20250422-东方证券-因子选股系列之一一四_盈余公告异象类因子改进与挖掘_25页_1mb

盈余公告异象类因子改进与挖掘总结

核心内容

本报告聚焦于盈余公告事件窗口下的因子挖掘，旨在解决传统AOG因子在多因子组合中的相关性衰减及知情交易者干扰问题。通过引入新的因子构造方法，如使用分位数和统计量来替代原始的AOG构造方式，构建了两个改进因子：DEMAX 和 QUANTILE，分别用于衡量超预期程度和盈利质量。同时，报告还探讨了基于盈余公告事件的衍生因子挖掘，提出了多个新的量价异动型因子。

主要观点

1. AOG因子的缺陷：

   • 传统AOG因子在近几年表现走平，多头组超额收益未能持续。
   • 存在跨日的时序可比性问题及知情交易者提前透支业绩的问题。

2. 改进方法：

   • 跨日时序可比性问题：采用截面分位数方式代替绝对值计算，提升因子的相对可比性。
   • 知情交易者干扰问题：使用公告前20日的分位数最大值作为“真实预期”，与公告日跳空幅度进行对比，以衡量真实超预期程度。

3. 改进因子表现：

   • DEMAX：基于公告前最大跳空值，提升了因子的稳定性与超额收益。
   • QUANTILE：基于公告前的盈利质量下限，增强了因子的防守性。
   • 两个改进因子在近3年的表现优于原始因子，且与现有因子相关性较低，具备较好的选股能力。

4. 衍生因子挖掘：

   • 基于盈余公告的最低价涨跌幅构造了AOG_LOW衍生因子。
   • 通过引入DEMAX和QUANTILE算子，衍生出新的因子，具有较低的相关性，能够有效补充现有因子库。

5. 因子有效性验证：

   • 新因子在沪深300、中证500、中证1000指数增强组合中表现优异，超额收益和信息比均有显著提升。
   • 与传统因子相比，新因子具备更高的IC均值和胜率，显示其具有独立的信息增量。

关键信息

• AOG因子改进：

  • AOG_RANK因子通过截面分位数计算，提升了时序可比性。
  • AOG_RANK_DEMAX_20d因子结合公告前最大值，有效抑制知情交易者干扰。
  • AOG_RANK_PRE_QUANTILE_20_20d因子基于盈利质量下限，提升了因子的稳健性。

• 因子表现：

  • AOG_RANK_DEMAX_20d因子年化超额收益从3.26%提升至3.75%，信息比从1.85提升至2.21。
  • AOG_RANK_PRE_QUANTILE_20_20d因子年化超额收益从4.41%提升至5.22%，信息比从1.7提升至2.06。
  • AOG_RANK_PRE_QUANTILE_20_20d因子在中证1000指数增强组合中表现尤为突出，年化超额收益从7.15%提升至7.61%。

• 因子风格暴露：

  • AOG_RANK_DEMAX因子偏向成长风格，IC均值较高，且在1、4月表现尤为突出。
  • AOG_RANK_QUANTILE因子偏向防守风格，具有较低波动性，且在11月表现优异。

• 因子相关性：

  • AOG_RANK_DEMAX与原始AOG相关性较高（0.95），而与QUANTILE相关性较低（0.09）。
  • 新因子与现有因子相关性低，具备较好的独立性。

• 因子应用效果：

  • 加入改进因子后，中证500增强组合超额收益显著提升，信息比和月度胜率均有改善。
  • 新因子对多因子模型具有显著的增量信息，提升模型整体表现。

衍生因子挖掘

• AOG_LOW因子：
  • 以最低价涨跌幅代替开盘价涨跌幅，构建了AOG_LOW衍生因子。
  • 通过DEMAX和QUANTILE算子，分别构造了AOG_LOW_RANK_DEMAX和AOG_LOW_RANK_QUANTILE因子。
  • 这些因子在多个宽基指数增强组合中表现优异，具有良好的选股能力。

风险提示

1. 量化模型失效风险。
2. 极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。

附录：相关报告

图表摘要

• 图1：盈余公告前后各类交易者行为模式。
• 图2：AOG因子月度十分组多空净值。
• 图3：AOG因子月度IC及累计IC。
• 图4：AOG因子十分组超额累计单利收益。
• 图5-7：AOG因子在沪深300、中证500、中证1000指数增强组合净值。
• 图8-9：4月底前20个交易日中证全指及全市场股票开盘涨跌幅均值和标准差。
• 图10-11：AOG_RANK因子月度多空净值及超额累计单利收益。
• 图12：瑞贝卡在2024Q3季报发布前后的股价走势。
• 图13-14：AOG_RANK_PRE_MAX_20d和AOG_RANK_DEMAX_20d因子十分组超额累计单利收益。
• 图15-18：改进因子在各宽基指数增强组合中的表现。
• 图19-25：因子表现对比、相关性及风格暴露分析。
• 图26：加入改进因子前后中证500增强组合净值对比。
• 图27：事件驱动因子构建框架。
• 图28-29：AOG_LOW衍生因子表现及开盘大单资金流入因子表现。
• 图30：AOG_LOW与AOG_LOW_RANK_DEMAX因子在各宽基指数增强组合中的表现。

总结

本报告通过改进盈余公告事件驱动因子，构建了两个具有更强选股能力的因子：DEMAX和QUANTILE，并进一步扩展至多个衍生因子，如AOG_LOW和开盘大单资金流入因子。这些因子在多个指数增强组合中表现优异，具有较低相关性，能够有效提升因子库的多样性与模型的收益表现。未来，可以继续探索其他价量特征，以构建更多具有独立信息价值的因子。