盈余公告异象因子改进与挖掘 - 量化不掉发

> 20250422-东方证券-因子选股系列之一一四：盈余公告异象类因子改进与挖掘这篇研究报告探讨了在因子选股中，如何改进和挖掘基于盈余公告异象的量价因子。报告首先指出，尽管AI深度学习因子在处理大量数据时表现出色，但在盈余公告这类小样本事件中，人工因子挖掘更具优势。因此，研究聚焦于盈余公告事件窗口，旨在开发低相关性的量价因子，以弥补现有因子组合的不足。通过改进传统AOG因子的缺陷，例如跨日可比性和知情交易者干扰，研究构建了DEMAX超预期因子和QUANTILE盈利质量因子，并验证了它们稳健的选股能力和对现有因子体系的增量提升。此外，报告还提出了一个事件驱动型因子挖掘框架，并展示了如何通过复用该框架，利用其他价量特征（如最低价涨跌幅、早盘大单资金流入）衍生出更多有效的选股因子。