Le facteur de moyenne pondérée du rendement attendu des analystes est conçu pour saisir les attentes globales du marché concernant les rendements futurs des actions. Sa logique fondamentale est que toutes les prévisions des analystes n'ont pas la même valeur. Par conséquent, ce facteur utilise les conditions de marché ultérieures pour vérifier l'exactitude des prévisions de prix cibles des analystes et attribue des poids différents aux différentes prévisions. Plus précisément : nn- Mécanisme d'ajustement des poids : Si la prévision de prix cible de l'analyste peut être vérifiée par les tendances du marché ultérieures (par exemple, l'augmentation réelle du cours de l'action est proche ou supérieure à l'augmentation attendue de l'analyste), le résultat de la prévision de l'analyste reçoit un poids plus important ; inversement, si la prévision de l'analyste est contraire à la tendance réelle, un poids plus faible est attribué, et même un poids punitif peut être défini. nn- Signification du facteur : Plus la valeur de ce facteur est élevée, plus l'attente globale du marché pour les rendements futurs de l'action est élevée, et vice versa. Grâce à la moyenne pondérée, ce facteur peut réduire efficacement l'interférence de prévisions individuelles erronées ou biaisées sur les attentes globales. nn- **Méthode de calcul du poids $w_i$ (exemple, peut être ajusté en fonction des conditions réelles) :**n - Une méthode similaire au « backtesting » peut être utilisée pour calculer la précision historique des prévisions de chaque analyste. Par exemple : n - $Accuracy_i = frac{NumOfCorrectPredictions_i}{TotalPredictions_i}$ n - Où $NumOfCorrectPredictions_i$ représente le nombre de prévisions correctes faites par l'analyste i dans le passé, et $TotalPredictions_i$ représente le nombre total de prévisions faites par l'analyste i dans le passé. n - Le poids peut être proportionnel à la précision de la prévision, par exemple : n - $w_i = frac{Accuracy_i}{sum_{j=1}^{N} Accuracy_j}$ ou $w_i = Accuracy_i^k$, où k est un paramètre d'ajustement, et la sensibilité du poids peut être ajustée en fonction des besoins. n - De plus, une dépréciation temporelle peut également être envisagée, et des poids inférieurs sont attribués aux prévisions les plus éloignées dans le temps. n - D'autres facteurs peuvent également être pris en compte, tels que la réputation de l'analyste, la notation de l'institution, etc. nn- Conseils importants : Dans les applications réelles, la méthode de calcul des poids doit être entièrement testée et optimisée afin d'obtenir le meilleur effet de facteur. Dans le même temps, il est nécessaire de tenir compte des changements de l'environnement du marché et d'ajuster dynamiquement la méthode de calcul des poids.