本文是一篇投資分析論文，本研究在賣方預測數據的基礎上進行了時間加權處理，求得一致預期數據，并在此計算上構建了一致預期修正因子。對因子進行有效性檢驗發現，一致預期修正因子均是有效的，并且具有分層效果，可以對不同層級的股票進行區分。
第一章 緒論
第一節 選題背景和研究意義
一、選題背景
量化投資經過歐美等股票市場多年的驗證已被證明是一種新興且有效的投資方式，其基于大數據，以策略為核心，以追求超額收益為目標，以程序化交易為手段。量化投資可以不受人性弱點的影響，以策略為執行標準，避免人的主觀情緒的負面影響；同時，計算機技術的成熟，擴大了投資中可以被使用的信息來源，大幅提高了海量信息獲取和加工使用的效率。量化投資憑借其系統性（即多層級的數量模型、海量的數據觀測、多維度的度量等）、紀律性（即嚴格遵照量化模型的結果執行決策）、及時性（即實時的快速的捕捉追蹤市場變化）、準確性（即客觀評價投資機會）和分散化的優點，逐漸被更多的投資者使用。在優秀投資者自身經驗和分析能力的基礎上，結合量化投資模式，可以更充分的利用人類和機器的各自優勢，從中獲取超額收益。
賣方分析師作為投資專業人士，通過研究股票并向客戶推薦股票以獲得傭金收入，他們對于行業或者特定公司往往有更為深入和持續的研究，并且與上市公司有更為密切的聯系。相較于普通投資者，賣方分析師對上市公司相關信息的獲取更為及時和全面，分析師發布的預測信息可以幫助投資者增加信息獲取渠道，提高甄別股票的能力，因此分析師預期數據已經成為了各類投資者獲取信息的一大來源。分析師預期是個人分析師、投資銀行或金融服務公司在發布的分析報告中，發表對某家公司或者某一行業內的股票在下一年度表現的觀點，提供他們對公司業績的預期。
第二節 研究方法與內容
研究方法方面，本文主要采用文獻研究法、因子分析法、對比分析法等，對相關數據和內容展開分析和研究。
通過本文的研究，旨在構建有效的分析師預期修正因子來說明分析師預期的修正蘊含有增量信息，同時希望構建基于此類因子的量化投資策略。因此本文的研究主要有以下幾個方面：
（1）分析師預期修正因子的構建和測試，通過測試單因子的有效性，獲取具有可持續性、可投資性、可解釋性的因子。
（2）分析師預期修正策略的構建和回測，通過歷史數據的回測分析策略的收益表現，研究策略在A股市場上的有效性。
本文的結構安排為：第一章介紹了進行分析師預期修正研究的背景、意義、研究方法和創新性；第二章回顧了量化投資的相關理論和分析師預期相關的文獻；第三章構建分析師預期修正因子并進行單因子有效性測試；第四章設計基于分析師預期修正的量化投資策略，并進行回測；第五章進行全文的總結和未來展望。 第二章 理論基礎與文獻綜述
第一節 量化投資理論基礎
一、量化投資簡介
量化投資是根據資本市場的深層邏輯，通過數量化的方式搭建模型，生成可用于投資的策略，并使用計算機程序發出買進或賣出指令，自動進行交易的一種投資方式。
運用客觀的數理統計和模型代替主觀的人為判斷，利用Python、C++等編程技術，從海量的歷史數據中挖掘能夠帶來超額收益的大概率事件以定制策略，量化投資可以做出更理性的投資決策。隨著市場的發展和成熟，將人的主觀能動性和技術手段進行結合的投資方式也是量化投資中一種模式。
量化在歐美等股票市場已有十多年的歷史，憑借著投資收益穩定客觀、規模不斷擴大，量化投資獲得了愈來愈多機構的青睞。而我國的量化投資近年亦是發展迅猛，量化私募基金的資產管理規模（AUM）已于2021年年中正式突破萬億。在2021年市場風格和行業輪動速度加快的行情下，投資難度加大，而量化投資策略表現搶眼。2021年，量化股票多頭策略的回報率均值達到22.05%，高出私募行業收益率均值約10%，業績表現十分優異。總體而言，量化投資目前已經成為國內外投資的主要方式之一。
第二節 文獻綜述
一、分析師預期
（一）分析師預期中包含的信息量
賣方分析師是投資者和上市公司之間進行信息傳達的重要連接。對于分析師提供預測的不同指標，Brav and Lehavy (2003)發現股票市場對分析師預期目標價格的反應比對預期盈利和投資建議的反應更多，這意味著市場將信息內容和可信度歸處于股票目標價格預測。
對于分析師群體，學者們研究了各類分析師的信息源、信息價值及對市場產品影響的原因。吳偎立等（2016）從兩方面，即盈余預測的準確性及穩定性、個股評級的可投資性，來衡量券商分析師發布信息的價值，發現新財富最佳分析師的預測表現并不會顯著優于普通分析師。張宗新和楊萬成（2016）發現，分析師影響市場的原因可以解釋為聲譽模式和信息挖掘模式。其中，新財富最佳分析師的明星光環只能強化市場在中短期時間窗口內對信息的吸收，長期則需依靠其挖掘基本面中的前瞻性信息來支撐自己的觀點。另外，基于新財富分析師觀點進行投資組合構建，僅在空頭組合上績效較好，而在多頭組合上沒有顯著差異。Kucheev等（2017）則發現明星分析師的投資建議中，只有強力買入和買入建議產生的月平均超額回報高于非明星分析師的建議，而持有、賣出和強力賣出建議與非明星的表現沒什么不同。張宗新和朱煒（2019）以分析師異常關注度指標度量分析師的個人觀點，實證分析發現個股的異常關注度越高，該股票越可能獲得累積超額收益，而超額收益主要源自于分析師深入挖掘上市公司披露的信息，即分析師具備專業研究能力進行信息挖掘，但新財富評選活動在并不是識別分析師專業能力的有效手段。
第三章 分析師預期修正因子的構建與測試 ............................. 15
第一節 分析師預期數據 ............................. 15
一、數據描述 ............................... 15
二、描述性統計與可視化 ...................... 16 
第四章 基于分析師預期修正的量化投資策略設計和回測 ................. 36
第一節 交易策略設計和策略回測分析 ............................ 36
一、交易策略設計 ...................................... 36
二、回測結果分析 ...................................... 37
第五章 結論與展望 ................................ 41
第一節 結論 .............................. 41
第二節 展望 ........................... 42
第四章 基于分析師預期修正的量化投資策略設計和回測
第一節 交易策略設計和策略回測分析
一、交易策略設計
本研究基于分析師預期修正因子的分層表現，結合事件驅動，構建分析師預期上調事件策略。在每個調倉周期的最后一個交易日，在分析師預期上調事件里按照預期修正因子值進行升序排序，選取指標值最大的20只股票作為買入的股票池，同時將不在選定股票池中的股票賣出。對于持倉池內的股票，按照流通市值進行加權配比。
具體而言，預期凈利潤上調事件策略構建的方法為：以主動上調一致預期凈利潤為驅動事件，按預期凈利潤調整幅度為依據進行排序，選出調整幅度最大的20只股票，構建選股組合。同理，基于主動上調一致預期每股收益和主動上調一致預期目標價事件構建對應的策略。進一步，疊加主動上調凈利潤、每股收益、目標價事件，選取事件的重合部分股票。例如，預期凈利潤、預期目標價均上調事件增強策略是在預期凈利潤和目標價均主動上調事件里，選出目標價整幅度最大的20只股票。
對于回測設定，本研究以2016年1月1日至2020年12月31日的交易日數據進行策略回測分析，以全A股股票作為備選股票池，收益以滬深300指數收益作為基準?？紤]到市場異常情況，剔除ST股、新股和次新股等特殊樣本。 第五章 結論與展望
第一節 結論
量化投資憑借其多方面優勢，已經在海外股票市場經過了多年的驗證，近幾年也獲得了我國A股市場的青睞。本文主要研究了基于分析師預期修正的量化投資策略。
A股市場的分析師預期數據已經非常完備，賣方分析師對于A股已經有較為全面的覆蓋，尤其是對滬深300指數成分股。同時，數據供應商對此類數據的收錄和清洗也已經全面且到位。但分析師往往傾向于對個股或行業發表積極正向的預測，普遍樂觀的預期使得我們很難直接從中獲取分析師對于個股的推薦程度差異。因此，本文將研究重點放在分析師預期的調整，希望從中捕捉到分析師對于個股推薦觀點或者力度的變化。
首先，本研究在賣方預測數據的基礎上進行了時間加權處理，求得一致預期數據，并在此計算上構建了一致預期修正因子。對因子進行有效性檢驗發現，一致預期修正因子均是有效的，并且具有分層效果，可以對不同層級的股票進行區分。
其次，基于一致預期修正因子結合主動上調事件，構建了量化投資策略，對歷史表現進行回測發現，策略的歷史表現優異，年化收益率均達到10%以上，其中，預期凈利潤、目標價均上調事件增強策略的表現最佳，年化收益率達到13.96%，年化波動率為4.9%，信息比率達到2.84，并且控制最大回撤在6%，抗風險能力強。
因此，賣方分析師作為其所涵蓋的公司和行業的專家，提供了最深入的公司研究，而分析師預期修正可以從分析師的前瞻性觀點中捕獲到增量信息，并產生超額收益。
參考文獻（略）