财务报告披露及分析师覆盖数据概况 [page::1][page::2]

• 业绩预告、业绩快报和定期报告披露数量存在明显差异，定期报告数量逐年稳定增长。

- 沪深300成分股分析师覆盖率高维持90%以上，中证500浮动70-90%，全市场个股自2016年起覆盖率明显下降至50%以下。

超预期财报发布后的事件超额收益特征 [page::2][page::3]

• 业绩预告发布前后60日内个股累积超额收益最高，业绩快报其次，定期报告最低，显示时效性对超额收益影响显著，市场对盈余信息反应不完全且延续性强。

业绩超预期因子构建与测试表现 [page::4][page::5][page::6][page::7]

• 标准化预期外盈余因子（SUE）及预期外百分比因子（PCT）均表现优异，尤其业绩预告SUE因子多头年化收益26.43%，夏普0.81，多空对冲夏普2.24。

- 多报告数据融合后因子兼顾时效性和完整性，多头年化收益21.56%，夏普0.72，多空对冲夏普3.46，风险调整后收益显著提升。

超预期股票池特征及组合表现 [page::8][page::14][page::15]

| 年份 | 投资组合年化收益率 | 夏普比率 | 最大回撤 | 月度胜率 |
|--------------|--------------------|----------|---------|----------|
| 2013-2021总体 | 43.13% | 1.53 | 30.65% | 68.37% |
| 对冲净值 | 31.08% | 3.60 | 4.21% | 81.63% |

• 超预期股票池中约30%-40%个股表现超预期，疫情期间2020Q1曾降至20%后快速回升。

- 采用因子加权法从超预期股票池内精选，构造“超预期Plus”组合，持仓30只，获得稳健超额收益和较好风险收益比。

量化选股因子多维增强分析 [page::9][page::10][page::11][page::12][page::13]

• 在超预期股票池内，SUE因子区分效果优于PCT因子。

- 结合超预期公告日前后区间收益（OER因子）和次日跳空收益（JUMP因子）体现动量效应，增强选股效率。

• 理想反转因子和大小单残差因子表现稳健，表明交易行为与资金流是辅助判断超预期个股的重要维度。

- 非国企超预期股票表现优于国企，但波动较大，暂未纳入筛选指标。

策略构建与组合优化 [page::13][page::14]

• 通过剔除上市不足60天、ST、停牌及一字涨跌停股票，筛选有效标的。

- 将因子SUE、OER、JUMP、理想反转及小单残差等权重合成，依据综合得分选取前N只构建投资组合。

• 组合规模对收益有显著影响，持仓越集中（前20-30只）收益越高，最终推荐持仓30只[page::13][page::14].

开源证券“业绩超预期Plus组合的构建”报告详尽分析

---

1. 元数据与概览

• 报告标题：《业绩超预期Plus组合的构建 | 开源金工》

- 作者及团队：开源证券金融工程团队核心成员魏建榕（金融工程首席分析师）领衔，胡亮勇、盛少成等研究员参与

• 发布时间：2021年7月7日

- 研究领域：财务报告信息提取、量化选股因子构建、业绩超预期效应分析及超预期组合构建

• 研究主题：基于上市公司业绩预告、业绩快报和定期报告的业绩超预期信息，整合多维因子打造具备超额收益的量化投资策略组合

- 核心观点：
1. 业绩预告作为最早披露的业绩信息，能够产生显著的超额收益信号。
2. 结合不同报告（业绩预告、快报、定期报告）数据，融合构建的多报告SUE因子表现优秀。
3. 使用标准化预期外盈余（SUE）、预期外百分比（PCT）等因子有效识别超预期股票。
4. 超预期股票池内进一步利用多因子（包括资金流、区间超额收益、跳空行为、交易反转因子等）筛选出的Plus组合，表现更优。
5. 精选30只超预期股票构建的投资组合在年化收益率、夏普比率等方面均表现卓著，具备较好的风险调整收益。

• 报告目的：揭示业绩超预期信息的市场影响与投资价值，利用量化方法构建具备稳定超额收益的投资组合，并提供因子构建方法和选股策略，支持投资决策。

---

2. 逐节深度解读

2.1 摘要与研究背景

• 介绍业绩预告、业绩快报、定期报告三种业绩披露形式的数量走势与信息含量，以及券商分析师覆盖率的变化趋势。

- 2019年前业绩预告披露数量逐渐增加，之后因监管放松有所减少；业绩快报集中在年报和中报；定期报告披露数量稳定增长。

• 研究发现，披露时间越早的财务业绩信息（如业绩预告）对应的未来市场超额收益越显著，反映信息时效性对价格反应的关键作用。

- 多报告融合的SUE因子在多头年化收益和多空对冲收益均表现优异，强调不同报告数据合理融合的重要性。

• 超预期股票池在市场中占比较为稳定，2020年受疫情影响短暂下降，2021年快速反弹至60%，表现了业绩反弹的市场驱动力。[page::0,1]

2.2 三种财报披露数据特征分析

• 图1展示不同时间点业绩预告、快报和定期报告披露的数量走势，定期报告数量持续走高，业绩预告先升后降，业绩快报周期性波动明显。

- 分析师覆盖度：
- 沪深300覆盖率常年维持90%以上，说明大盘蓝筹分析师关注度高。
- 中证500覆盖在70%-90%之间波动。
- 注册制实施后，覆盖率整体下降，2021年一季度全市场仅约50%，增加了研究难度和市场信息不对称性。[page::2,3]

2.3 事件收益与时间序列表现

• 利用业绩超预期公告后的60个交易日累积超额收益，发现时间最早的业绩预告对应的超额收益最高，体现出市场对早期信息的敏感度。

- 业绩超预期的正向收益延续性较好，超额收益的衰减较慢，意味着市场对业绩信息的消化存在一定滞后性。

• 这些观察为构建基于超预期的量化因子提供了现实依据。[page::3]

2.4 数据预处理和因子构造基础

• 为解决数据格式及时间口径不一致的问题：

- 对分析师一致预期与财报净利润数据进行了口径一致化，保证比较的合理性。
- 因子标准化解决了不同公司规模差异带来的影响。
- 财报披露时间存在一定分散性，进行月度归纳，利用前向填充方法补全无报告月份，以保证策略可执行性。
- 明确调仓时间须符合财报实际信息可用时间，避免前视偏差，保证精确性和稳定运行。[page::3-4]

2.5 标准化预期外盈余因子（SUE）的构建及表现

• SUE定义为财报净利润与分析师预期净利润之差除以该差值的标准差，早期由时间序列预测代替分析师预期，本报告采用券商分析师一致预期数据，信息含量更丰富。

- 3类财报分别测试：
- 业绩预告：时效性强，因子多头年化收益达26.43%，夏普比率0.81，多空对冲17.93%，2.24夏普，表现最佳。
- 定期报告：最完整的数据披露，但因披露滞后，因子表现较弱，多头年化18.09%，夏普0.63。
- 多报告融合：结合三者优势，收益率适中（21.56%），但多头分层和多空对冲部分显著提升，夏普比3.46，强调融合报告的投资价值。

• 所有因子测试均加入市值、行业中性化处理，并考虑交易成本，保证结果稳健。[page::5,6]

2.6 预期外百分比因子（PCT）构建及表现

• 类似SUE，但分母替换为分析师预期净利润绝对值，更直观反映超预期程度的相对比例。

- 业绩预告样本池中表现优异，多头年化收益达 25.78%，夏普0.79，多空收益更高，夏普2.93。

• 定期报告表现有所下滑，融合报告仍保持整体单调性，但区分度略逊，夏普2.68。

- 表明PCT因子在早期披露信息中较敏感，对绝对值较适用，但对晚期数据影响减弱。

• SUE、PCT因子均反映了业绩超预期股票相对市场更好的表现。[page::7]

2.7 超预期股票池表现与精选因子探索

• 超预期股票池占比约30%-40%，疫情期间降低到20%，随后反弹到60%，反映经济周期波动。

- 超预期股票池表现明显优于中证500指数，年化收益19.75%，对冲净值10.84%，风险指标良好。

• 进一步从五个因子维度筛选超预期股票：

- SUE和PCT因子在池内区分力对比，SUE因子表现优越。
- 公布日前后区间收益因子（OER）反映公告临近的风险偏好和市场反应，短期动量、长期反转。
- 跳空因子反映公告后价格快速调整，跳空幅度最大于业绩预告，最小于定期报告。
- 交易行为因子，如“理想反转因子”与大小单残差因子体现市场资金变化对股价的推动。
- 股权性质（国企与非国企）中，非国企股票收益表现较强，尽管波动性相对较高。

• 综合多因子筛选，构建精选“超预期Plus组合”，体现多维信号叠加提升性能。[page::8-13]

2.8 超预期Plus组合构建与实证结果

• 组合构建流程：

- 在超预期股票池剔除短期上市、停牌、ST及涨跌停股票后，选用SUE、OER、JUMP、理想反转、小单残差五因子等权加总得分，取排名前N只组成投资组合。

• 组合规模影响：

- 持仓个股越少，组合净值越高，显示精选能力明显。
- 选取30只股票的“超预期30组合”作为建议持仓。

• 绩效数据：

- 年化收益43.13%，夏普比率1.53，月度胜率约70%；对冲基准收益年化31.08%，夏普3.6，月度胜率超80%。
- 各年度分解显示2015、2016年等市场震荡年组合防御表现良好，2020年疫情年收益优异。
- 最大回撤控制在30.65%以内，风险调整指标良好。

• 附录中，对分析师一致预期数据季度化调整方法进行详述，说明两种调整方式对结果的影响，确保数据口径严谨可靠。

- 报告充分考虑了市场行为特性和交易时点，完整构建了业绩超预期策略体系。[page::14-18]

---

3. 图表深度解读

图1（第2页）

• 描述：2010-2021年股市中，业绩预告（蓝线）、业绩快报（红线）、定期报告（灰线）财报披露数量的时间序列走势。

- 解读：
- 定期报告披露数量持续上升，反映上市公司和退市公司结构。
- 业绩预告数量先上升后下降，说明监管要求变化影响披露行为。
- 业绩快报披露数量呈现明显周期性，集中于财报密集期。

• 联系文本：支持报告中对财报披露节奏变化的描述，基础数据说明实际市场环境变化。

图2（第2页）

• 描述：2011年至2021年Q1沪深300、中证500及全市场股票分析师覆盖率趋势。

- 解读：
- 沪深300维持高覆盖（90%以上），反映大盘机构关注度高。
- 中证500较波动，覆盖率70%-90%。
- 全市场覆盖率整体下降至约50%，因注册制及新股扩容。

• 联系文本：解释分析师覆盖率不断下滑背景，强调因子构建与样本选择需注意覆盖差异。

图3（第3页）

• 描述：业绩预告、快报、定期报告财报发布前后60交易日累积超额收益率变化。

- 解读：
- 业绩预告对应未来超额收益最高，说明市场对早期预警数据最敏感。
- 定期报告公告后超额收益最少，因市场噪音影响减弱。

• 联系文本：验证信息时效性与收益关联，因子设计基于早期披露提升策略收益的逻辑。

图4（第5页）

• 描述：业绩预告SUE因子五分组累计收益表现及多空对冲收益。

- 解读：
- 收益分组明确，组别越高，累计收益越好，分层效果明显。
- 多空对冲线稳定上涨，显示因子具有稳定择时能力。

• 联系文本：说明业绩预告SUE因子是优质alpha指标。

图5（第6页）

• 描述：定期报告SUE因子五分组收益分布，及多空对冲表现。

- 解读：
- 收益分组仍有单调性，但分层效果弱于业绩预告。
- 夏普比率较低，表明收益波动较大。

• 联系文本：反映定期报告较晚披露，信息传递效率低，验证章节结论。

图6（第6页）

• 描述：多报告融合SUE因子收益分布及对冲表现。

- 解读：
- 融合后收益分组更显分明，且多空对冲夏普比最高（3.46）。
- 说明融合报告数据兼顾了时效和完善性的平衡。

• 联系文本：支持多报告融合构建因子的优势和实际应用价值。

图7-9（第7页）

• 描述：

- 图7、8分别展示业绩预告及定期报告PCT因子分组收益。
- 图9展示多报告融合后PCT因子多空对冲收益。

• 解读：

- 业绩预告PCT因子区分度高，多头收益显著。
- 定期报告PCT多头区分度下降，收益更为平淡。
- 多报告融合提升了多空对冲的稳定性。

• 联系文本：说明PCT因子在不同财报类别中的表现差异，以及融合效益。

图10-11（第8页）

• 描述：

- 图10为超预期个股占比趋势，2020年疫情期间显著下降，2021年快速恢复。
- 图11展示超预期股票池表现对比中证500的净值曲线及对冲净值。

• 解读：

- 超预期占比强调经济周期的动态调整。
- 超预期组合优于基准，收益稳定且对冲策略有效降低风险。

• 联系文本：从宏观角度支撑报告市场环境和策略优越性。

图12-13（第9页）

• 描述：

- 图12、13测试SUE与PCT因子在超预期股票池内分组表现。

• 解读：

- SUE因子在超预期池中继续保持良好区分，适合进一步筛选股票。
- PCT因子则表现平平，分组效果减弱。

• 联系文本：指导策略中因子选择，优先重视SUE因子。

图14-15（第10页）

• 描述：

- 图14展示公告日前后不同时段超预期收益因子（OER）与未来收益RankIC，短期动量、长期反转。
- 图15为OER因子五分组收益走势，2017年后区分度显著。

• 解读：

- 表明公告前有知情交易影响，公告后含市场调整的收益模式差异。
- OER因子在后期表现越发稳定，成为筛选超预期的有效维度。

• 联系文本：指示公告日附近基于价格行为的信息利用方式。

图16-18（第11-12页）

• 描述：

- 图16显示业绩预告、快报、定期报告发布后跳空股累计超额收益走势，业绩预告跳空幅度最大。
- 图17展示基于跳空交易的超预期选股策略收益，业绩预告跳空策略最佳。
- 图18表明跳空（JUMP）因子在超预期样本池中分组表现稳定提升。

• 解读：

- 跳空反映市场对业绩超预期的迅速反应，时效性差异显著。
- 跳空因素为重要的辅助选股维度，特别是业绩预告时段。

• 联系文本：强调市场价格跳空行为的选股价值。

图19-21（第12-13页）

• 描述：

- 图19为理想反转因子五分组收益表现，整体收益稳定较好。
- 图20、21分别为大单、小单残差因子在超预期股票池的表现，大小单均影响分组收益，小单更显著。

• 解读：

- 交易行为因子反映资金流向和市场参与者情绪，对超预期股动量及反转效应有解释力，具有重要alpha价值。

• 联系文本：支持多因子投资体系构建，强调交易行为视角。

图22（第13页）

• 描述：超预期股票池内国企与非国企表现对比，非国企表现更优。

- 解读：
- 市场对非国企反应更活跃，有时能捕捉更多超额收益，波动也较大。
- 报告建议不单独以是否国企进行筛选，避免丢失机会。

• 联系文本：市场性质及制度影响对策略优化提供指导。

图23-24（第14页）

• 描述：

- 图23展示超预期Plus组合不同规模持仓净值，持股数越少越优。
- 图24为最终超预期30组合的累计收益与对冲表现，呈现较高夏普比率和收益。

• 解读：

- 精选而非大杂烩能显著提升组合整体质量。
- 30只股票持仓为收益与风险平衡点，策略实用性强。

• 联系文本：策略优化成果及推荐配置建议。

表2&3（第15-16页）

• 描述：

- 表2为2013-2021年超预期30组合分年度绩效，各年收益、波动率、最大回撤、月胜率详尽展示。
- 表3为2021年6月底超预期30组合最新成分股明细，覆盖多个行业，PE估值跨度大。

• 解读：

- 多数年份收益显著优于基准，中间偶有震荡年，表现依然稳定。
- 组合多元化覆盖传统及新兴行业，体现量化选股灵活性。

• 联系文本：验证策略稳健性和行业适应性。

表4（第18页）

• 描述：分析师一致预期数据两种季度化调整方式应用实例，沪电股份2018-2021年逐季度预期与实绩对比。

- 解读：
- 两种方法在数值上存在差异，方向一致。
- 说明预期数据处理的复杂性及对后续因子计算影响。

• 联系文本：保证数据处理环节严谨，为因子构建真实性保驾护航。

---

4. 估值分析

• 报告主要以量化因子构建和选股策略为核心，未涉及具体传统估值指标（如DCF、P/E绝对值机制）。

- 焦点在于基于业绩超预期及其市场反应的超额收益构建，估值更多体现为因子表现的收益率与风险调整指标（夏普比率）。

• 组合构建筛选以因子加权排名实现，因子包括财务、价格及交易行为指标，强调多维度融合。

- 因子表现的敏感性分析通过不同报告、多种因子组合以及组合持仓规模测试进行，优化因子组合权重和选股数量。[page::13-14]

---

5. 风险因素评估

• 历史数据依赖风险：策略基于历史财报及市场行为数据的测试，未来市场结构或监管政策可能发生变化，影响因子有效性。

- 信息覆盖风险：分析师覆盖率下降可能导致部分股票因子无法精确构建，带来样本偏差风险。

• 市场流动性风险：部分超预期股票（尤其小盘股）可能流动性有限，执行策略存在滑点。

- 跳空风险：股价公告后大幅跳空可能引发异常波动，投资风险增加。

• 模型过拟合风险：多因子融合可能导致过拟合特定历史阶段表现，未来需持续验证与调整。

- 其它：宏观经济波动、突发事件（如2020年疫情）对组合收益产生重大影响。

• 报告未提供明确缓解措施，但显示因子均进行行业及市值中性化处理，规避基本面行业偏差。[page::18]

---

6. 审慎视角与细节

• 报告充分考虑了信息披露时效性的重要性，强调业绩预告信息价值高，但实现难度也高，监管放松后企业披露数量减少可能影响该因子收益稳定性。

- 研究假设分析师一致预期数据质量较高，然而覆盖范围下降提示部分股票数据较弱，潜在样本偏差。

• 跳空因子对收益贡献显著，但跳空幅度和频度波动较大，可能带来执行难度和风险。

- 国企与非国企表现差异所揭示的制度性因素未被深入剖析，仅作为辅助剔除维度。

• 多因子融合采用等权策略，未见具体因子权重优化或机器学习方法，策略进一步提升空间。

- 报告对部分复杂财务数据转换方法进行了附录说明，增强透明度。

• 有少许年份如2018年呈现负年化收益，需关注策略的逆周期调整能力。

- 总体研究脉络清晰，方法严谨，实证结果充分支持结论。

---

7. 结论性综合

本报告系统研究了业绩预告、业绩快报以及定期报告三类财务报告披露的信息价值，创新性地使用分析师一致预期归母净利润数据与财报数据口径统一后构建标准化预期外盈余因子（SUE）与预期外百分比因子（PCT），从而深入挖掘业绩超预期股票的市场表现潜力。

核心结论包括：

• 业绩预告信息披露时效最早，带来的超额收益最大且显著，构建基于业绩预告的SUE及PCT因子表现最佳。

- 不同报告数据融合后因子在分类能力和收益稳定性方面表现优异，尤其多空对冲夏普比率提高至3.46，显示市场尚存显著套利空间。

• 超预期股票池占比约30%-40%，面临覆盖率下降与新股上市的挑战，但整体表现明显优于中证500基准，具备良好投资价值。

- 在超预期股票池内部，SUE因子依然保持分层筛选能力，标明超预期幅度越大、未来收益越好。

• 结合公告日附近的超预期收益区间表现（OER因子）、公告后跳空特征（JUMP因子）、交易行为因子（反转因子、小单残差）进一步增强选股效果。

- 精选因子融合的超预期Plus组合，通过对因子得分加权排名筛选前30只个股，实证结果显示年化收益率超过43%，夏普比率1.53，稳健超越市场基准，且最大回撤控制合理。

• 数据处理细节严谨，特别是分析师预期数据季度化转换，保证因子构建科学性与可靠性。

- 策略适用范围广，涵盖电子、机械、消费、医药、有色等多个行业，组合分布均衡。

图表及数据共同构成了强有力的实证基础，显示业绩超预期作为重要信息变量，在中国A股市场中具有显著的阿尔法生成能力。该研究为投资者提供了一种结合财报信息披露时效性与市场行为多因子融合的创新选股策略框架，兼顾收益与风险，具有较强的实操指导价值。

---

综上，开源证券金融工程团队通过严密的数据处理和多维度因子构建，有效捕捉业绩超预期股票的超额收益，形成了科学且高效的“超预期Plus”量化组合，推荐投资者关注并参考此策略以提升投资收益水平。[page::0-19]

---

附录：报告中涉及的关键公式及概念解析

• 标准化预期外盈余因子（SUE）：

\[
SUE = \frac{Rt - Et}{\sigma(Rt - Et)}
\]

其中，\( Rt \)为报告期实际净利润，\( Et \)为预测净利润均值，分母为两者偏差的标准差。该因子调整了不同企业盈利规模的差异，使因子具有可比性。

• 预期外百分比因子（PCT）：

\[
PCT = \frac{Rt - Et}{|Et|}, \quad Et \neq 0
\]

衡量实际净利润相对于预期净利润的相对超额，比SUE更直观反映超预期百分比。

• 超预期收益因子（Over Expectation Return, OER）：

利用公告日前后特定区间（例\[T-1, T+1\]）累计超额收益率，将知情交易及市场反应信息整合为选股信号。

• 跳空因子（JUMP）：

利用公告后第二交易日的股价跳空幅度（相对市场）作为风险调整信号，跳空越大未来表现越好。

• 交易行为因子：

包括“理想反转因子”以及大小单残差因子，分别反映股价反转动力及资金流入偏好，为因子策略增强提供行为金融学基础。

---

总体评价

本研究报告结合财务信息披露的时序特性与市场反应，创新融合多重量化因子，严谨科学，数据充分，逻辑清晰，且具备较强实用性和可操作性，为中国市场量化投资提供了重要参考模板。

---

报告