中金：机构调研行为是否存在alpha？
The following article is from 中金量化及ESG Author 古翔 曹钰婕等
摘要
分析调研活动影响，识别有效调研事件
调研数据可为投资决策提供增量信息。投资信息根据来源大体分为公开信息和待挖掘信息两类，其中公开信息可以被市场快速捕捉，并及时反映在股价变动中，而获取待挖掘信息具有一定难度，因此受到市场的重视。调研活动是投资者获取待挖掘信息的重要来源之一，因此本文关注调研数据，并聚焦调研事件的变化与影响构建调研选股因子，捕捉调研活动中的增量信息。
调研事件本身超额收益偏低，需要考虑调研活动后的市场反应。当月有调研活动的公司在月底后具有一定超额收益，但总体而言，调研事件前期的累计超额收益更为显著。因此我们需要考虑调研活动后的市场反应，对所有调研事件进行分组，捕捉有效调研活动。
近期收益表现一般的公司被调研后具有更好表现。我们根据股票近一个月收益率大小将当月存在调研活动的调研事件等分为三组，其中收益率偏低的调研事件在后期具有较好的表现，此时增量信息没有立刻反映在股价中，未来60个交易日的累计超额收益高于其他分组。
若近期一致预期下调或变化率偏低，调研后公司收益表现欠佳。我们根据近一个月的一致预期净利润变化率将调研事件等分为三组，一致预期变化率偏低的调研事件在后期表现欠佳，一致预期变化较高的组合短期存在些许波动，总体收益表现良好。分析师在调研后将增量信息融入净利润预期中，考虑分析师一致预期变动可以帮助我们聚焦有效的调研活动。
聚焦调研的变化与影响，构建调研因子
我们根据公司在一段时间内的调研次数、调研机构数和调研人数构建原始调研因子，并对原始调研因子进行三方面的改进，从而构建三种调研因子。
引入调研事件自身变动程度，聚焦公司个体的关注度变化。原始调研因子捕捉了市场对上市公司的关注程度，但有效增量信息相对偏低，若公司总体关注程度处于低位，则较难捕捉调研事件带来的增量信息。而引入调研事件的变化则能聚焦公司个体的关注度变化，使调研活动信息在公司层面更加可比，一定程度上优化原始调研因子，因此得到调研变化率因子（ISChange_6M）。
考虑上市公司股价涨跌幅，聚焦有效调研事件。调研有利于待挖掘信息融入股价，倘若调研后公司股价大幅提升，此时增量信息大多已包含在股价中，调研获取的待挖掘信息短期内有效性降低。因此我们将考虑公司股价涨跌幅，聚焦有效调研事件，提高调研数据利用效率，优化原始调研因子，并得到收益率优化调研因子（IS_6M_ROR）。
考虑分析师一致预期变化，融入调研过程中获取的增量信息。调研活动中的待挖掘信息无法体现在原始调研因子中，但分析师会在调研后根据获得的增量信息对公司财务预期进行调整，有研究表明调研后分析师对公司财务预期的准确度会有所提升。因此我们可以利用调研活动的结果，通过分析师预期调整获得部分调研中的增量信息，从而改进原始调研因子，得到分析师预期优化调研因子（IS_6M_EEChange）。
调研因子有效性：全市场和小市值股票中表现良好
调研因子在全市场和中证1000范围内具有良好表现。整体来看，调研因子在全市场和中证1000范围内的有效性较为显著。其中调研变化率因子在全市场的ICIR为0.48，IC均值为1.49%。收益率优化调研因子和分析师预期优化调研因子在全市场有效性表现良好，且在中证1000范围内较为有效。
调研因子在全市场和中证1000中实现较高的单调性。在全市场范围内，三种调研因子分组回测均有较好的单调性表现，且多头组合整体的年化收益表现良好。在中证500和中证1000范围内，收益率优化调研因子和分析师预期优化调研因子分组回测较为有效；调研变化率因子在中证500中的有效性相对较弱，但在中证1000范围内具有较好的选股表现。
风险提示：本篇报告基于市场历史收益，探究调研因子的有效性表现，无法确保因子样本外收益。
调研数据面面观
调研数据概述：为投资决策提供增量信息
调研活动可为投资决策提供增量信息。投资信息根据来源大体分为公开信息和待挖掘信息两类（Ivković & Jegadeesh，2004），其中公开信息可以被市场快速捕捉，并及时反映在股价变动中，而获取待挖掘信息具有一定难度，因此受到市场的重视。调研活动是投资者获取待挖掘信息的重要来源之一，因此本文关注调研数据，并聚焦调研事件的变化与影响构建调研选股因子，捕捉调研活动中的增量信息。
图表1: 投资信息大体分类
资料来源：Ivković Z, Jegadeesh N. The timing and value of forecast and recommendation revisions，中金公司研究部
调研事件的两种分类。调研事件根据活动形式的区别与参与主体的不同主要存在两种分类，分别为调研活动类型与调研参与主体类型。由于不同公司的记录格式存在差异，在录入调研事件类型划分时可能会出现一定偏差。
图表2: 调研数据分类
资料来源：Wind，中金公司研究部
图表3: 投资者关系活动类别解析
资料来源：Wind，中金公司研究部
图表4：调研方式类别解析
资料来源：Wind，中金公司研究部
关注上交所和深交所上市公司的调研活动。调研数据的发生日期存在两种特殊情况，一种是数据缺失，另一种是只记录了发生年月。对于第一种情况，我们将直接剔除这部分调研数据；对于只记录年月的调研事件，大部分情形为上市公司于月底统一公布该月发生的调研活动，因此我们将使用公告日期对调研发生日期进行填充。除此之外，也有小部分调研活动缺失参与主体信息，我们也将剔除这部分调研数据。此外，在下文的研究中，我们将主要关注上交所和深交所上市公司的调研活动。
图表5: 调研数据处理方式
资料来源：中金公司研究部
调研数据特征表现：整体偏好中小市值公司
2020年以来调研次数大幅提升。Wind记录的调研活动数据在2013年以后相对稳定，而2020年以来调研活动次数大幅提升，且调研机构与参与调研人数（不包含上市公司）也有较大幅度的增长。
调研活动集中在财报日附近。我们根据调研事件发生日期的月份将各月份的调研数据加总，发现调研次数在5、9、11月份会达到峰值，而调研机构数与调研人数主要集中在4、8、10月份，由此可知投资者更加重视上市公司财报信息的变化。
图表6: 调研事件年度统计
资料来源：Wind，中金公司研究部，截至2022-11-30
图表7: 调研事件月度统计
资料来源：Wind，中金公司研究部，截至2022-11-30
调研事件主要由特定对象调研组成。我们根据两种调研活动的分类，分别计算不同类型调研事件的占比。由下图可知，调研事件主要由特定对象调研组成，其他类型与业绩说明会的调研活动占比也处于较高水平。此外，调研事件主要为现场会议，约占70%的总调研活动数量。
图表8: 不同类型调研事件占比
资料来源：Wind，中金公司研究部，截至2022-11-30
基金、投资与证券公司为调研活动主力军。由于个别调研公告中仅存在部分调研参与主体的详细信息，因此我们将对存在数据的参与主体进行统计。由下图可知，调研活动的主要参与者为机构投资者，占比约为84%。而在机构投资者中，基金公司、投资公司与证券公司为调研活动的主力军，三者占机构投资者总数的83%。
图表9：不同类型参与者占比
资料来源：Wind，中金公司研究部，截至2022-11-30
大多数上市公司的调研活动在十次以内。自2012年以来，大多数上市公司的调研活动次数集中在十次以内。今年以来调研活动共覆盖3479家公司，其中28%的公司只存在一次调研活动，85%的公司今年被调研的次数小于十次，由此可知大多数公司的调研活动次数相近。
图表10：调研活动在十次以内的公司占比变化
资料来源：Wind，中金公司研究部，截至2022-11-30
图表11：今年以来调研次数分布
资料来源：Wind，中金公司研究部，截至2022-11-30
调研次数变化率的分布相对分散。今年调研次数的变化量主要集中在三次及以内，公司数量占比超过70%。不同于调研次数与调研次数变化，今年调研次数变化率的分布相对分散，但存在较多公司今年与去年的调研次数相同或去年无调研事件被记录。
图表12：今年以来调研次数变化分布
资料来源：Wind，中金公司研究部，截至2022-11-30
图表13：今年以来调研次数变化率分布
资料来源：Wind，中金公司研究部，截至2022-11-30
注：变化率为Inf则表明去年无调研事件被记录
调研活动偏好中小市值公司。我们在每年年底和今年11月底计算当年记录调研事件的上市公司市值，并统计公司市值分布情况如下。整体而言调研活动偏好中小市值公司，75%分位数在180亿元以下，50%分位数不足100亿元。
图表14：调研公司市值分布
资料来源：Wind，中金公司研究部，截至2022-11-30
调研活动集中在周期中游、科技和一般消费板块。统计行业分布时，为方便展示，我们在中信一级行业的基础上划分了大类行业板块，具体划分标准如下表所示。从统计结果来看，调研公司的行业分布变化整体平稳，且调研活动集中在周期中游、科技和一般消费板块，今年数量占比达到76%。
图表15：大类板块划分标准（基于中信一级行业分类）
资料来源：Wind，中金公司研究部
图表16：调研公司行业板块分布
资料来源：Wind，中金公司研究部，截至2022-11-30
刻画调研活动的影响
调研事件的前因与后果
贯穿调研事件的前因与后果，聚焦有效调研活动。在研究调研事件时，除了可以关注调研活动类别和不同参与主体，我们还可以贯穿调研事件的前因与后果，更深入的了解调研事件全过程，从而聚焦更有效的调研活动。
图表17：调研活动的前因与后果
资料来源：中金公司研究部
上市公司的重大变化可能会引发调研活动。当上市公司发生较大变化或其他原因，会促使投资者对公司进行调研，我们对调研活动的原因大体分为以下七类。首先若公司发生一定变化，如股价变动、业绩变化、发生定增等重大事件、供应链变化等，投资者会通过调研活动对相关问题进行询问；若公司信息透明度偏低，投资者也可通过调研活动获取待挖掘信息；若卖方分析师首次覆盖上市公司，分析师也会提前对公司进行相应调研。
图表18：调研活动的原因
资料来源：中金公司研究部
市场对调研中的增量信息做出反应。投资者在调研过程中获取到待挖掘信息，从而会对市场造成一定影响。首先是股价的变动，调研事件后部分增量信息将反映在股价中，因此股票价格会有一定变动；分析师预期会有一定调整，分析师在调研中会根据获取的信息更改盈利预测模型，因此分析师盈利预期数据会发生变化；其他状态也会对调研活动做出一定反应。
图表19：调研活动的影响
资料来源：中金公司研究部
聚焦调研事件及调研活动的影响。本文在研究调研活动时，也将考虑调研对市场的影响，从而更深入的了解调研事件，挖掘有效信息。
分析调研活动影响，识别有效调研事件
对调研活动进行事件研究。为了方便后文对调研事件月频因子的研究，我们将每月月底最后一天定义为调研事件统计日，获取在该月内发生调研事件的上市公司，从而统计调研事件的超额收益表现。
调研事件整体存在一定超额收益，但不如前期涨幅。当月有调研活动的公司在月底后10个交易日的超额收益并不明显，在20、60个交易日后存在一定超额收益。但总体而言，调研事件前期的累计超额收益更为显著，因此我们需要考虑其他因素，对所有调研事件进行分组，捕捉有效调研活动。
图表20：调研事件在月底前后的累计超额收益表现
资料来源：Wind，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI）
图表21：调研事件在月底前后的累计超额收益统计
资料来源：Wind，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI）
引入调研活动影响，对调研事件进行分组。我们将考虑调研活动对股价和分析师预期调整的影响，引入一个月收益率与一个月分析师一致预期调整，根据数值大小将调研事件分为三组，探究调研事件的超额收益表现。
近期收益表现一般的公司被调研后具有更好表现。我们根据近一个月收益率大小将当月存在调研活动的调研事件等分为三组，其中收益率偏低的调研事件在后期具有较好的表现，此时增量信息并没有立刻反映在股价中，未来60个交易日的累计超额收益远高于其他分组。
图表22：根据收益率分组的调研事件在月底后的累计超额收益表现
资料来源：Wind，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI），第一组为收益率较低组合
图表23：根据收益率分组的调研事件在月底前后的累计超额收益均值统计
资料来源：Wind，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI），T为当月发生调研活动的月末最后一天
若近期一致预期下调或变化率偏低，调研后公司收益表现欠佳。我们根据近一个月的一致预期净利润变化率将调研事件等分为三组，一致预期变化率偏低（包含一致预期下调）的调研事件在后期表现欠佳；一致预期变化较高的组合短期存在些许波动，但总体收益表现良好。分析师在调研后将增量信息融入净利润预期中，考虑分析师一致预期变动可以聚焦有效的调研活动。
图表24：根据分析师一致预期变动分组的调研事件在月底后的累计超额收益表现
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI），第一组为一致预期变化率较低组合
图表25：根据分析师一致预期变动分组的调研事件在月底前后的累计超额收益均值统计
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：基准指数为Wind全A（等权）指数（8841388.WI），T为当月发生调研活动的月末最后一天
考虑调研活动的影响，有利于提高调研事件有效性。在本节的调研事件研究中，我们考虑了调研活动的影响，发现股价变动和分析师一致预期变动的信息有利于识别有效调研事件，提高调研数据利用效率，为后文构建调研因子提供思路。
聚焦调研的变化与影响，构建调研因子
本章节根据公司在一段时间内的调研次数、调研机构数和调研人数构建原始调研因子，并对原始调研因子进行三方面的改进，从而构建三种调研因子。
图表26：构建调研因子
资料来源：中金公司研究部
原始调研因子：计算调研次数、调研机构数和调研人数
调研数量反映市场对上市公司的关注程度。我们可以使用计数的方法去定量描述调研事件，若调研数量处于较高水平，则一定程度反映上市公司受到市场关注，同时投资者通过调研活动获取增量信息的概率有所提升。
调研事件数量大体分为三种维度，即调研次数、调研机构数和调研人数。调研次数为一段时间内发生的调研事件总数，调研机构数为这段时间内参与调研活动的机构总数，调研人数为参与调研的非上市公司总人数，我们将使用上述三种维度的计数方式构建原始调研因子。由于调研事件类别在入库时存在记录偏差，因此在下文研究中，我们将关注调研事件总体，不对其进行分类讨论。
图表27：原始调研因子
资料来源：中金公司研究部
6个月原始调研因子表现相对良好，但存在优化空间。我们对5种不同时长的原始调研因子进行IC有效性测试，结果表明不同时长的原始调研因子有效性表现均欠佳，但6个月原始调研因子表现相对良好，因此后文我们将对时长为6个月的原始调研因子做进一步优化，捕捉隐含在调研事件中的深层次信息。
图表28：原始调研次数因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子标准化和中性化处理
图表29：原始调研机构数因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子标准化和中性化处理
图表30：原始调研人数因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子标准化和中性化处理
调研事件自身的变动：一段时间内调研事件次数的变化和变化率
引入调研事件自身变动程度，聚焦公司个体的关注度变化。原始调研因子捕捉了市场对上市公司的关注程度，但有效增量信息相对偏低，若公司总体关注程度处于低位，则较难捕捉调研事件带来的增量信息。而引入调研事件的变化则能聚焦公司个体的关注度变化，使调研事件信息在公司层面更加可比，一定程度上优化原始调研因子。
计算一段时间调研事件的变化和变化率。在刻画调研事件自身变动时，我们使用调研事件变化与变化率两种计算形式构建调研事件变动因子，测试调研事件变动因子的有效性，衡量其对原始调研因子的改进程度。
调研事件的变化
对调研事件变化时长进行灵敏度测试。由下图所示，我们在T时刻构建调研变化因子X-Y时需要考虑时长N的选择，因此我们将进行灵敏度测试，对不同时长进行筛选。
图表31：构建调研事件变化因子
资料来源：中金公司研究部
6个月调研次数变化因子的有效性有所提升。我们对三种调研变化因子进行灵敏度测试，其中调研次数变化因子的改进最为明显，6个月调研次数变化因子的有效性表现良好，其IC均值为1.42%，ICIR达到0.50。
图表32：调研事件变化因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子标准化和中性化处理
调研事件的变化率
对调研事件变化率进行极值处理，反映不同股票的关注度变化。在计算调研事件变化率时，存在分母为0的可能，此时调研事件变化率为极端值。在个别月份会有多支股票的调研变化率为极端值，若用统一的极大值代替极端值，则无法区分不同股票的调研变化程度。因此在计算过程中若分母为0，则对分子分母同时增加1计算变化率，从而反映不同股票的关注度变化。
6个月调研次数变化率因子表现良好。我们对调研事件变化率因子也进行了灵敏度测试，其中调研机构数和调研人数的变化率因子有效性表现依然欠佳，但6个月调研次数变化率因子表现良好，其IC均值为1.60%，ICIR达到0.56。
使用6个月调研次数变化率，构建调研变化率因子。6个月调研次数变化和变化率因子均有良好的IC有效性表现，但6个月调研次数变化率因子的IC均值和ICIR表现相对较优，因此我们选择用6个月调研次数变化率构建调研变化率因子，实现对原始调研因子的改进。
图表33：调研事件变化率因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子标准化和中性化处理
调研事件的影响：考虑上市公司股价涨跌幅
考虑上市公司股价涨跌幅，聚焦有效调研事件。调研上市公司会带来一定影响，如卖方预期调整、公司股价变动等等。调研有利于待挖掘信息融入股价，倘若调研后公司股价大幅提升，此时增量信息大多已包含在股价中，调研获取的待挖掘信息短期内有效性降低。因此我们将考虑公司股价涨跌幅，聚焦有效调研事件，提高调研数据利用效率，优化原始调研因子。
根据股票收益表现分组，赋予调研事件不同影响权重。我们每期根据股票的收益表现，赋予排名后三分之一的公司一定影响权重，即用影响权重数值乘原始因子，提高对这些公司调研事件信息的关注度。在根据收益表现对原始调研因子赋予影响权重时，我们需要对影响权重和收益时长的参数进行选择。
影响权重为5的调研因子有效性表现良好。下文根据一个月的收益表现赋予原始调研因子不同的影响权重，对影响权重进行灵敏度测试。结果表明影响权重越高，调研因子的有效性表现越显著，两者具有一定的单调性。但若设置较高的影响权重，则改进后的调研因子将与一个月反转因子高度相关，因此我们将影响权重设定为5。
图表34：考虑上市公司股价涨跌幅不同影响权重的调研因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
根据一个月收益表现改进原始调研因子，调研因子有效性有所提升。我们在确定影响权重的数值后，对收益时长做进一步的灵敏度测试。其中当收益时长为一个月时，三种改进的调研因子均有良好的有效性表现，其中改进的调研次数因子IC均值达到2.88%，ICIR为0.46。
利用公司一个月的收益表现对调研次数因子进行改进，构建收益率优化调研因子。在根据公司一个月的收益表现，对排名后三分之一的原始调研因子赋予数值为5的影响权重后，三种原始调研因子的有效性均有一定程度的提升，其中对调研次数优化的因子表现相对较好，因此我们将使用公司一个月的收益表现对原始调研次数因子进行改进，构建收益率优化调研因子。
图表35：考虑上市公司股价涨跌幅的调研因子在全市场中的有效性表现
资料来源：Wind，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
调研事件的影响：考虑分析师一致预期的变化
考虑分析师一致预期变化，融入投资者在调研过程中获取的增量信息。调研活动中的待挖掘信息无法体现在原始调研因子中，但分析师会在调研后根据获得的增量信息对公司财务预期进行调整，有研究表明调研后分析师对公司财务预期的准确度会有所提升（Cheng et.al，2015）。因此我们可以利用调研活动的结果，通过分析师预期调整获得部分调研中的增量信息，从而改进原始调研因子。
根据分析师一致预期净利润变化率分组，赋予调研事件不同影响权重。若分析师一致预期变化处于高位，则表明投资者在调研中获取到对公司有正向影响的增量信息，我们将提高对调研数据的关注度。因此我们每期根据分析师一致预期净利润变化率分组，赋予排名前三分之一的公司一定影响权重，融入部分调研活动获得的待挖掘信息，优化原始调研因子。
较高影响权重对原始调研次数因子的改进效果良好。下文根据分析师一致预期净利润三个月变化率表现赋予原始因子不同的影响权重，对影响权重进行灵敏度测试。结果表明当影响权重为5时，改进因子的有效性表现较好，因此我们将影响权重设定为5。
图表36：考虑分析师一致预期变化不同影响权重的调研因子在全市场中的有效性表现
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
利用分析师一致预期净利润六个月变化率，构建分析师预期优化调研因子。当使用分析师预期变动优化原始调研因子时，调研次数的改进效果较为显著。因此我们每期将根据分析师一致预期净利润六个月变化率分组，对最高组赋予数值5的影响权重，构建分析师预期优化调研因子。
图表37：考虑分析师一致预期变化的调研因子在全市场中的有效性表现
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2014-12-31至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
利用三种优化方式，构建调研因子
本章节使用三种优化方式，即考虑调研事件自身变动和调研事件影响，改进了原始调研因子的不足之处，分别得到调研变化率因子、收益率优化调研因子和分析师预期优化调研因子三种调研因子。
►自身变动趋势提供一定增量信息。调研数量的变动聚焦公司个体，一定程度上反映了投资者对上市公司关注度的改变，使调研事件信息在公司层面更加可比，优化原始调研因子。
►考虑公司股价涨跌幅。上市公司股价涨跌幅是调研的一个潜在影响，倘若调研后公司股价大幅提升，此时增量信息大多已包含在股价中，调研获取的待挖掘信息短期内有效性降低。因此我们将考虑公司股价涨跌幅，聚焦有效调研事件，提高调研数据利用效率。
►考虑分析师一致预期的变化。调研活动中的待挖掘信息无法体现在原始调研因子中，但分析师会在调研后根据获得的增量信息对公司财务预期进行调整。我们可以利用调研活动的结果，通过分析师预期调整获得部分调研中的增量信息，改进原始调研因子。
图表38：原始调研因子的缺陷和三种优化方式
资料来源：中金公司研究部
调研因子有效性：全市场和小市值股票中表现良好
调研因子基础特征：覆盖近半数股票，与大多数重点因子的相关性偏低
近两年调研变化率因子的覆盖度稳中有升。Wind记录的调研活动总数在近两年有较大提升，因此调研因子的覆盖度也有所增长。由于调研变化率因子反映了调研次数的变化率，若本期无调研活动但前期存在调研，则本期依然存在因子数据，因此整体而言该因子的覆盖度变化较为平稳。
收益率优化调研因子与分析师预期优化调研因子的覆盖度在近期震荡提升。收益率优化调研因子与分析师预期优化调研因子均是6个月调研次数因子的优化，因此两个因子的覆盖度表现相同。由于调研次数会在个别月份实现大幅提升，因此两个因子的覆盖度变化较为震荡，且近两年调研总数的提升一定程度上放大了覆盖度的波动。
图表39：调研变化率因子全市场的覆盖度
资料来源：Wind，中金公司研究部
注：样本期为2014-12-31至2022-11-30
图表40：收益率优化调研因子与分析师预期优化调研因子全市场的覆盖度
资料来源：Wind，朝阳永续，中金公司研究部
注：样本期为2014-12-31至2022-11-30
关注三种调研因子间的相关性。调研变化率因子与另外两种调研因子的相关性偏低，相关系数绝对值不超过30%。由于收益率优化调研因子与分析师预期优化调研因子均对6个月调研次数因子进行部分优化，两个因子的相关性较高，相关系数达到50.20%。。
调研因子与大部分重点因子相关性偏低。我们对三种调研因子及一致预期3个月调整因子（EEChange_3M），一致预期6个月调整因子（EEChange_6M），质量因子（QQC），周转因子（AT），成长因子（OP_Q_YOY），估值因子（BP_LR），反转因子（Momentum_1M），波动率因子（STD_3M），流动性因子（VSTD_3M）和规模因子（Ln_MC）之间的相关系数进行计算，发现三种调研因子和大部分因子之间的相关系数绝对值低于30%。其中收益率优化调研因子使用股票一个月收益率对原始调研因子进行改进，因此该因子与反转因子较为相关，相关系数达到-42.79%；分析师预期优化调研因子使用一致预期6个月调整因子优化原始调研因子，因此该因子与一致预期6个月调整因子较为相关，相关系数为47.67%。
图表41：调研因子和重点因子的相关性
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2014-12-31至2022-11-30
调研因子有效性表现：在全市场和中证1000范围内表现良好
调研因子在全市场和中证1000范围内较为有效。我们对三种调研因子在全市场、沪深300、中证500和中证1000范围内进行有效性测试，整体来看，调研因子在全市场和中证1000范围内较为有效。其中调研变化率因子在全市场的ICIR为0.48，但IC均值相对较低。收益率优化调研因子和分析师预期优化调研因子在全市场有效性表现良好，且在中证1000范围内较为有效。
图表42：调研因子IC有效性表现
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2014-12-31至2022-11-30；
注：测试前对因子去极值、标准化和中性化处理；ISChange_6M为调研变化率因子，IS_6M_ROR为收益率优化调研因子，IS_6M_EEChange为分析师预期优化调研因子
收益率优化调研因子近两年表现相对较优。调研因子的IC整体表现良好，但调研变化率因子和分析师预期优化调研因子近期有一定回撤，表现相对欠佳；而收益率优化调研因子近两年表现相对良好，有效性表现较为稳定。
图表43：调研变化率因子全市场IC序列
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
图表44：收益率优化调研因子全市场IC序列
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
图表45：分析师预期优化调研因子全市场IC序列
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
调研因子在机械行业较为有效，在消费者服务行业表现相对较弱。整体来看，三种调研因子在机械行业的有效性表现较强；收益率优化调研因子在电子行业表现良好，其IC均值达到5.26%，ICIR为0.41；调研变化率因子和分析师预期优化调研因子分别在基础化工和通信行业有较为出色的表现。而三种调研因子在消费者服务行业中有效性偏低，表现相对较弱。
图表46：调研变化率因子全市场分行业IC表现
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
图表47：收益率优化调研因子全市场分行业IC表现
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
图表48：分析师预期优化调研因子全市场分行业IC表现
资料来源：Wind，朝阳永续，中金公司研究部，截至2022-11-30
注：测试前对因子去极值、标准化和中性化处理
调研因子在全市场和中证1000中实现较高的单调性。我们对调研因子进行组数为5的分组回测，在全市场范围内，三种调研因子的单调性统计值均为1，且多头组合的年化收益整体表现良好。在中证500和中证1000范围内，收益率优化调研因子和分析师预期优化调研因子分组回测较为有效；调研变化率因子在中证500范围内的有效性相对较弱，但在中证1000范围内的有较好的选股表现。
图表49：调研因子分组回测多头组合统计值表现
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2015-01-05至2022-12-01
注：全市场基准指数为Wind全A（等权）指数（8841388.WI），沪深300基准指数为300等权（000984.CSI），中证500基准指数为500等权（399982.SZ），中证1000基准指数为中证1000（000852.SH）；ISChange_6M为调研变化率因子，IS_6M_ROR为收益率优化调研因子，IS_6M_EEChange为分析师预期优化调研因子
分析师预期优化调研因子多头组合整体表现良好。在全市场和中证1000中，分析师预期优化调研因子多头组合的年化收益表现较为出色，净值走势和其他四组有较为显著的差距。但在全市场范围内，三种调研因子的多头组合在今年年初出现较大回撤，且在短时间内跑输基准。
图表50：调研变化率因子分组回测全市场净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为Wind全A（等权）指数（8841388.WI）
图表51：收益率优化调研因子分组回测全市场净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为Wind全A（等权）指数（8841388.WI）
图表52：分析师预期优化调研因子分组回测全市场净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为Wind全A（等权）指数（8841388.WI）
图表53：调研变化率因子分组回测中证1000净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为中证1000（000852.SH）
图表54：收益率优化调研因子分组回测中证1000净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为中证1000（000852.SH）
图表55：分析师预期优化调研因子分组回测中证1000净值表现
资料来源：Wind，中金公司研究部
注：样本期为2015-01-05至2022-12-01，基准指数为中证1000（000852.SH）
文章来源
本文摘自：2022年12月17日已经发布的《基本面量化系列（9）：机构调研行为是否存在alpha？》
古翔 分析员 SAC 执业证书编号：S0080521010010 SFC CE Ref：BRE496
曹钰婕 联系人 SAC 执业证书编号：S0080122030141
周萧潇 分析员 SAC 执业证书编号：S0080521010006 SFC CE Ref：BRA090
刘均伟 分析员 SAC 执业证书编号：S0080520120002 SFC CE Ref：BQR365
王汉锋 分析员 SAC 执业证书编号：S0080513080002 SFC CE Ref：AND454
法律声明
向上滑动参见完整法律声明及二维码
特别提示
本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。
本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。
中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。
本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。
一般声明
本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。
本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。
在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。
本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。