聚焦头部机构调研信号，创新挖掘高投资收益因子lg...

　　2020-2022三年的机构调研事件数量相比2017-2019年提升97.9％，信息披露完整度不断提升。以2014至2022年月频选股Top30场景为例，每月回看30天统计公募调研机构数变化率指标，加入筛选策略后绝对年化收益率从16.28％提升至24.79％，相对中证全指的年化超额收益率从8.48％提升至16.99％，同时9年期间最大回撤从45.45％降至34.78％。调研热度指标具备较好超额收益能力，但数据噪音直接降低投资有效性的问题有待解决。

　　▍机构行为信息指标化：调研热度指标具备较好超额收益能力，但数据噪音直接降低投资有效性的问题有待解决。

　　机构调研热度指标选股具备稳定的收益能力，市场头部公募基金调研热度有效性更高。机构调研数据应用于选股和行业配置具备较好的超额收益能力，且头部公募基金的调研行为参考价值更高。应用于选股的胜率相对不高，但高盈亏比带来了长期的超额收益。

　　披露调研信息的公司数量不断提升，2013至2022年全A个股覆盖率达到80.31％，但应用于选股仍存在数据有偏、数据噪音等干扰。2020-2022三年的机构调研事件数量相比2017-2019年提升97.9％，信息披露完整度不断提升。但由于交易所披露要求等原因，200亿以下市值公司的调研事件数量占比达到约为76.4％，此外，定期调研与追涨调研等问题也会明显降低机构调研指标的投资有效性。

　　▍精细化挖掘数据价值：选股指标构建加入筛选流程，聚焦高价值调研信号，提升事件驱动的统计有效性。

　　调研热度指标的投资有效性，本质依赖于调研可以及时反映机构看好被调研标的假设。筛选流程针对部分披露滞后、大型调研与媒体活动的统计价值低、追涨调研导致信息已经被市场消化等问题，通过关联机构调研、市场行情、基金重仓等数据，构建相关字段并设计不同的方法与阈值进行多维筛选，部分中枢随时序变化的字段筛选结合了推进分析的思想，从而完成数据噪音的剔除。筛选流程共剔除了24.36％的调研事件，筛选后平均参与人数下降明显，被调研公司的平均市值小幅下降，但分布没有发生严重变化，筛选结果总体呈现市值越大剔除比例越高的趋势。

　　▍选择性探索指标应用：加入筛选策略可以显著增厚定期选股策略的收益，且公募调研行为指标与变化率指标收益提升更明显。

　　筛选策略对于定期选股策略的超额收益提升显著，公募基金调研行为与边际变化类指标的选股收益率提升更加明显。加入筛选策略会显著提升定期选股策略的超额收益，以2014至2022年月频选股Top30场景为例，每月回看30天统计公募调研机构数变化率指标，加入筛选策略后绝对年化收益率从16.28％提升至24.79％，相对中证全指的年化超额收益率从8.48％提升至16.99％，同时9年期间最大回撤从45.45％降至34.78％。

　　筛选策略对公募基金行为和变化率相关统计指标的收益提升更加明显，但行业配置场景受到选股筛选策略的负面影响。通过对常见的多个机构调研统计指标进行回测，可以看到公募基金行为指标和变化率指标的选股收益率提升更加明显。对于月度行业配置场景，加入筛选策略后大部分指标收益率出现不同程度的小幅下降，或与当前机构调研数据披露市值有偏且反映行业关注度的大型调研活动被剔除有关。

　　▍风险提示：

　　机构调研数据披露滞后导致部分信息被市场消化，基于历史规律构建的策略与模型未来可能失效，数据披露不完整导致统计存在偏差。