2019级盈余惯性在A股中的实证分析和投资应用-清华五道口MBA

2019级盈余惯性在A股中的实证分析和投资应用

2020年08月03日

信息来源：

浏览次数：

打印

从左至右依次为：范博阳、任重、赵兵兵、方晓洁

本文为清华－康奈尔双学位金融MBA2019级“数据分析与创业决策”课程报告，作者是第十小组：范博阳、方晓洁、任重、赵兵兵。授课教师：余剑峰。余教授现为清华大学五道口金融学院建树金融学讲席教授、清华大学金融科技研究院副院长、清华大学国家金融研究院资产管理研究中心主任。2014-2015年期间为清华大学五道口金融学院的访问教授。2011年起是美国联邦储蓄银行（达拉斯）的研究员。他主要从事行为金融和宏观金融的理论和实证研究，研究成果已经发表在多份学术刊物，例如，美国经济评论、金融期刊、金融经济期刊、货币经济期刊、管理科学和动态经济评论等。余教授获得中国科技大学概率统计学学士，耶鲁大学统计学硕士和宾夕法尼亚大学沃顿商学院的金融学博士。他的研究成果曾获得多项奖项，其中包括 Smith-Breeden一等奖。

盈余惯性在A股中的实证分析和投资应用

摘要：本文从盈余惯性（PEAD）在国内的实证入手，通过数据实验证实了在海外有效的PEAD效应在A股确实存在并具备一定的显著性。在此基础上，分析PEAD效应主要来自于行为金融学中的有限注意力理论，并进一步应用该理论对PEAD效应进行针对A股特点的改进和加强，开发在实践中收益能力更强的投资策略，应用于目前在新冠疫情影响下盈利波动进一步放大的A股市场。

关键词：盈余惯性，PEAD，标准化预期外盈利，SUE，异象，A股，投资

1.盈余惯性在A股的实证

1.1海外研究

自Ball and Brown（1968）经典文章开始，盈余惯性（Post-Earnings Announcement Drift，PEAD）开始得到学界的重视。当实际盈利比预期盈利高时，表明这是一个好消息，能给股价带来正面效应；当实际盈利比预期盈利低时，表明这是一个坏消息，股价会承受压力。Bernard and Thomas(1989)研究发现，在业绩披露后，市场并不能立刻充分地吸收最新信息，而是在未来一段时间内慢慢消化未预期盈利，进而形成盈余惯性，即PEAD异象。导致这一异象的原因之一可能是来自行为金融学中的有限注意力问题。两位教授针标准化预期外盈利（Standardized Unexpected Earnings，SUE）概念，设计了一个简单的SUE交易策略：按照SUE进行排序分组，做多SUE最大的股票做空SUE最小的股票，持有60个交易日，能获得6.31%的异常收益（如下图）。

那么，在海外被证实有效的盈余惯性异象，在A股是否依然有效？毕竟我们的一个先验预期是，大部分A股投资者是散户，相对机构投资者而言，更加愿意追逐热点而非关注企业的盈利和基本面变化。另一个值得研究的议题是，如果这一异象产生的源头是行为金融学，那么我们是否可以根据行为金融学的理论对其进行进一步改进，开发出可以更好指导实践投资的加强版投资策略？考虑到目前A股的年报业绩期刚刚结束，同时新冠疫情亦将加剧未来数个季度的业绩波动，这一研究具备一定的时效性和实践意义。

1.2实验描述

研究PEAD异象，最关键的是找到测量预期外盈余的代理变量。这其中常见的方法包括量价法（盈余公告期窗口内的异常累计收益率）和财务数据法。例如Ball and Brown（1968）在最开始讨论PEAD时，从财务报表的角度入手，用会计数据计算预期外盈利。当使用财务数据时，一般用标准化预期外盈利（Standardized Unexpected Earnings，SUE）来度量，其计算公式为：

其中E_t 是t期实际盈利水平，E[E_t] 为t期盈利的预期值，二者之差就是预期外盈余，而分母则是预期外盈余的标准差。本文沿用这一最经典的方式。同时，由于数据可得性和处理中简单直观（避免过拟合），本文使用单季度净利润指标作为盈利变量，使用去年同期净利润作为当期的朴素预期（naïve estimate）。从形式上看，这样计算得出的SUE也是一个盈利增长指标，为盈利实现值相对于预期值的变化幅度。

本文使用2005~2019年的全部A股上市公司财务和交易数据作为计算SUE的基础，使用Python进行计算和数据分析。具体计算过程和说明如下：

1）每月末，剔除待退市股、次新股、风险警示股，以及停牌股、一字涨跌停股，获取剩余股票最新季报报告期的净利润数据和历史报告期净利润数据；
2）计算SUE的分子，为最新季度同比增长量，即最新季报净利润减去去年同期季报净利润；
3）计算SUE分母，回溯过去12个季度的净利润数据，计算预期外净利润的标准差。在计算标准差时，参考Foster, Olsen, and Shevlin (1984)的算法，不包括最近一个季度的数据。
4）使用分子和分母计算出最终的SUE变量，并在截面上对其进行标准化。

实际计算SUE取值覆盖到了约90%的上市公司，标准化后SUE数值基本服从正态分布（如下图）：

我们参照Bernard and Thomas(1989)的分组方法，根据SUE的高低对所有A股上市公司进行排序，用总市值加权的方式构建10个组合。第9组是SUE得分最高的股票所构成的组合，第0组是得分最低的股票所构成的组合。从下图可以看出，粗略来看SUE得分更高的组别股价表现更好。

（A股市场由万得全A指数代表）

1.3实验结论

下表展示了以SUE高低排序得到的10个投资组合的月均收益率和它们的t-值。结果显示，10个SUE组中得分更高的组别收益更好，且得分前20%（SUE最高）的第8组和第9组t值均超过2.0。表中9-0列表示通过做多SUE最高的组、做空SUE最低的组构建的PEAD异象组合，其月均收益率为0.90%，t值2.83。由此可知，PEAD异象在A 股成立。（在未汇报的结果中，我们仿照Fama-French三因子模型在A股进行了构建，检验结果显示该三因子模型无法解释PEAD异象的超额收益。但由于A股上尚未有被广泛认可的定价模型，因此本文并未报告上述结果。）

最后， 10组的月均收益率与SUE变量的秩相关系数为 0.89，p值为 .0005，表现出统计上显著的单调性（下图）。

因此，我们可以得出结论，即在海外有效的PEAD效应在A股存在并具备一定的显著性，具备指导投资的意义。

1.4原因分析

根据行为金融学的解释，有限注意力和可获得性偏差高度相关，人们选择处理那些容易获得的信息。如果一件事情不容易被想起、或者一部分信息更难被处理，那么他们造成的影响就更容易被低估。对于A股市场而言，上市公司数量大、业绩披露密集，使得未预期盈利带来的漂移并不是一蹴而就，而是被市场的投资者逐步认识到，持续时间往往长达6个月至12个月。不论是机构投资者为主的海外市场，还是中小投资者为主的A股市场，都会受到信息处理能力不足的制约，面对股票披露业绩好于预期这一信息处理效率不足，使得这一异象在全球市场长期普遍存在。

2. 应用行为金融学理论加强PEAD异象

在确认了PEAD异象在A股确实存在，以及这一效应主要来自于行为金融学领域中的有限注意力理论之后，我们可以进一步应用行为金融学理论中的知识，对这一异象进行强化，开发出可以更好指导实践投资的加强版投资策略。

具体而言，根据有限注意理论，更不被关注的股票，相对于更容易被关注的股票，PEAD异象理论上应该更强。因此，我们可以找到能够有效描述有限注意力的指标，用来和标准化预期外盈利（SUE）双重排序。从先验来看，关注度低并且预期外盈利高的组别，PEAD异象应该最强、对股票月收益率的影响更好。

我们将从两个角度寻找有限注意力的代理变量： 1）异常换手率（最近一个月的换手率除以过去一年的换手率）低的股票相对于异常换手率高的股票关注度更低，有限注意力问题更严峻。1）市值低的股票（名气小，影响力小）相对于市值高的股票（名气大，影响力大）关注度更低，有限注意力问题更严峻。下面分别使用上述代理变量和SUE进行条件双重排序，检验利用低关注股票能否进一步加强PEAD异象。

2.1异常换手率&SUE条件双重排序

依然使用2005~2019会计财年的全部A股上市公司财务和交易数据作为计算基础。具体计算过程和说明如下：

1）以异常换手率排序，分为5组；第0组异常换手率最低，第4组异常换手率最高。
2）把每一组内的股票按照SUE值高低排序；第0组SUE值最低，第4组SUE值最高。
3）每组内股票按总市值加权，按月再平衡，计算每个投资组合的月均收益率。最后结果如下表所示：

表格中的最右一列是给定异常换手率下，利用SUE4 - SUE0构建的对冲组合，即PEAD异象。可以看到，在异常换手率0到3组，无论是预期收益率还是其t-值都单调下降，说明PEAD异象随着有限注意力问题的减弱而减弱，符合先验猜想。唯一的例外是最后异常换手率最高的一组，由于异常换手率4/SUE0这部分极端股票的收益率太低，导致该组内PEAD异象收益率也很高。但总体来看，上述结果支持了猜想，即股票的关注度越低，PEAD异象越显著。

除了考察PEAD异象外，同样可以观察SUE4这一档在不同异常换手率下的表现（这对于纯多头策略有借鉴意义）。结果显示随着异常换手率增加，SUE4的收益率基本符合单调下降，该数据同样非常好地验证了先验猜想。

2.2市值&SUE条件双重排序

使用市值的计算过程和异常换手率方法一致，在此不再赘述，结果如下表所示：

与异常换手率类似，首先考察控制市值后的PEAD异象。从结果中并没有看出太好的单调性，反而表现出倒U形，即市值0和市值4中PEAD异象收益率低，中间三组PEAD异象收益率高。进一步分析可知，这些PEAD异象的多头（即SUE4组）满足很好的单调性，因此问题出在空头组合，这可能与A股业绩显著低于预期的群组里有过多彩票股、题材股、重组股和借壳股有关，值得进一步研究。

3. 根据加强后的PEAD异象改进投资策略

从根据异常换手率和SUE以及市值和SUE的两个双重排序结果中，我们都观察到了一个现象，即靠右上角的部分，即关注度最低并且业绩超预期程度最高的组别，月均收益率显著更高；而靠右下角部分，即关注度最高且业绩达到预期程度最低的组别，月均收益率显著更低。

以异常换手率为例：

1）低异常换手率和高SUE都和未来收益率正先关，且在投资者有限注意力的影响下，业绩好于预期的信息发酵更慢，因此低异常换手率代表的有限注意力严峻可以改善PEAD异象，产生了额外的正贡献，造成股价上涨收益更明显。（右上角）
2）高异常换手率和低SUE和未来收益率负相关，二者叠加造成未来预期收益率更低。（左下角）
3）低异常换手率/低SUE以及高异常换手率/高SUE组，二者和预期收益率的相关性相反，作用相互抵消，因此难以预测未来股票的收益率。从双重排序结果也可以看出，这两个组合的预期收益率和万得全A 指数的预期收益率差别不大。（左上角和右下角）

以上推论如下表所示：

类似的，对市值而言也可以得到相同的猜想，如下表：

综合以上两组观察，我们可以得出结论：通过做多低关注/高SUE的股票，做空高关注/低SUE的股票，能够获得更高和更加平稳的股票投资收益。具体来说，通过做多异常换手率0/SUE4组合、做空异常换手率4/SUE0组合，月均超额收益为1.83%，t值3.37；通过做多市值0/SUE4组合、做空市值4/SUE0组合，余额均超额收益为2.26%，t值4.36。这两个改进策略均强于原始的PEAD异象（月均收益率0.90%，t值2.83）。下图显示了原始PEAD异象和两个改进后PEAD异象的累计收益。

综合以上分析和结论，我们认为，通过应用行为金融学理论，可以成功地对PEAD效应进行针对A股特点的改进和加强，有效开发出在实践中收益能力更强的投资策略，应用于目前在新冠疫情影响下盈利波动进一步放大的A股市场。

参考文献：
1.Ball, R. and P. Brown. (1968). An empirical evaluation of accounting income numbers. Journal of Accounting Research 6(2), 159 – 178.
2.Bernard, B. L. and J. K. Thomas (1989). Post-earnings-announcement drift: Delayed price response or risk premium? Journal of Accounting Research 27, 1 – 36.
3.Foster, G., C. Olsen, and T. Shevlin (1984). Earnings release, anomalies, and the behavior of security returns. The Accounting Review 59(4), 574 – 603.

本文系学生个人观点，不代表清华大学五道口金融学院及金融MBA教育中心立场，转载请联系作者授权。