量化因子 109：分析师预期收益率加权平均该因子通过对不同分析师发布的股票目标价格进行加权平均，计算出股票的加权预期收益

分析师预期收益率加权平均 (weighted-target-return)

Description: 该因子通过对不同分析师发布的股票目标价格进行加权平均，计算出股票的加权预期收益率。权重根据目标价格预测的准确性进行动态调整，若目标价格预测与后续市场表现一致性高，则赋予较大的权重；反之，则赋予较小的权重。该因子旨在衡量市场对股票未来收益的平均预期，并考虑了不同分析师预测能力的差异。 Explanation: 分析师预期收益率加权平均因子，旨在捕捉市场对股票未来收益的综合预期。其核心逻辑在于，并非所有分析师的预测都具有同等价值。因此，该因子利用后续市场行情对分析师目标价格预测的准确性进行验证，并赋予不同预测不同的权重。具体而言：nn- 权重调整机制： 如果分析师的目标价格预测能够被后续市场走势验证（如，股票实际涨幅接近或超过分析师的预期涨幅），则赋予该分析师的预测结果较大的权重；反之，如果分析师的预测与实际走势相悖，则赋予较小的权重，甚至可以设定惩罚性权重。nn- 因子含义： 该因子的数值越高，表明市场对该股票未来收益的整体预期越高，反之亦然。通过加权平均，该因子可以有效降低个别错误或偏颇预测对整体预期的干扰。nn- **权重 $w_i$ 的计算方式 (示例，可根据实际情况调整):**n - 可以采用类似“回溯测试”的方法，计算每个分析师在历史上的预测准确率。例如：n - $Accuracy_i = frac{NumOfCorrectPredictions_i}{TotalPredictions_i}$ n - 其中 $NumOfCorrectPredictions_i$ 表示分析师 i 过去预测正确的次数， $TotalPredictions_i$ 表示分析师 i 过去预测的总次数。n - 权重可以与预测准确率成正比，例如：n - $w_i = frac{Accuracy_i}{sum_{j=1}^{N} Accuracy_j}$ 或 $w_i = Accuracy_i^k$ ，其中k是调整参数，可以根据需求调整权重的敏感度。 n - 此外，还可以考虑时间衰减，对于时间较远的预测，赋予较低的权重。 n - 也可以考虑其他因素，例如分析师的声誉、机构的评级等。nn- 重要提示： 实际应用中，权重的计算方式应进行充分的回测和优化，以获得最佳的因子效果。同时，需要考虑市场环境的变化，对权重计算方法进行动态调整。 Tags: 情绪因子

Formulas

加权预期收益率（WTR）：

WTR = sum_{i=1}^{N} w_i  times  frac{P_i^e - P_i^0}{P_i^0}

Formula Explanation

其中：

$P_i^e$ : 第 i 家机构发布的股票目标价格，代表该机构对股票未来价格的预期值。
$P_i^0$ : 第 i 家机构发布目标价格预测前一个交易日的股票收盘价，作为计算预期收益率的基准价格。

更多可访问 factors.directory 查看详细的公式解释

Related Factors

一致预期收益率 (Consensus Target Price Return) (consistent-expected-return-rate)
分析师目标价调整动量因子 (adjust-expected-yield)
分析师目标价隐含收益率 (target-price-implied-return)
分析师预测加权盈余修正幅度 (weighted-earnings-adjustment)
分析师共识覆盖加权动量 (analyst-coverage-momentum)
关注度校正预期收益率 (focus-correction-expected-yield)
分析师预期EPS调整幅度 (expected-eps-adjustment)
时间加权平均相对价格位置 (time-weighted-average-stock-relative-price-position)
一致预期PEG比率 (consistent-peg)
相对组合对数价差偏离度 (price-spread-deviation)