从分域角度谈机构调研

admin2年前 (2023-04-14)研报739

内容摘要

什么是分域选股？分域选股是将股票通过某种先验机制在截面和时序划分为若干子域，再在每个子域内应用相同/差异化因子或叠加次级子域的策略构建思路。有别于传统多因子体系相对笼统的处理手段，分域选股是一种系统化的非线性多因子解决方案，可以有效实现域与因子、域与域的交互，全方位提升传统多因子体系的深度与广度。

机构调研数据观察：“行之力则知愈进”。本文对机构调研明细的数据质量和特征进行了全面考察。(1) 披露机制差异下，深交所、上交所科创板覆盖度高，上交所主板、北交所覆盖度较低。(2) 2021年机构抱团解体后，小市值风格再度强势，机构调研视线存在分散迹象，对相对冷门标的的调研热情明显上升。2021年以来，被调研个股数量陡增。(3) 由于存在“披露期”、“静默期”转换再叠加假期效应，机构调研明细在月历上分布存在明显差异：5、9、11月调研次数普遍较多，2、10月调研次数较少。(4) 调研活动参与机构以券商、基金、私募为主，长期存在多元化趋势。

机构调研事件研究：精选高质量域。本文在事件框架下探索调研因子收益能力，发现：(1) 在中证全指成份股中，机构调研持有20、40、60、120个交易日的事件超额收益依次为0.85%、1.65%、2.34%、4.31%，可覆盖约2000只个股。(2) 沪深300域内调研事件超额收益整体明显逊于中小市值域。(3) 机构调研事件在多数年份、多数行业超额稳健。(4) 基金调研信息价值较高，长、短期超额兼优，持有基金公司调研样本20、40、60、120个交易日的事件超额收益依次为1.44%、2.66%、3.37%、5.45%。

哪些因子适合与机构调研域叠加？从事件框架到因子框架，调研域展现了相对优质的Beta属性，选股超额突出。为进一步挖掘调研域内的结构性机会，本文测试了主题型基金选股因子、分析师预测系列因子/域和传统基本面、量价信息等在调研域的表现，并探索了金股域、调研域的结合方法，形成了一系列容量适中、逻辑清楚、历史表现优异的主动量化组合。

调研域×绩优主题型基金：绩优主题型基金选股因子实现了对调研域的有效精简。2019年以来，3个月调研域内主题型基金选股因子多头收益率年化约25.89%，同期样本池收益率年化约24.00%。

调研域×分析师预测：测试 (1) 分析师一致预测归母净利润相较4周前变化率、(2) 分析师盈利上调组合、(3) 标准化分析师预期调整因子在调研域的表现。建立机构映射后的调研域×盈利上调组合多头组收益率年化约14.95%，相对基准中证全指的超额收益率年化约14.13%，且除2017年以外每年均可战胜基准。

券商金股×调研域：券商深度考察金股效果突出，1个月窗口下多头组合年化收益率可达约25.25%，同期深交所全部金股年化收益率仅13.85%。

调研域×其他因子：传统基本面、量价因子在调研域仍有较高适配度。2015年以来，机构热度、估值、成长、反转因子多头收益率年化约12.32%、12.10%、18.42%、14.37%。

调研明星50组合推荐。调研明星50组合收益率年化约22.79%，相对中证全指的超额收益率年化约21.30%。从Brinson归因结果来看，以中证全指、调研域为基准，该组合均存在长期稳健超额，贡献可观的选股收益。

风险因素：结论基于历史数据统计、建模和测算，受市场不确定性影响可能存在失效风险。

分域选股有哪些分类？能解决哪些问题？本文从时空维度入手，将分域进一步划分为截面分域和时序分域。

截面分域：因域施策，优中选优

实施截面分域，首先需要按照特定标准划分合适的基础域，再对每个基础域搭建适应性策略。

截面分域使用场景丰富，包括但不限于：(1) 一些因子全A覆盖度不高，在已覆盖标的池内区分度良好，但覆盖股票池未必长期稳定跑赢全A。(2) 一些因子全A覆盖度良好，但缺乏全局适用的逻辑基础，例如专利数据之于科技股。(3) 随着全A股票池容量的扩张，风格差异化趋势愈发明显，低估值、高成长的线性等权打分后越难找到各自域下的优秀股票，截面分域可以帮助探索因子间非线性信息。(4) 解决低覆盖优质另类因子与已有多因子体系结合的问题。

时序分域：有效搭建全天候策略

时间轴上各类资金流的关注重点并不一致，比如：重要会议前夕，市场或对产业结构性机会关注度较高；业绩密集发布阶段，市场更重视业绩兑现及超预期情况……在基于行业景气度做中观轮动判断时，我们曾提出可以在4、8、10月节点赋予真实财报信息更高的权重（详见2022年6月20日团队外发报告《资产配置研究系列之五：基于行业景气度和机构持仓倾向的行业轮动策略》），在财报真空期更关注分析师一致预测，取得了较好的效果。以此为由，时间分域也是我们未来在分域领域探索的另一条重要主线。

分域选股×机构调研：本文是信达金工分域选股系列研究的第一篇，重点探讨机构调研信息的多维度应用方法，研究调研事件的数据特征、事件有效性并探索机构调研信息与其他因子或分域的有效结合方式。受披露规则影响，调研事件覆盖有偏，在深交所、上交所科创板覆盖度高。本文在调研域内深挖数据结构特征，在符合投资逻辑的基础上寻求域与域、域与因子的共振，测试了主题型基金选股因子、分析师预测系列因子/域和传统基本面、量价信息等在调研域的表现，并探索了金股域、调研域的结合方法，形成了一系列容量适中、逻辑清楚、历史表现优异的主动量化组合。

机构调研数据观察：“行之力则知愈进”

机构调研是投资者研究上市公司的方法之一，投资者通过对上市公司进行调研，可以有效跟踪上市公司的最新动态，并据此制定投资决策。随着我国资本市场的不断发展，机构投资者占比逐步提升，价值投资、长期投资理念深入人心，各类资金流愈发重视对标的基本面的判断。传统案头研究固然可以支持投资者了解行业趋势、把握企业生产经营及财务状况，而调研活动进一步拉进了投资者与上市公司的距离，能够提高市场效率，降低信息不对称性。

春暖花开之际，机构调研再度活跃，调研域的表现取得广泛关注。数据来源方面：目前已有多家数据供应商提供机构调研明细，如万得相关表单中国A股机构调研活动 AshareISActivity、中国A股机构调研参与主体 AsharelSParticipant等；聚源相关表单投资者关系活动调研明细 LC_InvestorDetail、科创板投资者关系活动调研明细 LC_STIBInvestorDetail等，多包含调研事件分类、参与人员、参与机构等丰富字段，能够有效支持相关主动量化策略的运转。基于机构调研明细构建的调研组合与分域选股理念契合，适宜作为另类数据基础域。

调研活动包含哪些类型？调研信息明细基于投资者关系活动记录表整理，包含特定对象调研、业绩说明会、现场参观、分析师会议、路演活动、投资者接待日常活动、媒体采访、一对一沟通、新闻发布会等。当前主流类型为特定对象调研，近年来其他（线上会议、券商策略会等）、业绩说明会占比有所提升。

考虑到业绩说明会的特殊性，后文大多数分析及测算仅取特定对象调研、其他两类进行。近年来，监管部门积极推动业绩说明会常态化，在上市公司和投资者之间搭建信息传递渠道。2020年1月，证监会发布《关于鼓励推动上市公司召开业绩说明会有关事项的通知》，鼓励沪深300指数公司召开业绩说明会。2021年，沪深300指数公司，“A＋H”上市公司、科创板、创业板、央企控股上市公司全数召开业绩说明会。考虑到业绩说明会属于由上市公司发起的活动类型，且规格较大，范围较广，可能构成刻画投资者调研意愿的“杂音”。后文大多数分析及测算仅取特定对象调研、其他两类进行。

1.1 覆盖度、及时性决定了调研域可用性

机构调研数据可以一定程度反映投资者的关注热点。调研数据覆盖度和披露及时性是决定调研域可用性的两个先决条件。

调研数据覆盖度：披露机制差异下，深交所、上交所科创板覆盖度高，上交所主板、北交所覆盖度较低。

沪深交易所对调研披露要求不一致，直接导致调研数据在深交所、上交所科创板具备更强的适用性。截至目前，深交所（主板+创业板）、上交所科创板均对机构调研有披露时效性要求，上交所主板暂未出台详细规定。因此，在上交所主板应用机构调研数据时需要对不完全披露问题予以留意。

以特定对象调研、其他两类调研活动为例，统计调研数据每年覆盖情况。(1) 2022年，两类调研活动全市场年覆盖度49%，其中深交所、上交所科创板年覆盖度56%、79%，上交所主板、北交所年覆盖度30%、46%。(2) 2014-2022年，两类调研活动全市场年覆盖度平均约41%，其中深交所、上交所科创板（2020年以来）、上交所主板年覆盖度平均约60%、70%、11%。

2014年以来，调研活动的变化趋势呈现三个阶段：(1) 2014-2017年：覆盖数量上升、覆盖度下降。2014年IPO重启，过会数量逐步上升；机构调研活跃度在一定程度上有所提升，但仍不能冲抵上市股票数量增多的影响。(2) 2017-2019年：覆盖数量、覆盖度均下降。在这个阶段大市值风格持续占优，机构调研视线相对集中。(3) 2020年至今：覆盖数量、覆盖度均上升。2021年机构抱团解体后，小票风格再度强势，机构调研视线存在分散迹象，对相对冷门标的的调研热情明显上升，被调研个股数量陡增。

调研公告及时性普遍较强。本文统计了调研信息发布日与调研事件日滞后天数，发现：近77%样本滞后期在2个交易日以内，近95%的样本滞后期在20个交易日以内。整体来看，调研事件数据质量较高，及时性普遍较强。

1.2 结构画像：近年小市值关注度上升

梳理调研数据质量后，本节从月历效应、行业及市值分布、参与机构属性三方面入手，对特定对象调研、其他两类调研活动进行画像。

(1) 月历效应：由于存在“披露期”、“静默期”转换再叠加假期效应，机构调研明细在月历上分布存在明显差异，会议数、参与机构数、参与人数年内呈波动状分布。分月份来看，5、9、11月调研次数普遍较多，2、10月调研次数较少。

(2) 行业及市值分布：调研风向受市场热点轮动影响，近三年上交所主板各行业覆盖占比总体提升。以中信一级行业计，分行业调研活动覆盖标的数量主要受行业成份股个数影响，但行业属性分化、市场热点轮动也有明显的导向性作用。以深市调研为例，2021年机构对有色金属的关注度激增，对应当年的新能源行情。此外，上交所主板近三年覆盖占比逐年提升。

调研域具备良好的市值风格判断水平，近年来机构视线向小票转移。观察2014年以来深市调研域市值分位点的变化：调研活动覆盖标的成份市值中位数相较市场偏大，2020-2022年关注度向小票迁移，非中证1800域内机构调研数量明显攀升。

(3) 参与机构属性：长期来看，调研活动参与机构以券商、基金、私募为主，长期存在多元化趋势。

1.3 小结：机构调研数据特征总览

“行之力则知愈进”，机构调研为厘清机构偏好，预测资金走向开辟了一条清晰思路。

(1) 披露机制差异下，深交所、上交所科创板覆盖度高，上交所主板、北交所覆盖度较低。

(2) 2021年机构抱团解体后，小市值风格再度强势，机构调研视线存在分散迹象，对相对冷门标的的调研热情明显上升，被调研个股数量陡增。

(3) 由于存在“披露期”、“静默期”转换再叠加假期效应，机构调研明细在月历上分布存在明显差异：5、9、11月调研次数普遍较多，2、10月调研次数较少。

(4) 调研活动参与机构以券商、基金、私募为主，长期存在多元化趋势。

机构调研事件研究：精选高质量域

2.1 调研事件超额收益稳健

本章首先在事件框架下研究调研域，目的是结合策略逻辑和事件收益寻找更高质量的调研域。事件研究统计细节详述如下：

(1) 本章所指的超额收益是事件窗口内平均个股收益率与基准收益率的差值。其中基准指数根据测试需要可能设定为所属宽基指数、所属中信一级行业指数、中证全指等。未作特殊说明时基准为中证全指。

(2) 为保证所有事件均可被交易，防止因信息泄露造成的错估，计算个股及行业收益率时均以次个交易日开盘价计。

(3) 剔除IPO不足1个自然月的新股。

(4) 剔除事件发布日滞后事件发生日超过30个自然日的样本。

(5) 事件窗口记为事件宣告日前、后各120个交易日。

(6) 本章事件研究仅统计特定对象调研、其他两类调研事件。

从结果来看，调研事件收益稳健，中小市值域事件超额收益更优。(1) 在中证全指成份股中，机构调研持有20、40、60、120个交易日的事件超额收益依次为0.85%、1.65%、2.34%、4.31%，可覆盖约2000只个股。(2) 随持有期延长，各宽基域的累计超额均未见明显下探倾向。(3) 比较各宽基域的结果，沪深300域内调研事件超额收益整体明显逊于中小市值域。(4) 分年来看，多数年份调研事件有稳健超额。

2.2 调研事件在多数行业有效，基金调研超额突出

分行业统计机构调研事件超额。多数行业中，调研事件存在稳健超额，金融地产、消费部分板块表现较弱。

按调研活动、参与机构进一步剖析机构调研事件超额的具体来源。

(1) 按调研活动分类：主流类型特定对象调研、其他事件超额更优。

(2) 按参与机构分类：基金调研事件长、短期超额兼优，持有基金公司调研样本20、40、60、120个交易日的超额依次为1.44%、2.66%、3.37%、5.45%。券商调研事件短期超额尚可，但持续性相对较弱。

2.3 小结：进一步挖掘基金、券商调研

本章在事件框架下探索调研因子收益能力，发现：

(1) 在中证全指成份股中，机构调研持有20、40、60、120个交易日的事件超额收益依次为0.85%、1.65%、2.34%、4.31%，可覆盖约2000只个股。随持有期延长，各宽基域的事件累计超额均未见明显下探倾向。

(2) 基金调研事件长、短期超额兼优，持有基金公司调研样本20、40、60、120个交易日的事件超额收益依次为1.44%、2.66%、3.37%、5.45%。券商调研事件短期超额尚可，但持续性相对较弱。

在机构调研域内深挖有效因子

3.1 事件框架到因子框架：超额主要来源于选股

事件框架到因子框架：多数年份调研域相对全指有正超额。本章仍仅统计特定对象调研、其他两类调研事件。在不同回看期下构建分别构建调研组合。

(1) 调研域(朴素等权)：每月等权买入回看期内被调研的全部标的。测算区间2015/1/1-2023/3/31内，该组合回看20交易日、60交易日的年化收益率分别为10.72%、10.76%，相对全指优势突出。

(2) 调研域(行业中性)：按中证全指行业比例分配资金，同一行业的标的等权配置。测算区间2015/1/1-2023/3/31内，该组合回看20交易日、60交易日的年化收益率分别为7.09%、8.07%。

调研域超额主要来源于选股。对朴素等权的调研域组合作Brinson归因。分行业来看，调研域主要贡献选股收益，在制造、TMT部分板块贡献尤其突出，在食品饮料等行业贡献较弱。

3.2 调研域×绩优主题型基金：跟随专家视线

为进一步挖掘调研域内的结构性机会，本章遵循分域思路，在符合投资逻辑的基础上寻求域与域、域与因子的共振。本节及以后测算方法统一说明如下：

(1) 每月等权买入目标域内所有个股，按月初第一个交易日开盘价调仓。回测时剔除ST及停牌、涨跌停等无法交易的情况。不计交易费率。

(2) 从策略逻辑出发，仅以特定调研对象、其他两类调研活动为样本。

(3) 统计各策略多空收益率、超额收益率 (基准指数为中证全指)，另提供样本池收益率 (样本域和因子的覆盖交集) 作为对照。

绩优基金经理的调研会否更有价值？考虑到主题型基金经理对能力圈内行业经验丰富，且绩优基金选股能力有一定延续性，本节尝试跟踪绩优主题型基金经理的调研路径。具体方式如下：

(1) 主题型基金的定义：本文按照信达金工基金标签体系定义主题型基金，详细划分方法详见团队外发报告《基金标签体系：主动股混基金的风格刻画》。下文所称主题型基金指“短期风格标签”为“主题型”的基金产品。

(2) 主题型基金选股因子的构建：建立“个股 - 基金 - 基金经理”映射，根据过去240交易日主题产品表现构建主题型基金选股因子。

根据主题型基金选股因子将调研域内股票均分为2组。测算区间2019/1/1-2023/3/31内，3个月调研域内主题型基金选股因子多头收益率年化约25.89%，同期样本池收益率年化约24.00%；多空收益率、超额收益率年化约4.26%、15.63%。绩优主题型基金选股因子实现了对调研域的有效精简，策略最新持仓容量约50只个股。

3.3 调研域×分析师预测：遴选左侧调研

本节重点测试调研域与分析师预测信息的结合可能。考虑到：(1) 分析师盈利预测相关信息能够修正调研事件的双面性，协助遴选出以底部买入为目的的左侧型调研。(2) 机构调研能够帮助溯源分析师预测 (或金股推荐) 的事实依据，从而精简出预期盈利上调标的甚至金股池中更有性价比的标的。

本文尝试在调研域内测试以下因子/域：(1) 分析师一致预测归母净利润相较4周前变化率；(2) 分析师盈利上调组合；(3) 标准化分析师预期调整因子。

(1) 分析师一致预测归母净利润相较4周前变化率：对该因子作市值行业中性化处理。分析师一致预期对调研域覆盖度较高，二者结合后多头组年化收益率约为12.36%，相对中证全指年化超额收益率约11.59%。

(2) 盈利上/下调组合：对单个分析师而言，如果调研后紧接着上调预测，既说明分析师的该次推荐是有实据的推荐，反过来也表明相应调研以挖掘机会为目的的底部调研。本文借助朝阳永续卖方预测数据表匹配调研事件和分析师盈利上下调事件，盈利上/下调组合入池标的需满足：

· 最近3个月有券商分析师调研记录；

· 最近1个月调研券商对该个股有披露盈利预测。

在入池标的中筛选当月最新FY1预测相对上月及以前最新一次FY1预测的变化方向，并按券商维度计算调升占比，另对首次覆盖（首次对当年盈利作出预测）的情况也视作调升。最终将该调升占比超过50%的标的定义为盈利上调组合（多头组）。

在分析师维度实现盈利上下调因子分域测试时或需进一步考虑是否建立调研机构与预测机构的映射关系，确定盈利调整方和调研方是否一致。据此形成如下两类子策略：

· 调研域×盈利上调组合；

· 调研域×盈利上调组合 (建立机构映射)：即仅以最近调研券商为样本形成盈利上调组合。

测算区间2015/1/1-2023/3/31内，调研域×盈利上调组合多头组收益率年化约13.10%，超额收益率年化约12.24%。建立机构映射后，盈利上调组合的效果大幅提升，多头组收益率年化约14.95%，超额收益率年化约14.13%，且除2017年以外每年均可战胜基准中证全指。

(3) 标准化分析师预期调整因子：为兼顾调研方向优化与券商预测分歧度，本文亦构建了标准化分析师预期调整因子，构建方法如下：

注：预测目标为FY1年度归母净利润。结合是否建立机构映射，本节再建立如下两个子策略：

· 调研域×标准化分析师预期调整；

· 调研域×标准化分析师预期调整 (建立机构映射)。

另：由于分母标准差只起到标准化作用，建立机构映射后的分母仍以全部分析师为准。

对该因子作市值中性化处理。从结果来看，调研域内标准化分析师预期调整多头组收益率全区间年化约12.43%，建立机构映射后可提升至15.14%。

3.4 券商金股×调研域：深度考察金股效果突出

叠加调研域后，金股域超额更加突出。在报告《寻找散落的明珠系列之一：券商金股明珠组合》中，我们详细刻画了券商金股的特征，并基于分析师再精选的理念形成了明珠金股组合。以金股域为基础，我们初步尝试了如下四种组合实现调研域的叠加。

(1) 本月新进调研金股：上月无调研、本月有调研的金股；

(2) 3个月内新进调研金股：过去4-6个月无调研、最近3个月有调研的金股；

(3) 本月有调研金股；

(4) 3个月内有调研金股。

从结果来看，调研域对金股域的简单叠加可以带来一定增益。测算区间2018/1/1-2023/3/31内，本月新进调研金股、本月有调研金股年化收益率约15.27%，超过全部金股组合(13.69%) 。仅计深市时，本月有调研金股年化收益率约16.55%，超过全部金股组合(13.85%)。

进一步精选深度考察金股。我们判断金股域、调研域的简单叠加还有优化空间，仍可以通过回避类似A券商推荐的金股被B券商调研的错位事件提升两个域的叠加效果。基于这种假设，本节进一步尝试了：

(1) 金股域×券商分析师调研域 (建立机构映射) ：建立调研机构与金股推荐机构的映射关系，只纳入最近n个月被券商分析师调研且本月被该家券商推荐为金股的标的。

(2) 金股域×基金调研域：即最近n个月有基金调研的金股。

考虑到沪深交易所对机构调研的披露机制差异，对上述组合，本文仅展示深交所个股的测算结果。

(1) 金股域×券商分析师调研域 (建立机构映射)：强化同一券商调研并纳入金股的对照关系后，两个域的交集内标的数量下降但超额显著提升。此种方式下，1个月窗口构建的组合全区间表现最佳，年化收益率可达约25.25%，同期深交所全部金股年化收益率仅13.85%。

(2) 金股域×基金调研域：作为对照，金股域内基金调研域也有一定优化作用。在最优参数（1个月窗口）下，金股域×基金调研域形成的组合区间年化收益率约18.43%，相对深交所全部金股也将有4%的增益。

3.5 调研域×其他因子：传统基本面、量价因子在调研域仍有较高适配度

本节尝试测算3个月调研域内其他因子的使用效果，探索调研数据自身以及传统基本面、量价因子在调研域内的适配度。本节因子在测算前均已作市值行业中性化处理，测算区间为2015/1/1-2023/3/31。

(1) 调研域×机构热度：热度与收益弱正相关。测试过去3个月机构热度因子在调研域的表现。该因子多头组年化收益率约12.32%，相对基准中证全指的年化超额收益率约11.61%。

(2) 调研域×估值：寻求高安全边际。测试BP因子在调研域的表现。该因子多头组年化收益率约12.10%，相对基准中证全指的年化超额收益率约10.71%。

(3) 调研域×成长：捕捉业绩边际好转。测试单季度净利润同比平滑因子在调研域的表现。该因子多头组年化收益率约18.42%，相对基准中证全指的年化超额收益率约17.35%。

(4) 调研域×反转：回避右侧性调研。测试1个月反转因子在调研域的表现。该因子多头组年化收益率约14.37%，相对基准中证全指的年化超额收益率约13.41%。

3.6 调研明星50组合构建

基于以上子策略表现，本文基于如下方式构建调研明星50组合，寄希望于在保留调研域原有风格的同时取得相对稳健的增强效果。

对标准因子：取 (1) 估值因子：BP；(2) 成长因子：单季度净利润同比平滑；(3) 反转因子：20交易日涨跌幅相反数；(4) 主题型基金选股因子：见上文3.2中的定义。对每个标准因子 $f_i$ 截面打分后取秩 $Rank(f_i)$ ，最终股票i的得分归一化处理为

$\frac{\operatorname{Rank}\left(f_{i}\right)-\overline{\operatorname{Rank}\left(f_{i}\right)}}{\max \left(\operatorname{Rank}\left(f_{i}\right)-\overline{\operatorname{Rank}\left(f_{i}\right)}\right)}$ 因子未覆盖个股均赋值为0。

对哑变量：取 (1) 是否当月金股；(2) 是否盈利上调组合(建立机构映射)，见上文3.3中的定义。对满足条件的股票赋值0.5，反之赋值为0。

调研明星50组合在调研域基础上复合了基本面、量价等多层逻辑，2018年以来样本内相对中证全指超额相对稳健，区间2015/1/1-2023/3/31内调研明星50组合收益率年化约22.79%，相对中证全指的超额收益率年化约21.30%。从Brinson归因结果来看，组合相对中证全指、调研域存在长期稳健超额，样本内多数年份均可贡献相对可观的选股收益。

调研明星50组合最新一期持仓如下。

总结与展望

本文对机构调研明细的数据质量和特征进行了全面考察。(1) 披露机制差异下，深交所、上交所科创板覆盖度高，上交所主板、北交所覆盖度较低。(2) 2021年机构抱团解体后，小市值风格再度强势，机构调研视线存在分散迹象，对相对冷门标的的调研热情明显上升。2021年以来，被调研个股数量陡增。(3) 由于存在“披露期”、“静默期”转换再叠加假期效应，机构调研明细在月历上分布存在明显差异：5、9、11月调研次数普遍较多，2、10月调研次数较少。(4) 调研活动参与机构以券商、基金、私募为主，长期存在多元化趋势。

本文在事件框架下探索调研因子收益能力，发现：(1) 在中证全指成份股中，机构调研持有20、40、60、120个交易日的事件超额收益依次为0.85%、1.65%、2.34%、4.31%，可覆盖约2000只个股。(2) 沪深300域内调研事件超额收益整体明显逊于中小市值域。(3) 机构调研事件在多数年份、多数行业超额稳健。(4) 基金调研信息价值较高，长、短期超额兼优，持有基金公司调研样本20、40、60、120个交易日的事件超额收益依次为1.44%、2.66%、3.37%、5.45%。

从事件框架到因子框架，调研域展现了相对优质的Beta属性，选股超额突出。为进一步挖掘调研域内的结构性机会，本文测试了主题型基金选股因子、分析师预测系列因子/域和传统基本面、量价信息等在调研域的表现，并探索了金股域、调研域的结合方法，形成了一系列容量适中、逻辑清楚、历史表现优异的主动量化组合。

券商金股×调研域：券商深度考察金股效果突出，1个月窗口下多头组合年化收益率可达约25.25%，同期深交所全部金股年化收益率仅13.85%。

调研明星50组合收益率年化约22.79%，相对中证全指的超额收益率年化约21.30%。从Brinson归因结果来看，以中证全指、调研域为基准，该组合均存在长期稳健超额，贡献可观的选股收益。

风险因素：结论基于历史数据统计、建模和测算，受市场不确定性影响，可能存在失效风险。

报告来源

本文源自报告《分域选股系列之一：多维度提炼机构调研信息》

报告时间：2023年4月12日

发布报告机构：信达证券研究开发中心

报告作者：于明明 S1500521070001

★

分析师声明

★

负责本报告全部或部分内容的每一位分析师在此申明，本人具有证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师，以勤勉的职业态度，独立、客观地出具本报告；本报告所表述的所有观点准确反映了分析师本人的研究观点；本人薪酬的任何组成部分不曾与，不与，也将不会与本报告中的具体分析意见或观点直接或间接相关。

★

风险提示

★

证券市场是一个风险无时不在的市场。投资者在进行证券交易时存在赢利的可能，也存在亏损的风险。建议投资者应当充分深入地了解证券市场蕴含的各项风险并谨慎行事。

本报告中所述证券不一定能在所有的国家和地区向所有类型的投资者销售，投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专业顾问的意见。在任何情况下，信达证券不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者需自行承担风险。