20171211-天风证券-金融工程_对比效应对超预期事件的增强策略_16页_1mb
报告摘要
金融工程:对比效应对超预期事件的增强策略总结
核心内容
本文基于行为金融学理论,特别是Hartzmark和Shue(2016)提出的对比效应概念,研究其在A股市场中的应用,旨在构建一个基于超预期事件和对比效应因子的增强型交易策略。
对比效应指的是在不同背景下,同一事件或信息对投资者的效用和冲击存在差异。在A股市场中,若前期市场发生超预期事件的总体意外盈余较低,那么当前的超预期事件将更容易引起投资者关注,从而产生更大的事件效应;反之,若前期意外盈余较高,当前事件的效应将减弱。
本文提出了一种增强策略,即在超预期事件基础上叠加对比效应因子,选择前期总体盈余意外较低、当天事件效应较强的个股进行交易。
主要观点
- 超预期事件的定义:通过比较实际业绩与分析师一致预期,判断是否为超预期事件。
- 对比效应因子的构建:基于公告日前5个交易日行业内的业绩预告数据,计算行业对比效应因子。
- 交易策略:选择超预期比例为正、预测值为正且对比效应因子非正的个股,在公告日开盘买入,持有55个交易日后开盘卖出。
- 策略效果:该策略在回测期内(2009.1.1-2017.11.28)共交易3675次,年化超额收益为15.46%,最大回撤为8.82%,收益回撤比为1.75。
- 交易次数与效果:与单纯超预期事件驱动策略相比,叠加对比效应因子后,交易次数减少,超额收益与收益回撤比均有显著提升。
关键信息
数据选择与处理
- 样本池:选取每季度发布业绩预告的公司作为样本池。
- 公告值:取业绩预告中预计净利润下限作为公告值。
- 预测值:使用上一年度该季度净利润所占比例调整一致预期数据,得到当期单季净利润预测值。
- 超预期比例:计算公式为:
$$
E a r n i n g S u r p r i s e _{i, t} = \frac{E a r n i n g _{i, t}^{\text{announced}} - E a r n i n g _{i, t - 1}^{\text{forecasted}}}{\left| E a r n i n g _{i, t - 1}^{\text{forecasted}} \right|}
$$ - 对比效应因子:基于公告日前5个交易日行业内的业绩预告数据,计算公式为:
$$
\text{Contrast}{\text{ind}, t}^{\text{Ind Adj}} = \frac{\sum{\tau = 1}^{\mathrm{T}} \sum_{\mathrm{k} = 1}^{\mathrm{K}{\tau}} \text{Earning Surprise}{\mathrm{k}, \tau}}{\sum_{\tau = 1}^{\mathrm{T}} \mathrm{K}_{\tau}}
$$
事件效应分析
- 全样本与超预期样本:超预期事件在60个交易日内相对中证500指数平均超额收益为4.55%,胜率为52.59%。
- 叠加对比效应因子后:样本数量减少,但超额收益和胜率均有提升,60个交易日平均超额收益为4.89%,胜率为53.71%。
- 行业与市值中性化:通过构建行业和市值中性组合,进一步验证策略的有效性。
策略回测
-
超预期事件驱动策略:
- 交易次数:5409次
- 年化超额收益:12%
- 最大回撤:9.19%
- 收益回撤比:1.31
-
对比效应对超预期事件的增强策略:
- 交易次数:3675次
- 年化超额收益:15.46%
- 最大回撤:8.82%
- 收益回撤比:1.75
样本分析
- 行业分布:全样本中,医药、基础化工、机械行业样本较多;2017年买入样本中,电子元器件行业样本显著增加。
- 市值分布:样本的市值分位均在0.5左右,不存在明显的市值偏好。
- PB分布:样本的PB分位均在0.5左右,不存在明显的PB偏好。
风险提示
- 模型结论基于历史数据,存在失效的风险。
- 投资者应结合自身情况独立评估,必要时咨询专业人士意见。
策略特点
- 减少交易频率:通过叠加对比效应因子,降低交易次数。
- 提升超额收益:增强策略在多个时间周期内均表现出优于单纯超预期策略的超额收益。
- 稳健性:策略在不同市场环境下均能保持相对稳定的收益表现,且收益回撤比优于超预期策略。
结论
本文验证了对比效应在A股市场中对超预期事件的增强效果,表明通过叠加对比效应因子可以有效提升事件驱动策略的收益与稳健性,具有较高的应用价值。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载