量化模型与构建方式 1. 模型名称：PEAD.notice选股策略 - 模型构建思路：基于上市公司财报相对业绩预告的盈余惊喜程度，结合企业生命周期理论，筛选出具有成长性且盈余超预期的股票[3][63][67] - 模型具体构建过程： 1. 数据筛选：在每年2、4、8、10月末，回溯股票最近2个月的盈余披露信息，筛选出以下条件的股票： - 业绩预增：业绩预告利润中值大于去年同期利润，且二者非负 - 盈余惊喜：正式财报/业绩快报中真实利润大于业绩预告利润中值 - 生命周期：企业生命周期阶段为成长期或成熟期[63][67] 2. 排序与筛选：按照盈余惊喜程度（p_score因子）从高到低排序，剔除尾端25%的股票，选取指标值最高的150只股票构建盈余惊喜股票池[65] 3. 因子优化：结合估值、财务质量和技术特征因子（如BP、EP、ROE等），对股票池进一步筛选，最终选取30只股票构建PEAD.notice组合[74][75] - 模型评价：PEAD.notice策略偏向中小市值机构冷门股，收益显著且稳健，与基于分析师文本信息的PEAD.text策略在收益分布和持仓风格上具有互补性[3][86] --- 模型的回测效果 1. PEAD.notice选股策略 - 年化收益：41.3%[78] - 相对中证500指数年化超额收益：35.0%[78] - 月度胜率：79.2%[78] - 信息比率（IR）：2.64[78] --- 量化因子与构建方式 1. 因子名称：p_score因子 - 因子构建思路：衡量财报真实利润相对业绩预告预计利润的盈余惊喜程度，p_score值越高，盈余惊喜程度越大[2][32] - 因子具体构建过程： 1. 定义公式： $p\_score=\ (p\_real-p\_min)/(p\_max-p\_min)$ 其中，$p\_real$为正式财报的真实利润，$p\_min$和$p\_max$分别为预计利润区间的上下限[32] 2. 数据调整：当预计利润上/下限相等或之一缺失时，按照上下限偏离均值（10%和20%）进行调整[33][34] 3. 数据分组：将股票按p_score值分组，验证因子在不同分组的超额收益表现[34] - 因子评价：p_score因子在有预告股票样本池中表现出显著的选股能力，年化多空收益超过15%，月度IC均值3.0%，ICIR为2.89，但覆盖率较低，仅为46.2%[36][39] 2. 因子名称：生命周期因子 - 因子构建思路：基于企业现金流特征划分生命周期阶段，筛选出处于成长期和成熟期的企业[47][49] - 因子具体构建过程： 1. 现金流划分：根据经营、投资、筹资活动的现金流净额正负，将企业分为8种类型[47] 2. 生命周期分类：按照现金流特征，将企业划分为初创期、成长期、成熟期、衰退期和死亡期5个阶段[49][54] 3. 因子赋值：将生命周期阶段重新分组为3个阶段（初创/死亡期为阶段1，成长期/衰退期为阶段2，成熟期为阶段3），并赋值1、2、3[55] 4. 因子测试：在中证800和中证1000指数成分股中测试因子表现，验证生命周期因子与股票未来超额收益的正相关性[55] - 因子评价：生命周期因子在全A股市场具有良好的区分效果，尤其在成长期和成熟期企业中表现出显著的超额收益[57][59] --- 因子的回测效果 1. p_score因子 - 年化多空收益：15.3%[36] - 月度IC均值：3.0%[36] - ICIR：2.89[36] - 覆盖率：46.2%[36] 2. 生命周期因子 - 月度Rank IC均值：2.4%[55] - ICIR：1.30[55] - 分组超额收益：阶段3（成熟期）企业的超额收益显著高于阶段1（初创/死亡期）企业[56]