事件驱动策略的因子化特征

2016-05-30 16:01:00

1. 引言

本篇报告旨在对若干类事件进行综合量化分析，使投资者更加深入的理解不

同事件的发生对股票价格的影响。在此基础上，我们将构造基于多事件驱动的组合投资策略。本篇报告的最后一部分，我们将事件驱动策略与多因子策略在组合权

重优化的框架下相结合，构建了基于多因子多事件驱动的最优中性投资组合。实证结果表明，增加了事件驱动后的多因子组合，收益显著提升。

事件驱动研究的本质问题在于事件发生是否会产生超额收益或亏损？若能产生，该收益是否可持续存在？对于该问题的解答不仅有利于我们构建事件驱动选股策略，

更重要的是使得投资者了解事件信息对股票价格运行所产生的影响，进而更深入的理解股票价格波动的成因。

我们利用风险模型对个股收益的分解，定义了事件异常收益AR（Abnormal Return），并根据不同事件对个股异常收益的影响，对事件属性进行了分类。在

此基础上，我们构建了基于多事件驱动的组合投资策略。实证结果表明，组合收

益稳健有效，在过去6年时间内均可稳定战胜基准指数。

事件驱动研究的本质仍然是对市场参与者内心预期、相互博弈的投资心理研究。本篇报告通过数据建模等方法，对事件影响进行了一定的统计观察。但模型终究只是研究工具，最终我们希望通过事件研究，使得投资者更深入的理解股票价

格运行的成因及规律，进而达到无招胜有招之最高境界。

2. 异常收益

2.1 异常收益定义

从逻辑上而言，我们通常会研究事件发生前后，股票价格收益的分布情况，进而判断事件对股价的影响。但是，由于股票价格的波动受各种不同的风险因素影响，因此简单的利用收益率或者超额收益很难分辨出事件本身对股票价格所产生的影响。

我们通常利用异常收益来检验事件发生对股票价格所产生的影响。所谓事件异常收益指的是：在事件发生前后，股票收益率中，无法用市场、行业、风格所解释的收益部分称为异常收益。

风险模型对股票收益的分解为事件研究提供了较大的便利，通过统计事件发生前后，股票收益中无法利用已知因子所解释的部分，即特质收益项，就可以观察事件发生所导致的股票价格异常收益，即：

换言之，我们利用风险模型回归方程中的残差项作为事件发生窗口期内的股票异常收益，由于残差部分不包含任意行业与风格收益，因此可以纯粹的反映事件本身对股票价格的影响，这与我们定义异常收益的初衷思路是一致的。

并且，由于A股市场的公司事件往往多发生于中小创的股票，而这类股票在

规模因子的驱动下，具有显著的风格收益，所以利用风险模型剔除风格收益的影响，完整的剥离出股票价格的异常收益，显得尤为重要。

2.2 事件核心逻辑

在定义了异常收益后，我们就可以对各类事件发生前后，个股异常收益的分布特征进行观察统计。我们首先给出事件驱动异常收益显著性统计的一般流程：

Step1: 定义事件逻辑，统计事件（公告）发生时间点；

Step2: 统计事件发生前后股票收益率，计算对应行业因子及风格因子；

Step3: 根据风险模型回归方程，计算事件发生前后个股异常收益CAR；

Step4: 计算事件发生全部个股异常收益AR均值；

Step5: 异常收益均值显著性T检验；

我们对16种类型的事件公告前后若干个交易日的累计异常收益进行统计观察，其中包括：定向增发、限售股解禁、业绩预增、业绩预亏、高送转、股东增持、股东减持、员工持股、股权激励、快报同比盈增、快报同比盈亏、投资者调研、关

联交易、违规事项、调入融资融券标的、沪深300指数成分股调整。

其中，业绩预增区分为扭亏、略增、续盈、预增。业绩预亏区分为首亏、略减、续亏、预减。股东减持区分为大宗交易减持、非大宗交易减持。员工持股区分为竞价转让、认购非公开发行。

2.3 事件发生前后20个交易日异常收益分布特征

我们下面将针对上述提到的若干种类事件，统计事件发生前后20个交易日，个股异常收益AR均值及累计异常收益CAR均值的分布特征情况。同时，我们将

计算累计异常收益和异常收益均值T检验值，即原假设为事件异常收益AR=0，

具体如下:

事件1：定向增发

事件2：限售股解禁

事件3：业绩预增

事件4：业绩预亏

事件5：高送转

事件6：股东增持

事件7：股东减持（非大宗交易）

事件8：股东减持（大宗交易）

事件9：员工持股（认购非公开发行）

事件10：股权激励

事件11：快报同比盈增

事件12：快报同比盈亏

事件13：投资者调研

事件14：关联交易

事件15：违规事项

事件16：调入融资融券标的

事件17：调入沪深300指数成分股

事件18：调出沪深300指数成分股

在上述对于不同事件的异常收益统计观察中，可以发现大部分事件的异常收益在公告日前后均会产生剧烈波动，这表明事件信息的冲击对股票价格具有显著的影响。

进一步的可以发现，市场预期的影响在事件研究中起到了重要的作用。从上述分析中可以看到，大部分事件类型在公告日之前异常收益就有显著波动，而在事件实际发生之后即市场预期兑现后，异常收益则并不一定可以得到延续，例如定向增发、高送转等事件，此类效应尤为明显。

我们同样发现，不同事件异常收益影响的时间维度是不同的。部分事件的发生对股价表现为短期脉冲式影响，例如业绩预亏、高送转等，股价异常收益会在短时间迅速将事件影响完全反应，市场几乎表现为完全有效状态。而部分事件则对股价表现为持续性影响，例如业绩预增、股东增持、投资者调研等，该类事件在公告后一段时间内对个股仍然产生持续稳定的作用，因此酝酿了较好的投资机会。

3. 事件属性分类

我们根据事件发生对股票异常收益的影响，我们将事件分为5类，分别是：

持续性阿尔法事件、持续性风险事件、短期阿尔法事件、短期风险事件和其他类型。具体事件属性分类如下所示：

根据分类，定义为持续性阿尔法事件的事件类型有4类，包括：业绩预增

（扭亏、略增、预增）、股东增持、股权激励和投资者调研；定义为持续性风险事件的类型有2类，包括：股东减持（非大宗交易）和快报同比盈亏；其他事件即

为短期事件或其他。

我们在上一节的研究中提到，由于短期事件受信息优势、交易速度等因素影响，较难把握，并且资金容量有限，因此比之短期事件，我们更加关注持续性事件的影响。其中，持续性阿尔法事件酝酿了较好的投资机会，而持续性风险事件则需要谨慎规避。

我们接下来将进一步考察上述提到的4类持续性阿尔法事件和2类持续性风

险事件在公告日后60个交易日内的异常收益表现，方法与之前相同，具体结果如下:

持续性阿尔法事件1：业绩预增（扭亏、略增、预增）公告日后60天

持续性阿尔法事件2：股东增持公告日后60天

持续性阿尔法事件3：股权激励公告日后60天

持续性阿尔法事件4：投资者调研公告日后60天

持续性风险事件1：非大宗减持公告日后60天

持续性风险事件2：快报同比盈亏公告日后60天

从上述结果中可以清晰的发现，在我们所定义的4类持续性阿尔法事件状态下，公告后60个交易日的异常收益仍然保持稳定的增长，并且异常收益的T检验值也均维持在较高水平。这表明，在该类事件发生后的60个交易日内，事件影响持续发酵，期间任意时间段买入该股票，均可以获得较为稳定的异常收益贡献，这对我们构建事件驱动组合而言是十分有利的。

对于持续性风险事件的统计结果中看到，非大宗减持公告日后60个交易日异常收益持续下降，这期间的任意时间段均应该规避相应个股。而快报同比盈亏事件的影响时间约为40个交易日，此后异常收益短期回升并进入正常状态。总体而言，持续性风险事件将会导致累计异常收益持续下降，投资者对该类股票需谨慎规避。

4.多事件驱动组合策略构建

4.1 多事件驱动组合构建方式

由于个股事件发生的时间点不一致，因此事件驱动策略的组合构建问题很难

找到完美的解决方式。通常而言，该类策略的组合构建有2种方法，第一种即为

即时调仓策略，即事先将资金等额分配，当个股事件发生后，立即将对应股票选

入组合，同时将组合中最早调入的个股卖出。该方法的好处在于可以获得事件发生

后的及时收益，而不用等到特定换仓日，但该方法的缺点在于组合常常较不稳定，并且对于资金分配也较难把控。而第二中方法即为定期调仓策略，该方法与多因子策略逐月调仓类似，在特定调仓日（如每月末）一揽子买入处于事件影响状态下

的股票组合。该方法的缺点在于会损失事件发生后的及时收益，但整体组合的稳定性相对而言较高。

显然，针对本篇报告的研究逻辑，我们更倾向于第二种组合构建方式。因为

在前几个章节的分析中，我们通过对不同事件属性的分类，定义了持续性阿尔法事件，即在事件发生后的60个交易日个股异常收益持续稳定上升。因此，对于组合构建而言，只要个股在调仓日后的持有期内，个股始终处于事件状态的影响下，那么组合就可以获得该类事件的所带来的稳定收益。

具体而言，我们将所有事件利用状态变量1/0/-1来表示，其中状态1表示事件当前处于持续性阿尔法事件状态影响下，0 表示其他，-1表示事件当前处于持

续性风险事件状态影响下。

我们以月频率作为调仓周期，并以每月第一个交易日作为换仓日。对于处于

持续性阿尔法事件状态影响下的个股，若在换仓日，个股未来20个交易日仍处于阿尔法事件状态影响下，则将股票纳入组合。对于持续性风险事件而言，若在换

仓日，个股未来存在大于1个交易日处于风险事件状态影响下，则规避组合选入

该股票。

4.1 基于持续性阿尔法事件的多事件驱动策略

我们选择业绩预增、股东增持、股权激励、投资者调研作为持续性阿尔法事件，以每月第一个交易日作为调仓日，选择未来20个交易日处于上述事件影响状态下的股票构建多头组合，等权方式配置。考虑交易佣金单边0.1%、印花税0.1%，自2010年1月至2016年4月，换仓日剔除停牌、涨停、成交量异常股票，以当日开盘价作为成交价格。

组合累计收益如下所示：

组合累计超额收益如下：

上述回测结果表明，多事件驱动投资组合在过去6年时间内均战胜了中证500指数，表现稳定。逐年平均来看，组合可获得19.4%的年超额收益率，平均年信息比率达到2.36，组合平均持股个数约为400只，组合年均双边换手率约为4倍。

我们进一步利用业绩归因模型，对组合收益进行深入的分解观察，具体结果如下：

收益归因结果显示，组合在选股层面贡献最高（即特质收益贡献显著），这表明在我们多事件驱动策略的逻辑框架下，组合获得了显著的事件异常收益。

但是，归因结果同样表明，在风格层面，组合带有较为明显的市值风格特征，即组合选择的股票仍然以中小创居多，策略收益中存在部分风格收益。

中国电视剧市场的市场驱动因素和未来趋势

一、中国电视剧市场概览（一）中国电视剧市场的定义及细分中国电视剧市场由两个分部组成，即电视系列剧市场及网络剧市场。根据弗若斯特沙利文报告，电视剧为具备广电总局发行的发行许可证的一种电视剧类型。一般而言，电视系列剧既可在电视频道又可在在线媒体平台上发行。另一方面，网络剧为仅在网络媒体平台播放的另一类电视剧，通常由第三方专业电视剧制作公司或网络媒体平台制作。（二）电视剧的运作流程根据弗若斯特沙利文报告，电视剧的运作流程通常包括投资、制作、发行及播放。（三）电视剧市场价值链分析根据弗若斯特沙利文报告，中国电视剧市场的价值链分为下列各项：(i)上游－IP预订和交易，以及制作资本准备；(ii)中游－制作及发行；及(iii)下游－电视剧播放。由购买故事或IP版权的制片人或投资者发起，电视剧制作从IP预订及交易

以及项目融资开始。制片人在协调多方人士方面发挥着至关重要的作用，包括摄制组、导演、演员以及不同的可能发行频道。大型电视剧制作公司通常拥有本身的发行团队及已与电视频道及在线媒体平台建立长远的关系，以确保所制作的电视剧可通过不同频道传送予观众。下表列示中国电视剧市场的价值链分析：资料来源：弗若斯特沙利文报告（四）收益和成本架构电视剧收益主要自版权许可及广告而产生。版权许可收益主要产生于许可电视剧在电视频道及网络媒体平台的首轮及第二轮╱第三轮的播放。根据弗若斯特沙利文报告，近年来，许可收益由于电视剧质量提升及内容的多样化而获大幅增长，进而进一步激励了以内容为中心的剧本创作。电视剧产生的收益可能因播映频道及实际的播映时间而出现差异。于黄金档在卫星电视台播映的电视剧通常因知名度较高而产生较高的收益。许可卫星电视台的电视剧每集的收益基本上较许可地面电视台的收益高，主要原因是卫星电视台可接触全国观众，并令广告赞助客户获得更高的曝光率。此外，就相同的电视剧而言，首轮播映产生的每集收益一般较多轮播映的收益高。根据弗若斯特沙利文报告，与电视剧相关成本涵盖整个制作过程，通常包括三个阶段：筹备阶段、制作阶段及后期制作阶段；(i)筹备阶段：产生的成本主要与购买剧本或支付予编剧的款项有关；(ii)制作阶段：产生的成本主要包括演员薪

私募基金八大策略介绍

私募基金八大策略介绍私募基金在国际金融市场上发展十分快速，并已占据十分重要的位置，几乎所有国际知名的金融控股公司都从事私募基金管理业务，同时也培育出了像索罗斯、巴菲特这样的投资大鳄。而国内私募基金也驶入快车道，据中国基金业协会发布的最新数据显示，2016年4月，已登记私募基金管理人26045家；已备案私募基金31347只。国内的私募江湖也人才辈出，在这个战场里，我们见识过王亚伟、徐翔、刘世强、葛卫东、杨海等江山豪杰。由于私募基金的信息透明度不高,其资金运作和收益状况,都不是公开进行的，投资者往往误认为私募基金运作风险大于收益。其实，私募基金成立时，都会选择稳定可靠、信誉好的合伙人，这点就迫使私募基金运作较为谨慎，自律加上内压式的管理模式，有利于规避风险，同时减少监管带来的巨大成本；而且，私募基金操作的高度灵活性和持仓品种的多样化，往往能抢得市场先机，赢得主动，使创造高额收益成为可能。私募阳光化一直在曲折中艰难推进，直到2013年6月1日新《基金法》正式实施，把私募基金正式纳入监管范畴;2014年1月17日，基金业协会发布《私募投资基金管理人登记和基金备案办法(试行)》，私募行业的实质性监管政策才得以落地。随着私募基金蓬勃发展，投资策略也逐渐多样化，基金投资策略可谓是百花齐放。为方便投资者更清晰的理解，经过精细梳理对目前私募行业所有的投资策略进行了细化，按投资策略分类主要分为：股票策略、事件驱动、管理期货、相对价值、宏观策略、债券基金、组合基金、复合策略等主要策略分类。以下将对各类型策略进行详细阐述。股票策略股票策略以股票为主要投资标的，是目前国内阳光私募行业最主流的投资策略，约有8成以上的私募基金采用该策略，内含股票多头、股票多空、股票市场中性三种子策略。目前国内的私募基金运作最多的投资策略即为股票策略。 1、股票多头

行业变革的驱动因素和行业关键的成功因素

房地产行业变革驱动因素分析行业变革驱动因素是指那些改变整个行业及竞争环境的主要原因及因素。敏锐地判断行业驱动因素是为了在制定战略时充分考虑几年后行业将发生的变化对公司经营可能产生的影响。行业中的许多事件都可能会对行业产生重要的影响，这些都可能成为行业变革的驱动因素。驱动因素分析分为两步：辨认各种驱动因素，估量出驱动因素将会对行业产生的影响。不过，虽然在某一行业中有许多变革因素在起作用，但是真正能够算得上驱动因素的一般只有3~4种，因为驱动因素是行业变革原因和方式的主要决定因素。面前的房地长行业，主要的行业变革的驱动因素有以下几点: 一、行业长期增长率的变化。行业增长率的上升或下降是行业变革的一个因素，因为它会影响行业供应和购买需求方面的平衡，进入和退出方面的平衡，影响竞争厂商增加销售量的难度。长期需求的攀升会吸引新进入者进入市场，鼓励既有厂商增加生产能力。市场的收缩则会导致行业的某些公司退出该行业，诱使剩下的厂商关闭最低的生产工厂收缩业务量。对于房地产行业来说，支撑行业需求增长的三个因素不变：城市化带来的新增需求、改善性需求和人民币升值导致的投资需求。

持续的城市化进程是房地产市场需求最坚定的基石。我国的城市化率1996年为30.48％，2006年达到43.90％,以平均每年1.34个百分点的速度上升。相对美欧等发达国家75％—88％的城市化率，我国的城市化进程还将持续20年，每年带来的城市新增人口在1700万左右。改善性需求是房地产市场需求的重要部分。随着我国城镇居民可支配收入的持续高速增长，城镇居民的居住条件不断改善，城市人均居住面积超过了26平方米，在10年时间里增长了50％以上。据建设部政策研究中心发布的报告预测，到2020年城镇人均居住面积将达到35平方米。城市化带来的新增人口需求和城市原有居民的改善性需求将长期存在，根据以上数据估算，截至2020年，我国城镇居民住房需要126.44亿平方米的新增供应量，平均每年约9.73亿平方米。二、营销革新。如果竞争厂商能够成功的引入产品销售的新方式，那么，他们就可以激起购买者的兴趣，扩大行业需求，提高产品竞争度的差别，降低单位成本。这其中的每一点都可以改变竞争者的竞争地位，迫使竞争对手修订战略。目前的房地产行业的利润量还是很大，很多商家为了将自己的商品房卖出高价格，不惜用各种营销手段吸引顾客。三、政府政策的变化进入2010年后，政府反复对房价的快速上涨表示关注，也出台了一系列措施为楼市降温。这些措施的影响如何及将来是否可能采取

杨永兴：事件驱动交易策略

杨永兴：事件驱动交易策略(2012-10-28 13:22:19) 核心提示：成绩如此出色，少年私募英雄杨永兴究竟掌握了什么制胜法宝？4月2日，《每日经济新闻》专访了策略大师基金的管理团队，证通天下董事长杨永兴、证通天下总经理李世勇（以下统称为"策略大师"）向记者透露了他们的宝贵经验。在股市中把600万元变成一个亿，需要多少时间？有人会说5年、10年，也许更长，但有人只花了10个月。在2007年朝阳永续的实盘大赛中，硅谷基金的投资经理杨永兴以高达1497%的收益率，完成了这个看似不可能完成的任务，其成绩远远超过当时参加评比的其他阳光私募和券商集合理财。当时，他只有25岁。 2009年3月2日，杨永兴再次带领他的团队扬帆起航，在重庆国投发行了一款名为"策略大师"的阳光私募信托计划。3月27日，经过短短20个交易日的运作，策略大师的单位净值已从1元猛增到1.467元，收益率高达46.7%，再次上演不可能完成的任务。成绩如此出色，少年私募英雄杨永兴究竟掌握了什么制胜法宝？4月2日，《每日经济新闻》专访了策略大师基金的管理团队，证通天下董事长杨永兴、证通天下总经理李世勇（以下统称为"策略大师"）向记者透露了他们的宝贵经验。

制胜法宝快进快出只参与上涨趋势 NBD：你的阳光私募基金自3月2日成立以来，获取了46%的收益，成为2009年私募界的第一名。获胜的法宝是什么？策略大师：我们最大的优势在于极强的风险控制意识和把握短期趋势的能力。首先，我们在投资前想的第一件事就是此次投资最大的风险在哪里？可能会有多大的亏损？有什么应对措施？在做好了最充分的准备之后，我们才会开始考虑潜在收益等因素。正是这种保守的风格，让策略大师的研究团队充分规避了2008年熊市的风险。其次，策略大师研究团队对中短期趋势的判断能力要远远强于对中长期趋势的判断。当前中国A股市场游资和散户的力量相当强大，它们的交易偏好以及反映在盘面上的特征都很有规律，充分认识并利用这些规律，只参与其中风险最小、利润最大的几个时间阶段，就有可能实现持续复利。在操作上，我们基本不参与盘整和下跌，我们只参与上涨趋势。 NBD：策略大师主要的操作风格是快进快出、短线为主，在操作上具体有什么特点？

2021年事件驱动策略的因子化特征之欧阳学文创编

事件驱动策略的因子化特征欧阳光明（2021.03.07） 2016-05-30 16:01:00 1. 引言本篇报告旨在对若干类事件进行综合量化分析，使投资者更加深入的理解不同事件的发生对股票价格的影响。在此基础上，我们将构造基于多事件驱动的组合投资策略。本篇报告的最后一部分，我们将事件驱动策略与多因子策略在组合权重优化的框架下相结合，构建了基于多因子多事件驱动的最优中性投资组合。实证结果表明，增加了事件驱动后的多因子组合，收益显著提升。事件驱动研究的本质问题在于事件发生是否会产生超额收益或亏损？若能产生，该收益是否可持续存在？对于该问题的解答不仅有利于我们构建事件驱动选股策略，更重要的是使得投资者了解事件信息对股票价格运行所产生的影响，进而更深入的理解股票价格波动的成因。我们利用风险模型对个股收益的分解，定义了事件异常收益AR （Abnormal Return），并根据不同事件对个股异常收益的影响，对事件属性进行了分类。在此基础上，我们构建了基于多事件驱动的组合投资策略。实证结果表明，组合收益稳健有效，在过去6年时间内均可稳定战胜基准指数。事件驱动研究的本质仍然是对市场参与者内心预期、相互博弈的投资心理研究。本篇报告通过数据建模等方法，对事件影响进行了一定的统计观察。但模型终究只是研究工具，最终我们希望通过事件研究，使得投资者更深入的理解股票价格运行的成因及规律，进而达到无招胜有招之最高境界。 2. 异常收益 2.1 异常收益定义

从逻辑上而言，我们通常会研究事件发生前后，股票价格收益的分布情况，进而判断事件对股价的影响。但是，由于股票价格的波动受各种不同的风险因素影响，因此简单的利用收益率或者超额收益很难分辨出事件本身对股票价格所产生的影响。我们通常利用异常收益来检验事件发生对股票价格所产生的影响。所谓事件异常收益指的是：在事件发生前后，股票收益率中，无法用市场、行业、风格所解释的收益部分称为异常收益。风险模型对股票收益的分解为事件研究提供了较大的便利，通过统计事件发生前后，股票收益中无法利用已知因子所解释的部分，即特质收益项，就可以观察事件发生所导致的股票价格异常收益，即：换言之，我们利用风险模型回归方程中的残差项作为事件发生窗口期内的股票异常收益，由于残差部分不包含任意行业与风格收益，因此可以纯粹的反映事件本身对股票价格的影响，这与我们定义异常收益的初衷思路是一致的。并且，由于A股市场的公司事件往往多发生于中小创的股票，而这类股票在规模因子的驱动下，具有显著的风格收益，所以利用风险模型剔除风格收益的影响，完整的剥离出股票价格的异常收益，显得尤为重要。 2.2 事件核心逻辑在定义了异常收益后，我们就可以对各类事件发生前后，个股异常收益的分布特征进行观察统计。我们首先给出事件驱动异常收益显著性统计的一般流程： Step1: 定义事件逻辑，统计事件（公告）发生时间点； Step2: 统计事件发生前后股票收益率，计算对应行业因子及风格因子； Step3: 根据风险模型回归方程，计算事件发生前后个股异常收益CAR； Step4: 计算事件发生全部个股异常收益AR均值；

私募基金八大策略介绍

股票策略以股票为主要投资标的，是目前国内阳光私募行业最主流的投资策略，约有八成以上的私募基金采用该策略，内含股票多头、股票多空两种子策略。由于资本市场发展的缘故，国内的私募基金运作最多的投资策略即为股票策略，持续披露净值的产品数量超过3200只，规模占全市场比重的85%左右。纯股票多头是指基金经理基于对某些股票看好从而在低价买进股票，待股票上涨至某一价位时卖出以获取差额收益。该策略的投资盈利主要通过持有股票来实现，所持有股票组合的涨跌幅决定了基金的业绩。按选择股票的角度划分，主要分为价值投资、成长投资、趋势投资、行业投资。随着我国金融市场的逐步完善与融资融券、股指期货等金融工具的推出，国内阳光私募基金正逐步走向真正意义上的对冲基金，在投资组合中加入对冲工具成为越来越多基金经理的选择，股票多空策略也应运而生。代表机构：朱雀投资、民森投资朱雀投资自2007年运行以来，朱雀已陆续发行近50款私募产品，目前存续运作的产品数量达到46只，早期设立的4只产品累计收益率已经超过300%，为投资者实现资产的稳步增值。近几年朱雀投资还涉足新的产品类型，在量化对冲、股权投资等领域均有新的突破。尤其是在量化对冲方面，发行多只朱雀漂亮阿尔法产品，该系列产品引入股指期货对冲策略，将净值波动控制在较低水平。投资策略分析：稳健风格下的成长股投资。与单纯的选时型或选股型投资者不同，朱雀投资意在两者之间做出一种平衡。一方面，朱雀投资重视自上的仓位决策和行业配置；另一方面，朱雀投资也重视自下的个股选择。前者使得其业绩呈现出较为稳定的风格，后者使得其业绩在市场上行阶段保持一定程度的进攻性。 (1)仓位决策和行业配置。朱雀投资将组合的目标仓位分为高、中、低三个级别，分别对应三个不同风险等级的市场环境。在三个不同的市场环境中，组合目标仓位的运行空间分别为0-33%、33%-66%、66%-100%，具体产品的仓位由基金经理在目标仓位区间内确定。仓位确定后，通过对宏观经济运行趋势、行业景气度趋势等基本面因素的分析判断，确定投资组合中的行业配置比例。 (2)个股选择。朱雀投资在强调仓位决策的同时强调“像内部人一样理解公司”，做到投资的专注。公司长期看好与经济转型相关的行业，其核心是城镇化和内需，包括衣食住行、医疗、娱乐文化等内需产业，以及战略新兴产业等。公司区分周期类(强周期、弱周期)和非周期类(快速成长、稳定成长)，并分别采取有不同的投资方法。总结：朱雀的管理业绩给人比较稳健的印象，这可能与核心人物李华轮券商背景有较大关系。一方面，公司会进行主动的仓位决策，另一方面也会执行被动的调仓策略，这使得其业绩可以避免因市场波动带来的大起大落。朱雀投资旗下产品两次最大的净值回撤来自2008年和2011年，但均大大低于市场整体跌幅。债券策略债券策略的私募基金主要以债券为投资对象，以绝对收益为目标。由于债券价格对利率变化较为敏感，基金经理需对债券组合的风险暴露进行调整，随着国债期货的推出，投资组

膜分离产业需求市场及驱动因素分析

膜分离产业需求市场及驱动因素分析 1、膜分离技术膜是具有选择性分离功能的材料，利用膜的选择性分离实现料液的不同组分的分离、纯化、浓缩的过程称作膜分离。它与传统过滤的不同在于，膜可以在分子范围内进行分离，并且这过程是一种物理过程，不需发生相的变化和添加助剂。与过滤、精馏、萃取、蒸发等传统分离技术相比，膜分离技术具有能耗低、分离效率高、设备简单、无相变、无污染等优点，因此被称为新型高效分离技术。膜的孔径一般为微米级，依据其孔径的不同（或称为截留分子量），可将膜分为微滤膜、超滤膜、纳滤膜和反渗透膜，根据材料的不同，可分为无机膜和有机膜，无机膜主要是陶瓷膜和金属膜，其过滤精度较低，选择性较小。有机膜是由高分子材料做成的，如醋酸纤维素、芳香族聚酰胺、聚醚砜、聚氟聚合物等等。微滤（MF）又称微孔过滤，它属于精密过滤，其基本原理是筛孔分离过程。鉴于微孔滤膜的分离特征，微孔滤膜的应用范围主要是从气相和液相中截留微粒、细菌以及其他污染物，以达到净化、分离、浓缩的目的。对于微滤而言，膜的截留特性是以膜的孔径来表征，通常孔径范围在 0.1～1 微米，故微滤膜能对大直径的菌体、悬浮固体等进行分离，可作为一般料液的澄清、保安过滤、空气除菌。超滤（UF）是介于微滤和纳滤之间的一种膜过程，膜孔径范围在0.05 至0.1 微米。超滤过程通常可以理解成与膜孔径大小相关的筛分过程，超滤膜的截留特性是以对标准有机物的截留分子量来表征，通常截留分子量范围在 1000～300000Da，故超滤膜能对大分子有机物（如蛋白质、细菌）、胶体、悬浮固体等进行分离，广泛应用于料液的澄清、大分子有机物的分离纯化、除热源。纳滤（NF）是介于超滤与反渗透之间的一种膜分离技术，其截留分子量在80～1000Da 的范围内，孔径为几纳米。膜的截留特性是以对标准 NaCl、MgSO4、CaCl2溶液的截留率来表征，通常截留率范围在60%～90%，相应截留分子量范围在 100～1000Da，故纳滤膜能对小分子有机物等与水、无机盐进行分离，实现脱盐与浓缩的同时进行，其在制药、生物化工、食品工业等诸多领域显示出广阔的应用前景。反渗透（RO）是利用反渗透膜只能透过溶剂（通常是水）而截留离子物质或

我国生物识别行业发展政策环境及驱动因素

我国生物识别行业发展政策环境及驱动因素生物识别行业发展政策环境国家发改委2013年8月印发“关于组织实施2013年国家信息安全专项有关事项的通知”，重点支持信息安全产品产业化等领域。在信息安全方面，生物识别已经越来越广泛地应用于个人信息识别、隐私保护和安防等领域：新一代身份证的指纹信息已经开始登记，新一代iPhone也有望把指纹识别作为杀手级应用加载其中；而美国、印度以及我国的部分地区已把人脸识别用于安检通关、门禁安防等方面。随着技术的成熟和应用的愈加广泛，以指纹、人脸识别为代表的生物识别技术越来越普及，市场也在逐渐开启，由此带来的生物识别与传统产业的结合升级一触即发。产业年均增速50% 国内的产学研界显然已经关注到了这方面的机会。2012年11月，由中科院自动化所牵头，联合相关政府部门、行业企业、科研院校等单位组成的“生物识别产业技术创新战略联盟”在杭州宣布成立，上市公司汉王科技等参与其中。中科院副秘书长、中科院自动化所模式识别国家重点实验室主任谭铁牛表示，生物识别产业涉及公共安全，表现出几个特征：政府主导才能规模化、相关技术竞争白热化、业务开展专业化，不仅发达国家大力推广使用，发展中国家亦步步紧跟。我国已将这一产业列入国家中长期发展规划，且该产业正以每年50%的速度增长。在生物识别的具体应用方面，截至2013年8月21日，常州已发放含指纹信息的二代身份证2400余张，海南、陕西等地相继开展指纹信息的受理工作。按照最新修订的《中华人民共和国居民身份证法》规定，居民身份证登记项目包括指纹信息，并规定公民申请领取、换领、补领居民身份证，应当登记指纹信息。正如2004年《居民身份证法》的实施以来，一、二代身份证更迭对于整个IC卡产业的带动一样，新修订法对于指纹信息采集的要求，同样将给予生物识别技术的普及带来较大契机。而与我国正在推行的指纹身份登记相同，世界上100多个实行身份证制度的国家和地区中，已有56个在证件中加入指纹信息。除此之外，生物识别技术也在其他领域有所应用。湖南已经启用“人脸建模”方便离退休人员进行养老金资格认证，防止养老金被冒领，应用的是人脸识别的技术。而深圳市部分幼儿园也升级了门禁系统，要求接孩子要刷卡对指纹。人脸识别渐成强制标准中投顾问·让投资更安全经营更稳健

技术创新的关键驱动因素研究

技术创新的关键驱动因素研究 1文献回顾梳理国外技术创新驱动研究，归纳起来主要经历如下过程： (1)技术发展驱动。技术发展驱动技术创新最早是由Schumpeter于20世纪50年代提出来的。Schumpeter认为，技术创新或多或少是一种线性过程，从来自应用研究的科学发现到技术发展和企业中的生产行为，并最终导致新产品进入市场都是逐步向前推进的。Schumpeter还指出，新技术的发明和出现驱动企业家进行技术创新，更多的研究与开发就等于更多的创新。 (2)市场需求驱动。1966年,美国经济学家Schmookler首先提出“需求拉动模型”，该模型强调市场需求的拉动是技术创新的主要驱动力。美国麻省理工学院的Myers和Marquls教授在1969年所做的一项重要的实证工作支持Schmook-ler的观点，两位教授对5个产业的567项技术创新项目进行了抽样调查，发现其中3/4的技术创新是由市场需求为出发点，1/4的技术创新是以技术本身的发展为来源。最后Myers 和Marquls得出结论，在技术创新中，市场需求是一个比技术发展更重要的驱动因素。 (3)技术和市场需求联合驱动。20世纪80年代后期Mowery和Rosenberg认为，技术创新可以是由技术发展驱动的，也可以是广义需求驱动的，成功的技术创新往往是二者共同作用的结果。加拿大学者Mumro和Noori对加拿大900多家企业的技术创新进行了调查，调查发现18%的技术创新靠技术驱动，26%技术创新靠市场需求驱动,56%的技术创新靠技术与市场需求共同驱动。 (4)政府政策驱动。ClaytonChristensen(1995)以计算机行业为例，认为一项新技术只有在合适的政策环境下才能生存和发展。XuliaGonzalez和ConsueloPazo(2008)指出，企业技术创新离不开政府对企业技术创新活动的财政支持。Romer(1990)认为最好的政策是对

传感器产业链及行业驱动因素分析

中投顾问产业研究中心中投顾问·让投资更安全经营更稳健传感器产业链及行业驱动因素分析传感器产业链构成传感器（英文名称：transducer/sensor ）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。从产业链环节来看，传感器产业的上游产业链包括新材料、新工艺、新的制造设备等。传感器材料分半导体材料、陶瓷材料、金属材料和有机材料四大类。下游应用与工业、汽车电子产品、通信电子产品、消费电子产品、专用设备等相关联。由此可知，传感器产业上下游所涉及的领域范围非常广泛。中投顾问发布的《2016-2020年中国传感器行业深度调研及投资前景预测报告》指出，近年来，国内传感器应用主要分布在机械设备制造、家用电器、科学仪器仪表、医疗卫生、通信电子以及汽车等领域。我国传感器行业驱动因素一是市场带动。随着物联网、移动互联网等新兴产业的快速发展，传感器产业也迎来了巨大的发展契机。信息化和智能化的推进为传感器产业带来巨大的市场，在智能农业、智能工业、智能交通、建筑节能、智能环保、智能电网、健康医疗、智能穿戴等领域，传感器都有着广阔的应用空间。二是技术拉动。近年来，国内外从事传感器技术研发的机构和投入都不断增多，传感器技术也取得了突飞猛进的发展。随着先进传感器、新型传感器、低成本、高性能传感器的不断研发成功，传感器应用的成本将不断降低，应用效果将不断提升，从而拉动传感器产业的持续发展。三是政策推动。近年来，工业和信息化部先后出台了《物联网“十二五”发展规划》等相关政策，并在积极研究出台支持传感器产业发展的相关政策，未来传感器产业将会面临更为宽松的政策环境。在国家政策的扶持下，传感器产业将会迎来快速发展时期。四是整合促进。随着市场竞争的加剧，传感器产业并购整合不断增多，国外大型传感器企业已经通过并购形成了各自的技术优势，国内传感器企业的并购重组、做大做强也已开始，如歌尔声学、航天电子、东风科技等企业不断通过并购增强竞争力。未来，国内传感器领军企业的形成将大大增强产业竞争力，促进产业健康发展。

异常波动事件驱动策略量化研究

龙源期刊网 https://www.360docs.net/doc/912442785.html, 异常波动事件驱动策略量化研究作者：尚琳喆夏青桐来源：《科学与财富》2020年第02期摘要：异常波动事件是指上市公司在市场上发布股价异常波动公告的行为。从直观上讲，出现股价异常波动的股票可能存在获取超额收益的机会，本报告用量化的方法研究了出现股价异常波动的股票是否在后期存在获取超额收益的机会，发现异常波动事件对应公司股价存在一定超额收益。进一步我们构建了异常波动事件驱动选股策略，利用数据进行回测。关键词：异常波动事件;事件驱动;超额收益;量化一、异常波动事件综述异常波动事件是指上市公司在市场上发布股价异常波动公告的行为。通常，某支股票股价在短期出现异常波动，原因可能有：公司经营情况和内外部经营环境发生重大变化、公司近期正在筹划重大事项和公共传媒报道了对公司股价产生影响的重大事件等。从直观上讲，出现股价异常波动的股票可能存在获取超额收益的机会。 1.1股价异常波动相关规定股价异常波动，主要是为了规范股市，防止有人利用大量资金人为地在短期内操作股价。异常波动判定依据根据《上海证券交易所交易规则（2015年修订）》，主要指标为：收盘价格涨跌幅偏离值、日均换手率和证监会规定其他情形。异常波动指标自复牌之日起重新计算。当交易所察觉某只股票符合上述特征时，即要求上市公司做出示警声明，并就可能产生的原因做出说明，而交易所会在随后的一个交易日开市时对该股票实施停牌一小时。对于未能及时发布公告说明原因的股票，交易所会要求上市公司进行停牌自查，直到上市公司就异常波动做出说明并发布公告方可申请复牌。 1.2异常波动分布情况我们将异常波动事件分为两类：发布异常波动公告后次日仍可以正常交易、发布异常波动公告后停牌一天及以上。我们从巨潮资讯爬取了沪深两市上市公司的所有股价异常波动公告，剔除冗余公告。统计区间为2002年1月1日到2017年7月4日，在此区间内共出现27320例股价异常波动事件，涉及到上市公司3272家。其中异常波动未停牌事件26258件，占事件总数的96.11%;异常波动停牌事件1062件，占事件总数的3.89%。

[分享]行业变革驱动因素分析

尊重作者成果 [企业外部分析]行业变革驱动因素分析行业环境之所以会发生变化是因为一些重要的力量在推动行业的竞争者（竞争厂商、顾客或其他购买者）改变他们的行动；一个行业中的驱动因素是指那些改变行业和环境的主要基本因素。驱动因素分析分为两步：辨认各种驱动因素，估量出驱动因素将会对行业产生的影响。行业中发生的许多事件都会对行业产生很大的影响，可以看作驱动因素，其中由一些只是属于某一类因素，但是绝大多数同时属于好几类因素。下面谈谈驱动行业变革的一些因素： 1. 行业长期增长率的变化--行业增长率的上身或下降是行业变革的一个因素，因为它会影响行业供应和购买需求方面的平衡，进入和退出方面的平衡，影响竞争厂商增加销售量的难度。长期需求的攀升会吸引新进入者进入市场，鼓励既有厂商增加生产能力。市场的收缩则会导致行业的某些公司退出该行业，诱使剩下的厂商关闭最低的生产工厂收缩业务量。 2. 产品买主以及买主的产品使用方式的变化--购买者人口群及产品使用方式的变化可能改变竞争的态势：迫使行业钟的竞争厂商改变客户服务（信用、技术支持、维护或修理）的方式、改变行业产品销售的特约经销商和零售商结构、迫使生产商扩大或缩小产品线、带来不同的销售及促销途径。如今，互联网在家庭和工作的普及中正创造着种种机会：电子购物、在线经纪服务、电子邮件服务、简报服务、数据服务、互联网供应商服务。同时，寿命预期的提高带来的人口特征的变化正导致下列各类市场的增长：公寓、退休计划服务、互助基金、健康服务。 3. 产品革新--产品革新往往会扩大行业的客户群、重新实现行业的增长、扩大竞争厂商之间产品差别化的宽度，从而动摇已有的竞争结构。新产品的成功导入往往会加强革新公司的市场地位，而对于那些固守老产品或不善于退出新产品的公司来说，则会使其利益受损，产品革新是一个关键的驱动因素的行业有：复印设备、相机和照相器材、高尔夫球棍、电子游戏、玩具、药方药品、冷冻食品、个人计算机以及个人计算机软件。 4. 技术变革--技术进步可以大大改变一个行业的结构，使得供应商可以更低的成本生产新产品和更优产品成为可能，并且打开整个行业的前沿领域。技术进步还可以带来以下各各方面的变革：资本要求、有效生产的最低工厂规模、垂直一体化的利益和学习及经验曲线的效应。例如，电子商务借助互联网所实现的快速进步正在以极快的速度改变许多国家的商务方式（股票交易、软件的销售和分销、有鉴定或零售），并正在引导人类进入新的信息时代。 5. 营销革新--如果竞争厂商能够成功的引入产品销售的新方式，那么，他们就可以激起购买者的兴趣，扩大行业需求，提高产品竞争度的差别，降低单位成本。这其中的每一点都可以改变竞争者的竞争地位，迫使竞争对手修订战略。互联网正日益成为各种营销革新的媒介。 6. 大厂商的进入或退出--一家或多家外资进入某个曾经为本土厂商统治的市场几乎无一例外的会动摇市场的竞争环境。同样的，当另一个行业重的一家有着相当地位的本土公司通过够并或建立自己的新办企业进入本行业时，这家公司

全球工业机器人产业发展历程及行业五大驱动因素分析

全球工业机器人产业发展历程及行业五大驱动因素分析 2014年08月28日 10:5315285人浏览字号:T|T 现代机器人的起源可以追溯到二十世纪40-50年代，美国橡树岭等国家实验室进行了机器人方面的初步探索，50-60年代，随着机构理论和伺服理论的发展，机器人进入了使用化阶段。1960年美国AMF公司生产了圆柱坐标型机器人Versatran，这是世界上第一种用于工业生产上的机器人。 60-70年代，日本、德国面临劳动力短缺的严重问题，两国投入巨资研发机器人来替代劳动力，机器人技术迅速发展，日本一举超越机器人起源国美国成为世界机器人第一强国，同时也为世界工业机器人的发展打下了坚实的基础。进入80年代后，随着计算机、传感器技术的发展，机器人技术已经具备了初步的感知、反馈能力，在工业生产中开始逐步应用。工业机器人首先在汽车制造业的流水线生产中开始大规模应用，随后，诸如日本、德国、美国这样的制造业发达国家开始在其他工业生产中也大量采用机器人作业。进入21世纪以来，随着劳动力成本的不断提高，技术的不断进步，各国陆续进行制造业的转型与升级，出现了机器人替代人的热潮。同时，人工智能发展愈演愈烈，服务机器人也开始走进普通家庭的生活。机器人历史发展阶段

资料来源：智研数据中心整理随着技术的进步，工业机器人的功能也越来越强大，自由度、精度、作业范围、承载能力等传统的衡量工业机器人水平的各项技术指标都有了显著地提升。2000年之前，6轴机器人还是高端工业机器人的代名词，而目前6轴工业机器人已经渐渐普及，很多高端机器人的轴数都在 6轴以上，安川最新研发的莫托曼双臂机器人最高轴数达到了15轴，更多的自由度让机器人的灵活度得到了显著提升，不再局限于之前的简单重复劳动。精密减速器的发展使得机器人的精度和重复定位精度较10年前大大进步，目前ABB的IRB-120机器人工作精度能达到0.01mm，在作业范围、最大工作速度和承载能力方面也有了显著的提高，发那科最新的大型机器人承载能力最高可达1.5吨。技术指标提升

量化对冲策略及产品简介-专题研究

“量化对冲”是“量化”和“对冲”两个概念的结合。“量化”指借助统计方法、数学模型来指导投资，其本质是定性投资的数量化实践。“对冲”指通过管理并降低组合系统风险以应对金融市场变化，获取相对稳定的收益。实际中对冲基金往往采用量化投资方法，两者经常交替使用，但量化基金不完全等同于对冲基金。过去的13年间全球对冲基金市场经历了快速增长、衰退、反弹三个阶段。08年金融危机前，全球对冲基金规模由2000年的3350亿美元上升至1.95万亿美元。受金融危机影响，全球对冲基金规模一度缩减。09年之后，在全球经济复苏背景下对冲基金规模又开始反弹，截至2013年11月底，全球对冲共基金管理着1.99万亿美元的资产。从目前对冲基金的全球分布来看，北美地区(美国为主)是全球对冲基金市场发展最成熟的地区，且近年来占比有所扩大，截止2013年11月该地区对冲基金规模占据全球的67.5%。其次是欧洲地区，占比达22.2%；接着是亚太地区，占比达7.3%(日本+亚洲非日本) 常见的量化对冲策略包括：股票对冲(Equity Hedge)、事件驱动(Event Driven)、全球宏观(Macro)、相对价值套利(Relative Value)四种，任意一只对冲基金既可采取其中某一策略也可同时采取多种投资策略，目前全球使用占比最高的策略是股票多空策略，占比达32.5% 量化对冲产品有以下几方面特点：1、投资范围广泛，投资策略灵活；2、无论市场上涨还是下跌，均以获取绝对收益为目标；3、更好的风险调整收益，长期中对冲基金在获取稳定收益的同时提供了更好的防御性；4、与主要市场指数相关性低，具备资产配置价值。一、什么是量化对冲投资？近年来随着证券市场不断发展，金融衍生产品不断推出，做空工具不断丰富，投资的复杂程度也日益提高，其中以追求绝对收益为目标的量化对冲投资策略以其风险低、收益稳定的特性，成为机构投资者的主要投资策略之一。所谓“量化对冲”其实是“量化”和“对冲”两个概念的结合。其中“量化”投资是区别于传统“定性”投资而言的。量化投资通过借助统计学、数学方法，运用计算机从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报，其本质是定性投资的数量化实践。由此可见，所有采用量化投资策略的产品(包括普通公募基金、对冲基金等等)都可以纳入量化基金的范畴。量化投资的最大的特点是强调纪律性，即可以克服投资者主观情绪的影响。

通信大数据行业分析报告：驱动因素分析

通信大数据行业分析报告：驱动因素分析电信运营商营收放缓财报数据显示，中国移动2014年营收6414亿元，同比增长1.8%；净利润1093亿元，同比下滑10.2%；中国联通2014年营收2846.8亿元，同比下滑3.5%，净利润120.6亿元，同比增长15.8%；中国电信2014年营收3243.94亿元，同比增长0.9%，净利润176.8亿元，同比增长0.8%。按此计算，三大运营商2014年净利润合计1390.4亿元，日均赚3.8亿元，低于2013年的4.34亿元，也低于2014年上半年三大运营商日赚4.19亿元的数字。从财报数据可以看出，三大运营商盈利能力进一步下降。人口红利逐步消失中投顾问发布的《2016-2020年中国通信大数据行业深度调研及投资前景预测报告》指出，2014年我国移动电话用户达12.86亿户，移动电话用户普及率达94.5部/百人，我国通信市场趋于饱和，同时虚拟运营商也加入存量用户的争夺，三大运营商十几年来靠普及用户来实现增长的“人口红利”发展模式已经不再成为支撑。图表1949-2014年固定电话、移动电话用户发展情况数据来源：工信部

而三大运营商盈利能力下降除了受到电信业营改增实施的影响，还和电信业服务单价下降有关系。从目前的行业趋势看，电信业流量等服务单价下调是大趋势。例如，在2014年，三大运营商均下调了流量套餐资费和海外漫游费用。原来三大运营商可以依靠用户的快速增长来抵消服务单价下降的影响，但是现在电信业人口红利消失，所以收入增长趋势放缓就格外明显。移动互联网用户增加 2015年1-12月移动互联网用户增加8925.0万户，新增用户数同比上升31.9%，2015年12月移动互联网用户当月增加1089.2万户，继续2015年11月的增长趋势，增至96447万户，相比2014年同比增长10.2%。图表2013-2015年移动互联网用户数资料来源：工业和信息化部 5G关键技术取得突破 2013年2月，工信部与科技部、发改委联合支持成立了IMT-2020（5G）推进组，以此为平台，集中产业研用优势单位联合开展研发和国际标准推进工作。IMT-2020（5G）推进组已经在需求愿景、关键技术等方面取得了积极的进展。同时，主管部门还投入了约3亿元，先期启动了国家863计划第五代移动通信系统重大研发项目。目前，5G的第一阶段和第二阶段目标均已达成，包括密集网络部署、多天线阵列技术、用户速率、发射功率、频谱效率、能耗效率等与4G相比具有大幅度提升。

事件驱动策略的因子化特征

事件驱动策略的因子化特征 2016-05-30 16:01:00 1. 引言本篇报告旨在对若干类事件进行综合量化分析，使投资者更加深入的理解不同事件的发生对股票价格的影响。在此基础上，我们将构造基于多事件驱动的组合投资策略。本篇报告的最后一部分，我们将事件驱动策略与多因子策略在组合权重优化的框架下相结合，构建了基于多因子多事件驱动的最优中性投资组合。实证结果表明，增加了事件驱动后的多因子组合，收益显著提升。事件驱动研究的本质问题在于事件发生是否会产生超额收益或亏损？若能产生，该收益是否可持续存在？对于该问题的解答不仅有利于我们构建事件驱动选股策略，

更重要的是使得投资者了解事件信息对股票价格运行所产生的影响，进而更深入的理解股票价格波动的成因。我们利用风险模型对个股收益的分解，定义了事件异常收益AR（Abnormal Return），并根据不同事件对个股异常收益的影响，对事件属性进行了分类。在此基础上，我们构建了基于多事件驱动的组合投资策略。实证结果表明，组合收益稳健有效，在过去6年时间内均可稳定战胜基准指数。事件驱动研究的本质仍然是对市场参与者内心预期、相互博弈的投资心理研究。本篇报告通过数据建模等方法，对事件影响进行了一定的统计观察。但模型终究只是研究工具，最终我们希望通过事件研究，使得投资者更深入的理解股票价格运行的成因及规律，进而达到无招胜有招之最高境界。 2. 异常收益 2.1 异常收益定义从逻辑上而言，我们通常会研究事件发生前后，股票价格收益的分布情况，进而判断事件对股价的影响。但是，由于股票价格的波动受各种不同的风险因素影响，因此简单的利用收益率或者超额收益很难分辨出事件本身对股票价格所产生的影响。我们通常利用异常收益来检验事件发生对股票价格所产生的影响。所谓事件异常收益指的是：在事件发生前后，股票收益率中，无法用市场、行业、风格所解释的收益部分称为异常收益。风险模型对股票收益的分解为事件研究提供了较大的便利，通过统计事件发生前后，股票收益中无法利用已知因子所解释的部分，即特质收益项，就可以观察事件发生所导致的股票价格异常收益，即：

事件驱动策略之四——ETF事件套利研究

ETF 事件套利研究众所周知，跌停的股票很难卖出，涨停的股票很难买进，而停牌的股票更是没有办法进行交易。股票市场的变化总是超乎人们的预期，利空（好）消息放出，常常是多个跌（涨）停连续出现，而这时卖出（买入）相应的股票是很困难的，然而若相应的股票是ETF 的成分股，我们则可以变相买入（卖出）相应的股票。本文详细介绍了如何通过一、二级市场和融券机制买入（卖出）停牌（涨跌停）的股票，并对套利收益率进行了敏感性分析。 ● 跨市场套利。跨市场是指通过一、二级市场操作变相买卖停牌的股票。由于一般成分股在指数中的占比很有限，而在套利操作时涉及到大量其他成分股的买卖，交易成本很大，所以套利机会并不多见，以占指数权重1%的股票为例，复牌后涨幅40%或跌幅45%才能有套利正收益。 ● 利用融券机制套利。今年12月5日起，上证50、深证100等7只ETF 成为融券标的，我们可以通过卖空ETF 、买入股票或者买入ETF 、卖空股票来变相卖出、买入涨跌停的个股。和跨市场套利一样，利用融券套利的交易成本很大，套利机会也鲜有出现，以占指数权重1%的股票为例，5个涨停或7个跌停才能有套利正收益。● 由于事件套利的机会并不多见，当有重大事件发生时，我们会以快报的形式提醒投资者事件套利的机会（例如前期重庆啤酒连续跌停事件）。定量研究证券研究报告专题报告

目录 1. 参数说明 (3) 2. 跨市场套利 (3) 2.1 买入停牌的股票 (3) 2.2 卖出停牌的股票 (4) 3. 利用融券机制套利 (5) 3.1 卖出跌停的股票 (5) 3.2 买入涨停的股票 (6)

众所周知，跌停的股票很难卖出，涨停的股票很难买进，而停牌的股票更是没有办法进行交易。股票市场的变化总是超乎人们的预期，利空（好）消息放出，常常是多个跌（涨）停连续出现，而这时卖出（买入）相应的股票是很困难的，然而若相应的股票是ETF 的成分股，我们则可以变相买入（卖出）相应的股票。本文详细介绍了如何通过一、二级市场和融券机制买入（卖出）停牌（涨跌停）的股票，并对套利收益率进行了敏感性分析。 1. 参数说明由于ETF 瞬时套利机制的存在，一、二级市场的折溢价很小，在以下的讨论中我们均假设一、二级市场无折溢价。 1）ETF 买卖佣金——上交所3bp ，深交所4-5bp ，记为d1 2）股票、ETF 买卖冲击成本——10bp ，记为d2 3）股票买卖佣金——10bp ，记为d3 4）股票卖出印花税——10bp ，记为d4 5）融券年化利息——9.1%，按日利息2.5bp （9.1%/365）收取，记为d5 6）ETF 申购赎回费——不收取费用 7）融券保证金比例——50%，记为c 8）停牌（涨/跌停）股票占相应指数中的权重——记为w 9）ETF 中股票现金替代比例——10%，记为q 10）XX 股票在停牌（涨/跌停）期间的涨跌幅为r 11）操作时点XXETF 的最新参考净值为S 2. 跨市场套利 2.1 买入停牌的股票情形一：XX 股票停牌（XX 股票是YYETF 成分股），预期复牌后股价将大涨，利用一、二级市场买入停牌的XX 股票。操作方法：在二级市场买入YYETF ，立刻在一级市场赎回YYETF ，取回相应的一篮子股票，卖出除XX 股票以外的其他股票，保留XX 股票。注意事项：若XX 股票“必须/允许现金替代”，那么赎回时基金公司可能将返还给XX 股票对应时点价格的现金，而无法得到XX 股票，导致套利无法完成。则套利过程中涉及到的现金流有：买入YYETF 需要资金S1： (112)S d d ?++ 赎回ETF ，卖出除XX 股票以外其他成分股获得资金S2： (1)(1234S w d d d ?-?---))卖出XX 股票获得资金S3： (1)(1234S w r d d d ??+?--- 套利收益率为： 231 S S S S 1 +- 带入公式简化后即： (1234)122112 w r d d d d d d d d 3 ??-----?-++ 按照我们设定的成本参数，得到套利收益率为： 997036 10013 w r ??-

事件驱动策略的因子化特征

中国电视剧市场的市场驱动因素和未来趋势

私募基金八大策略介绍

行业变革的驱动因素和行业关键的成功因素

杨永兴：事件驱动交易策略

2021年事件驱动策略的因子化特征之欧阳学文创编

私募基金八大策略介绍

膜分离产业需求市场及驱动因素分析

我国生物识别行业发展政策环境及驱动因素

技术创新的关键驱动因素研究

最新影响中国IT业变化的主要驱动因素分析

传感器产业链及行业驱动因素分析

异常波动事件驱动策略量化研究

[分享]行业变革驱动因素分析

全球工业机器人产业发展历程及行业五大驱动因素分析

量化对冲策略及产品简介-专题研究

通信大数据行业分析报告：驱动因素分析

事件驱动策略的因子化特征

事件驱动策略之四——ETF事件套利研究