行业轮动研究系列之一：“预期成长”因子，破解景气陷阱与低波迷局

请务必阅读正文之后的免责条款部分 1 / 35 表 1：[T[T[Tababable_Te_Te_Title]e]e] 金融工程研究报告 证券研究报告 2024 年 10 月 17 日 “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 报告要点：  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%。  风险提示 本报告均基于历史数据与模型进行测试，历史回测结果不代表未来收益，在未来市场环境变化时不排除模型失效的风险，本文仅供投资者参考。 [Table_Index] 主要数据： 上证综指： 3202.95 深圳成指： 9965.02 沪深 300： 3831.59 中小盘指： 3600.44 创业板指： 2039.95 [Table_Report] [Table_PicStock] 主要市场走势图 资料来源：Choice [Table_Author] 报告作者 分析师 朱定豪 执业证书编号 S0020521120002 邮箱 zhudinghao@gyzq.com.cn 电话 021-51097188 联系人 黄雯瑜 邮箱 huangwenyu@gyzq.com.cn 电话 021-51097188 请务必阅读正文之后的免责条款部分 2 / 35 内容目录 1. 高质量稳增长时代下行业轮动新范式探究 ......................................................... 6 1.1 传统分析师预期增长因子出现回撤 ............................................................. 6 1.2 原始因子失效原因反思................................................................................ 6 1.3 解决方案：重构预期成长因子 ..................................................................... 8 2.从分析师预期数据到景气投资（行业轮动） ......................................................... 9 2.1 分析师覆盖：对全市场主要盈利公司都进行了覆盖 .................................... 9 2.2 万得指数一致预测算法有待改进 ............................................................... 10 2.2.1 万得指数一致预测算法概述 ............................................................ 10 2.2.2 万得行业一致预测误差较大 ............................................................. 11 2.3 分析师盈利预测数据面临的问题 ............................................................... 12 2.3.1 问题 1：分析师“报喜不报忧”，倾向于高估未来业绩 ................... 12 2.3.2 问题 2：有些行业盈利容易估计，部分周期类行业盈利偏差极大 .. 12 2.4 预期数据的精细结构与基础因子构建 ........................................................ 13 2.4.1 对分析师一致预期数据进行自然年度识别 ........