行为金融学中对比效应及其在A股的应用 [page::3][page::4]

• 对比效应指同类型事件在不同背景下产生不同投资者反应，超预期事件效应受前期市场超预期总量影响，前期低则当前事件效应增强，反之减弱。

- 通过案例分析（002606.SZ大连电瓷与002124.SZ天邦股份），对比效应因子差异导致事件后股价表现差异明显。

事件效应分析及行业、市值中性化验证 [page::6][page::7]

• 超预期事件样本在公告后60交易日内相对于中证500指数、行业基准及市值基准均表现出稳定超额收益，叠加对比效应因子样本表现更佳。

超预期事件策略稳定性与胜率检验 [page::8][page::9]

| 报告期 | 样本数（超预期） | 样本数（叠加对比） | 60日超额收益（超预期） | 60日超额收益（叠加对比） | 60日胜率（超预期） | 60日胜率（叠加对比） |
|---------|------------------|-------------------|-----------------------|-------------------------|-------------------|---------------------|
| 全报告期 | 169.66 | 110.26 | 4.55% | 4.89% | 52.59% | 53.71% |

• 数据显示两类样本均具备稳定的超额收益和较高胜率，叠加对比效应因子样本的表现更稳定且胜率略高。

超预期事件驱动策略回测及叠加对比效应增强 [page::10][page::11][page::12]

• 基础超预期事件策略回测结果：年化超额收益12%，最大回撤9.19%，收益回撤比1.31，交易次数5409次。

| 年度 | 绝对收益 | 基准收益 | 超额收益 | 最大回撤 | 收益回撤比 |
|---------|-------------|-------------|-------------|------------|------------|
| 全回测期 | 31.81% | 19.81% | 12.00% | -9.19% | 1.31 |

• 叠加对比效应因子后策略回测结果：年化超额收益提升至15.46%，最大回撤降低至8.82%，收益回撤比升至1.75，交易次数下降至3675次。

| 年度 | 绝对收益 | 基准收益 | 超额收益 | 最大回撤 | 收益回撤比 |
|---------|------------|------------|------------|-----------|------------|
| 全回测期 | 35.27% | 19.81% | 15.46% | -8.82% | 1.75 |

样本结构分析 [page::12][page::13]

• 行业分布：全样本以医药、基础化工、机械为主，2017年电子元器件行业样本占比上升。

• 市值分布：样本市值分位多数位于中位水平附近，无显著偏好。

• PB分布：样本PB分位集中于中位水平附近，无明显估值偏好。

报告详尽分析：对比效应对超预期事件的增强策略

---

一、元数据与概览

• 报告标题：《金融工程—对比效应对超预期事件的增强策略》

- 作者：吴先兴 分析师（执业证书编号：S1110516120001）

• 发布机构：天风证券研究所

- 发布时间：2017年12月11日

• 研究主题：基于行为金融学框架，探讨“对比效应”对A股市场中“超预期业绩事件”的影响及其增强策略应用的可行性及效果，尤其针对超预期事件构建增强策略并进行实证回测。

- 核心观点：
- 参考Hartmark和Shue(2016)在《A Tough Act to Follow: Contrast Effects in Financial Markets》提出的理论，认为超预期事件的市场反应受前期市场整体超预期事件表现的“对比效应”影响。
- 利用对比效应因子筛选超预期业绩事件，将案例样本限制为前期超预期总体较低时（即对比效应因子为负或非正的样本），进一步提升事件的市场反应强度。
- 与单纯超预期事件驱动的策略相较，叠加对比效应因子的策略在年化超额收益、最大回撤、收益回撤比等指标上均表现优异。

• 主要结论：通过对比效应筛选，策略交易次数减少近三成，年化超额收益显著提升（15.46% vs. 12%），回撤降低且风险收益比提升至1.75，有效增强了超预期事件的投资价值识别效率。[page::0,13,14]

---

二、逐节深度解读

1. 从行为金融学谈起与框定偏差及对比效应原理

• 关键论断：

- 行为金融学强调有限理性、认知偏差对金融市场的影响，是解释A股市场走势波动的重要理论工具。
- 框定偏差中的对比效应指出，同一信息在不同的环境框架下触发的市场反应不同。
- 业绩超预期事件需结合市场预期，而非单纯的业绩增长绝对量衡量，避免事件效应弱化。

• 理论阐释：

- 投资者主观价值函数$v(x)$会受信息发布时的“背景框定”影响，从而增强或减弱事件的市场效用。
- 超预期事件的对比效应：当前期超预期事件普遍表现不佳（整体意外盈余低），市场对新超预期事件反应更为敏感，反之亦然。

• 示例支持：

- 以002606.SZ（大连电瓷）和002124.SZ（天邦股份）发布超预期业绩为例，尽管天邦超预期比例更高（74.26% vs. 41.13%），但大连电瓷的对比效应因子为-0.56（前期超预期较低），引发更强市场反应，而天邦对比效应因子高达0.72，市场反应被减弱。

• 核心公式：

- 超预期比例计算式：$\mathrm{Earning~Surprise}{i,t}=\frac{Earning{i,t}^{announced} - Earning{i,t-1}^{forecasted}}{|Earning{i,t-1}^{forecasted}|}$
- 行业内对比效应因子计算式：$\mathrm{Contrast}{ind,t}^{IndAdj} = \frac{\sum{\tau=1}^T \sum{k=1}^{K\tau} EarningSurprise{k,\tau}}{\sum{\tau=1}^T K_\tau}$

• 概念梳理：

- “超预期比例”为衡量业绩预告超越市场预期的幅度。
- “对比效应因子”为前期一定区间内同一行业超预期事件的平均超预期比例，作为“背景环境强弱”的表征。

• 结论：利用行业对比效应因子可进一步筛选预期利好事件，提高事件驱动策略的针对性和利润空间。[page::3,4,5]

2. 数据方法与预期调整

• 数据处理问题：

- 由于卖方分析师多预测年度利润，且仅针对未来1-3年，需将年报预期拆分为季度预期以捕捉更多季度事件。
- 采取6种方法估计季度利润占比，包括均匀分配、上年同季度占比、过去3年/5年均值、半衰加权均值等。

• 方法评估：

- 通过2009-2016年历史数据预测测试，发现直接使用“上年同季度利润占比”预测偏差最小，故报告采用此法调整季度预期利润。

• 数据样本：

- 选取发布业绩预告的公司，取预告净利润下限作为公布值，结合调整后的一致预期，计算超预期比例及对比效应因子。

• 逻辑基础：

- 预期调整保证超预期比例计算的准确性，从而保证对比效应因子和事件驱动策略的科学有效性。[page::4,5]

3. 事件效应分析

• 分析样本分组：

- 全样本、单纯“超预期”事件样本、以及“超预期+对比效应因子非正”样本三组行为对比。

• 实证结果：

- 图2显示相对于中证500指数，超预期事件具有正向显著超额收益，叠加对比效应因子的样本超额收益进一步提升，且对比效应计算的回溯天数越长，增强效果越强（60交易日持有期约提升0.7%平均超额收益）。
- 经行业及市值中性处理，叠加对比效应的超预期事件仍然表现出较强的超额收益，表明其事件效应具有稳健性，排除行业和规模影响。

• 稳定性检验：

- 多期（20、40、60日）胜率及超额收益保持稳定，样本大小在各报告期均均衡分布，未出现极端集中。
- 相对中证500及市值行业中性组合，超预期+对比效应样本胜率均优于仅超预期样本，进一步验证了该策略的普遍性及有效性。

• 图表详解：

- 图3、4展示行业及市值中性后的收益曲线，三条上升趋势清晰，体现策略去除行业、市值层面偏差后的事件效应提升。
- 表2、3及图5-12系统展示战略的超额收益水平和胜率的历史表现稳健性。

• 总结：

- 对比效应增强筛选有效提升超预期事件对市场价格的影响力，且该效应在业绩报告不同季度均适用。

• 重要数据：

- 持有60天，叠加对比效应事件平均超额收益达4.89%，胜率超过53%。
- 20-60日超额收益和胜率均明显优于单纯超预期样本。
[page::6,7,8,9]

4. 策略回测分析

4.1 超预期事件驱动策略

• 策略逻辑：

- 选取公告当天发布业绩预告且超预期比例和调整后预测净利润均为正的股票。
- 公告日开盘买入，持有55个交易日后开盘卖出。

• 回测细节：

- 时间：2009.1.1至2017.11.28
- 手续费设定：买入0.1%，卖出0.2%
- 持仓权重等权，单只股票权重上限10%
- 基准为A股全市场等权指数（剔除ST及上市不满一年）

• 回测结果：

- 累计交易5409次；
- 年化超额收益12%，最大回撤9.19%，收益回撤比1.31；
- 各年度均实现明显正超额收益，其中2009年高达19.39%，2015年最大28.58%超额。

• 图表解读：

- 图13曲线显示策略净值稳健提升，峰值明显优于基准，波动虽有但整体跑赢市场。

• 特点：

- 频繁交易，操作成本相对较高；
- 收益稳定，但风险亦不容忽视。[page::10,11]

4.2 叠加对比效应增强策略

• 策略核心：

- 同超预期策略，在之前条件上增加“公告日前5交易日所在行业超预期对比效应因子非正”的筛选条件。

• 回测设定：

- 参数与前相同，独特之处在于选股条件更为严格。

• 回测结果：

- 交易次数减少至3675次，降低约三成交易频率；
- 年化超额收益提升至15.46%，最大回撤缩小至8.82%，收益回撤比显著改善至1.75；
- 各年度对比均优于单纯超预期策略，2015年超额收益达30.84%；

• 图表说明：

- 图14显示策略曲线表现更强，稳健性明显提升。

• 结论：

- 对比效应因子的加入提高了事件筛选的质量，增强了选股的投资价值，有效提升策略绩效并优化风险暴露。
- 策略基于行为金融框架，有效捕捉投资者关注度变化及市场效用增强。
[page::11,12,14]

5. 样本特征分析

• 行业分布：

- 全样本中医药、基础化工与机械行业占比较大；
- 2017年电子元器件行业权重显著增加，显示行业结构随时间演化。

• 市值特征：

- 样本市值在市场中位数上下浮动，平均分位约0.5，意味着无明显大盘或小盘偏好。

• PB分位：

- 样本PB分位同样上下波动，平均分位保持在0.5左右，未体现明显估值偏向。

• 解读：

- 策略选股分布均衡，无明显行业、市值或估值压缩性偏差，反映策略较为广泛的适用性。

• 小结：

- 行业、市值、估值各维度样本分布均衡，可避免策略受单一因子驱动偏差而导致不稳定。
[page::12,13]

---

三、图表深度解读

图1：对比效应举例

• 示例展示了两只股票超预期公告后60个交易日相对中证500指数的超额收益走势。

- 大连电瓷（对比效应因子=-0.56）呈显著上升趋势，收益超过0.8；

• 天邦股份（对比效应因子=0.72）表现逊色，收益低于0.35。

- 直观体现对比效应对事件效应大小的影响，支持理论假设。

图2-4：事件效应叠加对比效应分析

• 图2相对于中证500的收益曲线，叠加对比效应的样本较单纯超预期样本表现更优，尤其随着事件后天数增长差异显著。

- 图3、图4剔除行业效应、市值效应后，叠加对比效应的超额收益及胜率仍优于单纯超预期样本，强化策略稳健性。

• 这些图表显示策略的超额收益非偶然，具有系统性和广泛适用性。

图5-12：稳定性检验

• 通过多期测算超额收益及胜率，数据表明叠加对比效应样本的胜率和超额收益更稳定。

- 样本数稳定分布，避免样本集中带来的偶然性。

• 以上图表分布均衡且胜率超过50%，策略较稳定，抗噪声能力较强。

图13-14：回测净值曲线

• 图13单纯超预期策略净值曲线平稳增长，图14叠加对比效应策略提升效果明显，年化收益曲线及相对收益均更高。

- 对比显示对比效应强化策略提升了投资回报及降低风险。

图15-18：样本结构图示

• 反映样本行业广泛，市值和PB分布均匀，策略不依赖特定市场分布。

---

四、估值分析

本报告不涉及传统估值模型的分析（如DCF、市盈率等）。但从策略构建角度讲，隐含了对超预期事件本质及市场反应的量化估计与筛选机制：

• 通过计算业绩公告的超预期比例，并结合对比效应因子调整其投资效用，实现事件效应量化。

- 策略基于绝对和相对超额收益强化筛选，达到“套利空间估值”的行为金融层面提升。

• 无明确折现率、永续增长率等经典估值输入，但回测中用交易成本、持仓权重等风控参数，实现风险收益权衡。

---

五、风险因素评估

• 模型风险：

- 依赖历史数据估计超预期效应与对比效应，未来市场结构变化可能导致模型失效。
- 行业内聚焦可能无法完全捕捉跨行业事件影响及系统性风险。

• 市场风险：

- 策略基于市场对同类事件反复响应，市场情绪、交易机制突变均可能影响效果。

• 操作风险：

- 流动性与成交成本变化有可能影响策略执行效果。

• 缓解策略：

- 叠加行业、市值中性处理降低系统风险；
- 交易费及单只股票权重上限设定控制策略风险。

• 提示：

- 报告明确注明策略基于历史数据，存在失效风险[page::0,14]。

---

六、批判性视角与细微差别

• 报告充分利用行为金融学对传统事件驱动策略加以改进，理论和实证均有扎实支撑。

- 策略逻辑明晰，数据充分，但存在以下潜在局限：
- 对比效应因子的计算周期（1、3、5天窗口）选择略显机械，是否可优化尚待验证。
- 超预期定义以0阈值划分可能造成噪声，未明确体现超预期幅度对策略权重的分层影响。
- 对比效应主要局限于行业内超预期事件，未充分考虑跨行业信息溢出效应。
- 回测期间大多为牛市后期，牛熊转换时策略表现波动较大，需进一步稳健性验证。
- 报告未具体披露样本稳健性检验的统计显著性水平，投资者需谨慎解读。

• 不过整体而言，报告较为客观，避免偏见，且介绍和说明详尽。

---

七、结论性综合

本文基于行为金融学中框定偏差及对比效应理论，结合A股市场超预期业绩公告事件，提出并验证了"叠加对比效应因子"的事件增强投资策略。其核心在于：

• 通过行业维度对超预期事件背景水平进行量化，筛选出前期超预期普遍较弱，市场关注度更高的超预期事件。

- 对比效应因子为负（或非正）时，代表环境背景较差，此时相同超预期事件带来的市场反应更强烈，事件收益更可持续。

• 采用调整后单季度净利润预测作为预期测算基础，实现跨季度超预期事件的捕捉及预测准确性提升。

- 大量样本实证显示叠加对比效应因子的样本具有更高的超额收益和更优的风险调整后表现，且各期分布及胜率稳定。

• 回测结果显示增强策略较传统超预期事件策略，年化超额收益提升至15.46%，最大回撤降低至8.82%，显著提高收益-风险比，且交易活跃度有效降低。

- 样本结构分析表明策略表现不受行业、市值和PB估值偏好影响，投资范围广泛。

整体看，这一研究创新地将行为金融的对比效应概念应用于A股事件驱动策略构建，打破了单纯基于绝对超预期收益的策略局限，提升了事件分析的深度与精准度。报告数据详实，图表支持充分，策略逻辑自洽稳健，具备较强的市场应用前景。

投资者如以此为依据设计事件驱动策略，可有效增强选股品质，提高超额收益水平，同时降低交易频率和风险敞口。但应注意策略基于历史表现存在时效性风险，需结合动态市场环境持续验证调整。

---

附：关键图表引用示例

• 图1对比效应示例图显示两只超预期业绩股在背景评估区别下走势差异明显，强调对比效应核心价值。

- 图2-4体现了基准调整后叠加对比效应事件的溢价效应，增强调动策略参数说明。

• 图13、14回测净值曲线直观反映增强策略在长期的超额收益及波动控制。

- 表1预期调整方法误差比较促使选择去年同季度分布作为季度净利润占比的依据。

• 表2、3以及图5至图12细致统计检验了超预期事件以及叠加对比效应事件的超额收益稳定性与获胜率。

---

全文溯源页码：[page::0,1,3,4,5,6,7,8,9,10,11,12,13,14]

---

以上为本研究报告的全面且详尽的拆解与分析，旨在帮助专业投资人及策略研发者深刻领会对比效应在超预期事件中的实证价值，及其策略应用落地的具体实现路径。

报告