1. 引言
本篇報告旨在對若干類事件進(jìn)行綜合量化分析，使投資者更加深入的理解不同事件的發(fā)生對股票價格的影響。在此基礎(chǔ)上，我們將構(gòu)造基于多事件驅(qū)動的組合投資策略。本篇報告的最后一部分，我們將事件驅(qū)動策略與多因子策略在組合權(quán)重優(yōu)化的框架下相結(jié)合，構(gòu)建了基于多因子多事件驅(qū)動的最優(yōu)中性投資組合。實證結(jié)果表明，增加了事件驅(qū)動后的多因子組合，收益顯著提升。
事件驅(qū)動研究的本質(zhì)問題在于事件發(fā)生是否會產(chǎn)生超額收益或虧損？若能產(chǎn)生，該收益是否可持續(xù)存在？對于該問題的解答不僅有利于我們構(gòu)建事件驅(qū)動選股策略，更重要的是使得投資者了解事件信息對股票價格運行所產(chǎn)生的影響，進(jìn)而更深入的理解股票價格波動的成因。
我們利用風(fēng)險模型對個股收益的分解，定義了事件異常收益AR（Abnormal Return），并根據(jù)不同事件對個股異常收益的影響，對事件屬性進(jìn)行了分類。在此基礎(chǔ)上，我們構(gòu)建了基于多事件驅(qū)動的組合投資策略。實證結(jié)果表明，組合收益穩(wěn)健有效，在過去6年時間內(nèi)均可穩(wěn)定戰(zhàn)勝基準(zhǔn)指數(shù)。
事件驅(qū)動研究的本質(zhì)仍然是對市場參與者內(nèi)心預(yù)期、相互博弈的投資心理研究。本篇報告通過數(shù)據(jù)建模等方法，對事件影響進(jìn)行了一定的統(tǒng)計觀察。但模型終究只是研究工具，最終我們希望通過事件研究，使得投資者更深入的理解股票價格運行的成因及規(guī)律，進(jìn)而達(dá)到無招勝有招之最高境界。
2. 異常收益
2.1 異常收益定義
從邏輯上而言，我們通常會研究事件發(fā)生前后，股票價格收益的分布情況，進(jìn)而判斷事件對股價的影響。但是，由于股票價格的波動受各種不同的風(fēng)險因素影響，因此簡單的利用收益率或者超額收益很難分辨出事件本身對股票價格所產(chǎn)生的影響。
我們通常利用異常收益來檢驗事件發(fā)生對股票價格所產(chǎn)生的影響。所謂事件異常收益指的是：在事件發(fā)生前后，股票收益率中，無法用市場、行業(yè)、風(fēng)格所解釋的收益部分稱為異常收益。
風(fēng)險模型對股票收益的分解為事件研究提供了較大的便利，通過統(tǒng)計事件發(fā)生前后，股票收益中無法利用已知因子所解釋的部分，即特質(zhì)收益項，就可以觀察事件發(fā)生所導(dǎo)致的股票價格異常收益，即：
換言之，我們利用風(fēng)險模型回歸方程中的殘差項作為事件發(fā)生窗口期內(nèi)的股票異常收益，由于殘差部分不包含任意行業(yè)與風(fēng)格收益，因此可以純粹的反映事件本身對股票價格的影響，這與我們定義異常收益的初衷思路是一致的。
并且，由于A股市場的公司事件往往多發(fā)生于中小創(chuàng)的股票，而這類股票在規(guī)模因子的驅(qū)動下，具有顯著的風(fēng)格收益，所以利用風(fēng)險模型剔除風(fēng)格收益的影響，完整的剝離出股票價格的異常收益，顯得尤為重要。
2.2 事件核心邏輯
在定義了異常收益后，我們就可以對各類事件發(fā)生前后，個股異常收益的分布特征進(jìn)行觀察統(tǒng)計。我們首先給出事件驅(qū)動異常收益顯著性統(tǒng)計的一般流程：
Step1: 定義事件邏輯，統(tǒng)計事件（公告）發(fā)生時間點；
Step2: 統(tǒng)計事件發(fā)生前后股票收益率，計算對應(yīng)行業(yè)因子及風(fēng)格因子；
Step3: 根據(jù)風(fēng)險模型回歸方程，計算事件發(fā)生前后個股異常收益CAR；
Step4: 計算事件發(fā)生全部個股異常收益AR均值；
Step5: 異常收益均值顯著性T檢驗；
我們對16種類型的事件公告前后若干個交易日的累計異常收益進(jìn)行統(tǒng)計觀察，其中包括：定向增發(fā)、限售股解禁、業(yè)績預(yù)增、業(yè)績預(yù)虧、高送轉(zhuǎn)、股東增持、股東減持、員工持股、股權(quán)激勵、快報同比盈增、快報同比盈虧、投資者調(diào)研、關(guān)聯(lián)交易、違規(guī)事項、調(diào)入融資融券標(biāo)的、滬深300指數(shù)成分股調(diào)整。
其中，業(yè)績預(yù)增區(qū)分為扭虧、略增、續(xù)盈、預(yù)增。業(yè)績預(yù)虧區(qū)分為首虧、略減、續(xù)虧、預(yù)減。股東減持區(qū)分為大宗交易減持、非大宗交易減持。員工持股區(qū)分為競價轉(zhuǎn)讓、認(rèn)購非公開發(fā)行。
2.3 事件發(fā)生前后20個交易日異常收益分布特征
我們下面將針對上述提到的若干種類事件，統(tǒng)計事件發(fā)生前后20個交易日，個股異常收益AR均值及累計異常收益CAR均值的分布特征情況。同時，我們將計算累計異常收益和異常收益均值T檢驗值，即原假設(shè)為事件異常收益AR=0，具體如下:
事件1：定向增發(fā)
事件2：限售股解禁
事件3：業(yè)績預(yù)增
事件4：業(yè)績預(yù)虧
事件5：高送轉(zhuǎn)
事件6：股東增持
事件7：股東減持（非大宗交易）
事件8：股東減持（大宗交易）
事件9：員工持股（認(rèn)購非公開發(fā)行）
事件10：股權(quán)激勵
事件11：快報同比盈增
事件12：快報同比盈虧
事件13：投資者調(diào)研
事件14：關(guān)聯(lián)交易
事件15：違規(guī)事項
事件16：調(diào)入融資融券標(biāo)的
事件17：調(diào)入滬深300指數(shù)成分股
事件18：調(diào)出滬深300指數(shù)成分股
在上述對于不同事件的異常收益統(tǒng)計觀察中，可以發(fā)現(xiàn)大部分事件的異常收益在公告日前后均會產(chǎn)生劇烈波動，這表明事件信息的沖擊對股票價格具有顯著的影響。
進(jìn)一步的可以發(fā)現(xiàn)，市場預(yù)期的影響在事件研究中起到了重要的作用。從上述分析中可以看到，大部分事件類型在公告日之前異常收益就有顯著波動，而在事件實際發(fā)生之后即市場預(yù)期兌現(xiàn)后，異常收益則并不一定可以得到延續(xù)，例如定向增發(fā)、高送轉(zhuǎn)等事件，此類效應(yīng)尤為明顯。
我們同樣發(fā)現(xiàn)，不同事件異常收益影響的時間維度是不同的。部分事件的發(fā)生對股價表現(xiàn)為短期脈沖式影響，例如業(yè)績預(yù)虧、高送轉(zhuǎn)等，股價異常收益會在短時間迅速將事件影響完全反應(yīng)，市場幾乎表現(xiàn)為完全有效狀態(tài)。而部分事件則對股價表現(xiàn)為持續(xù)性影響，例如業(yè)績預(yù)增、股東增持、投資者調(diào)研等，該類事件在公告后一段時間內(nèi)對個股仍然產(chǎn)生持續(xù)穩(wěn)定的作用，因此醞釀了較好的投資機會。
3. 事件屬性分類
我們根據(jù)事件發(fā)生對股票異常收益的影響，我們將事件分為5類，分別是：持續(xù)性阿爾法事件、持續(xù)性風(fēng)險事件、短期阿爾法事件、短期風(fēng)險事件和其他類型。具體事件屬性分類如下所示：
根據(jù)分類，定義為持續(xù)性阿爾法事件的事件類型有4類，包括：業(yè)績預(yù)增（扭虧、略增、預(yù)增）、股東增持、股權(quán)激勵和投資者調(diào)研；定義為持續(xù)性風(fēng)險事件的類型有2類，包括：股東減持（非大宗交易）和快報同比盈虧；其他事件即為短期事件或其他。
我們在上一節(jié)的研究中提到，由于短期事件受信息優(yōu)勢、交易速度等因素影響，較難把握，并且資金容量有限，因此比之短期事件，我們更加關(guān)注持續(xù)性事件的影響。其中，持續(xù)性阿爾法事件醞釀了較好的投資機會，而持續(xù)性風(fēng)險事件則需要謹(jǐn)慎規(guī)避。
我們接下來將進(jìn)一步考察上述提到的4類持續(xù)性阿爾法事件和2類持續(xù)性風(fēng)險事件在公告日后60個交易日內(nèi)的異常收益表現(xiàn)，方法與之前相同，具體結(jié)果如下:
持續(xù)性阿爾法事件1：業(yè)績預(yù)增（扭虧、略增、預(yù)增）公告日后60天
持續(xù)性阿爾法事件2：股東增持公告日后60天
持續(xù)性阿爾法事件3：股權(quán)激勵公告日后60天
持續(xù)性阿爾法事件4：投資者調(diào)研公告日后60天
持續(xù)性風(fēng)險事件1：非大宗減持公告日后60天
持續(xù)性風(fēng)險事件2：快報同比盈虧公告日后60天
從上述結(jié)果中可以清晰的發(fā)現(xiàn)，在我們所定義的4類持續(xù)性阿爾法事件狀態(tài)下，公告后60個交易日的異常收益仍然保持穩(wěn)定的增長，并且異常收益的T檢驗值也均維持在較高水平。這表明，在該類事件發(fā)生后的60個交易日內(nèi)，事件影響持續(xù)發(fā)酵，期間任意時間段買入該股票，均可以獲得較為穩(wěn)定的異常收益貢獻(xiàn)，這對我們構(gòu)建事件驅(qū)動組合而言是十分有利的。
對于持續(xù)性風(fēng)險事件的統(tǒng)計結(jié)果中看到，非大宗減持公告日后60個交易日異常收益持續(xù)下降，這期間的任意時間段均應(yīng)該規(guī)避相應(yīng)個股。而快報同比盈虧事件的影響時間約為40個交易日，此后異常收益短期回升并進(jìn)入正常狀態(tài)。總體而言，持續(xù)性風(fēng)險事件將會導(dǎo)致累計異常收益持續(xù)下降，投資者對該類股票需謹(jǐn)慎規(guī)避。
4.多事件驅(qū)動組合策略構(gòu)建
4.1 多事件驅(qū)動組合構(gòu)建方式
由于個股事件發(fā)生的時間點不一致，因此事件驅(qū)動策略的組合構(gòu)建問題很難找到完美的解決方式。通常而言，該類策略的組合構(gòu)建有2種方法，第一種即為即時調(diào)倉策略，即事先將資金等額分配，當(dāng)個股事件發(fā)生后，立即將對應(yīng)股票選入組合，同時將組合中最早調(diào)入的個股賣出。該方法的好處在于可以獲得事件發(fā)生后的及時收益，而不用等到特定換倉日，但該方法的缺點在于組合常常較不穩(wěn)定，并且對于資金分配也較難把控。而第二中方法即為定期調(diào)倉策略，該方法與多因子策略逐月調(diào)倉類似，在特定調(diào)倉日（如每月末）一攬子買入處于事件影響狀態(tài)下的股票組合。該方法的缺點在于會損失事件發(fā)生后的及時收益，但整體組合的穩(wěn)定性相對而言較高。
顯然，針對本篇報告的研究邏輯，我們更傾向于第二種組合構(gòu)建方式。因為在前幾個章節(jié)的分析中，我們通過對不同事件屬性的分類，定義了持續(xù)性阿爾法事件，即在事件發(fā)生后的60個交易日個股異常收益持續(xù)穩(wěn)定上升。因此，對于組合構(gòu)建而言，只要個股在調(diào)倉日后的持有期內(nèi)，個股始終處于事件狀態(tài)的影響下，那么組合就可以獲得該類事件的所帶來的穩(wěn)定收益。
具體而言，我們將所有事件利用狀態(tài)變量1/0/-1來表示，其中狀態(tài)1表示事件當(dāng)前處于持續(xù)性阿爾法事件狀態(tài)影響下，0 表示其他，-1表示事件當(dāng)前處于持續(xù)性風(fēng)險事件狀態(tài)影響下。
我們以月頻率作為調(diào)倉周期，并以每月第一個交易日作為換倉日。對于處于持續(xù)性阿爾法事件狀態(tài)影響下的個股，若在換倉日，個股未來20個交易日仍處于阿爾法事件狀態(tài)影響下，則將股票納入組合。對于持續(xù)性風(fēng)險事件而言，若在換倉日，個股未來存在大于1個交易日處于風(fēng)險事件狀態(tài)影響下，則規(guī)避組合選入該股票。
4.1 基于持續(xù)性阿爾法事件的多事件驅(qū)動策略
我們選擇業(yè)績預(yù)增、股東增持、股權(quán)激勵、投資者調(diào)研作為持續(xù)性阿爾法事件，以每月第一個交易日作為調(diào)倉日，選擇未來20個交易日處于上述事件影響狀態(tài)下的股票構(gòu)建多頭組合，等權(quán)方式配置?？紤]交易傭金單邊0.1%、印花稅0.1%，自2010年1月至2016年4月，換倉日剔除停牌、漲停、成交量異常股票，以當(dāng)日開盤價作為成交價格。
組合累計收益如下所示：
組合累計超額收益如下：
上述回測結(jié)果表明，多事件驅(qū)動投資組合在過去6年時間內(nèi)均戰(zhàn)勝了中證500指數(shù)，表現(xiàn)穩(wěn)定。逐年平均來看，組合可獲得19.4%的年超額收益率，平均年信息比率達(dá)到2.36，組合平均持股個數(shù)約為400只，組合年均雙邊換手率約為4倍。
我們進(jìn)一步利用業(yè)績歸因模型，對組合收益進(jìn)行深入的分解觀察，具體結(jié)果如下：
收益歸因結(jié)果顯示，組合在選股層面貢獻(xiàn)最高（即特質(zhì)收益貢獻(xiàn)顯著），這表明在我們多事件驅(qū)動策略的邏輯框架下，組合獲得了顯著的事件異常收益。
但是，歸因結(jié)果同樣表明，在風(fēng)格層面，組合帶有較為明顯的市值風(fēng)格特征，即組合選擇的股票仍然以中小創(chuàng)居多，策略收益中存在部分風(fēng)格收益。
5.事件驅(qū)動策略與多因子模型
5.1 事件收益與風(fēng)格收益
在上一節(jié)的研究中，我們構(gòu)建了基于持續(xù)性阿爾法事件的多事件驅(qū)動組合策略。實證檢驗結(jié)果表明，策略收益表現(xiàn)較為穩(wěn)健。
但是，在我們對組合進(jìn)行歸因分解的時候發(fā)現(xiàn)，盡管策略獲得了顯著的事件異常收益，但是同樣存在較為明顯的風(fēng)格收益。這不禁引發(fā)我們的思考：是否可以構(gòu)建基于事件驅(qū)動策略的風(fēng)格中性投資組合？
在我們之前對阿爾法模型的研究報告中，我們通過權(quán)重優(yōu)化的方法，構(gòu)建了基于風(fēng)險模型的風(fēng)格中性投資組合，策略表現(xiàn)十分穩(wěn)健。從本質(zhì)上來說，事件導(dǎo)致的股票收益同樣可以理解為阿爾法收益，尤其是持續(xù)性阿爾法事件所導(dǎo)致的收益更是存在長期穩(wěn)定的特征，這與阿爾法因子的特征極為相似。
但是，從模型的角度出發(fā)我們卻很難將事件作為因子來處理。一方面，是因為事件發(fā)生的時點并不一致；另一方面，事件為狀態(tài)因子而不是截面因子，傳統(tǒng)的截面因子處理方法無法運用于事件因子。所以這也導(dǎo)致了，長期以來，量化研究團(tuán)隊通常將多因子模型與事件驅(qū)動模型分為兩個不同的大類而區(qū)別對待。
事實上，我們很難將事件收益與風(fēng)格收益相互獨立來看，究竟是事件發(fā)生產(chǎn)生了風(fēng)格收益，還是市場風(fēng)格導(dǎo)致了更多事件的發(fā)生？這個問題從模型的角度很難給出準(zhǔn)確的答案。例如在上一節(jié)的組合構(gòu)建中，如果我們利用權(quán)重優(yōu)化約束將組合的市值敞口完全中性化，那么很有可能導(dǎo)致特質(zhì)收益的貢獻(xiàn)也大幅降低。所以，我們認(rèn)為事件驅(qū)動所產(chǎn)生的收益一定是包含風(fēng)格收益的，而我們要做的是在風(fēng)格中性的基礎(chǔ)上，獲取事件收益中非風(fēng)格收益的部分。
既然無法將事件狀態(tài)因子作為傳統(tǒng)截面因子的方法來處理，那我們選擇在組合預(yù)期收益率中增加事件因子部分，使得組合的優(yōu)化目標(biāo)函數(shù)中包含事件驅(qū)動收益部分。
不能錯過的高級研修：大數(shù)據(jù)時代的量化投資！
上課地點：深圳
培訓(xùn)時間：2016年6月25-26日
來源：君唐資產(chǎn)
