业绩高增速组合的构建 - 构建方法基于分析师一致预期，首先在中证全指样本空间内，于每年4、8、10月底，筛选出总市值和过去一年日均成交金额排名前80%的样本，并剔除去年归母净利润为负的样本，最后根据分析师一致预期业绩增速筛选出前50%的样本，形成预期当年利润高增股票池 [7] - 在2011年8月31日至2025年10月31日的回测期间，该股票池平均每期包含571只股票 [9][11] - 为构建最终组合，在股票池基础上，进一步根据“一致预期业绩变化”因子（定义为当前一致预期净利润除以3个月前一致预期净利润再减1）进行筛选，每月选取该因子排名前50的股票等权构建组合，并考虑仓位因素以9成仓位进行业绩比较 [13][14][15] 业绩高增速组合的历史表现 - 在2012年至2025年10月31日的回测期间，9成仓位的业绩高增速组合年化收益为38.87%，同期万得偏股混合型基金指数年化收益为32.47%，组合年化超额收益为6.40% [16] - 组合在多数年份跑赢基准，例如2013年超额收益36.56%，2014年超额收益47.58%，2021年超额收益30.89% [16] - 组合市值特征与中证500指数相当，每期市值中位数平均为158亿元，可定义为中盘成长组合；月度单边换手率为53.45%，在1、4、7、8、10月因分析师盈利预测集中更新而调仓较高 [21] 组合实现的业绩增速 - 在2012年4月27日至2024年10月31日期间，业绩高增速组合实现的当年利润增速中位数的时序均值达到99%，显著高于预期当年利润高增股票池的36.86% [24] - 从时间序列看，组合的利润增速基本稳定位于全市场利润增速十分组中的第一组（G1）和第二组（G2）之间 [28][31] - 组合落在全市场利润增速前三组（G1至G3）的股票数量占比较为稳定，表明其持续实现了相对市场的高增长 [29][32] 预测利润增速的有效因子 - 研究采用多因子框架预测股票当年利润增速，在2011年12月30日至2024年12月31日回测期间，分析师、成长、盈利、市值因子的预测效果较为突出 [36][37] - 具体来看，分析师因子的RankIC均值为37.81%，成长因子为30.22%，盈利因子为33.46%，市值因子为15.70% [36] - 因子分组测试显示，分析师因子和成长因子能够筛选出当年利润增速更高的多头组合 [37][39] 因子选股方法比较：递进选股 vs. 并列选股 - 业绩高增速组合采用“递进选股”方法：先按一致预期业绩增速筛选股票池（前50%），再按分析师盈利预测变化因子选股（前50只） [43] - 作为对比的“并列选股”组合（高增速组合3）将两个因子等权打分后综合筛选 [46] - 在2011年12月30日至2025年10月31日回测期间，递进选股组合（年化收益24.29%，夏普比率0.86）整体表现优于并列选股组合（年化收益21.03%，夏普比率0.72），在过去14年中有9年跑赢 [45][47] - 研究指出，递进选股顺序对结果有影响，且由于分析师盈利预测变化因子（RankIC均值3.77%）的选股效果强于一致预期业绩增速因子（RankIC均值1.93%），将其作为最终选股标准效果更佳 [54][57] 附录：分析师因子的改进方法 - 传统方法使用固定时间窗口（如过去6个月）内的所有分析师预测数据，可能包含已失效的旧预测 [70] - 提出基于“业绩披露时点”的改进方法：在计算因子时，以最近一次业绩报告（预告、快报或正式财报）披露日为起点，仅使用该时点至当前月末期间分析师发布的最新盈利预测数据，以确保数据的及时性和有效性 [70][75] - 以“一致预期净利润变化”因子为例，改进后因子在中证全指样本空间的RankIC均值从3.22%提升至3.85%，RankIC IR从0.40提升至0.45 [77] - 以“分析师盈利上调比例”因子为例，改进后因子在中证全指样本空间的RankIC均值从2.92%提升至3.45%，RankIC IR从0.38提升至0.45 [81]