盈利预测与一致预期
概述
围绕企业盈利预测和市场一致预期偏差构建交易信号。核心逻辑：股价短期由盈利预期差驱动，捕捉「预期差」比预测绝对盈利更有价值。两条主线：① 自主预测 vs 一致预期对比寻找偏差；② 跟踪分析师预期修正动量。
核心概念
1. 自上而下预测法（Top-Down）
预测链条：
GDP增速预测 → 行业增加值增速 → 行业收入增速 → 龙头公司收入增速 → 利润率假设 → EPS预测
A股实战示例（以白酒行业为例）：
| 层级 | 指标 | 预测逻辑 |
|---|---|---|
| 宏观 | GDP +5.0% | 消费占GDP比重65%，消费增速约+6% |
| 行业 | 白酒收入 +8% | 高端白酒量价齐升，结构升级 |
| 公司 | 贵州茅台(600519.SH) | 出厂价+10%，销量+2%，收入约+12% |
| 盈利 | 净利润率55% | 提价传导，费用率稳定 |
| EPS | 约62元 | 净利润/总股本 |
适用场景： 行业beta判断、大盘盈利周期定位、宏观策略配合
2. 自下而上预测法（Bottom-Up）
收入拆解三板斧：
python# 方法1：量价拆解 revenue = volume * price # 例：中国神华(601088.SH) = 煤炭销量(亿吨) × 煤价(元/吨) + 电力收入 # 方法2：客户/产品拆解 revenue = sum(segment_revenue for segment in business_lines) # 例：美的集团(000333.SZ) = 暖通空调 + 消费电器 + 机器人及自动化 # 方法3：门店/用户拆解 revenue = stores * revenue_per_store # 或 users * ARPU # 例：海底捞(6862.HK) = 门店数 × 翻台率 × 客单价 × 营业天数
利润率假设关键点：
- 毛利率：原材料成本占比变动、产品结构升级
- 费用率：规模效应（收入增、费用率降）、研发投入变动
- 税率：高新技术企业15% vs 普通25%，是否有税收优惠到期
3. 标准化未预期盈利（SUE）
公式：
pythonSUE = (actual_EPS - consensus_EPS) / std(actual_EPS - consensus_EPS) # consensus_EPS = 分析师一致预期EPS（取中位数） # std = 过去8个季度预测偏差的标准差
信号阈值（A股实证参考）：
| SUE范围 | 含义 | 交易动作 |
|---|---|---|
| SUE > +2.0 | 大幅超预期 | 强买入信号 |
| SUE +1.0~+2.0 | 温和超预期 | 买入信号 |
| SUE -1.0~+1.0 | 符合预期 | 无信号 |
| SUE -2.0~-1.0 | 温和低于预期 | 卖出信号 |
| SUE < -2.0 | 大幅低于预期 | 强卖出信号 |
4. 盈余公告后漂移（PEAD）
现象： 业绩公告后，超预期方向的股价漂移可持续30-60个交易日。
A股PEAD策略实现：
python# 策略逻辑 # 1. 业绩公告日（年报4/30前，中报8/31前，季报各截止日） # 2. 计算SUE # 3. SUE > +1.5 的股票买入持有 40 个交易日 # 4. SUE < -1.5 的股票卖出/做空（如果可以） # 关键参数 holding_period = 40 # 持有交易日数 sue_threshold = 1.5 # SUE阈值 max_positions = 10 # 最大持仓数 rebalance_on = "earnings_date" # 在业绩公告日调仓
A股PEAD注意事项：
- A股做空受限（融券），PEAD策略通常只做多头
- 业绩预告（1月底/7月中旬）比正式报告更早，抢先反应
- 年报4/30截止，集中在4月发布，信息拥挤期需分散
5. 分析师预期修正动量
三个关键指标：
python# 1. 预期修正比率（ERM） ERM = (上调家数 - 下调家数) / 总覆盖家数 # ERM > 0.3 = 正面动量, ERM < -0.3 = 负面动量 # 2. 预期变化幅度 eps_change_pct = (new_consensus - old_consensus_30d_ago) / abs(old_consensus_30d_ago) # 变化 > +5% = 显著上调 # 3. 预期离散度 dispersion = std(all_analyst_EPS) / mean(all_analyst_EPS) # 离散度 > 0.3 = 分歧大, 不确定性高 # 离散度 < 0.1 = 共识强, 确定性高
预期修正动量策略：
- 买入：ERM > +0.3 且 eps_change_pct > +5% 且 dispersion < 0.25
- 卖出：ERM < -0.3 且 eps_change_pct < -5%
- 信号有效期：约 60-90 个交易日（预期修正动量衰减）
分析框架
盈利分析四步法
- 构建预测：选择Top-Down或Bottom-Up方法，输出EPS预测值
- 获取一致预期：从Wind/东方财富/同花顺获取分析师一致预期EPS
- 计算偏差：SUE或简单百分比偏差，判断超预期/低于预期方向
- 信号生成：根据SUE阈值生成交易信号，结合PEAD持有期管理仓位
财报日历（A股关键时间节点）
| 时间 | 事件 | 策略动作 |
|---|---|---|
| 1月中旬 | 年报业绩预告披露高峰 | 抢先捕捉预期差 |
| 3-4月 | 年报正式发布 | 确认SUE，PEAD建仓 |
| 4月30日 | 年报截止日 | 未披露 = 利空信号 |
| 7月中旬 | 中报业绩预告 | 半年度预期修正 |
| 8月31日 | 中报截止日 | 同上 |
| 10月31日 | 三季报截止日 | Q3数据验证全年预期 |
预期差交易组合构建
python# 组合构建参数 config = { "universe": "沪深300成分股", # 流动性保障 "signal": "SUE > +1.5 或 ERM > +0.3", # 超预期信号 "max_positions": 20, # 最大持仓 "position_weight": "equal", # 等权 "holding_period": 40, # 交易日 "rebalance": "earnings_calendar", # 按财报日历调仓 "stop_loss": -0.08, # 8%止损 }
输出格式
## 盈利预测分析 — [标的代码] [公司名称] ### 盈利预测 - 预测方法：[Top-Down / Bottom-Up] - 预测EPS：[X元] - 预测依据：[收入增速X%，利润率X%，关键假设] ### 一致预期对比 - 一致预期EPS：[X元]（来源：[Wind/东财]，覆盖[N]家） - 预期偏差：[+X% / -X%] - SUE：[+X.X] - 预期离散度：[X.X]（[高分歧/低分歧]） ### 分析师动量 - ERM（预期修正比率）：[+X.X]（过去30日[N]家上调/[M]家下调） - 预期变化幅度：[+X%] ### 信号判断 - SUE信号：[强买入/买入/无/卖出/强卖出] - 动量信号：[正面/中性/负面] - PEAD建仓窗口：[是/否]（距财报发布[X]日） ### 风险提示 - [具体风险：如一次性收益、会计政策变更、商誉减值等]
注意事项
- 一致预期数据需要Wind/Choice等付费终端，免费数据源（东方财富网页版）可能不够及时
- SUE计算需要至少8个季度的历史预测偏差数据来估计标准差
- 业绩预告和业绩快报是比正式财报更早的信号源，但精度较低
- A股财报季信息拥挤（4月/8月），PEAD信号可能互相干扰
- 一次性损益（资产处置/政府补贴/投资收益）会扭曲EPS，需剔除非经常性损益用扣非EPS
- 预期修正动量有自我实现倾向（分析师羊群效应），拐点识别比趋势跟踪更有价值
- 小市值股票分析师覆盖少（< 3家），一致预期统计意义弱，优先选择沪深300/中证500成分股
- 本框架仅用于研究回测，不构成投资建议
