（来源：华泰证券金融工程）

本文验证预期修正的定价效应，并以门控信号增强行业轮动策略

价格是信息的最终投影，但趋势在价格上得到确认时，驱动行情的基本面往往已先行变化，仅依赖量价数据的状态识别天然存在滞后。因此，本文引入分析师一致预期作为时序CTA策略的外生门控信号。首先，基于年报首次披露事件构建预期差实验，验证"市场为增量信息定价"的逻辑前提；其次，将Wind一致预期数据进行时序重构，并围绕不同数理特征构建9个指标族，验证其截面预测能力与信息增量；最后将其作为门控信号接入7类经典趋势策略。结果表明，分析师一致预期指标普遍改善了策略的胜率和盈亏比，且门控的有效性不取决于截面IC高低，而取决于指标构造逻辑与策略捕捉的行情特征是否匹配。

预期差的定价效应：市场为"边际超预期"买单

分析师一致预期处于基本面信息向资产定价传导的中间环节。我们以2013-2025年A股3.18万个年报的首次披露事件为样本，结合首披净利润与报告期末一致预期数据构建事件检验。实验结果显示：符合预期的事件在短期冲击窗口内股价无显著变化，相关信息被充分计价；偏离预期的事件样本，股价则呈现显著的单调阶梯响应；在短期内，"超预期组"与"低于预期组"的利差达5.39%；正向超预期样本组在事后仍保留一定的股价漂移延续，这印证了市场主要为增量信息定价。由此推之，定价基准本身的移动，即分析师的预期修正数据，可作为一轮潜在重定价的先行信号。

指标构建与检验：参数非敏感，预期信息独立于价格动量

针对Wind原始FY数据的断层跳变与信息衰减问题，我们以报告披露节奏为界进行分段，将其重构为连续的滚动一年预期数据；再围绕"路径效率计算"、"定价错位"等不同构造逻辑，构建9个计算口径的59个行业指标。检验显示：指标对构建参数不敏感，有效区间呈宽平台特征；IC均值随持有期延长呈现单调爬升形态；指标的分组形态具备首尾区分度；正交剥离价格动量后，指标族的残差IC无明显衰减，可提供独立于价格数据的增量信息。上述性质表明：所构建的指标族契合周频以上的策略对门控信号的要求。

门控行业轮动：收益提升、回撤收窄、择时稳健性增强

我们以40个中信行业指数为标的池，构建7个互相独立的经典时序CTA择时策略；在依据趋势强弱生成候选持仓后，进一步引入分析师一致预期指标作为门控信号进行二次筛选。在826个门控变体中，76.27%胜率提升、79.54%盈亏比提升、85.96%年化改善、85.35%最大回撤收窄，而持仓回合数平均仅削减18.77%，门控通过改变入场的选择标准起效。门控指标在策略上的增益呈现两条规律：1）价格信号噪音越大，门控补位价值越高；2）门控指标有效性并不取决于截面IC高低，而取决于构造逻辑是否与策略捕捉的行情适配。时序CTA策略捕捉的是右侧趋势，因此刻画边际修正的指标与之高度契合；反之，偏好基本面改善但价格未动的左侧指标，在价格形成右侧突破时较易发生错位收敛，反而与策略信号产生逻辑冲突。当"指标语言"与"策略行情"同频，才能真正将数据的增量信息转化为策略的实质收益。

市场状态识别的时滞与外生变量指标

在前期报告《时序CTA方法论综述：市场状态、开仓信号与退出机制》（2026-06-10）中，我们从随机过程的统计学视角审视了价格形成机制，将资产收益率序列解构为长期趋势（μ）、短期惯性（ρ）与背景噪声（σ）等统计参数，并引入趋势信噪比（TSI=μ/σ）来度量趋势的可交易性。基于该框架，我们将市场状态识别、信号触发与退出机制整合为一个完整的决策链条。在沪深300ETF、黄金ETF及国债ETF上的实证检验表明，先识别市场状态再匹配策略的框架显著优于单一趋势或单一反转策略。

但该框架存在一个结构性约束："状态识别所依赖的信息全部来自价格本身"。价格是信息的最终投影，却并非唯一可观测变量——当趋势信噪比从不显著转为显著时，驱动趋势的基本面因素往往已经发生了实质性变化。前期报告的实证结果也印证了这种滞后效应：策略能够抓住大部分主升浪、在大级别回撤中及时止损，但对小级别行情的把握误差较大。正如前期报告在展望部分所述，引入基本面、资金流等价格外信息是辅助判断市场状态、改善策略胜率和盈亏比的优化方向之一。本报告沿此方向展开。

为什么选择分析师一致预期

分析师一致预期代表市场上众多券商分析师对某公司未来财务表现的"集体共识"。Wind根据滚动180个自然日各家预测机构给出的个股财务指标预测值，编制了一致预期指标（包括FY1、FY2、FY3等不同预测财年的处理版本）。在众多基本面数据源中，我们选择该指标作为门控信息的载体，主要基于以下考虑：

预期是基本面与价格之间的中间变量：财务报表是滞后的（按季度披露，滞后可达数月），而产业高频数据往往是局部的（行业间口径不可比）。相比之下，分析师一致预期兼具日度高频与全市场统一口径的优势，能持续将宏观、中观产业及微观公司层面的信息，转化为对个股未来盈利的定量评估。它天然处于基本面信息向资产定价传导链条的中间位置。

分析师的修正行为具有可建模的统计结构：由于信息的消化与确认需要时间，分析师对盈利预测的调整往往并非一步到位，而是表现出滞后性和延续性。除了Chan, Jegadeesh与Lakonishok（1996）关于分析师对历史信息反应迟缓的经典研究外，Bouchaud, Krüger, Landier与Thesmar（2019）进一步提出了粘性预期（Sticky Expectations）假说。在该假说中，市场参与者在根据新信息更新盈利预期时存在显著的信息刚性，导致预期修正呈现跨期正相关特征，即存在"预测动量"。将此类理论映射到行业层面，意味着今日一致预期被上修的行业，后续大概率仍处于上修通道中。

预期的边际变化是资金的驱动力：资产定价领域的PFRD（Post-Forecast Revision Drift）效应表明，当分析师发布盈利预测修正后，股价不仅在公告窗口期做出反应，还会在随后一段时间内继续朝修正方向漂移，从而产生可预测的超额收益。从交易结构来看，当某行业的一致预期被广泛且显著地上修时，意味着基本面的利好正在持续打破原有市场共识；而高度依赖预期数据进行仓位调整的资金会将这种持续上修转化为实质性的买盘，推动股价形成趋势性上涨。换言之，预期上修既是基本面的信号，也是趋势行情的"燃料"。

本报告对分析师预期指标的定位是门控信号而非独立的交易信号。两者的区别在于：价格信号负责回答"是否交易、交易什么方向"，而辅助指标负责回答"这个信号可不可信"。我们并不期望分析师预期指标替代价格状态识别，而是用它回答一个价格框架回答不了的问题：一次价格突破背后，有没有基本面（外生指标）的同步确认？

预期差的定价效应：市场为"增量信息"买单

Engelberg, McLean与Pontiff（2018）对97个股市异象的检验表明，异象组合的超额收益与预期偏差的修正密切相关，且高度集中在财报披露日与公司新闻发布日等增量信息释放窗口。为验证A股市场究竟是为基本面的"绝对景气水平"定价，还是为基本面的"边际超预期（增量信息）"定价，我们设计了财报事件驱动的分组实验。样本为2013–2025年度A股上市公司的年报业绩首次披露事件（取业绩预告、快报与正式年报三种口径中的较早披露日），并筛选出以下中信行业口径内且有一致预期数据覆盖的个股，共提取31,807个事件样本。

首先我们定义事后预期差（Earnings Surprise, ES）：

其中，分子为首次披露日的净利润TTM值；分母"报告期末一致预期"提取自报告年度12月31日当天的分析师一致预期净利润快照。ε为极小值安全垫（后文同理）。为剔除宏观经济环境等系统性因素的干扰，我们在同一报告期的截面，将全市场样本按ES大小横向排序分为5档（超预期→低于预期）。然后以财报首次披露日为事件日（T=0），分别计算各组合内个股在两个核心窗口的累计超额收益（相对其所属中信行业指数）：

1)事件冲击窗口[-1,+5]：即从披露前1个交易日至披露后5个交易日，用于观测短期资金对财报落地的直接反应。

2)披露后漂移窗口[+1,+20]：即披露后1个交易日至20个交易日，捕捉市场在初步消化增量信息后，因机构资金逐步调整仓位而形成的趋势性价格漂移。

显著性检验采用披露日聚类t检验（Clustered T-test），以控制财报扎堆披露带来的截面相关性。

从实验中可以看到：

1)符合预期的业绩落地不引发重定价。"符合预期"组在[-1,+5]窗口的累计超额收益仅为−0.25%（t=−0.20），与零无显著差异。当实际业绩恰好落在一致预期上时，市场未表现出显著反应，相关信息已被计入价格。

2)价格对偏离一致预期的幅度做出单调、显著的响应。[-1,+5]窗口内累计超额收益沿ES档位呈严格阶梯分布："超预期"组+1.61%（t=+9.21）、"低于预期"组−3.78%（t=−5.07），两组利差达5.39%。偏离的方向决定重定价的方向，偏离的幅度决定重定价的幅度，符号稳定且量级有序。均值与中位数同向变化，表明梯度并非尾部极端值驱动。

3)重定价在数日内完成，正向意外一侧留有弱延续。拉长窗口至[+1,+20]后，五组累计超额收益的中位数全部回落至零轴附近，组间单调性瓦解，仅正向意外保留弱漂移（超预期组+1.27%，t=+3.92；偏超预期组+0.62%，t=+2.27）。

基于上述实验结果，既然资产价格对"预期偏差"呈现出显著的单调响应，那么定价基准的移动，即分析师的预期修正动作（上修/下修），就可以看作一轮重定价的前瞻指引。持续的预期上修，意味着定价基准正在被不断抬高，股价可能存在追赶基准的向上牵引力；持续下修则反之。沿此脉络，我们可从"捕捉预期修正"这一核心逻辑出发，挖掘分析师一致预期数据。

分析师一致预期指标构建

个股指标重构

Wind提供的一致预期数据在实际应用中存在两个缺陷：一是年报披露引发的"断层跳变"（FY1指向的预测年份会随着年报披露日瞬间滚动，导致同一序列的数值与含义同时跳变）；二是随着年内时间推移出现的"信息衰减"（年内各财报的披露会降低FY1中所包含的未知信息）。为处理上述问题，我们对底层预期数据进行了时序重构，将其转化为连续的"滚动一年预期（RY）"。构建流程分为两步：

1)FY重构为NY（自然年预期，Natural Year）：以年报实际披露日为界，将不同期限的FY切段并错位拼接，将预测对象对齐当前或下一自然年的预期序列。

2)NY重构为RY（滚动一年预期，Rolling Year）：结合一季报、中报、三季报的实际披露节奏，对当期与远期自然年预期进行动态权重插值，提高远期自然年预期的权重，以替代已兑现的近期预期。

报告涉及的所有分析师一致预期基础指标均基于此方法重构，最终得到九项滚动预期数据：净利润_RY、营业收入_RY、营业利润_RY、总利润_RY、息税前利润_RY、折旧摊销前利润_RY、净资产收益率_RY、市盈率_RY、市净率_RY。

行业聚合方法

下文构建七类门控指标时，均先在个股层面提取预期变动特征（如预期动量、定价错位等），再聚合为行业维度的门控信号。本报告对所有行业层面指标，统一采用"对数市值归一化权重"进行个股加权聚合。权重公式为：

其中分子为个股i在t日的对数市值，分母为该行业内所有成分股对数市值之和。选择对数市值加权而非等权或市值加权，原因在于：等权会放大微盘股的预期噪音，市值加权会使行业信号被少数权重股的异动带偏，无法客观反映行业内大多数公司的基本面边际变化。此外，所有涉及前后时点比较的计算，均要求比较区间内行业成分股保持一致，以减少成分股变动造成虚假的预期变动。

扩散指数

虽然预期数据经过重构，但仍可能存在数值阶跃现象，在将其转化为状态信号前，我们首先对其进行EMA平滑，构建一条连续无断层的均线。在t日计算：

其中

为当日个股分析师一致预期，α为衰减系数（对标60日记忆跨度时α≈0.033）。为保证逻辑的统一性，对于市盈率、市净率等指标，我们在投入平滑前对其取负处理，以使所有序列满足"上行等价于景气改善"。

在此选用EMA而非传统固定窗口移动平均（SMA），主要是为了处理"窗口掉出突变"现象：在SMA设定下，若N天前的一个历史极高值恰好掉出滚动窗口，将导致今日均线水平被动下移；此时即便当日预期并未发生任何实质性上修，该个股也可能因均线的下沉而被动向上突破，而EMA基准线的指数衰减机制可平滑逼近真实值。

基于上述平滑基准，我们每日对个股进行景气状态的布尔判定。若当日预期值严格高于基准线，则判定为景气改善：

最后，在行业截面上，我们将各成分股的状态信号按对数市值权重进行加权聚合：

该扩散指数的取值范围为[0,1]。其读数的经济学含义为：该行业内处于预期扩张通道的个股，按对数市值权重计算的占比。读数越高，表明行业基本面改善的共识越广泛。

盈利修正比率

扩散指数依赖预期绝对水平的突破，而盈利修正比率则剥离预期的绝对值水平，直接统计分析师的修正动作本身，旨在度量过去一段时间内行业内部被上调与下调预测的相对强度。

首先定义个股日度修正事件：

只要发生任何方向的实质性修正，即记当日活跃度为1：

在个股层面分别维护两条基于EMA的指数衰减序列，计算净修正得分（分子）与活跃度得分（分母）：

最后，在当日的行业截面加权聚合，得到行业级信号：

与扩散指数不同，我们在计算盈利修正比率时将市盈率（PE）、市净率（PB）等估值类衍生指标剔除，仅保留净利润、营业收入等七项非估值类经营指标。因分析师大幅上调个股盈利预测时（若股价尚未充分反应），其市盈率读数会随之下降；此时市盈率的差分符号为负，会将基本面的"利好上修"误判为"悲观下修"，与正值代表上修的语义直接冲突。

预期动量

本指标从趋势质量角度切入，度量一段预期序列上修的过程是否平顺、坚决、无反复。首先定义分子的净趋势位移，即个股N日内分析师预期变动的净方向与幅度：

分母引入波动惩罚项。除了采用传统的标准差作为分母外，我们引入"下行分歧度"概念，计算过去N天每日变动量：

统计下修动作：

计算下修动作的均方根作为下行分歧度：

基于此，个股的预期动量得分定义为：

其中分母分别代入过去N日预期变动量的标准差或上述下行分歧度，引入截断函数Clip规避实践中的"完美退化情形"：若某只股票在N天内表现出"干净上修"（零下修动作），其分母将退化至ε，导致原始动量得分放大至正无穷。

最后同样在当日的横截面上按对数市值进行加权聚合：

上修路径比：带方向的Kaufman效率比

在评估上修趋势质量时，除了考虑分歧度，我们还可以借用趋势策略中经典的Kaufman效率比（Efficiency Ratio，ER），用于衡量预期修正路径的"有效做功占比"。首先计算N个交易日内的位移（此处保留符号以区分预期变动方向）：

计算路径总噪音，即N天里每一天变动的绝对幅度之和：

构建带方向的有效路径比：

最后在当日的横截面上按对数市值进行加权聚合：

该比率越接近于1，说明预期的上修路径越干脆利落，反之则表明预期的变动充满分歧。

定价错位：预期与价格的剪刀差

捕捉高胜率行情的关键，往往在于识别基本面与价格之间的"分歧"：即基本面已经开启了实质性且平顺的上修（高预期动量或高效率比），但股价尚未充分计价、甚至还在逆势下跌。这类未反应区域往往具备较高的安全边际；反之，若股价涨幅远超基本面改善步伐，则面临严重的透支风险。本指标旨在通过横截面上的剪刀差来量化这种定价错位。由于估值类指标本就内含价格信息，为避免逻辑上的循环论证，本指标仅使用营收、利润等非估值类经营指标参与计算。首先，分别计算N个交易日内的基本面预期变动率与股价实际收益率：

为剥离市场共同变动与跨指标量纲差异，截面比较在全市场维度展开。我们计算Z-score与Rank两个版本的错位度量：

Z-score版保留极值特征，但为限制少数个股的极端数据对错位度量的影响，对相减后的结果实施截断；Rank版将基本面变动与股价收益分别在全市场进行百分位排序，更为稳健。

最后同样进行行业聚合：

指标读数越高，表明该行业基本面预期的上修力度远超股价同期表现，预期尚未充分计价，是具备性价比的左侧配置位置。

营收净利剪刀差

在A股，部分公司的"高增长"可能以损害盈利能力为代价，例如近年来光伏产业链由于产能错配引发的价格战——部分企业出货量与营业收入虽维持扩张，但净利率却遭到了严重挤压，陷入"增收不增利"的困境。本指标度量预期的上修有没有盈利能力支撑。若分析师在持续上调营业收入的同时，预期净利率也在被不断上调，则说明该行业收入扩张与盈利能力同步改善。为量化这一特征，首先提取个股在t日的一致预期净利润（

）与一致预期营业收入（），计算其特定时点的预期净利润率：

随后，计算N个交易日内预期净利率的变化：

全表共振指数

与营收净利剪刀差的出发点相同，本指标同样检查是否存在单科目驱动的虚假信号。首先分别计算利润表三大核心科目，即预期营业收入（）、预期营业利润（）与预期净利润（

）的边际差分：

接着用示性函数来刻画各科目是否上修：

随后，将三项示性函数加总得到个股层面的上修科目数，并将其分段映射为个股的共振得分

1)1.0（基本面改善的完美共振，Count=3）：主业规模扩大（营收上修）、主营盈利能力增强（营业利润上修）、最终利润实现（净利润上修）；1

2)0.5（局部改善，Count=2）：具备一定支撑但不完美。如"增收也增净利，但营业利润被费用侵蚀"，或"控费致利润双升但营收未动"；

3)0.0（危险假象或中性，Count≤1）：包含所有单科改善的危险情形与全部横盘情形。

指标有效性检验

经过上述特征提取，原始的分析师一致预期数据被转化为7大类、9个独立计算口径的59个行业指标。这些变体从不同角度刻画基本面的改善特征。在将其作为门控信号接入时序CTA策略框架之前，我们首先在行业截面上检验其是否具备稳定的预测能力。检验在40个中信行业的日频面板上进行，旨在回答以下问题：

1)截面Rank IC检验：指标对行业未来收益在截面上是否具备显著的预测力？

2)截面分组形态：收益沿指标分位数的分布是否符合经济上的单调逻辑？

3)残差IC检验：剔除价格动量后，指标还能提供多少独立的信息？

为充分探索市场对基本面信息吸收的最佳周期，避免单一参数的过拟合，上述所有指标自2014年起，均基于回看窗口w∈{20,30,40,50,60,70,80,90,100,110,120}进行平行构建。在参数映射上，对于需要指数平滑的指标（如扩散指数），其EMA衰减系数与回看窗口严格对标，转换公式如下：

截面Rank IC

逐日在行业截面上，计算指标值与未来h日行业指数收益的Pearson相关系数，检验期限取h∈{5,10,20}。显著性采用Newey-West t统计量（HAC，滞后阶数取h-1），以控制重叠收益引入的自相关（下文其他显著性检验亦按此处理）。由于行业IC相比个股IC的抽样噪声更大，我们以均值为正且|t|>1.5作为组合通过有效性检验的门槛，共形成59个指标×3期限×11窗口=1947条检验记录。

从全窗口汇总结果看，指标有效性随回看窗口参数变化的甜点区呈宽平台，而非尖峰。整体通过率由w20的7.3%、w40的31.1%逐级抬升，w60跃升至74.6%，于w80见顶（92.1%），此后在更长的窗口中也维持80%以上的高位，不存在通过率断崖，过拟合单一窗口的风险较低。IC均值与通过率在相近窗口形成高位平台，这一形状与分析师渐进修正的微观机制吻合：窗口过短测不到以月为尺度展开的修正动量，窗口过长则信息过期，存在一个"信息吸收最充分、噪声尚未过度累积"的窗口甜点区。

分指标族看，9个指标族对窗口参数的敏感度差异显著，可大致分为两类。第一类是"质量/错位"类指标（包括定价错位、营收净利剪刀差、全表共振指数），触顶快、平台宽。这类指标度量的是预期与价格、利润与收入之间的截面相对状态，不依赖修正动作的密集累积，因此对窗口长度最不敏感。对这类指标而言，只要窗口长度足以过滤日度噪音，信号即进入稳定可用区间。第二类是"动作"类指标（包括预期动量、盈利修正比率、上修路径比、扩散指数），呈典型的爬坡—>触顶—>缓降形态，顶点集中在w80附近。这类指标度量的是修正过程本身，需要足够长的窗口让分析师的渐进式上修充分展开，同时又不能让过期信息稀释近期动作，因此对窗口参数更敏感。

以w60口径观察9个指标族×3期限的IC均值与t值中位数，有以下发现：

1)所有指标族的IC均值几乎都随期限h单调爬升，短周期定价弱、长周期定价强的慢变量属性在截面维度显现。

2)定价错位指标的IC绝对水平全面领先；营收净利剪刀差则是显著性最稳的指标族。

3)"动作"类指标的IC均值绝对水平靠后，这与其构造方式有关，该类指标度量修正动作的有无与密度，天然难以区分"强上修"与"弱上修"的行业，但其对"是否正在上修"的二元判别同样是稳定且持续的。

将检验期限由h∈{5,10,20}扩展至h∈{1,2,3,5,10,20,40,60}，得到IC均值随持有期变化的曲线：

上图显示，IC均值随持有期爬升，且斜率在20之后有明显抬升，峰值出现在h=40至60区间。对策略设计而言，以上结果表明预期门控信号匹配月频或更长持有期的交易节奏，与时序CTA策略自身的持仓周期天然兼容，慢变量配慢策略。

截面分组形态

逐日按照指标值在40个行业截面上排序，将行业等分为Q1到Q5五档，统计各档未来h日行业指数收益的均值。检验期限取h=20。显著性检验上，将每日Q5-Q1利差视为时间序列，计算Newey-West t统计量。

从上图可以看到分组形态呈现阶梯上行，两端陡、中间平的分布。w60、h=20口径下，59个指标合并统计的Q1到Q5收益均值为0.73%、0.95%、1.00%、1.11%、1.35%，五档全部为正、自Q1向Q5逐级抬升；Q5-Q1利差均值+0.62%，t中位数2.58。从结构上看，利差由两端贡献，中间三档区分度有限。这一形态恰好适配门控用途：门控关心的是头部与尾部行业的两端判别，而非中间档位的排序。

信息增量检验：残差IC与指标族冗余结构

截面有效不等于有增量。若指标的IC只是价格动量的代理，则对以量价为主要输入的时序CTA策略框架而言是冗余信息。为剥离这层重叠，我们在每个交易日的行业截面上引入三个量：指标值X，未来h日收益R，以及作为控制变量的价格动量M（即过去回看窗口的累计收益率）。为排除控制变量定义对结论的影响，在窗口∈{45,60,90,120}下平行计算后取均值。逐日在行业截面上两两计算指标-收益、指标-动量、动量-收益三个Spearman秩相关系数，代入偏相关公式得到剥离动量后的当日残差IC：

剔除价格动量后，残差IC几乎无损。w60、h=20口径下，9个指标族的残差IC与原始IC差异很小：定价错位Rank由4.88%降至4.35%（t中位数为2.93），定价错位Z指标的IC均值由5.11%降至4.41%（t中位数为3.09），营收净利剪刀差由3.31%降至3.05%（t中位数为2.75），前三个领先的指标族的平均损失在11%-14%。其余6个指标族的残差IC不降反升，剔除后基本面信息反而更清晰。我们可以据此推断，预期类指标提供的是价格动量之外独立的信息源，对以量价为主要输入的时序CTA框架应具备信息增量。

行业轮动策略

对时序CTA策略而言，我们评判门控优劣的首要标准并非年化收益的增减，而是交易质量，即胜率与盈亏比是否改善。趋势策略的收益结构天然呈"低胜率、高盈亏比"的偏态分布，其亏损大量来自被假信号诱发的无效交易；门控的职责正是过滤这类坏交易，其成效最直接地体现在被放行交易的胜率和盈亏比上，年化收益则是这一改善经由仓位路径放大后的间接结果。

门控效应若只在某一种价格信号上成立，则无法排除"信号与门控恰好匹配"的偶然性。为此我们选取七个经典时序CTA趋势信号策略作为门控的基础策略，覆盖均线、突破、通道与趋势强度四类。七者在信号触发机制、交易频率与噪音水平上各不相同。若同一套门控指标能在结构迥异的基础策略上普遍改善交易质量，便能在很大程度上支持推论：门控捕获的是独立于价格信号的基本面信息，而非与某一信号的偶然耦合。

策略框架与回测口径

回测设定：

1)标的池与调仓频率：轮动引擎以40个中信行业指数为标的池，日频运行、周频调仓，每周最后一个交易日为信号日，次一交易日开盘执行成交。

2)仓位管理：组合总资金等分为五份，目标持有5个行业。若当期满足入池条件的候选行业不足五个，剩余仓位以现金形式保留。

3)回测基准：回测区间设定为2020年1月至2026年9月，基准策略为40个中信行业指数的等权组合。

持仓退出规则（满足任一即触发）：

1)轮动换仓：在调仓日，按前表的行业强弱得分规则计算，跌出当期前五名单的持仓于开盘清仓。

2)对称退出：当基础策略的趋势状态消失时，相应持仓于次日开盘清仓。

3)ATR追踪止损：ATR止损参数设为3。仅当趋势维持多头且收盘价高于入场价时，止损线单边上调。触发止损的行业将进入冷静期，在随后的两个调仓周期内剔除出候选池。

门控机制：门控以纯放行过滤器的方式接入，只执行否决。信号日当日，候选行业的门控指标值在含当日的过去N个交易日滚动窗口内的分位须严格高于阈值q，未达标者剔除。

七个基础策略在组合构建、止损、冷静期、费率等其余环节完全一致，仅入池资格与排序键不同；无门控基线策略与门控变体仅相差门控放行一层，冷静期等其余规则全部保留。评估口径上，胜率与盈亏比按持仓回合口径统计：同一持仓回合内的加仓不拆分、减仓记录合并，一次建仓到清仓记为一个回合。因组合存在减仓操作时，若按成交记录统计会把一次盈利持仓的多次减仓记为多笔盈利，虚增胜率。

无门控时，7个基础策略的年化收益介于−3.38%（布林带）与6.99%（MACD）之间，持仓回合数（组合里一次完整建仓到清仓的过程）介于628至1095之间。基础策略本身的盈利能力与交易频率差异显著，若门控携带的是真实的基本面信息，它应当既能对原本较强的策略形成增益，也能修复原本较弱的策略。

整体门控增益：胜率与盈亏比双升

将构建的全部59个行业级门控指标（w60窗口口径）逐一接入7个基础策略，放行阈值取q∈{0.3,0.4}两档，共形成826个门控变体，逐一与其基础策略对比。

826个变体中，76.27%胜率提升（均值+1.09pp），79.54%盈亏比提升（均值+0.08），胜率与盈亏比双升的变体占57.26%。从交易统计来看，门控平均削减18.77%的持仓回合数（中位数21.90%），组合仍保持周频调仓、年均约百个回合的交易强度。考虑到胜率与盈亏比在时序CTA策略中通常此消彼长（提高胜率往往以牺牲盈亏比为代价），且近六成变体实现双升，说明门控并非简单地"少做交易"或"提前止盈"，而是改变了入场的选择标准：被放行的交易中，具备基本面确认的比例上升了。交易质量的改善最终体现为业绩的提升：85.96%的变体年化收益改善（均值+2.97pp），88.01%的夏普提升（均值+0.19），85.35%的变体最大回撤收窄（平均收窄5.80pp）。

价格信号噪音越大，门控补位价值越高

门控的修正价值取决于基础策略自身的信号质量：价格假信号越严重，门控信号补位空间越大。最极端的证据来自布林带：其基础策略年化为−3.38%，本身不具备盈利能力，门控介入后99.15%的变体取得正增益（均值+4.77pp）。Keltner基础策略的双升占比达82.20%，为七策略之首，盈亏比均值提升0.15。Donchian策略本身是低频长趋势结构，基础策略胜率43.29%为七策略最高，正增益占比仅61.86%、Δ年化均值仅0.43pp，门控的边际修正空间最小。

门控效果与截面IC排序为何出现倒挂

我们观察到一个反直觉的现象：度量"是否正在上修"的动作类指标相对可靠，而截面IC最强的质量类指标，作为门控的表现反而相对靠后。盈利修正比率以80.61%的双升占比、96.94%的正增益占比居首（Δ年化+3.85pp、Δ夏普+0.21）；上修路径比的Δ盈亏比+0.13为全表最高；扩散指数的Δ胜率+1.44pp为全表最高，三者同属度量"动作"的指标族。

究其原因，首先在于动作类指标的特征与门控指标的用法达成了逻辑契合。IC度量的是截面排序能力，而动作类指标（如盈利修正比率）并不依赖全截面的精细排序：这类指标仅提取分析师上/下修的方向和相对强度，在构造上就剥离了预期的绝对变化幅度，因此天然难以精确区分"强上修"与"弱上修"的横截面幅度差异。然而，当其用于门控阈值判别时，这种方向性状态判别恰好适配策略中"放行/否决"的二元标准。

另一个更重要的原因，在于质量类指标与策略捕捉的行情之间的结构错位。时序CTA择时策略捕捉的是右侧的趋势信号。动作类指标度量基本面是否正在发生边际修正，这一特征与右侧趋势信号高度同频。反观质量类指标，构造上偏好"基本面改善但价格未动"的行业（比如定价错位类）。当价格已经形成右侧突破时，质量类指标会因价格已涨导致错位收敛，最终发出的信号反而与趋势策略捕捉的行情冲突。

综上，指标设计逻辑最好与策略捕捉的行情特征一致。截面IC的高低仅仅代表了指标对资产未来绝对收益的线性预测能力，但并不等同于其在特定交易体系下的有效性。一个优秀的信号，其时效性、判断维度（二元状态/连续变量）以及左/右侧属性，都需要思考是否与基础策略的交易逻辑匹配。只有做到"指标语言"与"策略行情"同频，才能真正将数据的增量信息转化为策略的实质收益。

典型门控增强组合绩效与净值表现

综合826个门控变体的检验结果，引入分析师一致预期数据作为门控信号，对时序CTA行业轮动策略的改善具有普遍且稳定的效果：85.96%的变体年化收益改善、85.35%的最大回撤收窄、76.27%的胜率提升，而交易强度仅下降约两成。门控通过提高入场的选择标准而非降低交易频率起效。典型组合层面，MACD叠加盈利修正比率-净利润_RY门控，年化收益提高至16.65%、Calmar比率由0.24升至0.72，Keltner叠加扩散指数-市净率_RY门控，年化收益提高至9.84%、最大回撤收窄约 9 个百分点。

参考文献

[1] Chan L K C, Jegadeesh N, Lakonishok J. Momentum strategies[J]. The journal of Finance, 1996, 51(5): 1681-1713.

[2] Bouchaud J P, Krueger P, Landier A, et al. Sticky expectations and the profitability anomaly[J]. The Journal of Finance, 2019, 74(2): 639-674.

[3] Engelberg J, McLean R D, Pontiff J. Anomalies and news[J]. The Journal of Finance, 2018, 73(5): 1971-2001.

1)分析师一致预期数据存在覆盖度不均、修正滞后等固有局限，报告涉及的模型均根据历史规律总结，历史规律可能失效；

2)模型结论基于历史数据，在市场环境转变时模型存在失效的风险；

3)报告涉及的行业与资产不代表任何投资意见，请投资者谨慎、理性看待。