风格研究框架系列一：变化无常守望盈利确定性VIP

1、风格研究框架的建立不执着于“投资现象”，投资需要回归本质。过去两年，A 股市场在经济转型、利率市场化以及新经济的过程当中，产生了诸多的新理念与新概念，诸如“核心资产”、“终局思维”以及“投资赛道化”等等新式的投资策略，但市场行情的剧烈波动，却揭示了以上的投资风格均是特殊时期与特定环境下的“投资现象”，更多的是市场风格下的具象产物，执着于这些投资现象反而会深受其痛。股票价格的本质是预期，预期在哪里？ 预期在人们的心里。股票价格是客观世界的反应吗？不是，股票价格是人们内心世界的反应。所以才有“兵无常势，水无常势”这样朴素的道理，投资领域没有什么现象是永恒不变的，更没有什么资产与赛道可以成为常胜将军

2、。把握预期思维、边际思维与交易思维仍然是策略投资的核心。图 1：股票价格的本质是预期，是对盈利、无风险利率与风险溢价的立体认知连接自上而下与自下而上投资之间的桥梁，需要引入新的风格研究框架。不可否认的是随着市场研究水平的提升以及研究视角的深度化与微观化，自下而上投资范式的兴起，过去几年宏观策略研究在大势研判和行业比较的落地上面临新的挑战。同样的，随着上市公司业务的多元化与跨产业链条，传统的价值、成长以及周期、消费、科技的划分方式也越来越难以准确描述股票特征，而过去的划分更多的是单一的和有限维度， 我们需要更立体的方式来理解风格。因此如何解决上述的矛盾？如何寻找链接自上而下的大势研判、行业比较以

3、及自下而上的研究新范式？如何更准确的描述股票特征，捕捉真正的市场主线？我们认为核心是需要在传统策略框架的大势研判与行业比较之中引入风格研究的框架。我们所理解的风格，本质上它是股票资产的一种共性特征或共性的状态， 一种共性的驱动力。传统的、非此即彼的风格划分已经难以描述在 2020年出现的科技与消费并行以及 2021 年出现的周期与科技同涨的过程。随着市场研究的演进，我们需要更高的视野和更具有可操作性的研究去看待投资风格。从股票定价的基本出发，在分子端我们可以通过盈利周期、盈利确定性、盈利弹性的预期来描述股票的特征，在分母端我们可以通过风险特征来描述股票的逻辑特征。那么通过构建新的逻辑风格形式，

4、我们可以向不同的行业分析师、向具有不同理念的投资经理更加有效也更加准确的描述股票市场的投资机会。而不是像过去非此即彼的机械划分，更容易出现误判。但为什么需要更具有可操作性的研判工具， 是因为当我们研判“盈利确定性”是当下市场的核心风格的时候，这一风格特征所对应的行业、股票它并非是一成不变的，随着宏观政策环境以及行业公司格局的变化，我们需要构建一个动态的框架来刻画“盈利确定性”为代表的投资机会在何处。图 2：如何让投资策略更加的落地：引入新的风格研判框架本篇文章，我们将聚焦“盈利确定性”，来讨论盈利确定性的刻画、所对 应的大类风格与行业以及其超额收益的空间，包括当下我们的投资看法。基于盈利视角的

5、三维分析框架GCD 框架我们在 2022 年度策略报告中提到，2022 年的结构配置需更重视确定性。如何在原有的盈利分析视角中融入确定性？我们基于分析师盈利预测 数据，构建了 Growth - Certainty - Divergence 的三维分析框架，从盈利预期增速、盈利确定性与盈利分歧度三个维度层层递进。图 3：Growth- Certainty - Divergence 三维分析框架注：蓝点代表某投资标的，X1、Y1 与 Z1 分别为盈利预期增速、盈利乐观误差与盈利分歧度， 其中盈利预期增速与盈利分歧度为最新交易日的当年数据，盈利乐观误差为历史均值。图 4：从盈利预期增速、盈利确定性与

6、盈利分歧度三个维度层层递进维度 1Growth：毫无疑问，具有高盈利预期增速的方向总是吸引人的。在我们的三维框架中，盈利预期增速是所有分析的基石。若我们在结构选择中，仅考虑盈利预期增速，则我们应沿 Z 轴进行选择，处于 Z 轴较高位置的投资标的即是投资者偏好的方向。但是高盈利预期究竟是否能实现？Z 轴的结果事实上存在不确定性，故我们需要进一步引入盈利确定性这一分析维度。图 5：仅考虑盈利预期增速，则我们应沿 Z 轴，选择 Z 轴较高位置的投资方向维度 2Certainty：盈利的预期增速能否实现，即盈利确定性的高低问题。当市场风险偏好较低时，市场对于盈利预期增速较高、但盈利确定性较低的方向的热

7、衷程度下降，相应更偏好盈利预期增速或许并没有那么高、但盈利确定性较高的方向。故此时，我们在 Z 轴的基础上，还需要进一步兼顾 X 轴。进一步聚焦 X 轴，我们认为盈利确定性的内涵本质上是盈利实际表现与盈利预期增速之间的偏离程度，故采用盈利乐观误差进行表征是极为合适的。即市场对于某投资标的的盈利预期增速越准确，盈利乐观误差越小，则盈利确定性越高。故当风险偏好较低时，应倾向于选择 X 轴值靠近原点的投资方向，即盈利乐观误差较小的投资方向。图 6：当风险偏好较低时，应倾向于选择 X 轴值靠近原点的投资方向但是在实际分析中，由于在投资初期我们并不知道下一阶段的盈利实际表现，也就并不知道下一阶段的盈利乐

8、观误差。故对于 X 轴，我们首先采用不同结构各自的历史盈利乐观误差均值，来衡量其长期的乐观误差特征。那么进一步，如何把握盈利确定性的边际变化呢？我们发现盈利分歧度的变化能为盈利确定性的变化带来指引，年初盈利分歧度较上年年初盈利分歧度进一步抬升的投资方向，其当年的盈利乐观误差更有下降的可能。故此时，盈利确定性的特征从单纯的 X 轴扩散至 X-Y 轴组成的面，当风险偏好较低时，我们一方面应该选择从长期视角来看具有盈利确定性优势的投资方向，即 X 轴值靠近原点，另一方面应选择盈利确定性边际上具有抬升的方向，即对应 Y值盈利分歧度边际抬升的方向。图 7：在实际分析中，盈利确定性的特征从单纯的X 轴扩散

9、至 X-Y 轴组成的面图 8：满足以下三个条件：Z 值大+X 值小+Y 值较上年年初边际抬升维度 3Divergence：除了盈利预期增速能否实现，盈利增速预期的边际变化是否已反应至股价之中是另一个需要关心的问题。当市场环境或公司基本面出现变化，最先发现机会的分析师将率先上调盈利预期。此时分析师盈利预测分歧度将面临两种走势：1）分析师的观点未得到市场充分认可，没有其他跟随报告，分析师盈利预测分歧度仍没有趋势性变化。2）分析师的观点获得市场认可，新信息逐渐开始扩散，跟随报告将集中出现，对盈利预测数据进行调整，此时分析师盈利预测分歧度开始进入上升通道。随着市场形成共识，最终分析师盈利预测分歧度会出

10、现了一个上升下降的动态过程。在这一过程中，最先发布报告时往往能获得超额收益，而当其他分析师跟风上调盈利预期时股价很可能已经有所反应。图 9：随着市场形成共识，盈利预测分歧度会出现了一个上升下降的动态过程故此时我们需要在兼顾 Z 轴盈利增速、X-Y 轴盈利确定性的基础上，进一步关注 Y-Z 轴盈利分歧度的变化。我们应该倾向于选择近期 Z 轴与 Y 轴均有上升趋势的投资方向。总结：在风险偏好较低，追求确定性的环境中，一个具有以下 4 个特征的投资方向值得我们关注。若市场风险偏好逐步抬升，对确定性的要求下降，则我们可以适当放宽条件 2 与条件 3。条件 1：盈利预期增速高（Z 值高）；条件 2：长期

11、来看盈利确定性具有优势（X 值低）；条件 3：2022 年盈利确定性有进一步抬升可能（Y 值较去年年初同期更高）；条件 4：新的利好出现，且未完全反应（Z 值与 Y 值在近期均边际抬升）。图 10：兼具以下四个特征的投资方向值得我们重点关注注：Y0 代表上年年初盈利分歧度，Y1.1 代表当前盈利分歧度，Y1.0 代表前一阶段的盈利分歧度；Z1.1 代表当前时点对当年的盈利增速预期，Z1.0 代表前一阶段对当年的盈利增速预期。维度 1 关于盈利预测增速的计算，我们在报告犹疑估值，不如决胜盈利 20210408中已详细论述了分析过程，本文着重分析维度2盈利确定性。GCD 框架之盈利确定性的本源中期

12、年度视角下，盈利的重要性。1 年期维度来看，各大类板块的盈利增速排名与行情排名较为匹配。可以观察到，2010-2014 年上游周期板块连续 5 年盈利排名与行情排名完全一致。科技成长板块近 10 年的盈利排名与行情排名亦高度一致，其余板块亦有类似表现。这意味着对以年度为期限的投资而言，盈利具有较高的重要性。图 11：上游周期在 2010-2014 年盈利与行情排名一致图 12：科技成长盈利排名与行情排名高度一致行情排名-盈利排名行情排名盈利排名20102011201220132014201520162017201820192020上游周期86420-2-4行情排名-盈利排名行情排名盈利排名20

13、102011201220132014201520162017201820192020科技成长86420-2-4Wind，Wind，但客观世界的多变性加大了年度盈利预测的难度。客观世界的多变性给上市公司盈利预测带来了困难，宏观经济的扰动、行业自身周期的变化以及公司微观层面的经营情况均会使盈利预测与实际值发生偏差，使得单一投资者的盈利预期其实是众多宏微观自变量经过该投资者特定函数处理后的结果。在投资者进行预测时，由于对宏微观变量的把握存在困难，这使得在投资者心中对于上市公司的盈利预期表现为不同宏微观情景下的概率分布。图 13：单个投资者心中对某投资对象的盈利预期表现为不同变量情景下的概率分布不同投

14、资者的盈利预期形成市场一致预期。由于投资者心中对于上市公司的盈利预期表现为不同宏微观情景下的概率分布，进一步可以将投资者 N 的盈利预期提炼为盈利期望()和盈利区间(, ,)。全部投资者的盈利期望和盈利区间最终形成市场的一致预期，表现为市场对该投资对象的盈利期望()和市场对该投资对象的盈利区间(, ,)。图 14：全部投资者的盈利期望和盈利区间最终形成市场的一致预期图 15：市场一致预期的形成对未来连续的盈利预期贴现，最终形成股价。以上过程为投资者群体对其中一期的盈利预期，若投资者群体对上市公司形成未来连续的盈利预期，并对连续的盈利预期进行贴现，则最终形成当前预期下的股价。图 16：对若干期的

15、盈利预期贴现，最终形成股价假设贴现率保持稳定，投资者首先面临的是盈利期望与盈利区间的选择。对于理性人来说，相同盈利期望的投资对象没有区别。但是若进一步考 虑投资者风险偏好的变化，投资者将在盈利期望的基础上兼顾盈利区间。情景 1：对于理性人而言，应该选择盈利期望更高的样本 B，但当投资者风险偏好极高时，存在去博取样本 A 的盈利预期上沿的动机，存在选择样本 A 的可能；情景 2：对于理性人而言，样本 A 与样本 B 没有区别。但与情景 1 相同，当投资者风险偏好较高时，存在去博取样本 A 的盈利预期上沿的动机，存在选择样本 A 的可能；情景 3：对于理性人而言，应该选择盈利期望更高的样本 A。但

16、当投资者风险偏好较低时，存在规避样本 A 的盈利预期下沿的动机，存在选择样本 B 的可能。图 17：投资者首先会面临盈利期望与盈利区间的选择但上述环节仍停留在期初的静态预期，股价的变动取决于盈利预期的后续变动方向，当市场的盈利期望发生变化时，股价将发生相应变动。由于期初静态预期已经完全包含了所有已知信息，所以后续预期的变动方向（反应新信息），事实上是完全独立于期初静态预期（反应原有已知信息），即盈利预期的后续变动方向完全取决于新信息。整体来看，通常情况下随着新信息的逐渐出现，盈利预期将逐渐向最终的实际值靠拢，至期末跳至实际值。在这一过程中，受新信息影响，不仅是当期的盈利预期，未来各期的盈利预期

17、均会发生调整，使得该投资对象的各期盈利预期贴现值也将随着新信息的逐步发生而发生变化。这意味着，投资者真正应该关心的是，自己在上述环节中选择的投资标的的盈利预期随着新信息的出现会发生怎么样的变化？针对不同风险偏好的投资者，从本质上来看，会倾向于两种不同的选择：风险偏好高的投资者：投资者乐于见到盈利预期随新信息的出现发生大幅变化，有博取极高回报的可能；风险偏好低的投资者：投资者希望即使出现了新信息，盈利预期也保持基本稳定，避免了较大损失的可能。未来盈利实际值的披露是新信息的重要部分，若在0时对1的实际盈利值预期越准，那么未来各期的盈利预期整体变化就越小，未来各期盈利的贴现值变化也就越小，股价波动较

18、小。所以“盈利预期随着新信息发生变化的幅度”事实上取决于期初0市场对未来各期的盈利期望是否准确，我们认为这是盈利确定性的本质内涵。盈利确定性的内涵：期初0市场对未来各期的盈利期望越准确盈利预期随着新信息发生变化的幅度越小股价表现越稳定低风险偏好的投资者避免了较大损失的可能。更通俗的解释是：期初市场的预期很准，即使新信息出现后市场的盈利预期也没发生什么变化。沿着盈利确定性的内涵，如何度量某投资标的的盈利确定性就有了可行的方法。通过观察投资标的在期初的盈利预期与期末实际值的差值以及差值的变化幅度，可以较好的衡量其历史上盈利确定性的高低与变化。图 18：通常情况下随着新信息的逐渐出现，盈利预期将逐渐

19、向最终的实际值靠拢但上述指标是已知其历史实际值，对投资标的的历史盈利确定性特征与变化的衡量。站在期初面对未来，我们并不知晓未来实际值，那么又如何辨别投资标的在时刻的预测比其他标的更为准确，即使新信息出现后市场的盈利预期也能保持稳定？期初盈利预期分布的离散程度（盈利分歧度）成为重要指引：未来投资标的的实际盈利值是某一真实发生的宏微观变量组合下的函数结果，站在期初时点，则是一个不同宏微观组合变量经过相同函数后的概率分布， 未来的实际值是这一概率分布的其中一类情况。期初市场的盈利预期与最终实际值发生的偏差则来源于上述过程中的两个环节：1）真实发生的宏微观变量组合可能与之前投资者预期的各类组合都不同；

20、2）投资者的函数存在缺陷，与真实的函数不同（即使投资者对宏微观变量的预期是正确的，但是解读过程也会存在偏误）。这意味这，在期初，盈利预期分布和实际盈利分布大概率存在差异。但是尽管存在上述两个环节的干扰， 但是在期初这一时点上，市场的盈利预期确实包含了最多的信息，是最接近真实值的概率分布。即最终的盈利实际值确实更有可能落在市场的盈利区间内，若投资标的的盈利预期区间范围较大、分歧较大，则盈利实际值似乎与盈利期望偏差较大的可能性也就越大，这也就重新回到了投资者期初面对静态预期的选择。但期初盈利预期分布的离散程度与未来盈利确定性的实际关系还需下文数据进一步验证。图 19：尽管在期初无人知道真实的盈利分

21、布，但市场盈利预期是最接近真实情况的概率分布需要额外补充的是：盈利确定性并非盈利稳定性，盈利稳定性是盈利确定性内涵的一部分。若某一标的的历史盈利表现极其稳定，那么确实对于其盈利的预期将更为精准，其具备盈利确定性的特征。但盈利不稳定的标的亦有可能具有盈利确定性特征。盈利的确定性的第一层次是对盈利数值的预测，第二层次是对盈利方向的预测。第一层次的盈利确定性表现在具体数值的预测精度上，若市场对投资标的的具体数据预期精准，则确定性最高。但若市场对具体数值的预测存在困难，但对方向确定，则是一种退而求其次的确定性。图 20：总结：为何需要讨论盈利确定性？盈利确定性的本源计算：乐观误差从盈利预测数据中抓取线

22、索我们在上文中提到，沿着盈利确定性的内涵，如何度量某投资标的的盈利确定性就有了可行的方法。通过观察投资标的在期初的盈利预期与期末实际值的差值以及盈利预期的变化幅度，可以较好的衡量其历史上盈利确定性的高低与变化。在具体指标上，我们用盈利预测的乐观误差来衡量盈利确定性。当该年样本的乐观误差绝对值较大，且年内变动幅度较大，则我们可以认为当年该样本的盈利确定性是较低的。以全 A 为例，在利用个股分析师一致预期数据预测增速时，面临两种类型的误差。1）样本误差：当前具有分析师覆盖的个股未至全 A 总上市公司总数的 50%，由于样本的有限性将造成一定误差；2）乐观误差：相同样本的实际增速与预测增速之差，完全

23、代表了分析师的预测误差程度，由于从历年的结果来看，分析师普遍具有过度乐观的特征，故将这一误差命名为乐观误差。具体计算如下：全 A 样本预测增速：在历年每一交易日，以当日存在当年归母净利润一致预期数据的个股为样本，整体法计算当年全 A 归母净利润同比增速；全 A 样本实际增速：在历年每一交易日，以当日存在当年归母净利润一致预期数据的个股为样本，整体法计算该样本当年的实际增速；全 A 整体实际增速：全 A 在该年的实际增速；样本误差=全 A 整体实际增速-全 A 样本实际增速；乐观误差=全 A 样本预测增速-全 A 样本实际增速；整体误差=乐观误差+样本误差=全 A 整体实际增速-全 A 样本预测

24、增速。我们从两个维度观察乐观误差：1）乐观误差的绝对值（指标 1）：乐观误差的绝对值代表了盈利预期的准确性。从历史数据来看，乐观误差年初、年中与年末的年度趋势基本保持一致，我们选用年中的乐观误差值来衡量盈利预期的准确性以及变化。2）乐观误差的年内变化（指标 2）：乐观误差在年内的变动代表了盈利预期的变动幅度，我们计算乐观误差年末与年初的差值来衡量。从指标 1 与指标 2 的结果来看，两者相关性极高，意味着当盈利预测准确性下降时，盈利预期的变化也较为剧烈。图 21：从盈利预测数据中抓取线索全A乐观误差 年初值 年中值 年末值指标一35%30%25%20%15%10%5%0%-5%-10%2010

25、-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01全A乐观误差年初值年末值28.53%指标二15.72%15.84%8.91%15.64%17.90%1.20%4.52%4.29%-1.88%-9.66%35%30%25%20%15%10%5%0%-5%-10%2010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01全A乐观误差 指标2（年末值-年初值） 指标1（年中值）两者相关度高35%30%25%2

26、0%15%10%5%0%-5%-10%2010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01Wind，乐观误差指标有效性的验证上述指标是否有效？我们发现指标 1 与指标 2 具有两个以下明显特征： 1）经济周期向上，盈利确定性抬升。当经济周期向上时，可以观察到指 标 1 与指标 2 快速向下，意味着盈利预测更为准确且盈利预期变化幅度较小，盈利具有较高确定性。但当经济周期向下时，盈利预测准确性下降且变化幅度较大，反应盈利确定性较低。2）经济政策不确定性抬升，盈利确定性下降。当经济政策不确定性抬升时

27、，可以观察到指标 1 与指标 2 抬升，意味着盈利预测准确性下降且变化幅度较大，反应盈利确定性较低。当经济政策不确定性下降时，可以观察到指标 1 与指标 2 快速向下，意味着盈利预测更为准确且盈利预期变化幅度较小，盈利具有较高确定性。图 22：经济周期向上，盈利确定性抬升全A乐观误差 指标2（年末值-年初值） 指标1（年中值）35%30%25%20%15%10%5%0%-5%-10%2010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01102102101101100100999998OECD综合

28、领先指标:中国全A盈利增速（右）4035302520151050-5-102010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01经济政策不确定性（周期项）经济政策不确定性（周期项移动5M平均）3002001000-100-200-3002010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01Wind，盈利确定性的结构特征大小风格：大盘股盈利预测准确性较高我们以大盘股指数、中盘股指数与小盘股指数来衡量

29、大小风格。可以从指标 1 与指标 2 的均值与变异系数两个维度来看观察各指数的盈利确定性表现。一方面，若指标 1 与指标 2 的均值越小，则说明历史平均来看样本的盈利预期准确性越高，且在年内的变动越小，样本盈利确定性较高。同时考虑到即使指标均值较小，但若各年间的离散程度较大（指标变异系数较大），则样本的盈利预测准确性事实上并不能持续保持，则其盈利确定性的成色稍显不足。故我们在优先考虑指标均值的基础上， 辅以观察指标变异系数的表现：从指标 1 与指标 2 的均值来看：均可以观察到大盘中盘小盘的结论。这意味着大盘股盈利预测准确性相对较高，且年内变动幅度较小，盈利确定性较高。而小盘股盈利预期的准确性

30、较差，且年内变动幅度较大，盈利确定性较差。从指标 1 与指标 2 的变异系数来看：与均值结果有所不同，表现为小盘中盘大盘的特征。这意味着虽然小盘从历史均值来看较大盘盈利预测较差且年内预期波动较大。但小盘的盈利误差各年之间比较稳定， 即小盘每年的盈利预测准确性差的程度较为接近。而大盘的准确性在历年间的离散程度要大于小盘。综合来看，虽然大盘的盈利准确性的离散程度较中小盘稍大，但大盘盈利预期准确性的绝对水平要明显好于中盘和小盘，盈利确定性整体呈现较高水平。指标1（年中值）年份指标2（年末值-年初值）20102011201220132014201520162017201820192020均 值 标 准

31、 差 变异系数5.0%9.5%12.9%2.2%6.7%8.8%4.3%0.9%8.7%3.2%5.5%22.7% 37.8% 47.7%1.5%0.9%44.4%59.4%52.1%32.2%44.9%73.6%43.5%21.4%64.5%44.6%30.9%7.4%0.9%20.4%1.0%2.0%11.0%11.9%2.5%1.3%4.0%16.5%15.3%26.3%22.3%24.5%20.3%23.8%23.7%7.1%15.2%8.4%33.1%71.6%40.4%28.6%54.0%33.4%5.5%50.2%65.8%26.0%56.1%76.6%95.8%33.0%42.

32、0%58.2%21.3%16.3%6.9%15.4%12.4%3.6%37.9%21.3%7.2%46.5%29.5%6.1%11.1% 28.6%2.7%18.5% 29.4% 52.5% 33 61.9%5.4%小盘中盘大盘小盘中盘大盘表 1：大小风格指数指标 1 与指标 2 近十年均值与变异系数Wind，价值成长：大盘价值与小盘成长展现两个极端从价值与成长风格来看，两者特征鲜明，价值盈利确定性优势明显。从指标 1 与指标 2 的均值来看，价值均明显小于成长，这意味着价值风格盈利预测准确性相对较高，且年内变动幅度较小，盈利确定性较高。而成长风格盈利预期的准确性较差，且年内变动幅度较大，盈利

33、确定性较差。从指标 1 与指标 2 的变异系数来看，两者差别不大。图 23：价值的指标 1 均值为 5.4%图 24：成长的指标 1 均值为 12.2%，大幅高于价值25.0%20.0%15.0%10.0%指标1（年中值）指标2（年末-年初）指标1均值指标2均值 指标1（年中值）指标2（年末-年初）指标1均值指标2均值价值8.8% 5.4%成长13.0%12.2%25.0%20.0%15.0%10.0%5.0%5.0%0.0%0.0%2010-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-012010

34、-012011-012012-012013-012014-012015-012016-012017-012018-012019-012020-01-5.0%-5.0%Wind，Wind，进一步在价值成长的基础上结合大小风格来看，大盘价值与小盘成长展现了两个极端。从指标 1 与指标 2 的均值来看：均可以观察到大盘价值优势明显，而小盘成长均值较大。这意味着大盘价值盈利预测准确性相对较高，且年内变动幅度较小，具有极高的盈利确定性。而小盘成长不仅盈利预期准确性较差，且年内变动幅度较大。其余风格中，大盘成长亦表现出较好确定性，而中盘价值、中盘成长与小盘价值的差异不大，均表现一般。图 25：大盘价值与小

35、盘成长展现两个极端图 26：指标 2 视角亦是如此35%30%25%20%15%10%5%0%指标一均值大盘价值大盘成长中盘价值中盘成长小盘价值小盘成长35%30%25%20%15%10%5%0%指标二均值大盘价值大盘成长中盘价值中盘成长小盘价值小盘成长Wind，Wind，从指标 1 与指标 2 的变异系数来看：与均值结果有所不同，其中指标 1 中大盘价值变异系数较高而小盘成长较小，指标 2 中各风格差异不大。这意味着虽然小盘成长从历史均值来看较大盘价值盈利预测较差且年内预期波动较大。但小盘成长的盈利误差各年之间比较稳定，即小盘成长每年的盈利预测准确性差的程度较为接近。而大盘价值的准确性在历年

36、间的离散程度要大于小盘成长。我们发现这一结果也与大小风格相似，均值角度具有明显优势的风格反而在变异系数上表现欠佳。我们认为对于预测确定性较高的行业而言，考虑到其变异系数具有天然的劣势、更属锦上添花的性质，我们在判断确定性时仍以均值为主。图 27：大盘价值的盈利预测准确性最高图 28：各结构盈利预期变动幅度差异不大120%100%80%60%40%20%0%指标一变异系数大盘价值大盘成长中盘价值中盘成长小盘价值小盘成长100%80%60%40%20%0%指标二变异系数大盘价值大盘成长中盘价值中盘成长小盘价值小盘成长Wind，Wind，综合来看，大盘价值与小盘成长展现了两个极端，其中大盘价值盈利确

37、定性优势明显，盈利确定性整体呈现较高水平。表 2：各风格指标 1 近十年均值与变异系数年份指标1（年中值）大盘价值大盘成长中盘价值中盘成长小盘价值小盘成长201020112012201320142015201620172018201920204.9%5.5%7.4%0.3%6.1%8.1%0.1%1.1%3.4%3.7%5.4%7.4%3.3%11.3%5.7%4.7%8.6%12.0%19.8%4.8%7.9%7.5%8.3%7.3%16.9%25.8%35.0%47.4%19.5%41.1%38.7%27.5%27.5%11.8%50.1%25.7%22.7%32.332.934.4%34

38、.1%29.8%36.7%18.7%15.2%9.1%17.3%31.6%63.6%25.1% 51.0%16.8%1.3%3.1%15.1%33.6%20.4%17.3%20.5%7.4%1.7%14.4%25.6%11.3%13.5%11.6%均值4.2%8.4%20.6%22.4%20.7%31.8%标准差4.1%4.6%17.2%8.6%15.6%11.8%变异系数97.7%54.8%83.3%38.3%75.5%37.0%Wind，指标2（年末值-年初值）年份20102011201220132014201520162017201820192020均 值 标 准 差 变异系数12.4%

39、7.9%7.4%20.8%20.8%22.2%8.7%8.9%16.6%15.2%6.5%7.0%15.3%17.6%2.8%16.3%64.1%9.0%24.3%38.1%13.4%3.6%12.8%33.0%21.1%6.4%17.8%56.8%10.2%16.5%25.6%21.9%14.6%61.5%59.3%33.1%69.4%82.9%64.7%62.4%78.3%74.3%20.4%18.0%12.9%11.7%7.7%6.1%29.4%21.7%19.9%18.7%9.8%8.2%18.2% 26.6% 32.3%25.0%4.1%4.6%35.4%7.1%33.516.4%4

40、5.5%43.8%14.8%3.5%0.4%7.8%10.3%6.1%10.2%4.0%1.5%15.1%4.0%1.1%15.9%8.7%4.5%10.7%5.9%18.6%小盘成长小盘价值中盘成长中盘价值大盘成长大盘价值表 3：各风格指标 2 近十年均值与变异系数Wind，大类行业：必选消费盈利确定性表现亮眼从指标均值维度来看：消费、金融盈利确定性较高。其中成长、中游周期以及上游周期指标 1 与指标 2 的均值排名均排在前三，这三类行业盈利预期的准确性较差，且变动幅度亦较大，盈利确定性较差。相应可选消费、必选消费与下游周期排名靠后，表现为盈利预测准确性相对较高，且变动幅度较小，盈利确定性较

41、高。金融板块的均值均为最小，展现其较好的盈利稳定性。图 29：金融的盈利预测准确性最高图 30：金融的盈利预期变动幅度最小50%40%30%20%10%0%指标一均值成长中游周期 上游周期 必选消费 可选消费 下游周期金融50%40%30%20%10%0%指标二均值上游周期成长中游周期 可选消费 下游周期 必选消费金融Wind，Wind，从变异系数维度来看：必选消费盈利预测准确性各年间保持较好的稳定性。从指标 1 与指标 2 的变异系数来看，成长与必选消费变异系数较小。这意味着虽然成长从历史均值来看较大盘盈利预测较差且预期波动较大。但成长的盈利误差各年之间比较稳定，即成长每年的盈利预测准确性差

42、的程度较为接近。而必选消费在本身盈利预测准确性较高的程度上，其准确性仍能保持较为稳定，进一步展现其盈利确定性。综合指标 1 与指标 2 的结果来看，必选消费与金融的盈利确定性较好。图 31：成长与必选盈利预期准确性较为稳定图 32：成长与必选盈利预期每年变化幅度亦较为稳定80%70%60%50%40%30%20%指标一变异系数中游周期 上游周期金融下游周期 可选消费成长必选消费90%80%70%60%50%40%指标二变异系数下游周期 上游周期 可选消费 中游周期金融必选消费成长Wind，Wind，指标1（年中值）年份20102011201220132014201520162017201820

43、192020均 值 标准差变异系数6.2%2.6%6.0%5.4%14.8%.9%20.4%8.6%6%19.9%9.4%10.8%3.2%5.4%5.6%15.2%20.4%18.1%13.6%.6%23.9%16.5%12.3%11.8%21.4%12.0%3.0%2.6%15.8%17.3%2.4%67.1%31.3%29.1%55.7%58.3%70.2%67.9%2.2%13.1%5.5%9.1%8.9%21.0%13.3%3.3%41.7%19.1%16.4%15.2%29.8%19.6%27.5%0.7%2 31.4%3.6%2297.4%2.2%4.6% 56.6%0.2%4.

44、3%263.2%42.522.7%34.21.9%14.0%9.1%216.4%2250.4%2816.6%235.840.57.0%1.7%6.2%3.0%0.9%0.9%2.8%2.0%6.1%1.8%4.5%28.6%47.0%58.7%32.5%26.6%42.8%37.7%35.7%66.0%53.3%30.3%2211.2%14.8%6.7%金融成长必选消费可选消费下游周期中游周期上游周期表 4：各大类行业指标 1 近十年均值与变异系数Wind，指标2（年末值-年初值）年份20102011201220132014201520162017201820192020均 值 标准差 变异系

45、数29.1%.7%3%3%24.9%.1%.1%17.4%21.8%15.8%11.9%25.8%17.3%6.3%27.3%14.7%14.0%13.1%14.0%29.0%10.2%26.3%29.6%22.7%6%15.8%27.3%13.1%21.8%69.8%54.7%63.4%80.1%82.5%74.0%80.9%4.5%19.6%9.6%17.3%13.2%19.9%31.1%6.4%35.8%15.1%21.6%16.0%26.8%38.5%29.5%46.6.1% 33.8% 39.2% 64.3% 54.5%4.4% 39.7%1.9%6.5%9.2%57.5%9.0%4

46、.4%4389.5%6.4%4089.2%11.6%13.8%33.9%1.0%3.8%21.0%19.3%74.2%55.944.71.8%45.13.0%21.5%15.1%7.1%9.0%6.8%2.9%2.4%9.1%2.5%1.5%2.4%11.6%32.3%27.7%2.2%7.9%3913.1%11.2%1.2%2.7%金融成长必选消费可选消费下游周期中游周期上游周期表 5：各大类行业指标 2 近十年均值与变异系数Wind，表 6：综合指标 1 与指标 2 来看，必选消费与金融最具盈利确定性的特征指标一均值指标一变异系数指标二均值指标二变异系数排名合计上游周期567624中游周期

47、675422下游周期243716可选消费334515必选消费41229成长726116金融151310Wind，一级行业：医药/银行/商贸/家电/食品饮料等盈利确定性高综合指标 1 与指标 2 的结果来看：上游周期盈利确定性整体较差。上游周期有色、煤炭盈利确定性较差，石油石化盈利确定性表现一般；中游周期分化明显。中游周期中各行业盈利确定性分化明显，其中钢铁盈利确定性较差，建材、机械和基化等行业表现一般，公用事业盈利确定性表现较好；下游周期中地产盈利确定性相对较高。下游周期中亦有明显分化， 建筑与交运盈利确定性表现一般，但地产盈利确定性较高。必选消费中除农林牧渔外盈利确定性均较高。必选消费中，农

48、林牧渔盈利确定性表现较差，但其余医药、纺服、食品饮料和商贸零售确定性均较高。可选消费各行业表现较为均衡。可选消费中家电盈利确定性表现高，其余行业盈利表现亦较高。成长中传媒盈利确定性较差，电子、计算机与军工盈利确定性表现较好。金融中银行较非银盈利确定性表现更佳。图 33：盈利确定性较高的行业：医药、银行、商贸零售、家电、食品饮料和房地产等行业指标一均值指标一变异系数指标二均值指标二变异系数上游周期中游周期下游周期必选消费可选消费科技成长金融120100806040200Wind，计算各一级行业指标 1 与指标 2 的均值与变异系数，我们还发现各行业指标 1 与指标 2 呈明显正相关关系，这说明当

49、行业盈利预测准确性较差时，在年内其盈利预期也会发生大幅的变动，进一步体现了指标 1 与指标 2 相辅相成的关系。图 34：指标 1 与指标 2 均值呈明显正相关关系图 35：指标 1 与指标 2 变异系数亦正相关值排名指标一均64x + 1.3571y = 0.90名指标二均值排异系数排名指标一变x + 6.2619y = 0.5681数排名指标二变异系303025252020151510105500510152025300051015202530Wind，Wind，2010/12/312011/12/312012/12/31 2013/12/31 2014/12/31 2015/12/31

50、2016/12/31 2017/12/31 2018/12/31 2019/12/31 2020/12/31表 7：各一级行业指标 1 近十年均值与变异系数大类上游周期中游周期10.7%8.6%73.5%15.0%13.0%下游周期一级行业石油石化有色金属煤炭钢铁建材机械基础化工公用事业交通运输建筑房地产医药纺织服装0.7%78.8%12.6%9.9%12.0%94.2%5.1%44.1%95.0%18.2%30.5%0.6%82.8%23.8%30.6%36.9%22.3%19.8%27.1%9.7%20.2%47.9%6.7%8.6%319.1%17.3%13.2%30.7%7.3%21.

51、0%74.6%30.3%199.0%41.3%46.1%11.4%36.7%16.9%9.0%37.1%11.9%35.6%7.6%67.1%25.5%13.0%413.0%39.9%1.1%46.3%29.9%1.8%16.2%20.3%24.5%31.7%110.6%25.2%21.6%28.7%47.4%1.8%125.9%21.0%2064.2%80.5%1277.4%13.3%196.7%990.0%6.3%68.0%38.5%76.1%3.1%9.7%84.4%21.4%3.9%5.7%25.7%8.2%28.6%21.1%45.0%20.4%13.7%58.8%12.3%28.8

52、%15.7%27.8%40.4%15.5%36.2%46.2%184.8%47.2%16.7%5.0%0.9%3.3%22.7%19.8%22.8%6.6%37.8%28.8%84.7%7.5%7.8%24.3%15.5%8.5%0.250.060.1031.3%4.5%2.0%24.2%62.0%25.4%65.0%6.2%18.0%0.9%27.9%26.4%23.3%16.6%90.9%25.0%11.6%4.5%21.2%10.7%34.9%7.3%40.9%5.5%3.1%9.2%12.2%38.4%45.1%20.8%4.3%10.2%28.5%2.7%13.1%31.8%7.8%

53、24.7%2.2%26.5%均值标准差 变异系数2.602.360.62112.2%255.6%19.4%0.126.020.810.470.560.931.683.710.190.220.210.10220.5%2.920.790.730.63必选消费可选消费农林牧渔食品饮料 商贸零售 消费者服务汽车家 电 轻工制造电新电子44.7%12.6%25.0%21.1%31.3%52.1%123.9% 125.9%4.7%5.1%21.0%19.3%32.0%18.7%3.0%13.7%18.0%27.5%22.6%29.3%2.9%8.2%2.6%10.4%63.0%59.0%17.2%60.2

54、%78.7%18.0%48.7%60.7%20.2%27.5%11.9%3.0%27.6%30.0%27.5%28.9%35.9%24.5%31.3%14.6%53.7%52.6%9.4%18.5%26.6%20.9%26.5%28.5%49.1%6.8%9.0%15.2%17.6%31.8%45.4%6.4%27.3%7.6%21.6%6.5%1.6%31.0%25.3%49.5%5.4%8.0%24.6%23.4%31.2%19.4%49.5%62.0%35.6% 117.4%0.530.640.850.500.560.100.120.810.060.1117.3%21.0%8.6%95.

55、8%23.5%7.3%1.6%12.5%44.3%0.640.840.610.570.140.120.080.1825.0%28.0%13.7%9.3%20.5%31.0%46.5%33.2%8.4%6.3%2.6%21.1%25.9%0.1%0.990.510.390.510.420.680.220.160.370.170.180.6332.7%38.1%39.0%17.3%通信成长计算机国防和军工传 媒 银行金融非银34.7%24.9%41.2%162.3%8.7%1.9%61.0%119.6%23.9%31.7%23.8%29.7%16.9%15.0%6.8%1.7%35.1%56.4%

56、87.2%77.1%24.6%10.5%2.6%9.4%37.5% 106.0% 143.8%63.2%6%170.12.3%109.8%126.3%15.3%33.9%44.9%24.9%43.5%36.1%73.0%38.7%57.5%42.0%84.5%43.4%35.9% 21.3%3.1%26.3%3.2%0.9%1.5%17.0%19.3%4.9%70.2%50.5%0.7%36.2%63.0%61.2%0.4%15.7%43.9%46.6%20.2%0.030.173.2%0.850.855.4%0.5%Wind，表 8：各一级行业指标 2 近十年均值与变异系数石油石化15.0%

57、上游周期有色金属18.5%煤炭40.2%钢铁32.4%建材11.4%中游周期机械79.9%基础化工105.8%电力及公用事业28.5%交通运输103.0%下游周期建筑33.7%房地产10.6%医药2.6%纺织服装4.3%必选消费农林牧渔24.4%食品饮料6.6%商贸零售3.2%消费者服务4.2%汽车54.5%可选消费家电20.6%轻工制造2.5%电力设备及新能源13.9%电子79.0%通信103.0%成长计算机22.3%国防军工41.1%传媒9.1%银行18.3%金融非银行金融9.2%2.4%14.6%8.9%45.4%41.8%5.7%3.2%30.3%26.3%19.5%13.8%22.5

58、%2.9%7.4%9.1%15.7%23.2%19.5%3.6%29.1%51.9%39.4%31.1%15.7%13.2%8.5%10.6%18.7%46.5%86.7%28.8%212.9%85.1%54.1%84.1%6.5%68.2%40.1%23.8%23.3%73.1%33.8%4.4%41.7%29.6%69.5%1.2%101.6%88.4%73.1% 128.6% 74.6%44.3%23.6%4.7%57.1%6.4%127.8%31.0%208.0%19.0%60.6%48.8%24.0%9.9%1.7%5.7%11.6%29.1%355.6%26.5%29.6%20.4

59、%3.9%14.6%19.4%57.4%8.7%96.6%19.4%31.4%3.9%7.2%0.4%12.0%76.7%32.0%142.5%2.8%42.8%16.6%7.5%11.6%0.3%19.2%11.9%32.9%99.6%32.1%26.9%28.5%0.5%7.9%11.2%12.0%16.3%21.5%13.8%6.3%1.0%2.1%13.7%81.1%1.2%89.4%648.3%64.4%22.4%54.8%6.6%13.7%11.3%18.9%10.4%10.9%74.5%13.0%18.1%13.7%23.3%20.4%18.1%34.8%36.3%15.8%17

60、.4%46.0%1.4%10.1%61.8%117.4%213.0%3249.3%4.6%2.0%54.6%42.3%29.0%35.0%0.9%15.8%19.3%18.7%12.0%7.9%25.8%13.7%7.1%7.3%36.1%22.8%48.9%61.9%2.6%80.0%12.6%2.5%38.2%17.4%36.9%53.7%47.1%115.5%9.9%622.8%33.5%21.3%41.4%9.4%57.2%4.0%9.2%27.9%28.3%11.5%22.8%2.7%4.8%0.2%2.3%9.9%11.7%14.2%39.7%69.0%64.0%5.5%0.9%7