东方证券-《事件驱动系列研究之五》：来自年报季业绩超预期事件的异常收益-201219

《东方证券-《事件驱动系列研究之五》：来自年报季业绩超预期事件的异常收益-201219（16页）.pdf》由会员分享，可在线阅读，更多相关《东方证券-《事件驱动系列研究之五》：来自年报季业绩超预期事件的异常收益-201219（16页）.pdf（16页精品完整版）》请在悟空智库报告文库上搜索。

研究结论2020年年报季即将开始，本报告尝试基于分析师预期的年报净利润数据，构建业绩超预期指标，以期更好地捕捉实际预期差。

通过准确把握年报公告后出现的业绩超预期事件，获得额外alpha收益。

传统的业绩超预期度量方法是使用分析师一致预期偏差（consensuserror,CE）。

但分析师盈利预测数据是主观分析的结果，受市场情绪和分析师自身利益冲突的影响，预测存在系统性偏差，因而CE是业绩超预期的有偏估计。

更稳健的业绩超预期度量方法：FOM指标（thefractionofforecaststhatmissonthesameside）。

仅考虑分析师预测偏差的方向，忽略预测偏差的程度，计算分析师预测偏差同向的概率，可以获得对业绩超预期更准确的估计。

业绩超预期事件是有效的，事件公告前后存在显著的异常收益。

发生超预期和超预期top10%这两类事件，在公告前、后20个交易日内的累计异常收益都较高，且在1%的显著性水平下显著。

其中，公告后这部分异常收益是投资者可以获得的，在业绩超预期事件发生后投资，可以带来超额收益。

FOM算法得到的业绩超预期top10%事件，在公告前后带来的累计异常收益，高于传统CE算法。

尤其是公告前后20个交易日中的收益提升较多。

近五年由FOM算法带来的CAR提升幅度都比较大。

但从T检验结果来看，两类算法的差别仅在公告前显著，公告后并不显著。

高信息确定性的股票，在超预期事件公告后的20个交易日内，累计异常收益更高。

在FOM算法下，差异在统计上也显著。

高信息确定性的股票相对不容易出现业绩泄露，因而业绩超预期事件在年报公告前的异常收益较少。

同时，市场价格对高信息确定性股票业绩信息的反映会更加及时充分，业绩超预期事件公告后的异常收益幅度会更大，持续时间更长。

考虑到实际投资的约束，我们按照上一年年报的超预期数值，从高到低进行排序，计算10%分位点的超预期水平，将其作为今年的阈值，以此来判断当前的业绩公告是否属于业绩大幅超预期事件。

按照FOM算法得到的业绩大幅超预期事件，在公告后20个交易日的CAR可达1.21%。

进一步，在业绩大幅超预期的事件中选择信息确定性较高的股票，构建投资策略。

按照FOM算法得到的高信息确定性的业绩大幅超预期事件，在公告后20个交易日的CAR可达到1.75%。

风险提示量化模型失效风险市场极端环境的冲击。