金融工程：業(yè)績超預期中的投資機會

1、目錄TOC o 1-2 h z u HYPERLINK l _TOC_250014 業(yè)績超預期概述 4 HYPERLINK l _TOC_250013 如何量化業(yè)績超預期？ 5 HYPERLINK l _TOC_250012 業(yè)績超預期因子的特征分析 8 HYPERLINK l _TOC_250011 行業(yè)間差異分析 8 HYPERLINK l _TOC_250010 業(yè)績超預期與股票市值 9 HYPERLINK l _TOC_250009 業(yè)績超預期與其他因子的相關性 10 HYPERLINK l _TOC_250008 業(yè)績超預期中的投資機會 11 HYPERLINK l _TOC_250

2、007 單季度業(yè)績超預期和報告期業(yè)績超預期 11 HYPERLINK l _TOC_250006 事件研究分析 12 HYPERLINK l _TOC_250005 業(yè)績超預期因子選股能力 14 HYPERLINK l _TOC_250004 組合分析 16 HYPERLINK l _TOC_250003 基于業(yè)績超預期的投資策略 18 HYPERLINK l _TOC_250002 中證 500 指數(shù)優(yōu)選組合策略 18 HYPERLINK l _TOC_250001 行業(yè)優(yōu)選組合策略 19 HYPERLINK l _TOC_250000 總結(jié) 21圖表目錄圖 1：ARIMA(1,0,0)(0

3、,1,0)4 模型的凈利潤預期值與實際值對比（單位：億） 6圖 2：不同行業(yè)上市公司業(yè)績超預期平均值（2007Q1 至 2019Q3） 8圖 3：行業(yè)業(yè)績超預期排名的延續(xù)性 9圖 4：不同市值規(guī)模下的業(yè)績超預期水平（2007Q1 至 2019Q3） 9圖 5：行業(yè)中性市值分組下的業(yè)績超預期（2007Q1 至 2019Q3） 9圖 6：業(yè)績超預期與其他因子的截面相關性（2007Q1 至 2019Q3） 10圖 7：單季度業(yè)績超預期與報告期業(yè)績超預期相關性（Pearson） 12圖 8：單季度業(yè)績超預期與報告期業(yè)績超預期相關性（Spearman） 12圖 9：單季度業(yè)績超預期事件后股價平均走勢（2

4、007Q1 至 2019Q3） 13圖 10：報告期業(yè)績超預期事件后股價平均走勢（2007Q1 至 2019Q3） 13圖 11：單季度業(yè)績超預期因子的歷史 IC 序列（2007Q1 至 2019Q3） 14圖 12：報告期業(yè)績超預期因子的歷史 IC 序列（2007Q1 至 2019Q3） 14圖 13：因子與不同交易日區(qū)間個股區(qū)間收益率的平均 IC 15圖 14：因子與不同交易日區(qū)間個股累積收益率的平均 IC 15圖 15：一季報與上年度年報業(yè)績超預期選股能力對比（單季度） 15圖 16：一季報與上年度年報業(yè)績超預期選股能力對比（報告期） 15圖 17：單季度業(yè)績超預期因子在不同行業(yè)內(nèi)的選股

5、能力 16圖 18：單季度業(yè)績超預期因子在不同規(guī)模區(qū)間內(nèi)的選股能力 16圖 19：盈利超預期因子與其他因子的截面相關性（2007Q1 至 2019Q3） 16圖 20：中證 500 優(yōu)選組合凈值曲線（20070508 至 20200123） 18圖 21：醫(yī)藥行業(yè)優(yōu)選組合策略表現(xiàn) 20表 1：上市公司業(yè)績市場一致預期的時間序列模型 5表 2：業(yè)績超預期因子與其他因子之間的相關性（2007Q1 至 2019Q3） 10表 3：業(yè)績超預期事件后 30 日收益率統(tǒng)計 13表 4：兩類業(yè)績超預期指標選股能力對比 14表 5：因子分組測試結(jié)果（20070430 至 20200123） 17表 6：中證

6、500 優(yōu)選組合分年表現(xiàn) 19表 7：醫(yī)藥行業(yè)優(yōu)選組合分年表現(xiàn) 20業(yè)績超預期概述業(yè)績超預期是指上市公司公告的經(jīng)營業(yè)績超越市場的一致預期。上市公司的業(yè)績超預期，意味著業(yè)務規(guī)模的擴張、收入的大幅提升、成本的大幅下降，最終的表現(xiàn)是市場占有率 的提升、利潤的大幅提高等。而作為投資者，我們關心的問題則是：我們能夠從上市公 司的業(yè)績超預期中獲得穩(wěn)定的投資收益嗎？理論上來看，如果市場充分有效，一方面，股票的價格充分反映了所有有關上市公司的 公開信息，包括股票過去的成交價、成交量、公司治理狀況、經(jīng)營狀況、歷史盈利水平、 未來盈利預測等，另一方面，當出現(xiàn)新的信息后，股票價格能夠迅速調(diào)整以反映新的信 息。因而，

7、如果有效市場假設成立，當上市公司公告的盈利數(shù)據(jù)超越市場的一致預期后， 股價會迅速吸收該信息，投資者無法從股票的業(yè)績超預期事件中獲取到穩(wěn)定的超額收益。但是大量的研究和事實都表明，市場并非完全有效，特別是 A 股市場，當前正處于快速發(fā)展階段，市場有效性尚待進一步提高，在這種情況下，股票的市場價格可能并不會立即反應業(yè)績超預期信息，而是在業(yè)績公告后緩慢地調(diào)整，這就帶來了一定的投資機會。事實上，利用業(yè)績超預期進行選股投資也是眾多投資者的投資方法之一。盡管從 A 股市場的經(jīng)驗來看，業(yè)績超預期是可以利用的投資機會，但業(yè)績超預期中的投資空間有多大？在不同的業(yè)績超預期指標中，哪種指標對投資更有價值？業(yè)績超預期后

8、的投資機會能夠持續(xù)多久？這些問題更多地是需要詳細的實證來回答，需要通過量化和計量的手段對歷史數(shù)據(jù)進行分析來得出可靠的結(jié)論。從量化的角度對業(yè)績超預期進行分析，能夠使我們更精確地把握業(yè)績超預期中的投資機會，測算業(yè)績超預期中的投資收益空間。本文試圖從量化的角度研究以下幾個問題：第一，如何對業(yè)績超預期進行量化？第二，業(yè)績超預期與行業(yè)和市值有什么關系？ 第三，上市公司業(yè)績超預期中是否有投資機會？第四，如何利用業(yè)績超預期構(gòu)建投資策略？如何量化業(yè)績超預期？業(yè)績超預期是指上市公司公告的經(jīng)營業(yè)績超越市場的一致預期。業(yè)績超預期中有兩個核心變量，一個是上市公司公告的實際經(jīng)營業(yè)績，另一個是市場對該經(jīng)營業(yè)績的一致預期。

9、公司經(jīng)營業(yè)績有多種不同的衡量指標，絕對指標方面包括營業(yè)收入、營業(yè)利潤、利潤總額、凈利潤、歸母凈利潤等，相對指標則有凈資產(chǎn)收益率（ROE）、總資產(chǎn)收益率（ROA）、 每股收益（EPS）等，采用不同的業(yè)績指標可以計算得到不同的業(yè)績超預期指標。業(yè)績超預期計算中的關鍵點是如何測算市場對上述業(yè)績指標的一致預期。由于市場的一致預期無法直接觀測，需要采取間接的方法進行衡量。從現(xiàn)有的研究來看，主要有兩類方法來估算市場一致預期：第一類是利用計量手段，通過對上市公司歷史業(yè)績數(shù)據(jù)建立時間序列模型，并用過去一段固定長度或者滾動的時間窗口作為樣本對模型參數(shù)進行估計，進而利用估計出的模型對上市公司未來的業(yè)績進行預測，將模

10、型的預測值作為市場對上市公司業(yè)績的一致預期。表 1 中總結(jié)了常用的市場預期計量模型。表 1：上市公司業(yè)績市場一致預期的時間序列模型模型表達式隨機游走模型隨機游走模型（帶漂移項） = 1 + , . . . (0, 2)() = 1 = + 1 + , . . . (0, 2)() = + 1季節(jié)性隨機游走模型季節(jié)性隨機游走模型（帶漂移項）季節(jié)性自回歸模型ARIMA(1,0,0)(0,1,0)4 = 4 + , . . . (0, 2)() = 4 = + 4 + , . . . (0, 2)() = + 4 4 = + 1(1 5) + , . . . (0, 2)() = + 4 + 1(1

11、 5)資料來源： 上述 5 個模型中，是白噪聲過程，是時間 t 的業(yè)績，是常數(shù)，代表模型中的漂移項，()代表市場對時間 t 的業(yè)績的一致預期。采用計量模型測算上市公司業(yè)績預期值的優(yōu)點是可以對所有的上市公司進行業(yè)績預測，只要該上市公司擁有足夠多的歷史業(yè)績數(shù)據(jù)作為樣本來對模型參數(shù)進行估計即可。表 1 中的前兩個模型（隨機游走模型），適用于對年度業(yè)績數(shù)據(jù)建模，這兩個模型中沒有考慮季節(jié)效應；后三個模型（季節(jié)性隨機游走模型和季節(jié)性自回歸模型）適用于季度業(yè)績數(shù)據(jù)，圖 1 是采用季節(jié)性自回歸模型對浦發(fā)銀行（600000）在 2017 年以來每季度凈利潤的預測值和公司公告的實際值的對比。另一類市場一致預期的測

12、算方法是采用分析師對上市公司業(yè)績預測值的平均值作為市場對上市公司業(yè)績的一致預期，即“() = 分析師預測均值”。賣方分析師通過對上市公司發(fā)展戰(zhàn)略、經(jīng)營狀況、產(chǎn)品生產(chǎn)和銷售狀況、成本控制狀況等進行深入調(diào)研和分析，形成對上市公司未來業(yè)績水平的預測。分析師預測相比于計量統(tǒng)計模型預測的好處是，分析師在預測上市公司未來經(jīng)營業(yè)績時，除了可以利用過去的盈利數(shù)據(jù)之外，還能夠充分挖掘其他數(shù)據(jù)中的信息，而且還能夠根據(jù)最新的信息及時更新對上市公司未來業(yè)績的預測。然而，分析師預測數(shù)據(jù)的一個致命缺陷是，分析師預測往往針對少部分公司，聚焦在市場關注度高、市值大、行業(yè)龍頭等上市公司，盈利預測的覆蓋面較窄，許多上市公司并沒有

13、分析師的盈利預測數(shù)據(jù)，而從量化研究的角度來說，樣本空間的縮小會降低統(tǒng)計分析結(jié)論的可靠性。圖 1：ARIMA(1,0,0)(0,1,0)4 模型的凈利潤預期值與實際值對比（單位：億）200.00180.00160.00140.00120.00100.0080.0060.0040.0020.002017-03-312017-06-302017-09-302017-12-312018-03-312018-06-302018-09-302018-12-312019-03-312019-06-302019-09-302019-12-310.00凈利潤預期值凈利潤實際值資料來源：天軟科技， 無論采用哪種方

14、法測算業(yè)績預期，在得到市場一致預期()后，業(yè)績超預期可以采用以下幾種方法進行衡量。對于個別相對業(yè)績指標，可以直接使用實際值與預期值時間的差作為業(yè)績超預期指標，即：業(yè)績超預期(Earning Surprise) = ()對于大多數(shù)業(yè)績指標，采用實際值與預期值之差的方法得到的數(shù)值在不同上市公司之間往往不具有可比性，例如不同規(guī)模的公司，營業(yè)收入體量差異明顯，相同的“ ()”對不同規(guī)模的公司來說意義完全不同，此時采用“ ()”來比較不同上市公司之間業(yè)績超預期水平的差異是不合理的。因而，為了確保業(yè)績超預期的測量在不同上市公司之間具有可比性，通常采用以下公式來計算業(yè)績超預期：業(yè)績超預期(Earning S

15、urprise) = ()其中 Deflator 作為除數(shù)，目的是將實際值與預期值()之間的差異進行“標準化”，從而使業(yè)績超預期的測算在不同上市公司之間具有可比性。具體來看，Deflator 可以選擇|、|()|、( ()、等，分別表示實際業(yè)績的絕對值、預期業(yè)績的絕對值、業(yè)績預測誤差的標準差以及股票價格。除了上述采用實際業(yè)績與預期業(yè)績對比的方法外，另一種測算業(yè)績超預期的方法是計算業(yè)績公告日附近兩三個交易日內(nèi)上市公司股票的收益率作為業(yè)績超預期的代理變量。這種測算方法的主要缺陷是，上市公司股票在業(yè)績公告日附近的收益率不僅僅反映了有關公司業(yè)績的信息，還同時包含所有其他相關的信息。例如，如果上市公司在

16、業(yè)績公告的同時還公告了分紅預案、并購計劃等，那么業(yè)績公告日附近的股票收益率中會包括對這類信息的反應，因而無法正確測算上市公司的業(yè)績超預期情況。本研究重點關注業(yè)績超預期中是否存在賺取超額收益的機會，測算頻率為季頻，由于分析師預測數(shù)據(jù)的覆蓋度較低，且針對季度業(yè)績預測的數(shù)據(jù)獲取難度較大，因而我們使用統(tǒng)計模型來測算上市公司業(yè)績的市場一致預期。Foste（r 1977）、Foster，Olsen 和 Shevlin（1984）等研究表明，不同統(tǒng)計模型的計算結(jié)果在測算業(yè)績超預期時沒有顯著差別，因 而我們使用帶漂移項的季節(jié)性隨機游走模型 = + 4 + ，此時() = + 4，即某一季度業(yè)績的市場一致預期等

17、于上一年同期的實際業(yè)績加上漂移項，該模型中的是需要通過歷史數(shù)據(jù)進行估計的參數(shù)。為了提高預期模型的準確性，采用滾動估計的方式，在計算某股票在季度 t 的預期業(yè)績時，利用該股票過去 8 個季度的業(yè)績數(shù)據(jù)進行估計，因而實際上是一種動態(tài)更新的預期模型。在計算業(yè)績超預期時，Deflator 使用|()|，也就是|4 + |，最終業(yè)績超預期指標的計算如下：業(yè)績超預期(Earning Surprise) = 4 |4 + |本文以下部分重點分析業(yè)績超預期的分布特征，包括不同行業(yè)、不同市值大小的上市公 司在業(yè)績超預期大小上的差異，然后采用不同的分析方法探索業(yè)績超預期中的投資機會，最后基于業(yè)績超預期構(gòu)建投資策略

18、進行回測分析。業(yè)績超預期因子的特征分析我們首先使用單季度凈利潤作為業(yè)績指標，從描述性統(tǒng)計的角度，分析單季度業(yè)績超預期指標的統(tǒng)計特征，包括行業(yè)分布差異、市值分布特征、與其他因子的相關性等。行業(yè)間差異分析首先從行業(yè)角度來看業(yè)績超預期的分布情況。我們統(tǒng)計了 2007 年以來每個中信一級行業(yè)業(yè)績超預期指標的平均值，首先在每個時間橫截面上，計算全部 A 股上市公司的業(yè)績超預期指標，將屬于同一行業(yè)的個股的業(yè)績超預期指標匯總求均值，得到各個行業(yè)業(yè)績超預期指標平均值的時間序列，最后求時間序列的平均值，測算結(jié)果如圖 2 所示。在計算橫截面均值的時候，為了剔除極端值的影響，我們對每個行業(yè)內(nèi)個股的業(yè)績超預期指標進行

19、縮尾調(diào)整（Winsorize）。從圖 2 的測算結(jié)果來看，2007 年以來，業(yè)績超預期水平最高的五個行業(yè)是銀行、非銀行金融、房地產(chǎn)、石油石化以及家電。業(yè)績超預期能力排名靠后的是鋼鐵、農(nóng)林牧漁、綜合金融、食品飲料、煤炭。業(yè)績超預期指標行業(yè)分布的一個特征是，除了排名前 5 和后 5 的 10 個行業(yè)之外，其他處于中間的行業(yè)各自的平均業(yè)績超預期能力相差并不大，這表明業(yè)績超預期能力的高低與公司所屬行業(yè)之間的相關性并不十分緊密，行業(yè)因素對業(yè)績超預期的影響不大，不同行業(yè)中都有業(yè)績超預期能力較高的個股。圖 2：不同行業(yè)上市公司業(yè)績超預期平均值（2007Q1 至 2019Q3）250%200%150%100%

20、50%0%銀行非銀行金融房地產(chǎn)石油石化家電輕工制造電力及公用事業(yè)消費者服務醫(yī)藥交通運輸國防軍工汽車建筑商貿(mào)零售建材傳媒綜合基礎化工電力設備及新能源有色金屬通信電子 計算機紡織服裝機械煤炭食品飲料綜合金融農(nóng)林牧漁鋼鐵-50%資料來源：Wind，天軟科技， 我們進一步從行業(yè)業(yè)績超預期能力的延續(xù)性來看行業(yè)與業(yè)績超預期之間的關系。在每個時間截面，計算當期各行業(yè)平均業(yè)績超預期能力排名與上一期各行業(yè)平均業(yè)績超預期能力排名之間的相關系數(shù)（Spearman 相關系數(shù)），該相關系數(shù)越高，表明行業(yè)業(yè)績超預期能力的短期延續(xù)性越強（圖 3）。從測算結(jié)果來看，相鄰兩個季度的業(yè)績超預期排名基本都表現(xiàn)出正相關性，說明行業(yè)的

21、業(yè)績超預期能力具有一定的延續(xù)性，但從相關系數(shù)的絕對值來看，相關性并不算特別高。圖 3：行業(yè)業(yè)績超預期排名的延續(xù)性0.900.800.700.600.500.400.300.200.100.00-0.102007-062007-122008-062008-122009-062009-122010-062010-122011-062011-122012-062012-122013-062013-122014-062014-122015-062015-122016-062016-122017-062017-122018-062018-122019-06-0.20Spearman相關系數(shù) 平均值資料來

22、源：Wind，天軟科技， 業(yè)績超預期與股票市值進一步來看市值與業(yè)績超預期之間的關系。一般來說，市值規(guī)模大的公司，盈利能力更強，更有可能實現(xiàn)業(yè)績超預期，因而我們猜測市值越大，業(yè)績超預期指標也越高。在每個時間截面上，根據(jù)股票市值分布，將全部上市公司等分為 10 組，統(tǒng)計每組中股票業(yè)績超預期指標的平均值，得到每個市值分組在各個時間截面上的平均業(yè)績超預期指標，最后求時間序列的平均值，得到各個市值分組的歷史平均業(yè)績超預期水平（圖 4）。從圖 4 的結(jié)果來看，市值對業(yè)績超預期的影響呈現(xiàn)非常明顯的單調(diào)性，市值規(guī)模越大，上市公司的業(yè)績超預期水平就越高，唯一例外是在市值最高的第十組，其歷史平均的業(yè)績超預期水平低

23、于市值次高的第九組。進一步采用行業(yè)中性的方式對市值進行分組，在每個時間截面上，首先在中信一級行業(yè)內(nèi)按照市值大小將股票分為十組，然后將每個行業(yè)中屬于相同市值組的股票合在一起作為當前時間截面最終的市值分組，其他計算方法與上面相同，得到的各市值分組的歷史平均業(yè)績超預期能力如圖 5。結(jié)果表明，剔除行業(yè)影響后，市值對業(yè)績超預期影響的單調(diào)性有所減弱，但整體來看依然是市值越大，業(yè)績超預期能力越強。圖 4：不同市值規(guī)模下的業(yè)績超預期水平（2007Q1 至 2019Q3）圖 5：行業(yè)中性市值分組下的業(yè)績超預期（2007Q1 至 2019Q3）80% 71.03%61.37%60.90%54.26%44.52%2

24、5.80%20.63% 20.94%1.71%70%80% 67.27%61.32%53.59%50.30%39.22%14.57%3.65%36.08%34.94%70%60%50%40%60%50%40%30%30%20%10%0%-10%-8.65%20%10%0%-10%-7.46%-20% 市值最小組 第二組 第三組 第四組 第五組 第六組 第七組 第八組 第九組 市值最大組-20% 市值最小組 第二組 第三組 第四組 第五組 第六組 第七組 第八組 第九組 市值最大組 資料來源：天軟科技， 資料來源：Wind，天軟科技， 業(yè)績超預期與其他因子的相關性與其他因子的相關性分析是為了檢驗

25、業(yè)績超預期因子相對于其他指標是否可能具有潛在的增量信息。由于業(yè)績超預期從性質(zhì)上與公司基本面息息相關，因而我們主要選擇了公司基本面類的因子來進行相關性計算，包括對數(shù)總市值、市盈率、市凈率、市銷率、市現(xiàn)率、資產(chǎn)負債率、去年同期凈利潤等，同時我們也考慮了資產(chǎn)定價模型中的 Beta 指標。首先計算上述指標在各個橫截面上的相關性，最后將各截面相關性求均值，得到歷史平均相關性（表 2）。從表 2 中可以看到，業(yè)績超預期指標與其他因子的相關性都比較低，相關性最高的是與對數(shù)總市值之間的相關性，為 0.073，依然處于比較低的水平。表 2：業(yè)績超預期因子與其他因子之間的相關性（2007Q1 至 2019Q3）因

26、子名稱業(yè)績超預期beta對數(shù)總市值PETTMPBLFPSTTMPCFTTM資產(chǎn)負債率去年同期凈利潤業(yè)績超預期1.000-0.0050.0730.0480.0660.0490.007-0.007-0.104beta-0.0051.000-0.0240.037-0.102-0.042-0.0190.014-0.014對數(shù)總市值0.073-0.0241.000-0.0940.022-0.0500.0080.1060.666PE0.0480.037-0.0941.0000.1810.1550.051-0.118-0.159PBLF0.066-0.1020.0220.1811.0000.4660.088

27、-0.041-0.148PSTTM0.049-0.042-0.0500.1550.4661.0000.072-0.292-0.157PCFTTM0.007-0.0190.0080.0510.0880.0721.000-0.118-0.019資產(chǎn)負債率-0.0070.0140.106-0.118-0.041-0.292-0.1181.0000.121去年同期凈利潤-0.104-0.0140.666-0.159-0.148-0.157-0.0190.1211.000資料來源：天軟科技， 圖 6 是各因子與業(yè)績超預期之間相關性的時間序列，可以看到，在各個橫截面上，各因子與業(yè)績超預期之間的相關性基本都

28、在-0.2 到+0.2 的區(qū)間內(nèi)，相關性不高。因而單從相關性來看，業(yè)績超預期因子相對于其他因子來說具有一定的增量信息。那么這些增量信息是否能夠帶來投資機會，需要通過對業(yè)績超預期指標與股票收益率之間的關系進行分析來回答，這是下一部分的研究重點。圖 6：業(yè)績超預期與其他因子的截面相關性（2007Q1 至 2019Q3）0.2000.1500.1000.0500.000-0.050-0.100-0.150-0.2002007-03-312007-09-302008-03-312008-09-302009-03-312009-09-302010-03-312010-09-302011-03-31201

29、1-09-302012-03-312012-09-302013-03-312013-09-302014-03-312014-09-302015-03-312015-09-302016-03-312016-09-302017-03-312017-09-302018-03-312018-09-302019-03-312019-09-30-0.250beta對數(shù)總市值PEPBLFPSTTMPCFTTM資產(chǎn)負債率去年同期凈利潤資料來源：天軟科技， 業(yè)績超預期中的投資機會在上一部分中，我們以單季度的凈利潤作為上市公司業(yè)績指標來計算上市公司各季度業(yè)績超預期指標，統(tǒng)計分析了業(yè)績超預期在不同行業(yè)、市值規(guī)模上的

30、分布特征以及業(yè)績超預期指標與其他因子之間的相關性。本部分我們聚焦于探索業(yè)績超預期中是否存在投資機會。上市公司業(yè)績公布的主要渠道是定期報告，包括一季報、中報、三季報、年報。由于不同上市公司定期報告發(fā)布時間不一致，因而，在測算上市公司業(yè)績超預期對股價的影響時，最直接的分析框架是采用事件研究法，將業(yè)績公告日作為事件日，將公告日后 N 個交易日作為事件窗口，統(tǒng)計事件窗口內(nèi)，上市公司股價走勢。在分析上市公司業(yè)績超預期后投資機會的過程中，有兩個點值得注意。第一，雖然定期報告是上市公司業(yè)績發(fā)布的主要渠道，但是有一些公司會在報告期結(jié)束后、定期報告正式發(fā)布前，根據(jù)初步的會計核算結(jié)果，發(fā)布業(yè)績預告或者業(yè)績快報，其

31、中業(yè)績快報會中包含具體的業(yè)績數(shù)字，因而在使用事件研究分析業(yè)績超預期時，對于有業(yè)績快報的上市公司，應當使用業(yè)績快報公告日作為事件日，以業(yè)績快報公布的業(yè)績數(shù)字來計算業(yè)績超預期指標，因為定期報告晚于業(yè)績快報，股價在此期間很可能已經(jīng)完全調(diào)整完畢，從而使測算結(jié)果出現(xiàn)誤差。第二個值得注意的點是，上市公司定期報告中主要公布的是當年年初至報告期末的財務報表，例如中報中公布是第一季度和第二季度兩個季度的經(jīng)營業(yè)績，三季報公布是當年前三個季度的經(jīng)營業(yè)績，年報公布的是全年經(jīng)營業(yè)績。而單季度的經(jīng)營業(yè)績大都不是直接公布，需要間接計算得到。此時，就存在兩種方式計算業(yè)績超預期，即“單季度業(yè)績超預期”和“報告期業(yè)績超預期”。報

32、告期業(yè)績超預期是指年初至報告期末經(jīng)營業(yè)績的超預期情況。兩類業(yè)績超預期指標相關性如何？哪類超預期指標對投資更有價值？我們需要從對數(shù)據(jù)的實證分析中尋找答案。單季度業(yè)績超預期和報告期業(yè)績超預期由于報告期業(yè)績是單季度業(yè)績的累計加總，因而我們猜測這兩個業(yè)績超預期指標蘊含的 信息會有高度重疊。首先，我們簡單統(tǒng)計兩類指標之間的相關性。以 2007 年以來每個 季度為時間截面，計算單季度業(yè)績超預期指標與報告期業(yè)績超預期指標之間的相關系數(shù)。對于一季報來說，單季度業(yè)績超預期指標和報告期業(yè)績超預期指標完全相同，相關系數(shù) 為 1，沒有參考意義，因而我們計算截面相關系數(shù)時去掉每年一季報數(shù)據(jù)。圖 7 是各個時間截面上單季

33、度業(yè)績超預期指標與報告期業(yè)績超預期指標之間的相關系數(shù)。測算結(jié)果與我們的預期相反，這兩個指標之間的相關系數(shù)并不高，除了 2011 年二季度之外，基本上在其他季度中，兩者之間相關性不足 0.3，整體的歷史均值為 0.11，表明兩者之間的信息重疊較低。兩個指標之間相關系數(shù)低僅僅表明兩者之間沒有簡單的線性關系，在選股策略中，往往只關注指標排序中蘊含的信息。因而我們進一步測算了兩個指標之間的 Spearman 秩相關系數(shù)。Spearman 秩相關系數(shù)度量的是兩個指標排序之間的相關性。圖 8 是測算結(jié)果，可以看出，雖然單季度業(yè)績超預期和報告期業(yè)績超預期不存在明顯的線性關系，但兩者的排序相關性卻很高，表明兩

34、者的排序信息中有較大的重疊，與我們的預期相符。這一結(jié)果意味著，如果僅僅通過指標大小來選股，兩個指標的選股結(jié)果相似性會比較高。圖 7：單季度業(yè)績超預期與報告期業(yè)績超預期相關性（Pearson）圖 8：單季度業(yè)績超預期與報告期業(yè)績超預期相關性（Spearman）0.9 0.80.70.60.50.85 0.800.750.700.40.650.30.20.10.600.552007-06-302007-09-302007-12-312008-06-302008-09-302008-12-312009-06-302009-09-302009-12-312010-06-302010-09-302010

35、-12-312011-06-302011-09-302011-12-312012-06-302012-09-302012-12-312013-06-302013-09-302013-12-312014-06-302014-09-302014-12-312015-06-302015-09-302015-12-312016-06-302016-09-302016-12-312017-06-302017-09-302017-12-312018-06-302018-09-302018-12-312019-06-302019-09-302007-06-302007-09-302007-12-312008

36、-06-302008-09-302008-12-312009-06-302009-09-302009-12-312010-06-302010-09-302010-12-312011-06-302011-09-302011-12-312012-06-302012-09-302012-12-312013-06-302013-09-302013-12-312014-06-302014-09-302014-12-312015-06-302015-09-302015-12-312016-06-302016-09-302016-12-312017-06-302017-09-302017-12-312018

37、-06-302018-09-302018-12-312019-06-302019-09-3000.50Pearson相關 Pearson相關(均值)Spearman相關 Spearman相關(均值)資料來源：天軟科技， 資料來源：天軟科技， 事件研究分析業(yè)績超預期之所以可能蘊含著投資機會，源于市場并非完全有效。有效市場假設認為，股票價格能夠及時并完全反映全部公開信息，在一個半強式有效的市場中（Semi-Strong Efficient Market），當上市公司在定期報告公告日（或業(yè)績快報公告日）公布的業(yè)績超預期后，股票價格應當在公告日迅速調(diào)整以反映業(yè)績超預期這一信息，公告日后股票價格不再出現(xiàn)

38、長期穩(wěn)定的單方向調(diào)整（假設沒有其他新信息），因而無法從業(yè)績超預期事件中獲取超越市場的收益。當然，現(xiàn)實中市場并非完全有效，其中一個重要原因在于，具有有限理性的投資者，信息處理能力有限，無法及時消化業(yè)績公告中的信息，從而導致業(yè)績超預期后股票價格的調(diào)整并非一步到位，而是有個持續(xù)的過程，最終帶來獲取超額收益的機會。利用事件研究框架，將上市公司業(yè)績公告日（定期報告公告日或者業(yè)績快報公告日）作為事件日，考察業(yè)績公告日后不同業(yè)績超預期水平上市公司股票的累積凈值情況，可以直觀地揭示出業(yè)績超預期事件中是否存在可利用的投資機會。我們統(tǒng)計了 2007 年第一季度以來，全部 A 股上市公司業(yè)績公告后 30 個交易日內(nèi)

39、股價走勢，總計 11787 個業(yè)績公告事件。根據(jù)業(yè)績公告日的凈利潤，分別計算單季度業(yè)績超預期指標和報告期業(yè)績超預期指標，根據(jù)指標大小，在每個橫截面上將業(yè)績超預期事件分為五組，考慮到每個時間截面上都有業(yè)績超預期的極端情況，增加兩個極端值組，共計七個分組，業(yè)績超預期指標由低到高。在前面的統(tǒng)計分析中，我們知道市值會影響業(yè)績超預期指標的高低，因而在每個截面分組時，采用市值中性的方法，具體如下：股票池為全部 A 股，剔除 ST，停牌，漲跌停不能買賣的股票；為了避免幸存者偏差，每個截面的股票池中包括目前已經(jīng)退市，但當時仍在掛牌的股票。在每個時間截面，根據(jù)個股總市值的大小，將股票池中的個股均分為十個市值組。

40、在每個時間截面的每個市值組中，按照業(yè)績超預期指標大小，將該市值分組中的股票均分為七組。最后在每個時間截面，將每個市值組中屬于同一個業(yè)績超預期分組中的個股結(jié)合起來，作為當前時間截面的業(yè)績超預期分組。通過上述分組方法，每個時間截面上不同業(yè)績超預期事件分組中的市值分布基本保持一致，實現(xiàn)了市值中性化。圖 9 是使用單季度凈利潤作為業(yè)績指標，按照單季度業(yè)績超預期指標對事件進行市值中性化分組的測算結(jié)果?？梢钥吹絾渭径葮I(yè)績超預期事件強度與業(yè)績公告后股票走勢保持了較好的單調(diào)性，業(yè)績超預期越強，后期走勢越好，且走勢越平穩(wěn)，而業(yè)績超預期越低的組，后期走勢表現(xiàn)較差，且有波動，業(yè)績公告后三十日內(nèi)表現(xiàn)平平。業(yè)績超預期極

41、大值組和極小值組的多空比價來看，基本保持穩(wěn)定向上，特別是在業(yè)績公告日后的幾個交易日內(nèi)，比價迅速走高。比價的穩(wěn)定上升表明單季度業(yè)績超預期指標對業(yè)績公告后行情走勢具有較高的區(qū)分度。圖 10 是使用報告期凈利潤作為業(yè)績指標，按照報告期業(yè)績超預期指標對事件進行分組得到的測算結(jié)果。雖然在業(yè)績超預期的低分組中依然有較好的區(qū)分度，但在幾個業(yè)績超預期較高的分組中，行情走勢與業(yè)績超預期大小并不完全一致。從多空比價來看，走勢不如單季度業(yè)績超預期指標的測算結(jié)果，表明兩類業(yè)績超預期指標在對業(yè)績公告后股票行情走勢的區(qū)分度上存在差異，單季度業(yè)績超預期指標具有更好的區(qū)分度。單季度業(yè)績超預期事件表現(xiàn)更好的可能原因是，業(yè)績報告

42、中往往直接公告報告期數(shù)據(jù)（即年初至報告期末的整體經(jīng)營業(yè)績），單季度業(yè)績超預期信息需要對業(yè)績數(shù)據(jù)做進一步“信息處理”，因而報告期業(yè)績超預期信息更為直接，市場能夠更為及時地對報告期業(yè)績超預期信息做出調(diào)整，最終降低了報告期業(yè)績超預期信息的盈利空間。圖 9：單季度業(yè)績超預期事件后股價平均走勢（2007Q1 至 2019Q3）圖 10：報告期業(yè)績超預期事件后股價平均走勢（2007Q1 至 2019Q3）1.0271.0271.0221.0221.0171.0171.0121.0121.0071.0071.0021.0020.9970.9970.9920 1 2 3 4 5 6 7 8 9 10 11 1

43、2 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 300.9920 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 極小值組 第一組 第二組 第三組 第四組 第五組 極大值組 多空比價極小值組 第一組 第二組 第三組 第四組 第五組 極大值組 多空比價資料來源：天軟科技， 資料來源：天軟科技， 表 3：業(yè)績超預期事件后 30 日收益率統(tǒng)計事件極小組第一組第二組第三組第四組第五組極大組單季度業(yè)績超預期事件0.43%1.14%1.

44、80%2.09%2.52%2.54%2.76%報告期業(yè)績超預期事件0.87%1.53%1.95%2.15%2.37%2.26%2.17%資料來源：天軟科技， 業(yè)績超預期因子選股能力事件研究分析統(tǒng)計的是業(yè)績超預期事件后股價的表現(xiàn)，事件研究框架中的“事件日”是各上市公司業(yè)績公告的日期，由于不同上市公司業(yè)績公告日期不同，因而“事件日”也千差萬別。從投資的角度來說，一般是在固定的時間周期進行倉位調(diào)整，所以本部分我們采用因子化的方式，將業(yè)績超預期指標作為一種選股因子，來詳細分析業(yè)績超預期因子的選股能力。從因子的角度來說，一般是在一個固定的時間點統(tǒng)一計算股票池中全部股票的因子值，經(jīng)過去極值、標準化處理后，

45、將得到的因子作為選股指標，分析選股指標的選股能力。評判選股能力的主要標準是看因子的 IC，即因子值與下一期股票收益率之間的相關性。為了避免使用未來數(shù)據(jù)，我們選擇上市公司定期報告發(fā)布的最后期限作為計算業(yè)績超預期指標的時間節(jié)點。根據(jù)交易所的規(guī)定，上市公司需要在每年的 4 月 30 日前發(fā)布上年度的年報和當年一季報，在 8 月 31 日前發(fā)布當年中報，在 10 月 31 日前公布當年的三季報，因而計算業(yè)績超預期因子的時間節(jié)點就選在每年的 4 月 30 日、8 月 31 日、10 月31 日，在這些時間節(jié)點上，所有上市公司業(yè)績公告均已發(fā)布。由于 4 月 30 日既可以根據(jù)上年度的年報來計算業(yè)績超預期因

46、子，也可以根據(jù)當年一季報計算，是年報中信息更有助于選股還是一季報中的信息更有助于選股，也需要通過實證對比來分析。首先從全市場的選股效果來看，我們首先計算了業(yè)績超預期因子與未來 63 個交易日（一個季度）股票收益率之間的 Rank IC，單季度業(yè)績超預期因子的歷史 IC 序列如圖 11 所示，報告期業(yè)績超預期因子的歷史 IC 序列如圖 12 所示。從 IC 的正負號來看，兩個指標 IC 序列在絕大部分時間都大于 0，IC 大于 0 的比例都是 70.59%，表明兩個指標與股票未來收益率主要呈現(xiàn)正相關關系。表 4 中給出了兩個因子 IC 的統(tǒng)計指標，單季度業(yè)績超預期因子 IC 均值為 6.10%，

47、IC 的 t 值為 4.84，表明 IC 顯著大于 0，IC_IR 為 0.68，一般認為 IC_IR 大于 0.5 表明因子的選股能力相對穩(wěn)定；相比之下，報告期業(yè)績超預期因子的選股能力弱于單季度業(yè)績超預期指標。圖 11：單季度業(yè)績超預期因子的歷史 IC 序列（2007Q1 至 2019Q3）圖 12：報告期業(yè)績超預期因子的歷史 IC 序列（2007Q1 至 2019Q3）40% 40% 30%30%20%10%20%10%0%0%-10%-10%-20%2007-03-312007-09-302008-03-312008-09-302009-03-312009-09-302010-03-31

48、2010-09-302011-03-312011-09-302012-03-312012-09-302013-03-312013-09-302014-03-312014-09-302015-03-312015-09-302016-03-312016-09-302017-03-312017-09-302018-03-312018-09-302019-03-312019-09-302007-03-312007-09-302008-03-312008-09-302009-03-312009-09-302010-03-312010-09-302011-03-312011-09-302012-03-31

49、2012-09-302013-03-312013-09-302014-03-312014-09-302015-03-312015-09-302016-03-312016-09-302017-03-312017-09-302018-03-312018-09-302019-03-312019-09-30-20% -30% Rank IC IC均值Rank IC IC均值資料來源：天軟科技， 資料來源：天軟科技， 因子IC均值樣本量IC標準差IC_IRIC t值大于0比例表 4：兩類業(yè)績超預期指標選股能力對比單季度業(yè)績超預期因子6.10%518.99%0.684.8470.59%報告期業(yè)績超預期因子

50、4.13%519.84%0.423.0070.59%資料來源：天軟科技， 因子所包含的信息會隨著時間的變化而變動，圖 13 測算了因子值與因子計算日后每十個交易日內(nèi)個股區(qū)間收益率的平均 Rank IC，通過觀察因子與區(qū)間收益率 Rank IC 的走勢，有助于理解因子選股能力的“時間分布”。圖 13 的結(jié)果表明，無論是單季度業(yè)績超預期因子還是報告期業(yè)績超預期因子，其選股能力主要由個股在“因子計算日”后第 30到第 40 個交易日區(qū)間內(nèi)的收益率所體現(xiàn)，該區(qū)間內(nèi)個股的收益率與因子值之間的相關性最高。圖 14 測算了因子與因子計算日后 N 個交易日內(nèi)個股累積收益率的平均 Rank IC，因子與累積收益

51、率之間 Rank IC 的走勢衡量的是因子所蘊含信息價值在時間上的持續(xù)性。可以看到，兩個因子的信息價值在因子計算日后的 10 個交易日內(nèi)并沒有得到充分顯現(xiàn)，而是在 10 個交易日后開始逐漸上升。這與學術研究中的結(jié)論基本一致：投資者對業(yè)績報告中信息的處理能力有限，股價的調(diào)整是緩慢進行的。圖 13：因子與不同交易日區(qū)間個股區(qū)間收益率的平均 IC圖 14：因子與不同交易日區(qū)間個股累積收益率的平均 IC4.45%4.12%3.48% 3.34%3.16%2.64%1.41% 1.07%1.30% 0.18%0.14%-2.32%5.00%4.00%3.00%2.00%1.00%0.00%-1.00%-

52、2.00%-3.00%1020304050607.00%6.00%5.00%4.00%3.00%2.00%1.00%0.00%-1.00%-2.00%-3.00%-4.00%1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63單季度業(yè)績超預期平均IC報告期業(yè)績超預期平均IC單季度業(yè)績超預期平均IC報告期業(yè)績超預期平均IC資料來源：天軟科技， 資料來源：天軟科技， 前面我們提到，每年 4 月 30 日是上年度年報和當年一季報的發(fā)布截止日，因而在 4 月30 日時，業(yè)績超

53、預期信息有兩個來源：上年度年報和當年一季報，我們對比兩個信息源的選股能力。圖 15 和圖 16 是 2008 年以來每年 4 月 30 日根據(jù)一季報和上年年報計算的業(yè)績超預期因子選股能力（Rank IC）的對比?？梢钥吹?，一季報中蘊含的信息對選股更有價值，其 Rank IC 始終高于通過上年年報計算的業(yè)績超預期因子。圖 15：一季報與上年度年報業(yè)績超預期選股能力對比（單季度）圖 16：一季報與上年度年報業(yè)績超預期選股能力對比（報告期）40.00%40.00%30.00%30.00%20.00%20.00%10.00%10.00%0.00%0.00%-10.00%-10.00%-20.00%-2

54、0.00%-30.00%2008-04-302009-04-302010-04-302011-04-302012-04-302013-04-302014-04-302015-04-302016-04-302017-04-302018-04-302019-04-30-30.00%2008-04-302009-04-302010-04-302011-04-302012-04-302013-04-302014-04-302015-04-302016-04-302017-04-302018-04-302019-04-30上年年報-2.54%-17.89%-1.44%6.43%21.90%-0.01%1

55、.76%4.34%6.40%6.57%6.68%14.84%上年年報-9.32%-20.06%3.63%4.38%11.75%7.28%-8.31%4.10%6.44%5.70%3.05%8.27%當年一季報4.23%-13.37%11.09%16.14%32.13%8.61%-1.00%8.76%12.85%22.33%17.46%15.80%當年一季報4.23%-13.37%11.09%16.14%32.13%8.61%-1.00%8.76%12.85%22.33%17.46%15.80% 資料來源：天軟科技， 資料來源：天軟科技， 前面在全 A 股中測算了業(yè)績超預期因子的選股能力，一般來

56、說，因子的選股能力在不同的股票池中可能存在差異，如果在特定股票池中的選股能力更強，那么構(gòu)建策略時將股票池進行限定，就可能獲得更高的投資收益。我們分別從行業(yè)和市值兩個維度來探索業(yè)績超預期因子在不同行業(yè)、不同市值規(guī)模的股票池中的選股能力。測算時只考慮單季度業(yè)績超預期因子。從行業(yè)內(nèi)的業(yè)績超預期因子的 Rank IC 來看（圖 17），家電、食品飲料、石油石化、電力設備及新能源等行業(yè)內(nèi)單季度業(yè)績超預期因子具有更好的選股能力，從 Rank IC 的 t值來看，選股能力最穩(wěn)定的是電力設備及新能源行業(yè)。從不同市值分組來看（圖 18），市值大小與單季度業(yè)績超預期因子的選股能力并不是單調(diào)關系，大市值和小市值分組

57、中，業(yè)績超預期因子的 Rank IC 都低于中等市值分組中的 Rank IC，因而單季度業(yè)績超預期因子在中等市值的股票中擁有更高的選股能力，且在中等市值分組中的選股能力也最為穩(wěn)定，其 Rank IC 的 t 值最大。圖 17：單季度業(yè)績超預期因子在不同行業(yè)內(nèi)的選股能力圖 18：單季度業(yè)績超預期因子在不同規(guī)模區(qū)間內(nèi)的選股能力12.00% 7.0012.00% 8.0010.00%8.00%6.00%4.00%2.00%0.00%-2.00%6.005.004.003.002.001.000.0010.00%8.00%6.00%4.00%7.006.005.004.003.00-4.00% -1.

58、00-6.00% -2.00電 醫(yī) 通 食 電 基 石 汽 家 機 鋼 有 輕 電 農(nóng) 建 傳 計 國 非 商 交 建 煤 綜 消 房 紡 銀 綜力 藥 信 品 子 礎 油 車 電 械 鐵 色 工 力 林 筑 媒 算 防 銀 貿(mào) 通 材 炭 合 費 地 織 行 合2.00%2.001.00設飲 化 石金 制 及 牧機 軍 行 零 運者 產(chǎn) 服 金0.00%0.00備 料 工 化及新能源屬 造 公 漁用事業(yè)工 金 售 輸融服 裝 融務市第第第值二三四最組組組小組第第第五六七組組組第 第 市八 九 值組 組 最大組IC均值 IC t值(右軸)IC均值 IC t值(右軸)資料來源：天軟科技， 資料來

59、源：天軟科技， 組合分析IC 衡量的是因子的選股能力，進一步分析因子的選股效果需要通過組合分析來進行。組合分析是實證資產(chǎn)定價中最常用的統(tǒng)計方法，其目標是檢驗不同變量之間的關系，常常用于分析某個變量預測未來股票收益的能力。與計算 IC 的方法不同，組合分析是利用因子大小形成不同的股票組合，檢驗不同組合的收益率來分析因子的選股能力。圖 19：盈利超預期因子與其他因子的截面相關性（2007Q1 至 2019Q3）7.006.005.004.003.002.001.002007-052007-092008-012008-052008-092009-012009-052009-092010-012010

60、-052010-092011-012011-052011-092012-012012-052012-092013-012013-052013-092014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-010.00第1組第2組第3組第4組第5組資料來源：天軟科技， 圖 19 是使用單季度業(yè)績超預期因子進行組合測試的結(jié)果，因子分組回測中，以每年 4月 30 日、8 月 31 日和 10 月 3