可能超预期信息类型及分布 [page::3]

• 八种超预期类别中，文本标题超预期占29%，文本摘要超预期25%，分析师调升22%，占据绝大部分。

- 该数据基于自2019年以来的65242条超预期记录统计。

超预期事件时间分布及相关统计 [page::4][page::5][page::6]

• 超预期事件随上市公司数量增长持续增加，明显集中在财报披露集中月份如1、3、4、7、8、10月。

- 事件后不同期限的平均收益率表明业绩预告超预期（年报）、分析师调升、核心研究员调升及文本标题超预期事件均带来较高正收益。
| 类型 | 1天收益率 | 5天收益率 | 10天收益率 | 21天收益率 | 63天收益率 |
|------------|-------------|----------|------------|------------|------------|
| 业绩预告超预期(年报) | 0.93% | 1.24% | 1.93% | 2.91% | 8.41% |
| 核心研究员调升 | 0.50% | 1.41% | 1.72% | 2.22% | 8.88% |
| 分析师调升 | 0.48% | 1.45% | 1.86% | 2.10% | 7.23% |
| 文本标题超预期 | 0.64% | 1.42% | 1.76% | 1.68% | 7.54% |

事件驱动策略设计与回测参数 [page::7]

• 采用事件驱动的不定期调仓策略，重点管理仓位以保证稳定区间。

- 回测参数：2014-01-30至2021-06-30，标的为全A，中证全指为基准，手续费双边0.2%，最大持仓单只股票2%，最多持有50只，持有时间上限1季度，最低调仓阈值1周。

• 买入时点为事件发生后次日，确保无未来函数。

分析师调升策略回测结果及表现 [page::8][page::9][page::10]

• 回测期内年化复合增长率23.33%，超额收益12.34%，最大回撤43.52%，夏普比率1.07，信息比率1.44。

- 策略仓位稳定接近满仓，大部分年份实现正超额收益，第一年因建仓导致超额为负。
| 年度 | 策略收益 | 基准收益 | 超额收益 |
|------|----------|----------|----------|
| 2014 | 38.19% | 47.68% | -9.49% |
| 2015 | 44.63% | 32.56% | 12.07% |
| 2016 | 1.57% | -14.41% | 12.84% |
| 2017 | 17.81% | 2.34% | 15.47% |
| 2018 | 22.16% | -29.94% | 7.78% |
| 2019 | 56.57% | 31.11% | 25.47% |
| 2020 | 39.84% | 24.92% | 14.91% |
| 2021 | 13.67% | 3.78% | 9.89% |
| 总区间 | 449.01% | 204.22% | 244.80% |

文本标题超预期策略回测结果及表现 [page::10][page::11][page::12]

• 回测期间年化复合增长率23.45%，超额收益12.45%，最大回撤42.45%，夏普比率1.07，信息比率1.36。

- 策略仓位波动较分析师调升略大，换手率和绝对收益更高，但信息比率略有下降。
| 年度 | 策略收益 | 基准收益 | 超额收益 |
|------|----------|----------|----------|
| 2014 | 21.11% | 47.68% | -26.57% |
| 2015 | 72.37% | 32.56% | 39.81% |
| 2016 | 0.14% | -14.41% | 14.54% |
| 2017 | 19.84% | 2.34% | 17.51% |
| 2018 | 16.13% | -29.94% | 13.80% |
| 2019 | 47.87% | 31.11% | 16.77% |
| 2020 | 36.74% | 24.92% | 11.82% |
| 2021 | 6.41% | 3.78% | 2.63% |
| 总区间 | 452.11% | 204.22% | 247.89% |

报告总结 [page::12]

• 研究员报告中反映的超预期信号作为事件驱动因子能有效捕捉PEAD现象。

- 两类策略均取得稳定且显著的超额收益，验证了基于分析师视角的事件驱动策略的有效性和实用性。

基于超预期的事件驱动策略——“逐鹿”Alpha专题报告（七）详尽分析报告

---

一、元数据与概览

报告标题：基于超预期的事件驱动策略——“逐鹿”Alpha专题报告（七）
作者及联系方式：分析师陶勤英（SAC证书编号：S0160517100002，邮箱：taoqy@ctsec.com，电话：021-68592393）与联系人王超（邮箱：wangc@ctsec.com，电话：18221845405）
发布机构：财通证券股份有限公司
发布日期：2021年7月22日
研究主题：基于分析师调升和文本标题超预期构建的事件驱动策略，分析盈余公告后的价格漂移（PEAD）及其收益表现。

报告核心论点及评级：
报告围绕盈余公告后的价格漂移（PEAD）现象，重点从研究员报告视角出发，利用朝阳永续数据中的八种超预期信号构建事件驱动策略。实证结果显示，基于分析师调升和文本标题超预期两类因子的策略均取得年化收益率超过23%的超额收益，风险调整表现稳健，具有较高的投资价值。整体策略风险收益表现良好，报告作者明显倾向于推荐基于此类事件驱动因子的投资方法，但未明示具体买卖评级，仅强调模型回测成果及风险提示。
[page::0,1,2]

---

二、逐节深度解读

1. 概述（第2页）

报告首先回顾了PEAD现象的定义和研究背景。PEAD由Ball and Brown (1968)提出，指盈余公告高于预期时股票价格表现出持续正向漂移，低于预期时亦表现为负漂移。该现象在各市场已被广泛验证。分析中，PEAD因子主要来源于两方面：财务数据（标准化的预期外盈余，如SUE及基于分析师预测的SUEAF）和市场反应（包括JUMP和EAR，即公告后的跳空和异常收益）。该研究创新点在于聚焦分析师报告中的超预期信息，认为研究员的专业视角和及时评论能提高超额收益的捕捉能力。
[page::2]

2. 超预期数据（第2-7页）

2.1 数据简介及超预期类型分布

利用朝阳永续业绩超预期数据库，定义八种可能的超预期提示信息，包括核心研究员调升、分析师调升、业绩预告超预期（年报与季报）、文本标题超预期、文本摘要超预期及同比增速超预期等。样本期间涵盖自2019年8月以来共65242条相关记录。图1清晰展示了八类超预期的占比结构：

• 文本标题超预期占比最高（29%）

- 文本摘要超预期（25%）

• 分析师调升（22%）

- 其他事件占比较小

例如，文本标题超预期主要依据研究员报告标题中含“超预期”关键词判定；文本摘要超预期则是基于报告摘要的词频提取；分析师调升基于盈利预测是否上调判断。相关示例如图2、图3所示，具体体现了如何判别文本内的超预期关键信息。
[page::3,4]

2.2 时间分布与事件数量

超预期事件随着市场的发展逐年增加，尤其自2010年起月度事件数从不足500攀升至当前每月1000次左右（图4）。月度分布（图6）显示，事件集中在上市公司财报披露的关键月份（1、3、4、7、8、10月），符合市场信息披露规律。文本标题超预期事件自2013年中开始出现，2017年后逐步增多，达到月均400次（图7）。分析师及核心研究员调升事件自2010年起有显著波动，初期较高，2014-2015年有所回落，随后逐渐回升（图8）。
此部分强调事件与财报发布时间的高度相关性，也体现数据源覆盖面广，时间跨度合适。
[page::5,6]

2.3 超预期事件后的收益表现

表1汇总了八类超预期事件发生后的平均累计收益率，覆盖1、5、10、21及63日。可以看出：

• 业绩预告超预期（年报）事件的长期收益最高（63日累计8.41%），但数量较少（约1%占比），故不作重点分析。

- 核心研究员调升、分析师调升及文本标题超预期事件均表现出统一且较强的超额收益，63日收益分别约为8.88%、7.23%和7.54%。

• 文本摘要超预期虽然占比较大，但收益略低于上述三种。

报告最终将侧重点放在分析师调升（合并核心研究员调升事件）和文本标题超预期两类事件构建策略，因其代表性强且数据样本充足。
[page::6]

3. 超预期策略（第7页）

报告区分了定期（定期调仓）与事件驱动型（不定期调仓）两大策略。本文专注事件驱动策略，优势是能快速捕捉事件信息，缺点是仓位管理复杂。为解决仓位动态调整问题，设计了两阶段持仓管理机制：

• 持仓时间上限\( T_1 \)（一个季度），超过即卖出

- 若仓位达到目标，则通过剔除收益表现最差标的来腾出空间纳入新事件股票

策略回测参数详尽，包括回测时间（2014/01/30-2021/06/30）、标的池（全A股）、基准（中证全指）、手续费（双边0.2%）、撮合规则及策略参数（单只股票2%仓位上限，最多持有50只，T1=季度，T2=一周）。
两类策略均于事件发生后第二个交易日买入，避免未来函数问题。
[page::7]

3.1 分析师调升策略回测（第8-9页）

策略表现优异：

• 绝对收益：累计净值曲线稳步上升，明显跑赢基准指数（图9）

- 超额收益平稳增长，表现出了持续Alpha（超额收益曲线）

• 最大回撤43.52%，较大市场下跌斜率尚可接受（面积图）

仓位控制表现稳定，基本保持满仓状态（图10）。
回测统计（表2）显示年复合增长率23.33%，Alpha超额收益达12.34%，夏普比率1.07，信息率（IR）1.44，换手率0.22，表现稳健。
年度收益（表3）除2014年策略尚未满仓导致超额收益负增长外，其他年份均有显著正超额收益，最高超额达到25%以上，全年累计超额244.8%。
[page::8,9,10]

3.2 文本标题超预期策略回测（第10-11页）

策略总体表现与分析师调升策略相近：

• 净值与超额收益曲线表现稳健，且累计净值略高于前者（图11）。

- 最大回撤42.45%，展现出相似风险特征。

• 仓位波动稍大，可能因事件分布和策略调仓逻辑差异（图12）。

统计指标（表4）表现同样强劲，年复合增长率23.45%，Alpha12.45%，夏普1.07，IR 1.36，换手率0.20，略低于分析师调升策略的稳定性。
年度收益（表5）同样反映出2014年建仓期负超额收益，之后均保持两位数超额收益，2015年超额达近40%，累计超额247.89%。
[page::10,11]

4. 总结（第12页）

报告总结指出，通过分析师调升和文本标题超预期两类事件驱动因子构建的交易策略，能够稳健获取超额收益。两者均表现出23%左右年化收益率，超过市场基准12%以上的Alpha，说明研究员发布的超预期信息具有显著行情预测价值。这充分说明PEAD现象从报告信息角度的体现及可投资性，为实务中基于非财务维度的量化投资提供了理论支撑。
[page::12]

---

三、图表深度解读

图1：可能超预期类型分布（第3页）

• 描述：该饼图展示了八类超预期事件的结构比例，文本标题超预期最高占29%，文本摘要25%，分析师调升22%。

- 解读：说明基于文本分析的两类事件占据近55%的比重，表现出文本信息在超预期剖析中的主导地位。核心研究员调升只占5%，其他同比增速类事件比例偏低，表明本研究重点以文本及专家调升为主。

• 联系文本：支持后续将关注点放在文本标题超预期和分析师调升两类事件。

[page::3]

图2 & 图3：文本标题与文本摘要超预期示例（第3-4页）

• 描述：图2展示了实际研究员报告标题中含“超预期”的典型案例；图3展示了摘要部分超预期关键字提取的实例。

- 解读：这些示例直观地说明了文本超预期信息的提取原理，通过关键词过滤形成事件信号。

• 联系文本：强化本文通过自然语言处理抓取超预期信号的技术可行性与实证基础。

[page::3,4]

图4-8：事件时间序列分布（第4-6页）

• 描述：分别显示超预期事件数量随时间变化（图4、图5、图7、图8），及其月度分布（图6）。

- 解读：整体呈上升趋势，最大化利用数据优势。事件集中在财报发布月份，文本标题超预期事件自2013起显著增加，分析师调升事件活跃度在2010-11年和2016年后波动，显示市场和分析师行为变化。

• 联系文本：为分析师调升与文本标题事件驱动策略提供充分的样本支持。

[page::4,5,6]

表1：超预期事件后N天平均收益率（第6页）

• 描述：呈现各类超预期事件在1、5、10、21和63日后的平均收益。

- 解读：核研究员调升与分析师调升事件展现较高且持续的正收益，文本标题超预期同样表现稳健。这些数据为后续构造实证策略理论支持。

• 联系文本：依据此表，报告聚焦分析师调升及文本标题超预期因子。

[page::6]

图9-12：策略回测结果及仓位（第8-11页）

• 描述：图9、图11为两类策略的净值曲线、超额收益和回撤，图10、图12为对应仓位波动曲线。

- 解读：两个策略均显示稳定的超额收益和可控的风险敞口，仓位基本保持满仓但事件驱动特征导致时有波动。超额收益曲线线性上升，表明Alpha持续稳定来源。

• 联系文本：图形支持策略实现回测年化收益超23%，最大回撤均低于44%，整体风控优良。

[page::8,9,10,11]

表2-5：策略回测结果及年度收益（第9-11页）

• 描述：详细数字指标，包括年复合增长率(CAGR)、最大回撤(MDD)、超额收益(Alpha)、夏普比率(Sharp)、信息率(IR)及换手率(TurnOver)；年度收益详细对照基准。

- 解读：两策略均年化超23%，夏普约1.07，Alpha均超12%，信息率在1.36至1.44之间，表现优秀。第一年建仓期间出现负超额收益，之后稳步增长。文本标题策略换手略低但收益略高，说明信息利用效率优良。

• 联系文本：支持事件驱动策略长期稳定盈利的结论。

[page::9,10,11]

---

四、估值分析

报告中未体现传统估值方法（DCF、市盈率、市净率等）的分析内容，关注点集中于策略回测及事件驱动因子的收益表现和风险控制。
无估值方法及目标价，因此无估值敏感性讨论。
[page::全篇]

---

五、风险因素评估

报告主要风险提示集中于模型自身局限和历史数据基础：

• 所有模型结果基于历史数据，未来无法保证有效性。

- 事件驱动策略对仓位管理要求高，不确定性风险较大。

• 涉及市场停牌、涨跌停、成交限制等实际交易摩擦影响。

尽管报告对模型参数和回测机制做了详尽描述以尽量降低这些风险，但未深入展开具体缓解策略，如风险对冲或多策略组合等。
[page::0,7]

---

六、批判性视角与细微差别

• 数据覆盖与样本偏差：分析师调升和文本标题事件数据自2013年或更早开始，早期样本较少可能存在数据稀疏性偏差，且成长期内样本事件数及市场环境剧变可能影响策略迁移性。

- 事件界定及未来函数风险：虽强调次日交易规避未来函数，却未详细说明信息披露及成交效率造成的潜在延迟，可能影响策略收益真实性。

• 仓位管理复杂性：事件驱动策略对仓位波动敏感，实际操作中机构投资者执行复杂，交易费用及滑点未完全量化。

- 风险管理不足：最大回撤逾40%，在熊市或极端波动中策略承压较大，报告未重点揭示极端风险情景下策略表现。

• 策略重复性：所选事件均围绕研究员调升与文本正面关键词，可能存在信息源重复导致收益来源高度重叠，缺少多因子分散。

总体报告立足良好，但未来应用需关注模型稳健性及市场环境适应性。
[page::1,7,9]

---

七、结论性综合

本次“逐鹿”Alpha专题报告（七）全面分析了基于盈余公告后超预期信息的事件驱动策略，着重挖掘和量化分析师调升与文本标题超预期两大因子的投资价值。通过专业的朝阳永续数据平台，报告细致区分了八类超预期事件，对其时间分布、市场活跃度及收益表现进行了系统统计。

两类策略均采用事件驱动的非定期调仓方法，结合严密的仓位管理机制与交易限制，回测时间跨越2014年至2021年中，均取得年化超过23%的收益，显著超出中证全指基准12%以上Alpha，且夏普与信息率表现均达较优水平，风险控制纵向有一定成效，最大回撤控制在40%左右。

图表数据清晰展现策略净值持续上扬、超额收益稳步累积的正向趋势，仓位管理稳定满仓但因事件波动存在适度波动，年化收益及年度超额收益均表现持续正向。不同于传统基于财务因子的PEAD分解，此报告创新性地从专业研究员的调研报告文本信息出发，提升了超预期事件的捕捉角度和收益表现。

风险提示中强调，收益均基于历史数据，市场未来变动不确定，模型有效性不可保证，且事件驱动模型对实际操作交易条件要求较高。报告基于模型与文本识别的表象，未深度覆盖极端市场条件下的应对策略，需要投资者进一步关注仓位灵活调整和风险控制手段。

综上，报告准确捕捉了PEAD现象在中国市场的一个有效解读和应用路径，基于分析师及研究员文本超预期信号构建的事件驱动策略，展示了良好的风险调整超额收益潜力，为量化投资产品和主动股权管理提供了重要思路。该策略适用于对信息敏感度高、具备较强交易执行能力的中长线投资者。
[page::0-12]

---

免责声明

报告中所有观点仅代表作者本人，数据均取自正规渠道，投资建议不构成具体买卖指令，投资者应慎重决策，且本策略适用性及风险需自我判断。具体法律及合规声明详见报告末页。
[page::13]

---

总结

该报告利用细致的文本挖掘与事件驱动回测，设计两大超预期策略，系统验证其稳定的超额收益。通过多维数据和严谨回测方法，使传统财务异常现象PEAD在中国市场得以创新应用，展现明显的应用价值与研究深度，具有较强的市场参考与投资实践意义。

报告