调研活动新趋势：线下调研模式回归主旋律，披露调研活动的上交所公司数量有所提升
线下调研模式回归主旋律。2020年之前，调研活动主要以线下形式开展，占比均值高达90.5%。2020年至2022年，近半数调研活动以线上形式开展。而今年以来线下调研数量和占比均有所回升，线下调研模式回归主旋律。
上交所主板新增投资者关系管理规则，披露调研活动的上交所公司数量有所提升。2022年1月，上交所主板出台《上海证券交易所上市公司自律监管指引第1号——规范运作》，规定上市公司应当定期通过上证e互动平台“上市公司发布”栏目汇总发布投资者说明会、证券分析师调研、路演等投资者关系活动记录。2022年新规公布后，披露调研活动的上交所主板公司数大幅上升，调研因子覆盖度也进一步有所保证。
捕捉调研活动市场反应强度对股票收益的负向预测能力，构建调研大类因子
刻画市场对调研活动的短期反应速度和反应强度。我们将从反应速度和反应强度两个角度刻画调研后市场短期反应程度。其中我们使用IPT（Intra-period Timeliness）刻画市场对调研活动的反应速度；使用超额收益率绝对值、标准化异常超额收益率绝对值、成交量和成交额去刻画市场对调研活动的反应强度。
调研活动的市场反应强度对股票收益有一定负向预测能力。我们选取公司在六个月内最新发生的调研活动，计算市场对该调研活动的反应强度因子，整体而言该类因子的有效性表现较为出色，调研活动的市场反应强度对股票收益有一定负向预测能力。其中超额收益率绝对值、标准化异常成交量和成交额在调研活动发生日和公告日的反应强度均有较强的收益预测能力，表现较好的标准化异常成交量因子IC均值实现-2.18%，ICIR达到-0.57。
调研因子在全市场和中证1000范围内表现优异。我们选择六个月的时间窗口，将调整极性的调研数量（ISNum_6M）、调研变化率（ISChange_6M）、调研超额收益绝对值（IS_abar_surveydate_2d）和调研标准化异常成交量（IS_stdz_vol_anndate_1d）等权加总，构建调研因子（IS）。调研因子在全市场和中证1000的IC检验有效性较为显著，其中，调研因子在全市场的IC均值为2.74%，ICIR实现0.73；在中证1000范围内，调研因子的IC均值达到3.18%，ICIR为0.57。
利用分析师预期和调研数据，构建市场关注度组合策略
调研因子在分析师低覆盖的股票池中表现较优。若卖方分析师对股票的覆盖度偏低，市场对该公司的了解可能相对较少，此时调研活动为投资者带来的增量信息可能更有价值。我们对调研大类因子和构建调研大类因子的四种调研细分因子在分析师低覆盖和高覆盖两种股票池中进行IC有效性检验，五种调研因子在分析师低覆盖的股票池中均有更好的有效性表现，其中调研大类因子在分析师低覆盖股票池中的IC均值提升至3.47%，ICIR达到0.86。
调研与分析师预期体现市场对公司的关注度。调研活动与分析师预期变化均能捕捉市场对公司的关注度，其中调研数据体现市场对公司的关注热度，而分析师预期变化体现市场对公司的关注方向。其次，卖方分析师调研后可能会根据调研获得的信息对预期数据进行调整，这部分增量信息无法被调研数据覆盖，因此研究调研活动时引入分析师预期变化数据可以从新的角度对调研进行描述。因此，我们将利用调研大类因子和分析师一致预期净利润三个月变化率因子，从关注热度和关注方向两个角度，在全市场和分析师低覆盖股票池中构建市场关注度组合策略。
全市场范围内市场关注度策略选股能力较为优异，分析师低覆盖范围内市场关注度策略今年表现出色。我们在全市场范围和分析师低覆盖范围内分别构建两种市场关注度策略，全市场范围内两种策略选股能力较为优异，在全样本期间（2014-01-02至2023-04-14）分别实现30.08%和26.17%的年化收益；分析师低覆盖范围内两种策略选股能力均表现良好，在全样本期间分别实现26.08%和23.68%的年化收益，且在今年（截至4月14日）有较优的收益表现，今年以来收益率分别为18.74%和16.96%。
风险
本篇报告基于市场历史表现搭建策略，无法确保策略样本外表现。
调研活动新趋势：回归线下，信息披露规范化
线下调研模式回归主旋律
2020年至2022年，近半数调研活动以线上形式开展。2020年之前，调研活动主要以线下形式开展，占比均值高达90.5%。2020年以来调研总数有所提升，其中线上调研的占比也存在明显增长，2020年至2022年的线上调研占比均值达到55.2%，近半数调研活动以线上形式开展。
线下调研模式回归主旋律。今年以来线下调研数量大幅回升，一季度同比增速达到95.7%；同时，线下调研占总调研比值也略有上调，一季度占比均值实现65.9%。今年以来线下调研数量和占比均有所回升，线下调研模式回归主旋律。
图表1：不同类型调研事件月度统计
资料来源：Wind，中金公司研究部，截至2023-03-31
披露调研活动的上交所公司数量有所提升
上交所主板新增投资者关系管理规则。2022年以前，上交所主板并未出台投资者关系管理的相关规则，而深交所和科创板均对投资者关系披露有一定要求。2022年1月，上交所主板出台《上海证券交易所上市公司自律监管指引第1号——规范运作》，规定上市公司应当定期通过上证e互动平台“上市公司发布”栏目汇总发布投资者说明会、证券分析师调研、路演等投资者关系活动记录。
图表2：投资者关系活动披露政策变化
资料来源：上海证券交易所，深圳证券交易所，中金公司研究部
披露调研活动的上交所主板公司数量有所提升。2022年之前，披露调研活动的上交所主板公司数量较为稀少；而在2022年新规公布后，披露调研活动的上交所主板公司数大幅上升121.75%，调研因子覆盖度也进一步有所保证。
图表3：不同板块调研公司年度统计
资料来源：Wind，中金公司研究部，截至2023-03-31
调研活动的市场反应强度对股票收益具有一定负向预测能力
从市场反应角度间接构建调研因子
市场对事件的短期反应能否预测公司股价？海外对市场短期反应程度与公司未来股票收益的关系有一定研究，Ikenberry等人（1995）发现市场在公开市场回购公告日对该信息反应不足，但股票长期有良好的收益表现；Pritamani和Singal（2001）发现伴随公开新闻的股价大幅调整具有动量效应；Tetlock（2011）发现投资者倾向于对陈旧新闻进行过度发应，陈旧新闻发布当天的股票收益率会负向预测下一周的股票收益表现。
调研活动的市场短期反应是否对公司股价有预测能力？我们以传智教育（003032）为例，初步探讨调研活动市场短期反应对公司股价的预测能力。该公司于2021年8月18日披露了当天发生的特定对象调研活动，且公司在调研发生当日和下一交易日两天的超额收益率绝对值处于市场高位，体现市场对调研活动短期反应较为剧烈，但由下图可知，该公司中长期收益表现欠佳。因此，若市场对调研活动的短期反应程度较为剧烈，我们认为短期内市场对调研活动存在过度反应的可能，股票未来收益表现或将欠佳。
图表4：市场对调研活动短期反应程度案例
资料来源：Wind，中金公司研究部
捕捉调研活动短期市场反应，间接构建调研因子。Cheng等人（2019）对深交所上市公司的调研活动进行研究，发现短期内市场对调研活动会有显著反应。我们在《基本面量化系列（9）：机构调研行为是否存在alpha？》中直接使用调研活动次数构建了调研数量因子ISNum_6M和调研变化率因子ISChange_6M；本章节我们将利用调研后市场短期反应程度，从间接角度构建调研因子，探讨调研后市场短期反应程度能否对公司股价有一定预测能力。
图表5：两种构建调研因子的方法
资料来源：中金公司研究部
刻画市场对调研活动的短期反应速度和反应强度。我们将从反应速度和反应强度两个角度刻画调研后市场短期反应程度。其中我们使用IPT（Intra-period Timeliness）刻画市场对调研活动的反应速度；使用超额收益率绝对值、标准化异常超额收益率绝对值、成交量和成交额去刻画市场对调研活动的反应强度。
图表6：市场对事件的短期反应
资料来源：Twedt B. Spreading the word: Price discovery and newswire dissemination of management earnings guidance[J]. The Accounting Review, 2016, 91(1): 317-346.，Cheng Q, Du F, Wang B Y, et al. Do corporate site visits impact stock prices?[J]. Contemporary Accounting Research, 2019, 36(1): 359-388.，中金公司研究部
IPT刻画股价包含信息的速度。我们根据（Twedt，2016）的方式计算调研发生日或调研公告日后公司六天和十一天的IPT，刻画股价包含调研信息的速度。我们以六天的IPT为例，由下图可知，Abn_Returnt 代表累计超额收益率，Abn_Returnt / Abn_Return5为图中y轴坐标，此时IPT的计算公式为:
其中IPT越大，股价在指定天数内包含事件信息的速度越快，价格发现过程越有效率。我们利用IPT捕捉市场在短期内是否及时对调研信息进行反映。
图表7：市场对事件的短期反应速度
资料来源：Twedt B. Spreading the word: Price discovery and newswire dissemination of management earnings guidance[J]. The Accounting Review, 2016, 91(1): 317-346.，中金公司研究
关注事件研究当日和下一交易日的市场反应强度。我们将分别从调研发生日和调研公告日刻画市场反应强度，考虑到若事件在收盘后发生或公告，则市场最快将在下一交易日对该事件进行反映，因此我们除了要关注调研发生日和公告日的市场发应，同时也要关注下一交易日的市场反应强度。
图表8：市场反应强度研究关注点
资料来源：中金公司研究部
利用短期反应强度判断中长期投资机会。我们根据（Cheng et al.，2019）的方式使用标准化异常超额收益率绝对值和标准化异常成交量去刻画市场对调研活动的反应强度，同时衍生计算超额收益率绝对值和标准化异常成交额。若市场对调研活动的短期反应强度较为平缓，我们认为短期内市场没有及时捕捉调研活动的增量信息，此时可能具有一定中长期投资机会。
从短期市场反应角度间接构建调研因子。我们将通过上文介绍的方法，从短期市场反应速度和强度两个角度构建间接调研因子，并对间接调研因子进行有效性测试，筛选表现良好的因子构建调研大类因子。
图表9：构建间接调研因子关注点
资料来源：中金公司研究部
调研活动的市场反应强度对股票收益有一定负向预测能力
市场短期反应速度因子有效性表现均欠佳。我们选取公司在六个月内最新发生的调研活动，计算该调研活动发生日和公告日后的IPT，该类因子有效性表现均欠佳，表明市场短期反应速度不具备收益预测能力。
图表10： 市场短期反应速度在全市场的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研活动的市场反应强度对股票收益有一定负向预测能力。我们同样选取公司在六个月内最新发生的调研活动，计算市场对该调研活动的反应强度因子，整体而言该类因子的有效性检验表现较为出色，其中超额收益率绝对值、标准化异常成交量和成交额在调研活动发生日和公告日的反应强度均有较强的收益预测能力，表现较好的标准化异常成交量因子IC均值实现-2.18%，ICIR达到-0.57。
图表11: |超额收益率|在全市场的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表12：标准化异常|超额收益率|在全市场的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表13：标准化异常成交量在全市场的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表14：标准化异常成交额在全市场的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研活动的反应强度因子间相关性偏高。我们对调研活动反应强度类因子及调研数量因子（ISNum_6M），调研变化率因子（ISChange_6M），反转因子（Momentum_1M），换手率因子（TURNOVER_1M），质量因子（QQC），价值因子（Value），股东因子（HN_z），一致预期EP因子（EEP），预测机构数因子（RPP_75D）和一致预期3个月调整因子（EEChange_3M）之间的相关系数进行计算，发现调研活动反应强度类因子和大部分因子之间的相关系数绝对值低于20%。但调研活动的反应强度因子间相关性偏高，其中标准化异常成交量和标准化异常成交额因子高度相关。
图表15：调研因子间相关性
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表16：调研因子与其他重点因子相关性
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2013-12-31至2023-03-31
构建调研大类因子：全市场和中证1000范围表现优异
筛选调研活动反应强度类因子构建调研大类因子。根据上文因子相关性检测和IC有效性测试，我们筛选出调研超额收益绝对值因子和调研标准化异常成交量因子构建调研大类因子。其中对于调研超额收益绝对值因子，我们在调研发生日后计算两天的超额收益绝对值；对于调研标准化异常成交量因子，我们在调研公告日后计算当天的标准化异常成交量。
平衡调研反应强度因子的覆盖度和有效性。我们在上文构建调研活动反应强度类因子时，选取了公司在六个月内最新发生的调研活动，这里我们将对比不同时长内公司最近一期调研后该类因子表现。由下图可知，时长偏低的因子覆盖度较弱，但有效性表现或有一定提升，因此我们在构建调研反应强度因子时需要平衡该因子的覆盖度和有效性。
图表17： 不同月份调研超额收益绝对值因子在全市场的有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表18: 不同月份调研标准化异常成交量因子在全市场的有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
构建调研大类因子。我们选择六个月的时间窗口，将调整极性的调研数量（ISNum_6M）、调研变化率（ISChange_6M）、调研超额收益绝对值（IS_abar_surveydate_2d）和调研标准化异常成交量（IS_stdz_vol_anndate_1d）等权加总，构建调研因子（IS）。
近期调研因子覆盖近半数公司。近年来调研总数和披露调研公司数的提升使调研因子覆盖度有所增长，由于调研次数会在个别月份实现大幅提升，调研因子覆盖度变化较为震荡。2022年上交所主板发布披露投资者关系活动的相关规定有利于维系调研因子覆盖度，我们认为未来调研因子覆盖表现或将稳中有升。
图表19：调研因子覆盖度
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研因子在全市场和中证1000范围内表现优异。调研因子在全市场和中证1000的IC检验有效性较为显著，其中，调研因子在全市场的IC均值为2.74%，ICIR实现0.73；在中证1000范围内，调研因子的IC均值达到3.18%，ICIR为0.57。
图表20：调研因子的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研因子调研因子在机械行业有较强的收益预测能力。调研因子在机械、有色金属、纺织服装和房地产行业有效性较强，其中调研因子在机械行业的IC均值为3.64%，ICIR达到0.41。而调研因子在汽车、消费者服务和国防军工行业有效性表现欠佳。
调研因子IC值衰减速度适中，选股能力时效性表现良好。在IC衰减分析中，T+n期IC均值代表T期因子与T+n期月度收益的秩相关系数均值。IC衰减分析用来检验因子选股能力的时效性，由下图可知调研因子IC值衰减速度适中，选股能力时效性表现良好。
图表21：调研因子分行业IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
图表22：调研因子IC衰减
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研因子在全市场中选股能力表现良好。我们对调研因子进行组数为十组的分组回测，整体而言调研因子在全市场中选股能力表现良好，多头组合实现了较高的年化收益和较低的最大回撤。同时调研因子具有较好的分组单调表现，分组回测的单调性数值达到96.36%。
图表23： 调研因子分组回测净值走势
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14
图表24: 调研因子分组回测统计表现
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14
调研因子与重点因子相关性偏低。我们将调研因子与部分重点因子进行相关性测试，发现调研因子和重点因子之间的相关系数绝对值低于10%，说明调研因子与重点因子间的相关性偏低。
图表25：调研因子与重点因子的因子相关性和IC相关性
资料来源：Wind，朝阳永续，中金公司研究部，样本期为2013-12-31至2023-03-31
分析师覆盖对调研因子的影响
本章节我们将介绍调研因子在分析师低覆盖股票池中的表现，并利用分析师预期和调研数据，构建市场关注度组合策略。
调研因子在分析师低覆盖的股票池中表现较优
调研活动或在分析师低覆盖的公司获取更多增量信息。若卖方分析师对股票的覆盖度偏低，市场对该公司的了解可能相对较少，此时调研活动为投资者带来的增量信息可能更有价值。因此我们在六个月内有调研的股票池范围内，剔除ST股、停牌股、上市未满一年的股票，每期根据过去一年卖方覆盖的机构数将股票均分为低覆盖和高覆盖两组，探索调研因子在分析师低覆盖股票池中的表现。
调研因子在分析师低覆盖的股票池中表现较优。我们对调研大类因子和构建调研大类因子的四种调研细分因子在两种股票池中进行IC有效性检验。由下图可知，五种调研因子在分析师低覆盖的股票池中均有更好的有效性表现，其中调研大类因子在分析师低覆盖的股票池中的IC均值提升至3.47%，ICIR达到0.86。
图表26: 调研因子在分析师低覆盖股票池和高覆盖股票池中的IC有效性检验
资料来源：Wind，中金公司研究部，样本期为2013-12-31至2023-03-31
调研因子在分析师低覆盖的股票池中选股能力表现良好。调研大类因子在分析师低覆盖股票池中多头组合具有良好的年化收益表现，同时分组单调性表现相比分析师高覆盖股票池较为显著，因此调研因子在分析师低覆盖的股票池中选股能力表现良好。
图表27: 调研因子在分析师低覆盖股票池的分组回测
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14
图表28: 调研因子在分析师高覆盖股票池的分组回测
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14
调研因子的应用：构建市场关注度组合策略
调研与分析师预期体现市场对公司的关注度。调研活动与分析师预期变化均能捕捉市场对上市公司关注度，其中调研数据体现市场对公司的关注热度，而分析师预期变化体现市场对公司的关注方向。其次，卖方分析师调研后可能会根据调研获得的信息对预期数据进行调整，这部分增量信息无法被调研数据覆盖，因此研究调研活动时引入分析师预期变化数据可以从新的角度对调研进行描述。
本节将利用调研大类因子和分析师一致预期净利润三个月变化率因子，从关注热度和关注方向两个角度，在全市场和分析师低覆盖股票池中构建市场关注度组合策略。
全市场范围选股
全市场范围内市场关注度策略选股能力较为优异。我们在全市场范围内构建两种市场关注度策略，其中市场关注度策略1利用调研因子和一致预期净利润三个月变化率因子构建等权复合因子，通过复合因子筛选30只股票构建等权组合；市场关注度策略2先通过调研因子筛选100只股票，再用一致预期净利润三个月变化率因子筛选30只股票构建等权组合。两种策略选股能力均表现良好，在全样本期间分别实现30.08%和26.17%的年化收益。
图表29：全市场范围内市场关注度策略
资料来源：中金公司研究部
图表30：全市场范围市场关注度策略净值走势
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14；基准指数为万得全A（等权）指数（8841388.WI）
图表31: 全市场范围市场关注度策略分年度统计
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14；注：1）基准指数为万得全A（等权）指数（8841388.WI）；2）2023年年化收益率为YTD
分析师低覆盖范围选股
分析师低覆盖范围内市场关注度策略今年表现出色。与全市场范围构建策略的方式一致，我们在分析师低覆盖范围内构建两种市场关注度策略。两种策略选股能力均表现良好，在全样本期间分别实现26.08%和23.68%的年化收益，且在今年（截至4月14日）有较优的收益表现，今年以来收益率分别为18.74%和16.96%。
图表32：分析师低覆盖范围内市场关注度策略
资料来源：中金公司研究部
图表33：分析师低覆盖范围市场关注度策略净值走势
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14；基准指数为万得全A（等权）指数（8841388.WI）
图表34: 分析师低覆盖范围市场关注度策略分年度统计
资料来源：Wind，中金公司研究部，样本期为2014-01-02至2023-04-14；注：1）基准指数为万得全A（等权）指数（8841388.WI）；2）2023年年化收益率为YTD
本文摘自：2023年4月21日已经发布的《基本面量化系列（11）：由表及里，多维度探索调研信息》
曹钰婕 联系人 SAC 执业证书编号：S0080122030141
古翔 分析员 SAC 执业证书编号：S0080521010010 SFC CE Ref：BRE496
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
