盈余公告后的价格漂移现象（PEAD）显著 [page::4]

• PEAD最早由Ball and Brown(1968)发现，指公告实际盈利与预期盈利差异导致股价在公告后持续向预期差方向漂移。

- 以长春高新2017年半年报为例，公告后3个月累计涨幅29.52%，大幅跑赢同期中证全指3.74%的涨幅。

预期外盈利的度量方法及事件研究法验证 [page::6][page::8][page::9]

• 预期外盈利度量主要通过基本面变化（SUE）和市场反应（EAR、JUMP）两大类指标。

- 事件研究显示，三类财报中正式财报对应的SUE对未来超额收益的预测效果最显著，业绩快报效应较弱。

• 盈余公告后60个交易日内，超额收益向未预期盈利方向漂移明显。

SUE因子全市场因子化表现突出及分组测试 [page::10]

• 全市场月度RankIC均值5.09%，ICIR 1.18，分组单调性极佳。

- 多空组合年化收益达到23.99%，信息比率3.24，展现优越的选股能力。

SUE因子与市值因子的负相关及不同市值样本池表现 [page::11][page::12]

| 样本池 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
|-------------|---------|----------|-------|--------------|--------------|--------------|
| 沪深300内 | 5.65% | 7.99% | 0.71 | 21.30% | 10.84% | 1.97 |
| 中证500内 | 5.29% | 6.78% | 0.78 | 20.58% | 10.20% | 2.02 |
| 中证1000内 | 5.62% | 5.58% | 1.01 | 30.46% | 9.18% | 3.32 |

• SUE因子和市值负相关，小市值（中证1000）样本池中表现最优，ICIR最高达1.01。

EAR因子选股效能及与SUE因子的互补信息量 [page::12][page::13]

| 因子 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
|--------|---------|----------|-------|--------------|--------------|--------------|
| EAR因子 | 4.29% | 6.65% | 0.65 | 19.62% | 9.40% | 2.09 |
| SUE因子 | 5.62% | 5.58% | 1.01 | 30.46% | 9.18% | 3.32 |

• SUE与EAR因子之间存在独立信息，两因子的交叉分组检验展现良好单调性。

- 同时做多SUE和EAR最高组，做空两者最低组，月度多空收益可达2.6%。

基于盈利弹性系数ERE指标的扩展研究 [page::14][page::15]

• ERE定义为EAR与SUE比值，用以衡量盈利变动引起异常收益的敏感度。

- 回测数据显示ERE因子在分组和IC表现上无明显选股能力，表明ERE未必适用当前A股市场。

估值因子（EarningsYield，Ey）与SUE组合的协同效应 [page::15][page::16][page::17]

| 股票池 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
|-----------|---------|----------|-------|--------------|--------------|--------------|
| 沪深300内 | 3.64% | 13.96% | 0.26 | 8.72% | 11.68% | 0.75 |
| 中证500内 | 4.90% | 9.70% | 0.51 | 15.01% | 11.07% | 1.36 |
| 中证1000内| 4.34% | 8.10% | 0.53 | 12.50% | 11.57% | 1.08 |

• SUE和Ey交叉分组检验显示双因子均表现良好，做多两因子最高组，做空最低组，月度超额收益接近2.48%。

- 构造复合因子SUEEy（两因子标准化加权平均），进一步提升选股效能。

SUEEy复合因子回测表现及优选组合示例 [page::18][page::19]

| 股票池 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
|-----------|---------|----------|-------|--------------|--------------|--------------|
| 沪深300内 | 6.74% | 12.01% | 0.56 | 23.16% | 13.01% | 1.78 |
| 中证500内 | 7.85% | 8.75% | 0.90 | 27.23% | 12.19% | 2.23 |
| 中证1000内| 8.61% | 8.09% | 1.06 | 32.94% | 11.18% | 2.95 |

| 股票池 | 年化超额收益 | 年化超额波动 | 超额信息比率 | 超额最大回撤 | 超额月度胜率 |
|-----------|--------------|--------------|--------------|--------------|--------------|
| 沪深300 | 8.84% | 6.87% | 1.29 | -12.92% | 70.07% |
| 中证500 | 13.66% | 8.02% | 1.70 | -7.24% | 70.80% |
| 中证1000 | 21.96% | 9.13% | 2.41 | -5.50% | 74.03% |

• 复合因子策略在沪深300、中证500、中证1000均实现显著正超额收益，风险调整表现稳健。

- 中证1000池表现尤为突出，回测期间年化信息比率达到2.41。

不同板块下SUE因子选股效果差异显著 [page::20][page::21]

| 板块 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
|--------|---------|----------|-------|--------------|--------------|--------------|
| 金融 | 2.92% | 8.68% | 0.34 | 6.12% | 9.63% | 0.64 |
| 周期 | 5.48% | 5.29% | 1.04 | 21.90% | 8.73% | 2.51 |
| 消费 | 4.99% | 5.46% | 0.91 | 24.66% | 9.74% | 2.53 |
| 成长 | 5.76% | 6.75% | 0.85 | 26.44% | 7.94% | 3.33 |

• SUE因子在金融板块表现明显弱于其他板块，选股能力较弱。

- 周期、消费、成长板块表现均较强，年化多空收益均在20%以上。

西部证券《业绩超预期下的优选组合——量化组合研究》报告详尽分析

---

一、元数据与报告概览

• 报告标题：业绩超预期下的优选组合——量化组合研究

- 发布机构：西部证券研究发展中心

• 发布日期：2021年6月16日

- 研究团队：分析师杨俊文、王红兵

• 研究主题：基于盈余公告后的价格漂移（PEAD）现象，构建量化选股因子，探索其选股能力及在不同市场层面、行业板块的表现，结合其他估值及市场反应因子，提出综合成长估值复合因子，优化投资组合选择。

核心论点与报告主旨

报告围绕PEAD效应，重点研究了预期外盈利（特别是以标准化预期外盈利SUE度量）的影响及其因子化的选股效果。核心结论包括：

• 盈余公告后的预期外盈利事件效应显著，股价在公告后60交易日沿预期方向有持续漂移。

- 标准化未预期盈利（SUE）因子表现优异，在不同股票池（尤其是小市值样本池）均有稳定的选股能力。

• SUE因子与其他因子（市值、EAR的市场反应因子、PE估值因子）相互关联但提供不同信息，复合因子SUEEy选股效果更优。

- 不同行业板块对SUE因子的敏感度差异明显，金融板块表现弱于周期、消费及成长板块。

• 报告强调风险提示，强调历史表现并非未来收益保证。

总体上，报告系统性地构建了PEAD相关选股因子体系，明确展示了量化选股因子的实证有效性，并提出了更为综合的成长价值复合指标，为投资者在A股市场提供量化选股参考。[page::0,4,21]

---

二、逐节深度解读

1. 盈余公告后的价格漂移现象（PEAD）

• 定义：PEAD最早由Ball and Brown（1968）发现，指股票业绩公告发布后，其价格会沿着预期盈利的“预期差”方向持续漂移，不会被市场迅速消化。

- 案例说明：以长春高新2017年半年报为例，公告后股价翌日跳空高开8.91%，随后3个月累计涨幅29.52%，远超同期中证全指3.74%的涨幅，体现了显著的PEAD效应（图1）。

• 机制解释：基于市场信息处理能力差异，聪明投资者会较快反应未预期盈利信息，而普通投资者的反应滞后，导致股价漂移现象持续存在。

- 文献支持：PEAD效应在全球各国市场长期存在，非数据结构性噪音，具有稳固的学术与实务基础。[page::4]

2. 预期外盈利的度量方法

报告划分为两大类：

• 基本面变化度量：盈余公告中的实际盈利减去公告前预期盈利，其中SUE（Standardized Unexpected Earnings）为广泛采用的指标。SUE定义为未预期盈利的标准化表现，能体现盈利增长。

$$ SUE = \frac{Et - E(Et)}{\sigma(Et - E(Et))} $$

同时提出营业收入的标准化预期外收入SUR指标：

$$ SUR = \frac{Rt - E(Rt)}{\sigma(Rt - E(Rt))} $$

预期盈利 $E(Et)$ 的估计方法分两类：

- 时间序列模型（带漂移的随机游走），基于历史同期盈利及漂移项。
- 分析师预测数据，结合多维调研，但因分析师覆盖度有限（图2），故应用受限。

• 市场反应度量：利用公告日前后一段时间内的市场价格波动反向推导未预期盈利，主要指标：

- EAR（Earnings Announcement Return）：公告日前后3日累计异常收益，相对于市场基准。
- JUMP指标：公告后第二日开盘价相较公告日收盘价的跳空幅度。

报告指出，基于基本面的SUE因子通常优于基于市场反应的EAR因子，且分析师覆盖度问题是选择因子的现实考量。[page::5-7]

3. 标准化预期外盈利因子分析

3.1 事件研究法检验SUE的市场反应

• 研究了不同财报类型（业绩预告、业绩快报、正式财报）对应的SUE预期外盈利事件对股价超额收益的影响。

- 发现未预期盈利事件效应显著，公告后60个交易日内股价沿预期方向产生漂移。

• 业绩快报事件效应较弱，正式财报事件效应最强，且平均数统计下漂移周期更长（图5~10）。

3.2 因子化研究与多维组合分析

• 以每月末最新财报为基准，计算股票SUE值并行业、市值中性化处理。

- 回测2009年底至2021年中，全市场SUE因子月度RankIC均值约5.09%，信息比率(ICIR)高达1.18，表现稳定优秀（图11~13）。

• SUE因子分布在沪深300（大市值）、中证500（中市值）、中证1000（小市值）不同股票池，展现出与市值负相关特征，选股能力在小市值池中最优，ICIR达到1.01，多空信息比率3.32（表1，图14~19）。

- EAR因子的选股能力较弱（IC均值4.29%，ICIR 0.65），但在中证1000有一定稳定效果（表2，图20~21）。

• SUE与EAR因子交叉分组检验结果显示，两者互相验证且组合体现了更好的涨跌单调性，组合区间超额收益明显（表3，图22）。

- 引入盈利弹性系数ERE = |EAR/SUE|，分组构建EREUp（两因子同正）和EREDown（两因子同负）样本池，单独ERE因子反选股效果不明显，但两因子同向情况带来显著超额收益（图23~27）。

3.3 估值因子结合及复合因子构建

• 选择PE代表因子——EarningsYield（Ey），检验其独立选股能力（表4，图28~33），低估值对应高超额收益。

- SUE和Ey因子交叉分组检验表明两因子在股票池内均保持良好单调性，组合超额月均收益达2.48%（表5，图34）。

• 提出SUEEy复合因子，用标准化SUE和Ey等权合成，行业和市值中性化处理。回测显示复合因子选股能力优于单因子，信息比率提升明显（表6）。

- 构建基于复合因子选出的50只股票组合（SUEEy 50组合），在沪深300、中证500、中证1000不同池中均表现出稳定且显著的超额收益，其中中证1000组合年化超额达22%（表7，图35~37）。

3.4 不同板块中SUE因子表现差异

• 按中信一级行业划分为金融、周期、消费、成长四大板块（表8）。

- SUE因子在金融板块表现最弱，仅IC均值2.92%，多空年化收益6.12%。

• 周期、消费、成长板块表现相近，IC均值均在5%左右，多空年化收益均超20%（表9，图38~41）。

综合来看，成长性未预期盈利信号在传统金融板块影响有限，在成长及消费周期板块表现较好。[page::8-21]

---

三、图表深度解读

典型图表说明与解读

1. 图1：长春高新盈余公告后价格漂移

- 显示2017年8月17日公告后股价跳空高开并持续上涨，验证PEAD效应直观表现，累计涨幅显著超越大盘。体现市场信息逐步被消化。

1. 图2：分析师覆盖度下降

- 统计显示近三年市场仅约50%股票有分析师盈利预测覆盖，凸显基于分析师预测数据构建因子的覆盖局限。

1. 图5~10：三种财报类型对应SUE的超额收益表现

- 均呈现公告后股价沿预期漂移趋势，正式财报事件表现最稳健持续，业绩快报效应较弱。

1. 图11~13：SUE因子全市场RankIC及分组表现

- RankIC整体正向且稳定，分组收益体现优秀单调递减特性，即高组收益显著优于低组。

1. 表1及图14~19：不同市值股票池内SUE表现

- 中证1000（小市值）池中IC均值及ICIR最高，选股强度突出，波动亦较小。

1. 表2及图20~21：EAR因子表现略逊于SUE，但仍有选股价值
2. 表3及图22：SUE和EAR交叉分组组合净值差异明显

- 双因子同时最高组超额收益最高，低组走势最差，凸显两因子互补优势。

1. 图23~27：ERE因子筛选的两样本池数量及其IC及分组表现，显示ERE单独因子选股效果不足
2. 表4及图28~33：EarningsYield估值因子在三大股票池均表现正向且显著，体现低估值选股优势
3. 表5及图34：SUE与Ey的交叉分组构造强选股组合
4. 表6及表7、图35~37：SUEEy复合因子在不同股票池均表现提升，超额年化收益高，信息比率提升，风险控制良好
5. 表8及表9、图38~41：SUE因子在不同行业板块选股能力区别显著，金融板块效果最弱
6. 附录SUR因子（图42~47）

- 标准化预期外收入SUR因子表现良好，且与SUE因子相关，具备加权整合潜力。

整体，图表全面支撑报告论点，分析细致，充分展示了因子构造、回测及行业表现的系统研究。[page::4,6,8-23]

---

四、估值分析

报告主要以因子分析为核心，直接涉及估值的部分聚焦于EarningsYield（收益率）因子：

• 估值因子构造：

- 采用常用的收益率指标EP（每股收益/股价）作为估值因子，且考虑未来盈利预期，构建EarningsYield因子。

• 估值驱动预设：

- 低估值（高盈余收益率）股票倾向于获得更好的后续业绩表现，结合成长性指标SUE可进一步丰富投资决策信息。

• 复合因子设计：

- 以标准化后的SUE与Ey因子等权合成SUEEy复合因子，综合反映估值与成长性。
- 复合因子表现优于单一因子，IC均值大幅提升至6%-8%左右，年化超额收益22%-33%不等（依池不同），选股风险微增但信息比率也相应提升。

• 实证回测：

- 复合因子构建的50只股票组合，年化超额收益和超额信息比率显著超过基准，最大回撤控制良好，月度超额胜率均超过70%，体现优秀的稳健性和实用性。

该估值结合成长性的因子设计，是对传统单维度估值的有效补充，体现实用量化策略价值。[page::15-19]

---

五、风险因素评估

报告明确提醒以下关键风险：

1. 历史数据局限：

- 所有结果基于历史回测，市场结构及有效性提升可能导致未来PEAD效应减弱或消失，历史表现不可简单外推。

1. 数据覆盖与统计均值差异：

- 分析师覆盖度有限，数据缺失可能影响因子构造的适用性。
- 个别股票表现可能与整体均值显著不同，存在统计分布不均风险。

1. 报告限于整体市场平均情况：

- 个别行业（特别是金融板块）及单只股票中SUE因子表现较弱，谨慎使用。

1. 模型及因子适用性问题：

- ERE等复杂因子部分验证未通过，提示实际应用需谨慎评估。

1. 未对市场极端变动风险做深度探讨：

- 因子表现波动性增加可能影响组合稳健性。

以上风险提示注重历史与现实的平衡，未夸大因子有效性，提示投资者需结合自身判断及环境变化调整策略。[page::0,21,22]

---

六、批判性视角与细微差别

• 因子表现的时变性：

- 报告未深刻讨论SUE因子及复合因子的时序稳定性（如在极端牛熊市的表现差异），投资者应警惕因市场结构变化带来的表现不确定性。

• 估值与成长的权重配置未细致说明：

- SUEEy因子合成采用等权处理，未提供权重敏感性分析，可能隐藏优化空间。

• 分析师覆盖度影响被强调但未详细补偿措施：

- 分析师覆盖低的样本处理较少，影响因子构造及可用性。

• 金融板块因子表现低于其他板块可能表明行业特异性风格缺失，未来可考虑混合更多行业特定因子。

- ERE因子实证结果与文献有差异，表明市场微观机制可能存在地域或时期特异性，建议进一步深挖原因。

• 图表集中反映了月度层面的选股能力，但对于组合风险管理和交易成本等现实问题考虑有限，实际应用中需加以补充。

总体，报告结构严谨，分析数据完整，但仍有一定静态假设和隐含边界条件，投资者需综合考量。[page::13-21,22]

---

七、结论性综合

本报告通过系统梳理和实证分析盈余公告后的价格漂移（PEAD）现象，确认了以标准化预期外盈利（SUE）度量的盈余意外对股价的持续影响，支持其因子化应用于A股量化选股中。具体洞察如下：

• 基本面SUE因子显著驱动价格漂移，并具有广泛的选股能力，尤其在小市值（中证1000）股票池中表现突出，选股单调性强，月度RankIC平均超过5%，多空年化收益接近24%。

- 市场反应型EAR因子虽表现稍逊于SUE，二者结合则信息增益明显，交叉分组研究显示双因子同时高（低）组拥有显著超额收益，增强信号的稳健性和解释力。

• 基于估值的EarningsYield（Ey）因子也具备独立选股能力，与SUE组合构建的复合因子SUEEy进一步提升了选股效率和收益，特别是在中证1000池的表现最佳，年化超额收益接近22%。

- 不同行业板块中，成长、消费及周期板块对SUE因子响应显著，而金融板块表现较弱，提示不同产业特征需差异化因子策略。

• 附录中的标准化预期外收入（SUR）因子补充了选股维度，相关性高，可纳入多因子体系优化组合构建。

图表数据及回测结果充分验证了因子构造的有效性和可操作性，投资组合采用上述因子筛选股票表现出较好的超额回报率和信息比率。同时风险提示清晰说明了历史依赖和市场结构演变可能带来的变数。

综上，报告提出并验证了一套基于盈余公告后价格漂移的优选组合量化模型，具有较强的理论基础和实证支持，在A股量化投资策略设计中具备重要指导价值。[page::0-23]

---

图表示意示例

• 图1：长春高新盈余公告后价格漂移示例

• 图2：分析师覆盖度逐年下降趋势

• 表1：不同市值样本池中SUE因子表现

| 市场池 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动率 | 多空信息比率 |
| ------- | ------- | -------- | ----- | -------------- | --------------- | ------------ |
| 沪深300 | 5.65% | 7.99% | 0.71 | 21.30% | 10.84% | 1.97 |
| 中证500 | 5.29% | 6.78% | 0.78 | 20.58% | 10.20% | 2.02 |
| 中证1000| 5.62% | 5.58% | 1.01 | 30.46% | 9.18% | 3.32 |

• 表6：SUEEy复合因子优于单一SUE因子

| 因子 | 市场池 | IC均值 | IC波动率 | ICIR | 多空年化收益 | 多空年化波动 | 多空信息比率 |
| ------ | ------ | ------- | -------- | ----- | ------------- | ------------ | ------------ |
| SUEEy | 沪深300 | 6.74% | 12.01% | 0.56 | 23.16% | 13.01% | 1.78 |
| | 中证500 | 7.85% | 8.75% | 0.90 | 27.23% | 12.19% | 2.23 |
| | 中证1000| 8.61% | 8.09% | 1.06 | 32.94% | 11.18% | 2.95 |
| SUE | 沪深300 | 5.65% | 7.99% | 0.71 | 21.30% | 10.84% | 1.97 |
| | 中证500 | 5.29% | 6.78% | 0.78 | 20.58% | 10.20% | 2.02 |
| | 中证1000| 5.62% | 5.58% | 1.01 | 30.46% | 9.18% | 3.32 |

---

总结

该研究系统地揭示并实证了基于PEAD效应的多维量化选股策略构建逻辑，优选标准化预期外盈利（SUE）及其复合因子的选股能力在A股市场得到实证验证，对于构建基于财报信息的量化组合，优化投资策略具有较强启示和应用价值。投资者应关注市场结构变化风险，结合多因子、跨板块策略，提升组合稳定性与收益水平。

报告