[Table_Main] 证券研究报告 | 金融工程专题

深度报告
2022 年 09 月 09 日

金融工程专题 基于事件分析框架下的分析师文
金融工程专题

证券分析师 本情绪挖掘
肖承志 ——分析师专题之一
资格编号：S0120521080003 [Table_Summary]
邮箱：xiaocz＠tebon.com.cn 投资要点：
研究助理
 我们通过分析师预期数据构建了具有超额收益的量化策略。这种超额收益的来源
王成煜
是研报中蕴含的增量信息。分析师通过调研、研究获取信息，并通过研报将这些信
邮箱：wangcy3＠tebon.com.cn
息公开。
相关研究
《基于模型池的机器学习选股——德  分析师超预期事件的事前超额收益通常较为显著。乐观的分析师研报发布后，股价
邦金工机器学习专题之五》 通常有正面的表现，然而，事前的涨幅往往更明显。例如， “超预期”事件事前 20
2022.05.24 个交易日内，对应的股票有 5.65%的平均超额收益，而事后只有下 1.03%的平均
超额收益。
《动态因子筛选——德邦金工机器学
习专题之四》2022.03.09  本文基于分析师情绪构建了分析师乐观预期组合。2018 年以来的年化收益率为
《基于财务与风格因子的机器学习选 14.2%，相对中证 500 指数的超额年化收益率为 14%，夏普比率为 0.497，信息比
股——德邦金工机器学习专题之三》 率为 1.884，最大回撤为 33.1%。
2022.01.25
 我们构建的分析师乐观预期基准组合具有三个特征：超额收益稳定，在历史上每年
《机器学习残差因子表现归因——德
都能够获得正超额收益；选股数量多，策略容量大，平均每期能入选约 206 只股
邦金工机器学习专题之二》
票；入选股票的盈利能力和稳定性良好，70%以上的股票是沪深 300、中证 500 和
2021.11.24
中证 1000 指数成分股。
《利用机器学习捕捉因子的非线性效
应——德邦金工机器学习专题之一》  以分析师乐观预期组合为基准，通过基本面因子增强策略。我们把使用基本面因子
2021.10.18 筛选 60 只股票的组合命名为分析师乐观预期基本面初选 60 组合。该组合使用了
估值类、分析师预期类和财务质量类的基本面因子。2018 年以来，策略的年化收
益率达到 29.9%，相对中证 500 指数的超额年化收益率为 29.7%，夏普比率为
0.983，信息比率为 2.214，较分析师乐观预期组合有显著改善。

 通过基本面因子筛选 60 只股票后，通过技术面因子再筛 30 只股票，将组合命名

为分析师乐观预期基本面和技术面精选 30 组合。在基本面因子的基础上，组合使
用动量类和资金流类的技术面因子继续增强，2018 年以来的年化收益率为 37%，
超额年化收益率为 36.8%，夏普比率为 1.16，信息比率为 2.354，策略表现进一步
提升。

 风险提示：市场风格变化风险，模型失效风险，数据可用性风险

请务必阅读正文之后的信息披露和法律声明
 金融工程专题

内容目录
1. 引言 ................................................................................................................................ 4

1.1. 股票收益的可预测性 ............................................................................................ 4

1.2. 分析师研报的特点 ................................................................................................ 4

1.3. 分析师影响股票价格表现的途径 .......................................................................... 5

1.4. 从分析师预期数据获取收益的来源——信息差..................................................... 6

2. 分析师文本情绪挖掘 ....................................................................................................... 6

2.1. 研报标题关键词 .................................................................................................... 6

2.1.1. 乐观关键词 ................................................................................................. 6

2.1.2. 偏乐观关键词 ............................................................................................. 7

2.1.3. 中性关键词 ................................................................................................. 8

2.1.4. 悲观关键词 ................................................................................................. 9

2.1.5. 关键词坐标图 ............................................................................................. 9

2.2. 分析师乐观预期组合 .......................................................................................... 11

2.2.1. 股票数量 .................................................................................................. 13

2.2.2. 月超额收益率 ........................................................................................... 13

2.2.3. 行业占比 .................................................................................................. 13

2.2.4. 主要指数占比 ........................................................................................... 14

2.3. 分析师乐观预期组合特点 ................................................................................... 15

3. 分析师乐观预期组合多因子增强策略 ........................................................................... 15

3.1. 分析师乐观预期基本面初选 60 组合 .................................................................. 15

3.2. 分析师乐观预期基本面和技术面精选 30 组合 .................................................... 16

4. 结论 .............................................................................................................................. 18

5. 参考文献 ....................................................................................................................... 18

6. 风险提示 ....................................................................................................................... 19

信息披露 ............................................................................................................................ 20

2 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

图表目录
图 1：根据是否有分析师覆盖构建的两个投资组合的回测表现 ............................................ 4

图 2：分析师覆盖股票在主要指数占比情况 ......................................................................... 5

图 3：分析师未覆盖股票在主要指数占比情况 ..................................................................... 5

图 4：分析师评级情况构建的投资组合股票入选情况 .......................................................... 5

图 5：分析师评级情况构建的投资组合回测表现 ................................................................. 5

图 6：研报标题“量价齐升” 事件前后数个交易日的平均累计超额................................... 7

图 7：研报标题“扩产”事件前后数个交易日的平均累计超额 ............................................... 7

图 8：研报标题“超预期”事件前后数个交易日的平均累计超额 ............................................ 7

图 9：研报标题“放量”事件前后数个交易日的平均累计超额 ............................................... 7

图 10：研报标题“底部”事件前后数个交易日的平均累计超额 ........................................... 9

图 11：研报标题“静待”事件前后数个交易日的平均累计超额 ........................................... 9

图 12：研报标题关键词事件前后 20 个交易日超额涨跌幅平均值坐标图...........................10

图 13：分析师乐观预期组合回测表现 ................................................................................ 11

图 14：分析师乐观预期组合行业占比（申万一级行业） ...................................................14

图 15：分析师乐观预期组合指数成分占比 ........................................................................14

图 16：分析师乐观预期、基本面初选 60 组合回测表现 ....................................................15

图 17：分析师乐观预期组合经过基本面和技术面因子精选的 30 只股票的等权组合 ........17

表 1：乐观关键词事件前后超额涨跌幅及事件发生次数 ....................................................... 7

表 2：偏乐观关键词事件前后超额涨跌幅及事件发生次数 ................................................... 8

表 3：中性关键词事件前后超额涨跌幅及事件发生次数 ....................................................... 8

表 4：悲观关键词事件前后超额涨跌幅及事件发生次数 ....................................................... 9

表 5：分析师乐观预期组合回测结果统计 ..........................................................................12

表 6：分析师乐观预期组合每期入选股票数量 ...................................................................13

表 7：分析师乐观预期组合每期超额收益率（基准中证 500 指数） ..................................13

表 8：基本面增强因子列表 ................................................................................................15

表 9：分析师乐观预期基本面初选 60 组合回测结果统计 ..................................................16

表 10：分析师乐观预期组合因子增强技术面精选使用的因子 ...........................................17

表 11：分析师乐观预期组合基本面和技术面精选 30 组合回测结果统计...........................17

3 / 20 请务必阅读正文之后的信息披露和法律声明

rXkYcUzRnOnRrQbR9R8OmOqQpNtRiNoOwPkPsQrR9PnMqQvPnQpNxNoMoQ
 金融工程专题

1. 引言
1.1. 股票收益的可预测性

量化投资要求股票收益在一定程度上可预测。股票的收益一部分来源于风险
补偿和错误定价，量化投资者通过有效的数据来捕捉这两种收益来源。

分析师预期数据是公开数据中较典型的有效数据。我们根据分析师数据构建
的因子可以分为三类：第一类是根据分析师覆盖和评级情况构建的因子；第二类
是基于分析师对个股的目标价、盈利预测等定量数据构建的因子；第三类通过对
研报进行关键词提取或自然语言处理构建的因子。本文重点测试第三类因子的有
效性。

1.2. 分析师研报的特点

分析师对其关注的行业通常有着系统的研究和见解，并对上市公司的最新动
态有紧密的关注，因此基于分析师数据进行量化投资是有很强的可解释性和逻辑
性的。分析师不仅掌握大量有效信息，还可以对这些信息进行深度解读并给出投
资建议[1]。

需要注意的是，分析师覆盖并不等同于分析师乐观预期。通常，分析师倾向
于覆盖基本面或股价表现较好的个股。我们将 2018 年以来有分析师覆盖和没有分
析师覆盖的股票分别构建为两个投资组合，各个股票等权。两个组合的回测结果
如图 1 所示：

图 1：根据是否有分析师覆盖构建的两个投资组合的回测表现

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日；月初调仓，调仓日起前 20 个交易日内有发布过研报的股票即
纳入分析师覆盖组合，其他股票纳入未覆盖组合；调仓时排除上市不满 240 个交易日的股票，排除调仓日当天涨停的
股票；等权的持仓权重。

以中证 500 指数作为基准，有分析师覆盖的股票组合超额年化收益率为 6.2%，

没有分析师覆盖的组合超额年化收益率为 2.9%，仅根据是否有分析师覆盖并不能
构建具有良好超额收益的组合。此外，两个投资组合成分股的特征有明显差异。
分析师是否覆盖的股票组合在主要指数占比的情况如图 2 和图 3 所示，有分析师
覆盖的股票组合中的七成属于沪深 300、中证 500 和中证 1000 指数成分股，而
没有分析师覆盖的股票则通常不是上述指数的成分股。

4 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

图 2：分析师覆盖股票在主要指数占比情况 图 3：分析师未覆盖股票在主要指数占比情况

100% 100%
90% 90%
80% 80%
70% 70%
60% 60%
50% 50%
40% 40%
30% 30%
20% 20%
10% 10%
0% 0%
2018-01-02 2019-01-02 2020-01-02 2021-01-02 2022-01-02 2018-01-02 2019-01-02 2020-01-02 2021-01-02 2022-01-02

沪深300 中证500 中证1000 其它 沪深300 中证500 中证1000 其它

资料来源：Wind，德邦研究所 资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月至 2022 年 7 月。 注：数据范围是 2018 年 1 月至 2022 年 7 月。

另外，当分析师看好一只股票时，倾向于发报告并给出“买入”或“增持”评
级；当分析师不看好一只股票时，倾向于减少发研报。这种行为倾向在很大程度
上降低了利用评级来预测股价的有效性。如图 4 和图 5，根据四类评级构建组合
有两方面的问题。第一，买入和增持评级占总体的 94%以上，并不能起到有效的
筛选作用；第二，买入和增持评级对应的两个投资组合的区分度不大，且超额收
益都不高。因此，仅使用分析师评级数据难以构建具有较高超额收益的组合。因
此，我们需要通过分析师研报的文本来更精细地分析情绪和预期。

图 4：分析师评级情况构建的投资组合股票入选情况 图 5：分析师评级情况构建的投资组合回测表现
占比5.37%; 占比0.19%;股
股票入选总计 票入选总计
5637次 202次

买入

占比47.50%; 增持
股票入选总计
占比46.93%; 49820次 中性
股票入选总计
49228次 卖出

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日；月初调仓，调仓日起
资料来源：Wind，德邦研究所
前 20 个交易日内有分析师评级的股票即纳入相应评级组合；调仓日股票池无
注：数据范围是 2018 年 1 月至 2022 年 6 月。
入选股票时延续上一调仓日持仓；调仓时排除上市不满 240 个交易日的股票，
排除调仓日当天涨停的股票；等权的持仓权重。

1.3. 分析师影响股票价格表现的途径

根据传统资产定价理论，上市公司股票价格反映的是公司未来现金流的折现
值，当公司经营状况发生变化，影响到公司的未来现金流时，或者市场环境变化，
影响到资本成本和折现率时，股价也会随之波动。据此，分析师在跟踪上市公司
经营情况和发表研报的过程中，会通过如下途径影响上市公司股价：

第一， 分析师是资本市场重要的信息中介，分析师研报能降低资本市场中的
信息不对称。分析师研报内容是市场上公开的信息，并对上市公司的
公告的信息构成补充。随着股票市场信息不对称程度的降低，投资者
对流动性风险的敏感性会显著减弱，降低上市公司融资成本，从而有
5 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

利于股价[2]并促进资本市场合理配置资源[3]；

第二， 分析师通过影响投资者的认知来影响资本成本[4]。投资者倾向于持有
更熟悉的股票，因此市场上规模较小、不被广泛关注的股票的特质风
险无法被完全分散补偿[5]。分析师对个股的研报会吸引投资者关注，
方便投资者对上市公司经营情况形成更深层的理解，这对股价是有利
的。

1.4. 从分析师预期数据获取收益的来源——信息差

我们通过梳理研报标题的关键词来挖掘分析师文本的情绪。通常，分析师的
文本情绪与上市公司的盈利预期相关，这种情绪会传导到市场并影响股价。分析
师给出的盈利预期和通过研报传达的情绪对市场而言是新的信息，对上市公司的
财务信息形成补充，这些增量信息或将影响上市公司的股价。

本文从分析师文本情绪挖掘出发，统计研报关键词对股价的影响，并构建基
于分析师情绪因子的投资策略，并用基本面和技术面因子来增强策略。

2. 分析师文本情绪挖掘
我们从研报文本入手来挖掘分析师情绪。文本内容是非结构化数据，需要将
其预处理成结构化的因子数据。本文仅根据研报标题关键词来对分析师情绪进行
分类。

2.1. 研报标题关键词

我们搜集了 2017 年到 2022 年 6 月的个股研报数据，共计 25 万余篇。对上

述研报的所出现的关键词按乐观、偏乐观、中性和悲观进行分组，我们一共分析
了 107 个关键词，标题出现这些关键词的研报占研报总数的 90.6%。

本文人为将情绪关键词归入以下四个类别：乐观、偏乐观，中性和悲观。此
外，我们将一些近义词视为一个词，如“超预期”这个关键词的同义词为： “好于
预期”、
“超过快报指引”、
“超越市场预期” 、
“超越预期”和“超过市场预期”等；
“高增长”这个关键词的同义词为：“高增长”、“大幅增长”、
“高增”、
“高速增长”、
“快速增长”、
“增长强劲”、“业绩增长迅速”、“大幅增加”、“大增”和“高成长”
等。

我们以偏股混合型基金指数作为基准，对包含四类关键词的研报发布事件前
后的超额涨跌幅进行统计。我们发现，四类关键词具有较为明显的分组效果，我
们也注意到了一批表现亮眼的关键词。

2.1.1. 乐观关键词

自 2018 年以来，研报出现乐观关键词的股票，事件前后的相对中证 500 指

数的超额涨跌幅以及事件发生次数的统计如表 1 所示：

6 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

表 1：乐观关键词事件前后超额涨跌幅及事件发生次数
事件前 20 事件后 20 事件前 20 事件后 20 事件前 20 事件后 20
事件发生次 事件发生次 事件发生次
关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超
数 数 数
额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅
量价齐升 4.11% 1.68% 2164 反转 1.74% 0.69% 754 翻倍 2.06% 0.28% 678
扩产 3.82% 1.19% 1563 新高 3.00% 0.61% 3107 预增 3.65% 0.16% 1452
超预期 5.65% 1.03% 13691 看好 1.07% 0.39% 9194 改善 0.92% 0.12% 13921
低估 2.44% 0.89% 1011 领先 2.90% 0.38% 1401 优势 1.70% -0.25% 4655
涨价 2.71% 0.86% 884 高增长 2.25% 0.32% 28554 扭亏为盈 1.11% -0.34% 614
高景气 3.17% 0.80% 2418 突出 2.16% 0.31% 739 优异 2.43% -0.48% 834
上调 7.47% 0.76% 839 靓丽 3.88% 0.30% 2045 优质 2.39% -0.53% 1337
资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数（885001.WI）

其中带有“量价齐升”、
“扩产”和“超预期”关键词的股票组合在事件前后均
相对于偏股混合型基金指数有至少 1%的超额收益。研报标题带有这三个关键词
股票在事件前后数个交易日的累计超额如图 6、图 7 和图 8 所示：

图 6：研报标题“量价齐升” 事件前后数个交易日的平均累计超
图 7：研报标题“扩产”事件前后数个交易日的平均累计超额
额
4.50% 4.50%
4.00% 4.00%
3.50% 3.50%
3.00% 3.00%
2.50% 2.50%
2.00% 2.00%
1.50% 1.50%
1.00% 1.00%
0.50% 0.50%
0.00% 0.00%
-20
-18
-16
-14
-12
-10

0
2
4
6
8

-20
-18
-16
-14
-12
-10

0
2
4
6
8
-8
-6
-4
-2

-8
-6
-4
-2
10
12
14
16
18
20

10
12
14
16
18
20
资料来源：Wind，德邦研究所 资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数 注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数
（885001.WI） （885001.WI）

图 8：研报标题“超预期”事件前后数个交易日的平均累计超额 图 9：研报标题“放量”事件前后数个交易日的平均累计超额

6.00% 2.00%
1.80%
5.00%
1.60%
1.40%
4.00%
1.20%
3.00% 1.00%
0.80%
2.00%
0.60%
0.40%
1.00%
0.20%
0.00% 0.00%
-20
-18
-16
-14
-12
-10

-20
-18
-16
-14
-12
-10
0
2
4
6
8

0
2
4
6
8
-8
-6
-4
-2

10
12
14
16
18
20

-8
-6
-4
-2

10
12
14
16
18
20

资料来源：Wind，德邦研究所 资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数 注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数
（885001.WI） （885001.WI）

2.1.2. 偏乐观关键词

自 2018 年以来，研报出现偏乐观关键词的股票，事件前后的相对中证 500 指

7 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

数的超额涨跌幅以及事件发生次数的统计如表 2 所示：

表 2：偏乐观关键词事件前后超额涨跌幅及事件发生次数
事件前 20 事件后 20 事件前 20 事件后 20 事件前 20 事件后 20
事件发生次 事件发生次 事件发生次
关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超
数 数 数
额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅
放量 1.88% 1.15% 5143 回暖 0.50% 0.12% 2814 好转 0.82% -0.20% 879
拐点 2.92% 0.86% 3027 增强 1.72% 0.07% 1330 拓展 0.78% -0.27% 4021
新品 1.16% 0.81% 1891 广阔 3.26% 0.07% 1134 稳步推进 0.32% -0.27% 2258
逆势 1.96% 0.80% 1224 亮眼 2.36% 0.07% 3845 获批 2.87% -0.36% 1019
修复 1.63% 0.78% 1911 复苏 1.58% 0.06% 2481 增量 1.60% -0.39% 1302
突破 1.99% 0.67% 2157 升级 2.02% 0.05% 2657 持续推动 0.13% -0.42% 2053
向好 0.84% 0.45% 4048 受益 3.89% -0.01% 5441 推进 0.55% -0.42% 8083
创新 2.54% 0.44% 4039 蓄势待发 1.56% -0.02% 699 加码 2.15% -0.46% 1702
持续发力 1.92% 0.43% 1070 优化 1.07% -0.05% 3845 进一步 2.50% -0.49% 2846
龙头 3.40% 0.36% 11914 增厚 1.27% -0.08% 1502 同增 1.39% -0.58% 841
爆发 4.59% 0.36% 1384 顺利 1.12% -0.10% 2675 完善 1.46% -0.73% 1563
扭亏 0.99% 0.21% 1091 助力 2.42% -0.12% 4902 充足 1.65% -0.78% 1176
扩张 1.48% 0.20% 5436 提升 1.89% -0.13% 15208 赋能 2.75% -0.89% 568
稳步增长 0.05% 0.20% 7389 可期 1.78% -0.13% 8289 进军 3.74% -0.94% 632
加速 2.59% 0.19% 9688 值得期待 1.61% -0.16% 2348 高质量 2.12% -1.04% 668
激励 1.81% 0.16% 3311 收获期 2.66% -0.16% 712 协同效应 0.99% -1.26% 495
提速 2.44% 0.14% 3113 定增 1.18% -0.19% 4417 中标 2.45% -1.46% 713
资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数（885001.WI）

带有“放量”关键词的股票组合在事件前后至少有 1%的超额涨幅。研报标题
带有“放量”关键词股票在事件事件前后数个交易日的累计超额如图 9 所示。

2.1.3. 中性关键词

自 2018 年以来，研报出现偏乐观关键词的股票，事件前后的相对中证 500 指

数的超额涨跌幅以及事件发生次数的统计如表 3 所示：

表 3：中性关键词事件前后超额涨跌幅及事件发生次数
事件前 20 事件后 20 事件前 20 事件后 20 事件前 20 事件后 20
事件发生次 事件发生次 事件发生次
关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超
数 数 数
额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅
底部 -0.27% 1.12% 646 符合预期 0.26% 0.16% 18834 剥离 1.24% -0.36% 429
静待 -1.82% 1.05% 2964 持续释放 2.91% 0.07% 544 跟踪 2.61% -0.42% 2084
投产 1.83% 0.41% 1291 成效 1.80% 0.07% 2339 落地 2.26% -0.46% 4065
弹性 4.13% 0.39% 2979 有望 2.01% 0.06% 13273 布局 1.29% -0.54% 9966
彰显 1.96% 0.38% 3528 聚焦 0.63% -0.04% 1544 转型 0.63% -0.66% 3236
兑现 2.80% 0.34% 1957 稳定 -0.18% -0.16% 14992 收购 2.20% -0.80% 3304
驱动 2.55% 0.29% 4681 延续 1.80% -0.16% 3796 并购 1.20% -0.91% 1301
影响 -2.53% 0.27% 6109 海外 1.12% -0.20% 2848 整合 0.47% -0.92% 1889
开启 4.21% 0.20% 1875 恢复 0.77% -0.27% 3575
资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数（885001.WI）

带有“底部”和“静待”关键词的股票组合在事件后至少有 1%的超额涨幅。
事件前有明显的超额跌幅。研报标题带有“底部”和“静待”关键词股票在事件前
后数个交易日的累计超额如图 10 和图 11 所示：

8 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

图 10：研报标题“底部”事件前后数个交易日的平均累计超额 图 11：研报标题“静待”事件前后数个交易日的平均累计超额

1.60% 1.50%
1.40%
1.00%
1.20%
1.00% 0.50%
0.80%
0.00%

-20
-18
-16
-14
-12
-10

0
2
4
6
8
-8
-6
-4
-2

10
12
14
16
18
20
0.60%
-0.50%
0.40%
0.20% -1.00%
0.00%
-1.50%
-20
-18
-16
-14
-12
-10

0
2
4
6
8
-8
-6
-4
-2

10
12
14
16
18
20
-0.20%
-0.40% -2.00%

资料来源：Wind，德邦研究所 资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数 注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数
（885001.WI） （885001.WI）

2.1.4. 悲观关键词

自 2018 年以来，研报出现悲观关键词的股票，事件前后的相对中证 500 指

数的超额涨跌幅以及事件发生次数的统计如表 4 所示：

表 4：悲观关键词事件前后超额涨跌幅及事件发生次数
事件前 20 事件后 20 事件前 20 事件后 20 事件前 20 事件后 20
事件发生次 事件发生次 事件发生次
关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超 关键词 个交易日超 个交易日超
数 数 数
额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅 额涨跌幅
承压 -4.42% 0.94% 5482 亏损 -1.83% -0.06% 789 放缓 -3.83% -0.13% 1453
拖累 -3.76% 0.02% 3488 调整 -1.62% -0.07% 1770 下滑 -3.52% -0.56% 3511
压力 -1.63% -0.05% 1489 波动 -4.23% -0.08% 1191 不及预期 -4.83% -0.84% 3083
资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数（885001.WI）

带有悲观关键词的股票组合在事件前都有明显的负超额收益，事件后大部分
具有较弱的负超额收益。

2.1.5. 关键词坐标图

我们对上述 107 个因子画出的事件前后 20 个交易日超额涨跌幅平均值坐标

图如图 12，图的横轴和纵轴分别为事件前和事件后 20 个交易日的超额收益的平
均值。图中以不同的颜色来区分乐观、偏乐观、中性和悲观四种情绪。

关键词可以较为明显的将股票分类。带有乐观关键词的股票超额涨幅更靠近
坐标轴的右上方，在事件发生前后大部分均有明显涨幅；带有偏乐观和中性关键
词的股票趋近于坐标轴原点的右侧，在事件发生前 20 个交易日更倾向于有较多的
超额涨幅，事件后超额涨跌情况不一；带有悲观关键词的股票主要聚集于坐标轴
的左侧，在悲观情绪出现前有超额跌幅，在悲观情绪出现后有微弱的超额跌幅。

我们根据坐标轴上所有关键词分布的特点，划分出一批可以较多捕捉事件前
后信息差的关键词。我们认为事件后股票平均超额涨幅大于 1%的关键词可以较
多捕捉事件前后信息差。6 个关键词分别是：“量价齐升”、“扩产”、“超预期”、
“放量”、“底部”和“静待”。我们首先筛选出现上述关键词的研报对应的股票，
然后再排除出现悲观关键词的股票，并构造一个投资组合，将其命名为分析师乐
观预期组合。

9 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

图 12：研报标题关键词事件前后 20 个交易日超额涨跌幅平均值坐标图

2.00%

量价齐升

1.50%

扩产
事件后20个交易日超额涨跌幅平均值

放量
底部
静待 超预期
1.00%
低估
涨价拐点
承压 新品
修复逆势 高景气

反转
突破
新高

向好
0.50% 持续发力创新
看好 投产彰显 领先 弹性
龙头 爆发
高增长 兑现 靓丽
影响 突出 驱动
扭亏 翻倍
稳步增长 扩张 加速 开启
符合预期 激励 提速 预增
回暖
增强
成效
复苏 升级亮眼持续释放 广阔
拖累 有望
蓄势待发 受益
压力 聚焦 优化
波动 0.00% 增厚
-5.00% -4.00% -3.00% -2.00% -1.00% 0.00% 顺利
1.00% 2.00%助力 3.00% 4.00% 5.00% 6.00%
放缓 提升
可期
亏损 稳定 值得期待
延续 收获期
调整 定增
好转海外 优势
稳步推进
拓展恢复
扭亏为盈
获批
剥离增量
持续推动 跟踪
推进 落地
加码 优异
下滑 布局 进一步
-0.50% 同增
优质 高质量
转型
完善
充足 收购
不及预期
赋能
整合 并购
进军

高质量
-1.00%

协同效应

中标

-1.50%
事件前20个交易日超额涨跌幅平均值 乐观 偏乐观 中性 悲观

资料来源：Wind，德邦研究所
注：数据范围是 2017 年 1 月至 2022 年 7 月，基准是偏股混合型基金指数（885001.WI）

10 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

“量价齐升”、
“扩产”、
“超预期”是乐观关键词。其中“超预期”出现次数远
远大于其他关键词，“超预期”具有很强的股票收益预测能力。带有乐观关键词的
股票组合在事件前超额收益通常远大于事件后超额收益。“放量”是偏乐观关键词。
带有偏乐观关键词的股票组合事件前超额收益远大于事件后的超额收益，但差异并
没有乐观关键词那么大。分析师乐观情绪得以在研报中公开体现后，正面信息被进
一步定价，投资者仍然可以获取剩余的超额收益。 “超预期”关键词出现次数远大
于其他关键词，出现该关键词后，股票获取超额收益的能力也最为稳健。相比而言，
其他关键词能起到一些补充作用。例如，“底部”和“静待”是中性关键词，代表
分析师认为该股票的股票表现或基本面情况位于历史低点，但“底部”和“静待”
并不意味着分析师对上市公司持高度乐观的态度。

2.2. 分析师乐观预期组合

我们基于上述分析的关键词构建了分析师乐观预期组合。选股方法结合使用
了乐观和悲观关键词。

 筛选过去 20 个交易日股票研究报告出现乐观预期关键词的股票（ “量
价齐升”、
“扩产” 、“超预期”、“放量”、“底部”和“静待”）
；

 排除过去 20 个交易日股票研究报告出现悲观关键词的股票（“承压”、
“拖累”、
“下滑”、 “波动”、
“压力”、
“放缓”、
“亏损”、
“调整”和“不
及预期”）
。

分析师乐观预期组合的构建方法和交易规则是：

 每月月初调仓；

 每期股票池中股票等权持仓；

 排除上市不满 240 个交易日的股票；

 涨停股票不买；

 交易费用是千分之三；

 基准为中证 500 指数。

分析师乐观预期组合 2018 年以来的回测表现如图 13：

图 13：分析师乐观预期组合回测表现

11 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

分析师乐观预期组合 2018 年以来的回测结果统计如表 5：

表 5：分析师乐观预期组合回测结果统计
2018 2019 2020 2021 2022 全部
策略年化收益率 -26.2% 55.6% 45.3% 18.7% -7.1% 14.2%
基准年化收益率 -34.2% 26.4% 20.9% 15.6% -14.5% 0.2%
超额年化收益率 8.0% 29.2% 24.4% 3.1% 7.4% 14.0%
策略年化波动率 25.3% 22.7% 27.3% 20.1% 27.0% 24.5%
基准年化波动率 24.0% 23.3% 25.5% 15.3% 24.5% 22.7%
超额年化波动率 6.0% 6.0% 6.4% 8.9% 10.0% 7.4%
策略夏普比率(rf=2%) -1.114 2.365 1.586 0.828 -0.338 0.497
基准夏普比率(rf=2%) -1.506 1.048 0.739 0.889 -0.673 -0.081
信息比率 1.327 4.874 3.839 0.348 0.734 1.884
策略最大回撤 30.1% 16.6% 17.7% 14.0% 29.4% 33.1%
策略最大回撤起始 2018-05-22 2019-04-03 2020-02-25 2021-01-25 2022-01-04 2021-11-30
策略最大回撤终止 2018-10-18 2019-06-06 2020-03-23 2021-03-10 2022-04-26 2022-04-26
基准最大回撤 37.7% 21.7% 15.2% 9.6% 28.8% 37.7%
基准最大回撤起始 2018-01-08 2019-04-04 2020-02-25 2021-02-19 2022-01-04 2018-01-08
基准最大回撤终止 2018-10-18 2019-08-09 2020-03-23 2021-03-10 2022-04-26 2018-10-18
超额最大回撤 4.9% 5.6% 4.3% 7.7% 4.7% 9.5%
超额最大回撤起始 2018-07-16 2019-01-31 2020-06-30 2021-01-18 2022-01-18 2021-11-29
超额最大回撤终止 2018-08-06 2019-03-07 2020-07-14 2021-05-10 2022-02-11 2022-02-11
策略卡玛比率 -0.87 3.357 2.558 1.332 -0.242 0.428
基准卡玛比率 -0.907 1.219 1.37 1.629 -0.502 0.004
超额卡玛比率 1.645 5.221 5.623 0.401 1.551 1.476
资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

分析师乐观预期组合的年化收益率为 14.2%，超额年化收益率为 14%，夏普

比率为 0.497，信息比率为 1.884，最大回撤为 33.1%，发生最大回撤的区间是
2021 年 11 月 30 日至 2022 年 4 月 26 日。

接下来，我们分析分析师乐观预期组合的持仓情况。

12 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题
2.2.1. 股票数量

表 6：分析师乐观预期组合每期入选股票数量
1月 2月 3月 4月 5月 6月 7月 8月 9月 10 月 11 月 12 月
2018 年 81 192 198 208 375 79 67 187 349 86 270 47
2019 年 41 132 161 178 312 84 69 176 308 95 296 94
2020 年 77 200 155 147 260 160 78 201 430 90 461 137
2021 年 76 254 257 243 537 297 97 240 502 147 361 98
2022 年 86 262 215 287 503 296 110
平均值 72.2 208 197.2 212.6 397.4 183.2 84.2 201 397.25 104.5 347 94
资料来源：Wind，德邦研究所

如表 6 所示，分析师乐观预期组合平均每期入选约 206 只股票。1 月、7 月

和 12 月入选股票较少，；5 月、9 月和 11 月入选股票数量较多。在 2019 年 1 月
入选股票数量最少，为 41 只；在 2021 年 5 月入选股票数量最多，达到 537 只。

2.2.2. 月超额收益率

表 7：分析师乐观预期组合每期超额收益率（基准中证 500 指数）

1月 2月 3月 4月 5月 6月 7月 8月 9月 10 月 11 月 12 月
2018 年 0.39% 0.78% 0.92% 1.59% 3.50% 2.52% -1.01% 1.75% -0.08% -0.01% 0.84% -0.16%
2019 年 5.73% -2.97% 0.96% 1.02% 1.42% 3.61% 3.28% 1.76% 1.61% 2.66% 0.45% 1.18%
2020 年 4.61% 2.95% -1.52% 2.17% 0.87% 3.12% 0.59% 0.58% -0.68% 2.18% -0.78% 5.45%
2021 年 -1.13% -3.09% 0.12% 0.12% 0.99% 4.80% 6.06% -2.64% -2.50% 3.38% 2.38% -5.34%
2022 年 -0.56% 1.00% -2.03% 0.20% 1.80% 5.85% 2.90%
平均值 1.81% -0.27% -0.31% 1.02% 1.72% 3.98% 2.36% 0.36% -0.41% 2.05% 0.72% 0.28%
资料来源：Wind，德邦研究所

4 月、8 月和 10 月是上市公司集中公布财务报告的时期，分析师研究报告也
较多，这使得次月乐观预期组合股票入选数量也较多。如表 7 所示，6 月、7 月和
10 月的平均超额涨幅较大，2 月、3 月和 9 月的平均超额涨幅为负。

2.2.3. 行业占比

分析师乐观预期组合的行业占比统计情况如图 14 所示。其中医药（12.43%） 、
化工（11.43%）和电子（10.47%）行业占比排名前三。综合（0.31%）、休闲服务
（0.68%）
、非银金融（0.97%）、商业贸易（1.01%）、钢铁（1.12%）等行业占比
排名靠后。

13 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

图 14：分析师乐观预期组合行业占比（申万一级行业）

医药生物 12.43%
化工 11.43%
电子 10.47%
机械设备 7.97%
计算机 5.83%
电气设备 5.54%
有色金属 4.75%
食品饮料 4.17%
汽车 3.86%
轻工制造 3.22%
公用事业 2.71%
通信 2.49%
交通运输 2.41%
建筑装饰 2.40%
农林牧渔 2.32%
传媒 2.18%
建筑材料 2.11%
采掘 2.04%
国防军工 1.96%
家用电器 1.73%
房地产 1.34%
银行 1.32%
纺织服装 1.23%
钢铁 1.12%
商业贸易 1.01%
非银金融 0.97%
休闲服务 0.68%
综合 0.31%

资料来源：Wind，德邦研究所

2.2.4. 主要指数占比

分析师乐观预期组合在沪深 300、中证 500、中证 1000 指数成分股占比的统

计如图 15 所示，总占比基本维持在 70%至 80%之间。

图 15：分析师乐观预期组合指数成分占比

100%

90%

80%

70%

60%

50%

40%

30%

20%

10%

0%
2018-01-02 2019-01-02 2020-01-02 2021-01-02 2022-01-02

沪深300 中证500 中证1000 其他

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月至 2022 年 7 月

14 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

2.3. 分析师乐观预期组合特点

第一， 超额收益稳定。2018 年以来，相对中证 500 指数的超额年化收益率

为 14.2%，且每年都能够获得正超额收益；

第二， 选股数量较多且稳定。平均每期能入选约 206 只股票，策略容量并不

低；

第三， 选取股票的基本面通常较好。70%以上的股票属于沪深 300、中证 500

和中证 1000 指数成分股。

3. 分析师乐观预期组合多因子增强策略
分析师乐观预期组合是根据研报标题筛选的股票，并没有使用因子选股。因
此我们可以使用基本面、技术面的因子来增强组合。

由于我们的组合股票池每期入选股票数量较多，完全可以使用较多因子精选
小范围的股票来增强策略收益。考虑到我们的股票池入选数量平均每期约 206 只，
因此我们制定了先使用基本面因子初选 60 只股票，再用技术面因子精选 30 只股
票的方法来精选小范围股票组合。

3.1. 分析师乐观预期基本面初选 60 组合

我们使用到的基本面因子包含估值、分析师预期和财务质量三类因子，如表
8 所示：

表 8：基本面增强因子列表
因子类别 因子名称 筛选方向
估值 市盈率 TTM 扣除非经常损益 因子值大
分析师预期 一致预测每股收益(FY2)与一致预测每股收益(FY1)的变化率 因子值大
财务质量 负债及股东权益合计的环比增速 因子值大
资料来源：Wind，德邦研究所

通过估值类因子增强，则会选择市盈率较高的股票，这类股票的乐观情绪较
强。通过分析师预期类因子增强，则会选择分析师的长期预期比短期预期更加乐
观的股票。通过财务质量类因子增强，则会选择总资产保持增长的公司。

因子合成的方法是将上述因子标准化后再等权求和，构造新的综合因子。取
每期因子值最大的前 60 只股票构建分析师乐观预期基本面初选 60 组合，2018 年
以来的策略回测表现如图 16 所示：

图 16：分析师乐观预期、基本面初选 60 组合回测表现

15 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

分析师乐观预期基本面初选 60 组合自 2018 年以来的回测结果统计如表 9 所

示：

表 9：分析师乐观预期基本面初选 60 组合回测结果统计
2018 2019 2020 2021 2022 全部
策略年化收益率 -21.6% 74.0% 72.9% 38.0% 2.1% 29.9%
基准年化收益率 -34.2% 26.4% 20.9% 15.6% -14.5% 0.2%
超额年化收益率 12.6% 47.6% 52.0% 22.4% 16.6% 29.7%
策略年化波动率 26.8% 25.3% 30.8% 26.6% 33.3% 28.3%
基准年化波动率 24.0% 23.3% 25.5% 15.3% 24.5% 22.7%
超额年化波动率 8.5% 9.7% 11.2% 17.5% 19.8% 13.4%
策略夏普比率(rf=2%) -0.882 2.844 2.299 1.355 0.003 0.983
基准夏普比率(rf=2%) -1.506 1.048 0.739 0.889 -0.673 -0.081
信息比率 1.487 4.922 4.634 1.284 0.84 2.214
策略最大回撤 31.7% 15.6% 22.1% 19.7% 31.5% 36.6%
策略最大回撤起始 2018-05-22 2019-04-03 2020-02-25 2021-01-25 2022-01-04 2021-11-22
策略最大回撤终止 2018-10-18 2019-05-24 2020-03-23 2021-03-24 2022-04-26 2022-04-26
基准最大回撤 37.7% 21.7% 15.2% 9.6% 28.8% 37.7%
基准最大回撤起始 2018-01-08 2019-04-04 2020-02-25 2021-02-19 2022-01-04 2018-01-08
基准最大回撤终止 2018-10-18 2019-08-09 2020-03-23 2021-03-10 2022-04-26 2018-10-18
超额最大回撤 6.1% 5.3% 8.0% 12.9% 9.1% 16.2%
超额最大回撤起始 2018-07-17 2019-11-19 2020-02-25 2021-01-22 2022-01-18 2021-11-29
超额最大回撤终止 2018-08-08 2019-11-25 2020-03-24 2021-03-24 2022-02-11 2022-02-11
策略卡玛比率 -0.681 4.744 3.291 1.931 0.067 0.815
基准卡玛比率 -0.907 1.219 1.37 1.629 -0.502 0.004
超额卡玛比率 2.072 8.9 6.528 1.733 1.82 1.837
资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

该组合的年化收益率为 29.9%，
超额年化收益率为 29.7%，
夏普比率为 0.983，
信息比率为 2.214，较分析师乐观预期组合策略收益有明显提升。最大回撤是
36.6%。

接下来，我们继续使用技术面因子进一步精选。

3.2. 分析师乐观预期基本面和技术面精选 30 组合

16 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题
我们使用到的技术面因子包括动量和资金流两类因子，如表 10 所示：

表 10：分析师乐观预期组合因子增强技术面精选使用的因子
因子类别 因子名称 筛选方向
动量 动量因子（1 个月） 因子值小
动量 3 个月最高价比最低价 因子值小
资金流 大户主动卖出额比例 因子值小
资料来源：Wind，德邦研究所

根据动量类因子增强，则会选择最近一个月至三个月内涨幅偏低的股票，所
以是根据反转的逻辑进行筛选。根据资金流类因子增强，则会筛选大户不主动卖
出的股票。

我们将上述因子标准化后等权的加和成新的综合因子，取每期因子值最小的
股票构建了分析师乐观预期组合基本面和技术面精选 30 组合，2018 年以来的回
测表现如图 17 所示：

图 17：分析师乐观预期组合经过基本面和技术面因子精选的 30 只股票的等权组合

资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

分析师乐观预期组合基本面和技术面精选 30 组合自 2018 年以来的回测结果

统计如表 11 所示：

表 11：分析师乐观预期组合基本面和技术面精选 30 组合回测结果统计
2018 2019 2020 2021 2022 全部
策略年化收益率 -19.0% 90.5% 83.4% 43.2% 4.8% 37.0%
基准年化收益率 -34.2% 26.4% 20.9% 15.6% -14.5% 0.2%
超额年化收益率 15.2% 64.1% 62.6% 27.6% 19.2% 36.8%
策略年化波动率 28.3% 26.5% 32.5% 28.1% 37.1% 30.2%
基准年化波动率 24.0% 23.3% 25.5% 15.3% 24.5% 22.7%
超额年化波动率 9.7% 11.2% 14.0% 19.5% 23.8% 15.7%
策略夏普比率(rf=2%) -0.742 3.337 2.505 1.466 0.074 1.16
基准夏普比率(rf=2%) -1.506 1.048 0.739 0.889 -0.673 -0.081
信息比率 1.56 5.725 4.468 1.418 0.808 2.354
策略最大回撤 31.6% 15.2% 23.3% 21.3% 32.4% 37.9%
策略最大回撤起始 2018-05-22 2019-04-19 2020-02-25 2021-01-25 2022-01-04 2021-11-29
策略最大回撤终止 2018-10-18 2019-05-24 2020-03-23 2021-03-24 2022-04-26 2022-04-26

17 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题
基准最大回撤 37.7% 21.7% 15.2% 9.6% 28.8% 37.7%
基准最大回撤起始 2018-01-08 2019-04-04 2020-02-25 2021-02-19 2022-01-04 2018-01-08
基准最大回撤终止 2018-10-18 2019-08-09 2020-03-23 2021-03-10 2022-04-26 2018-10-18
超额最大回撤 5.7% 5.3% 9.6% 14.6% 12.1% 17.0%
超额最大回撤起始 2018-07-19 2019-11-19 2020-02-25 2021-01-22 2022-03-17 2021-11-29
超额最大回撤终止 2018-10-11 2019-11-25 2020-03-17 2021-03-24 2022-04-25 2022-02-11
策略卡玛比率 -0.601 5.972 3.582 2.029 0.147 0.976
基准卡玛比率 -0.907 1.219 1.37 1.629 -0.502 0.004
超额卡玛比率 2.648 12.209 6.549 1.885 1.587 2.166
资料来源：Wind，德邦研究所
注：数据范围是 2018 年 1 月 1 日至 2022 年 7 月 31 日。

该组合的年化收益率为 37%，超额年化收益率为 36.8%，夏普比率为 1.16，

信息比率为 2.354，较分析师乐观预期基本面初选 60 组合策略收益有明显提升。
分析师乐观预期组合基本面和技术面精选 30 组合的最大回撤是 37.9%。

4. 结论
分析师数据相对于上市公司财务预告和财报更及时。分析师预期是公司财报
的有效补充。然而，简单地运用分析师覆盖或评级数据难以获得理想的超额收益，
本文从研报标题更深入地挖掘分析师情绪并构造策略。

本文首选基于乐观和悲观关键词构建了分析师乐观预期组合。组合年化收益
率为 14.2%，超额年化收益率为 14%，夏普比率为 0.497，信息比率为 1.884，最
大回撤为 33.1%；我们构建的分析师乐观预期基准组合具有三个特点：获取超额
收益的能力稳定，每年都能够获得正超额收益；选股数量多，平均每期能入选约
206 只股票，策略容量较大；选取股票的基本面较好，且绝大部分入选股票属于
中证 1800 指数成分股。

我们进一步用基本面和技术面因子增强策略。使用基本面因子每期筛选 60 只
股票的组合命名为分析师乐观预期基本面初选 60 组合。组合使用估值类、分析师
预期类和财务质量类因子来进行筛选，筛选后的组合的年化收益率为 29.9%，超额
年化收益率为 29.7%，夏普比率为 0.983，信息比率为 2.214，较分析师乐观预期
组合策略收益有明显提升。

在基本面因子初选的基础上，用技术面因子再筛 30 只股票，将组合命名为分
析师乐观预期基本面和技术面精选 30 组合。使用动量类和资金流类的技术面因子
精选 30 只股票，精选组合的年化收益率为 37%，超额年化收益率为 36.8%，夏普
比率为 1.16，信息比率为 2.354，组合表现有显著提升。

5. 参考文献
[1] 黄铮. "股票收益的可预测性: 来自文献的因子." 国际商务财会 9 (2020):
92-96.

[2] Kelly, Bryan, and Alexander Ljungqvist. "Testing asymmetric-information

asset pricing models." The Review of Financial Studies 25.5 (2012): 1366-1413.

[3] 徐欣, 唐清泉. "财务分析师跟踪与企业 R&D 活动——来自中国证券市

场的研究." 金融研究 12 (2010): 173-189.

18 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

[4] 胡昌生, 高玉森. "分析师情绪会影响股票价格吗?." 投资研究 1 (2018).

[5] Merton, Robert C. "A simple model of capital market equilibrium with
incomplete information." (1987).

6. 风险提示
市场风格变化风险，模型失效风险，数据可用性风险。

19 / 20 请务必阅读正文之后的信息披露和法律声明
 金融工程专题

信息披露
分析师与研究助理简介
肖承志，同济大学应用数学本科、硕士，现任德邦证券研究所首席金融工程分析师。具有 6 年证券研究经历，曾就职于东北证券研究
所担任首席金融工程分析师。致力于市场择时、资产配置、量化与基本面选股。撰写独家深度“扩散指标择时”系列报告；擅长各类择
时与机器学习模型，对隐马尔可夫模型有深入研究；在因子选股领域撰写多篇因子改进报告，市场独家见解。

王成煜，慕尼黑工业大学计算流体力学博士，清华大学车辆工程本科，通过 CFA 三级。2021 年 5 月博士毕业，同年 8 月加盟德邦证

券，现任金融工程助理研究员，致力于主动量化选股。

分析师声明
本人具有中国证券业协会授予的证券投资咨询执业资格，以勤勉的职业态度，独立、客观地出具本报告。本报告所采用的数据和信
息均来自市场公开信息，本人不保证该等信息的准确性或完整性。分析逻辑基于作者的职业理解，清晰准确地反映了作者的研究观
点，结论不受任何第三方的授意或影响，特此声明。

投资评级说明
[Table_RatingDescription]
1. 投资评级的比较和评级标准： 类 别 评 级 说 明
以报告发布后的 6 个月内的市场表 买入 相对强于市场表现 20%以上；
现为比较标准，报告发布日后 6 个 增持 相对强于市场表现 5%~20%；
股票投资评
月内的公司股价（或行业指数）的 中性 相对市场表现在-5%~+5%之间波动；
级
涨跌幅相对同期市场基准指数的涨
减持 相对弱于市场表现 5%以下。
跌幅；
2. 市场基准指数的比较标准： 优于大市 预期行业整体回报高于基准指数整体水平 10%以上；
A 股市场以上证综指或深证成指为基 行业投资评 中性 预期行业整体回报介于基准指数整体水平-10%与 10%之间；
准；香港市场以恒生指数为基准；美 级
国市场以标普 500 或纳斯达克综合指 弱于大市 预期行业整体回报低于基准指数整体水平 10%以下。
数为基准。

法律声明
本报告仅供德邦证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况
下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容
所引致的任何损失负任何责任。
本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可
能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。
市场有风险，投资需谨慎。本报告所载的信息、材料及结论只提供特定客户作参考，不构成投资建议，也没有考虑到个别客户特殊
的投资目标、财务状况或需要。客户应考虑本报告中的任何意见或建议是否符合其特定状况。在法律许可的情况下，德邦证券及其
所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。
本报告仅向特定客户传送，未经德邦证券研究所书面授权，本研究报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件
或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为
本公司的商标、服务标记及标记。如欲引用或转载本文内容，务必联络德邦证券研究所并获得许可，并需注明出处为德邦证券研究
所，且不得对本文进行有悖原意的引用和删改。
根据中国证监会核发的经营证券业务许可，德邦证券股份有限公司的经营范围包括证券投资咨询业务。

20 / 20 请务必阅读正文之后的信息披露和法律声明