分析师预期准确度对预期变化与超预期因子影响分析

张立宁SAC NO：S1120520070006杨国平SAC NO：S1120520070002丁睿雯SAC NO：S1120523040002 2023年9月9日 目录 （一）分析师预期相对于时间序列模型的准确度 （二）时间跨度对于分析师预期准确度的影响 （三）分析师覆盖对于分析师预期准确度的影响 （四）预期变化幅度对于分析师预期准确度的影响 （五）历史准确度对于分析师预期准确度的影响 （六）板块分类对于分析师预期准确度的影响 1.分析师预期相对于时间序列模型的准确度 •随机漫步(Random walk)是应用最广泛的时间序列模型之一，它认为在已知历史数据的情况下，时间序列下一周期值的变化是随机且无法被预测的，其公式为：2=𝜎2 𝑥𝑡=𝑥𝑡−1+𝜀𝑡，𝐸𝜀t=0，𝐸𝜀t，Cov𝜀𝑡,𝜀𝑠=0ift≠𝑠 •若将随机漫步模型应用于上市公司财务数据的时间序列，则认为该上市公司基本面状况无法被准确预测 •分析师预测指标表现了分析师对于上市公司未来基本面的度量，将分析师预期误差与随机漫步误差进行比较可以得知分析师预期的准确度。通过将分析师预期相对于真实财报数据的误差绝对值与财报同比变化绝对值相减，再除以财报公布日当天总市值以标准化，可以构建分析师预期准确度指标，公式如下：𝑅ea𝑙−𝑅ea𝑙t−𝑃𝑟𝑖𝑑𝑖𝑐𝑡t−𝑅ea𝑙 分析师预期准确度=t−1t𝑀𝑉𝑡 •根据以下维度探究影响分析师预期准确度的因素： 1.时间跨度：分析师FY1、FY2、FY3的预测准确度可能不尽相同2.分析师覆盖机构家数3.分析师调整幅度4.分析师预期历史准确度5.行业板块维度…… 目录 （一）分析师预期相对于时间序列模型的准确度 （二）时间跨度对于分析师预期准确度的影响 （三）分析师覆盖对于分析师预期准确度的影响 （四）预期变化幅度对于分析师预期准确度的影响 （五）历史准确度对于分析师预期准确度的影响 （六）板块分类对于分析师预期准确度的影响 2.时间跨度对于分析师预期准确度的影响 本节探究分析师预期FY1、FY2、FY3的准确度。 统计时间区间为2012年至2023年4月，统计范围为全市场过去3个月中有分析师覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。 以每年4月底年报公布为界线，4月底之前以去年年报预测值为FY1,本年年报为FY2，次年年报为FY3，并以当月距离财报公布月的时间长度作为时间跨度。例如，2023年1月，则以2022年度预测为FY1(时间跨度为3个月)、2023年度预测为FY2(时间跨度为15个月)、2024年度预测为FY3(时间跨度为27个月)。 4月底之后以本年年报预测值为FY1，以此类推。例如，2023年9月，则以2023年度预测为FY1(时间跨度为7个月)、2024年度预测为FY2 (时间跨度为19个月)，2025年度预测为FY3 (时间跨度为31个月)。 将2012年至2023年4月所有数据按时间跨度归类，同一时间跨度不同期分析师预期准确度取均值，并以“分析师预期准确度均值>0”为原假设进行假设检验，将p-value<0.025的数据标红，即显著拒绝原假设，意味着这一时间跨度的分析师预期不如随机漫步准确。 2.1覆盖度统计 每月底计算过去三个月中证全指成分股中有分析师预期净利润数据的股票数量，分别统计有FY1、FY2、FY3预期的股票数量及市值覆盖度。 FY1预测和FY2预测覆盖度略高于FY3预测。 当前中证全指内分析师预期股票数量覆盖度约为60%，市值覆盖度约为85%。 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 2.2时间跨度对于分析师预期准确度的影响 探究分析师预期FY1、FY2、FY3的准确度。统计时间区间为2012年至2023年4月，统计范围为全市场过去3个月中有分析师覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。 下图以月度和年度平均的形式呈现了分析师预期归母净利润相对于随机漫步准确度的时间序列数据。准确度存在较强的季节效应，即年报公布后(每年5月)分析师预测准确度最低，随着年报公布时间临近，预期准确度提升。 2021年以来，分析师预期FY1准确度年平均值呈上升趋势。 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 2.2时间跨度对于分析师预期准确度的影响 2012年至2023年4月，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。将同一时间跨度的股票准确度汇总并取均值，以“分析师预期准确度均值>0”为原假设进行假设检验。 下表统计了各个时间跨度分析师预期净利润相对于随机漫步的准确度均值，以及假设检验的p-value值，FY1、FY2、FY3的准确度依次递减，FY2和FY3相对于随机漫步基本无效。 2.2时间跨度对于分析师预期准确度的影响 根据营业收入计算分析师预期相对于随机漫步的准确度，准确度同样根据时间跨度的增加而递减。 目录 （一）分析师预期相对于时间序列模型的准确度 （二）时间跨度对于分析师预期准确度的影响 （三）分析师覆盖对于分析师预期准确度的影响 （四）预期变化幅度对于分析师预期准确度的影响 （五）历史准确度对于分析师预期准确度的影响 （六）板块分类对于分析师预期准确度的影响 3.1分析师覆盖对于分析师预期准确度的影响 本节探究分析师覆盖对于预期准确度的影响。随着分析师覆盖度的提升，上市公司信息挖掘更为深入，分析师一致预期可能更为准确。 统计时间区间为2012年至2023年4月，统计范围为全市场过去三个月中有3家或3家以上机构覆盖的股票，每月底取过去三个月中分析师预期指标均值作为市场一致预期，再结合真实财务数据构建分析师预期准确度指标。 下表统计了分析师预期净利润(覆盖3家及以上)相对于随机漫步的准确度，准确度均值相较于全市场提升，时间跨度超过15个月则预期净利润准确度不如随机漫步。 3.1分析师覆盖对于分析师预期准确度的影响 根据营业收入计算分析师预期相对于随机漫步的准确度，统计范围为全市场过去三个月中有3家及以上机构覆盖的股票，准确度均值相较于全市场大幅提升，准确度同样根据时间跨度的增加而递减，时间跨度超过18个月则预期净利润准确度不如随机漫步。 3.2分析师覆盖对于预期变化因子的影响 根据分析师覆盖度为股票分类，取过去三个月中各家分析师给予的最新FY1预期营业收入、预期归母净利润、预期利润总额，存在其中任意指标预测则纳入覆盖度统计，计算每只股票的分析师覆盖家数，并将股票分为机构覆盖3家以下(低覆盖度)和3家及以上(高覆盖度)两组，分别进行选股测试。 以三个月为一个预测周期，两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在两组中选因子值最高的50只股票，构建低覆盖度_分析师看多组合和高覆盖度_分析师看多组合。 回测时间区间为2016年至2023年8月，高覆盖度组合在2021年三季度前超额收益向上趋势明显，走势明显优于低覆盖度组合。 3.3分析师覆盖对于超预期SUE因子的影响 探究分析师覆盖度分组对超预期SUE因子表现的影响。同样根据分析师覆盖度为股票分类，将股票分为机构覆盖3家以下和3家及以上两组，分别进行选股测试。 超预期SUE因子为真实财报数据相对于分析师一致预期的偏离度，在低覆盖度和高覆盖度两组中分别选SUE因子值最高的50只股票，调仓日期为每年4月底、8月底和10月底，构建低覆盖度_超预期看多组合和高覆盖度_超预期看多组合。𝑞𝑞 回测时间区间为2015年10月至2023年8月，高覆盖度超预期组合走势优于低覆盖度组合。 3.4因子累积IC值统计 统计按预期营业收入变化、预期归母净利润变化、预期利润总额变化三因子等权的分析师预期变化复合因子以及超预期SUE因子的累积IC值，同样根据分析师覆盖度为股票分组。 根据IC值分析，分析师预期变化和超预期SUE因子在高覆盖度股票组的效果显著优于低覆盖度股票组。 资料来源：Wind，朝阳永续，华西证券研究所 目录 （一）分析师预期相对于时间序列模型的准确度 （二）时间跨度对于分析师预期准确度的影响 （三）分析师覆盖对于分析师预期准确度的影响 （四）预期变化幅度对于分析师预期准确度的影响 （五）历史准确度对于分析师预期准确度的影响 （六）板块分类对于分析师预期准确度的影响 4.1预期变化幅度对于分析师预期准确度的影响 本节探究分析师预期变化幅度对于预期准确度的影响。预期财务指标相对于上一年财报的绝对值变化越大，说明分析师对于这家上市公司利好或利空消息的信心水平越高，可能影响预期准确度。 统计时间区间为2012年至2023年4月，每月底取过去三个月中分析师预期指标均值作为市场一致预期，同时取最新一期年报公布的财务数据，计算二者之间的百分比变化并取绝对值，根据预期相对于最新一期财报的变化幅度将股票分为低幅度(幅度小于20%分位数)、中幅度(幅度位于20%和80%分位数之间)、高幅度(幅度大于80%分位数)三类，在各类中计算分析师预期准确度指标。 下表统计了按调整幅度分类的分析师预期净利润相对于随机漫步的准确度。 纵向来看，准确度根据时间跨度的增加而递减。 横向来看，低幅度组股票预期相较于随机漫步的优越程度最低，中幅度和高幅度组的FY1预测都相对有效，中幅度组自时间跨度13个月以上的分析师预期趋于无效，高幅度组自时间跨度16个月以上的分析师预期趋于无效。 4.1预期变化幅度对于分析师预期准确度的影响 根据变化幅度分类的分析师预期营业收入相对于随机漫步的准确度统计如下表所示。 纵向来看，准确度根据时间跨度的增加而递减。 横向来看，预期净利润相对于最新财报的变化幅度与准确度呈正相关。预期变化绝对值越小说明分析师预期误差与随机漫步误差越接近，准确度指标接近于0。随着分析师预期相对于已公布财报数据调升或调降的幅度增加，分析师误差相对于随机漫步误差缩小，分析师预期准确度有所提升。 三档幅度的FY1预测都较随机漫步有效，低幅度和中幅度组自时间跨度13个月以上的分析师预期趋于无效，高幅度组自时间跨度16个月以上的分析师预期趋于无效。 4.2预期变化幅度对于预期变化因子的影响 每月底取过去三个月中分析师预期指标均值作为市场一致预期，同时取最新一期年报公布的财务数据，计算二者之间的百分比变化并取绝对值。取预期营业收入变化幅度、预期净利润变化幅度、预期利润总额变化幅度，根据三者均值将股票分为低幅度、中幅度、高幅度三类，分别进行选股测试。 以三个月为一个预测周期，计算过去两个周期间的分析师预期变化，构建预期营业收入变化、预期归母净利润变化、预期利润总额变化三个因子，因子等权后分别在两组中选因子值最高的50只股票，构建低幅度_分析师看多组合、中幅度_分析师看多组合和高幅度_分析师看多组合。 回测时间区间为2016年至2023年8月，高幅度组合和中幅度组合超额收益优于低幅度组合。 4.3预期变化幅度对于超预期SUE因子的影响 探究预期变化幅度对超预期SUE因子表现的影响。根据预期归母净利润相对于最新年报数据的变化幅度将股票分为低幅度、中幅度、高幅度三类，分别进行选股测试。 调仓日期为每年4月底、8月底和10月底，在三组股票中分别选超预期SUE因子值最高的50只股票，构建低幅度_超预期看多组合、中幅度_超预期看多组合和高幅度_超预期看多组合。 回测时间区间为2015年10月至2023年8月，高幅度超预期组合走势优于中幅度和低幅度组合。但自2021年3季度以来，高幅度超预期组超额收益不如中幅度和低幅