金融工程丨深度报告
[Table_Title] 行业轮动（十二）：分析师篇
%% %%
%% %%
1
请阅读最后评级说明和重要声明 2 / 22
丨证券研究报告丨
报告要点
[Table_Summary]本文从分析师预期变化、分析师超预期、分析师驱动三个维度构建和未来收益分布相关的分析
师因子，实现行业轮动的跟踪。
分析师及联系人 [Table_Author]
郑起 刘胜利
SAC：S0490520060001 SAC：S0490517070006
SFC：BWH883
%% %
2
1ZOWqNtQqMpRmNqQqOxOpR9P8QbRmOmMsQrPjMqQsPfQmMtM6MpNpNMYoPqNuOmMxP
请阅读最后评级说明和重要声明
更多研报请访问
长江研究小程序
丨证券研究报告丨
[Table_Title2]
行业轮动（十二）：分析师篇
金融工程丨深度报告
[Table_Summary2] 从分析师明细数据出发，在超预期、预期增长、行情驱动三个维度构建指数分析
师因子
分析师超预期因子为分析师一致预期数据相对年报的同比，分析师预期增长为分析师一致预期
数据自身环比变化，分析师驱动因子为分析师首次覆盖后行情在量价的表现情况。三类因子在
行业轮动和 ETF 轮动上表现基本一致，其中分析师超预期因子以分析师预期年报的增速表现
较好；分析师预期增长因子以 FY12、FY2预测年报期更为有效，但在时序上稳定性较弱；分
析师驱动因子以换手维度为主。
受制于 Beta收益来源的特性，合成因子的提升效果有限
由于 Beta 维度的收益来源较少，且轮动维度以动量为主，多因子体系下的指数轮动在合成打
分上存在较难在时序上分散轮动收益来源、打分彼此冲突的情况。从大类因子相关性上看，除
分析师预期、分析师驱动相关性较高，其余大类因子相关性均较低，但因子超额收益的相关性
除拥挤度因子外，其余维度均存在 40%以上的关联因子，等权合成因子和各个维度因子相关性
除拥挤度因子外均在 40%以上。从因子分组超额收益的相关性上看，除拥挤度因子，其余大类
因子和等权合成因子均在 2022、2023年表现较弱。
时序上的信息侧重是一种可以适当解决 Beta维度打分信息磨损的方法
本文在时序动量这一维度上，根据信息表达的精确性给出了等权、剔除等权、排序等权、剔除
排序等权、剔除夏普等权五种方法，其中排序等权合成因子在回测区间表现最好，行业轮动和
ETF轮动的分组回测超额年化收益分别为 %、%，信息比分别为 、，除 2022
和 2023年外，分年超额均较为稳定。
风险提示
1、 模型存在失效风险；
2、 市场交易行为发生变化；
3、 市场主题行情波动；
4、 本文举例均基于历史数据，不保证未来收益。
相关研究
[Table_Report]•《潜在增量来自于低配，而非零配——公募基金
体系内 CPO后续增量何处寻》2026-04-25
•《资产配置（三）：收益来源类别划分下的 ETF
策略》2026-04-18
•《如何把握周期板块的周期——金工如何看行业
（二）》2026-04-08
2026-05-07
%% %%
%% %%
3
请阅读最后评级说明和重要声明 4 / 22
金融工程 | 深度报告
目录
分析师因子构建 ............................................................................................................................ 6
分析师数据 ..................................................................................................................................................... 6
分析师因子 ..................................................................................................................................................... 8
分析师因子 ETF轮动 ................................................................................................................................... 12
小结 .............................................................................................................................................................. 14
合成因子 ..................................................................................................................................... 15
加权方式 ....................................................................................................................................................... 15
回测表现 ....................................................................................................................................................... 17
总结 ............................................................................................................................................ 19
风险提示 ..................................................................................................................................... 20
图表目录
图 1：行业历史平均分析师覆盖度 ................................................................................................................................ 7
图 2：行业最新分析师覆盖度 ........................................................................................................................................ 7
图 3：全市场分析师覆盖度时间序列 ............................................................................................................................. 7
图 4：分析师超预期行业轮动超额净值 ......................................................................................................................... 9
图 5：分析师预期增长行业轮动超额净值 .................................................................................................................... 10
图 6：分析师驱动行业轮动超额净值 ........................................................................................................................... 11
图 7：分析师预期 ETF轮动超额净值 ......................................................................................................................... 12
图 8：分析师增长 ETF轮动超额净值 ......................................................................................................................... 13
图 9：分析师驱动 ETF轮动超额净值 ......................................................................................................................... 14
图 10：大类因子行业轮动超额净值 ............................................................................................................................ 17
图 11：大类因子 ETF轮动超额净值 ........................................................................................................................... 17
图 12：合成因子行业轮动超额净值 ............................................................................................................................ 18
图 13：合成因子 ETF轮动超额净值 ........................................................................................................................... 18
表 1：盈利预期明细数据结构 ........................................................................................................................................ 6
表 2：个股分析师因子含义 ........................................................................................................................................... 8
表 3：分析师超预期行业轮动风险指标 ......................................................................................................................... 9
表 4：分析师预期增长行业轮动风险指标 .................................................................................................................... 10
表 5：分析师驱动行业轮动风险指标 ........................................................................................................................... 11
表 6：分析师预期 ETF轮动风险指标 ......................................................................................................................... 12
表 7：分析师增长 ETF轮动风险指标 ......................................................................................................................... 13
表 8：分析师驱动 ETF轮动风险指标 ......................................................................................................................... 14
表 9：指数分析师因子 ................................................................................................................................................. 15
表 10：行业因子相关性............................................................................................................................................... 16
表 11：ETF因子相关性 .............................................................................................................................................. 16
表 12：ETF因子相关性 .............................................................................................................................................. 17
%% %
4
uJA2fo419m/VkzOtvmlh/hzMtTX5lo3XDMDq/j3Q6M6T1EniSrVZDb0tnoXQxi1j
请阅读最后评级说明和重要声明 5 / 22
金融工程 | 深度报告
表 13：合成因子轮动风险指标 .................................................................................................................................... 18
表 14：排序等权合成因子分年风险指标 ..................................................................................................................... 19
%% %%
%% %%
5
请阅读最后评级说明和重要声明 6 / 22
金融工程 | 深度报告
分析师因子构建
在《行业轮动系列（四）：景气篇》中，我们从盈利、成长、边际变化三个维度构建了景
气因子，数据方面则是采用公司财报数据，但财报数据具有两个缺陷：
财报数据定期披露过去一段时间上市公司的财务状况，存在信息滞后、更新频率较
低的特点，能够从信息中获得的 alpha收益相对较低；
资产的市场价格是市场预期的集中体现，所以在使用财报数据投资时往往假设公
司的财务状况在未来可以持续，但该假设往往并不成立，所以使用财报数据往往更
多作为公司固有属性的刻画，而非直接捕捉公司未来价格的可能变动，直接从市场
定价的过程中获取收益的能力有限。
分析师预期数据是向市场传递更新信息的一种有效方式，可以在一定程度上弥补单纯使
用财报数据的缺陷：
卖方分析师通过对上市公司最新发布的公告等信息给出公司基本面数据的预测，
一方面数据可以实时反映公司近期经营情况和财务状况，另一方面信息更新的频
率更高，有效避免了数据滞后的问题；
卖方分析师预测未来公司年报数据，构成了市场预期的一部分，综合分析师的预期
数据，可以从机构维度反映市场预期对个股价格的影响，提高获取收益的能力。
所以本文从分析师预期数据出发，在景气这一维度上给出行业轮动的打分维度补充。
分析师数据
盈利预期明细数据为分析师对上市公司未来年报数据的预测，一般为从未披露的年报开
始，包含未来三年的年报预测，预测数据主要集中在资产负债表、利润表和现金流量表
三表中。下表以Wind给出的盈利预期明细数据为例，展示了该表包含的常用字段，其
中股票代码、预测报告期、预测日期、机构、分析师五个字段构成了识别每条预测数据
的标识，常披露的盈利数据字段有 EPS、净利润、CPS、EBIT、EBITDA、BPS、主营
业务收入、利润总额、营业利润、ROE等。
表 1：盈利预期明细数据结构
股票代码 预测日期 预测报告期 机构 分析师 EPS
净利润(万
元)
营业收入
(万元)
EBIT(万
元)
EBITDA(
万元)
基准股本 CPS BPS
利润总额
(万元)
营业利润
(万元)
ROE
个股 1 2026-03-31 2026-12-31 xx证券 1 分析师 1 81952 1708200 198000 113200 59732 59954 %
个股 2 2026-03-31 2026-12-31 xx证券 1 分析师 1 230300 2732200 291100 7219 281400 280200 %
个股 2 2026-03-31 2027-12-31 xx证券 1 分析师 1 300400 3442700 367800 7221 367100 368000 %
个股 2 2026-03-31 2028-12-31 xx证券 1 分析师 1 380400 4277700 461100 7232 464800 465700 %
个股 3 2026-03-31 2027-12-31 xx证券 2 分析师 2 28362 127303 32900 37000 65600 32900 32900 %
个股 3 2026-03-31 2028-12-31 xx证券 2 分析师 2 33184 146398 38500 43000 65600 38500 38500 %
资料来源：Wind，长江证券研究所
Wind提供的盈利预期明细数据在时间序列上对个股的覆盖度（回滚过去四个月的数据）
如下图所示，截至 2026年 2月 27日1：
1 本文后续数据均截至 2026年 3月 31日。
%% %
6
请阅读最后评级说明和重要声明 7 / 22
金融工程 | 深度报告
从行业上看，行业中覆盖度最高的为银行，历史平均水平近 %，而覆盖度最
低的行业除综合外为房地产，历史平均水平 %。
从板块上看，中证 800内覆盖度长期在 80%以上，全市场覆盖数量不断增加， 但
覆盖度一直稳定在 40%左右。
图 1：行业历史平均分析师覆盖度 图 2：行业最新分析师覆盖度
资料来源：Wind，长江证券研究所 资料来源：Wind，长江证券研究所
图 3：全市场分析师覆盖度时间序列
资料来源：Wind，长江证券研究所
故从覆盖度上看，个股指标在大市值板块较为全面，而在小市值中则缺失较多，这意味
着行业层面的分析师指标会有一定偏差，但一般大市值个股在行业中占比较高，所以因
子的实际表现还需要回测验证。本文以申万一级行业为行业轮动池，以上市 ETF为 ETF
轮动池，每个月底得到因子值后，在下个月第一个交易日以收盘价调仓，进行分 5组回
测。
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
20
40
60
80
100
120
140
160
180
200
银
行
美
容
护
理
食
品
饮
料
钢
铁
煤
炭
国
防
军
工
有
色
金
属
社
会
服
务
电
子
家
用
电
器
非
银
金
融
石
油
石
化
建
筑
材
料
医
药
生
物
交
通
运
输
轻
工
制
造
计
算
机
公
用
事
业
农
林
牧
渔
电
力
设
备
基
础
化
工
纺
织
服
饰
传
媒
通
信
汽
车
建
筑
装
饰
机
械
设
备
商
贸
零
售
环
保
房
地
产
综
合
平均百分比(右轴) 平均个数
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
0
50
100
150
200
250
银
行
美
容
护
理
食
品
饮
料
钢
铁
煤
炭
国
防
军
工
有
色
金
属
社
会
服
务
电
子
家
用
电
器
非
银
金
融
石
油
石
化
建
筑
材
料
医
药
生
物
交
通
运
输
轻
工
制
造
计
算
机
公
用
事
业
农
林
牧
渔
电
力
设
备
基
础
化
工
纺
织
服
饰
传
媒
通
信
汽
车
建
筑
装
饰
机
械
设
备
商
贸
零
售
环
保
房
地
产
综
合
平均百分比(右轴) 平均个数
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
500
1000
1500
2000
2500
2018-12 2019-12 2020-12 2021-12 2022-12 2023-12 2024-12 2025-12
中证800覆盖数 中证800外覆盖数 百分比(中证800,右轴) 百分比(中证800外,右轴)
%% %%
%% %%
7
请阅读最后评级说明和重要声明 8 / 22
金融工程 | 深度报告
分析师因子
由于分析师对个股的覆盖目前无法稳定达到 100%，行业中存在无分析师数据的个股从
而无法用整体法计算行业因子，故本文从个股分析师因子入手，根据行业个股权重加权
得到行业打分因子，其中个股分析师因子如下表所示：
表 2：个股分析师因子含义
所属类别 因子名称 计算方法 方向
超预期
FY_最新年报
分析师各预测年报期下，一致预期净利润、ROE相比最新财报
估计下的增速，对于其中非年报的最新财报期，以相对去年同比
增速作为当前年份增速，再以去年年报估计当前年报数据
1
FY3_FY2 分析师各预测 FY3年报下相对 FY2一致预期净利润、ROE同比 1
FY2_FY1 分析师各预测 FY2年报下相对 FY1一致预期净利润、ROE同比 1
预期增长
FY1
过去 4个月相对过去 2-6个月 FY1年报下一致预期净利润、
ROE环比
1
FY2
过去 4个月相对过去 2-6个月 FY2年报下一致预期净利润、
ROE环比
1
FY12 FY1预期增长和 FY2预期增长以距离下个年报期时间长度加权 1
驱动
收益 分析师首次覆盖后个股未来若干个交易日收益率 1
超额收益 分析师首次覆盖后个股未来若干个交易日相对沪深 300收益率 1
换手 分析师首次覆盖后个股未来若干个交易日平均换手率 1
相对换手
分析师首次覆盖后个股未来若干个交易日相对过去 20个交易日
的平均换手率
1
资料来源：长江证券研究所
由个股因子得到行业因子的流程如下：
对全市场有分析师的因子做截面去异常值标准化；
对三级行业内没有分析师因子的个股以该三级行业中位数填充；
对二级行业内没有分析师因子的个股以该二级行业中位数填充；
对一级行业内没有分析师因子的个股以该一级行业中位数填充。
以行业个股权重，对个股因子值加权求和，得到最终行业因子。
%% %
8
请阅读最后评级说明和重要声明 9 / 22
金融工程 | 深度报告
下图展示了各个行业分析师超预期因子分组回测超额收益净值（分组第 1组相对等权基
准超额对数收益，下同），并于下表中给出了各个因子全区间的风险指标：
从风险指标上看，分析师超预期因子主要以分析师预期年报的增速较为有效，而相
对同比外推的最新年报同比相对无效，净利润和 ROE的表现较为相近；
从净值上看，2022年至 2023年超额收益走势较为平缓。
图 4：分析师超预期行业轮动超额净值
资料来源：Wind，长江证券研究所
表 3：分析师超预期行业轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
净利润_FY1_最近年报 % % %
净利润_FY2_最近年报 % % %
净利润_FY3_最近年报 % % %
ROE_FY1_最近年报 % % %
ROE_FY2_最近年报 % % %
ROE_FY3_最近年报 % % %
净利润_FY2_FY1 % % %
净利润_FY3_FY2 % % %
ROE_FY2_FY1 % % %
ROE_FY3_FY2 % % %
资料来源：Wind，长江证券研究所
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
70%
2019 2020 2021 2022 2023 2024 2025 2026
净利润_FY1_最近年报 净利润_FY2_最近年报 净利润_FY3_最近年报 ROE_FY1_最近年报 ROE_FY2_最近年报
ROE_FY3_最近年报 净利润_FY2_FY1 净利润_FY3_FY2 ROE_FY2_FY1 ROE_FY3_FY2
%% %%
%% %%
9
请阅读最后评级说明和重要声明 10 / 22
金融工程 | 深度报告
下图展示了各个行业分析师预期增长因子分组回测超额收益净值，并于下表中给出了各
个因子全区间的风险指标：
从风险指标上看，分析师预期增长因子的不同年报期、不同维度（EPS、ROE）表
现较为相近，均有全区间的轮动超额收益；
从净值上看，分析师预期增长因子的超额收益主要在 2019年至 2021年，2022年
至 2024年失效较为明显，时序并不稳定。
图 5：分析师预期增长行业轮动超额净值
资料来源：Wind，长江证券研究所
表 4：分析师预期增长行业轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
EPS增长_FY1 % % %
ROE增长_FY1 % % %
EPS增长_FY2 % % %
ROE增长_FY2 % % %
EPS增长_FY12 % % %
ROE增长_FY12 % % %
资料来源：Wind，长江证券研究所
-10%
0%
10%
20%
30%
40%
50%
2019 2020 2021 2022 2023 2024 2025 2026
EPS增长_FY1 ROE增长_FY1 EPS增长_FY2 ROE增长_FY2 EPS增长_FY12 ROE增长_FY12
%% %
10
请阅读最后评级说明和重要声明 11 / 22
金融工程 | 深度报告
下图展示了各个行业分析师驱动因子分组回测超额收益净值，并于下表中给出了各个因
子全区间的风险指标：
从风险指标上看，分析师驱动因子主要以换手率、短期窗口（未来 3个交易日、5
个交易日）维度较为有效，收益率维度整体无效；
从净值上看，2022年至 2023年超额收益走势较为平缓。
图 6：分析师驱动行业轮动超额净值
资料来源：Wind，长江证券研究所
表 5：分析师驱动行业轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
收益_3 % % %
超额收益_3 % % %
收益_5 % % %
超额收益_5 % % %
收益_10 % % %
超额收益_10 % % %
换手_3 % % %
相对换手_3 % % %
换手_5 % % %
相对换手_5 % % %
换手_10 % % %
相对换手_10 % % %
资料来源：Wind，长江证券研究所
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
2019 2020 2021 2022 2023 2024 2025 2026
收益_3 超额收益_3 收益_5 超额收益_5 收益_10 超额收益_10
换手_3 相对换手_3 换手_5 相对换手_5 换手_10 相对换手_10
%% %%
%% %%
11
请阅读最后评级说明和重要声明 12 / 22
金融工程 | 深度报告
分析师因子 ETF轮动
本节展示以 ETF跟踪的指数为回测池的分组回测结果，由于 ETF涉及到上市时间段问
题， 为了还原可回测的历史情况，本文以跟踪指数的 ETF上市作为指数加入回测池的
时间点。
下图展示了 ETF 跟踪指数池分析师超预期因子分组回测超额收益净值，并于下表中给
出了各个因子全区间的风险指标：
从风险指标上看，和行业轮动不同的是，分析师超预期因子均有轮动上的超额收益，
但仍以分析师预期年报的增速较为有效，而相对同比外推的最新年报同比的因子
超额收益相对较低，净利润和 ROE的表现较为相近；
从净值上看，2022年至 2023年超额收益走势较为平缓。
图 7：分析师预期 ETF轮动超额净值
资料来源：Wind，长江证券研究所
表 6：分析师预期 ETF轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
净利润_FY1_最近年报 % % %
净利润_FY2_最近年报 % % %
净利润_FY3_最近年报 % % %
ROE_FY1_最近年报 % % %
ROE_FY2_最近年报 % % %
ROE_FY3_最近年报 % % %
净利润_FY2_FY1 % % %
净利润_FY3_FY2 % % %
ROE_FY2_FY1 % % %
ROE_FY3_FY2 % % %
资料来源：Wind，长江证券研究所
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
2019 2020 2021 2022 2023 2024 2025 2026
净利润_FY1_最近年报 净利润_FY2_最近年报 净利润_FY3_最近年报 ROE_FY1_最近年报 ROE_FY2_最近年报
ROE_FY3_最近年报 净利润_FY2_FY1 净利润_FY3_FY2 ROE_FY2_FY1 ROE_FY3_FY2
%% %
12
请阅读最后评级说明和重要声明 13 / 22
金融工程 | 深度报告
下图展示了 ETF 跟踪指数池分析师预期增长因子分组回测超额收益净值，并于下表中
给出了各个因子全区间的风险指标：
从风险指标上看，和行业轮动不同的是，FY1的有效性下降明显，而分析师预期增
长因子以 FY2、FY12维度表现较好，净利润和 ROE的表现较为相近；
从净值上看，分析师预期增长因子的超额收益主要在 2019年至 2021年，2022年
至 2024年失效较为明显，时序并不稳定。
图 8：分析师增长 ETF轮动超额净值
资料来源：Wind，长江证券研究所
表 7：分析师增长 ETF轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
EPS增长_FY1 % % %
ROE增长_FY1 % % %
EPS增长_FY2 % % %
ROE增长_FY2 % % %
EPS增长_FY12 % % %
ROE增长_FY12 % % %
资料来源：Wind，长江证券研究所
-10%
-5%
0%
5%
10%
15%
20%
25%
30%
35%
40%
2019 2020 2021 2022 2023 2024 2025 2026
EPS增长_FY1 ROE增长_FY1 EPS增长_FY2 ROE增长_FY2 EPS增长_FY12 ROE增长_FY12
%% %%
%% %%
13
请阅读最后评级说明和重要声明 14 / 22
金融工程 | 深度报告
下图展示了 ETF 跟踪指数池分析师驱动因子分组回测超额收益净值，并于下表中给出
了各个因子全区间的风险指标：
从风险指标上看，分析师驱动因子主要以短期窗口（未来 3 个交易日、5 个交易
日）维度较为有效，和行业轮动不同的是收益率维度也有一定效果，但仍以换手率
超额收益更高；
从净值上看，2022年至 2023年超额收益走势较为平缓。
图 9：分析师驱动 ETF轮动超额净值
资料来源：Wind，长江证券研究所
表 8：分析师驱动 ETF轮动风险指标
超额收益 超额最大回撤 信息比 月胜率 盈亏比
收益_3 % % %
超额收益_3 % % %
收益_5 % % %
超额收益_5 % % %
收益_10 % % %
超额收益_10 % % %
换手_3 % % %
相对换手_3 % % %
换手_5 % % %
相对换手_5 % % %
换手_10 % % %
相对换手_10 % % %
资料来源：Wind，长江证券研究所
小结
对比分析师因子在行业轮动和 ETF轮动单因子回测的表现：
-20%
-10%
0%
10%
20%
30%
40%
50%
2019 2020 2021 2022 2023 2024 2025 2026
收益_3 超额收益_3 收益_5 超额收益_5 收益_10 超额收益_10
换手_3 相对换手_3 换手_5 相对换手_5 换手_10 相对换手_10
%% %
14
请阅读最后评级说明和重要声明 15 / 22
金融工程 | 深度报告
因子的有效性和表现较为相近，以分析师超预期因子较为有效，分析师预期增长因
子在时序上稳定性较弱，分析师驱动因子的窗口期集中在短期；
不同的地方在于：分析师超预期因子中行业轮动有效的因子以分析师预期年报的
增速较为主，而 ETF轮动中相对同比外推的最新年报同比也有一定轮动效果；分
析师预期增长因子中各个预测年报期在行业轮动中均有效，而 ETF轮动以 FY12、
FY2 预测年报期更为有效；分析师驱动因子中行业轮动因子以换手维度为主，而
ETF轮动短期收益维度也有一定轮动效果。
故最终确定的因子为行业和 ETF轮动测试下均有效的因子。
合成因子
本节主要将之前已有的景气、拥挤度、动量因子与本文的分析师因子结合，改进之前的
轮动综合打分，指数因子如下，其中每个大类内因子等权合成：
表 9：指数分析师因子
所属类别 因子名称 计算方法 方向
分析师预
期
ROE_FY2_FY1
分析师预测 FY2年报下相对 FY1 的一致预期 ROE同比，
指数个股权重加权求和
1
净利润_FY2_FY1
分析师预测 FY2年报下相对 FY1 的一致预期净利润同比，
指数个股权重加权求和
1
分析师驱
动
换手_3
分析师首次覆盖后个股未来 3个交易日平均换手率，指数个
股权重加权求和
1
换手_5
分析师首次覆盖后个股未来 5个交易日平均换手率，指数个
股权重加权求和
1
景气 ROE_同比 整体法计算指数 ROE单季度同比相减 1
拥挤度 活跃换手_20_1
过去 20个交易日整体法计算行业成交额，成交最活跃的
20%时间段成交额/总成交额，并做 240个交易日滚动分位数
-1
长期动量 活跃动量_240
整体法计算行业成交额，过去 240个交易日行业成交额最高
的 15%时间段收益平均
1
短期动量 夏普比动量_10 过去 10个交易日收益平均/收益波动率 1
资料来源：长江证券研究所
加权方式
指数综合打分和个股综合打分逻辑有所不同：一方面指数轮动的差异主要在 Beta，所以
收益来源以惯性为主，一些相关性不高的维度在合成后仍以惯性为主，无法在时序上分
散轮动收益来源；另一方面指数数量较少（ETF对应的指数较多，但在 Beta维度上聚
类之后对应的收益来源仍不多），截面上可形成的差异小，一些相关性不高的维度在合
成后反而彼此冲突降低综合表现。
故在对各个维度综合加权时，需要时序上的侧重，故本文在时序动量这一维度上，根据
信息表达的精确性给出了以下加权方法的对比：
等权：大类因子在标准化后等权；
剔除等权：在剔除过去 12个月因子分组回测超额收益为负的大类因子后，余下因
子标准化等权；
%% %%
%% %%
15
请阅读最后评级说明和重要声明 16 / 22
金融工程 | 深度报告
排序等权：根据过去 12个月因子分组回测超额收益对大类因子给出从大到小的排
序，根据排序对标准化的因子加权求和；
剔除排序加权: 在剔除过去 12个月因子分组回测超额收益为负的大类因子后，余
下因子按照超额收益做从大到小的排序，根据排序对标准化的因子加权求和；
剔除夏普加权: 在剔除过去 12个月因子分组回测超额收益为负的大类因子后，余
下因子按照超额收益夏普比对标准化的因子加权求和。
下表分别给出了行业因子和 ETF对应的指数因子截面相关性。
表 10：行业因子相关性
分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量 等权 剔除等权 排序加权 剔除排序加权 剔除夏普加权
分析师预期 % % % % % % % % % % %
分析师驱动 % % % % % % % % % % %
景气 % % % % % % % % % % %
拥挤度 % % % % % % % % % % %
长期动量 % % % % % % % % % % %
短期动量 % % % % % % % % % % %
等权 % % % % % % % % % % %
剔除等权 % % % % % % % % % % %
排序加权 % % % % % % % % % % %
剔除排序加权 % % % % % % % % % % %
剔除夏普加权 % % % % % % % % % % %
资料来源：天软科技，Wind，长江证券研究所
表 11：ETF因子相关性
分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量 等权 剔除等权 排序加权 剔除排序加权 剔除夏普加权
分析师预期 % % % % % % % % % % %
分析师驱动 % % % % % % % % % % %
景气 % % % % % % % % % % %
拥挤度 % % % % % % % % % % %
长期动量 % % % % % % % % % % %
短期动量 % % % % % % % % % % %
等权 % % % % % % % % % % %
剔除等权 % % % % % % % % % % %
排序加权 % % % % % % % % % % %
剔除排序加权 % % % % % % % % % % %
剔除夏普加权 % % % % % % % % % % %
资料来源：天软科技，Wind，长江证券研究所
%% %
16
请阅读最后评级说明和重要声明 17 / 22
金融工程 | 深度报告
从相关性上看：
分析师维度的两个因子相关性较高，其他各维度因子相关性均较低；
合成因子之间相关性均较高；
合成因子和各个维度的因子相关性均在 40%左右，且除了剔除夏普加权因子外，
其余合成因子和拥挤度因子相关性均最低，从侧面佐证了时序上无法分散以及各
维度打分彼此冲突的情况。
回测表现
下图给出了上述大类因子在行业轮动、ETF轮动下的分组超额净值，并于下表中给出了
超额收益之间的时序相关性：
从超额收益时序相关性上看，拥挤度和其余大类因子相关性较低，而其余维度均会
存在相关性在 40%以上的因子，从侧面佐证了指数打分维度以惯性为主；
从净值上看，大部分因子均在 2022年至 2023年表现较弱，仅行业轮动中的拥挤
度大类因子表现较好，从侧面佐证了时序上较难分散。
图 10：大类因子行业轮动超额净值 图 11：大类因子 ETF轮动超额净值
资料来源：天软科技，Wind，长江证券研究所 资料来源：天软科技，Wind，长江证券研究所
表 12：ETF因子相关性
行业 ETF
分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量 分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量
分析师预期 % % % % % % % % % % % %
分析师驱动 % % % % % % % % % % % %
景气 % % % % % % % % % % % %
拥挤度 % % % % % % % % % % % %
长期动量 % % % % % % % % % % % %
短期动量 % % % % % % % % % % % %
资料来源：天软科技，Wind，长江证券研究所
-40%
-20%
0%
20%
40%
60%
80%
2019 2020 2021 2022 2023 2024 2025 2026
分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量
-20%
-10%
0%
10%
20%
30%
40%
50%
2019 2020 2021 2022 2023 2024 2025 2026
分析师预期 分析师驱动 景气 拥挤度 长期动量 短期动量
%% %%
%% %%
17
请阅读最后评级说明和重要声明 18 / 22
金融工程 | 深度报告
下图给出了上述合成因子在行业轮动、ETF轮动下的分组超额净值，并于下表中给出了
大类因子和合成等因子全区间的风险指标：
从净值上看，合成因子的趋势较为相近，且均在 2022年至 2023年表现较弱，从
侧面佐证了指数打分维度以惯性为主，时序上较难分散。
从大类因子的风险指标上看，超额最大回撤最大的因子为长期动量和短期动量，即
行情动量的稳定性最弱；
从合成因子的风险指标上看，不论是行业轮动还是 ETF轮动，均是排序加权合成
因子在收益、风险维度表现较好，其次为等权，即时序动量适当表达可以在一定程
度上提高最终打分的精确度；
图 12：合成因子行业轮动超额净值 图 13：合成因子 ETF轮动超额净值
资料来源：天软科技，Wind，长江证券研究所 资料来源：天软科技，Wind，长江证券研究所
表 13：合成因子轮动风险指标
行业 ETF
收益 最大回撤 夏普比 月胜率 盈亏比 收益 最大回撤 夏普比 月胜率 盈亏比
分析师预期 % % % % % %
分析师驱动 % % % % % %
景气 % % % % % %
拥挤度 % % % % % %
长期动量 % % % % % %
短期动量 % % % % % %
等权 % % % % % %
剔除等权 % % % % % %
排序加权 % % % % % %
剔除排序加权 % % % % % %
剔除夏普加权 % % % % % %
分析师预期 % % % % % %
资料来源：天软科技，Wind，长江证券研究所
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2019 2020 2021 2022 2023 2024 2025 2026
排序加权 剔除排序加权 剔除夏普加权 剔除等权 等权
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2019 2020 2021 2022 2023 2024 2025 2026
排序加权 剔除排序加权 剔除夏普加权 剔除等权 等权
%% %
18
请阅读最后评级说明和重要声明 19 / 22
金融工程 | 深度报告
下表给出了排序加权合成因子回测的超额净值的分年表现，除 2022 和 2023 年外，分
年超额均较为稳定。
表 14：排序等权合成因子分年风险指标
行业 ETF
收益 最大回撤 夏普比 月胜率 盈亏比 收益 最大回撤 夏普比 月胜率 盈亏比
2019 % % % % % %
2020 % % % % % %
2021 % % % % % %
2022 % % % % % %
2023 % % % % % %
2024 % % % % % %
2025 % % % % % %
2026 % % % % % %
总计 % % % % % %
资料来源：Wind，长江证券研究所
总结
从分析师明细数据出发，在超预期、预期增长、行情驱动三个维度构建指数分析师因子。
分析师超预期因子为分析师一致预期数据相对年报的同比，分析师预期增长为分析师一
致预期数据自身环比变化，分析师驱动因子为分析师首次覆盖后行情在量价的表现情况。
三类因子在行业轮动和 ETF 轮动上表现基本一致，其中分析师超预期因子以分析师预
期年报的增速表现较好；分析师预期增长因子以 FY12、FY2预测年报期更为有效，但
在时序上稳定性较弱；分析师驱动因子以换手维度为主。
受制于 Beta收益来源的特性，合成因子的提升效果有限。由于 Beta维度的收益来源较
少，且轮动维度以动量为主，多因子体系下的指数轮动在合成打分上存在较难在时序上
分散轮动收益来源、打分彼此冲突的情况。从大类因子相关性上看，除分析师预期、分
析师驱动相关性较高，其余大类因子相关性均较低，但因子超额收益的相关性除拥挤度
因子外，其余维度均存在 40%以上的关联因子，等权合成因子和各个维度因子相关性除
拥挤度因子外均在 40%以上。从因子分组超额收益的相关性上看，除拥挤度因子，其余
大类因子和等权合成因子均在 2022、2023年表现较弱。
时序上的信息侧重是一种可以适当解决 Beta维度打分信息磨损的方法。本文在时序动
量这一维度上，根据信息表达的精确性给出了等权、剔除等权、排序等权、剔除排序等
权、剔除夏普等权五种方法，其中排序等权合成因子在回测区间表现最好，行业轮动和
ETF轮动的分组回测超额年化收益分别为 %、%，信息比分别为 、，
除 2022和 2023年外，分年超额均较为稳定。
%% %%
%% %%
19
请阅读最后评级说明和重要声明 20 / 22
金融工程 | 深度报告
风险提示
1、模型存在失效风险：市场的宏观环境会随经济运行发生变化，投资者的交易行为也
会因市场的发展、局部博弈发生变化，若市场的定价模式发生改变，或导致模型的失效；
2、市场交易行为发生变化：影响以历史统计规律得到的因子的实际表现；
3、市场主题行情波动：主题分类不属于传统行业分类，市场交易聚集在局部形成的主
题上时会加大策略波动；
4、本文举例均基于历史数据，不保证未来收益：量化模型均基于历史数据的回测，但
样本外数据的分布和样本内或有较大变化，使预测收益和实际收益的对应关系产生波动。
%% %
20
请阅读最后评级说明和重要声明 21 / 22
金融工程 | 深度报告
投资评级说明
行业评级 报告发布日后的 12 个月内行业股票指数的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准，投资建议的评
级标准为：
看 好： 相对表现优于同期相关证券市场代表性指数
中 性： 相对表现与同期相关证券市场代表性指数持平
看 淡： 相对表现弱于同期相关证券市场代表性指数
公司评级 报告发布日后的 12个月内公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准，投资建议的评级标准为：
买 入： 相对同期相关证券市场代表性指数涨幅大于 10%
增 持： 相对同期相关证券市场代表性指数涨幅在 5%～10%之间
中 性： 相对同期相关证券市场代表性指数涨幅在-5%～5%之间
减 持： 相对同期相关证券市场代表性指数涨幅小于-5%
无投资评级： 由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使
我们无法给出明确的投资评级。
相关证券市场代表性指数说明：沪深两市以沪深 300指数为基准；北交所市场以北证 50指数为基准；新三板市场以三板成指为基
准；香港市场以恒生指数为基准。
办公地址
[Table_Contact]上海 武汉
Add /虹口区新建路 200号国华金融中心 B栋 22、23层
/（200080）
Add /武汉市江汉区淮海路 88号长江证券大厦 37楼
/（430023）
北京 深圳
Add /朝阳区景辉街 16号院 1号楼泰康集团大厦 23层
/（100020）
Add /深圳市福田区中心四路 1号嘉里建设广场 3期 36楼
/（518048）
%% %%
%% %%
21
请阅读最后评级说明和重要声明 22 / 22
金融工程 | 深度报告
分析师声明
本报告署名分析师以勤勉的职业态度，独立、客观地出具本报告。分析逻辑基于作者的职业理解，本报告清晰准确地反映了作
者的研究观点。作者所得报酬的任何部分不曾与，不与，也不将与本报告中的具体推荐意见或观点而有直接或间接联系，特此声明。
法律主体声明
本报告由长江证券股份有限公司及/或其附属机构（以下简称「长江证券」或「本公司」）制作，由长江证券股份有限公司在中
华人民共和国大陆地区发行。长江证券股份有限公司具有中国证监会许可的投资咨询业务资格，经营证券业务许可证编号为：
10060000。本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格书编号已披露在报告首页的作者姓名旁。
在遵守适用的法律法规情况下，本报告亦可能由长江证券经纪（香港）有限公司在香港地区发行。长江证券经纪（香港）有限
公司具有香港证券及期货事务监察委员会核准的“就证券提供意见”业务资格（第四类牌照的受监管活动），中央编号为：AXY608。
本报告作者所持香港证监会牌照的中央编号已披露在报告首页的作者姓名旁。
其他声明
本报告并非针对或意图发送、发布给在当地法律或监管规则下不允许该报告发送、发布的人员。本公司不会因接收人收到本报
告而视其为客户。本报告的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所包含信息和建
议不发生任何变更。本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投
资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其
他因素自主做出决策并自行承担投资风险。本公司已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，不包含作
者对证券价格涨跌或市场走势的确定性判断。报告中的信息或意见并不构成所述证券的买卖出价或征价，投资者据此做出的任何投
资决策与本公司和作者无关。本研究报告并不构成本公司对购入、购买或认购证券的邀请或要约。本公司有可能会与本报告涉及的
公司进行投资银行业务或投资服务等其他业务(例如:配售代理、牵头经办人、保荐人、承销商或自营投资)。
本报告所包含的观点及建议不适用于所有投资者，且并未考虑个别客户的特殊情况、目标或需要，不应被视为对特定客户关于
特定证券或金融工具的建议或策略。投资者不应以本报告取代其独立判断或仅依据本报告做出决策，并在需要时咨询专业意见。
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
入可升可跌，过往表现不应作为日后的表现依据；在不同时期，本公司可以发出其他与本报告所载信息不一致及有不同结论的报告；
本报告所反映研究人员的不同观点、见解及分析方法，并不代表本公司或其他附属机构的立场；本公司不保证本报告所含信息保持
在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司
及作者在自身所知情范围内，与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突。
本报告版权仅为本公司所有，本报告仅供意向收件人使用。未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布
给其他机构及/或人士（无论整份和部分）。如引用须注明出处为本公司研究所，且不得对本报告进行有悖原意的引用、删节和修改。
刊载或者转发本证券研究报告或者摘要的，应当注明本报告的发布人和发布日期，提示使用证券研究报告的风险。本公司不为转发
人及/或其客户因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。未经授权刊载或者转发本报告的，本公司将
保留向其追究法律责任的权利。
本公司保留一切权利。
%% %
22
