分析师预测偏差研究：挖掘集体行为偏误背后的超额收益-20180611-申万宏源-21页-1mb

报告摘要

分析师预测偏差研究总结

核心内容

本研究聚焦于证券分析师的盈余预测偏差，分析其对股票未来收益的影响，揭示分析师预测行为在A股市场及海外市场中普遍偏乐观的特征，并探讨事前误差因子在选股中的有效性。

主要观点

分析师盈余预测普遍偏乐观
- A股市场中，预期净利润高于实际净利润的上市公司数量占比每年均超过60%。
- 分析师在年初最为乐观，随着季报信息的披露，预测逐渐下调，但整体仍偏向乐观。
分析师预测偏差与股票收益负相关
- 事后预测误差与股票未来收益存在显著的负相关关系，预测误差越小的股票组合未来表现越佳。
- 分析师预测误差具有延续性，前期预测误差高的公司，后期预测误差也相对较高。
事前误差因子具有较强的选股能力
- 通过构建事前误差估计模型，利用分析师前一年的预测误差数据，结合其他财务和市场指标，计算出事前误差因子。
- 该因子在不同样本空间（如中证全指、沪深300、中证500）下均表现出较强的选股能力，且多空组合年化收益达13.72%，夏普比率2.25%，最大回撤约6%。
事前误差因子的预测能力较强
- 事前误差因子在市值与行业中性化之后，仍具有较好的预测能力，其RankIC均值为-3.27%。
- 该因子与盈利、估值因子负相关，与成长因子有一定相关性，与其他因子相关性较低。
中性化处理后预测误差因子依然有效
- 在剔除市值、行业、盈利、估值、成长等因子影响后，预测误差因子仍能带来额外的信息，具有较好的选股能力。
- 中性化后，多空组合年化收益率为7.85%，夏普比率为1.51，最大回撤为-5.92%。

关键信息

预测偏差定义：
$$
F E _ {i, t} = \frac {\text {ConForecastEPS} _ {i , t} - E P S _ {i}}{| E P S _ {i} |}
$$
其中，ConForecastEPS为市场一致预期EPS，EPS为真实EPS。该偏差为事后偏差，因真实EPS需在年报披露后才能获得。
事前误差因子计算方法：
通过回归模型估计事前误差，使用前一年同期的事后误差数据作为解释变量，结合其他变量如分析师分歧度、覆盖度、股票涨跌幅、业绩超预期程度等，构建事前误差因子。
预测误差因子的解释变量：
- pastFE：前一年同期的事后误差
- Dispersion：分析师预测的偏离度（标准差/共识值）
- Coverage：分析师覆盖数量
- Mom：近6个月收益率
- ln(CMV)：流通市值对数值
- SUE：季度业绩超预期指标
- Ind：行业哑变量
预测误差因子的分组表现：
在不同样本空间下，事前误差因子分组对冲净值曲线表现出良好的收益和风险特征，多空组合年化收益较高，波动率和最大回撤较低。
预测误差因子的中性化处理：
在剔除市值、行业、盈利、估值、成长因子后，预测误差因子仍能有效区分股票表现，IC均值为-2.2%，且多头组合的区分度优于中性化前。