UBS的研报提出了一种基于状态空间模型和动态因子框架的盈利意外即时预测方法，通过分解企业盈利意外为特异性因素和行业共同冲击，实时整合同行业公司已发布的财报数据，动态更新未发布财报企业的盈利预测。模型利用卡尔曼滤波迭代优化，相比传统共识预测精度提升5%-20%，尤其在财报季信息密集期表现更优；同时引入市场持仓拥挤度指标，发现当模型预测处于极端分位数（如前5%）且持仓方向一致时，盈利超预期或不及预期的概率显著放大（如70%的命中率）。该框架可扩展至收入、宏观因子等多维度数据，为投资者在财报窗口期捕捉未被定价的盈利信号提供量化支持。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai