【方正金工】超预期陷阱与估值动态及“预期惯性”因子构建—多因子选股系列研究之十五

方正曹春晓陈泽鹏 2026-06-30 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告深入剖析了2021年四季度后分析师类与超预期类策略失效的原因：市场风险偏好从高景气转向高股息安全边际，导致股价变动由估值驱动而非业绩预期。同时，拥挤度提升导致盈余公告效应有效期缩短至一个月。为此，报告提出“预期惯性”因子，利用分析师预期变化的二阶导（加速度）来代理估值变动，解决传统因子对成长风格过度暴露及忽视困境反转股票的问题。此外，通过提高调仓频率至周频或日频，有效对冲了策略拥挤带来的负向影响，进一步增厚超额收益。

经济逻辑

投资者通常依赖历史业绩增速线性外推未来现金流。当公司业绩增速的加速度为正时，市场扩大对未来预期空间，给予估值上修（戴维斯双击）；当加速度为负（即便绝对增速仍高），投资者预期迅速恶化，导致估值显著下修（杀估值）。对于低增速股票，市场反而因困境反转预期给予正向估值调整。因此，捕捉预期调整的“加速度”比捕捉预期调整本身更能反映估值的动态变化。

超额收益逻辑

超额收益来源于对市场“估值反馈”的提前捕捉。当分析师预期加速上调时，市场往往给予戴维斯双击；反之则杀估值。预期惯性因子通过捕捉预期的二阶变化（加速度），在分析师仍在上调预期但加速度已转负时提前规避“杀估值”风险，或在分析师预期尚无明显变化但加速度已转正时提前布局“估值上修”，从而获取稳定的估值变动收益，且天然与成长风格负相关，规避了近几年高景气赛道回撤的风险。

构造细节 [factor]

因子定义

1. 构建“真知灼见”因子(PAFR)：设分析师预期变化为 ΔE，个股收益动量为 M。将 ΔE 对 M 进行截面回归，取残差作为 PAFR，即 PAFR = ΔE - β * M。2. 构建“预期惯性”因子(EIF)：对 PAFR 进行时序上的加速度化处理（一阶差分），即 EIF_t = PAFR_t - PAFR_{t-1}。

处理流程

1. 提取过去3个月的分析师一致预期净利润数据，计算预期的变化量 ΔE。
2. 计算个股收益率动量因子 M。
3. 截面回归：以 ΔE 为因变量，M 为自变量，回归取残差，得到“真知灼见”因子(PAFR)。
4. 对 PAFR 因子进行时序一阶差分处理（当期值减去上一期值），得到原始的预期惯性因子(EIF)。
5. 对 EIF 进行去极值、标准化处理。
6. （可选）与综合量价因子等权合成构建组合信号。

参数

分析师数据回看窗口: 3个月持仓数量: 25只

数据输入

: (日频更新，使用过去3个月窗口): (日频/月频)

组合方式

月频“预期惯性”组合 = 预期惯性因子 + 方正综合量价因子（等权合成）

绩效

18.3%

月频多空年化收益率

2.18

月频年化ICIR

21.3%

周频多空年化收益率

3.25

周频年化ICIR

28.2%

日频多空收益率

4.31

日频年化ICIR

29.7%

“预期惯性”组合年化收益

1.12

“预期惯性”组合收益波动比

37.5%

“朝露夕晖”组合年化收益

1.36

“朝露夕晖”组合收益波动比

基准: 未明确指明具体基准指数

回测期: 未明确指出完整回测起止年份，提及截至2023年10月

预期惯性因子在月、周、日频调仓下表现呈递增趋势。日频调仓下多空收益达28.2%，年化ICIR达4.31。基于该因子构建的“预期惯性”月频组合年化收益29.7%，“朝露夕晖”日频组合年化收益37.5%。

收益归因 ✓ 已完成

通过将股价拆分为EPS和估值，指出2021年后股价变动主要由估值驱动而非业绩预期。通过风格相关性分析，发现新构建的预期惯性因子与成长风格呈轻微负相关，有效降低了对成长风格的暴露，解释了传统超预期策略失效的原因。

方法: 股价拆解与风格相关性分析

缺口: 未进行严谨的Barra风格归因及行业归因分析，主要基于逻辑推导与简单的相关性测算。

稳健性

子样本稳定性: 在2023年分析师因子大面积失效期间表现稳健，剔除1月宏观影响后年内平均IC超4%。在沪深300、中证500、中证1000不同市值区间样本内均表现稳定（IC分别为3.25%、3.49%、4.53%）。

风格偏差: 与成长风格因子呈现轻微负相关性，显著降低了对成长风格的暴露，无显著市值偏好（持仓市值中位数约124-184亿）。

因子在大小盘、不同市场风格下均表现出较强的稳健性，多头超额净值几乎没有回撤，通过高频化进一步提升了信息时效性，多空净值和多头超额在年内均创历史新高。

数据依赖

所需数据: 日频分析师一致预期数据（净利润等）、日频个股行情数据（量价）。

可复现性: medium

数据需求为常用的分析师预期与行情数据，因子构造逻辑（动量剥离+一阶差分）清晰可复现。但研报未披露动量剥离的具体回归频率及差分的时间跨度（月度还是日度），需复现者自行调试，因此复现难度中等。

新颖性评估 [新组合]

将物理学的“加速度”概念引入分析师预期因子的构建中，属于逻辑上的创新组合。通过二阶差分巧妙地表达估值动态变化，解释了“高增速杀估值”与“低增速提估值”的反直觉现象，并在策略落地中应用高频化降低拥挤度影响。

不足与缺陷

回测细节缺失：未明确披露完整的回测起止年份、具体的交易成本费率设定，可能导致实盘收益打折扣。
公式精度不足：未明确“真知灼见”因子加速度化时的具体时间差分间隔（是按月度变化还是日度变化），也未说明动量回归的具体窗口期和频率。
缺乏严格归因：虽然提及与成长风格负相关，但未提供严格的Barra风险归因及行业中性化处理后的超额收益表现，无法确定收益是否完全来自估值动量。
高频组合换手率隐患：日频调仓虽然日均换手率5%-8%看似不高，但年化换手率极高，对冲击成本和执行系统要求极高。

可复用元素

“业绩加速度与估值变动线性相关，绝对增速与估值变动非线性”的实证发现。
对2021年后分析师因子失效原因的深刻剖析（估值驱动取代EPS驱动）。
因子高频化（周/日频）能显著提升ICIR并降低多头组回撤的实证结论。
通过一阶差分（加速度）将传统因子转换为与原风格负相关因子的构造思路。

启发

任何具有惯性的预期类或基本面类因子，如果其一阶变化趋于失效，可以尝试使用其二阶变化（加速度）来捕捉预期的边际恶化或改善。
对于拥挤度提升导致有效时长缩短的策略，提高调仓频率以快速吸收超额收益是有效的应对手段。
在构建因子时，如果因子本身与某风格（如成长）强相关，可以通过剥离一阶动量或提取二阶导数的方式实现风格中性化。

改进方向

引入标准化的预期外盈利（SUE）的加速度构建纯基本面预期惯性因子

基于: 相似逻辑（预期二阶导数/加速度）+ 不同构造（结合实际财报数据而非纯分析师一致预期）预期收益: 分析师一致预期可能存在主观滞后，通过实际财报公布的净利润与预期之差（SUE）求取加速度，能更客观反映市场预期的真实破灭与超预期程度，可能进一步提升因子的即时性和多空区分度。

复现计划

1. 获取2015年至2023年10月的全A股日频Wind分析师一致预期净利润数据及日频复权行情数据；2. 以过去3个月为窗口计算分析师预期变化率，并提取同期个股动量；3. 截面回归剥离动量得到真知灼见因子，并对其按月度或日度取一阶差分得到预期惯性因子；4. 进行十分组回测，计算IC、年化ICIR、多空收益及回撤，并验证2023年表现；5. 对日频因子采用前25只股票构建多头组合，设置千分之三双边交易成本，测算实际年化收益与日换手率；6. 进行Barra风格归因检验，确认成长因子暴露情况。