📰 研报摘要
查看全文 ➔摘要： 本文聚焦于上市公司业绩预期建模，系统对比了分析师预期、简单预期、横截面预期三类主流预测模型，并验证了基于不同预期模型构建的超预期策略与因子的有效性。
核心观点：
- 模型性能对比：分析师预期具备深度研判优势但存在显著乐观偏差且覆盖度不足；简单预期模型便捷但缺乏多维信息；横截面模型通过 Huber 稳健回归纳入行情、市值、资产等 9 大核心指标，在预测精度（绝对误差与相对市值误差）上显著优于前两者。
- 策略有效性：基于横截面预期模型的超预期策略表现最优，年化收益 26.46%，超额年化收益 11.34%，且近年业绩稳定性更强。
- 因子表现：横截面预期因子的 IC 均值（3.46%）、ICIR（2.3）及分组单调性均远超分析师与简单预期因子。
论据支撑：
- 实证检验：横截面模型平均绝对误差为 3.2，相对市值误差为 59，显著低于其他模型。
- 行业差异：分析师预测在银行、食品饮料等稳健行业精度较高，而在钢铁、煤炭等周期行业误差较大。
- 回测数据：横截面超预期组合在 2020 年以来每年均获得 10% 以上的超额收益。
局限性/风险：
- 报告结果基于历史数据统计和建模，在政策或市场环境发生变化时，模型存在失效风险。