摘要事件驱动是一类传统的投资策略，其将离散化的事件时间对齐,来看其是否具有的超额收益。这里所说的事件可以是公告，如业绩预告，定增公告，高转送等，也可以是技术指标，如CCI小于-200，DEA穿0等等。本文旨在完成一个简易的事件驱动分析基本流程，以及由事件驱动分析转化为投资策略的一些思考。
一、事件列表获取
首先我们要获取事件数据，如下调用业绩预告API，对于事件分析来说，一定要知道的是股票代码和事件发生的时间字段，保留forecastType字段，方便以后对不同业绩预告做分组分析。
https://uqer.io/community/share/582025d4228e5ba8f75714db
二、行情数据获取
事件分析需要用到一个窗口内的行情数据，但通过离散的时间点反推拿数据调用API太多，并且也是会冗余的。故我们先将所有可能用到的行情数据全部拿出，生产一张日期-股票的二维表。
业绩预告公布通常是收盘后发生，此处我们计算每日收益采用的更接近实际的开盘至开盘的收益。
三、基准收益选取
我们分析结果是要看最后事件是否具有超额收益，故要设置一个基准收益，看处于事件的股票的收益是否比基准收益更高。此处我们将股票同行业的平均收益做为基准收益，更细致的分析，可以将市值因素考虑进来，出于运算时间的考虑此处没有加上。

四、时间窗口分析
事件驱动分析将时间发生点设置为T+0，将所有事件发生对齐到T+0点，并设置T-n到T+n为事件影响期，看事件的超额收益情况。
接下来我们对几类常见的业绩预告进行时间窗口分析，首先看下有哪些分类，以及其样本数量。
22    1753111     799224     796851     499321     405323     372741     291713     172712      34931      19932      11414       4729        1
Name: forecastType, dtype: int64
可以看出这个原文中API将业绩预告分为13类，我们将样本点过少的状态剔除，分析样本点大于2000的业绩预告事件。它们分别是，22——业绩预增；11——预计亏损；24——盈利下降；51——经营预期及其他（该条描述不明也不予分析）；21——预计盈利；23——盈利减缓；41——基本持平

从上图我们可以看出，第一，在业绩预增公告发布时有一个明显的开盘至开盘的超额收益（两条红虚线之间），但这个收益在公开信息的情况下是没法抓到的；第二，业绩预增公告发布之前，股票存在明显的超额收益，表明确实存在公告发布之前就有很大的涨幅；第三，业绩预增公告发布之后，股票几乎没有超额收益，有一点利好出尽是利空的感觉。

从上图可以看出，预计亏损事件在公告发布之前就有明显的负的超额收益，并在预计亏损事件公布之后快速下跌，不过最后并不会再持续下跌。

从上图可以看出，盈利下降事件在公告发布之前就有明显的负的超额收益，并在盈利下降事件公布之后快速下跌，并在25个时间窗口内持续下跌。

从上图中可以看出，预计盈利事件表现出在公告发布之前有一定的超额收益，在公告发布时有一个显著的超额收益；并在随后的25个交易日，有着显著的超额收益。此处的预计盈利分类不知其确切意思，可能有扭亏为盈的意味。不过像这样的事件我们就可以着重分析，因为其在公告发布后仍有不错的超额收益，这部分是我们能掌握的。

从上图可知，盈利减缓事件，呈现出公告发布前几乎没有超额收益，但在公告发布之后的25个交易日呈现出显著的超额收益。有些反常，但我们暂不深究数据本身。

从上图可知，基本持平事件，呈现出公告发布前几乎没有超额收益，公告发布的两日呈现出负的超额收益，然而之后的24个交易日呈现出显著的超额收益。有些反常，但我们暂不深究数据本身。
五、事件驱动分析转化为投资策略
上面的事件分析给了我们另一个角度来看股票的超额的收益，然而事件的发生实际上是离散的，上述分析无法给出我们一个投资策略。本文提供一个简易的思路来将事件驱动分析转化为投资策略。
我们知道我们上面的分析是将每一个处于事件的股票累计收益的平均，故一个直接的想法便是将所有处于事件的股票等权买入，但因为事件是离散的，我们在一个持有期会面临着新的处于事件的股票需要买入，而导致实际上我们对每一个股票并不都是同一权重的。 此处给出的解决办法是，首先计算出处于事件窗口期的最大股票个数，然后以这个最大股票个数的倒数做为每一只处于事件的股票的权重，这样就能保证所有处于事件的股票以同一权重跑完整个窗口期。
如上我们得到了预计盈利事件的窗口期有交叉的最大股票个数，225；故我们编写如下策略

查看回测详情，以及回测曲线可以看出，预计盈利事件自带择时属性；牛市时，该事件相对较多，而在熊市时，该事件相对较少。
六、总结

---

本文以业绩预告为例，给出了一个事件驱动的基本分析过程，并给出最后的demo策略。通过上面的分析过程，我们可从另一个角度来看股票的超额收益，将离散的事件规整到同一分析维度，来看这类事件是否是存在超额收益的。但最后我们做策略时，我们还是要面对离散的事件，如果各事件窗口不存在交叉的话，我们可以很简单使用凯利公式来得到我们对每个事件的最优仓位。然而大部分时候，事件的窗口都存在很多的交叉，如上策略我们做了一个最大股票个数平均仓位的处理，但是这样资金利用率非常低，而且存在事件个数在各年份不一定稳定的问题，所以在真实情况下，我们对未来该事件发生的次数做一个预测或许是一个更好的方式。

原文地址:https://uqer.io/community/share/582025d4228e5ba8f75714db