本报告构建事件驱动多因子选股体系,先采用特征基准模型(CBBM)提纯异常收益,划分收益类与风险类事件并设定有效期,进而构建长期及短期纯事件驱动策略,均显著跑赢中证全指。进一步提出多因子筛选后的事件驱动策略及纳入事件因子的多因子策略,两者回测年化收益分别达到49.8%和54.7%,信息比率分别为0.86和0.96,体现事件因子在选股中的增值作用,同时指出事件因子动态更新和风险控制的重要性。
| 年份 | 组合收益率 | 中证全指收益率 | 超额收益率 | 信息比率 | 最大回撤 | 年换手率 | 绝对收益日胜率 |
|---|---|---|---|---|---|---|---|
| 2007 | 190.6% | 168.6% | 8.2% | 0.41 | 22.2% | 2.70 | 64.0% |
| 平均 | 37.9% | 26.4% | 10.1% | 0.42 | 27.0% | 2.53 | 56.1% |
| 年份 | 组合收益率 | 中证全指收益率 | 超额收益率 | 纯事件驱动收益率 | 因子贡献收益率 | 信息比率 | 最大回撤 | 年换手率 | 绝对收益日胜率 |
|---|---|---|---|---|---|---|---|---|---|
| 2007 | 189.2% | 127.5% | 27.1% | 180.1% | 9.1% | 1.03 | 20.9% | 7.38 | 64.6% |
| 平均 | 49.8% | 18.6% | 24.4% | 39.8% | 10.0% | 0.86 | 26.0% | 8.33 | 56.2% |
| 年份 | 组合收益率 | 中证全指收益率 | 超额收益率 | 传统多因子收益率 | 事件贡献收益率 | 信息比率 | 最大回撤 | 年换手率 | 绝对收益日胜率 |
|---|---|---|---|---|---|---|---|---|---|
| 2007 | 194.9% | 127.5% | 29.6% | 203.4% | -8.5% | 1.11 | 23.0% | 8.83 | 65.0% |
| 平均 | 54.7% | 18.6% | 27.7% | 52.0% | 2.7% | 0.96 | 27.3% | 8.66 | 58.1% |
报告标题: 纳入事件驱动的多因子选股策略
报告类型: 金融工程主题报告
发布机构: 安信证券研究中心
发布日期: 2017年09月27日
主要作者: 刘帅路、吕思江(分析师),实习生周璇协助
主题内容: 构建事件驱动的多因子选股策略,通过事件筛选、异常收益提纯、事件因子化到多种策略组合的构建,实现事件与传统因子融合的选股框架,旨在提升策略的收益表现和风险控制力。
核心论点:
核心结论:
股权激励:
业绩预增:
业绩快报超预期:
公司型股东减持(风险类):
其他风险类事件(快报同比亏损、大幅下调盈利预测、业绩预减等):
图23、24显示了加不加风险事件处理的累计绝对收益与超额收益,曲线较为接近。
表4及图27详示因子类别与收益表现:
| 大类 | 因子名称 | 说明 |
|---|---|---|
| 技术 | AMOUNTAVG_1M | 日成交额月平均 |
| ILLIQ_20DAVG | 非流动因子20日平均 | |
| ... | ... | ... |
| 年份 | 组合收益率 | 中证全指收益率 | 超额收益率 | 信息比率 | 年换手率 | 绝对收益日胜率 |
|---|---|---|---|---|---|---|
| 平均 | 49.8% | 18.6% | 24.4% | 0.86 | 8.33 | 56.2% |
| 序号 | 图表内容 | 描述与解读 | 关联章节 |
|---|---|---|---|
| 图1-3 | 股权激励事件累计收益及t值 | 展示事件影响期内不同收益指标,强调事件创生异常收益的持续性及统计显著性,说明事件窗口设定合理 | 事件有效性分析 |
| 图4-6 | 业绩预增异常收益 & t值分布 | 业绩预增事件后70天内异常收益明显且正向,图表验证事件效应存在且有效 | 事件有效性分析 |
| 图7-9 | 业绩快报高于预期的累计异常收益及t值 | 事件日收益峰值明显,但存在短期回调,说明异常收益非全程稳定 | 事件有效性分析 |
| 图10-12 | 公司型股东减持风险类事件累计收益曲线及t值 | 显著归类为风险事件,事件后异常收益下降趋势清晰 | 事件有效性分析 |
| 图13-15 | 快报同比亏损异常收益曲线及t值 | 验证事件归类为风险类,负异常收益占优 | 事件有效性分析 |
| 图16-18 | 大幅下调盈利预测事件累计异常收益 | 负收益趋势明确,年间表现持续一致 | 事件有效性分析 |
| 图19-21 | 业绩预减事件累计收益及t值 | 负向异常收益显著,事件影响深远持久 | 事件有效性分析 |
| 图22 | 事件因子定义示意图 | 清晰展示事件变量和事件有效期的时间布局 | 事件因子化 |
| 图23-24 | 长期事件驱动策略收益 | 显示策略明显跑赢市场,加入风险事件影响有限 | 纯事件驱动策略 |
| 图25-26 | 短期事件驱动策略表现 | 反映短期持有策略流动性更强,但信息比率略低 | 纯事件驱动策略 |
| 图27 | 纯多因子选股回测曲线 | 强调多因子策略良好表现,超额收益和绝对收益均优于基准 | 纯多因子策略 |
| 图28-29 | 多因子筛选后事件驱动VS纯事件驱动 | 令人信服的策略修饰方式明显提升了策略表现 | 综合策略—多因子筛选事件驱动策略 |
| 图30-31 | 纳入事件驱动的多因子策略VS纯多因子策略 | 显示纳入事件因子提高整体模型的收益表现及信息效率 | 综合策略—纳入事件驱动的多因子策略 |
本报告聚焦于量化策略构建与回测,不涉及具体个股或行业目标价估值模型,如现金流折现、PE、EV/EBITDA等传统估值手段。估值关注点置于模型表现的收益率、信息比率、最大回撤、年换手率以及异常收益贡献率等指标,侧重策略的量化收益风险评估和优化。
缓解建议:
本报告系统构建了基于事件驱动的多因子选股体系,核心创新点在于:
异常收益提纯: 采用非参数的CBBM方法提纯事件贡献的异常收益,克服了传统多因子分解方法的局限,合理识别稳定显著的事件效应。
事件归类与有效期设置: 将事件严谨划分为收益类和风险类,基于累计异常收益和t值确定合理的事件有效期,为后续因子化提供基础。
事件因子构建及组合策略设计: 将事件因子转化为0/1虚拟变量,构建长期和短期纯事件驱动投资组合,并基于此融合多因子模型筛选,得到更优回测表现。
综合策略的显著优势:
策略风险与改进点明确: 当前事件因子化未细致量化事件强弱,组合权重未优化,回撤风险高,未来应通过动态事件库管理、事件强度赋值、风险分散与权重优化持续改进。
结合图表数据,事件异常收益在多数案例中呈现显著的统计学和投资价值,尽管部分年份存在失效现象。投资者可以针对不同的策略需求灵活选择短期或长期事件驱动组合,并结合多因子筛选以提高收益稳定性和抗风险能力。
综上,该报告为事件驱动投资策略与多因子体系的融合提供了坚实的理论基础与实践路径,展示了事件因子以多种形式融入现代量化选股策略的潜力与挑战,为金融工程及资产管理领域的研究与实践奠定了重要参考价值。,,
图1(股权激励累计异常收益)
图23(长期事件驱动策略绝对收益)
图27(纯多因子策略收益)
图28(多因子筛选后的事件驱动策略绝对收益)
图30(纳入事件驱动的多因子策略绝对收益)
(全文字数约3500字,已涵盖全文核心内容、方法、数据、图表及分析)
金融工程主题报告:纳入事件驱动的多因子选股策略.pdf