A股市场盈利惊喜策略全解析

1、目录1、盈利惊喜的定义与因子化 .- 4 -1.1、盈利惊喜因子不同定义方式 .- 4 -1.2、盈利惊喜因子数据使用细节 .- 5 -1.3、盈利惊喜因子事件效应研究 .- 7 -1.4、盈利惊喜因子定期化处理 .- 9 -1.5、盈利惊喜因子IC 测试结果.- 10 -2、盈利惊喜因子的改进尝试.- 11 -2.1、盈利惊喜因子改进尝试多头基准组合.- 12 -2.2、盈利惊喜因子改进尝试发布时点效应调整.- 13 -2.3、盈利惊喜因子改进尝试节假日效应调整.- 14 -2.4、盈利惊喜因子改进尝试同日公告数量效应调整.- 14 -3、盈利惊喜双击策略.- 15 -3.1、基本面与情绪面

2、双击下的盈利惊喜策略.- 15 -3.2、策略细节修正与最终表现.- 17 -3.3、策略的绩效归因分析.- 21 -4、总结.- 23 -参考文献.- 24 -附录：以 ALSUE1 为基础的盈利惊喜双击策略表现.- 25 -图表 1、三种报告类型每月累计发布数量（分别统计） .- 6 -图表 2、三种报告类型每月累计发布数量（合并统计）.- 6 -图表 3、EAR3 因子分组累计超额收益.- 7 -图表 4、ALSUE0 因子分组累计超额收益.- 7 -图表 5、ALSUE1 因子分组累计超额收益.- 8 -图表 6、TSSUE 因子分组累计超额收益.- 8 -图表 7、各月份参考报告期设

3、定.- 9 -图表 8、各因子在不同股票池中的平均覆盖率.- 10 -图表 9、EAR3 因子 IC 测试结果.- 10 -图表 10、ALSUE0 因子 IC 测试结果.- 10 -图表 11、ALSUE1 因子 IC 测试结果.- 11 -图表 12、TSSUE 因子 IC 测试结果.- 11 -图表 13、多头基准组合绝对表现.- 12 -图表 14、多头基准组合相对表现.- 12 -图表 15、多头策略相对表现-半衰期为 10 天.- 13 -图表 16、多头策略相对表现-半衰期为 20 天.- 13 -图表 17、多头策略相对表现-半衰期为 50 天.- 13 -图表 18、多头策略

4、相对表现-半衰期为 100 天.- 13 -图表 19、多头策略相对表现-系数为 1.2 .- 14 -图表 20、多头策略相对表现-系数为 1.5 .- 14 -图表 21、多头策略相对表现-系数为 1.8 .- 14 -图表 22、多头策略相对表现-同日公告数量前 20%.- 15 -图表 23、多头策略相对表现-同日公告数量前 50%.- 15 -图表 24、多头策略相对表现-同日公告数量前 80%.- 15 -图表 25、盈利惊喜双击策略相对表现.- 16 -图表 26、四个策略相对表现比较统计数据.- 17 -图表 27、四个策略相对表现比较累计超额收益走势.- 17 -图表 28、

5、盈利惊喜双击策略（ALSUE0）历史持仓市值分位数.- 18 -图表 29、盈利惊喜双击策略（ALSUE0）历史持仓第一的行业占比.- 18 -图表 30、修正后盈利惊喜双击策略（ALSUE0）净值走势.- 19 -图表 31、修正后盈利惊喜双击策略（ALSUE0）分年表现.- 19 -图表 32、修正后盈利惊喜双击策略（ALSUE0）在基金中的相对表现.- 20 -图表 33、修正后盈利惊喜双击策略（ALSUE0）历史持仓市值分位数.- 20 -图表 34、修正后盈利惊喜双击策略（ALSUE0）历史持仓第一的行业占比.- 21 -图表 35、修正后盈利惊喜双击策略（ALSUE0）Barra

6、风格归因.- 22 -图表 36、2019 年以来的 Brinson 模型月度收益分解（ALSUE0） .- 22 -图表 37、Brinson 绩效归因-12 个月移动平均（ALSUE0）.- 23 -图表 38、盈利惊喜双击策略（ALSUE1）历史持仓市值分位数.- 25 -图表 39、盈利惊喜双击策略（ALSUE1）历史持仓第一的行业占比.- 25 -图表 40、修正后盈利惊喜双击策略（ALSUE1）净值表现.- 26 -图表 41、修正后盈利惊喜双击策略（ALSUE1）分年表现.- 26 -图表 42、修正后盈利惊喜双击策略（ALSUE1）在基金中的相对表现.- 26 -图表 43、修

7、正后盈利惊喜双击策略（ALSUE1）历史持仓市值分位数.- 27 -图表 44、修正后盈利惊喜双击策略（ALSUE1）历史持仓第一的行业占比.- 27 -图表 45、修正后盈利惊喜双击策略（ALSUE1）Barra 风格归因.- 28 -图表 46、2019 年以来的 Brinson 模型收益分解（ALSUE1） .- 28 -图表 47、Brinson 绩效归因-12 个月移动平均（ALSUE1）.- 29 -报告正文1、盈利惊喜的定义与因子化、盈利惊喜因子不同定义方式盈利惊喜（Earnings Surprise）一般是指公司盈利公告超预期的现象，常常伴随着公告前后股票短期的超额表现。有趣的

8、是，出现盈利惊喜的股票在之后一段时间内也能够持续提供超额收益，学术界称之为价格漂移现象（即 Post-Earnings Announcement Drift, PEAD）。本报告聚焦于盈利惊喜，试图从数据使用、因子构造、事件研究、策略搭建等多个方面进行全面、系统的研究。在给出了盈利惊喜的基本含义之后，我们尝试使用更精确的方式对其进行描述。根据学术界和业界的相关研究和讨论，盈利惊喜的主流数学定义方式主要有两个维度，分别是从市场价格反应和盈利基本面变化来进行描述。市场价格反应。以 Brandt 等(2008)、Liu 等(2003)、Gerard(2011)为代表的一系列研究认为，资产的市场价格变

9、化是对盈利惊喜事件最可靠、最真实的反映，他们使用盈利公告前后三天（盈利发布前一日、发布当日以及发布后一日）的累计超额收益（Earnings Announcement Return 3 Days，EAR3）来表示相应资产盈利惊喜的方向和程度。在本文中，我们对所有考察范围内的股票资产也计算了相应的 EAR3 指标，并作为盈利惊喜定义的可选方式之一。其中每日的超额收益我们采用股票收益减去全市场简单平均收益（市场简单平均收益：剔除了风险警示股票和上市不足 180 天的新股后的全体 A 股的等权平均收益率）来进行计算。盈利基本面变化。这一维度对盈利惊喜的描述方式应该说更为自然，通常是以下述定义的标准化未

10、预期盈利（ Standard Unexpected Earnings，SUE）来表征： = 其中 ActualEarnings 代表单季度实际净利润，EstEarnings 为单季度预期净利润，StdEarnings 为单季度预期净利润的标准差。由于对单季度预期净利润的描述方式不同，SUE 有两个常见的具体定义形式。基于分析师一致预期的 SUE（ Analyst Standard Unexpected Earnings， ALSUE）。这种度量方法利用了卖方分析师的一致预期数据，应该是对 SUE 最直接的一种定义。大量学术文献（如 Mendenhall(2004) 、Livnat 等(2006

11、)）都对该定义方式下的 SUE 因子的表现和性质进行了探讨。在 本文中，我们利用聚源底层数据库的盈利预期数据明细表，在每个时点 计算了每个公司的一致预期净利润均值和标准差（针对不同的考察年度）。这里需要特别注意的是，A 股市场的分析师预期数据的预测对象都是年 报数据，如果不进行季度数据分拆，那么 ALSUE 因子每年就仅有一次 针对年报发布的使用机会。这在统计和投资实战的视角下，都会使得 ALSUE 因子的价值大打折扣。因此我们考虑了以下两种方式来进行年度 预期数据的季度分拆：等权比例分拆法。即以 25%的比例估计所有公司的单季度一致预期净利润，以此方法定义的因子为记做 ALSUE0；历史比例

12、分拆法。即根据公司过去 3 年的季度净利润数据，计算每 个季度在全年利润的平均占比，并以此比例进行拆解（该方法要求过去 3 年各季度的净利润均为正值，若不满足上述前提，则在当期针对该公司改用等权比例分拆法），以此方法定义的因子为 ALSUE1。基于历史盈利时间序列数据的 SUE（Time Series Standard Unexpected Earnings，TSSUE）。这种度量方式以随机游走模型为基础（如 Sadka(2006)中的季节性随机游走模型），利用盈利数据的历史时间序列来对预期利润和预期利润的标准差进行估计。一般地，针对 t 季度净利润进行预测的随机游走模型如下所示： = 4 +

13、 其中代表当前季度依然未知的净利润，而4代表去年同季度已公布的净利润，代表漂移项。其中漂移项可以理解为投资者根据历史单季度净利润变动形成的增长预期，其数学期望可以用过去连续 N 个季度的单季度净利润同比增长值的均值来进行估计，1 =( 4)=1这样一来，我们对当期单季度净利润的预测值就可以表示为： = 4 + 而本身的不确定性也即为季度净利润预测不确定性的来源，我们可以用过去 N 个季度的单季度净利润同比增长值的标准差来进行估计。因此 = = 4, = 1,2, , 在实践中，我们定义N=8，即用过去 2 年的历史财务数据来进行估计。根据上述讨论，我们最终针对盈利惊喜这一概念，给出了两大类共四

14、个有明确定义的指标：EAR3，ALSUE0，ALSUE1 和 TSSUE。在后文中，我们将分别针对上述不同的定义方式，分别进行详细地测试和比较。、盈利惊喜因子数据使用细节在正式进行后续的各项测试之前，我们需要对本文在业绩公告和财务数据方面的使用以及处理细节进行说明：本文的净利润数据来自于业绩预告、业绩快报和正式报告这三种不同的财务报告形式。这里我们首先展示了三种业绩报告在每个自然月各自及汇总的分布情况（统计时间范围：2010 年 1 月 1 日到 2019 年 12 月 31 日）。从图表展示的结果来看，我们不难发现：就各类财务报告发布的总数量而言：正式报告业绩预告业绩快报；正式报告主要集中在

15、 3、4、8、10 三个月份发布。业绩预告集中在 1、4、 7、8、10 五个月份发布。而业绩快报则大多集中在 2 月发布；如果将三种类型合并计算，4、8、10 是发布数量最高的月份，1、2、3、7 月份的发布数量次之，其他月份发布数量很少。图表 1、三种报告类型每月累计发布数量（分别统计）资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 2、三种报告类型每月累计发布数量（合并统计）资料来源：Wind，聚源，兴业证券经济与金融研究院整理考虑到业绩预告中通常没有明确的净利润值，我们取业绩预告中净利润上下限的平均值作为预告净利润。后文在计算超额收益时统一采取股票收益减去市场简单平均收益。

16、、盈利惊喜因子事件效应研究在构建了以上 4 个盈利惊喜因子后，我们采用传统的事件效应研究方法，对这 4 个因子的公告前 20 个交易日到公告后 60 个交易日的累计超额收益进行了度量。对每一个正式报告披露事件（针对业绩预告、业绩快报的事件驱动分析结果 请参见附录），我们将所有事件按照盈利惊喜因子的大小等数量地分为 10 组（其中Q10 代表盈利惊喜因子值最高，即超预期程度最高的 10%的事件所形成的分组），统计每组的平均累计超额收益，其具体表现如图表 3-图表 6 所示。图表 3、EAR3 因子分组累计超额收益资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 4、ALSUE0 因子分

17、组累计超额收益资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 5、ALSUE1 因子分组累计超额收益资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 6、TSSUE 因子分组累计超额收益资料来源：Wind，聚源，兴业证券经济与金融研究院整理从以上各个盈利惊喜因子的事件效应分析结果来看：EAR3 各组的超额收益主要来自于事件窗口本身，从T+2 日到 T+60 日的超额收益几乎为 0。这意味着，如果我们以 EAR3 作为盈利惊喜的度量指标，想要获取事后超额收益将是十分困难的。因此在后文构建策略时，我们将不再考虑使用EAR3 度量盈利惊喜事件。基于分析师一致预期所构建的ALSU

18、E0 与ALSUE1 因子的累计异常收益曲线，除空头外（Q1、Q2、Q3），其余组合收益单调性良好，且多头部分（Q10、Q9）显著跑赢其他组别。在公告日约 50 个交易日后，超额收益才基本消失，十分有利于我们构建相应的投资策略。基于时间序列预测所构建的 TSSUE 因子的累计异常收益曲线也保持了良好的单调性，在公告日约 50 个交易日后，超额收益基本消失。、盈利惊喜因子定期化处理前文中定义的盈利惊喜因子，由于业绩报告发布时点的不确定性，其在时间序列上的分布也是不规则的。这对于进行事件研究和相应策略的构建不会造成什么影响，但是对于期望进行标准化的因子分析，进而构建定期量化选股策略的投资者来说则有

19、些不太方便。因此为了更好地展开后续的研究，我们将对前面计算好的盈利惊喜因子进行一些处理，以便将其转换为常用的定期月度因子数据。首先我们根据前文中总结的业绩报告的发布规律，对每个月计算盈利惊喜因子所需要参考的财务报告期进行了具体设定，如图表 7 所示：月份参考报告期说明图表 7、各月份参考报告期设定1 月、2 月去年年报1、2 月以去年年报的预告、快报和正式报告为主3 月除去年年报的三种类型4 月底一季报与去年年报正式报告披露完成。5 月、6 月不更新7 月今年半年报半年报的预告、少部分快报8 月今年半年报、今年三季报半年报披露完成，部分公司同时给出三季报的业绩预告。9 月不更新10 月今年三季

20、报、今年年报10 月三季报披露完成，部分公司同时给出年报的业绩预告11 月、12 月不更新3 月、4 月今年一季报、去年年报外，还会有一季报的预告。资料来源：Wind，聚源，兴业证券经济与金融研究院整理根据我们的设定，除了 5 月、6 月、9 月、11 月和 12 月直接沿用上个月的因子值之外，其他月份均需要利用一个或多个报告期下的数据进行最终因子的计算。 假设我们站在某个需要计算盈利惊喜因子的月末时点：对同一家公司同一报告期下的多个财务报告类型（业绩预告、业绩快报、正式报告）所披露的业绩数据，我们会按照报告数据的准确程度，即正式报告业绩快报业绩预告的顺序进行数据的选择，并最终只保留依据可获得

21、的最准确的财报数据所计算的盈利惊喜因子。当同一家公司所需参考的报告期不止一个时（即有两个报告期的数据同时可得），我们会分别计算不同报告期下的盈利惊喜因子，然后取这两个因子值的简单平均作为当月盈利惊喜因子的最终值。经过以上的计算，我们就可以将原本分布并不规则的盈利惊喜数据标准化到每个月末。在对该因子正式测试之前，我们首先统计了不同定义下的因子的覆盖度情况（中证 1000 股票池池覆盖率统计时间为 2014 年 10 月 31 日到 2020 年 8月 31 日，其他股票池统计时间为 2010 年 1 月 29 日到 2020 年 8 月 31 日），如图表 8 所示。图表 8、各因子在不同股票池

22、中的平均覆盖率因子沪深 300中证 500中证1000全市场EAR375.04%80.61%86.95%83.91%ALSUE064.30%41.64%30.16%31.56%ALSUE164.30%41.64%30.16%31.56%TSSUE76.46%79.22%85.60%77.13%资料来源：Wind，聚源，兴业证券经济与金融研究院整理除公告日期与公告净利润外，计算 EAR3 只需要行情数据，计算 TSSUE 只需要历史财务数据，因此这两个因子的覆盖度较高。而基于分析师预期数据的 ALSUE0、ALSUE1 因子则整体覆盖率低，所覆盖的股票也大多集中于大市值的股票池。、盈利惊喜因子I

23、C 测试结果本节我们将对上一小节中已转化为月度数据的盈利惊喜因子的 IC 进行详细测试（后文会详细测试分位数组合的表现）。以下结果同时包括原始因子和市值行业中性化后因子的 IC 测试结果，ICIR 已经过年化处理。沪深 300、中证 500 与全市场的测试时间为 2010 年 1 月 29 日到 2020 年 8 月测试范围IC 均值IC原始因子标准差IC_IRt统计量IC 均值市值行业中性化后因子IC 标准差IC_IRt统计量沪深 3002.91%10.22%0.993.212.44%9.03%0.943.05中证 5003.10%7.49%1.444.673.05%6.82%1.555.0

24、4中证 10002.49%6.61%1.303.152.32%6.05%1.333.21全市场1.41%6.22%0.792.561.62%4.84%1.163.7831 日；中证 1000 的测试时间为 2014 年 10 月 31 日到 2020 年 8 月 31 日。图表 9、EAR3 因子 IC 测试结果资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 10、ALSUE0 因子 IC 测试结果测试范围IC 均值IC原始因子标准差IC_IRt统计量IC 均值市值行业中性化后因子IC 标准差IC_IRt统计量沪深 3004.61%11.32%1.414.593.65%8.28%1

25、.534.96中证 5004.97%8.36%2.066.704.10%7.77%1.835.94中证 10005.69%8.41%2.355.675.35%8.06%2.305.55全市场5.35%6.59%2.819.154.64%5.14%3.1310.19资料来源：Wind，聚源，兴业证券经济与金融研究院整理测试范围IC 均值IC原始因子标准差IC_IRt统计量IC 均值市值行业中性化后因子IC 标准差IC_IRt统计量沪深 3005.33%11.35%1.635.294.29%8.22%1.815.88中证 5004.69%8.31%1.956.353.69%7.56%1.695.5

26、0中证 10006.02%7.78%2.686.475.80%7.36%2.736.59全市场5.50%6.15%3.1010.084.79%4.65%3.5711.62图表 11、ALSUE1 因子 IC 测试结果资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 12、TSSUE 因子 IC 测试结果测试范围IC 均值IC原始因子标准差IC_IRt统计量IC 均值市值行业中性化后因子IC 标准差IC_IRt统计量沪深 3006.11%12.06%1.755.715.00%9.96%1.745.67中证 5004.88%8.07%2.106.824.39%7.55%2.026.56中

27、证 10006.32%5.36%4.089.865.91%5.00%4.099.89全市场5.18%5.19%3.4611.254.88%4.50%3.7612.22资料来源：Wind，聚源，兴业证券经济与金融研究院整理从以上的 IC 测试结果可以看出：第一，EAR3 因子的表现相对较弱，这也与之前的事件分析的结果相对应。第二，基于分析师预期的 ALSUE0、ALSUE1 在各股票池中表现都较好，市值行业中性化前后因子表现较为一致；中性化后在各个股票池中的 IC 均值仍然在 3%以上，年化 ICIR 在全市场中均超过 3.0。第三，基于时间序列的 TSSUE 在各股票池中的表现更加优秀，市值行

28、业中性后在全市场中的年化 ICIR 甚至达到了 3.76。总的来说，在我们所定义的四个盈利惊喜因子中，除 EAR3 表现相对较弱之外，其余因子都具有良好而稳定的股票横截面收益预测能力。因此在后文中，我们将不再关注 EAR3 的相关测试结果，而将目光主要聚焦于由分析师预期和历史盈利数据时序分析所构建的另外三个盈利惊喜因子的改进和应用之上。2、盈利惊喜因子的改进尝试第一章中，我们完成了盈利惊喜因子的定义和相关测试。在本章中我们将从盈利惊喜效应产生的原因出发，尝试对相关因子进行改进。盈利惊喜所带来的事后超额收益，很大程度上源自于投资者对相关业绩事件的关注度不足（有限关注），进而导致市场并没有第一时间

29、将价格反应完全。基于这个想法，我们尝试从以下三种角度对盈利惊喜因子进行调整，以期获得选股效果的提升：发布时点效应：发布时点距现在越久，因投资者关注不足所引起的超额收益就越少；节假日效应：节假日前，人们可能对盈利公告关注度下降，进而其后续的超额收益可能更丰厚；同日公告数量效应：同一日发布的业绩公告越多，投资者的关注度就越有可能被分散，使得这类日期所发布的业绩公告所造成的盈利惊喜效应也更强。由于 A 股投资者绝大多数以纯多头组合为主，因此我们在本章测试改进效果时，主要关注不同改进方式对纯多头组合的提升效果。为了方便比较，下面我们首先给出原始的盈利惊喜因子的五分位组合的多头表现，并以此作为后续改进的

30、比较基准。、盈利惊喜因子改进尝试多头基准组合盈利惊喜因子的五分位组合多头策略的实现步骤如下：剔除掉风险警示股票、以及上市未满 180 天的新股。按照盈利惊喜因子降序排序，持有盈利惊喜因子排名在前 20%的股票作为多头组合。其他回测细节：每月底以收盘价换仓；交易成本双边共计 0.3%；并设置涨停与停牌不能买入、跌停与停牌不能卖出；回测时间为 2010 年 1 月 29 日到 2020年 8 月 31 日；比较基准为中证全指指数。以上回测细节在后文的回测中始终保持一致。因子年化收益率年化波动率收益风险比最大回撤ALSUE019.33%26.80%0.7243.86%ALSUE119.65%26.6

31、8%0.7442.72%TSSUE18.33%27.91%0.6637.62%我们将上述策略称为盈利惊喜因子的多头基准组合，其表现效果如下：图表 13、多头基准组合绝对表现资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 14、多头基准组合相对表现因子年化收益率年化波动率收益风险比最大回撤ALSUE014.63%9.23%1.5810.80%ALSUE115.00%8.18%1.836.47%TSSUE13.90%9.99%1.3916.19%资料来源：Wind，聚源，兴业证券经济与金融研究院整理从多头基准组合的表现来看，基于分析师预期的因子多头策略表现要更胜一筹，其年化收益、收益风

32、险比都更高一些，而最大回撤则明显更小。由于比较基准是一致的，因此本章的后续测试将重点展示策略的相对表现，并主要使用超额收益及信息比对策略进行评价。、盈利惊喜因子改进尝试发布时点效应调整根据 1.3 部分的事件研究，盈利惊喜因子的多头超额收益在业绩公布后的约50 个交易日内都持续存在。我们思考：对于业绩发布距今较久的公司，缺乏及时关注这一引发超额收益的原因可能已不再成立，而近期发布业绩的公司，其信息可能未被市场充分消化，因此更具配置价值。为了让组合更侧重于近期发布盈利公告的公司，我们对盈利惊喜因子的计算进行了半衰期调整。具体而言就是在每个月末，对不同公司计算的盈利惊喜值乘以调整系数2/ ：其中为

33、盈利公告日距离月末日的交易日天数, 为半衰期。如果盈利公告日即为月末日，则 = 0，调整系数为 1；如果盈利公告日距离月末为半衰期长度，则 = ，调整系数为 0.5。通过这种方法，可以调高近期发布业绩公告的股票的盈利惊喜因子值，同时降低发布时点距今较远的股票的盈利惊喜因子值。我们对该方法下的唯一参数半衰期进行了遍历，测试了半衰期为 10 天、20 天、50 天和 100 天的情形，相应的调整后策略效果如下：因子年化收益率年化波动率信息比最大回撤率ALSUE016.36%8.78%1.868.30%ALSUE116.10%8.22%1.966.92%TSSUE14.79%9.82%1.5114.

34、92%图表 15、多头策略相对表现-半衰期为 10 天资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 16、多头策略相对表现-半衰期为 20 天因子年化收益率年化波动率信息比最大回撤率ALSUE016.64%9.04%1.848.46%ALSUE116.33%8.28%1.976.67%TSSUE14.78%9.96%1.4815.47%资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 17、多头策略相对表现-半衰期为 50 天因子年化收益率年化波动率信息比最大回撤率ALSUE016.32%9.24%1.7710.85%ALSUE115.95%8.18%1.956.72%

35、TSSUE14.80%10.02%1.4815.89%资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 18、多头策略相对表现-半衰期为 100 天因子年化收益率年化波动率信息比最大回撤率ALSUE015.76%9.45%1.6710.82%ALSUE115.84%8.24%1.926.76%TSSUE14.85%10.21%1.4516.32%资料来源：Wind，聚源，兴业证券经济与金融研究院整理从上面图表 15-18 的结果不难发现，经过发布时点调整后的盈利惊喜因子表现相比原因子都有了一定程度的提升，并且对 ALSUE0、ALSUE1 的提升更为明显，且对参数不是特别敏感。总体而

36、言，取半衰期为 20 天时各因子效果较好，当半衰期拉长时，效果逐渐减弱。、盈利惊喜因子改进尝试节假日效应调整所谓节假日效应，值得就是在节假日前所公布的业绩报告更有可能被投资者忽视的现象。由于关注不足可能带来盈利惊喜效应的加强。因此在本小节中，我们将尝试对发生在节假日前（节假日包括双休日、法定假日等）的盈利惊喜事件给予更高的关注度。具体来说，我们会对由节假日前发布的业绩公告所构建的盈利惊喜因子进行系数调整：如果盈利公告日是节假日前，我们会乘以系数 1.2/1.5/1.8；否则就不进行系数调整。这样就会让多头部分更多的向节假日前发生盈利惊喜的股票倾斜。下面是进行节假日效应调整后的策略表现：因子年化

37、收益率年化波动率信息比最大回撤率ALSUE014.72%9.18%1.6010.19%ALSUE115.34%8.29%1.856.43%TSSUE14.19%10.02%1.4216.24%图表 19、多头策略相对表现-系数为 1.2资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 20、多头策略相对表现-系数为 1.5因子年化收益率年化波动率信息比最大回撤率ALSUE014.99%9.19%1.638.97%ALSUE115.29%8.40%1.826.24%TSSUE14.47%10.11%1.4315.69%资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 21、多

38、头策略相对表现-系数为 1.8因子年化收益率年化波动率信息比最大回撤率ALSUE014.84%9.24%1.619.27%ALSUE114.98%8.53%1.766.36%TSSUE14.49%10.09%1.4415.30%资料来源：Wind，聚源，兴业证券经济与金融研究院整理测试结果显示，节假日效应调整的效果并不明显。、盈利惊喜因子改进尝试同日公告数量效应调整沿着之前的思路，盈利惊喜超额收益的重要来源，是人们对相关业绩信息的关注不足或不及时。那么若同一时间发布业绩公告的公司数量越多，投资者的精力就越容易被分散，由关注不足所引发的超额收益就有可能越丰厚。因此在本小节，我们对尝试对同日公告数

39、量效应进行调整。具体方法是，确定每个时点、每个公司的盈利惊喜因子所依赖的业绩公告的发布日期，统计当天所发布的全部业绩公告总数量（如果计算时用到了 2 个报告期的因子值平均，那么计算对应公告数量时也采用各自公告日的公告总数量进行平均）。然后针对业绩公告总数量在前 20%、50%、80%比例的样本进行多头组合的策略构建。下面是同日公告数量效应调整后的策略表现。不难发现，多数策略经过同日公告数量效应调整后，表现都有所下降。因子年化收益率年化波动率信息比最大回撤率ALSUE010.75%14.71%0.7323.50%ALSUE110.21%14.42%0.7120.87%TSSUE8.05%20.8

40、1%0.3933.86%图表 22、多头策略相对表现-同日公告数量前 20%资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 23、多头策略相对表现-同日公告数量前 50%因子年化收益率年化波动率信息比最大回撤率ALSUE012.53%10.17%1.2318.33%ALSUE112.73%9.66%1.3213.52%TSSUE12.12%10.25%1.1815.39%资料来源：Wind，聚源，兴业证券经济与金融研究院整理因子年化收益率年化波动率信息比最大回撤率ALSUE014.77%8.90%1.668.77%ALSUE114.70%8.25%1.787.33%TSSUE13.

41、25%9.69%1.3714.53%图表 24、多头策略相对表现-同日公告数量前 80%资料来源：Wind，聚源，兴业证券经济与金融研究院整理综合上述三个改进尝试后的策略表现，在后续的研究中，我们倾向于针对原始盈利惊喜因子，进行半衰期为 20 天的发布时点效应调整。3、盈利惊喜双击策略在第二章中，我们通过固定比例的方式构建了盈利惊喜多头策略，并且进一步通过对发布时点效应的调整，提升了因子和策略的表现。因此从本章开始，凡是提到盈利惊喜因子，指的就是经过半衰期为 20 天的发布时点效应调整后的 ALSUE0、ALSUE1 和 TSSUE 这三个因子。同时为了使得最终投资组合的持股数量相对稳定且有一

42、定的集中度，我们后续的策略设计将主要以固定持股数量的方式为主。、基本面与情绪面双击下的盈利惊喜策略由单一盈利惊喜因子所构建的策略的有效性在前文中已经得到了反复的验证，但问题是这类策略是否还有进一步可提升的空间呢？我们知道，盈利惊喜因子衡量的是上市公司单季度的盈利超预期程度。从逻辑上讲，企业在某个季度的优异业绩可能是由于某些偶然事件所引起的，不一定具备可持续性。从实际投资的角度来看，我们更希望发掘出当期业绩显著超预期，同时未来盈利状况也将持续向好的公司，而要做到这一点，单纯依赖盈利惊喜因子显然是不够的。我们考虑进一步利用分析师情绪类因子中的 EPS_Fwd12M_R3M来帮助我们达成目标！EPS

43、_Fwd12M_R3M 表示未来 12 个月的分析师一致预期 EPS 在过去 60 个交易日的变化率，反映的是分析师当前时点相较于 3 个月前对这家公司业绩预测结果的变化。EPS_Fwd12M_R3M 越高，说明根据当前信息，分析师对公司未来一年盈利数据上调的越多，越看好公司接下来的业务发展。一般来说，我们将这类由分析师根据当前可获得的信息所作出的，对公司未来盈利预测的调整，称之为分析师情绪因子，体现分析师对公司未来业务发展的乐观或悲观程度。站在每一个时点，我们考虑将盈利惊喜因子和 EPS_Fwd12M_R3M 一起使用：若公司盈利惊喜水平较高，但EPS_Fwd12M_R3M 排名相对靠后（甚

44、至可能下调盈利预期），这可能表明当期的单季度业绩超预期是偶然事件，分析师并不看好公司未来一年的盈利。此时公司盈利基本面与分析师情绪面无法形成有效共振；若公司盈利惊喜水平较高，同时 EPS_Fwd12M_R3M 排名也相对靠前（例如，分析师大幅上调盈利预期），这说明分析师认为公司当前的盈利惊喜可能只是未来业绩持续向好的一个开始，对企业接下来的发展是比较乐观的。此时基本面与情绪面就形成了良好的共振，或者也可以称之为双击！根据以上的分析，我们将构建以盈利惊喜基本面和分析师预期情绪面为两个核心维度的盈利惊喜双击策略，其策略组合构建的具体步骤如下：在全体 A 股中，剔除掉风险警示股票以及上市未满 180

45、 天的新股；选择盈利惊喜因子值排名最高的 100 只股票；在上一步的基础上选择EPS_Fwd12M_R3M 因子最大的 25 只股票，形成最终的等权组合。因子年化收益率年化波动率信息比最大回撤率ALSUE030.23%12.31%2.469.86%ALSUE132.01%11.97%2.678.25%TSSUE25.36%11.45%2.217.15%图表 25、盈利惊喜双击策略相对表现资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 25 给出了盈利惊喜双击策略的相对收益表现统计。可以看到， EPS_Fwd12M_R3M 因子的加入，大幅提升了原始盈利惊喜策略的表现，其中基于分析师

46、一致预期的两个策略的年化超额收益都在 30以上，信息比也超过了 2.4！为了进一步说明加入 EPS_Fwd12M_R3M 因子的重要意义，我们将以 ALSUE0作为盈利惊喜因子的代表，并尝试比较以下四个策略的表现：选择 ALSUE0 因子值最大的 25 只股票等权构建组合策略一；选择EPS_Fwd12M_R3M 因子值最大的 25 只股票等权构建组合策略二；在 ALSUE0 因子最大的 100 只股票中选择EPS_Fwd12M_R3M 因子值最大的 25 只股票等权构建组合策略三（也即是本文定义的盈利惊喜双击策略）；在 ALSUE0 因子最大的 100 只股票中选择EPS_Fwd12M_R3M

47、 因子值最小的 25 只股票等权构建组合策略四；以上四个策略的相对表现如下图表 26-27 所示。从统计数据和累计超额收益走势来看，EPS_Fwd12M_R3M 因子对盈利惊喜股票的二次筛选能力得到了充分的证明。图表 26、四个策略相对表现比较统计数据因子年化收益率年化波动率信息比最大回撤率策略114.90%11.79%1.2612.54%策略29.23%12.28%0.7515.55%策略330.23%12.31%2.469.86%策略49.17%10.90%0.8417.71%资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 27、四个策略相对表现比较累计超额收益走势资料来源：W

48、ind，聚源，兴业证券经济与金融研究院整理考虑到基于分析师预期的 ALSUE0、ALSUE1 因子所构建的盈利惊喜双击策略效果更加显著，因此我们后续的细节修正和表现提升也将主要针对这类策略展开。、策略细节修正与最终表现我们首先对上一节中构建的盈利惊喜双击策略（以 ALSUE0 为例，后面均保持一致，由 ALSUE1 所构建的策略的相关情况请参见附录）的历史持仓的市值和行业分布情况进行了统计。图表 28、盈利惊喜双击策略（ALSUE0）历史持仓市值分位数资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 29、盈利惊喜双击策略（ALSUE0）历史持仓第一的行业占比资料来源：Wind，聚源

49、，兴业证券经济与金融研究院整理从上述分析中我们不难发现：第一，盈利惊喜双击策略历史持仓的市值分布还是较为合理的，持仓市值中位数与平均值大多数时候都在 60分位数以上，但最小的股票仍可能处于 20甚至 10分位点以下，这可能会对策略的容量和可复制性造成不利影响。第二，就行业来讲，历史上持仓最多的行业有 6 次占比超过 30，对单一行业而言这一占比过高。因此我们考虑对策略的实现细节作出一些修正：除了剔除掉风险警示股票以及上市未满 180 天的新股外，还会剔除全市场市值最小的 20%的股票，以避免小市值股票对策略可能的不利影响；对盈利惊喜因子进行行业中性化处理（横截面哑变量回归方式）；由于部分月份盈

50、利公告数量极少，盈利惊喜因子不进行更新，此时没有必要进行月度调仓，因为我们固定选择 1、2、3、4、7、8、10 七个月份进行调仓。经过以上的修正和调整，我们构建的盈利惊喜双击策略的详细表现如图表 30-31 所示。从统计数据不难发现，修正后的盈利惊喜双击策略表现十分优秀。策略年化收益率达到了 35.98，自 2010 年以来的 11 年里（截至 2020 年 8 月底），该策略只在 2011 年获得了负收益，其余年份均保持了正向的绝对收益，且每年都能有效战胜中证全指！图表 30、修正后盈利惊喜双击策略（ALSUE0）净值走势资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 31、修

51、正后盈利惊喜双击策略（ALSUE0）分年表现年份绝对收益基准收益相对收益信息比跟踪误差年换手率（双边）相对最大回撤最大回撤天数月度胜率201060.26%4.21%55.65%5.4310.25%10.63-4.15%591%2011-21.20%-28.01%9.63%1.069.06%10.36-8.17%6650%201234.33%4.58%27.10%2.819.65%10.54-4.91%2867%201360.86%5.21%53.07%3.4615.34%10.18-5.47%1083%201450.51%45.82%3.57%0.3310.96%10.57-11.20%111

52、58%201583.31%32.56%42.70%2.0720.62%9.31-26.05%2483%20161.79%-14.41%17.39%1.4611.89%9.74-6.93%1467%201730.90%2.34%28.30%3.009.43%10.98-4.97%3483%20180.95%-29.94%42.80%3.9710.78%10.67-3.97%2583%201959.68%31.11%21.92%2.1110.41%10.22-6.16%2783%2020083160.43%22.78%36.47%3.3310.96%9.35-8.88%2488%全部年份35.98

53、%4.39%31.06%2.4312.76%10.24-26.05%2476%资料来源：Wind，聚源，兴业证券经济与金融研究院整理进一步地，我们在平均股票仓位为 90的假设下，将盈利惊喜双击策略的表现与普通偏股型基金和偏股混合型基金进行比较，并计算每年策略表现的相对排名。从图表 32 所展示的结果来看，我们开发的策略每年都可以基金业绩排名的前1/3；与主流宽基指数沪深 300 和中证 500 的年度表现相比，除 2014 年稍弱于沪深 300 之外，策略在其余各年份均相对大幅跑赢沪深 300 与中证 500。图表 32、修正后盈利惊喜双击策略（ALSUE0）在基金中的相对表现年份绝对收益90

54、仓位收益基金数量基金排名排名百分比沪深300中证500201060.26%54.24%28610.35%-2.44%13.84%2011-21.20%-19.08%3336519.52%-25.01%-33.83%201234.33%30.90%38520.52%7.55%0.28%201360.86%54.78%42792.11%-7.65%16.89%201450.51%45.46%4494910.91%51.66%39.01%201583.31%74.98%5045611.11%5.58%43.12%20161.79%1.61%618589.39%-11.28%-17.78%201730

55、.90%27.81%67913620.03%21.78%-0.20%20180.95%0.86%78940.51%-25.31%-33.32%201959.68%53.71%93428930.94%36.07%26.38%2020083160.43%54.39%115931727.35%17.57%26.59%资料来源：Wind，聚源，兴业证券经济与金融研究院整理另外，在经过细节调整之后，盈利惊喜双击策略的市值与行业分布情况也有进一步地改善：持仓股票市值落在 20分位数以下的概率大大降低，同时也没有再出现单一行业权重占比超过 30的情况。图表 33、修正后盈利惊喜双击策略（ALSUE0）历史持

56、仓市值分位数资料来源：Wind，聚源，兴业证券经济与金融研究院整理图表 34、修正后盈利惊喜双击策略（ALSUE0）历史持仓第一的行业占比资料来源：Wind，聚源，兴业证券经济与金融研究院整理、策略的绩效归因分析下面我们对上述构建的盈利惊喜双击策略进行绩效归因。需要特别注意的是，下面在需要用到比较基准的时候，我们统一使用中证 500 指数。Barra 业绩归因分析我们将策略的累计超额收益进行 Barra 大类风格分解。下面的结果表明，绝大多数超额收益来自于残差项，即大类风格之外的阿尔法收益。大类风格中，归因到动量因子的收益最多，归因到市值因子的收益很少，归因到流动性因子上的收益甚至为负，这说明

57、策略超额收益并非来自小市值效应或流动性溢价，实用性较强。图表 35、修正后盈利惊喜双击策略（ALSUE0）Barra 风格归因资料来源：Wind，聚源，兴业证券经济与金融研究院整理Brinson 业绩归因分析我们也通过 Brinson 模型对策略的超额收益进行了分解，由于策略是假设满仓运作（除少数无法成交的情况），因此超额收益可以分解为行业配置收益与选股收益。从下面的图表可以看到，无论是近两年还是整个样本期内，我们开发的盈利惊喜双击策略超额收益的主要来源均为选股。图表 36、2019 年以来的 Brinson 模型月度收益分解（ALSUE0）资料来源：Wind，聚源，兴业证券经济与金融研究院整

58、理图表 37、Brinson 绩效归因-12 个月移动平均（ALSUE0）资料来源：Wind，聚源，兴业证券经济与金融研究院整理4、总结盈利惊喜以及盈利惊喜后的价格漂移现象（PEAD）在学术界和业绩已有较为广泛的研究。本文旨在对盈利惊喜进行全面的解析。在第一部分中，我们将目前度量盈利惊喜的主流因子归为三类：基于市场反应的 EAR3 因子、基于分析师预期的 ALSUE 因子、基于时间序列的 TSSUE 因子。针对分析师预测口径为年度的问题，我们提出了简单分解和依靠历史比例分解两种解决方案。最终构造了 EAR3、ALSUE0、ALSUE1、TSSUE 四个盈利惊喜因子，可以作为盈利惊喜因子的代表。

59、随后，我们对盈利惊喜进行月末因子化填充、并进行了事件类与 IC 测试。结果表明，基于分析师预期与时间序列的盈利惊喜因子的因子与事件都表现较好，而基于市场反应的 EAR3 因子表现一般。第二部分中，我们从 PEAD 的来源投资者关注度出发，提出了三种对于盈利惊喜进行改进的方案：发布时长调整、节假日效应调整、同日公告数量调整。实证结果表明其中发布时长调整可以有效地提升盈利惊喜因子的多头表现。第三部分中，我们尝试以盈利惊喜为基础、构建持股较为集中的策略。我们将盈利惊喜因子与分析师情绪因子进行结合，二者分别代表了基本面与情绪面的盈利惊喜双击，最终选出了发生盈利惊喜、并且受到分析师认可的盈利惊喜组合。最

60、后，我们对策略的市值、行业、调仓条件等进行了细节的处理与修正，最终以 ALSUE0 为基础的盈利惊喜策略实现了年化 35.98的绝对收益，表现优异。如果将其作为基金，其近十年均可进入到普通股票型与偏股混合型基金的前 1/3。参考文献【1】Brandt M W, Kishore R, Santa-Clara P, et al. Earnings announcements are full of surprisesJ. SSRN eLibrary, 2008.【2】Liu W, Strong N, Xu X. Postearningsannouncement Drift in the UKJ.