超预期相关策略以其强逻辑驱动以及优异的历史表现，受到投资者的普遍关注。我们以朝阳88指数历史表现为例，该指数2012年12月至2023年3月区间年化收益率为24.71%，相较中证500指数、偏股型基金指数长期超额收益明显。

然而，分年度来看，在2019、2020年超预期策略大放异彩之后，指数 2021年9月以来表现明显走低，相较中证500、偏股型基金指数的超额收益大幅回落，2023年年初至今（截止3月底）收益率为3.59%，明显跑输中证500。

 随着近年来超预期策略表现有所走低，投资者对超预期策略亦产生了不少疑虑，思考超预期策略是否能够持续的获取超额收益，这也衍生出不少针对超预期策略的改进研究，我们归纳主要改进路线如下：

1、对预期数据进行细致处理：一部分研究从相应超预期构建的底层数据出发，例如选择相应择股能力更强的、或预测期更近的分析师的预期数据进行分析，通过对分析师的一致预期数据进行详细处理从而进一步提升表现；

2、有效多因子叠加：另外一部分研究在超预期因子的基础上叠加了相应的量价或基本面因子从而进一步提升策略的表现。

本文另辟蹊径，我们通过对超预期策略表现不佳的底层原因进行分析，可以发现，超预期策略表现不佳的一部分原因是：部分超预期在定期公告披露之前已被过度反应，而在定期公告披露之后由于利好兑现出现显著回调，这导致基于公告日的超预期因子选股可能会买入大幅度下跌的个股。

针对以上现象，我们从两个维度对原始超预期策略进行改进，在具体介绍改进思路之前我们对本文所定义的原始超预期策略进行简单说明（详细策略构建细节见第二章）。

1、 本文基于标准化未预期盈利（Standard Unexpected Earnings，SUE）来构建原始超预期组合。

2、 策略月度调仓，每月底基于相应最新可得报告期的SUE因子值选择前20%的个股进行等权持有。

从以上说明可以看出在超预期策略的构建中有两个重要时间点：

1、 超预期事件发生日（本文特指定期公告实际披露日）：在超预期事件发生日依据相应定期报告信息可计算最新的个股SUE因子值；

2、 超预期事件交易日（本文指基于SUE因子值进行交易的日期）：在超预期事件交易日基于SUE因子值进行选股持有。

基于以上基础，我们从收益增厚和个股剔除两个角度对原始超预期策略进行改进：

1、收益增厚——穿越当下，寻找潜藏的超预期个股

原始超预期策略所设定超预期事件交易日在超预期事件发生日之后，这也代表着策略天然的损失了超预期事件发生日之前由于大家对个股可能超预期的共识而带来的大幅收益。

因此，本文通过引入财务报告预约披露日信息确定超预期事件潜伏日，并通过对正式财务报告披露前的分析师推荐事件进行分析，从而捕捉可能在正式定期报告中存在超预期的潜伏超预期组合进行提前布局；

2、个股剔除——结合情绪，寻找真实的超预期个股

在我们的原始超预期组合构建中，超预期事件交易日与事件发生日存在一定的时滞，而投资者在实际购买时也会考虑到交易日之前个股超预期已兑现情况再进行决策。因此我们希望能够将在公告披露日之前已将超预期信息反应较充分的个股进行剔除，比较直觉的一种方法是将在披露日之前上涨较多，而在披露日到交易日下跌较多的虚假超预期组合进行剔除。

最终，本文在原始超预期组合基础上叠加上述改进后构建超预期综合Plus策略，此策略2012年12月至2023年3月的年化收益率达到43.99%，收益风险比为1.57，相较于原始超预期组合与中证500、偏股型基金指数表现提升明显。

盈利惊喜（Earnings Surprise）一般是指公司盈利公告超预期的现象，常常伴随着公告前后股票短期的超额表现。有趣的是，出现盈利惊喜的股票在之后一段时间内也能够持续提供超额收益，学术界称之为价格漂移现象（即 Post-Earnings Announcement Drift, PEAD）。

盈利惊喜的主流数学定义方式主要有两个维度，分别是从市场价格反应和盈利基本面变化来进行描述：

 1. 市场价格反应。以 Brandt 等(2008)、Liu 等(2003)、Gerard(2011)为代表的一系列研究认为，资产的市场价格变化是对盈利惊喜事件最可靠、最真实的反映，他们使用盈利公告前后三天（盈利发布前一日、发布当日以及发布后一日）的累计超额收益（Earnings Announcement Return 3 Days，EAR3）来表示相应资产盈利惊喜的方向和程度。

2. 盈利基本面变化。这一维度对盈利惊喜的描述方式应该说更为自然，通常是以下述定义的标准化未预期盈利（Standard Unexpected Earnings，SUE）来表征：

本文采用盈利基本面变化来对超预期进行定义，下面我们对本文在SUE计算中的处理细节进行说明：

1. 本文的净利润数据来自于业绩预告、业绩快报和正式报告这三种不同的财务报告形式，其中考虑到业绩预告中通常没有明确的净利润值，我们取业绩预告中净利润上下限的平均值作为预告净利润。

2、我们采用朝阳永续数据库提供的分析师一致预期数据作为预期值，同时由于A 股市场的分析师预期数据的预测对象都是年报数据，因此我们采用等分法估计公司的单季度预期净利润。

3、最后由于业绩报告发布时点的不确定性，其在时间序列上的分布也是不规则的。因此我们基于下述参考报告期设定将对前面计算好的盈利惊喜因子进行处理，转换为常用的定期月度因子数据。

根据我们的设定，除了 5 月、6 月、9 月、11 月和 12 月直接沿用上个月的因子值之外，其他月份均需要利用一个或多个报告期下的数据进行最终因子的计算。假设我们站在某个需要计算盈利惊喜因子的月末时点，我们会按照最新可获得的报告期来进行计算相应的因子值。

首先展示我们构建的SUE因子的表现，可以看出SUE因子有效性较强，IC均值为4.01%，IC_IR为0.50。

同时，我们按照下述准则构建原始超预期组合：

1、回测区间：2011.12-2023.03

2、调仓频率：月度调仓

3、选股池：全A，剔除上市不满180天、特殊处理个股

4、选股标准：选择SUE因子前20%的个股等权持有

可以看出超预期组合长期表现较为优秀，年化收益率达到21.63%，相对中证500指数超额收益明显。

上文可以看出不管是超预期指数，抑或是超预期组合均在近年来出现了一定的收益回调，我们猜测一部分可能原因是随着超预期策略（下文无特殊说明，本文所指个股超预期，用SUE因子表现突出表示）被市场认知，越来越多投资者对报告的超预期事件关注程度较高，以至于部分超预期已在公告披露之前被反应，而超预期事件发生之后由于利好兑现个股收益反而有所降低。

从图表14可以看出近年来原始超预期组合在超预期事件发生日之前平均超额收益较高，但在超预期事件发生日之后的收益明显降低。这也验证了近年来部分个股可能在超预期的公告披露之前，市场形成了共识而对此超预期进行了反应，使得在公告披露之前反而股价表现优秀，但在买入之后开始经历下跌。

下面我们采用更直接的指标，计算原始超预期组合中在超预期事件发生日之前的超额收益处于Top组合（头部20%），但在事件发生日后转换到Bottom组合（尾部20%）的个股比例，可以看出此比例在2020年之前长期维持在20%左右，但近年来这个比例逐渐提升，中枢提升到约40%。

针对以上问题，我们从下述两个思路对原始超预期策略进行改进：

1、穿越当下，寻找潜藏的超预期个股：捕捉有可能在正式定期报告中存在超预期的潜伏超预期组合进行提前布局，以获得左侧收益；

2、结合情绪，寻找真实的超预期个股：将在公告披露日之前已将超预期信息反应比较充分的虚假超预期组合进行剔除，以规避右侧亏损。

上文我们指出原始超预期组合收益下降的一个可能原因是部分超预期的个股在正式报告出来之前已经大涨，从而提前透支了相应超预期带来的Alpha。常见的超预期策略改进角度，仍聚焦于超预期事件发生之后进行购买，但对于在定期报告之前涨幅就较大的个股无法很好地进行提前布局，可以说损失了这一部分收益的获取。因此本文尝试聚焦于以下问题来解决相应的难题——如何在正式报告期之前埋伏个股，获取左侧收益？

我们认为，解决如何获得潜伏超预期组合（在定期报告披露之前值得埋伏的个股）问题的核心有两个：

1）购买时机：如何在个股马上要发布定期报告之前进行埋伏，确定购买时间点；

2）个股选择：什么样的个股值得埋伏，在正式报告之前出现了可能超预期迹象。

针对问题一，本文引入财务报告预约披露日数据来解决此问题。事实上，上市公司在定期报告发布之前按要求会披露相应的定期报告预约披露日信息。以下图为例，上交所汇总了上市公司定期报告预约披露情况。

同时行业分析师对公司的定期报告发布也较为重视，例如在2022年报正式发布之前，分析师便会汇总行业的发布情况，下图便是兴业证券某行业汇总的年报日历，同时在定期报告即将发布期间，市场对相应公司的业绩情况关注度也会较高。

本文采用聚源数据库的财务报告预约披露日来获取上述信息，其中囊括了几个重点字段：

1、 信息发布日期：上交所/深交所发布相应定期报告预约披露情况的时间，可以用此字段来避免纳入未来信息；

2、 截至日期：披露的定期报告日期；

3、 实际披露日期：定期报告真实发布的日期，若还没有发布则会维持空值。

通过引入上文数据，我们解决了第一个问题，即如何确定超预期事件潜伏日，可以在定期报告预约披露日公布后，正式定期报告披露之前进行交易。具体的，我们基于财务报告预约披露日信息，设定超预期事件潜伏日与定期报告预约披露日的间隔应小于20天。从逻辑上来，在年报即将发布的前20天，大部分公司在这个区间内已进入静默期，从而能够相应的确定分析师已完成了信息的搜集，对公司业绩有一个初步的判断，对相应业绩信息更为敏感。同时，为了匹配后续的策略构建时间，我们也设定超预期时间潜伏日和相应定期报告预约披露日的间隔大于5天，主要是给与时间形成趋势事件，同时匹配后续的策略构建时间。（下文我们也对20天的选取的合理性进行了进一步测试）。

同时下文若无特别提醒，超预期潜伏日均指相应超预期事件发生日前的5-20天时间段。

而接下来需要解决第二个问题，即在定期报告之前如何对有相应的超预期迹象的个股进行埋伏。

卖方分析师通过对行业深度的研究和对覆盖公司的紧密跟踪，成为投资者对上市公司关注的一个重要信息来源，分析师相关推荐行为也有着重要意义。因此，本文对正式报告披露前的分析师推荐行为进行重点分析，从而判断在报告中可能存在超预期的个股。

下面我们对不同的分析师推荐行为事件进行说明并通过详细具体事例展示相应事件的相对合理性。

1） 事件一：分析师调升评级

分析师上调评级，可能意味着公司的基本面出现了明显向好，因此我们重点关注在超预期事件潜伏日出现了分析师评级上升的个股。

2） 事件二：分析师首次覆盖

对于一些长时间无人关注近期又被提及的标的，推荐质量高、反转可能性大，因此我们重点关注在超预期事件潜伏日出现了首次有分析师覆盖的个股。

3）事件三：研报标题超预期

分析师可能有用“有望超预期”、“超预期”等字眼来表示公司业绩可能会表现良好，因此我们重点关注在超预期事件潜伏日出现了分析师发布研报中囊括“超预期”字眼的个股。

4） 事件四：研报结论超预期

部分研报在标题中可能未含有超预期字眼，但在相应报告结论中重点强调公司可能出现超预期的迹象，因此我们重点关注在超预期事件潜伏日出现了分析师发布研报结论中囊括“超预期”字眼的个股。其中，研报结论采用聚源的报告结论（Conclusion）字段—即研究报告摘要内容，收录了研究报告提到的内容概括，（通常为研究报告的第一页节选）。

下图为定期报告预约披露日前不同天数分析师推荐行为发生的频次，可以看出大部分分析师推荐事件发生在正式报告即将发布前，同时在正式报告即将发布的5-20天内（我们上文定义的超预期潜伏日）发生分析师推荐行为次数较多。

上文为解决如何埋伏可能超预期的个股提供了相应解决思路，下面我们首先从事件分析的角度来展开策略的可行性分析。

下图为原始的分析师推荐行为（即不要求事件发生在超预期事件潜伏日）vs超预期事件潜伏日发生分析师推荐行为前后60天相对中证500指数超额收益。

以分析师评级调整事件为例，我们可以看到横坐标为相应事件发生的天数，例如10，表示分析师评级事件发生之后的10天。同时纵坐标为事件持有到相应时间区间相对中证500的超额收益。同时图中蓝色和红色表示了不同类型的分析师推荐行为。

我们从下图中得出以下核心结论：

1、引入超预期潜伏日信息有较大意义，可以看出超预期事件潜伏日分析师推荐行为发生后60天的超额收益明显高于原始的分析师推荐行为发生后60天的超额收益。以分析师调整事件为例，在超预期潜伏日购买个股持有60天平均获取的超额收益为3.64%，而原始评级调整事件获取的平均超额收益为2.46%，这也说明基于相应的超预期事件潜伏日发生的事件进行投资有着一定的可行性。

2、对比来看，超预期事件潜伏日发生分析师推荐行为事件之后约15天左右收益提升最为显著，而在平均15天之后收益可能有一定的下滑。

从相应事件的平均个股数来看，在超预期事件潜伏日发生结论超预期事件的个股较多，而分析师评级调升事件相对来说发生次数要少，可能因为分析师评级调升对分析师来说相对更为谨慎。

同时上文我们从逻辑角度选择了20天作为相应的超预期潜伏日日期参数，而下面我们也测试了不同天数参数下的事件角度收益。整体来看20天表现最为稳健，且60天的累计超额收益水平最高。

基于上述事件信息，我们通过以下设置构建潜伏超预期组合。

1、 回测区间：2011.12-2023.03；

2、 调仓频率：周度调仓；

3、 选股方式：选择最近在超预期事件潜伏日发生过任一分析师推荐行为且正式定期报告并未发布的个股；

4、 加权方式：等权。

从下图可以看出仅购买超预期潜伏组合的收益较为明显，通过左侧布局相应可能发生超预期的个股便能获取26.04%的年化收益，收益风险比为1.03。

分年度来看，潜伏超预期组合仅在2018年、2023年初至今获取负收益。同时在原始超预期组合表现相对不佳的2016、2018年、2022年，潜伏超预期组合维持着较为优秀的收益。

由于存在业绩真空期，潜伏超预期策略存在相应的空仓时间，同时在进入定期报告披露期之后持股个数逐步增加到上百个股。策略的周平均双边换手率为96.83%。

上述的潜伏超预期组合提供了一种左侧布局超预期可能的途径，接下来我们将其与原始超预期组合结合构建超预期潜伏Plus策略，即我们取两个组合持仓的并集作为最终选股，想在原始超预期组合的基础上进一步获取在定期报告披露之前出现超预期迹象上涨的个股收益。具体的细节如下：

1、 回测区间：2011.12-2023.03；

2、选股方式：每周选择超预期潜伏组合个股及每月选择原始超预期组合个股，若同时是周末和月末则选择两者的并集；

3、加权方式：等权。

从下面可以看出超预期潜伏Plus策略在2011年12月-2023年3月的年化收益率为34.78%，收益风险比为1.24，相较原始的超预期组合和潜伏超预期组合均有明显的提升。

同时分年度来看，超预期潜伏Plus策略仅在2018年获取负收益，在其他年份均获取正收益，且除了2023年初至今略跑输中证500外，在其他年份均跑赢中证500。

由于策略选取了原始超预期组合与潜伏超预期组合的并集，可以看出目前平均持股个数为131只，且不存在空仓期。

上面我们在原始超预期策略的基础上叠加了相应的超预期潜伏个股，从收益增厚角度进一步提升原始超预期策略表现。但整体上看，在加入原始超预期以后，部分年份表现有所回落，因此我们尝试从个股剔除角度对原始超预期组合进行进一步改进。

在我们的超预期组合构建中，超预期因子交易时间与公告披露日存在一定的时滞，而投资者在实际购买时也会考虑到交易日之前个股的涨幅情况再进行投资决策。

下面我们在原始超预期组合个股中剔除虚假超预期个股—即在超预期事件发生日之前就涨幅较大（分位数靠前），而在超预期事件发生日至超预期事件交易日之间下跌比较充分个股（分位数靠后）的个股，具体思路如下：

1、在每个超预期交易日计算每只个股在超预期事件发生日前60天的日均超额收益，每只个股在超预期事件发生日至超预期事件交易日的日均超额收益，其中超额收益基准为中证500；

2、将原始超预期组合在前60天日均超额收益排名前N%,而在之后排名转为后N%的个股作为虚假超预期组合；

3、我们在原始超预期组合中剔除虚假超预期个股构建真实超预期组合，认为其SUE因子囊括的信息含量更为真实，未在股价上被反应。

从下文可以看出在选择不同分位数排名参数（以20%为例，表示我们剔除在超预期事件发生日之前日均超额收益前20%，而从事件发生后转为尾部20%的个股）后，策略表现有进一步的提升。以40/%参数为例，可以看出年化收益率为37.84%，较原始超预期策略有明显提升。

同时，我们在真实超预期组合中基于SUE因子精选不同数目个股可以看出表现进一步上升了，这也侧面验证了真实超预期组合个股的SUE因子信息含量更高。

下面我们将上述两个角度进行结合，即采用潜伏超预期和真实超预期的并集作为最终的超预期潜伏Plus综合策略，具体思路如下：

1、构建原始超预期组合，同时在其基础上剔除虚假超预期组合构建真实超预期组合；

2、基于上述构建超预期潜伏Plus策略的方法，每周选择超预期潜伏组合、每月选择真实超预期组合，共同构建超预期综合Plus策略。

可以看到超预期综合Plus策略的年化收益率进一步提升至43.99%，收益风险比为1.57，相较于原始的超预期潜伏Plus策略的表现又进一步的提升。同时分年度来看，策略表现稳健，除了在2023年初至今略跑输中证500（但跑赢了偏股型基金指数）外，其余年份均获取显著的超额收益。同时对比原始超预期策略，多个年份表现均有进一步提升，例如2022年收益率从-15.63%提升至9.39%。

下面我们测试不同费率水平下超预期综合Plus策略的表现。以双边千三费率为例，策略在2011年12月至2022年3月之间的年化收益率为35.06%，收益风险比为1.25，表现依旧较为优秀。

基本面量化的本质在于将基本面投资者对于股票市场投资的逻辑与借助计算机技术建立的量化投资手段进行有机结合。兴证金工团队在基本面量化维度已进行了较为深入的研究。在个股基本面量化维度，我们基于财务数据构建个股财务风险监控，也从相似理念出发搜寻相应隐匿的专精特新小巨人的研究（其余相似理念落地详见我们相似系列报告）。

风险提示：报告中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险

自媒体信息披露与重要声明