基于基础数据的分析师一致预期指标构建
本文旨在探讨基于基础数据的分析师一致预期指标构建,旨在提高Alpha模型的绩效。提出了分析师预测偏离度的概念,并将其作为预测数据的误差衡量指标。通过分析师预测时间跨度、预测企业规模、预测企业所属行业的影响,赋予新旧报告以差异化的权重,并对调整后偏离度进行回归调整。同时,使用企业业绩报告中的相关数据作为净利润的一致预期,并基于三个维度构建了一套一致预期净利润的加权方式。
本文还分析了五大类一致预期衍生指标,包括一致预期估值EP_FY和一致预期滚动估值EP_ROLL、一致预期净利润增长速度Growth_FY、一致预期PEG、一致预期估值变化DEP、一致预期估值分位点EP_PER。回溯分析表明,这些指标在不同股票池中均有着优秀的选股能力。
此外,本文还讨论了缺失值填充问题,提出了基于因子的投资逻辑为其量身定做一套缺失数据填补机制。该方法填充预期净利润缺失数据更符合逻辑,且最终绩效相对传统方法也略有提升。
本文提出了基于基础数据的分析师一致预期指标构建方法,旨在提高Alpha模型的绩效,并提供了五大类一致预期衍生指标,适用于增量信息的提供。同时,本文还讨论了缺失值填充问题,提出了基于因子的投资逻辑为其量身定做一套缺失数据填补机制。
知识点:
1. 分析师预测偏离度:衡量分析师预测数据相对于真实值的预测误差。
2. 一致预期净利润:基于分析师预测数据和企业业绩报告中的相关数据构建的一致预期净利润。
3. 一致预期衍生指标:包括一致预期估值EP_FY和一致预期滚动估值EP_ROLL、一致预期净利润增长速度Growth_FY、一致预期PEG、一致预期估值变化DEP、一致预期估值分位点EP_PER。
4. 缺失值填充:基于因子的投资逻辑为其量身定做一套缺失数据填补机制。
5. Alpha模型:旨在提高Alpha模型的绩效。
量化金融知识点:
1. 多因子模型:将多个因子组合起来,用于预测股票的表现。
2. 因子正交全攻略:一种基于因子的投资策略,旨在提高Alpha模型的绩效。
3. 动态风险控制:一种基于风险预算的投资策略,旨在提高投资组合的风险收益比。
4. 半衰 IC 加权:一种基于半衰现象的投资策略,旨在提高投资组合的风险收益比。
5. 反转现象的选择性交易策略:一种基于反转现象的投资策略,旨在提高投资组合的风险收益比。
金融工程知识点:
1. 金融工程:旨在应用工程学原理和方法来解决金融问题的多学科交叉领域。
2. 证券研究报告:一种基于证券市场数据的研究报告,旨在帮助投资者做出投资决策。
3. 分析师预测:分析师对证券市场的预测和分析。
4. 业绩报告:企业财务状况的提前披露。
5. 风险提示:市场环境变动风险、模型失效风险、因子失效风险等。