机构调研事件概况及数据特征 [page::4][page::5][page::6]

• 机构调研事件以特定对象调研为主，占88%，具有明显季节性，主要集中在5月和11月即财报披露后。

- 93%调研公告公告日期与实际调研日期的间隔小于一周，公告时效不断提升。

• 参与调研机构投资者集中，近70%调研机构家数不超过5家，32%为独家调研，机构调研具有时效性和集中性。

被调研公司特征 [page::6][page::7]

• 机构投资者偏好调研大市值公司，市值越大被调研概率越高，低市值公司调研比例较少。

- 被调研股票处于中等估值水平，占比较高，无明显估值偏好。

• 机构调研股票前期累计收益率较高（1个月、3个月均明显偏高），换手率和波动率也明显高于市场平均，表明调研对象市场活跃度较强。

- 高涨幅、高换手和高波动的特征在A股市场通常与未来收益负相关，这些需作为控制变量纳入超额收益分析中。

机构调研事件的截面溢价表现 [page::8][page::9]

• 机构调研虚拟变量截面溢价月均值为0.30%，胜率65%，信息比率1.34，具有稳健的超额收益。

- 调研日的虚拟变量溢价高于公告日，溢价更为显著，表明超额收益从调研日开始启动。

• 调研机构数量影响超额收益，2-5家机构参与的小规模调研效果最佳，胜率和信息比率均较优。

| 调研机构数量 | 月胜率 | 月均溢价 | 月标准差 | 信息比率 |
|--------------|---------|---------|---------|---------|
| 1家 | 65% | 0.28% | 1.01% | 0.94 |
| 2-5家 | 59% | 0.38% | 0.94% | 1.41 |
| >5家 | 56% | 0.31% | 0.99% | 1.09 |

机构调研与分析师推荐的比较 [page::9][page::10][page::11]

• 分析师推荐股票覆盖数量约为机构调研的2倍，覆盖广泛性更强。

- 机构调研与分析师推荐的股票存在显著相关性，但也有独立性，两者互为补充。

• 双变量截面回归显示两者都能持续产生正截面溢价，分析师推荐略高于机构调研，但机构调研溢价独立且显著。

- 根据组合拆分，单独分析师推荐、单独机构调研以及同时存在的股票均表现出正溢价，且联合事件表现最佳。

• 时间序列溢价上，分析师推荐和机构调研的有效期和失效时间存在差异，因而组合使用两信号可提升多因子策略稳健性。

研究结论与启示 [page::0][page::11]

• 机构调研事件反映机构投资者实地调研的投资偏好，虽滞后于价格与交易活跃度，但在剔除风格及交易行为的影响后，仍产生难以被解释的超额收益。

- 与分析师推荐相比，机构调研覆盖少但具有差异化信号，二者可相互补充，优化选股因子构建。

• 投资者可关注公告时效性较强、机构规模适中（2-5家）的调研事件，以构建信号组合策略，提升收益稳定性和风险控制。

报告详尽分析报告——《机构调研事件的超额收益》

---

1. 元数据与概览

报告标题： 机构调研事件的超额收益
作者： 冯佳睿、沈泽承
发布机构： 海通证券研究所
发布日期： 2018年4月（数据截至2018年3月）
主题： 通过上市公司公告披露的机构投资者调研行为，探究其对股票未来超额收益的影响及与分析师推荐事件的比较。

核心论点与评级：
报告系统性地研究了A股市场中机构调研事件的特征及其对调研股票收益的影响，发现机构调研事件能够产生稳定且显著的超额收益。报道中，机构调研股票的月截面溢价胜率65%，月均值为0.30%，信息比率1.34，显示统计显著性和稳健性。同时，机构调研事件和分析师推荐事件存在一定关联，但其超额收益独立且互补，组合使用这两类信息有助于增强选股模型的表现。报告提醒风险主要为历史统计规律可能失效，以及统计模型失准的风险。[page::0, 11]

---

2. 逐节深度解读

2.1 机构调研数据（第1章）

• 关键论点：

样本期间（2013年1月至2018年3月），机构调研事件累计超过42,000次。事件呈现明显季节性，集中于财报披露后的5月和11月；而春节期间2月较少。机构调研主要为“特定对象调研”，占总数88%，其他类型如分析师会议、业绩说明会等占12%。公告通常发布在调研发生后的一周内，保证信息的时效性。

• 数据解释：

- 图1显示机构调研事件数的时间序列，峰值明显对应报告披露季节。
- 图2饼图支持调研事件类型分布观点。
- 图3和图4对公告与实际调研日期的间隔时间进行分析，发现93%公告在一周内发布，及时性较好。
- 图5显示32%调研为独家调研（仅一家机构投资者），36%为2-5家机构，超过20家的调研仅占7%，调研参与度相对集中。

• 推理依据：

由于调研公告发布时间与调研时间差异对信息价值的影响，作者通过统计公告-调研日期间隔，确定保留高时效性样本，确保分析的准确性。

[page::4, 5]

2.2 被调研公司的特征（第2章）

• 关键论点：

机构投资者偏好调研大市值、价值偏中等的公司，且被调研股票在调研前往往表现出高涨幅、高换手、高波动的交易特征。
考虑到这些因素对股票未来回报的显著影响，分析时必须加以控制。

• 数据点与图表解读：

- 图6显示调研公司在市值分组上的分布，15%处于最高市值组，仅4%位处低市值组，说明机构倾向于大盘股。
- 图7在估值分组分布中，中等估值公司占优，说明估值与调研偏好之间无明显单调关系。
- 图8和图9分别展示1个月和3个月的累计收益率分布，高涨幅组股票占比明显较高，机构偏好热点标的。
- 图10和图11反映换手率和波动率的偏好，机构调研股票趋向于较高换手率和波动率，股票活跃度高。

• 模型控制因素说明：

因A股市场存在小盘效应及涨幅、换手率、波动率对未来收益的负相关，调研的股票因为前期活跃，实际收益受相关因子影响明显，因此对超额收益做因子控制非常关键。

[page::6, 7]

2.3 机构调研事件的截面溢价（第3章）

3.3.1 虚拟变量构建与回归模型（3.1节）

• 方法论：

构建了以“机构调研公告日期”为基准的虚拟变量Survey，1个月内发布调研公告则Survey=1。
通过截面回归模型控制一系列选股因子（风格、交易行为、基本面、行业因素等），以月度股票累计收益率为因变量。回归方程形式为：
\[
r{i,t+1} = c{t+1} + f \cdot F{i,t} + \beta1 \cdot Rec{i,t} + \beta2 \cdot Survey{i,t} + \epsilon{i,t+1}
\]
其中Rec代表分析师推荐虚拟变量，Survey代表机构调研虚拟变量。

• 样本处理：

剔除公告日期与调研日期间隔超过1个月的样本（占3%），确保时效性和缓解数据噪声。

3.3.2 超额收益表现及图表（3.1节、3.2节）

• 结果：

- 机构调研虚拟变量月溢价胜率为65%，月均溢价0.30%，信息比率1.34，显示调研股票具有显著且稳健的正超额收益。
- 图12时间序列展示正溢价的持续性，有部分失效时段（2016年10月至2017年1月）。
- 图13累计溢价净值也体现了整体正向趋势。

• 公告与调研日期影响（3.2节）：

使用“调研日期”构建虚拟变量，月溢价胜率升至68%，月均溢价0.38%，信息比率1.57，高于公告日，用以说明超额收益在调研发生当天即开始体现，公告多数属于滞后信息。详见表1。

• 参与机构数量影响（3.3节）：

按调研机构家数分组，2-5家机构参与的小规模调研拥有最高的月均溢价（0.38%）和信息比率（1.41），独家调研和多于5家机构参与的调研表现稍逊，详见表2。

[page::7, 8, 9]

2.4 机构调研与分析师推荐比较（第4章）

• 覆盖数量差异（4.1节）：

分析师推荐的股票覆盖数约为机构调研的两倍（832只 vs. 390只/月，图14）。更广的覆盖率使分析师推荐对多因子模型的整体影响更大。

• 相关性统计（4.1节）：

- 有23%的分析师推荐股票出现在机构调研股票里，未推荐股票此比例为12%。
- 约50%的机构调研股票也被分析师推荐，非调研股票表现为29%。
- 卡方检验显示两者高度相关（卡方值3511，p<0.001），详见表3。

• 截面溢价比较与回归分析（4.2节）：

- 方程1与方程2分别检验单独引入分析师推荐及机构调研虚拟变量，均获得显著正截面溢价（0.48%与0.37%且t值均显著）。
- 方程3同时引入两变量，截面溢价略有下降（分析师推荐0.45%，机构调研0.30%），反映二者存在相关性，互相部分替代。
- 方程4分三类虚拟变量（仅分析师推荐，仅机构调研，双重均含），均显著且双重均含股票截面溢价最高（0.63%），且均显著，说明两者超额收益独立且互补，详见表4。

• 时间序列回撤情况（图15）：

- 分析师推荐在2014年下半年-2015年上半年有明显回撤；
- 机构调研则在2016年10月-2017年1月出现回撤，互补效应明显；
两者失效期差异为多因子组合构建提供了潜在机会。

[page::9, 10, 11]

2.5 总结（第5章）

• 机构调研具有滞后性，被调研股票调研前已处于高涨幅、高换手、高波动的活跃状态；

- 机构调研更偏好大市值公司，而不同估值对于被调研概率无明显模式；

• 即便控制了市值、交易行为等典型选股因子，机构调研相关股票依旧表现出显著正超额收益，统计指标稳健；

- 分析师推荐和机构调研事件有统计相关性，但超额收益相互独立，两类事件结合可提升投资组合表现；

• 风险因素为历史经验规律的失效和统计模型可能不匹配未来市场环境。

报告强调，结论源于自动化量化模型运算，未做主观调整，数据均公开来源。[page::11]

---

3. 图表深度解读

图1 机构调研事件次数（月，2013.1-2018.3）

展示月度机构调研事件数量变化，明显的年内周期特征，5月和11月峰值对应季度/年报披露后市场活跃阶段，2月数据低谷与春节假期吻合。揭示机构调研活动受上市公司信息披露节奏影响显著。[page::4]

图2 机构调研事件类型（2013.1-2018.3）

饼图显示88%的调研为特定对象调研，说明调研行为偏向针对性深入访谈，非现场和现场说明会等占比较少，突显调研的针对性和私密性特点。[page::4]

图3/4 公告与调研日期间隔（天数分布及均值）

• 图3饼图显示78%公告在调研后的一周内发布，15%当日公布，时效性较好；只有极少数公告延迟超过2个月。

- 图4折线显示自2013年以来该间隔均值逐年下降，从近20天降至5天以内，意味着公告披露更及时，提高数据实用价值。[page::5]

图5 机构投资者参与家数分布

32%独家调研，36%调研涉及2-5家机构，少数超过20家的跨机构联合调研。显示调研主体多为少数核心机构，联合调研虽有但不普遍，更集中化的信息搜集行为。[page::5]

图6 被调研公司市值分组分布

曲线明显高于均匀分布线（10%），尤其在高市值分组，反映机构调研明显倾向大盘股，结合实际市值的流动性和市场关注度差异合理。[page::6]

图7 被调研公司估值分组分布

分布曲线呈现“中等估值优先”特征，中等估值公司份额最高，高估值和低估值分组占比均较低，无明显单调关系，反映估值不是调研首要筛选标准。[page::6]

图8/9 被调研公司1个月/3个月累计收益率分组分布

两图呈相似趋势，前期涨幅高的股票占比最高，显示机构调研更多青睐近期表现较好的股票，存在明显的滞后确认特征（跟风效应）。[page::6]

图10 被调研公司日均换手率分组分布

换手率高的股票更易被调研，分布曲线明显偏高于均匀线，表明机构关注活跃度高、流动性强的股票。[page::7]

图11 被调研公司波动率分组分布

类似换手率，波动率较高股票占比较大，机构倾向于调研市场关注度高、价格波动大的标的，符合主动关注信息挖掘的预期。[page::7]

图12 Survey虚拟变量截面溢价（月度时间序列）

柱状图展示月度溢价波动，正溢价具有超过三分之二的胜率，体现机构调研因子溢价的时序稳定性，虽中间存在失效区域，但整体显著。[page::8]

图13 Survey虚拟变量截面溢价（累计）

累计净值稳步上升，体现虚拟变量所含信息价值在长期内带来持续超额收益，适合作为量化选股因素。[page::8]

图14 分析师推荐与机构调研股票月度覆盖数

两条曲线体现样本期间分析师推荐股票数量约为机构调研的2倍，显示两类信息的覆盖度及影响力差异。波动均符合市场节奏，峰谷对应市场活跃期变化。[page::9]

图15 分析师推荐与机构调研截面溢价累计净值对比

两条曲线各有起伏，长期均呈正向累积但分析师推荐波动幅度更大，机构调研进化更为稳健，时间错配使两者在组合策略中具有互补优势。[page::11]

---

4. 估值分析

本报告未涉及对具体股票或行业的直接估值测算，未采用DCF或市盈率估值技术。主要采用截面回归模型作为数量化分析工具，通过控制市值、估值、交易行为等多因子影响评估事件驱动的超额收益，强调统计上截面溢价的显著性和稳健性。

---

5. 风险因素评估

• 历史规律失效风险： 数据基于过去五年表现，未来市场结构和参与者行为变化可能影响规律有效性。

- 统计模型失配风险： 模型假设股票市场线性适用，若市场非理性因素增强，模型预测能力可能下降。

• 调研公告时间滞后性风险： 若公告与调研日期间隔过长，事件时效性丧失，带来信息滞后效应，削弱策略效果。

- 样本选择偏差： 剔除公告与调研间隔过长样本可能导致样本偏差，影响结果的泛化能力。

报告未详述缓解机制，但通过严谨的样本筛选，以及对公告日期与调研日期差异的分析，缓冲了部分信息时效性风险。[page::0, 4, 11]

---

6. 批判性视角与细微差别

• 机构调研涉及的绝大部分数据依赖公告披露，公告滞后对信息及时性产生影响，虽然作者已剔除极端滞后样本，但公告信息并非实时披露，可能引入信息滞后偏差。

- 调研事件多集中于大市值与活跃股票，存在一定“关注偏好”或“市场从众”效应，部分超额收益或为流动性溢价或其他未完全控制的风险因素所致。

• 分析中虽然采用了控制变量模型，但部分可能影响未来收益的微观因素和行业特性未详尽披露，模型解释力存在一定限制。

- 无主观调整虽保证了客观性，但也限制对潜在不合理现象或事件信息的深入解读和异常样本排查。

总的来说，报告在统计层面严谨，结论稳健，然而对机制层面和微观行为动因分析相对较少，未来可结合更丰富的非结构化数据（如访谈内容、机构持仓变动）进行完善。[page::11]

---

7. 结论性综合

本报告秉持量化实证分析方法，系统研究了A股市场机构投资者调研公告的数量特征、调研股票基本面与交易风格特征、机构调研事件对股票未来收益率的截面溢价及其和分析师买入推荐的关系。

主要发现包括：

• 机构调研事件频繁，且具有明显季节性，多为特定对象调研，机构参与通常集中于少数几家；公告相对及时，确保数据实用性。
• 被调研股票主要为大市值、活跃度高（高涨幅、高换手、高波动）的股票。这些活跃因子本身与股票未来收益呈负相关，必须控制，才可准确识别调研事件价值。
• 通过截面回归控制多种风格、交易行为及基本面因子后，机构调研股票依旧表现出稳定显著的超额收益，月均溢价0.30%，胜率65%，信息比率1.34，说明调研事件本身蕴含有效的信息增量。
• 调研事件公告与实际调研日期间隔较短，且超额收益在调研日即开始体现，体现市场对机构调研行为的正反馈。
• 调研机构家数的中等参与规模（2-5家机构）对应的超额收益最大，显示“小规模”调研反而提供了更有效的市场信息。
• 机构调研与分析师推荐事件之间高度相关，但各自在截面溢价上独立且互补。分析师推荐股票覆盖面更广，溢价更高，而调研事件在虧损期间的抗压表现优异，两者结合能提升收益预测模型的稳定性和准确度。
• 风险主要为历史统计规律的稳定性和公告滞后信息的及时性问题。
• 图表清晰展示了样本分布的特征与超额收益表现，直观支持结论。尤其图12、13和表1、2非常关键，体现了机构调研事件对股票收益的量化影响及调研日期的时效性。

总体来看，本报告为量化投资者和研究者提供了基于公告数据构建机构调研因子的新思路，验证了机构调研事件是A股市场不可忽略的超额收益来源，且和分析师推荐互补，可用于构建更有效的多因子投资模型。该研究对理解机构投资者行为及其对市场价格形成的影响有重要参考意义，为实践中构建基于机构调研的策略提供了坚实的数据支持和模型框架。

---

基于上述分析，报告呈现出较完整、严谨且具实践价值的研究成果，是深入理解机构投资者调研行为及其超额收益潜力的重要参考资料。[page::0-11]

---

附：主要引用图表示意

• 图1（机构调研事件次数月度走势图）

• 图2（机构调研事件类型饼图）

• 图12（机构调研虚拟变量截面溢价月度）

• 图13（机构调研虚拟变量截面溢价累计）

• 表1（调研后与公告后虚拟变量截面溢价对比）

| | 月胜率 | 月均溢价 | 月标准差 | 信息比率 |
|---------|---------|----------|----------|----------|
| 公告后 | 65% | 0.30% | 0.78% | 1.34 |
| 调研后 | 68% | 0.38% | 0.83% | 1.57 |

• 表4（分析师推荐与机构调研截面溢价对比）

| 方程 | 变量 | 参数估计 | T-统计量 |
|-------|----------------|----------|----------|
| 方程1 | 分析师推荐 | 0.48% | 4.15 |
| 方程2 | 机构调研 | 0.37% | 3.39 |
| 方程3 | 分析师推荐 | 0.45% | 4.13 |
| | 机构调研 | 0.30% | 3.06 |
| 方程4 | 仅分析师推荐 | 0.52% | 4.78 |
| | 仅机构调研 | 0.50% | 3.63 |
| | 推荐&调研 | 0.63% | 3.18 |

---

（全文结束）

报告