披露期研究续，下一阶段的行业布局.docxVIP

图表 1: 解释变量 符 符号 名称 计算方法 log_Hsgrowth 过往成长性得分 使用过去四个季度的业绩数据排序打分并对数化，详见往期报告 log_Q3growth 三季度单季利润增速得分 Q3归母净利润增速排序打分并对数化，详见往期报告 AR_2weeks 披露前两周超额收益 三季报披露日前两周个股相对万得全A（881001.WI）的超额收益 AR_1day 披露前一天超额收益 三季报披露日前一天个股相对万得全A（881001.WI）的超额收益 Bias_pure 提纯后均线偏离度 披露日当日股价相对20日均线的偏离度，在剔除AR_2weeks及AR_1day影响后的值 Vol_vsJul 披露前1个月成交量相对水平 披露日前20个交易日的日均成交量，相对于该个股7月6日~16日的日均成交量的比值 资料来源：Wind、中金公司研究 首先，9-10 月仍然处于半年报的影响范围。统计经验来看，半年报信息在基本面评判中起到承上启下、定调全年的作用，不仅是因为半年报本身可读性高，也是由于此时上市公司对下半年走向看得更加清晰、同市场的交流互动更频繁。今年存在疫情扰动，半年报的“定调”意义更大，而市场对半年报的全面彻底分析基本要在 9 月才可全面完 成，因此 9-10 月通常仍然处在半年报的影响范围。落实到统计结果上，就是“历史成长性得分”在半年报披露期有显著正向作用，而在三季报披露期则基本无用，三季报对预期的作用更多在于“边际微调”。 其次，国庆前后市场成交清淡，降低了信息的渗透效率。9-10 月同 7-8 月所处的市场阶段完全不同。7 月初行情产生了较明显的财富效应，股市吸睛能力强，成交量大幅提升，而此时恰逢半年度业绩披露，由于筹码换手频繁，因此业绩信息得以快速而充分地反应到股价波动中。相反，9-10 月的市场面临较多不确定性，而国庆节前后也存在明显的成交清淡期，业绩信息的渗透效率降低，同时节后的反弹很大程度源于对节前谨慎态度的纠正，这种情绪的反 弹很可能为个股的超额收益中加入更多噪声。落实到统计结果上，就是当初应用在半年报披露期的模型，在 9-10月的整体解释能力有明显降低。基于此，我们加入了“披露日前 20 个交易日的日均成交量相对水平”，以度量个股在 9-10 月所处的状态差异。 图表 2: 每日三季报披露数量 个个数55.4% 个 个数 55.4% 600 500 400 300 200 100 0 09-02 09-09 09-16 09-23 09-30 10-07 10-14 10-21 10-28 资料来源：Wind、中金公司研究 最后，市场在 Q3 披露期末端有更为明显的“短线抢跑”行为。9-10 月仍然在半年报信息的影响范围内，因此投资者对三季度业绩进行预判也更加容易且更为自信，从而引发更为明显的“抢跑”行为，并且在披露期末端会更加短期化（基本上只提前 1 天反应）。按照披露时点统计，今年 9 月 1 日至 10 月 28 日披露的三季报占比 55.4%，10月 29 日-31 日披露的数量占 44.6%，前期披露的 55.4%样本已足够市场形成对行业整体情况及剩余公司的判断，而最后三天的披露量也高达 44.6%，提供了足够的可博弈样本，从而导致针对业绩披露的“抢跑”行为变得更加明 显且更加短期，这种抢跑行为在 7-8 月、9 月至 10 月中下旬都以更为漫长的方式体现。落实到统计结果上，就是除去 10 月最后三天的样本后，三季报披露日前两周的个股超额收益，对披露后第一周的超额收益有明显负向影响，但在 10 月最后三天，这种负向影响则转而通过披露日前一天的超额收益来体现。 部分回归结果如下所示。由于我们并不关心模型的泛用性，只借此对超额收益进行提纯，因此解释变量间弱相关以及影响的显著性更为重要。新加入的变量 Vol_vsJul 同已有变量相关性很弱，且影响显著，这一变量一定程度衡量了个股从成交下滑过程中恢复的速度快慢，以及稳定活跃筹码在日常交易中的占比。 图表 3: 回归结果 被解释变量 披露后一日超额收益(9.1-10.28) 披露后一日超额收益(10.29-10.31) 披露后一周超额收益(9.1-10.28) 披露后一周超额收益(10.29-10.31) 项目 系数 t 值 系数 t 值 系数 t 值 系数 t 值 log_Hsgrowth 0.001 0.721 0.000 -0.099 0.000 -0.245 0.001 0.312 log_Q3growth 0.013 11.997 0.015 10.863 0.019 10.003 0.021 9.883 AR_2weeks -0.030 -2.337 -0.020 -1.047 -0.042 -1.888 0.018 0.625