基于企业营收相似性的选股策略

admin2年前 (2023-02-23)研报970

本报告采用秩鼎公司提供的营收拆解标准化数据，计算A股市场上市公司经营业务的相似性，构建了营收相似相对动量因子，并从信息来源和经营业务复杂度两个维度对该因子进行增强。进一步，我们创新性地提出不同经营业务之间可能也存在相关性，并构建了考虑业务相关性的营收相似相对动量因子。最后，基于因子测试的有效性，我们探索营收相似相对动量因子在不同股票样本池内的选股表现。本报告的主要结论如下：

秩鼎基于公司披露的分行业、分业务领域或分产品营业收入占比，结合公司年报、公告或官网对自身的经营情况描述、供应链交易信息、研报等信息，对公司营业收入进行经营领域拆解，并将拆解结果对照至国家统计局《统计用产品分类目录》的标准产品代码。
在一个非完全有效的市场，对于某个特定企业（即目标公司），其他具有相同经营业务或经营业务相似的企业的信息可能不会被投资者及时地关注并处理，该目标公司的股票价格可能短时间的偏离其实际价值。其后，投资者逐渐充分接收、处理相关信息，股票价格逐渐反应该信息，这样就导致了该公司股票价格与其经营业务相似公司的股票价格出现了在时间维度上的联动效应。
基于上述逻辑，我们构建了营收相似相对动量因子（RevRelative_MOM），该因子在横截面上对股票收益的预测能力和稳定性均较强。从逻辑出发，我们从信息来源和经营业务复杂度两个维度对RevRelative_MOM因子进行增强。增强后的IndComp_RevRelative_MOM因子对股票收益的预测能力和稳定性有所提升。
进一步，我们创新性地引入标准产品之间的关联性，对企业之间的营收关联度进行修正，构建考虑业务关联性的营收相似相对动量因子。改进后因子效果有显著提升，IndComp_RevRelative_MOM_adj因子IC均值达到5.21%，ICIR和t统计量分别达到0.65和4.26。
IndComp_RevRelative_MOM_adj因子与反转因子的相关性较高。但是将IndComp_RevRelative_MOM_adj因子与反转因子进行中性化处理后，因子仍具有较强的预测能力和稳定性；通过双变量投资组合分析，我们发现控制了反转因子的影响后，IndComp_RevRelative_MOM_adj因子仍具有较强的分组能力，且单调性较好。
IndComp_RevRelative_MOM_adj因子在不同的宽基指数中的有效性均较为显著，t统计量均在2以上；此外，相比沪深300与中证500，该因子在中证1000股票池中的有效性更强，其IC均值达到6.15%，ICIR为0.77，t统计量5.06，IC胜率达到了79%。

风险提示：本报告仅作为投资参考，基金过往业绩并不预示其未来表现，亦不构成投资收益的保证或投资建议。

在一个完全有效的市场，在任意时刻，针对某项经营业务的信息，将会被充分及时的反应到所有经营该业务的上市公司的股价中。然而，行为金融领域的相关研究表明，投资者由于存在对这些公开信息的有限关注和信息处理能力等认知资源的约束，将会导致这些信息在市场传播中出现“摩擦”，影响投资者对公司未来的预期，进一步影响了资产定价。因此，在一个非完全有效的市场，对于某个特定企业（即目标公司），其他具有相同经营业务或经营业务相似的企业的信息可能不会被投资者及时地关注并处理，该目标公司的股票价格可能短时间的偏离其实际价值。其后，投资者逐渐充分接收、处理相关信息，股票价格逐渐反应该信息，这样就导致了该公司股票价格与其经营业务相似公司的股票价格出现了在时间维度上的联动效应。

作为“蓝海启航”系列报告的第八篇，本报告采用秩鼎公司提供的营收拆解标准化数据，围绕A股市场上市公司经营业务的相似性，构建了营收相似相对动量因子（RevRelative_MOM），并从信息来源和经营业务复杂度两个维度对该因子进行增强。进一步，我们创新性地提出不同经营业务之间可能也存在相关性，并构建了考虑业务相关性的营收相似相对动量因子。最后，基于因子测试的有效性，我们探索营收相似相对动量因子在不同股票样本池内的选股表现。

企业营收拆解标准化数据概述

1、为什么营收拆解数据需要标准化

上市公司在年度报告中需要按规定披露公司所从事和生产的主要业务、主要产品等公司经营业务信息。这些信息是投资者整体把握公司经营概况和业务发展的重要依据。然而，上市公司披露的营收数据存在两个问题：一方面，不同公司对相同业务可能有不同的命名，这就导致当分析的公司数量较多时，我们无法对不同公司的业务进行批量化对比。如下表所示，这些上市公司均生产伺服微电机，但是公司披露的产品名称却大相径庭。

另一方面，不同公司披露的经营业务的详细程度也存在区别。有的公司披露的业务较为详细具体，有的公司则较为粗略，也同样会造成不同公司业务复杂度等指标不可比的现象。比如，Wind显示根据产品分类中航西飞(000768.SZ) 2021年经营业务仅有“航空产品和其他”，并没有对航空产品进行进一步的分类。而广联航空（300900.SZ）2021年经营业务则包含“航天航空零部件及无人机”、“航空工装”和“航空辅助工具及其他”，相较而言更为具体。

2、标准化营收拆解数据

在上一节中我们提到上市公司在年报中披露的营收数据没有统一的标准，在量化中直接使用该数据容易出现不同公司之间营收数据不可比的问题。因此，我们需要遵循一定的规则将所有上市公司的营收数据标准化。

秩鼎基于公司披露的分行业、分业务领域或分产品营业收入占比，结合公司年报、公告或官网对自身的经营情况描述、供应链交易信息、研报等信息，对公司营业收入进行经营领域拆解，并将拆解结果对照至《统计用产品分类目录》的标准产品代码。

《统计用产品分类目录》是由国家统计局发布，是国际上广泛采用的分类标准，涉及国民经济行业活动的全部产出，且建立了与联合国《产品总分类》的转换关系，可用于国际间的数据对比。其产品包括实物类产品和服务类产品，共计97个一级产品、813个二级产品、4232个三级产品、14748个四级产品和16253个五级产品。目前，秩鼎已实现对2018年以来中证1800成分股每一年度的营收拆解，并将产品细分到《统计用产品分类目录》Level 3层级，对公司营收进行了标准化，如图2所示。

下面我们以南玻A（000012.SZ）2021年年报数据为例，展示营收拆解及标准化的过程。如下图所示，2021年度南玻披露的营收主要包含玻璃产品、电子玻璃及显示器件产业、太阳能及其他产业三块。参照公司年报，我们发现南玻的营收中玻璃产品又包含浮法玻璃、光伏玻璃和工程玻璃，电子玻璃及显示器件产业包含电子玻璃与显示器件，而太阳能及其他产业包含电池片、高纯多晶硅、硅片和光伏电站四个部分。在对公司业务进行深度拆解后，我们把拆分后的产品匹配到《统计用产品分类目录》的对应层级，得到标准化后的产品列表。

表2中我们列出了南玻2021年营收拆解标准化后的结果。可以看到在原始披露中玻璃产品、电子玻璃及显示器产业和太阳能及其产业各占南玻2021年度营收的78.81%、13.52%和7.68%。在营收拆解后，由于没有信息披露南玻在细分产品的营收比例，这里我们做一个均分的处理，如玻璃产品分为了浮法玻璃、工程玻璃和光伏玻璃三块，因此这三个细分产品各占玻璃产品营收占比（78.81%）的1/3。

基于营收相似性的动量效应

1、基于营收相似性的绝对动量效应

在第一章中我们具体介绍了我们如何对公司的营收进行详细的拆解并根据《统计用产品分类目录》进行标准化。在对公司的营收进行标准化后，不同公司之间的业务变得可比，我们可以利用该数据计算公司之间的营收相关度，从营收的角度探索上市公司之间的相似性。

具体来说，首先我们基于每个年度公司在不同标准产品的营收比例（若无某项标准产品业务，则取0），构造t时刻公司的营收向量Pt。其次，我们计算两两公司营收向量之间的余弦相似度。具体计算公式如下：

其中：Pi,t是i公司t时刻的营收向量，是一个1×m的向量，m为全市场标准产品数量，Pj,t则是j公司t时刻的营收向量。rij,t是公司i和j在t时刻的营收相似度。

通过上述公式我们可以计算出两两公司之间的营收相似度，营收相似度越高，代表两个公司经营的业务和营收结构越相似。当出现针对公司经营业务的信息冲击时，两个公司股价的相关性越高。由于上市公司年报的公告期是下一年的1月1日到4月30日，因此在每年5月之后我们使用的是上一年度公司之间的营收相似度，而在每年5月之前我们使用的是上上年度公司之间的营收相似度。

与我们在《基于供应链动量效应的选股策略》报告中构建的供应链动量因子类似，我们首先考虑基于公司之间的营收相似性构建营收相似绝对动量因子（Rev_MOM）。该因子刻画的是对于公司i，其t时刻的因子值是与之具有营收相似性的其他公司过去一段时间的关联度加权收益。该因子的计算公式如下：

其中，Rev_MOMi,t为公司i在t时刻的因子值，Retj,t为公司j在t时刻过去一段时间的收益率。我们认为当公司之间的营收相似度小于一定阈值时，公司之间的关联其实是较弱的，股价的关联也相对较弱，对我们构建的因子来说是一个噪音。为了剔除这部分的影响，我们仅保留营收相似度大于0.1的营收相似公司（即rij,t>0.1）。

表3中我们列出了因子回测的框架。回测区间为2019年5月1日至2022年11月30日，每个月最后一个交易日进行调仓，股票权重为等权方式，股票样本池为中证1800成分股。本文的因子测试均采用此因子回测框架。

从下表中我们可以看到，构建的Rev_MOM因子在横截面上对股票收益的预测能力和稳定性较为一般。Rev_MOM因子在回测区间内的IC均值为1.46%，t值为0.73。

2、基于营收相似性的相对动量效应

上一节中，我们验证了营收相似绝对动量因子（Rev_MOM）的回测效果较为一般。从因子构建的逻辑出发，我们认为具有相似经营业务的公司，受限于投资者有限关注，可能出现股票价格在时间维度上的联动效应。因此，除了从绝对动量的角度，我们也可以考虑从公司之间相对收益的角度来构建因子，即具有相似经营业务公司“补涨”的逻辑。基于这个逻辑，我们构建了营收相似相对动量因子（RevRelative_MOM）,该因子的计算公式如下：

其中，RevRelative_MOMi,t为公司i在t时刻的因子值，Reti,t为公司i在t时刻过去一段时间的收益率。该因子刻画的是对于公司i，其t时刻的因子值是与之具有营收相似性的其他公司过去一段时间相对于公司i的关联度加权超额收益。

从下表中我们可以看到，构建的RevRelative_MOM因子在横截面上对股票收益的预测能力和稳定性均较强。RevRelative_MOM因子在回测区间内的IC均值为3.63%，t值为2.93，均较为显著。

下表我们列出RevRelative_MOM因子的分组测试结果，可以看到多头组合表现较好，近三年总收益77.12%，年化收益17.74%，夏普比和卡玛比分别为0.64和0.51。多空组合与多头超额年化收益分别为8.45%和4.20%。

Ⅲ

基于营收相似性的相对动量效应增强

第二章中我们验证了在A股市场中确实存在基于营收相似性的相对动量效应，通俗的说就是营收相似的公司可能存在“补涨”的现象，并基于此逻辑构建营收相似相对动量因子（RevRelative_MOM）。这一章我们尝试分别从信息来源和经营业务复杂度两个维度尝试对该因子进行增强。

1、信息来源

投资者将全市场上市公司根据经营业务的不同划分成不同的行业，如中信证券将A股划分成30个一级行业。一般来说，处于相同行业的公司其经营业务相似性较高。投资者通过行业分类的方法能够综合概括市场行业信息、提升信息处理效率。

近年来，随着公司业务的不断发展以及企业分工逐渐精细化，处于相同行业的公司其经营业务可能也有较大区别，处于不同行业的公司其经营业务可能也存在相似性。然而，在投资者的潜意识里，投资者可能认为同行业公司的信息与目标公司更相关，而其他行业公司的信息与目标公司的相关性较低。这样就导致投资者对于来自不同行业公司的关注力不足，来自不同行业的信息更不容易反映到目标公司的股价中，最终导致来自不同行业但是营收相似的公司与目标公司股价在时间维度的联动效应更强。

基于这个逻辑，我们将第二章中构建的营收相似相对动量因子的计算方法进行细微的调整，即仅考虑来自不同行业但营收相似公司的相对动量，构建不同行业的营收相似相对动量因子（Ind_RevRelative_MOM）。该因子的计算公式如下：

其中，公司j是与公司i处于不同中信一级行业分类但是营收相似（rij,t>0.1）的公司。

从下表中可以看到，构建的Ind_RevRelative_MOM因子在横截面上对股票收益的预测能力和稳定性均较强。同时，与RevRelative_MOM因子对比，Ind_RevRelative_MOM因子有效性有显著提升，IC均值从3.63%提升到4.65%，t统计量从2.93提升到3.54。

下表我们列出Ind_RevRelative_MOM因子的分组测试结果，可以看到多头组合表现较好，近三年总收益83.25%，年化收益18.89%，夏普比和卡玛比分别为0.69和0.59，收益表现优于原本的RevRelative_MOM因子。多空组合与多头超额年化收益同样有所提升，两者分别为12.08%和5.10%。

2、经营复杂度

上一小节我们从信息来源的角度验证了投资者更容易倾向于忽视来自不同行业的信息，从而影响其接收处理信息的效率。那么如果目标公司的经营业务复杂度较高，当投资者接收到来自外界的信息之后，其可能需要花费更多的精力和时间处理分析该信息对目标公司的影响，最终也会导致目标公司与其营收相似公司的股价在时间维度上的联动效应更强。基于这个逻辑，我们同样对第二章中构建的营收相似相对动量因子进行改进，构建考虑业务复杂度的营收相似相对动量因子（Comp_RevRelative_MOM）。

那么首先，我们需要考虑如何量化上市公司的复杂度（Rev_Comp）。第一种方法，我们可以借用产业组织学中用来衡量行业市场集中度的赫芬达尔—赫兹曼指数（Herfindahl-Hirschman Index，HHI）。其原理是计算行业内各市场竞争主体所占行业总收入或总资产的百分比的平方和。当HHI较大时，表明该市场行业集中度较高，存在一定的寡头格局，反之则行业集中度较低，竞争较大。与之类似，我们利用HHI的概念来衡量公司的主营业务的复杂程度，即计算公司各项业务占其总营收比例的平方和。当公司主营业务较为分散时，其HHI较小，我们认为其主营业务复杂程度较高。而主营业务较为集中的公司，其HHI较大，我们认为其主营业务复杂程度较低。为了与第二种方法计算的业务复杂度单调性方向一致Rev_Compi,t=1-HHIi,t，Rev_Compi,t为t时刻公司i的业务复杂度。

第二种方法，我们可以用下式来衡量公司业务的复杂度：

其中，Rev_Compi,t为t时刻公司i的业务复杂度，rid,t为t时刻与公司i处于不同中信一级行业的公司与公司i的营收相似度，ris,t则是t时刻与公司i处于相同中信一级行业的公司与公司i的营收相似度。该公式表示的是t时刻公司i与不同行业的公司的营收相似度的均值除以公司i与相同行业的公司的营收相似度的均值。通过该公式计算出来的值越大，代表该公司与不同行业公司经营业务相似性越高，该公司跨行业多元经营的程度越高，我们也就认为其经营业务越复杂。

接下来，我们就将目标公司经营业务的复杂度纳入到因子计算中，构建考虑业务复杂度的营收相似相对动量因子（Comp_RevRelative_MOM）。该因子的计算公式如下：

其中，乘号右边与RevRelative_MOM因子的计算公式一致，而Rev_Comp_Ranki,t为t时刻公司i的业务复杂度Rev_Compi,t在其所在的中信一级行业的百分比排名。从式子中我们可以看到，若乘号右侧的值相同，当目标公司的业务复杂度越低，Rev_Comp_Ranki,t的值越小，它将缩小信息从其他业务相似公司传导到目标公司的时滞，本期目标公司的因子值越小。我们暂且将以HHI方法计算的公司复杂度构建的考虑业务复杂度的营收相似相对动量因子命名为Comp_RevRelative_MOM_1，以第二种方法计算的公司业务复杂度构建的因子命名为Comp_RevRelative_MOM_2，将两个因子进行对比。

从下表中，我们可以看到通过第二种方法计算公司业务复杂度构建的因子IC回测结果明显较好：Comp_RevRelative_MOM_1因子与RevRelative_MOM因子IC测试结果较为接近；而Comp_RevRelative_MOM_2因子相比RevRelative_MOM因子有较为明显的提升，IC均值由之前的3.63%提升到3.92%，t统计量也从之前的2.93提升到3.30。因此，我们选择使用第二种方法来衡量公司业务的复杂度。

下表我们列出Comp_RevRelative_MOM因子的分组测试结果，可以看到多头组合表现较好，近三年总收益69.71%，年化收益16.31%，夏普比和卡玛比分别为0.59和0.48，多头端收益表现略弱于原本的RevRelative_MOM因子。

3、同时考虑信息来源与经营业务复杂度

在这一节中，我们将前面两节的内容进行结合，构建同时考虑信息来源与经营业务复杂度的因子（IndComp_RevRelative_MOM）。该因子的计算公式为：

该公式与Comp_RevRelative_MOM因子的计算公式相似，唯一的区别在于上式仅考虑与目标公司i处于不同中信一级行业分类但是营收相似（rij,t>0.1）的公司j。

下表我们同时展示了四个因子的IC测试结果。可以看到IndComp_RevRelative_MOM因子对股票收益的预测能力和稳定性最好：该因子IC均值为4.73%，t统计量为3.76。即当我们同时考虑信息来源与目标公司的经营业务复杂度时，其他业务相似公司过去20个交易日相对于目标公司的平均超额收益与目标公司股价未来涨跌的关联性更强，符合我们构建因子的逻辑与预期。

下表我们列出IndComp_RevRelative_MOM因子的分组测试结果，同样可以看到多头组合表现较好，近三年总收益78.45%，年化收益18.00%，夏普比和卡玛比分别为0.66和0.55。

考虑业务关联性的营收相似相对动量因子

1、考虑业务关联性的营收相似相对动量因子

在第二章中我们介绍了我们基于每个年度公司在不同标准产品的营收比例（若无某项标准产品业务，则取0），构造t时刻公司的营收向量Pt，再计算两两公司营收向量之间的余弦相似度，以此来代表两个公司经营业务的相似度。但是，应用该方法计算的公司间经营业务相似度隐含的假设是不同的标准产品之间是相互独立的。

但是，我们知道在实际的生产生活中，许多产品或者服务之间往往是存在一定关联的，产品之间可能存在供应关系，而上市公司之间也因为这些经济关系而联系起来。正如我们在《“蓝海启航”系列研究之五：基于供应链动量溢出效应的选股策略》中所探讨的，上市公司之间由于存在产品的供应关系，其基本面和股价具有相关性。以光伏产业链为例，硅片对应到国家统计局《统计用产品分类目录》中的三级标准产品名称为电子半导体材料，而产业链下游电池片对应电池零部件，光伏系统设备则对应物理电池。假设市场中出现针对硅片的消息时，也将同样会影响到产业链下游生产电池片、经营光伏系统设备的公司。

基于上述逻辑，我们在这一章中，将不再认为不同的标准产品之间是相互独立的，而是创新性地引入标准产品之间的关联性，构建考虑业务关联性的营收相似相对动量因子。首先，我们需要先刻画业务关联度，与我们计算公司经营业务相似度类似，我们采用该式计算不同标准产品之间的关联度：

其中：Cm,t是标准产品m在t时刻的公司分布向量，是一个维数1×1800的向量。Cn,t则是另一标准产品n在t时刻的公司分布向量。Cor_Pmn,t就是计算出来的是标准产品m和标准产品n在t时刻的业务关联度。

计算得到标准产品之间的关联度之后，我们就对第二章中初始的营收相似度rij,t进行修正，计算考虑业务关联性的营收相似度r_adjij,t:

其中，式（1）与式（9）的区别在于在分子端多乘了Cor_Pt，Cor_Pt是一个维数为m×m的矩阵，m为全市场标准产品数量，其代表标准产品之间的关联度矩阵。r_adjij,t为修正的公司i与公司j的营收相似度，该营收相似度考虑了公司i与公司j经营业务之间的业务关联性。值得一提的是，当Cor_Pt是一个单位矩阵时，即不同标准产品之间相互独立，则r_adjij,t等于rij,t。

下面，我们就举一个简单的例子来说明rij,t与r_adjij,t之间的区别。假设有两家公司i和j，公司i只经营a业务，公司j只经营b业务，a业务和b业务相关性为0.5，此时

通过公式（1）我们可以计算得到两家公司的营收关联度为0，因为两家公司分别经营两项业务；而通过公式（9）我们可以计算得到两家公司的营收关联度为0.5，两家公司虽然经营两项不同的业务，但是两项业务存在相关性，因此我们认为两个公司的营收也存在相似度。

在对公司之间的营收相似度进行修正后，我们接下来便对第二章和第三章构建的因子进行改进，下面我们给出改进后因子的计算公式：

其中，RevRelative_MOM_adji,t为改进的营收相似相对动量因子（RevRelative_MOM），Ind_RevRelative_MOM_adji,t为改进的不同行业的营收相似相对动量因子（Ind_RevRelative_MOM）, Comp_RevRelative_MOM_adji,t为改进的考虑业务复杂度的营收相似相对动量因子（Comp_RevRelative_MOM）,IndComp_RevRelative_MOM_adji,t为改进的考虑信息来源与经营业务复杂度的因子（IndComp_RevRelative_MOM）。

下表我们给出了考虑业务关联度后改进的因子的IC测试结果，并与原因子的测试结果进行对比。我们可以总结出两点：（1）从因子IC测试结果来看，IndComp_RevRelative_MOM_adj因子的整体效果最好，该因子既考虑了信息来源和经营业务复杂度，也考虑了业务之间的关联性。该因子IC均值达到5.21%，ICIR和t统计量分别达到0.65和4.26，横截面上对股票未来收益的预测能力和稳定性较强。（2）对比原因子与考虑业务关联性后改进的因子，可以看到改进后因子效果有显著提升。从IC均值来看，仅Comp_RevRelative_MOM_adj因子略低于原因子，其他因子均高于原因子；而从ICIR和t统计量来看，改进后的因子均高于原因子。

受篇幅限制，这里我们仅展示IC测试中表现最好的IndComp_RevRelative_MOM_adj因子的分组回测效果，如果投资者对其他因子的分组效果感兴趣，欢迎与我们交流。下表我们列出IndComp_RevRelative_MOM_adj因子的分组测试结果，可以看到多头组合表现较好，近三年总收益73.32%，年化收益17.02%，夏普比和卡玛比分别为0.61和0.53，多头组合整体表现与IndComp_RevRelative_MOM因子相差不大。对比多空组合的表现，可以看到IndComp_RevRelative_MOM_adj因子的多空组合表现明显优于IndComp_RevRelative_MOM因子，两个因子多空组合年化收益分别为13.63%与11.48%，卡玛比分别为0.88与0.66。

1、大类因子相关性分析

为检验上文构建的IndComp_RevRelative_MOM_adj因子与常见风格因子之间的相关性，我们计算了各因子之间的截面Spearman秩相关系数均值，具体结果如下表所示。

从下表中我们可以发现以下两点：（1）IndComp_RevRelative_MOM_adj因子与成长因子、价量因子和价值因子的相关性较低。其中，该因子与价量因子相关性最高，相关系数均值为11.59%。（2）IndComp_RevRelative_MOM_adj因子与反转因子的相关性较高，呈现出较为显著的正相关关系。

追本溯源，其实IndComp_RevRelative_MOM_adj因子与动量因子较高的相关性是因为在因子构造过程中，公式中包含了营收相似公司相对于目标公司的超额收益所导致的。换句话说，该因子的有效性既包含了目标公司相对于营收相似公司“补涨”的逻辑，又包含了目标公司短期反转的逻辑。那么，该因子的有效性中有多少“补涨”逻辑所带来的，有多少是短期反转效应所带来的呢？

这里我们尝试将IndComp_RevRelative_MOM_adj因子与反转因子进行截面回归取残差的中性化处理。下表我们列出了中性化处理后的IndComp_RevRelative_MOM_adj因子与反转因子的IC测试。通过下表我们可以看到在对IndComp_RevRel-ative_MOM_adj因子做中性化处理之后，其IC均值为2.48%，t统计量为2.10，胜率72%，因子的有效性仍然较高。同时，我们看到反转因子虽然有较高的IC均值，但是稳定性较差，IC胜率51%，t统计量为1.65。可以说，IndComp_RevRelative_MOM_adj因子有效性是目标公司相对于营收相似公司“补涨”效应与目标公司短期反转效应的结合，具有1+1>2的效果。

此外，我们还对IndComp_RevRelative_MOM_adj因子与反转因子进行双变量投资组合分析，来控制反转因子对投资组合的影响。具体操作为在每个横截面首先根据反转因子的值将市场股票分成5等份，在每个分组里再根据IndComp_RevR-elative_MOM_adj因子值分成5等份，再平均5个反转等分组中相同IndComp_RevRelative_MOM_adj因子排名的等权投资组合收益。如下图所示，在控制了反转因子的影响后，IndComp_RevRelative_MOM_adj因子仍具有较强的分组能力，且单调性较好。

3、不同宽基指数中的因子表现

接下来，我们把IndComp_RevRelative_MOM_adj因子应用到不同的宽基指数中，包括沪深300、中证500和中证1000，测试该因子在这些不同股票池中的有效性。

从IndComp_RevRelative_MOM_adj因子在不同股票池中的IC测试结果表可以看到，该因子在不同的股票池中的有效性均较为显著，t统计量均在2以上；此外，相比沪深300与中证500，该因子在中证1000股票池中的有效性更强，其IC均值达到6.15%，ICIR为0.77，t统计量5.06，IC胜率达到了79%。

从下表我们可以看到，IndComp_RevRelative_MOM_adj因子在沪深300、中证500和中证1000的多头组合年化收益分别为7.68%、13.15%和19.51%，多头超额年化收益分别为3.97%、5.71%和11.10%。同时，该因子在中证1000股票池中的表现尤为亮眼：多头超额夏普比率1.6，卡玛比率1.66；多空组合夏普比率1.22，卡玛比率1.45。

从上文IndComp_RevRelative_MOM_adj因子在沪深300、中证500和中证1000中的回测结果可以看到，IndComp_RevRelative_MOM_adj因子在中证1000中的有效性更强。我们认为这可能与跟踪中证1000指数成分股的卖方机构数量较少有关。如下图所示，我们计算了中证800与中证1000指数成分股180天内的平均覆盖机构数。可以看到中证800指数成分股平均覆盖的机构数量中枢在10家左右，而中证1000指数成分股平均覆盖的机构数量中枢在4家左右。卖方分析师对上市公司信息的分析处理能力较强，同时其作为沟通机构投资者与上市公司之间的桥梁，能够通过研究报告、路演等途径与投资者进行信息的交流。因此当覆盖公司的卖方机构数量较多时，卖方分析师加速了信息在市场中的传播效率，提高了股票的市场定价效率，从而导致我们发现的营收相似的公司之间股价在时间维度上的联动效应减弱。

重要申明

文章节选自2023年2月20日外发的报告《基于企业营收相似性的选股策略—“蓝海启航”系列研究之八》，具体细节以报告为准。

风险提示

本报告仅作为投资参考，基金过往业绩并不预示其未来表现，亦不构成投资收益的保证或投资建议。

分析师承诺

本研究报告的每一位证券分析师，在此申明，本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推荐或观点直接或间接相关。

本报告分析师

任瞳 SAC职业证书编号：S1090519080004

周靖明 SAC职业证书编号：S1090519080007

杨航 SAC职业证书编号：S1090523010004

特别提示

本公众号不是招商证券股份有限公司（下称“招商证券”）研究报告的发布平台。本公众号只是转发招商证券已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。

本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。

招商证券对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，招商证券均不承担任何形式的责任。

本公众号所载内容仅供招商证券股份客户中的专业投资者参考，其他的任何读者在订阅本公众号前，请自行评估接收相关内容的适当性，招商证券不会因订阅本公众号的行为或者收到、阅读本公众号所载资料而视相关人员为专业投资者客户。

一般声明

本公众号仅是转发招商证券已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见招商证券网站（http://www.cmschina.com/yf.html）所载完整报告。

本公众号所载资料较之招商证券正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。

本公众号所载资料涉及的证券或金融工具的价格走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，招商证券可能会发出与本资料所载意见、评估及预测不一致的研究报告。招商证券的销售人员、交易人员以及其他专业人士可能会依据不同的假设和标准，采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论或交易观点。

本公众号及其推送内容的版权归招商证券所有，招商证券对本公众号及其推送内容保留一切法律权利。未经招商证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。