超预期股票精选策略改进.docx

策略概述及改进思路

Post-Earnings-AnnouncementDrift(PEAD)是指当季度盈利高于（低于）预期时，股价在盈利公告后继续向上（向下）漂移的现象。这就是为什么这种异常现象通常被称为“SUE效应”，用于标准化的意外收益（其他人称之为“收益动量效应”）。

股票对盈利意外的反应是价格调整，反映了公告中包含的新信息。然而，只有一部分调整会立即发生。实证研究发现，调整可能需要几个月的时间才能趋于平稳，这导致了股价的明显漂移模式。漂移的方向和幅度与收益惊喜直接相关。当根据股票收益意外的幅度（从最负的收益意外到最正的收益意外）将一系列股票分组为分位数投资组合时，分位数似乎与漂移方向和幅度密切相关。早期证据表明，零和组合的策略，即在收益为正（负）的股票中做多（做空），可以产生18%的年化异常回报（BernardandThomas，1989）。

用于检测PEAD的盈利意外可以通过盈利时间序列、分析师预测和回报来定义。作为预测PEAD的自变量的SUE变量是实际收益和预期收益估计之间的比例差。早期的研究使用时间序列预测来估计收益（如Foster，1977，Griffin，1977，或BrownandRozeff，1979）。在他们的原始研究中，BernardandThomas（1989）使用Foster（1977）的方法来估计预期收益，类似于Foster等人（1984）。意外收益是时间序列估计的实际收益和预期收益之间的差额。然后使用平减指数对这些意外收益进行标准化，例如预测误差在估计期内的标准差（例如，BernardandThomas，1989），或者简单地使用股票的季度末股价（例如，LivnatandMendenhall，2006）。

形成收益估计的另一种方法是使用分析师预测，在预测季度收益时，分析师预测往往比时间序列更准确（Brown等，1987）。最初，研究建立在价值线盈利预测的基础上（Affleck-GravesandMendenhall，1992；BernardandAbarbanell，1992），后来又建立在IBES分析师预测的基础之上（Doyle等人，2006年，LivnatandMendenholl，2006年）。与时间序列预测相比，使用分析师预测的漂移幅度更大（Doyleetal.，2006；FreemanandTse，1989；Lermanetal.，2007；LivnatandMendenhall，2006）。考虑到超额收益是从投资组合的长端不成比例地累积的，并且与基于时间序列的漂移不同，在qt+4附近没有逆转（Doyleeetal.，2006），这两种漂移测量可能会捕捉到一些不同的现象。当结合基于时间序列和分析师预测的惊喜（双向排序）时，产生的PEAD甚至更强（LivnatandMendenhall，2006）。

公告窗口收益也可以用来识别意外收益。市场参与者不仅对盈利信息做

出反应，而且对非盈利信息也做出反应（Lipe，1990；LiuandThomas，2000）。随着新盈利数据的发布，盈利公告通常伴随着更详细的盈利组成部分（如销售额、利润率）、不太有形的信息（如投资、战略信息）和电话会议。异常公告窗口收益可以理解为一种综合的意外测度，并预测随后的价格漂移（Brandtetal.，2008；Chanetal.，1996；Gerard，2012；ZhouandZhu，2012）。

在深度报告《超预期股票精选策略》中，我们从四个维度构建了超预期因子，并根据超预期股票池叠加增强因子构建超预期精选组合，并在中证1000

指数成分股内构建策略，今年来，中证1000指数表现不佳，因此策略的收益并不理想。因此，本篇报告我们将在全A市场内检验因子有效性、构建超预期股票池、叠加增强因子、构建超预期精选策略。

超预期因子检验

因子的具体计算逻辑在深度报告中详细介绍，本篇报告不再赘述。

我们在全A股票池内对SUE因子进行检验，从单因子的五组分层情况来看，因子的分层效果并不好，且因子的IC和ICIR值均不高。从多空组合的表现来看，组合的年化收益较低，Calmar比率较低。

图1SUE因子五组分层 图2SUE因子多空净值

资料来源：天软科技、通联数据、 资料来源：天软科技、通联数据、

表1SUE因子统计指标

因子IC

因子ICIR

多空年化收益(%)

波动率(%)

最大回撤(%)

Sharpe

Calmar

0.02

0.27

7.2

6.12

-17.45

1.18

0.41

资料来源：天软科技、通联数据、