招聘数据覆盖度与行业分布 [page::2]

• 招聘数据覆盖度在不同股票池差异明显，沪深300覆盖率最高，持续在80%以上，全A最低，近一年降至60%以下。

- 疫情期间覆盖率大幅下降，整体呈现下降趋势。

• 传统行业招聘信息发布普遍负向偏离基准，新兴科技和医药生物行业招聘信息占比较高，化工行业招聘覆盖度显著较低 [page::2][page::3]。

招聘数量因子基本选股能力测试 [page::3]

• 招聘数量因子在沪深300多空表现未显示超额收益。

- 在中证500和中证800中表现较优，证明招聘数量在成长型股票中选股能力更强。

• 全A股票池内因子表现不稳，存在因子失效风险 [page::3][page::4]。

成长性分域中的招聘数量因子表现 [page::4]

• 多种成长指标（如经营现金流、净利润、ROE等）分域下，高成长域招聘数量因子的IC值远高于低成长域。

- ROE作为成长指标时，招聘数量因子表现最佳，高低成长域IC分别呈显著正负值，反映因子有效性 [page::4]。

高成长股票池中招聘数量因子回测表现 [page::5]

| 策略指标 | 全部股票池 | 高成长股票池 |
|------------|------------|--------------|
| 年化收益率 | 5.15% (多空) / 8.09% (多头) | 5.34% / 12.92% |
| 年化波动率 | 4.41% / 23.71% | 3.66% / 22.73% |
| 收益波动比 | 1.17 / 0.34 | 1.46 / 0.57 |
| 最大回撤 | 3.74% / 20.91% | 1.75% / 18.31% |
| 胜率 | 55.88% / 50.00% | 61.76% / 55.88% |

• 高成长股票池中，多空对冲策略的IR大幅提升至1.46，收益稳定性更强。

- 多头策略表现明显优于全市场，高成长池年化多头收益率提升约5%，回撤和波动率均改善。

• 胜率略有提升但整体仍相对较低，表明盈利机会与风险并存 [page::5]。

行业偏离与景气指标意义 [page::6]

• 高成长股票池与全市场在行业招聘覆盖率上存在显著差异。

- 化工、机械设备、电气设备等制造板块招聘覆盖率高；汽车行业招聘大幅增加，显示行业成长动力。

• 传媒板块招聘覆盖率下降明显，房地产行业招聘覆盖率因政策调控而下滑。

- 多个企业集中招聘往往预示行业景气上升，招聘数据可作为景气度的先行指标 [page::6]。

金融报告详尽分析报告

—《上市公司招聘数据选股能力初探》—

---

一、元数据与概览 (引言与报告概览)

报告标题：《上市公司招聘数据选股能力初探》
报告日期：2021年5月8日
发布机构：开源证券研究所，金融工程研究团队
主要作者及联系方式：魏建榕（首席分析师），张翔，傅开波，高鹏，苏俊豪，胡亮勇，王志豪
研究背景与相关报告：本报告继承开源量化评论系列，特别延续了此前涉及北向资金选股能力、高频股东数据等另类数据研究的逻辑与方法。[page::0][page::7]

核心主题：本文首次尝试利用上市公司招聘数据这一另类数据集，深度分析其覆盖度、行业偏离特征及招聘数量因子在不同股票池中的选股能力，尤其关注该因子在成长型股票池中的表现和潜力。
核心论点与结论：

• 上市公司招聘数据具有相对较高且分层的覆盖率，尤其在沪深300覆盖超80%，而全A覆盖率相对较低且有所下降。

- 不同行业招聘信息发布呈现显著分化：新兴行业表现活跃，传统行业发布招聘信息比例偏低。

• 招聘数量因子表现出明显的选股能力，特别是在中证500和中证800等成长风格股票池中更为显著。

- 高成长性股票池中，招聘数量因子的IC值和多空对冲策略表现均优于低成长性股票池，表明该因子更适用于捕捉成长股票的价格表现。

• 行业内多个企业集中发布招聘信息，或可视为行业景气上升的先行指标。

- 风险提示模型基于历史数据，未来市场可能变化风险不可忽视。[page::0][page::1]

---

二、逐章深度解读

1、招聘数据：一个新的信息维度

关键论点：招聘数据作为另类数据的重要组成，近年来广受关注。上市公司招聘信息披露在主流招聘网站中覆盖较为广泛，因此能为投资者提供新的信息维度。
核心内容：

• 统计不同股票池（沪深300、中证500、中证800、全A）招聘信息覆盖率，沪深300最高（80%以上），中证500和中证800次之（70%-80%），全A最低且呈下降趋势。疫情导致招聘数量大幅减少，对行业和股票池整体覆盖率产生负面影响。

- 截面行业分析表明，整体招聘信息发布占比与行业在全A股占比基本一致，行业偏离不显著，但细分来看：
- 新兴产业（大科技板块）发布招聘信息的上市公司比例超配；
- 传统大周期板块招聘发布比例较低；
- 医药生物行业表现出较高招聘信息正向偏离；
- 化工行业显著负向偏离；
- 大金融板块无明显偏离。

逻辑与推理依据：招聘需求反映企业扩大生产经营活动的信号，进而可能驱动业绩提升和股价表现。招聘数据覆盖的差异及行业偏离揭示市场资金或资源配置倾向。
数据解读：招聘覆盖率呈行业和指数层面分化，行业偏差符合经济结构变化及产业景气度差异。[page::0][page::2][page::3]

---

2、因子测试：招聘数量因子具有基本选股能力

定义：招聘数量因子指每月新增的招聘广告总数，用以衡量企业人才需求变化。
测试设计：

• 通过对招聘广告总量排序进行分组投资组合测试，分为沪深300（3组）、全A（5组）等，以抑制非系统性噪声。

- 招聘数量因子进行市值和行业中性化处理，避免规模和行业带来的干扰。

• 设定调仓手续费为0.3%。

主要发现：

• 中证500和中证800股票池中招聘数量因子选股表现优于沪深300，沪深300中无明显超额收益信息。

- 万得全A股票池因子表现波动大，部分时间存在失效风险，净值增长缓慢且波动较大，不适合直接应用。

推理与逻辑：沪深300以价值风格为主，中证500更偏向成长，表现差异说明招聘数量因子更能捕捉成长股的动态信息。
数据说明：图3（招聘数量因子多空净值表现）显示中证500/800净值稳定上升，沪深300平稳甚至震荡，表明该因子成长性股票池中的有效性更高。
潜在风险：大盘偏重价值股，招聘数据因子或难以穿透成熟企业的稳定期，需结合风格分域来使用。
[page::3][page::4]

---

3、分域研究：招聘数量因子在成长股上更加适用

核心假设：企业处于高成长阶段往往对应招聘需求的上升，招聘数量因子在高成长域有更强信息含量。
研究方法：

• 使用多种成长性指标（营业收入增长、净利润增长、现金流变化、ROE等）将股票池分为高、低两个成长域；

- 进行招聘数量因子IC值的分域检验；

• 采用合成成长因子（多指标标准化后等权相加）减少指标选择偏差；

- 在高成长性股票池和全部股票池对比多空对冲净值和多头净值表现。

主要结论：

• 无论何种成长指标，高成长域内招聘数量因子IC均明显高于低成长域，ROE分域效果最显著，高低域IC一正一负。

- 高成长股票池内多空对冲策略IR值为1.46，较总池1.15显著提升；

• 多头组合超额收益达15%左右，资产净值增长更加稳定且回撤更小；

- 纯多头年化收益率高成长池为12.92%，明显优于全池8.09%。

逻辑基础：持续招聘活动是企业成长需求的外显信号，能有效反映企业扩张预期，进而对股价产生正向影响。
定量数据亮点：

• 高成长域内的多空对冲与多头策略均展现出更高的收益与稳定性（见图5、图6及表1），验证了因子在细分投资风格上的有效性和适应性。

- 退避策略的建立为招聘数量因子的使用提供了更具实操性的投资框架。
[page::4][page::5]

---

4、行业层面偏离分析

观察内容：高成长域与全股票池在招聘信息上的行业差异。
主要发现：

• 大制造板块内化工、机械设备、电气设备等行业招聘覆盖率上升，显示这些传统制造领域部分细分行业进入新成长阶段。

- 大消费板块中的汽车行业招聘显著提高，反映互联网巨头进入汽车制造领域的新兴投资动向。

• 大科技板块传媒行业招聘覆盖率持续下滑，可能因行业整合或转型。

- 大金融板块房地产行业招聘下降，主要受政策调控影响。

解读：招聘信息的集中发布或减少反映行业周期、政策冲击或结构调整，能作为景气变化的先兆信号。
[page::6]

---

5、风险提示

• 本研究基于历史数据的回测，未来市场可能出现结构性变化或人才雇佣行为模式转变，因子表现存在不确定性。

- 招聘数据自身可能存在采集偏差、行政调控、信息披露时滞等问题，影响因子稳定性与可靠性。

• 招聘数量因子表现存在时段性失效风险，需结合成长性指标和投资组合策略加以使用。

[page::0][page::6]

---

三、图表深度解读

图1：不同股票池中招聘数据的覆盖度呈现不同水平

• 说明：图中以时间序列描绘沪深300、中证500、中证800及全A股票池招聘数据的覆盖率。

- 关键数据：沪深300覆盖率稳定在80%以上；中证500和中证800在70%-80%；全A逐年下降，2021年跌破60%。

• 趋势与关联：疫情期间各指数招聘覆盖率明显下降，显示外部冲击对招聘信息的影响极大。整体随着上市公司增多，覆盖率略有下降。

- 支持文本论点：诠释了招聘数据的覆盖层次，为后续因子测试奠定基础。
[page::2]

---

图2：传统行业相对基准负向偏离，新兴行业正向偏离

• 说明：以蓝色条为全A行业分布占比，红色条为发布招聘信息的股票池行业分布占比，展示行业招聘相对偏离。

- 关键数据：大科技相关行业如电子、计算机表现为超配，传统大周期如钢铁、有色金属、化工招聘占比明显低于基准。

• 趋势展示：表达行业结构的分层变化，招聘活动向新兴行业集中。

- 视觉数据支持：佐证投资者关注结构性增长板块的信息变化逻辑。
[page::3]

---

图3：招聘数量因子多空净值表现不及预期

• 说明：所测试招聘数量因子不同股票池的多空对冲策略净值表现曲线，从2018年5月至2021年3月。

- 关键数据：中证500、800显示净值稳步增长，沪深300波动趋势平稳无超额收益，全A表现波动大且先期下跌。

• 解读：数据直接反映招聘数量因子在成长型股票池中更能实现增值。

- 限制点：指数池规模和特质差异导致因子表现分化。
[page::4]

---

图4：招聘数量因子在高成长性分域下具有更优的表现效果

• 说明：展示不同成长性指标分域内招聘数量因子的IC值，红色为高成长域，蓝色为低成长域，灰色为全域。

- 关键数据：高成长域均显著优于低成长，ROE环比成长域IC最高且高低成域呈现一正一负。

• 解读：招聘因子在高成长域的表现更佳，有效捕捉成长预期信息。

[page::4]

---

图5：高成长股票池中招聘数量因子多空对冲净值表现更稳定

• 说明：对比高成长股票池与总股票池招聘数量因子多空对冲策略净值曲线，含IR指标。

- 关键数据：高成长池IR=1.46，高于总池1.15，净值更稳健上行。

• 解读：成长股池对招聘因子的响应更为敏感，因子有效性显著增强。

[page::5]

---

图6：高成长股票池与总股票池多头净值及相对强弱表现

• 说明：显示高成长股票池与总股票池招聘数量因子多头净值对比及相对强弱指标。

- 关键数据：高成长多头组合累积收益高于总池，超额收益约15%。

• 解读：招聘数量因子选股对成长股多头策略贡献突出。

[page::5]

---

表1：招聘数量因子在高成长股票池中的策略表现

| 指标 | 全部股票池 | 高成长股票池 |
|--------------|------------|--------------|
| 多空对冲 | | |
| 年化收益率 | 5.15% | 5.34% |
| 年化波动率 | 4.41% | 3.66% |
| 收益波动比 | 1.17 | 1.46 |
| 最大回撤 | 3.74% | 1.75% |
| 胜率 | 55.88% | 61.76% |
| 多头 | | |
| 年化收益率 | 8.09% | 12.92% |
| 年化波动率 | 23.71% | 22.73% |
| 收益波动比 | 0.34 | 0.57 |
| 最大回撤 | 20.91% | 18.31% |
| 胜率 | 50.00% | 55.88% |

• 解读：高成长股票池内，无论是多空对冲还是纯多头策略，均表现更优，风险调整后收益更突出，且回撤更小，显示出人才招聘数据在成长股票池中选股潜力。

[page::5]

---

图7：高成长股票池与全部股票池招聘覆盖率行业偏离度对比

• 说明：展示高成长池相比全股票池的招聘覆盖行业偏离。

- 关键数据与趋势：
- 大制造板块（化工、电气设备、机械设备）表现显著为正偏离，高成长招聘需求旺盛；
- 大消费板块汽车行业表现最为突出；
- 传媒行业显示明显负偏离，招聘活跃度减弱；
- 房地产行业招聘数量下降，受政策影响。

• 逻辑体现：行业招聘特征映射行业景气与产业结构动态，招聘数据可用作判断行业轮动和成长动力。

[page::6]

---

四、估值分析

本报告整体不涉及传统意义的估值模型如DCF、P/E或EV/EBITDA分析，主要侧重于因子有效性和选股能力的定量检验。因子以IC值、多空对冲净值、IR指标等量化绩效为评价标准。报告重视因子特性及其在不同成长性域的表现差异，构建了市值和行业中性化调整过程以保证因子纯净性。[page::0~6]

---

五、风险因素评估

• 历史数据限制：因子检验基于历史数据，未来市场行为模式及招聘行为可能变化，导致因子失效风险。

- 数据质量与覆盖：读取招聘数据依赖于第三方招聘网站，信息披露不均匀或存在遗漏，特别是覆盖率伴随上市公司数量变化出现下降。

• 时效性风险：招聘公开信息存在时滞，可能滞后市场变化，影响信号的即时性和敏感性。

- 行业与风格差异：因子在价值型和低成长股票池表现不佳，存在明显风格依赖性，不能全市场通用。

• 策略过拟合风险：因子单一且基于特定数据，未必能捕捉其他宏观或微观因素影响，可能引发未来回测与实盘表现的差异。

报告未详细列出风险缓释措施，仅提醒投资者注意因子历史表现的局限和未来可能的失效。[page::0][page::6]

---

六、批判性视角与细微差别

• 数据覆盖率下滑暗示风险：全A股票池中招聘数据覆盖率从70%左右逐步跌破60%，可能使基于全市场的因子效果限制较大。

- 因子表现波动大：全A样本中因子多空收益存在负面年份，净值曲线波动说明因子表现不稳定，需谨慎使用。

• 行业偏差解释需谨慎：部分行业如传媒与房地产招聘数据下降，投资者需结合政策、产业周期及公司内部变化多维解读，避免简单归因。

- 逻辑假设依赖成长定义：成长分界的选择、成长指标的构建可能影响测试结果，虽使用合成指标降低偏差但主观成分依然存在。

• 未明确对招聘信息滞后性处理：招聘信息从发布到市场反应存在时间差，报告未详述如何考虑这一因素对因子效益的影响。

- 缺少因子组合分析：报告聚焦招聘数量单因子，未探讨与其他因子（财务指标、市场情绪等）的联动性和组合效果。

• 模型鲁棒性需进一步验证：仅展示部分年度区间表现，缺少跨周期、不同市场环境下寿命和稳定性分析。

- 定量指标未细分岗位类型：不同行业和公司招聘岗位质量和类型差异可能影响信号，但报告未涉及此类深度维度。

总体来看，报告内容科学严谨，但作为量化因子研究，未来应用需结合多因素、多维度研判。

---

七、结论性综合

本报告系统地揭示了上市公司招聘数据作为另类数据源的覆盖现状及其选股能力，特别是招聘数量因子在成长型股票池的出色表现，具备实际投资参考价值。关键发现包括：

• 招聘数据覆盖度差异明显，依股票池和行业分类分层分布，沪深300覆盖率最高，且科技类及医药生物等新兴行业招聘信息明显集中，传统周期行业相对匮乏。

- 招聘数量因子具备基本的选股能力，在成长风格（中证500和中证800）股票池表现优于价值风格的沪深300，表明招聘行为对公司成长预期存在较强指示作用。

• 成长域分层强化因子表现，高成长股票池内招聘数量因子IC值显著提升，多空对冲策略IR从1.15提升到1.46，多头策略年化收益较全市场提升5个百分点，且波动降低，回撤减少，胜率升高，展现因子在成长股中的潜力。

- 行业招聘信息差异化明显，新能源、汽车等新兴行业招聘覆盖率提升显著，传媒、房地产等行业招聘覆盖下降，反映政策及产业调整趋势。

• 风险及局限性明显，模型建立在历史数据基础上，存在因子失效、数据覆盖下降、信息时滞及风格依赖等隐忧，实际应用应结合其他量化因子和基本面信息，动态调整。

图表分析系统支撑了上述结论，充分体现了以招聘数据为代表的另类数据在量化选股领域的重要潜力和应用前景。报告清晰地定义了因子测试框架，展示了招聘数据与成长性的内在联系与其对个股价格表现的预测能力。投资者可通过结合成长性指标，优化招聘因子的实用性，捕捉成长爆发中的信号，提升投资绩效。未来的研究建议包括扩展因子组合、深挖岗位层级信息及招聘质量、多周期稳健性测试等。

---

此研究报告科学、翔实，具备较强的实用投资指导意义，是招聘数据在A股量化投资中首次系统化、定量化的探索，对量化研究者和机构投资者具有较大价值。推荐关注并在成长股领域中结合招聘数据驱动构建因子策略，以期获取超额收益。

[page::0][page::1][page::2][page::3][page::4][page::5][page::6]

报告