2022年金融衍生品研究 掘金机构调研事件选股策略

一、机构调研现象分析

1.1、机构调研简介

机构调研一般指基金公司、保险公司、证券公司等专业投资者通过参与特定对象调研了解公司内部经营状 况和上涨潜力的行为，为了方便说明将分析师会议，业绩说明会等也在本报告中统称为调研。一般说明该股具 有一定的投资价值或业绩有较大增幅。 近些年随着机构投资者业绩表现相较大盘的显著提升，市场对机构调研的关注度不断提升，比如：机构投 资者披露持仓被市场各类投资者细致研究，机构调研的个股受到各类媒体的报道。因此机构调研信息值得我们 细致挖掘。

1.2、机构调研事件统计

在 2012 年 8 月以前机构调研次数较少且不稳定，2012 年 8 月份至今机构调研次数趋于稳定，有 81%的月 份当月机构调研次数高于 500 次，有 95.7%的月份当月机构调研次数高于 300 次。机构调研事件样本数量趋于 稳定利于我们对机构调研策略的构建。

1.3、机构调研个股优异表现

从过去机构调研个股的优异表现可以看出：机构调研信息蕴藏着丰富的增量信息，通过挖掘机构调研信息 有望获得超越市场指数的超额收益，以下简要列举两个机构调研后取得较高收益的例子： 300261.SZ 雅本化学 2021 年 10 月 26 日受到机构调研，入库日之后 60 天取得 4 倍收益。300850.SZ 新强联 2020 年 9 月 23 日受到机构调研，入库日后 60 日累计收益 1.86 倍。

二、数据使用和处理

2.1、数据来源

我们的策略构建所需数据主要分为三类：调研信息，业绩发布信息和个股交易信息。 调研信息中，我们使用 Wind 数据库的中国 A 股机构调研活动和中国 A 股机构调研参与主体数据表。中国 A 股机构调研活动表用于获取调研日期，股票代码，投资者关系活动类型（例如：特定对象调研，分析师会议， 业绩说明会等）。中国 A 股机构调研参与主体表用于获取调研的机构参与人员姓名，机构投资者类型（例如基 金公司，保险公司，证券公司等）。 业绩发布信息中，我们使用 Wind 数据库的中国 A 股业绩预告，中国 A 股业绩快报，中国 A 股定期报告披露日期数据表来获取股票代码以及对应的业绩预告，业绩快报，定期报告的发布日期。 个股交易信息中，我们使用 Wind 数据库的中国 A 股日行情，中国 A 股指数日行情数据表来获取个股当日 涨跌幅和成交量以及中证 800 指数当日涨跌幅和成交量。

2.2、异常值处理

由于 Wind 中国 A 股机构调研活动和中国 A 股机构调研参与主体数据表制作开始于 2015 年 3 月 3 日，因此 对于在此之前的调研活动，其调研日和入库日可能相差过大，导致入库日的股票表现与调研事件相关性降低。 以下我们观察了剔除 2015 年 3 月 3 日之前和之后样本总数，样本公告日到调研日的差，以及入库日到调研日的 样本累计分布情况。试图在保证入库日与调研日的差距适当的情况下，保留足够的样本以进行进一步研究。

剔除调研日开始于2015年3月3日之前的样本之后，历史样本总数剩余66407条仍能满足下一步研究需要， 而入库日到调研日的差在 5 日之内的样本从 50%提升到 66%，有了明显的提高。为使研究更具有及时性，我们 进一步选取入库日到调研日相差 5 天以内的样本，最终的样本数量为 44023 个。

2.3、针对机构调研因子的数据处理

由于部分调研事件的调研机构并未披露，在去除掉未披露调研机构的样本后，在去除重复记录之后，剩余 40683 个事件样本，以此作为调研机构因子的总体样本。重复记录原因在于 A 股机构调研主体表是按照调研人记录的，对于一次调研可能出现多个机构类型。对此我们的处理方法是对全样本每次记录保留一次作为总体样 本；对于各个调研机构首先选取对应机构之后对每次记录保留一次作为对应调研机构的样本。

2.4、因子构建

根据逻辑推理和经验，我们使用上述数据构建了以下因子：1.调研方式因子：按照调研方式将调研事件分 为特定对象调研，分析师会议，业绩说明会等。2.调研机构因子：按照参与调研的机构类型将调研事件分为基 金公司，保险公司，证券公司等。3.调研月份因子：调研事件发生的月份。4.调研前超额收益因子：调研日当天 超额收益，调研日前 60 日累计超额收益。5.调研前成交量跳升 t 值因子：用调研前 60 日到调研前 15 日的成交 量序列取均值得到 vol_mean，用调研前 15 日到调研前 1 日的成交量序列取最大值得到 vol_max,最后计算 = (_ − _)/_。

6.调研前30日调研人数排名因子：对于调研前30天的个股调研人数进行加总并按从小到大的顺序进行排名（调研人数最少的排名为0），提取排名值。7.距离业绩发布日的日期：业绩发 布日期通过合并业绩预告，业绩快报，定期报告距离调研最近的日期获得。可计算两个因子。调研距调研之前最近业绩发布日期的天数，调研距调研之后最近业绩发布日期天数。

三、事件研究结果

3.1、事件研究方法介绍

时间上选择调研发生的入库日次日开始计算到入库日后 60 日结束。数值上选择个股的收益减去中证 800 的 当日收益计算超额收益。对于调研方式因子，调研机构因子和调研月份因子，我们按照各个类型分别测算。对 于数值型的因子我们采用 5 分组的方式（0，20，40，60，80，分别代表样本的 5 个 20 分位数）进行测算。（包 括调研前超额收益因子，调研前成交量跳升 t 值因子，调研前 30 日调研人数排名因子，距离业绩发布日的日期） 下图是我们计算的对于全样本44023个调研事件计算的平均累计收益曲线，60日平均超额累计收益1.68%。

3.2、调研方式因子研究结果

累计超额收益为正的调研方式包括业绩说明会，投资者接待日活动，路演活动，特定对象调研和其他。累 计超额收益为负的调研方式包括新闻发布会，现场参观，一对一沟通，分析师会议和媒体采访。超过全样本累 计超额收益 1.68%的调研方式包括业绩说明会和投资者接待日活动。其中业绩说明会的平均累计超额收益达到 5.3%.业绩说明会调研方式值得后续研究。

3.3、调研机构因子研究结果

在调研机构因子研究中，由于剔除了调研机构类型缺失的样本，全样本累计 60 日超额收益有所变化为 1.38%。各个调研机构的累计超额收益均超过 0%，其中累计超额最高的三个调研机构为基金公司 1.64%，券商自营 1.48%，证券公司 1.34%。调研机构为基金公司，券商自营，证券公司值得后续关注。

3.4、调研月份因子研究结果

调研月份不同确实对事件收益有显著影响，其中 1-9 月份调研的超额收益大于 0，10-12 月份调研的超额收 益为负。在 1-9 月份中，1 月份累计超额 3.68%，4 月份累计超额 2.8%，5 月份累计超额 4.57%，7 月份累计超 额 3.8%，9 月份累计超额 2.26%，均超过全样本累计超额水平。调研月份为 1，4，5，7，9 月份可能代表了更为充分的调研信息。

3.5、调研前60日累计超额收益因子研究结果

调研前 60 日累计超额收益最低的组合表现最佳，累计超额收益达到 2.3%。调研前 60 日累计超额收益最高 的组合表现最差，累计超额收益仅为 0.17%。调研前 60 日累计超额收益最低组合和调研前 60 日累计超额收益 最高组合的差异非常明显。位居中间的 20，40，60 组合并未表现出明显单调性。

3.6、调研当日累计超额收益因子研究结果

调研当日累计超额收益因子需要注意的一点是如果调研发生在工作日则取当日超额收益，否则取下一个最近的工作日超额收益。调研当日超额收益最低的组合表现最优，平均累计超额达到 2.4%，且相比其他组合有明 显超额收益，但 20，40，60，80 组合未表现出明显单调性。

3.7、调研前60日成交量t值因子研究结果

调研前成交量跳升通常意味着大额资金的隐蔽建仓行为，我们选用调研前 15 日成交量序列最大值 max 代 表可能的调研信息泄漏带来的成交量跳升，调研前 60 日到调研前 15 日成交量均值 mean 代表正常情况下个股的 成交量，并用 t_value=(max-mean)/mean 表示标准化后的结果。调研前 60 日成交量 t 值其中 40 组合累计超额收 益最优为 2.25%，0，20，40 组表现前三，但整体分组并未表现出明显的单调性。

3.8、调研前30日调研人数排名因子研究结果

60 分组表现最佳平均累计超额为 2.3%，调研前 30 日调研人数排名最大（也就是调研累计调研人数最多） 的组合平均累计超额最低为 0.3%。调研前 30 日调研人数排名因子单调性方面表现一般。

3.9、距上个业绩发布日天数因子研究结果

40 组和 80 组表现最佳，均取得 2.2%的超额收益，距离上个业绩发布日最近的 0 组表现最差，累计超额收益仅为 0.8%。距离上个业绩发布日天数因子并未表现为显著单调性。

3.10、距下个业绩发布日天数因子研究结果

距下个业绩发布日天数呈现较为明显的单调性，距离下个业绩发布日更近的超额收益更高，其中离下个业 绩发布日最近的 0 组超额收益 3%。距下个业绩发布日天数因子适合作为进一步优化的因子之一。

四、Top50个股画像结果

4.1、个股画像介绍和方法设定

个股画像的研究方法是采用对历史上表现前列的个股进行细致研究，从而总结出这些强势股票上涨前具有 的共性，从而对策略做以指引。本次个股画像选用了调研入库日累计超额收益最大的 50 个调研事件，通过对调 研方式因子，调研机构因子，调研月份因子，调研前超额收益因子，调研前成交量跳升 t 值因子，调研前 30 日 调研人数排名因子，距离业绩发布日的日期因子在 Top50 和全样本的分布对比来总结个股画像规律。

4.2、调研方式因子个股画像结果

全样本调研方式分布概率最大前三是特定对象调研，业绩说明会和其他类。其中 Top50 在特定对象调研和 其他类上分布概率低于全样本，但是在业绩说明会上分布概率显著高于全样本，说明业绩说明会调研方式可能 存在超额收益。这一点与调研方式因子的事件研究结果一致。

4.3、调研机构因子个股画像结果

全样本调研机构分布概率最大前三为基金公司，投资公司和证券公司，其中基金公司和投资公司上 Top50 的概率分布均低于全样本概率分布，在证券公司上 Top50 的概率分布显著高于全样本概率分布，说明证券公司 调研可能存在超额收益。

4.4、调研月份个股画像结果

调研月份在全样本下分布最多的月份是 5，9，11 月，其中 Top50 分布超过及接近全样本分布的月份是 3， 5，6，9 月份。

4.5、调研前60天累计超额收益因子个股画像结果

在 Top50 中调研前 60 日累计超额收益最大的 4 组占比显著高于全样本下的分布概率。这一点与事件研究调 研前 60 日累计超额收益最小的 0 组表现最好向背。原因可能是表现最好的 50 只股票中，较大概率存在信息泄 露的情况，表现为调研前 60 天累计超额收益较高，但从全样本来看，信息泄露造成的调研前 60 日累计超额收 益升高对后续收益有危害。

4.6、调研日超额收益因子个股画像结果

Top50 中 T0 日超额收益最低的 0 组的分布显著高于全样本下的 0 组分布。这一点与事件研究的结果一致。

4.7、成交量跳升 t 值个股画像结果

在 Top50 中成交量跳升中的 0，3 组分布与全样本分布接近，在 Top50 中成交量跳升最明显的 4 组分布明显 高于全样本中 4 组分布。结合事件研究结果 3，4 组在全样本表现显著落后，最终选择成交量跳升 t 值最小 0 组 进一步研究。

4.8、调研前 30 日累计调研人数排名个股画像结果

Top50 中 30 天累计调研人数排名最低的 0 组和排名最高的 4 组分布均明显高于全样本下的分布。

4.9、距上个业绩发布日日期个股画像结果

Top50 在距上个业绩发布日中的 2 组（40-60 分位），3 组（60-80 分位）的分布明显高于全样本分布。

4.10、距下个业绩发布日日期个股画像结果

Top50 中距下个业绩发布日的 1 组（20-40 分位），3 组（60-80 分位）分布明显超过全样本下的 1 组，3 组 分布。

五、多事件选股策略构建

从构建逻辑上调研日前60日成交量t值的成交量信息和调研日距离下一个业绩发布日日期的时间差信息具备一定独立性且存在两个维度的互补性。从逻辑出发，我们认为调研日前60 日成交量t值的过度上升可能意味着调研内容的泄露，因此缩量可能是预示更好的表现。调研日距离下一个业绩发布日日期的时间差更近可能意味着调研明确指向下一次业绩报告的内容，带有对利好信息的提前预判，预示着更好的表现。业绩发布日期的事件研究结果非常单调，且调研日距离下一个业绩发布日日期的时间差最小的0组表现最优，符合我们的预期。

调研日前 60 日成交量 t 值在事件研究结果不具有单调性，事件研究结果（左图）说明全样本下 t 值较低的 0，20，40 组优于 t 值较高的 60，80 组，缩量表现整体优于放量因此我们选择保留缩量的 0，20，40 组。

最终我们选择成交量 t 值缩量和距下个业绩发布日期最短的叠加方法。调研日前 60 日成交量 t 值较小的 0， 20，40 组意味着调研相关信息未提前泄露，调研日距离下一个业绩发布日日期最短 0 组意味着调研涉及更多增 量信息，二者叠加有助于获得更高收益 从 2016 年 1 月到 2022 年 7 月 29 日，40 天持有期组合累计收益 259%，累计超额 281%，年化超额中证 500 22.5%，月度胜率 63%，IR 0.70。40 天持有期组合在 2021 年市场复杂的风格轮动下表现优异，绝对收益 83%超 额收益 59%。

编辑：JACK