预测EPS同比增速因子分析 [page::3][page::4][page::5]

• 指标定义为（预测下年EPS - 预测当年EPS）/|预测当年EPS|，反映研究员对未来盈利增长的预期。

- 全市场分组收益显示该因子有效，年化收益约9%，行业中性处理后提升至15%，提升超额收益表现。

• 第一组股票走势显示优于上证综指，但2011年后表现趋弱。

预测EPS与实际EPS增长率因子分析 [page::5][page::6][page::7][page::8]

• 指标定义为（预测下年EPS - 过去12个月实际EPS）/|过去12个月实际EPS|，体现预测与实际业绩的偏离。

- 未经行业中性处理时年化收益率为13.1%，行业中性后升至15.7%。

• 因子表现稳定性较好，具备较强的选股能力。

预测PE与预测PEG因子回测表现 [page::7][page::8][page::9]

• 预测PE定义为股票最新价格除以预测EPS，预测PEG为预测PE与预测EPS同比增速的比值。

- 单因子年化超额收益分别达到14.4%（PE）和14.8%（PEG），且回撤较小，表现较为稳定。

• 在沪深300、中证500及中证800指数成分股中进行指数增强实验，效果均良好。

行业预测净利润变化率与行业配置 [page::9][page::10][page::11]

| 时间窗口 | 30天 | 90天 | 180天 |
| -------- | ----- | ----- | ----- |
| Fama-Macbeth T值 | 0.22 | 0.23 | 1.64 |

• 利用行业预测净利润变化率进行行业多空配置，选择前五行业买入，后五行业回避。

- 样本外跟踪（2012年8月至2013年5月）十个月中九个月实现正收益，累计相对收益率达18.6%。

• 高频周度数据分析显示，下年预测数据较当年数据更能稳定捕捉行业表现。

行业预测PE和PEG与行业收益率关系 [page::13]

| 指标 | 30天T值 | 90天T值 | 180天T值 |
|------|---------|---------|----------|
| 行业预测PE | -0.38 | -0.47 | -0.92 |
| 行业预测PEG | -1.04 | -1.24 | -1.23 |

• 行业预测PE与行业收益率关系不显著，主要因不同行业PE基数差异较大。

- 行业预测PEG虽呈现一定反向关系，但受行业估值差异影响，整体不显著。

预测数据与大盘关系分析 [page::14][page::15][page::16]

• 预测净利润通常在年初高于实际值，随时间接近年底逐渐趋同，存在系统性偏离。

- 调整跳跃后，预测净利润和实际数据拟合度大大提升。

• 预测净利润净值差与上证综指相关性显著（T值1.95），预示其作为大盘择时指标的潜力。

结论摘要 [page::17]

• 预测PE和PEG为有效的选股因子，行业中性后预测EPS同比增速及预测EPS与实际EPS增长率因子表现良好。

- 行业配置利用预测净利润变化率完成，样本外验证表现稳健。

• 预测净利润差异指标与大盘走势存在相关性，可辅助大盘择时。

长江证券研究报告深度分析报告

报告元数据与概览

• 报告标题：利用预测数据进行量化投资

- 发布日期：2013年6月26日

• 发布机构：长江证券研究部

- 分析师：范辛亭等

• 研究主题：聚焦“预测数据”在股票量化投资中的应用，包括选股、行业配置及大盘择时的策略与实证分析。

- 核心论点：
- 传统财报数据滞后，无法完全反映市场的前瞻信息，因此使用行业研究员给出的预测数据来指导投资决策更具优势。
- 采用一致的行业研究员预测数据，能更准确反映股票和行业的未来走势，提炼出有效的量化因子实现超额收益。
- 在选股、行业配置和大盘择时三个层面上均验证了预测数据的有效性，相关投资策略表现稳健且有实证支持。

• 无明确评级和目标价，本报告属于专题研究报告，着重数据挖掘和策略探讨。

---

报告结构解读与重点章节分析

一、使用预测数据的意义

• 关键观点：

- 财务报表（季报、半年报、年报）数据滞后，股价往往已提前反映部分信息，投资依赖财报数据有所迟滞。
- 研究员预测数据来源于大量实地调研，结合众多研究员观点形成“一致预测数据”，具有较强参考价值和前瞻性。

• 推理依据：

- 股市为经济的“晴雨表”，价格有前瞻性，基于此，前瞻性数据优于事后数据。
- 一致预测数据避免单一研究员偏差，更加客观，中证总部并非纯粹市场数据，较具实操价值。

---

二、预测数据在选股上的应用

作者选取四种预测因子验证其选股能力：

1. 预测EPS同比增速

- 计算公式： \((预测下一年EPS - 预测当年EPS) / |预测当年EPS| \times 100\%\)
- 图表分析：
- 图1显示将全市场股票按该因子分组后的收益率，趋势清晰，前几组明显优于后组。
- 图2显示第一组股票的超额收益相较大盘显著，但2011年后效果减弱。
- 行业中性处理后（图3、图4），年化收益率由9%提升至15%，说明行业影响剔除后，因子有效性更强。

1. 预测EPS与实际EPS增长率差异

- 计算公式： \((预测下一年EPS - 过去12个月EPS) / |过去12个月EPS| \times 100\%\)
- 图5-8显示该因子处理后表现优异，行业中性化使超额收益提升至15.7%。
- 说明利用预测与实际数据偏差的因子也能捕捉潜在超额收益。

1. 预测PE（预测市盈率）

- 计算公式： \(最新股价 / 预测当年EPS\)
- 图9、图10显示将股票按预测PE分组后，低PE组表现优异， 14.4%的年化收益且回撤较低，效果稳定。
- 该指标也是知名且直观的估值指标，可用于指数增强策略。

1. 预测PEG（市盈率相对盈利增长比率）

- 计算公式： \(预测PE / 预测EPS同比增长率\)
- 图11、图12显示预测PEG的选股效果也明显，年化收益约14.8%。
- PEG作为结合估值和增长的指标，能弥补单纯PE未考虑成长性的不足。

总结： 四个预测数据因子均有效，其中预测EPS同比增速及与实际EPS增长率结合的因子在行业中性处理后表现尤佳，预测PE和PEG单因子策略稳定且收益率高，均明显跑赢上证综指[page::3-9]。

---

三、预测数据在行业配置上的应用

• 研究方法：将个股预测数据综合为行业层面，重点关注预测净利润及相关衍生指标（预测PE、预测PEG）与行业收益率关系。

1. 行业预测净利润变化率与行业走势的关系

- Fama-Macbeth截面检验结果（表1）表明选取180天为时间窗口时T值1.64呈显著正相关。
- 通过构建多因子模型，挑选预测净利润变化率排名前五与后五的行业做多做空，净值表现稳健（图13-14），在样本外测试期（2012.8-2013.5）获得正回报9个月（图15）。
- 周频率测试（图16-17）显示下年预测数据更有效。

1. 行业预测净利润增长率与行业走向

- 使用预测净利润与最新实际净利润对比计算增长率，结果不佳（图18-19），尤其2011年后表现向下。
- 说明预测与实际结合的指标暂时未能形成稳定选行业因子。

1. 行业预测PE与行业走势的关系

- 结果显示行业预测PE与行业收益率无显著相关性（表2），主要由于各行业估值基准差异显著。

1. 行业预测PEG与行业收益率的关系

- 预测PEG同样与行业收益率存在反向但不显著的关系（表3），原因也同样是行业间估值差异。

总结： 行业预测净利润变化率是有效的行业配置因子，其他行业层面的估值指标（如PE、PEG）因行业估值基准差异大，难以直接作为行业选择指标[page::9-13]。

---

四、预测数据与大盘的关系

• 预测数据与实际数据的偏离

- 预测净利润数据普遍在年初高于实际数据，随时间接近年底逐渐趋于一致（图20-26各年分开展示）。
- 存在固定的“预测偏高后逐渐修正”规律，反映预测员对未来有一定乐观预期或估计上的惯性。

• 预测净利润变化率与大盘走势关系

- 合成的预测净利润净值与大盘走势趋势相似，但因预测跳跃调整，部分数据存在平滑处理（图27-28）。
- 下年预测净利润与当年预测净利润差值与上证综指的相关性显著（T值1.95），二者走势存在一定关联（图29）。
- 该差值可视为一种择时指标，反映市场对盈利预期变化程度的敏感性。

总结： 大盘层面，预测数据反映市场整体盈利预期变动趋势，通过偏离分析及净利润变化率差异，能在一定程度指导大盘择时[page::14-16]。

---

五、总结

• 预测数据作为包含前瞻信息的指标，较传统财报数据更能捕捉超额收益机会。

- 股市作为经济晴雨表，利用前瞻的研究员一致预测数据，可有效辅助做出选股、行业配置和大盘择时决策。

• 四大选股因子（预测EPS同比增速、预测EPS与实际EPS差异、预测PE、预测PEG）均表现稳定，超额年化收益达14.4%-15.7%区间。

- 行业层面，利用预测净利润变化率选择行业，样本外验证展现良好收益能力，适合行业配置。

• 大盘择时中，研究发现预测净利润数据偏高问题及预测差值与大盘表现显著相关，具备潜在应用价值。

- 作者强调数据质量和一致性来源，同时提出需进一步探索预测数据与实际财报数据结合的优化路径，显示研究与应用仍有深化空间[page::0,3-17]。

---

图表深度解读

• 图1-4（预测EPS同比增速）：

- 图1、3：分组收益条形图展示不同预测因子分组的收益趋势，顶层组表现突出。行业中性调整后收益率显著提升。
- 图2、4：第一组超额收益与绝对收益随时间变化，尽管近年效果减弱，但整体稳定跑赢大盘。

• 图5-8（预测EPS与实际EPS增长率）：类似于EPS同比增速，行业中性处理后改善显著，表现同样优良。

- 图9-12（预测PE和预测PEG）：估值类指标稳定反映投资价值，低PE、低PEG因子组超额收益明显，且波动较低。

• 图13-17（行业预测净利润变化率与行业收益率）：多时间频率（周/月）、样本内外测试均显示预测净利润变化率能有效区分优质行业并带来超额收益。

- 图18-19（行业预测净利润增长率）：实际与预测结合效果不佳，波动表现下降趋势。

• 表1-3（Fama-Macbeth检验统计）：统计显著仅与行业净利润变化率相关，其他如PE、PEG无显著性。

- 图20-26（预测净利润与实际偏离）：多年度分化趋势清晰反映预测偏高趋势，并逐渐修正。

• 图27-29（预测净利润与大盘走势关系）：净值曲线与大盘同步且净值差值与指数走势相关，支持择时策略探索。

---

估值及模型方法说明

• 报告中未包含到具体企业估值目标价和DCF等估值模型，但大量利用市盈率（PE）、PEG及预测EPS等指标作为估值信号，用历史数据和样本外跟踪验证其预测能力。

- 统计方法以分组回测收益率、Fama-Macbeth截面回归检验因子有效性为主，具有严谨的量化分析支撑。

• 行业合成指标基于个股预测值加权，结合行业指数收益考察相关性，采用月度、周度不同频率做多空回测验证。

---

风险因素评估

• 预测数据存在系统性偏差，年初预测普遍偏高，可能影响模型稳健性。

- 研究员预测数据准确性受限于调研质量和市场环境变动，特别是经济剧烈波动（如2008年金融危机）时预测能力下降。

• 行业估值间差异大，限制了单独用估值指标进行行业配置的效果。

- 未来样本外效果可能受市场结构变化影响，历史表现不代表未来完全适用。

• 报告未具体说明风险缓解措施，但通过行业中性处理、多因素模型设计和样本外跟踪，努力提升模型稳健性。

---

审慎视角与细节

• 报告多次提及11年后部分指标效果减弱，体现出作者对模型局限性的真实认知，没有过度包装模型稳健性。

- 预测数据偏高且逐渐修正的规律暗示投资者需谨慎使用年度早期预测数据，避免盲目信赖。

• 行业维度估值因子未产生显著收益，提示行业间估值差异带来的结构性噪声，是系统性风险一个表现。

- 报告虽强调预测数据的有效性，但也坦诚预测数据与实际数据结合应用仍有不足，显示研究空间和方法提升潜力。

---

结论性综合

长江证券的专题报告“利用预测数据进行量化投资”系统地论证了研究员预测数据在量化投资中的应用价值和实用路径。通过实证检验，预测EPS同比增速、预测EPS与实际EPS增长率差异、预测PE和预测PEG是有效的选股因子，能持续跑赢市场超额收益近15%。行业层面，基于预测净利润变化率的配置策略同样有效，能显著改善行业轮动配置成果。大盘方面，预测数据与实际数据存在一定的系统偏差，但其差值与大盘走势呈现相关性，可作为择时参考信号。综合来看，该报告提供了基于预测数据的多层次量化投资方法框架，凸显了预测数据作为市场前瞻信息的重要作用，具有较强的理论创新和实务指导意义。

图表的深度解析验证了因子选取的科学性和收益表现的稳健性，结合统计测试严格支持了预测净利润变化率等核心因子的有效性。同时，报告也清醒地指出了预测数据偏差及行业估值差异等局限性，提示投资者风险辨识的重要性。整体而言，该报告为利用预测数据辅助投资提供了系统全面的理论及应用验证，适合机构量化投资参考使用[page::0-18]。

---

主要图表示例展示：

图1：预测EPS同比增速分组收益图

描述：该柱状图展示基于预测EPS同比增速将市场股票分为十组后，每组的平均收益表现。明显高增速组收益领先，说明该因子具备选股价值。

图13：行业预测净利润变化率前五行业减去后五行业收益率差

描述：通过选取净利润变化率最高的5个行业减去最低5个行业，收益率差大多数时间为正，验证因子辨别行业优劣能力。

图20：预测净利润与实际净利润的偏离

描述：年度内预测值偏高但逐步调整，实际净利润走势平滑，体现了预测数据偏差的时间动态特征。

图29：预测净利润净值差和大盘的走势关系

描述：净值差异与上证综指走势存在明显相关性，支持预测差值作为大盘择时指标的潜力。

---

总结

本报告通过严谨的数据分析与量化回测，明确证明预测数据在量化投资选股、行业配置及大盘择时方面的应用价值与局限性。采用行业研究员一致预测能有效提升信息质量，是机构投资策略中的重要工具。同时，报告也提醒预测偏差和行业结构因素需重点关注，支持未来研究对预测数据应用的持续改进和优化。

[page::0,1,3-18]

报告