金融研究报告详尽分析——《业绩预告信息披露质量因子的构建与改进》
一、元数据与概览
- 报告标题:《业绩预告信息披露质量因子的构建与改进——申万宏源金工量化新思路系列之八》
- 发布机构:申万宏源证券研究所
- 日期:2022年11月18日
- 作者及联系方式:
- 研究主题:以业绩预告信息披露质量为核心,构建并改进上市公司信息披露质量因子,并结合薪酬激励、股权结构、股利分配三个公司治理维度,形成综合的公司治理因子,从而提供量化选股工具。
- 核心论点:
- 现有的交易所信息披露评级数据颗粒度粗,不足以形成精细的投资判断。
- 通过分析上市公司披露的业绩预告,构建业绩区间宽度(𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ)与业绩偏离度(𝑓𝑒𝑞_𝑏𝑖𝑎𝑠)两个负向因子,反映披露质量。
- 将信息披露质量因子与薪酬激励、股权结构、股利分配因子合成为公司治理因子,该因子在多个样本空间内展现良好的选股效果。
- 重点提示:
- 业绩预告信息披露质量越高,企业的业绩预告区间越窄、预测偏离越小。
- 公司治理中的多维度因子相关性低,因而相互补充,提升整体组合表现。
- 评级和目标价:本报告为因子构建及回测分析,无具体股票评级和目标价。
二、逐节深度解读
1. 上市公司信息披露(第5页)
- 核心内容:
- 信息披露评级由上交所和深交所每年基于多维指标评分,分为A/B/C/D四档。
- 通过Wind数据库获得深交所信息披露考评数据自2001年,沪市则自2016年开始。
- 2016-2021年间,占比最高评级为B类(约63%),A类仅约19%。
- 市值与评级正相关,A类公司市值中位数远高于其他类别。
- 逻辑说明:
- 交易所评级虽全面但细节不够,导致大多数公司集中于中间评级,限制了投资区分力。
- 图表解读:
- 图1显示各评级公司数量占比相对稳定,B类公司最多。
- 图2显示高评级公司市值明显更大。
- 引申:
- 由于信息披露评级数据粗糙,作者提出利用业绩预告数据的细粒度信息构建因子。
2. 业绩预告信息披露质量研究(第6-15页)
2.1 业绩预告信息披露质量的代理变量定义(第7-8页)
- 内容梳理:
- 业绩预告按披露方式分为定性预测、单侧预测、单点预测和区间预测。
- 2007-2022年数据表明,业绩预告主要以区间预测和单点预测为主(比例近100%)。
- 因子构建:
- 𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ(预告区间宽度):归纳为预测净利润上下限差额的标准化值。[定义公式详见第7-8页]
- 𝑓𝑒𝑞_𝑏𝑖𝑎𝑠(预告偏离度):预测净利润与实际净利润差距的标准化值(以区间均值为预测值)。这两个因子均为负向因子,数值越小,反映信息披露质量越高。
- 处理特殊值:
- 对于定性预测和单侧预测导致的NaN,采取两种方式:填充最大值(3)以及剔除NaN样本做检验。
2.2 基于同一报告期的因子构建(第8-9页)
- 方法:
- 将股票映射到同一报告期的业绩预告数据。
- NaN填3,中性化处理(行业、市值除权),分十组排序,等权投资,移除不可交易股票。
- 结果:
- 𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ 和 𝑓𝑒𝑞_𝑏𝑖𝑎𝑠 因子RankIC均为负,分别为-1.63%与-1.87%,均表现出负向选股能力,多头月均超额收益0.32%和0.42%(表1,图5-9)。
- 覆盖率问题:
2.3 基于各自最新报告期的因子构建(第10-11页)
- 方法改进:
- 不限定同一报告期,而是每个股票映射其最新的业绩预告,利用过去四个报告期数据提升覆盖率。
- 仍对NaN填3。
- 效果:
- 因子选股表现略有提升,RankIC_IR分别提升至-0.48和-0.66(表2,图10-14)。
- 覆盖率提升至约77%。
2.4 剔除定性和单侧预测样本后的因子构建(第11-13页)
- 进一步筛选:
- 剔除NaN样本(即剔除定性和单侧预测业绩预告样本),拓展回溯窗口至8个报告期。
- 表现提升:
- RankIC均值-1.78%和-2.77%,RankIC_IR提升至-0.51和-0.86。
- 多头超额收益更明显(分别0.26%和0.61%),单调性也增强。
- 覆盖率:
- 限制样本覆盖率下降,但通过扩大回溯窗口至8期恢复至75%左右(图19)。
2.5 业绩预告相对报告期时间效应(第13-15页)
- 逻辑分析:
- 报告期结束后发布的业绩预告由于信息更加完整,其区间宽度和偏离度较小。
- 处理方式:
- 引入虚拟变量Dummy标记预告发布时间晚于报告期(1)或早于报告期(0),对因子做正交残差处理后再中性化。
- 结果改善:
- 𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ月均RankIC由-1.78%提升至-2.02%,RankIC_IR由-0.51提升至-0.66,月超额收益也明显改善。
- 综合两个因子构建信息披露质量因子,RankIC-3.00%,IR-0.87,多空月均收益0.92%(表4-5,图22-27)。
3. 公司治理类其他维度因子研究(第16–22页)
3.1 薪酬激励因子(第16-18页)
- 因子定义:
- 分绝对薪酬(管理层薪酬总和、平均薪酬、前三薪酬合计,普通职工薪酬合计与平均)和相对薪酬(管理层内部差及管理层与普通员工差)。
- 使用对数处理薪酬数据,减少极端值影响。
- 因子表现:
- 管理层薪酬总和、平均薪酬及薪酬前三合计因子RankIC均值最高(约2.2%-2.5%)且IR较高。
- 普通职工薪酬合计月均超额收益0.86%,但月度胜率较低。
- 选取薪酬前三管理层薪酬合计、普通职工薪酬总和、公司内部薪酬差三个因子合成薪酬激励因子,整体RankIC为2.89%,IR 0.55,月均超额收益0.71%(表6-8,图28-35)。
3.2 股权结构因子(第18-20页)
- 因子定义:
- 股权集中度(第一大股东持股比例、前五、前十大股东持股比例及平方和)
- 股权制衡度(第一与第二大股东持股比例比值,第二至第十与第一大股东持股比例比值)
- 因子效果:
- 股权集中度类因子表现较好,RankIC均值约1.2%-1.4%,月度胜率多数在60%以上。
- 股权制衡度因子相关性和表现较差(部分为负面)。
- 合成因子:
- 选用前十大股东持股比例和及平方和做合成股权结构因子,RankIC 1.38%,IR 0.22,月均超额收益0.63%(表9-11,图36-41)。
3.3 股利分配因子(第20-22页)
- 构成:
- 最近一年现金分红占净利润比(最近年度股利支付率)
- 最近三年平均股利支付率
- 表现:
- 两因子均表现较好,RankIC均约2.5%-2.9%,月度胜率近70%,多头月均超额收益分别为0.33%、0.24%(合成因子表现接近)。(表12-14,图42-47)
4. 公司治理因子综合表现(第23-25页)
- 相关性分析:
- 四个公司治理因子之间及与传统选股因子低相关,显示互补性。
- 综合因子构建:
- 等权合成业绩预告披露质量因子、薪酬激励因子、股权结构因子、股利分配因子构成公司治理因子。
- 因子覆盖率:
- 2014-2022年,在沪深300覆盖率约52%,中证500约66%,中证1000高达71%(图49)。
- 选股表现:
- 回测2010-2022年,4个主流样本空间均表现良好,RankIC均值4.58%-5.06%不等,IR范围0.30-0.86。
- 中证全指表现最优,月均多头超额收益0.55%,其余样本空间多头收益略低但稳定(表15,图50-54)。
三、图表深度解读
- 图1-2(第5页):确认信息披露评级市场分布及与市值的正相关,B类占大多数且A类市值中位数显著高,强调评级数据粗糙度。
- 图3(第6页):显示业绩预告发布数量,年报最多,季报逐年减少,2022年一季三季报显著下降。
- 图4(第7页):区间预测占比逐年攀升至95%以上,说明业绩预告的信息量和细节水平提升。
- 图5-8(第9页):分组月均收益和累计净值图,显示𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ和𝑓𝑒𝑞_𝑏𝑖𝑎𝑠均有负向选股能力,优质组持续表现优异。
- 图9-14(第9、10、11页):覆盖率与改进后因子表现递增,纳入最新报告周期显著提升样本覆盖率和部分指标效果。
- 图15-18(第12页):剔除NaN样本后因子表现显著增强,形象展示多头组累积净值大幅优于弱势组。
- 图19(第13页):延长回溯期显著提升因子覆盖率,兼顾样本量与数据质量。
- 图20-21(第13页):时间效应曲线显示晚于报告期发布预告的区间宽度和偏离度显著较小,体现信息完善度。
- 图22-27(第14、15页):时间效应处理后因子表现进一步提升,合成信息披露质量因子效果最优,累计净值稳健上升。
- 图28-35(第16-18页):薪酬激励维度多因子表现良好,管理层薪酬合计指标尤为突出,多空累积净值展示因子有效性。
- 图36-41(第19-20页):股权结构因子中集中度指标表现较好,累积净值体现超额收益能力。
- 图42-47(第21-22页):股利分配因子表现稳定,渐进式股利支付率体现了对股东回报的持续关注。
- 图48(第22页):相关性矩阵表彰治理因子独立性,增强多因子组合效果。
- 图49(第23页):展示公司治理因子在不同指数内的覆盖率差异。
- 图50-54(第24页):公司治理综合因子在各大指数分组月度超额收益和多空累计净值趋势图,显示该因子具有广泛适用性和持续超额收益能力。
四、估值分析
本报告主要围绕因子构建与选股效果分析,未具体涵盖传统估值模型(如DCF、P/E倍数、EV/EBITDA等)的应用,因此无具体估值部分内容。
五、风险因素评估
- 报告特别提示:
- 选股因子基于历史数据,可能因未来市场结构变化而表现不稳定。
- 公司治理因子覆盖度有限,未覆盖股票如表现突出,可能导致组合相对大盘回撤。
- 整体风险:
- 依赖业绩预告披露信息与财务数据质量,监管政策变动、信息披露标准变更可能影响因子稳定性和有效性。
- 因子表现依赖市场效率及投资者对信息的反应,极端市场环境下可能失效。
六、批判性视角与细微差别
- 因子设计中的若干潜在限制:
- 业绩披露质量因子虽通过多种处理手段提升覆盖率,仍面临部分样本缺失带来的样本选择偏差。
- 采用填充极端值或剔除策略对NaN数据的处理,可能导致因子表现的敏感性与稳定性存在一定波动。
- 时间效应引入虽提升了因子效果,但其适用性依赖于市场规律的稳定,特殊年份或政策突变可能带来偏差。
- 因子间相关性低的优劣平衡:
- 因子相关性低有利于多因子组合的多样化,但过低也可能反映因子之间部分信号的弱化,需要进一步验证因子整体驱动盈利的稳定性。
- 行业中性化及市值中性处理的挑战:
- 此类标准化操作有助于去除行业特异性和规模效应干扰,但也可能淡化部分真实的市场信号,平衡点需仔细把握。
七、结论性综合
本报告系统构建并改进了基于业绩预告信息披露质量的量化因子—业绩区间宽度(𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ)与业绩偏离度(𝑓𝑒𝑞_𝑏𝑖𝑎𝑠),合理利用公司已披露业绩预告信息细节,在考虑定性与单侧预测处理、时间效应修正、回溯期延长等环节,有效提升了因子覆盖率和选股效果。该信息披露质量因子表现稳定,尤其在剔除NaN样本并引入时间效应后,RankIC均值和IR显著提升,表明业绩预测的明确性和准确度是衡量上市公司信息披露质量的重要标尺。
同时,结合薪酬激励、股权结构、股利分配等多维公司治理因子,综合构建了公司治理因子。各个子因子在回测期间均展现出良好的辅助选股效果,相关性低凸显其独立价值。综合治理因子在多种主流指数样本空间均获得稳健且持续的超额收益,多头组月均超额收益最高可达0.65%以上,说明该因子具备较强的市场应用潜力。
报告中大量图表详细展示了因子的分组收益(月均超额收益、月度胜率)和累计净值变化,清晰映射因子的投资价值与市场表现规律。因子设计逻辑严谨,数据处理流程规范,体现量化投资对透明度和信息细节的深挖。
然而,报告亦诚实指出未来因子表现可能因市场结构调整、样本覆盖度不足等风险因素而产生波动,提醒投资者谨慎应用。
总体而言,本研究为信息披露质量的量化测度提供了创新视角,将财务信息披露的细节特征有效转化为可操作因子,与薪酬、股权、分红等治理相关指标联动,形成了具有实际投资参考价值的综合公司治理因子框架。这种多维度因子体系可望提升投资组合的稳定性和收益表现,为A股市场公司治理评价及量化选股提供坚实基础。
重要图表示例展示
-
图1:历年不同评级公司的数量占比(见图5)
-
图5:同一报告期下𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ分组月均超额收益(见图9)
-
图15:剔除NaN样本后𝑓𝑒𝑞_𝑤𝑖𝑑𝑡ℎ分组月均超额收益(见图12)
-
图26:业绩预告信息披露质量因子月均超额收益(见图15)
-
图34:薪酬激励因子分组月均超额收益(见图18)
-
图40:股权结构因子分组月均超额收益(见图20)
-
图46:股利分配因子分组月均超额收益(见图22)
-
图50:公司治理因子在中证全指分组月均超额收益(见图24)
参考文献与数据来源
- 申万宏源证券研究所,Wind数据库
- 报告全篇依托申万宏源与Wind数据,共涵盖2010年至2022年10月的多维度数据回溯与因子构建。
本分析严格基于报告内容,无任何个人预判或未披露内幕信息。
,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]