标签： #因子投资

卖方分析师的盈利预测存在系统性乐观偏差、锚定与羊群效应。本文拆解这些行为偏差的来源，构建盈余惊喜（SUE/PEAD）、分析师修正（Revision）与预期离散度（Dispersion）三大可量化信号，并用 Python 完整实现一个分析师修正因子的回测框架，同时指出覆盖偏差、流动性与行业中性化等关键陷阱。

Smart Beta 站在被动指数与主动选股之间：用透明、规则化的方式把久经考验的因子溢价（价值、动量、低波、质量）装进组合。本文拆解因子动物园的来源、最小方差等组合构建方法、因子相关性与分散化前提，并复盘因子拥挤、换手成本等真实陷阱，附完整 Python 构建与回测代码。

深入探讨因子择时的理论基础与实践方法，从无-risk因子配置到宏观经济状态切换，通过Python实现动态调整因子暴露的完整框架。

深入探讨因子拥挤度的成因、监测指标与规避策略。学习如何通过相关性、集中度、换手率等指标识别因子拥挤，以及如何通过因子分散、动态权重调整等方法降低拥挤风险。包含完整的Python实现代码。