川海智库

报告概述

本报告是中信建投证券发布的金融工程跟踪月报，核心研究对象是基于分析师预期数据的选股策略与指数增强组合。报告覆盖分析师预期修正选股策略、增强选股策略、预期双击组合及行业轮动、沪深300与中证500指数增强等多个策略。主要分析内容包括各策略的构建方法、历史回测表现及样本外跟踪效果，并基于最新数据给出选股结果与行业推荐。报告采用事件驱动与因子叠加的研究框架，辅以生命周期模型，为量化投资者提供可落地的策略参考。读者可通过本报告快速了解分析师预期类选股策略的最新成效与未来方向。

报告的核心结论

分析师预期修正选股策略样本外表现优秀，月度胜率71%。

该策略自2019年7月样本外跟踪至2026年2月，累计绝对收益235.11%，累计超额中证全指125.02%，月度胜率71%，最大回撤仅-10.1%，显示出稳定的超额收益获取能力。

分析师预期修正增强选股策略年化超额收益超22%。

该增强策略在2010年至2026年2月的16年回测中，组合年化收益27.41%，相对中证500年化超额22.19%，样本外跟踪62个月累计超额64.75%，证明了盈利预期调整因子的有效性。

预期双击组合行业轮动策略2026年2月推荐商贸零售等五大行业。

基于最新分析师预期数据，行业轮动策略选出商贸零售、有色金属、电子、建材、农林牧渔五个行业，短期表现值得重点关注。该策略自2022年样本外跟踪以来，累计超额收益29.77%，月度胜率60%。

沪深300与中证500指数增强组合均实现超额收益。

沪深300指数增强策略（2009年6月至2026年2月）年化超额收益6.72%，超额最大回撤-10.67%；中证500指数增强策略年化超额收益9.19%，回撤-6.69%，表明分析师预期因子在指数增强中同样有效。

报告回答的关键问题

分析师预期修正选股策略如何选出股票？

该策略基于分析师预期调整的四阶段模型，选取同时满足预期EPS FY1、EPS FY2、预期净利润FY1三个指标处于P1阶段（均值上升、离散度上升）的股票构成组合，认为这一阶段的股票未来一个月表现最好。最新一期共选出128只股票，电子、机械、基础化工等行业占比靠前。

分析师预期增强策略相比基础策略有哪些改进？

增强策略在预期修正成分股的基础上，进一步按照分析师盈利预期调整因子排序，选取排名前20的股票，从而在修正事件中筛选出边际改善力度最大的个股。历史数据显示，增强策略年化超额22.19%，显著高于基础策略，且样本外跟踪胜率达61%。

预期双击组合和行业轮动策略的关系是什么？

预期双击组合是结合分析师预期修正增强与预期收益率触底增强（生命周期模型）的双因子选股策略。行业轮动策略则是在此基础上，利用行业层面的一致预期数据，每月选出强势行业进行轮动投资。2026年2月轮动推荐商贸零售、有色金属、电子、建材、农林牧渔五个行业。

哪些行业在最新一期分析师预期修正中表现突出？

在2026年2月底的分析师预期修正选股中，电子、机械、基础化工、汽车等行业的股票入选数量较多，其中电子行业最多（18只）。此外，行业轮动策略也推荐了商贸零售、有色金属等五个行业，显示这些行业的分析师预期存在积极调整。

报告中的代表性数据

27.41%

分析师预期修正增强选股策略年化收益

2010年1月至2026年2月，该策略相对中证500的年化超额收益为22.19%，样本外跟踪62个月累计绝对收益126.20%，累计超额64.75%。

6.72%

沪深300指数增强组合年化超额收益

2009年6月至2026年2月，超额最大回撤-10.67%，组合年化收益9.18%。

29.77%

行业轮动策略样本外累计超额收益

2022年年初至2026年2月，累计绝对收益53.62%，样本外跟踪50个月，月度胜率60%，最大回撤-9.00%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整报告包含分析师预期修正选股策略的详细模型介绍，包括四阶段划分原理和多指标叠加选股方法，帮助理解策略逻辑。
  • 提供多种策略的历史回测图表与样本外跟踪表现，含累计收益、超额收益、月度胜率、最大回撤等关键指标，便于量化对比。
  • 深入解析分析师盈利预期调整因子的构造方法，涵盖数据源、计算步骤、因子排序流程，以及增强组合的具体构建规则。
  • 介绍预期双击组合的生命周期模型，包含TPP与TPM因子的定义、四阶段划分（触底/攀升/见顶/下滑）及组合增强方式。
  • 展示行业轮动策略的完整定义，以及基于最新数据选出的五个行业（商贸零售、有色金属、电子、建材、农林牧渔），提供短期关注方向。
  • 包含沪深300与中证500指数增强组合的构建步骤，包括成分股筛选、行业填充等细节，以及中长期回测表现。
  • 报告末尾附有风险提示，明确说明策略基于历史数据，未来存在失效可能，并提及模型假设和数据缺失等局限性。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告