大盘价值与超预期组合_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

报告提要

大盘价值组合

大盘价值组合是选取大市值与低估值风格的股票构建的组合，相比成长类的组合，它的收益波动更低。每月末，我们在大盘价值股票池中，使用成长、估值与分红因子优选40只股票，等权重构建大盘价值组合。

2010年1月5日至2023年9月15日期间，组合的年化收益为14.60%，超额国证价值指数12.26%；期间的最大回撤为35.76%，低于股票池的48.91%。今年以来，组合绝对收益为15.41%，超额国证价值指数10.30%。

超预期组合

超预期组合是基于“盈余漂移”现象构建的组合。每月末，我们在超预期股票池中，使用预期调整与财报日跳空幅度指标选取30只股票，等权重构建超预期组合。

在2010年1月5日至2023年9月15日期间，组合的年化收益为26.41%，超额中证500指数24.68%。今年以来，组合绝对收益为8.13%，超额中证500指数10.86%。

本文中，我们对大盘价值与超预期两种组合进行介绍。

1. 大盘价值组合

大盘价值股是指同时具备大市值与价值风格的股票。它们通常是成熟且业绩稳定的公司，有着高分红、低估值等特点。相比成长类风格的股票，大盘价值股票的收益波动更小。

1.1. 大盘价值组合的构建方法

本节中我们首先对股票池进行介绍，随后介绍基于股票池构建的大盘价值组合。

1.1.1. 股票池的构建方法

我们的大盘价值股票池是指中证800指数的成分股中估值较低的股票。其具体构建方法如下：

1. 每个月底，选取中证800指数成分股，作为大盘股股票池；

2. 剔除st股，上市不足一年的股票；

3. 用市净率对剩余的股票进行排序，选择市净率为正值，且排名在后三分之一的股票；

4. 若所剩股票中银行股的个数多于15只，则根据市净率排名保留市净率最低的15只股票。

1.1.2. 组合的构建方法

在股票池的基础上，我们构建大盘价值选股组合，组合的构建细节如下：

1. 因子选择：计算季度净利润同比、季度ep一年分位点、股息率三个因子。因子的挑选基于其历史表现，具体可见1.2.2；

2. 因子处理：在中证800的成分股中，对因子进行处理。具体来说，先将因子转为行业内排序值，再对排序值做去行业、市值与BP中性化处理，最后在大盘价值股票池中做标准化处理。此处行业指中信一级行业；

3. 因子合成：将三个因子等权合成得到基本面复合因子；

4. 股票优选：每月末，在大盘价值股票池中，选取基本面复合因子排名靠前的40只股票，等权重构建大盘价值组合。

1.2. 组合表现分析

本节中我们首先对股票池及常见因子在股票池中的表现进行分析；此后，对组合的收益、风格板块分布、参数敏感性等进行分析。

1.2.1. 股票池表现分析

基于大盘价值股票池，我们可以等权重构建股票池组合。股票池组合的年度表现与历史收益如表1与图1所示。在2010年1月5日至2023年9月15日期间，股票池的年化绝对收益为6.16%，相对国证价值指数的超额收益为3.82%，最大回撤为48.91%。

1.2.2.股票池中因子表现

在构建大盘价值股票池后，我们测试了常见的一些因子在股票池中的表现，为组合构建的因子选择提供依据。

测试的因子分为估值、分红、盈利、成长、反转、换手、波动7类，具体如表2所示。测试时，因子在中证800的股票池中做了行业内排序与去行业、市值、bp的中性化处理。收益则为剥离了行业、市值、bp影响后的残差收益。

表3中展示了各因子的因子收益率及多头组的表现，图2中展示了其因子收益率的累和情况。从结果中可以看出，在大盘估值股票池中，有以下结论：

1. 估值、盈利、分红等基本面因子的长期表现都不错。但在2019年之后，季度ep与季度roe、标准化预期外盈利几个因子的有效性有不同程度的减弱；

2. 价量类因子中， 1个月反转与1月特异度表现较好，但多头组的表现弱于估值、盈利、分红、成长几类基本面因子。

基于各类因子在2010至2022年期间的表现，在构建大盘价值组合时，我们选取了季度净利润同比、季度ep一年分位点、股息率三个因子。

1.2.3.组合历史收益

组合年度收益与历史净值如表4及图3所示。2010年1月5日至2023年9月15日期间，组合年化收益为14.60%，超额国证价值指数12.26%；期间的最大回撤为35.76%，低于股票池的48.91%。今年以来，组合绝对收益为15.41%，超额国证价值指数10.30%。

1.2.4.组合收益归因

基于报告《基于股权激励的选股策略》中的收益归因方法，我们将大盘价值组合相对国证价值指数的超额收益分解为风格、行业与特质三个部分。结果如下图所示，从归因结果中可以看出：

1. 超额收益中，特质部分的收益占比较高，且收益的波动小于风格部分与行业部分；

2. 组合的超额收益中风格部分收益明显高于行业，这主要与2017年之前风格部分较高涨幅有关。

1.2.5.板块与风格分布

我们对大盘价值组合的板块分布与风格分布进行分析，有以下两点结论：

1. 组合在基础设施与地产、金融与周期板块上有较高的股票占比。图5展示了组合所选股票在不同板块上的分布情况。基础设施与地产、金融与周期板块整体有着较高的股票占比，平均比例分别为34.8%、12.4%与18.6%；其中，22年以来，金融板块的占比有所提升，平均比例为24.4%。

2. 组合在风格上相对于国证价值指数偏低估值与小市值。bp的超额暴露在0.2左右波动，而规模因子的超额暴露在-1.2左右波动。

1.2.6.组合参数敏感性分析

此前在组合构建时，我们选取了基本面复合因子最大的40只股票等权构建组合。本节中我们调整组合的股票数量，比较不同参数下的组合收益。结果如图7及表5所示。可以看到，随着股票数量的增加，组合的年化收益不断下降，同时组合的波动也在降低。

2. 超预期组合

超预期组合是基于“盈余漂移”现象构建的组合。“盈余漂移”是指，在财报发布之后，股价会朝着盈利意外的方向漂移。它由Ball与Brown（1968）首次发现，随后学术界有众多学者针对这一现象进行研究。

在《基于净利润断层的选股策略》的报告中，我们从分析师研报情绪和技术面的角度判断股票是否超预期，据此构建了净利润断层组合。本节中，我们沿用这一思路构建超预期组合，以获取股票在超预期事件发生后的收益动量。考虑到超预期的判断是在财报发布的时点做出的，而之后随着公司经营环境等发生变化，分析师的观点可能会改变，超预期动量未必会持续下去。因此在构建组合时，我们选择月度调仓，并在筛选环节加入预期调整指标，从分析师行为的角度实时判断超预期事件的动量是否能够持续。

2.1. 超预期组合的构建方法

本节中，我们首先对超预期股票池的构建方法进行介绍，随后描述我们所使用的选股指标的计算方法，最后基于股票池和选股指标来构建超预期组合。

2.1.1. 股票池的构建方法

我们基于业绩点评的研报的文本情绪判断公司的业绩是否超预期，据此构建股票池。具体构建流程如下：

1. 计算“研报综合情绪”指标。回看过去90天内分析师最新的点评公司业绩的研报，将含有“不达预期”、“低于”等词的研报视为负向研报；将含有“超预期”、“好于预期”、“高于市场预期”等词的研报视为正向研报；其余研报视为中性研报。则有：

2. 每月末，在全市场股票中，剔除“研报综合情绪”指标缺失的股票，剔除st股、上市时间不足一年或者市值与成交金额排名后10%的股票。

3. 在上一步的基础上，选择“研报综合情绪”指标大于0.5的股票，即研报情绪总体偏正向的股票，构建超预期股票池。

2.1.2. 选股指标

本组合中主要使用分析师预期调整指标与财报日跳空幅度指标进行股票的优选。其中分析师预期调整指标是对超预期股票做进一步筛选，以降低使用研报文本情绪筛选超预期可能存在的误差。财报日跳空幅度指标（JOR）则刻画了财报公布后的市场反应，从技术面的角度对超预期股票进行优选。两个指标的计算方法如下：

滚动一致预期净利润30日变动

财报日跳空幅度（JOR）

2.1.3. 组合的构建方法

基于超预期股票池与选股指标，我们构建超预期组合。组合的构建细节如下：

1. 因子处理：在90天内有分析师覆盖的股票中，对因子进行处理。考虑到分析师覆盖股票行业分布可能不均，故对因子只做分位数缩尾处理，再做去行业、市值与BP中性化处理，最后在大盘价值股票池中做标准化处理。此处行业指中信一级行业；

2. 预期调整指标优选：每月末，在超预期的股票池中，选取滚动一致预期净利润30日变动指标最大的60只股票；

3. 价量指标优选：在上一步的基础上，选取JOR因子排名靠前的30只股票，等权重构建超预期组合。

2.2. 组合表现分析

2.2.1. 股票池表现

图8与表6中展示了超预期股票池的表现。可以看到，在2010年1月6日至2023年9月15日期间，超预期股票池的年化收益为17.00%，超额中证500指数15.27%。股票池每年均能跑赢中证500指数，但近些年超额收益有所衰减。

2.2.2. 股票池中的因子表现

图9与图10中为预期调整类因子与JOR因子在超预期股票池的因子收益率累和情况。其中“一致预期eps变动”与“90天内调整均值”指标的计算方法在我们的“因子跟踪周报”中有说明。可以看到，因子在股票池中有如下表现：

1. “滚动一致预期净利润30日变动”的表现整体优于“一致预期eps变动”与“90天内调整均值”。

2. JOR因子最近几年的表现有所减弱。

2.2.3. 组合历史收益

超预期组合的年度收益与历史净值如表7及图11所示。在2010年1月5日至2023年9月15日期间，组合年化收益为26.41%，超额中证500指数24.68%。今年以来，组合绝对收益为8.13%，超额中证500指数10.86%。

2.2.4. 组合收益归因

我们将对超预期组合相对中证500指数的超额收益进行归因。结果如下图所示，从归因结果中可以看出：

1. 特质部分为超额收益的主要来源；

2. 组合的超额收益中行业部分为正向贡献，这表明组合在行业筛选上有一定的优势。

2.2.5. 板块与风格分布

我们对超预期组合的板块分布与风格分布情况进行分析，有以下两点结论：

1. 近些年来，组合在科技、制造板块上有较高的股票占比。图13中为超预期组合的板块分布情况。2022年以来，科技与制造板块整体的股票占比较高，平均比例分别为21.0%与30.0%。

2. 在风格上，组合的规模与bp整体上与中证500指数相近，而最近几年更偏高估值。图14中为超预期组合相对中证500指数的风格分布情况。在回测期间中，规模因子的超额暴露在0附近波动，2019年之后，bp因子的超额暴露在-0.5附近波动，相对指数估值偏高。

2.2.6. 组合参数敏感性分析

在构建超预期组合时，我们首先使用预期调整指标筛选了60只股票，之后再基于jor指标选取30只股票等权构建组合。本节中我们调整组合第一步与第二步的股票数量，比较不同参数情况下的组合收益。结果如图15及表8所示，其中n1、n2分别为第一步与第二步的股票数量。可以看到，随着股票数量的提升，组合波动有所降低。在n1为80、n2为40时，组合的信息比率最高。