"海量"专题（232）——买入评级因子的改进及其在大盘股优选策略中的应用
重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
01
买入评级报告及因子
我们按照如下方式构建买入评级因子：若过去1个月有买入评级报告覆盖，则因子值为1，否则为0。在考察因子选股效果时，为剔除其他风格的影响，将上述虚拟变量因子对市值、估值、盈利、动量4个因子正交，最终得到因子累计月度溢价如图3所示。
2013年以来（截至2023.09，下同），买入评级因子月均溢价0.74%，月胜率65.9%，ICIR为1.60，统计显著。但2021年以来，买入评级因子的选股效果有所减弱（图4）。特别是2023年，买入评级因子仅在33.3%的月度获得正收益，月均溢价下降至0.03%。
针对这一现象，下文统计和分析了可能影响买入评级因子溢价的因素，并设法改善基础买入评级因子的选股表现。
02
买入评级因子相关影响因素
本节考察报告类型、是否新增买入、是否有基本面支撑、买入评级报告篇数、出具买入评级的分析师特点等因素，对买入评级因子选股效果的影响。
朝阳永续数据库将分析师报告类型主要分为一般个股报告、深度报告、调研报告和点评报告。如图5所示，买入评级报告以点评报告为主，2023年占比83.1%；其次为一般个股报告和深度报告，两者分别占比9.8%和7.0%；调研报告最少，占比仅0.1%。从变化趋势来看，点评报告和深度报告的占比增加；而一般个股报告和调研报告的占比持续减少。
表1统计了不同类型买入评级报告发布后，因子未来一个月的截面溢价。从中可见，深度报告具有最高的月均溢价，其次为点评报告；一般个股报告和调研报告的溢价相对较低。特别是调研报告，由于覆盖率较低（因子值为1的个股占全A个股之比），溢价时序波动很大，选股效果统计不显著。
而从近几年溢价相对历史溢价的表现来看，下滑速度最快的也是一般个股报告和调研报告。基于这两类报告所构建的买入评级因子，2021年以来，月均溢价为负。
若只考虑深度和点评两种报告类型，基于此所构建的买入评级因子2013年以来的月均溢价为0.78%，高于基于所有类型报告所构建的买入评级因子（0.74%），且溢价的波动率也有所降低。尤其是2021年以来，该因子月均溢价0.62%，明显优于初始买入评级因子（0.53%），胜率和ICIR也都具有相对优势。
由于买入评级报告以深度和点评两种类型为主，且两者的合计占比也从2013年的78.7%持续提升至2023年的90.1%（图6）；同时，这两类报告构建的因子溢价表现最优。因此，下文提及的买入评级因子均只基于深度和点评报告。
我们根据市值将全A个股等分为10组，其中D1为市值最小的10%股票，D10为市值最大的10%股票。然后统计买入评级个股在每一组中的占比，以此考察分析师推荐股票的市值分布特征。结果显示，与全A个股市值分布相比（各组占比相同，10%），买入评级个股在大市值组别中占比显著更高（图7）。类似地，我们也考察了买入评级个股的PB和基本面特征。结果显示，分析师给予买入评级的公司普遍估值较高、基本面较好（图7-8）。
如图9所示，买入评级个股过去一个月累计收益的分布呈两端高，中间低的特征。即，分析师推荐的股票大部分要么历史涨幅比较大，受关注度比较高；要么跌幅比较大，性价比高；而涨幅处于中间部分的股票，分析师相对较少给予买入评级。
综上所述，买入评级报告以深度和点评两种类型为主，且2013年以来，这两类报告在买入评级报告中的合计占比持续增加。截至9月，2023年两者合计占比已超过90%。而从选股效果来看，深度报告具有最高的截面溢价，其次为点评报告；一般个股报告和调研报告的溢价相对较低，尤其是2021年以来，这两类报告的月溢价显著下滑。
近1年来，买入评级报告发布后，溢价可以累积的时间变短。如图10所示，全区间（2013.01-2023.09，下同），月度买入评级因子在报告发布后的1-9周溢价持续上升，即超额收益在9周的窗口期内可以持续累积。但2022年下半年以来（截至2023.09），这种溢价累积的窗口期显著缩短。从第5周开始，累计溢价就开始持续下降。这一现象表明，因子收益的衰减变得更快。
针对这一问题，我们尝试将买入评级虚拟变量因子分解为两部分：新增买入评级和连续买入评级。其中，新增买入评级是指，当月因子值为1，同时上月因子值为0的新增的买入评级个股。即上个月未有买入评级报告覆盖，而本月有；连续买入评级则是指，上月、本月都有买入评级报告覆盖的股票。从构建方式可知，新增和连续买入评级合并即为买入评级因子。
全区间来看，新增买入评级与连续买入评级因子的ICIR较为接近（1.47 vs 1.63），但两者呈现不一样的收益风险特征。新增买入评级因子的收益时序波动较小（年化波动率为5.3%），而连续买入评级因子的溢价高（月均溢价为0.87%）。
近3年，新增买入评级的选股效果优于连续买入评级。尤其是2023年，前者月均溢价0.30%，月胜率66.7%；而后者月均溢价略微为负，月胜率小于50%。即今年以来，买入评级报告的溢价累计持续时间相对较短，时效性强。我们猜测，这可能在一定程度上与报告发布的时滞性有关。
以财报期为例，如图12所示，2023以前，4月份买入评级报告覆盖的个股数最多，到5月份则数显著减少。这可能意味着，事件（财报）与报告之间的滞后时间相对较短，绝大部分与财报相关的报告可能在4月份已发布。2023年，5月份覆盖的个股数与4月份无明显差异。通过与往年的对比，我们认为，很多针对4月份财报的分析师报告，到5月份才陆续发布。即，买入评级报告发布时，可能离事件（财报）已滞后一段时间，市场已有所反映，因此溢价累积的持续时间也较以往更短一些。
直观上，有基本面数据支撑的买入评级报告更具说服力，相应的溢价水平或许更高。我们将买入评级因子分解为“有基本面支撑的买入评级”和“其他买入评级”两部分。其中，有基本面支撑是指，公司的SUE高于全A个股SUE的下1/3分位点，即不属于SUE最差的1/3；其他买入评级则为，当月有买入评级报告覆盖且不属于有基本面支撑部分的个股。“有基本面支撑的买入评级”和“其他买入评级”合并即为买入评级因子。
如下表所示，有基本面支撑的买入评级因子历史溢价表现显著优于其他买入评级因子。2013-2023年，前者月均溢价为0.95%，ICIR为2.0；后者月均溢价仅为0.22%，ICIR低于1，且统计不显著。即全区间内，若公司基本面很差（属于SUE最低的1/3），即使有分析师出具买入评级报告，短期内（1个月）也不具备显著的超额收益。
不过，在2019-2021年成长风格显著优于价值风格的环境下，即使没有基本面支撑，买入评级报告发布后1个月的月均溢价仍超过0.5%，且统计显著。但在其他成长风格并不显著占优的阶段，失去基本面支撑后，买入评级因子的溢价表现相当一般。
综合表2-3的结果，我们认为，2023年买入评级因子的溢价下滑至0附近，可能在一定程度上与连续买入评级、没有基本面支撑的买入评级的因子溢价为负有关。因此，我们尝试将这两个部分从原始因子中剥离，构建新增且有基本面支撑的买入评级因子。
下表展示了该因子及其他买入评级因子（全部买入评级与新增且有基本面支撑买入评级的差集）的溢价表现。2013-2020年，两个因子的溢价接近；但近3年，新增且有基本面支撑的买入评级因子的溢价显著优于其他买入评级因子。尤其是2023年，前者溢价为正，而后者为负，差异更为明显。
除上述因素外，本文还分析了其他报告相关因素对买入评级因子溢价的影响。如下表所示，过去6个月发布报告篇数越多的分析师，其出具的买入评级报告溢价相对更高。买入评级报告历史溢价越高的分析师，相应的因子溢价也更高。但全区间来看，虽然这些因素都有一定的区分效果，但不同类别分析师的买入评级报告都具有较为显著的正溢价，不宜用作剔除指标。
买入评级报告篇数也会影响因子溢价。我们发现，至少有2篇买入评级报告覆盖的个股对应的因子溢价更高；而只有1篇买入评级报告覆盖的个股，因子溢价相对偏低，但波动率也更低。但全区间内，两者的溢价均显著高于0。
本节我们考察了报告类型、是否新增买入、是否有基本面支撑、买入评级报告篇数、出具买入评级的分析师特点等因素，对买入评级因子选股效果的影响。
报告类型上，买入评级报告以深度和点评报告为主，且2013年以来，这两类报告在买入评级报告中的合计占比持续增加。截至2023年，两者合计占比已超过90%。从选股效果来看，深度报告具有最高的截面溢价，其次为点评报告。一般个股报告和调研报告的溢价相对较低，尤其是2021年以来，这两类报告的月度因子溢价显著降低。
受报告发布时间与事件发生之间的时滞影响，2023年连续买入评级因子的溢价略微为负；而新增买入评级因子仍具有较为明显的正溢价，大于零的月份占比为66.7%。
有基本面支撑的买入评级因子历史溢价表现显著优于没有基本面支撑的因子。2013.01-2023.09期间，前者月均溢价0.95%，而后者仅0.22%；2023年，前者月均溢价为正，而后者为负。
其他可能影响买入评级因子溢价表现的因素还包括，分析师发布的报告篇数和每个股票对应的买入评级报告数量。分析师过去6个月发布的报告篇数越多或历史买入评级报告的溢价越高，则相应的买入评级因子的未来溢价也更高。至少有2篇买入评级报告覆盖的股票，溢价高于只有1篇买入评级报告覆盖的。虽然以上两个因素都有一定区分效果，但全区间内不论怎么划分都能获得溢价一致为正的因子，故不宜作为剔除标准。
综上所述，我们认为，2023年以来，基于全部买入评级报告所构建的买入评级因子表现走平（图14），有多方面因素影响，如报告类型、报告发布时滞变化等。但如果能更精细地筛选买入评级报告，则相应的因子仍有较为显著的选股收益。例如，基于深度和点评报告构建的新增且有基本面支撑的买入评级因子，2023年以来月均溢价0.55%，月胜率88.9%，ICIR高于1.5。
03
利用买入评级因子优选大市值个股
由上文可知，新增且有基本面支撑的买入评级报告对应的买入评级因子，溢价较高。尤其是2021年以来，溢价表现明显优于其他买入评级报告。但该因子的覆盖度不高（因子值为1的个股占比仅8%左右），如果加入全部A股的多因子模型，能提供的边际信息较少。但在限定选股池的情况下，该因子特有的信息就会变得有价值；因此，我们认为，改进后的买入评级因子或许更适合用于在特定选股池中构建风格类的Smart beta组合。
另一方面，买入评级报告在大盘股中的覆盖度更高。如图15所示，新增且有基本面支撑的买入评级报告，在市值最大的30%个股中的占比，显著高于市场分布。同时，图16显示，该因子在大市值股票中的覆盖度更高。因此，本节尝试在大盘选股策略中应用改进后的买入评级因子。
分析师覆盖度（过去3个月分析师出具的报告总篇数）与买入评级因子都为离散型变量，反映了分析师不同的观点。前者为整个分析师群体的关注程度，后者为分析师的评级判断。因此，我们将两者等权复合，构建分析师观点因子。
在全A市值最大的400只股票中，等权复合价值、盈利、增长、累计研发投入占比、预期净利润调整、分析师观点、低波低换手、反转、尾盘成交占比、开盘后大单净买入金额占比10个因子，月度换仓，选择复合因子得分最高的50只股票构建市值加权组合（限制单只个股权重上限10%）。按照这种方式构建的组合，我们简称为大盘优选组合。扣除单边千3的交易费用后，其业绩表现如表7所示。
其中，价值因子为无形资产调整的PB与最新PB的等权复合；盈利因子为单季度ROE同比变化/过去4期ROE同比变化波动率；增长因子为SUE与EAV的等权复合；低波低换手因子为低波动率与低换手率的等权复合。
2013.01-2023.09，大盘优选组合年化收益17.6%，而同期沪深300指数年收益3.0%，组合相对沪深300指数年化超额14.6%，月胜率72.7%。与未加入分析师观点因子的大盘优选组合相比，加入该因子后，组合年化收益提升1.5%，同时超额波动率、相对回撤都有所降低。
分年度来看，绝大部分年份中（占比72.7%），加入分析师观点因子均可提升大盘优选组合的超额收益，相对于沪深300指数的超额收益分布也更加均匀。除2023年外，其余年份的超额收益均超过10%。
按照如上方式构建的大盘优选组合，相对沪深300指数，在低估值和高增长上具有正向暴露（图17）。即，该组合呈现GARP（价值成长）风格。
得益于这一特征，组合在价值风格强的月份，超额收益更高；但是在成长风格强的月份，也具备显著的正向超额收益，月度均值0.95%（图18）。其中，成长风格强是指，国证成长指数优于国证价值指数的月份；反之，即为价值风格强。
如图17所示，组合在高增长因子上的暴露最高。因此，我们统计了增长因子收益为正和为负的月度，大盘优选组合相对沪深300指数的超额收益表现，具体如表8所示。从中可见，在增长因子有效（收益为正）的阶段，组合超额收益明显更高，月度均值达1.24%，稳定性也更好。但在增长因子失效（收益为负）的阶段，组合也有显著为正的超额收益。我们认为，这可能源于选股模型中其他因子的贡献，使得组合虽然在高增长因子上有最高的暴露，但并不会被其完全支配。
接下来，我们对选股池、组合持股数量、个股权重上限这3个参数进行敏感性测试。具体地，
选股池：分别为全A市值最大的300/400/500只股票；
组合持股数量：top50/top100；
个股权重上限：5%/10%。
不同参数下，按照前述多因子选股方法构建的大盘优选组合的业绩表现如表9所示。显然，加入分析师观点因子都能提升大盘优选组合的收益，同时降低超额波动率和相对回撤。因而，相应的收益风险比都能得到较为明显的改善。
若要增加收益，可扩大选股池范围，纳入一些市值相对较小的股票。例如，在持有50只股票、个股最大权重上限为10%的参数下，选股池由市值最大的300只股票扩容至500只股票，年化超额收益可由11.1%增加至15.0%。
若要降低超额波动率和回撤，可降低个股集中度。例如，在市值最大的500只股票中，选择复合因子得分最高的100只股票构建优选组合，且设置个股最大权重上限5%，则组合相对沪深300指数的年化超额波动率为6.1%，最大相对回撤6.1%。当然，超额收益也小幅下降至10.5%，但信息比仍高于1.5。而且，2013-2023年每一年均可取得正超额收益（表10）。
本节尝试在大盘股中，利用新增且有基本面支撑的买入评级因子改善选股策略的业绩表现。回测显示，在不同参数下，加入该因子都能提升大盘优选组合收益，同时降低超额波动率和相对回撤，相应的收益风险比得到较为明显的改善。
2013.01-2023.09，（1）在全A市值最大的400只股票中，选择多因子得分最高的50只股票所构建的大盘优选组合年化收益17.6%，相对沪深300指数年超额14.6%，月胜率72.7%，年化跟踪误差和最大相对回撤分别为7.5%和7.1%。（2）在全A市值最大的500只股票中，选择多因子得分最高的100只股票所构建的大盘优选组合相对沪深300指数年超额10.5%，月胜率69.5%，年化跟踪误差和最大相对回撤均为6.1%。
04
总结
2023年，买入评级因子的表现显著下滑，月均溢价接近于0（2023.01-2023.09）。针对这一现象，本文统计和分析了可能影响买入评级因子溢价的因素，并设法改善基础买入评级因子的选股表现。进一步，由于买入评级因子在大市值个股中的覆盖率更高，因此我们尝试在大盘选股策略中应用该因子，并基于此构建了大盘优选组合。
报告类型上，买入评级报告以深度和点评报告为主，且2013年以来，这两类报告在买入评级报告中的合计占比持续增加。截至2023年，两者合计占比已超过90%。从选股效果来看，深度报告具有最高的截面溢价，其次为点评报告。一般个股报告和调研报告的溢价相对较低，尤其是2021年以来，这两类报告的月度因子溢价显著降低。
受报告发布时间与事件发生之间的时滞影响，2023年连续买入评级因子的溢价略微为负；而新增买入评级因子仍具有较为明显的正溢价，大于零的月份占比为66.7%。
有基本面支撑的买入评级因子历史溢价表现显著优于没有基本面支撑的因子。2013.01-2023.09期间，前者月均溢价0.95%，而后者仅0.22%；2023年，前者月均溢价为正，而后者为负。
综合这些影响因素的分析，我们构建新增且有基本面支撑的买入评级因子。该因子2023年的月均溢价依然可达0.55%，月胜率88.9%，ICIR为1.51。但该因子的覆盖度不高（因子值为1的个股占比仅8%左右），因此，我们认为，它或许更适合用于在特定选股池中构建风格类的Smart beta组合。
大盘优选组合1。2013.01-2023.09，在全A市值最大的400只股票中，选择多因子得分最高的50只股票所构建的大盘优选组合1年化收益17.6%，相对沪深300指数年超额14.6%，月胜率72.7%，年化跟踪误差和最大相对回撤分别为7.5%和7.1%。
大盘优选组合2。2013.01-2023.09，在全A市值最大的500只股票中，选择多因子得分最高的100只股票所构建的大盘优选组合2，相对沪深300指数年超额10.5%，月胜率69.5%，年化跟踪误差和最大相对回撤均为6.1%。
05
风险提示
模型误设风险、历史统计规律失效风险、因子失效风险。
联系人
本篇文章来源于微信公众号: 海通量化团队
