盈余预告惊喜与漂移：把『预告反应不足』做成可交易的横截面因子 • halo 的技术博客

有效市场假说最尴尬的反例之一，就是盈余预告（或盈余公告）后股价不立刻到位，而是沿惊喜方向慢慢漂。这就是经典的 PEAD（Post-Earnings-Announcement Drift，盈余公告漂移）。但大多数 PEAD 文章只做到「公告后 60 天 CAR 单调」这一步——是截面快照。

这篇文章把预告惊喜从「一个异象」升级成「一个因子」：

用 GSI（Guidance Surprise Index，标准化盈余预告惊喜）= 真实盈利惊喜 − 卖方一致预期，再按截面标准差标准化，构建月度再平衡的横截面因子，多高惊喜 / 空低惊喜（含负惊喜），验证它长期为正、十分组严格单调，并画预告后 12 个月 CAAR 衰减直接看到「漂移」本身。

数据声明：全文为自洽合成（含保守主义：卖方共识只缓慢跟随真实盈利变化，所以预告天然滞后于基本面），目的是把 GSI 因子的构建与检验机制跑通、可复现。所有量级均为合成校准，真实市场里会被覆盖偏差、做空成本、幸存者偏差大幅压缩——重点看方法。

一、GSI 怎么算：把「惊喜」变成可比较的截面信号#

每只股票每月有一组真实盈利路径，以及一组「慢半拍」的卖方一致预期。定义：

# 真实盈利惊喜 vs 卖方一致预期
surprise = true_eps - consensus
# 按截面标准差标准化 → 可跨月比较的 GSI
gsi_sd = surprise.std(axis=0, keepdims=True) + 1e-6
GSI = surprise / gsi_sd

python

关键设计：

标准化，不裸用绝对值。不同月份、不同板块的「惊喜单位」不一样，除以截面标准差后，GSI 才有跨截面可比性（这正是 PEAD 文献里 SUE 的标准做法）。
一致预期用保守主义生成：共识只 70% 锚定上期、30% 跟随真实盈利。所以真实盈利一变，共识要滞后好几期才跟上——这种「慢半拍」正是漂移的来源。
GSI 允许为负（预告下修、甚至变脸）。因子是对称的：多正惊喜、空负惊喜。

截面分布长这样——多数月份接近零，右尾为正向惊喜累积，左尾为负向下修：

GSI 截面分布：多数月份接近零，右尾为正向惊喜累积

二、从「异象」到「因子」：月度再平衡的长短组合#

异象回答「截面里有没有这个现象」；因子回答「我能不能持续、可复制地用它赚钱」。我们每月末按 GSI 排序，多最高 60 只 / 空最低 60 只，累计成因子净值：

def ls_curve(signal, n=60):
    ret = np.zeros(M)
    for t in range(M):
        order = np.argsort(signal[:, t])
        ret[t] = future[order[-n:], t].mean() - future[order[:n], t].mean()
    return np.cumprod(1 + ret)

gsi_cum = ls_curve(GSI)

python

GSI 长短因子：高惊喜多/低惊喜空，长期为正

净值长期向上，但注意——它不是一条平滑直线，而是被市场 beta 和个股噪声反复拉扯。这正是真实因子该有的样子：有趋势、有波动、没有「印钞机」幻觉。

三、十分组单调性：D1→D10 严格递增#

判断一个信号是不是「真因子」，最朴素也最硬的一刀是看分组是不是单调。我们把每月截面按 GSI 切成 10 组，算每组未来 1 月平均收益：

dec_avg = np.zeros(10)
for t in range(M):
    order = np.argsort(GSI[:, t])
    for d in range(10):
        idx = order[d * 60:(d + 1) * 60]
        dec_avg[d] += future[:, t][idx].mean()
dec_avg /= M

python

结果 D1（最负惊喜）到 D10（最正惊喜）严格单调递增：

GSI 十分组：单调递增，D10-D1 显著为正

单调性意味着没有「断点」或「倒挂」——高 GSI 组每一档都比低一档好。这是「信号是连续有效、而非个别极值驱动」的直接证据。真实数据里这条曲线一般会更平、端点没这么极端，但单调方向通常保持。

四、直接看「漂移」：预告后 12 个月 CAAR 衰减#

PEAD 的灵魂是「漂移」二字。我们不只是看下月收益，而是把最高惊喜组和最低惊喜组的**异常收益（减市场）**分别累积 12 个月：

Q = 5
K = 12
caar_top = np.zeros(K)
caar_bot = np.zeros(K)
n_stocks = GSI.shape[0]
for t in range(M - K):
    qi = (np.argsort(np.argsort(GSI[:, t])) * Q // n_stocks)
    top = qi == Q - 1
    bot = qi == 0
    for k in range(K):
        ar_top = future[top, t + k] - mkt[t + k]   # 异常收益 = 个股 − 市场
        ar_bot = future[bot, t + k] - mkt[t + k]
        caar_top[k] += ar_top.mean()
        caar_bot[k] += ar_bot.mean()
cum_top = np.cumsum(caar_top)
cum_bot = np.cumsum(caar_bot)
spread = cum_top - cum_bot

python

预告后 12 个月 CAAR：高惊喜组持续走强，差距前 6 月拉开后走平

这张图把「漂移」画活了：

高惊喜组（蓝）CAAR 持续上行，低惊喜组（红）持续落后——差距就是漂移本身。
差距前 6 个月快速拉开，之后走平。这恰好对应「市场用半年时间慢慢把预告信息吸收完」的行为金融解释：不是不反应，是反应太慢。
走平后不再扩大，说明漂移有「半衰期」，不是无限累积——这对持有期设计（持有 3~6 个月再换仓）是直接的操作指引。

五、为什么会有漂移：三个微观解释#

保守主义（conservatism）。投资者（包括分析师）对新信息反应不足，锚定旧预期。共识慢半拍 → 价格也慢半拍。心理学实验里，人对连续信号的更新速度天然慢于贝叶斯最优，这是 PEAD 最底层的认知根源。
有限注意力（limited attention）。散户不会逐字读每份预告，机构也只在既定调仓窗口重新评估持仓。信息被逐步扩散到价格里，而不是公告瞬间一次性反映。
套利限制（limits to arbitrage）。PEAD 多空需要同时做多小盘+做空「坏消息」股，而坏消息股往往流动性差、做空成本高，套利者无法瞬间消除定价错误，错误被保留成可交易的漂移。

这三点合起来，就是「有效市场说的『该秒到位』，实际『慢半年才到位』」的完整因果链。

它和《分析师修正动量》《PEAD》是什么关系#

PEAD（盈余公告漂移） 是母题：公告后价格沿惊喜方向漂。
分析师修正动量（REV） 看的是「一致预期在往哪个方向变」，是预告之前的预期层面信号。
本文的 GSI 直接看「实际公告/预告相对一致预期的偏差」，是预告之后的已兑现惊喜。

三者是同一枚硬币的不同切面：REV 赚「预期还在调」，GSI 赚「预期调完了价格还没跟上」。组合里两者相关性不高，可以互补叠加。

六、真实的四类陷阱（必须说清楚）#

陷阱一：公告前视（look-ahead）。 GSI 用「真实盈利」减「一致预期」。真实盈利在公告日之后才知道。回测里若用已公告的真实盈利算惊喜、却在公告前交易，就是作弊。正确做法：惊喜在公告日确定，信号在公告后第一个调仓点（月末）才可用，持有从下月算起。

陷阱二：做空约束。 因子要「空低 GSI / 空负惊喜」。但 A 股融券难、美股小盘做空借券贵，负惊喜组往往正是流动性最差的一批。空头腿在真实市场里会被成本吞掉大半，甚至根本建不起来——所以实盘更常见的是「只做多高 GSI」的半截策略。

陷阱三：幸存者偏差。 合成面板里所有股票都活满 12 年。真实里，最负的 GSI 常常伴随退市/ST——而这些本该进空头组的样本从指数里消失了，让历史回测的空头收益被系统性高估。

陷阱四：覆盖偏差。 卖方一致预期只覆盖被券商覆盖的中大盘股。小盘股没有一致预期，GSI 对它无定义——而 PEAD 在小盘上的漂移往往更强。只用有覆盖的股票，等于主动放弃最强的一段信号。

七、落地路径（真实数据怎么做）#

把合成机制换成真实数据，骨架不变：

取预告/公告数据：Wind/聚源/Compustat 的业绩预告、盈余公告、一致预期（EPS 预测中位数）。
算 SUE/GSI：(实际 EPS − 预期 EPS) / 预期 EPS 的滚动标准差，或直接用分析师预测修正（参见《分析师修正动量》那篇的 REV）。
横截面 z 标准化，月末排序分层，多高组空低组。
持有设计：CAAR 图显示漂移半衰期约 6 个月，建议持有 3~6 个月再换仓，而非每月全换（省成本、吃满漂移）。
行业/市值中性化：GSI 常顺带暴露规模，建议对行业哑变量 + 对数市值回归取残差，避免「买小盘」马甲。

七、和「股息率 / 回购」因子的区别（顺带一提）#

盈余漂移（GSI）赚的是「已兑现惊喜后的价格惯性」，属于事件后的惯性因子；而回购强度赚的是「内部人当下的低估判断」，属于资本动作因子。两者正交：一个看「过去盈利超预期没」，一个看「管理层现在愿不愿买」。在组合里可以同时持有，相关性低、互补性强。

八、小结#

盈余预告惊喜因子的核心一句话：市场对公司盈利预告反应不足，预告后股价沿惊喜方向缓慢漂移 6 个月左右。用标准化 GSI 把它做成月度再平衡横截面因子，验证十分组严格单调、长短因子长期为正、且 CAAR 衰减图直接可视化了「漂移」本身。它不是免费午餐——公告前视、做空约束、幸存者偏差、覆盖偏差四道坎，每一道都在真实落地时把收益砍一刀。但正因为它有这些「不完美」，它才几十年没被套利干净，至今仍是实盘里最朴素也最耐用的一类信号。

代码与配图均由自洽合成数据真实计算生成，可复现；真实量级请以你的数据重跑为准。