📰 研报摘要
查看全文 ➔摘要： 本次会议主要探讨如何利用分析师研究行为数据构建量化因子，以驱动 A 股行业与 ETF 的轮动策略，重点介绍了因子的构建逻辑、历史表现及其合成方法。
核心观点：
通过构建涵盖财务超预期、预期增长和量价情绪三个维度的分析师因子，可以有效捕捉行业与 ETF 的 Beta 收益。在因子合成阶段，采用“排序加权”而非简单的等权或极端动量加权，能更好地平衡策略的持续性与灵活性，在 2026 年市场中展现出较强的超额收益能力。
论据支撑：
- 三维度因子构建：
- 超预期维度：对比预测数据与实际年报数据，衡量实时景气度。
- 预期增长维度：跟踪一致预期（FY1/FY2/FY3）的时序变化，反映机构情绪。
- 量价情绪维度：基于“首次覆盖”行为及其后 3-5 个交易日的换手率和价格表现，刻画短期动量。
- 表现特性：预期增长因子与市场风险偏好高度相关，周期性强，在 2022-2024 年期间出现明显失效；而超预期维度相对稳定。
- 合成优化：验证发现，剔除失效因子并进行排序加权（中间态加权）的策略在行业和 ETF 层面均能获得更稳健的超额收益。
局限性/风险：
分析师数据在非主流板块覆盖度较低，存在估计误差；且量化因子具有显著的周期性，在风格剧烈反转或市场情绪极低时期，基于动量逻辑的因子可能出现较大回撤。