量化模型与构建方式 标准化预期外盈余因子（SUE） 1. 因子名称：标准化预期外盈余因子（SUE） 2. 因子的构建思路：通过比较实际净利润与预期净利润的差异，并标准化该差异，来衡量公司业绩的超预期程度 3. 因子具体构建过程： - 公式：$S U E={\frac{R_{t}-E_{t}}{\sigma(\mathrm{R_{t}-E_{t})})}}$ - 公式中，$R_{t}$表示财报披露的净利润水平，$E_{t}$表示预期的净利润水平，$\sigma(\mathrm{R_{t}-E_{t})}$表示预测偏差的波动率水平[30] 4. 因子评价：基于个股财报数据和分析师一致预期数据构建的SUE因子在不同报告样本池中均具有良好的表现，其中业绩预告对应的多头表现最佳，多报告融合对应的多空对冲夏普比率最高[41] 预期外百分比因子（PCT） 1. 因子名称：预期外百分比因子（PCT） 2. 因子的构建思路：通过比较实际净利润与预期净利润的差异，并标准化该差异，来衡量公司业绩的超预期程度 3. 因子具体构建过程： - 公式：$P C T={\frac{R_{t}-E_{t}}{a b s(E_{t})}}\,,\;\;E_{t}\neq0$ - 公式中，$R_{t}$表示财报披露的净利润水平，$E_{t}$表示预期的净利润水平，$a b s(E_{t})$表示预期净利润的绝对值[42] 4. 因子评价：无论是SUE因子，还是PCT因子，在测试区间均表现了优异的选股能力[49] 超预期收益因子（OER） 1. 因子名称：超预期收益因子（OER） 2. 因子的构建思路：通过计算公告日前后一个交易日的超额收益之和，来衡量公司业绩的超预期程度 3. 因子具体构建过程： - 公式：OER = 公告前一个交易日收益 + 公告后一个交易日收益 - 公式中，公告前一个交易日收益用来表征知情交易者的相关信息，后一个交易日收益用来表征市场反应情况[62] 4. 因子评价：2016年之前，OER因子在超预期股票池内的区分度不显著，但之后开始逐渐有了稳定的区分效果[66] 跳空因子（JUMP） 1. 因子名称：跳空因子（JUMP） 2. 因子的构建思路：通过计算公告后第二个交易日的跳空收益率，来衡量公司业绩的超预期程度 3. 因子具体构建过程： - 公式：JUMP = 股票跳空收益率 - 指数跳空收益率 - 公式中，股票跳空收益率为公告后第二个交易日最低价与前一个交易日收盘价的差值，指数跳空收益率为中证500指数的跳空收益率[73] 4. 因子评价：JUMP因子在2017年之后开始有显著的超额收益[76] 理想反转因子 1. 因子名称：理想反转因子 2. 因子的构建思路：通过观察公告日后7个交易日的累计收益，来衡量公司业绩的超预期程度 3. 因子具体构建过程：具体构建方法参见开源金融工程团队研究报告《A股反转之力的微观来源》[74] 4. 因子评价：理想反转因子在全区间内对超预期股票池具有显著的分层能力[78] 大小单残差因子 1. 因子名称：大小单残差因子 2. 因子的构建思路：通过观察个股资金流的强弱关系，来衡量公司业绩的超预期程度 3. 因子具体构建过程：具体构建方法参见开源金融工程团队研究报告《大单与小单资金流的alpha能力》[78] 4. 因子评价：小单残差因子比大单残差因子的效果表现更好[79][80] 因子的回测效果 1. SUE因子 - 业绩预告样本池：多头年化收益率26.43%，夏普比率0.81，多空对冲年化收益率17.93%，夏普比率2.24[32] - 定期报告样本池：多头年化收益率18.09%，夏普比率0.63，多空对冲年化收益率9.49%，夏普比率2.35[34] - 多报告融合样本池：多头年化收益率21.56%，夏普比率0.72，多空对冲年化收益率14.15%，夏普比率3.46[39] 2. PCT因子 - 业绩预告样本池：多头年化收益率25.78%，夏普比率0.79，多空对冲年化收益率22.81%，夏普比率2.93[43] - 定期报告样本池：多头年化收益率17.31%，夏普比率0.58，多空对冲年化收益率10.81%，夏普比率2.10[43] - 多报告融合样本池：多头年化收益率17.23%，夏普比率0.72，多空对冲年化收益率14.10%，夏普比率2.68[46] 3. 超预期30组合 - 多头收益率43.13%，夏普比率1.53，月度胜率约70% - 对冲基准收益31.08%，夏普比率3.6，月度胜率超80%[90][93]