【国元研究】金工：“预期成长”因子：破解景气陷阱与低波迷局——行业轮动研究系列之一_新浪财经

（来源：国元研究）

金工：“预期成长”因子：破解景气陷阱与低波迷局——行业轮动研究系列之一

分析师预期成长类因子在行业轮动中的有效性下降

分析师预期成长因子基于分析师对行业或个股未来成长性的预期数据构建，旨在精准刻画并捕捉高成长潜力标的。然而，自 2022 年以来，该因子的有效性显著下降，出现了较大回撤，背后原因值得深入探讨，并寻求优化升级方向。

1) “景气陷阱”：短期预期增速与股票回报的相关性减弱。景气投资的核心在于对实际基本面增速的预期，主要受新产业周期、创新周期及渗透率变化驱动。然而，过去两年经济与产业周期双双下行，高景气行业减少，整体行业盈利增速放缓。尽管人工智能等主题投资仍处于早期，仅有如光模块等少数细分领域呈现基本面变化。

2) “低波迷局”：市场波动性下降对因子构建的传统算法产生干扰。疫情后，国内外宏观环境复杂多变，"去地产化"背景下，GDP 长期增长中枢下移，市场预期收益率走低，投资机会减少，A 股波动率处于低位，风险偏好下降。相应地，分析师对行业增速预期的波动趋于平缓，部分行业的预期增速变化极慢，传统算法难以适应波动性降低的市场环境，景气信号的识别变得更加困难。

如何破解“景气陷阱”与“低波迷局”？

我们从三个方面对分析师预期成长因子进行了改进：

1）对自然年度进行匹配后滚动计算增速：针对行业内公司财报发布时间不一致、日历年度信息收敛等，我们选择对自然年度进行匹配后滚动计算增速，相比直接使用 wind 个股求和 FY2/FY1 因子，分析师净利润滚动未来 1 年增速因子在 alpha 上有所提纯，同时期多空收益回撤较小。

2）进行一阶差分和波动率缩放：为了应对“景气陷阱”，我们提出了对预期增速进行“时序标准加速化”的改进方法。（a）一阶差分：中期预期增长率可通过短期增长加速度变化推测，因企业增长往往逐步放缓而非骤然转变。以新能源行业为例， 2021 年 9 月后，随着电动车渗透率加速度见顶，尽管业绩增速仍高，估值已开始下滑，预期增长率仍领先，但加速度（△g）排名出现拐点，预示长期预期和估值空间缩小。（b）综合盈利水平和盈利能力预期增速：长期来看，盈利水平和盈利能力是连接短期增速与长期空间的关键。成长期行业依靠市场扩展推动每股收益增长，预期增速是股价主要驱动力；而在成熟行业，能否提升盈利能力决定超额收益，ROE 高的企业在下行周期中抗风险能力更强，延长回报久期，推动长期估值上升。（c）波动率缩放：周期性行业与稳定性行业的波动性差异显著，通过对各行业的增长率（g）值进行缩放，模型更易捕捉到有效信号。这不仅减少了对极端数据点的敏感性，还提升了因子表现的稳定性。

3）设置自适应的预期波动：为了应对“低波迷局”，分析师预期成长波动率显著下降，带来了“除数效应”的影响，我们选择行业自身的历史均值波动率作为基准，指示“正常情况下该指标的波动程度”，从而避免了因预期调整过分缓慢所造成的持续极端分组问题。

改进预期成长因子及在行业轮动中的表现

改进预期成长因子 Rank IC 达到 8.24%，多空年化收益率 16.18%，夏普比率131.40%，最大回撤 14.64%，多头组年化收益率 13.55%，多头组相对等权配置超额达 210%，相对超额年化收益率为 8.47%。分组单调性较好，多头组表现突出，对初始分析师滚动增速因子 22 年后平台期仍然有效。过去 2 年，多头组相较行业等权月度胜率达到 72%，多空组合正收益月度胜率 80%。

高质量稳增长时代下行业轮动新范式探究

1.1 传统分析师预期增长因子出现回撤

分析师预期成长类因子是基于分析师对行业或个股未来成长性预期的数据所构建的。这些因子通过量化分析师的预期，旨在更准确地刻画和捕捉市场中具有高成长潜力的标的。前人研究和实践经验普遍认为，这类因子在表征景气投资策略中具有显著的有效性。然而，2022 至 2023 年期间，该策略经历了显著的回撤，表明曾在 2021年盛行的景气投资方法正面临逆风。

1.2 原始因子失效原因反思

分析师预期作为一类重要的另类因子，有别于传统财务因子和量价因子，分析师报告有非常丰富的 alpha 信息来源，盈利预测的背后可能是个股的竞争格局、供需结构、发展趋势等一系列非结构化信息，相比滞后披露的财务数据，其时效性也较佳，随着分析师覆盖率的提升，该类型因子表现在 2019-2021 年效果较佳。

我们认为，近几年因子失效背后的原因值得深究，并且寻找迭代升级的方向。

1）景气陷阱：短期预期增速与股票回报的相关性在减弱。景气投资交易的是对实际基本面增速的预期情况，驱动力来自新的产业周期、创新周期以及渗透率变化。而过去两年经济周期和产业周期同时下行，导致高景气的行业数量明显变少，全行业盈利增速边际趋于缓慢，而新的产业机会整体仍处主题投资阶段（人工智能等），仅有少数如光模块等细分行业出现基本面的变化。

2）低波迷局：近年来市场波动性明显下降，对因子构建的传统算法设计可能存在干扰。疫情以来国内外宏观环境复杂多变，在“去地产化”背景下，GDP 中长期增长中枢下降，市场预期收益率走低，面临投资机会减少和交易情绪低迷，A 股资产价格波动率进入低位，风险偏好趋弱。相应地，我们观察到分析师对行业增速的预期波动的最小值也趋于 0，部分行业的预期增速变化出现极为缓慢的现象，这意味着传统算法可能无法适应市场的波动性变化，在漫长的出清周期中如何识别景气线索变得更难。

1.3 解决方案：重构预期成长因子

抓住第一性原理是穿越周期、获取持续收益的关键。第一性原理是指回归事物最根本的逻辑和原理，而在股票投资中，最根本的就是股票的收益来源。

面对“景气陷阱”和“低波迷局”，我们对传统分析师预期因子进行了重构，一方面通过“时序标准加速化”刻画市场在预期增速中隐含的对长期估值的映射，另一方面设置自适应的预期波动，以适应市场的不同波动性特征，预期成长因子 RankIC达到 8.24%，多空年化收益率 16.18%，夏普比率 131.40%，最大回撤 14.64%，多头组年化收益率 13.55%。

从分析师预期数据到景气投资（行业轮动）

2.1 分析师覆盖：对全市场主要盈利公司都进行了覆盖

经统计，分析师对 A 股的个数覆盖率为 51.8%，表明超过一半的公司被分析师覆盖；市值覆盖率高达 85.3%，意味着分析师主要集中在大市值公司上，从而更好地反映市场整体表现。在盈利覆盖方面，剔除负值后的覆盖率为 95.2%，而总盈利几乎全部覆盖，这表明分析师对市场盈利情况的把握较高。这种广泛的覆盖使得分析师预期数据能够提供潜在的 alpha。

从各行业覆盖率来看，整体差异较小。其中，金融和周期性行业的覆盖率较高，如银行业的覆盖率高达 88.1%，非银行金融和煤炭行业的覆盖率分别为 63.89%和69.44%。这表明分析师对这些行业的关注度较高。相比之下，房地产和商贸零售等行业的覆盖率较低，分别为 36.11%和 40.19%。这些行业可能由于增长前景或市值规模等因素，覆盖率略低，但整体覆盖仍较为全面。

2.2 万得指数一致预测算法有待改进

2.2.1 万得指数一致预测算法概述

截止指定交易日，万得以个股近 180 天内报告数据为基础，计算个股最近预测年度（FY1）、次年（FY2）及最近预测年度后二年（FY3）的报告预测净利润平均值。以个股的年报实际披露日为界，当年盈利公布之日，当年数据会被（原）次年数据取代。FY1 常见走势是跳空高开，长期回落。

万得以分析师个股报告为起点，在有效期内算术平均报告预测值得到个股一致预期行业指数采则用整体法，即∑(成分股,个股一致预测指标)。

2.2.2 万得行业一致预测误差较大

我们注意到万得指数一致预测算法在某些方面还存在进一步完善的空间。

问题 1：分析师指数一致预期 FY1 是否加入个股净利润 TTM 历史值补缺，对于分析师不覆盖的个股，wind 在计算指数一致预期时会使用历史净利润 TTM 补充。以钢铁行业为例，成分股求和和 WIND 指数预期相比在 FY1 出现了较多的出入。这将导致两个结果，一是让指数中的“预期”包含了滞后期的财报数据，二是后续在计算预期增速时，FY2、FY3 如果不相应进行处理，与 FY1 不匹配，则会造成计算指数预期的个股成分都不同，从而预期增速的结果出现异常。