1：逐步筛选过程中拟合优度变化

• 图5 银行业多头组合相对空头组合收益表现

• 图6 银行业多头组合相对中信银行指数收益表现

• 图7 非银金融行业多头组合相对空头组合收益表现

• 图8 非银金融行业多头组合相对中信非银金融指数收益表现

---

综述

海通证券研究团队通过结构化、量化方法，对分析师一致预期相关因子进行了深度挖掘和实证验证，不仅丰富了中国市场的因子投资理论和实践经验，也为投资者提供了具体可操作的策略工具。特别是，金融行业中一致预期因子的明显优势，为专业投资者提供了重点关注此类因子的强有力论证。

本报告结合多维实证数据和因子构建逻辑，通过严谨的方法论和详尽的数据支持，彰显了一致预期因子在A股投资中的重要角色及其行业差异性表现，具有较高的理论价值和实务指导意义。投资者应根据自身风险偏好和市场环境，灵活应用一致预期因子构建多因子组合，动态监控因子表现和市场风险，才能有效捕捉潜在超额收益。

---

【全文完】
[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

报告