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]

组合构建方法与绩效 - 业绩高增速组合构建方法为：在中证全指内，于每年4、8、10月底筛选市值与成交额前80%、剔除去年归母净利润为负的样本，再选取分析师一致预期业绩增速前50%的股票[6] - 在2011/8/31至2025/10/31回测期间，预期当年利润高增股票池平均包含571只股票[11] - 业绩高增速组合（9成仓位）在2011/12/30至2025/10/31期间年化收益为24.29%，年化波动28.27%，夏普比率0.86，最大回撤-54.63%[19][56] - 组合每期市值中位数平均为158亿元，与中证500指数市值相当，定义为中盘成长组合；月度单边换手率为53.45%[20] 组合业绩验证 - 在2012/4/27至2024/10/31期间，业绩高增速组合实现的当年利润增速中位数时序均值高达99%，显著高于预期股票池的36.86%[29] - 组合利润增速在时间序列上基本位于全市场利润增速十分组的第一组与第二组之间[32] 有效预测因子分析 - 对股票当年利润增速预测效果突出的因子包括：分析师因子（RankIC均值37.81%，IR 2.91）、成长因子（RankIC均值30.22%，IR 3.08）、盈利因子（RankIC均值33.46%，IR 2.71）和市值因子（RankIC均值15.70%，IR 2.97）[42] - 分析师盈利预测变化因子的选股效果（RankIC均值3.77%，IR 0.41）强于一致预期业绩增速因子（RankIC均值1.93%，IR 0.14）[70] 选股方法比较 - 因子递进选股（先一致预期业绩增速筛选，后分析师盈利预测变化选股）组合年化收益24.29%，优于因子并列选股组合的年化收益21.03%，在14年中有9年跑赢[56][59] - 改变递进选股顺序（先分析师盈利预测变化筛选，后一致预期业绩增速选股）的组合年化收益为20.38%，低于原业绩高增速组合[63][66] - 使用历史业绩增速（成长因子）替代分析师预期增速筛选股票池，构建的组合年化收益24.49%，与原组合24.29%表现接近[75][77] 因子改进与风险 - 改进后的分析师因子（如一致预期净利润变化因子）在多个样本空间（如中证全指）的RankIC均值（3.85%）和IR（0.45）均优于初始因子（RankIC均值3.22%，IR 0.40）[90] - 报告结果基于历史数据，未来市场结构变化或分析师盈利预测出现系统性偏差可能影响策略稳定性[115]

报告核心观点 - 从预测业绩出发构建高增速组合与稳健组合，通过多维度分析筛选股票池并构建组合，同时提出新方法改进分析师因子以提升选股效果 [1][68] 已知当年利润增速的股票组合表现 - 在中证全指样本空间内筛选样本，假设已知当年归母净利润增速分组构建组合，2011/12/30 - 2025/4/30回测显示，当年利润增速十分组下前四组年化收益分别为22.78%、21.63%、15.77%、13.20% [6][10] 分域筛选当年预期利润高增速的股票池 - 在中证全指样本空间筛选样本，按是否有分析师覆盖分两个子样本空间筛选，得到域1和域2两个股票池，2011/8/31 - 2025/4/30回测期间，域1平均有567只股票，域2平均有124只股票 [18][20] - 2011/12/30 - 2025/7/31回测期间，域1和域2股票等权组合长期年化收益接近，域2市值下沉大，受小微盘影响大，域1年化收益12.22%，域2年化收益13.47% [23][25] - 域1和域2当年利润增速中位数分别为37.07%、38.03%，与全市场利润增速十分组下第三组相当，行业分布接近，在医药等行业权重配置高 [28][32] 分域构建高增速组合与稳健组合 高增速组合构建 - 域1筛出一致预期业绩增速前50%样本，根据一致预期业绩变化因子选股，2011/12/30 - 2025/7/31回测期间，域1股票池定期更新构建组合，持股数量增多年化收益稍有下降但可控，不同持股数量下市值中位数及换手率差异不大 [42][44][47] - 以持股50只为例，高增速组合年化收益23.34%、夏普比率0.82，多数年份跑赢万得偏股混合型基金指数 [52][53] 稳健组合构建 - 域2筛出业绩加速度前50%样本，根据波动性因子选股，2011/12/30 - 2025/7/31回测期间，域2股票池定期更新构建组合，持股数量增多年化收益稍有下降但可控，不同持股数量下市值中位数及换手率差异不大 [42][60][61] - 以持股30只为例，稳健组合年化收益23.56%、夏普比率0.85，2019年以来持续获正收益 [60] 分析师因子的改进 - 提出新方法计算分析师因子，考虑业绩披露时点下盈利预测调整，以小熊电器为例说明旧方法可能使用失效数据 [68][69] - 重构一致预期净利润变化和分析师盈利上调比例两个小类因子，回测显示改进因子选股效果更好，如一致预期净利润变化改进因子在中证全指的Rank IC均值从3.36%提升到3.97% [71][74]

报告行业投资评级 未提及 报告的核心观点 在基准约束下调整红利增长组合，构建新红利增长组合并探索港股红利增长策略，同时改进分析师因子计算方法以提升选股效果 [8][12][31][42] 根据相关目录分别进行总结 基准约束下调整红利增长组合 - 5月7日中国证监会发布《行动方案》，强化业绩比较基准约束作用，基金公司评价、高管及基金经理考核与业绩比较基准密切相关 [8] - 2016 - 2024年原红利增长组合相对中证红利指数年化跟踪误差9.08%，新红利增长组合为5.82% [8] 新红利增长组合的构建 - 从过去三年分红比例稳定且盈利预期增长、过去连续两年分红金额增长且盈利预期增长两个维度筛选预测分红增长股票池，2016年以来平均含572只股票 [12][13] - 在股票池内先按过去三年平均股息率选前100只股票，再按成长因子选前50只构建组合，个股按最近年度股息率加权 [17][18] - 2016/1/1 - 2025/5/31回测期，新红利增长组合年化收益率12.08%，中证红利全收益指数为6.84%，年化超额收益5.24%，2016年以来均有正超额收益 [19] - 新红利增长组合历史股息率与中证红利指数接近，未来一年加权股息率略高 [23] - 行业分布上与中证红利指数偏差较小，在交通运输等行业低配，银行等行业超配 [25] - 市值分布相比中证红利指数偏小，但绝对市值偏大 [28] 港股红利增长策略的初步探索 - 后验视角测试，在港股通样本池筛选当年分红增加股票构建已知分红增长组合，2014/12/31 - 2025/4/30回测期年化收益率14.21%，基准组合为8.28%，年化超额收益5.92%，2015 - 2024年基本每年有超额收益 [33][34] - 利用简单动量构建红利增长策略，在2014/12/31 - 2025/4/30回测期表现接近，未跑出较好超额收益，策略无效 [37] 附录：分析师因子的改进 - 提出新方法计算分析师因子，考虑业绩披露时点下盈利预测调整，以小熊电器为例说明旧方法可能利用失效数据 [42][43] - 重构一致预期净利润变化、分析师盈利上调比例两个小类因子并测试选股效果变化 [45] - 回测显示改进后因子选股效果在部分指标上优于初始因子 [47][48][57]