散户财报季为何总高买低卖？AI比你快0.5秒
51s揭示散户与AI在财报发布后的时间差劣势，引发共鸣和好奇。
▶ Play ClipAI Summary
This video breaks down the micro-structure of earnings season, revealing why retail traders consistently buy high and sell low. It explains the Post-Earnings Announcement Drift (PEAD), the role of institutional algorithms, and how volatility strategies can be used to profit from the market's inefficiencies.
Chapters
[00:13]
The 0.5-Second Advantage
Institutional NLP algorithms parse earnings text in under 0.5 seconds, extracting EPS, revenue, and forward guidance before humans can react.
[00:37]
Spread Widening
Market makers widen the bid-ask spread to 3–5 times normal levels to hedge against volatility, causing market orders to fill at unfavorable prices.
[01:05]
Introduction to PEAD
PEAD stands for Post-Earnings Announcement Drift, a well-documented anomaly where prices drift in the direction of the earnings surprise over weeks.
[01:30]
The 50% Information Gap
Only about 50% of the earnings surprise is reflected on announcement day; the rest drifts over the following weeks.
[01:43]
Drift Distribution
The drift distribution: 25% in days 1–5, 15% in days 6–20, and 10% in days 21–60.
[07:53]
Retail vs. Institutional Behavior
Retail traders buy options before earnings, paying high IV premiums; institutions sell options (iron condors or strangles) to collect the premium.
[07:29]
Carnegie Mellon Study
A Carnegie Mellon study of 30 stocks from 2020 to 2025 found that shorting volatility outperformed buying volatility during earnings season.
[08:29]
Dispersion Trade
A typical dispersion trade: sell the 30-day straddle on the S&P 500 and buy two-week options on 35 earnings stocks to profit from the volatility spread.
[09:28]
IV Percentile Check
Check the IV percentile; if it's above 70%, selling volatility is more attractive because the panic premium is higher.
[10:05]
Trading Rules
Avoid market orders in the first 15 minutes after earnings; use limit orders instead to avoid wide spreads.
[11:34]
Three-Question Framework
The three-question framework: SUE history, earnings surprise consistency, and IV percentile before earnings.
Mentioned in this Video
💡 Key Takeaways
📊
The 0.5-Second Algorithm Advantage
Reveals the extreme speed advantage institutions have over retail traders in processing earnings information.
00:13
💡
The 50% Information Gap
Explains why the price doesn't fully reflect earnings surprises on announcement day, creating drift opportunities.
01:30
⚖️
Selling Volatility as Insurance
Highlights the core strategy of selling IV premium before earnings, which is more profitable than buying options.
07:04
📊
Carnegie Mellon Study Results
Provides empirical evidence that shorting volatility outperforms buying volatility during earnings season.
07:29
🔧
The Three-Question Framework
Offers a practical checklist (SUE history, earnings surprise consistency, IV percentile) for evaluating earnings trades.
10:17Full Transcript
[00:00] 你以为你在交易财报,其实你在给AI送钱。 本期视频,拆解财报记的微观结构, PMEAB意象与量化因子模型,
[00:13] 告诉你为什么散户总是高买低卖。 先看一个残酷的时间差。 财报文本一发布, 机构的自然语言处理算法在0.5秒内完成全文解析,
[00:25] 提起EPS,营收和最重要的前瞻主义。 在人类还没看清标题时 首批高频对冲订单已经执行完毕 紧接着 做事商为了规避剧烈波动风险
[00:37] 迅速撤单或大幅放宽报价 买卖价差瞬间扩大到正常时段的3到5倍 这时候你如果挂市价单 成交价格可能远偏离你的预期 等新闻端开始推送利好或利空
[00:51] 第一批散户带着情绪冲进市场 价格往往被算法顺势推到极端的假突破位置 等情绪重变 机构在沿着真实的基本面定价反向交易 收割前期追涨刷跌的筹码
[01:05] 你不是反应慢了 你是根本不在同一个时间维度里交易 PEAD 全称Posterly Announcement Drift 财报公布后价格飘移 这是金融协议最经典
[01:17] 最稳健的市场意向之一 一家公司发布财报后 股价并不会立即完全反映 业绩超预期或不及预期的全部信息 而是会在数天至数周内逐步朝着意外方向飘移
[01:30] 公告日的跳空只反映了大约50%的信息 剩下50%会在接下来几周慢慢释放 那些在公告日追高被套的人 往往等不到飘移完成就已经割肉离场了
[01:43] 这张图展示了PEAD的时间分布 公告日当天 价格大约只反映了50%的超预期信息 接下来的第一到五天会在飘移25%
[01:56] 第六到二十天继续飘移15% 直到第21到60天剩余的10%才慢慢释放完毕 这意味着财报发布后的价格不是一锤定音
[02:08] 而是缓慢飘移 如果你在公告日追高买入 但等不到飘移完成就割肉 那你正好把利润让给了那些更有耐心的机构 PEAD为什么能持续存在
[02:21] 第一个原因是投资者反应不足 散户和机构都不会立即消化财报信息 信息是逐步传播的 资金分批流入 第二个原因是套利摩擦
[02:33] 机构无法无限杠杆化资本来消除这个异常 交易成本 流动性限制 风险厌恶 都阻止了他们立即关闭套利窗口 第三个原因是分析师逐步上调评级
[02:46] 分析师不会在财报后立即调整所有目标价 而是依次更新 持续推动资金流入 这三个原因叠加 让PEAD成为量化机构最稳定的收益来源之一
[02:58] SUE标准化意外盈余衡量的是EPS超预期的幅度有多意外不是超预期5%就完事而是看这个超预期相对于该股票历史波动来说有多大
[03:12] 如果一只股票历史波动很小 那么哪怕超预期5% SUE也会很高 代表真正的意外 反之 如果一只股票经常大幅超预期 那么超预期5%可能只是常态
[03:26] SUE反而不高 这个标准化过程 将不同股票的盈余经济可以横向比较 EAR财报公告回报 捕捉的是市场对财报的及时反应
[03:39] 它计算财报公告前后三天的累计超额回报 相对于Formal French基准 这个指标不仅包含EPS本身 还包含管理层主引 电话会议仪器 订单流等信息
[03:51] SUE和EAR的相关系数仅为0.004 几乎不相关 这意味着他们捕捉的是财报事件中完全不同的两个维度 SUE看基本面意外有多大
[04:05] EAR看市场反应有多强 两者结合才能完整描述一个财报事件 这是Lux.Capital付贷508只股票 18881个股票季度观测值的回测结果
[04:19] SUE单独使用 多头空投年化收益3.91% EAR单独使用 反而是负的3.39% 说明公告日的过渡反应部分会交退
[04:31] 但当SUE和EAR组合起来 做多同时处于最高组的股票 年化收益达到18.5% 做空同时处于最低组的股票 也有13.03%的收益
[04:44] 组合性收益5.48% 策略逻辑很简单 每季度独立按SUE和EAR将所有股票分成五组 做多同时处于最高组的
[04:56] 做空同时处于最低组的 只有60个交易日后重新平衡 散户和量化机构在采报季的认知差异 可以用这张对比图概括 散户看的是超预期没超预期
[05:09] 这是一个二元判断 量化机构看的是超预期的幅度乘以市场反应的强度 这是一个数学模型 散户追新闻热点情绪驱动 量化机构用双因子稍显统计驱动
[05:23] 数学从来都比二元判断更接近真相 这就是为什么散户在财报季总是高买低卖 而量化机构却能持续获利 不是所有股票的超预期都会带来上涨
[05:37] Munu Inc.用Club Code提起了27家大型科技股的历史数据 发现AI巨头的盈利意外方向与次日股价走势的一致性普遍偏低 英伟达只有27%
[05:50] 台积电27% 高通25% 美光33% 这意味着这些AI巨头的EPS超预期 往往不保证次日股价上涨 因为预期已经被充分定价市场更关注全张指引和估值相反LAM Research的一致性高达75%Meta和阿里巴巴都是67%
[06:13] 亚马逊64% 同样的超预期 在不同股票上意味着完全不同的交易机会 这里有一个关键结论 不是所有超预期都值得追
[06:25] 因为达超预期后的上涨概率只有27% 你追的不是超预期 是别人会追超预期的换解 而LAM Research超预期后的上涨概率是75%
[06:37] 那才是真正的统计优势 对于LRCX这类股票 EPS超预期后次月上涨的概率高达75% 但对于NVDA超预期后次月上涨的概率只有27%
[06:52] 同样的超预期在不同股票上意味着完全不同的交易机会 所以,下次看到某支AI季头超预期 先别急着冲进去,看看它的历史一致性数据
[07:04] 财报季的期权市场,最好的策略不是赌方向,是卖保险 财报前,大量对冲和投机资金涌入期权市场 隐含波动率IE飙升
[07:16] 财报公布后,不确定性消除,IE瞬间坍塌 这就是Low Crash 在LV高位卖出期前的策略 赚的就是这个恐慌溢价的回落 卡内基梅隆大学的一项研究
[07:29] 测试了2020到2025年30只股票的财报季期前策略 结果显示 做空波动率策略前面优于做多波动率策略 其中 Shore Strong在总盈辉
[07:41] 平均盈辉 胜率和下谱比率上表现最强 财报季的期前市场 散户和机构的行为模式截然相反 散户在财报前买入struggle
[07:53] 赌大涨大跌 支付高额的I1溢价 机构在财报前卖出iron condo 或说strangle 收起I1溢价 散户胜利低 必须靠大行情才能回本
[08:05] 机构胜利高 小亏大赚 谁在送钱 谁在收钱 一目了然 当然 做空波动力也有风险 如果财报出现极端意外 I1可能不降返生
[08:17] 导致亏损 所以,仓位管理和风险控制永远是第一位的 财报季还创造了一个独特的套利机会 分散化交易 个股波动率飙升
[08:29] 但指数波动率保持稳定 因为个股的盈益惊喜在指数层面相互比较 一个典型的分散化交易是 卖出标普500的30天跨市期权 赚稳定的指数波动率
[08:42] 同时买入35只财报股的两桌期权 赚个股的独立波动 如果个股财报引发的波动如预期般分散 这个交易可以产生可观的利润 这个策略的核心逻辑是
[08:55] 指数波动必备高估 而个股波动必备低估 通过分散化交易赚取两者之间的再差 这张一表盘展示的是财报前IV百分位如果IV处于过期一年的高位比如超过70%那么做空波动率策略的胜利会更高因为IV越高
[09:16] 意味着恐慌溢价越大 财报后摊他的空间也越大 反之 如果IV处于低位 做空波动率策略的收益空间就有限 风险反而更大 所以 在财报季
[09:28] 检查IV百分位是做空波动率策略的第一步 最后 送你一个财报季的完整操作框架 公告前一到两周 检查LV百分位
[09:40] 如果LV处于过去一年的高位 超过百分之七时 考虑做空波动率策略 检查历史比率 近4G EPS比率超过百分之75的股票 超预期概率更高
[09:53] 避免重仓 财报日波动极大 单比仓位建议不超过总资金的百分之五 公告日当天 绝对不要在财报后15分钟内使用市价单 如果你是散户
[10:05] 前15分钟最好什么都不做 等AI合作事项完成定价 如果一定要交易 用现价单而不是市价单 公告后数天到数周 跟踪PEAD
[10:17] 公告日的票空只反映了大约50%的信息 后续还有票域空间 关注高益智信标的 LRCX META AMTN等 股票的超益期进号更合靠
[10:30] 财报季的对手盘不是市场 是比你快一万倍的 低安心团 PEAD告诉你 公告日的跳空 只反映一半信息 剩下的一半 会在几周内慢慢释放
[10:43] SUE和EAR双因子 一个看基本面意外 一个看市场反映 两者结合 才能捕捉高质量信号 不是所有超预期都值得追 NVDA只有20%的上涨概率
[10:57] 而LRCX高达75% 财报季的期前市场 最好的策略不是赌方向 是卖保险 财报记不是猜你游戏 是概率游戏 而概率是可以计算的
[11:10] 财报记不是看财报猜涨跌的赌博 而是微观结构 数据延迟和量化因子的三重博弈 你以为你在分析基本面 其实你在和AI比速度
[11:22] 你以为你在追超预期 其实你在和机构比统计 在财报记的战场上 活得久的人不是最能猜的 是最知道什么时候该进场 什么时候该在场外看戏的
[11:34] 从今天起 打开一份财报之前 先问自己三个问题 这只股票的SUE历史表现如何 它的盈利意外方向一致性是多少 财报前的ID处于什么百分位
[11:47] 记住 财报季不是猜你游戏 是概率游戏 也欢迎在评论区留下你 最想继续猜解的问题 如果你喜欢这种 把宏观 市场结构 和量化思维
[11:59] 拆开讲清楚的分析 欢迎点赞 订阅ApexQuant 顶点量化 也欢迎在评论区 留下你最想继续抄写的问题 记住 先谈封扣 再谈收益
