在 A 股每年的 4 月、10 月等密集财报披露季，市场往往会陷入剧烈的剧烈震荡和风格切换中。许多技术流散户看着杂乱无章的技术指标一筹莫展，而传统的价值投资者又因为看财报的时效性太慢而屡屡错失良机。在基本面量化（Quantitative Fundamental）的庞大版图里，存在着一个威震江湖、被专业对冲基金反复复制长达数十年依然有效的硬核策略逻辑——“盈余公告后漂移策略（Post-Earnings-Announcement Drift，简称 PEAD 策略）”。这个策略的数理核心建立在行为金融学的经典缺陷之上：当一家上市公司的财报业绩出现爆发式“超预期”时，由于市场参与者的认知钝化和机构调仓的缓慢，股价绝对不会在公告当天一步涨到位，而是会在未来长达数周甚至数月的时间轴上，上演一轮非线性的、确定性极高的阶梯式震荡向上漂移。

PEAD 策略要实现数理上的闭环，核心关键在于如何用代码精准衡量和定义企业的——“标准化意外盈余（Standardized Unexpected Earnings，简称 SUE 因子）”。

很多量化新手最喜欢犯的低级错误是：直接把“净利润同比增长率最高的股票挑出来买入”。这在工程上是完全不合格的，因为同比增长 100% 的公司，如果市场对它的预期是增长 150%，那么在公告当天它不仅不是利好，反而会引发灾难性的业绩不及预期砸盘。

在专业的 PEAD 策略代码中，SUE 因子的数理求解公式写得极为严密：

$$SUE_t = \frac{Q_t - E(Q_t)}{\sigma_t}$$

在这个统计学模型中，$Q_t$ 代表上市公司在当季财报中披露的“真实每股收益（EPS）”；$E(Q_t)$ 代表通过时序时间序列模型（如季节性随机游走模型或数理分析师预期均值矩阵）预测的“每股收益期望值”；而分母 $\sigma_t$ 则是过去若干期意外盈余的历史“标准差（Standard Deviation）”，其数学功能是消除不同行业、不同个股之间的波动量纲差异，实现全市场横截面上的无痛对比。

量化程序在财报季每天晚上，通过事件驱动接口（Event-Driven API）动态扫描最新的上市公司公告事件库：

第一阶段：数据截面清洗。一旦扫描到某家公司在今晚发布了正式的一季报、半年报或年报，代码立即提取其真实的 EPS 数据。

第二阶段：意外盈余求解。通过计算其真实值与过去四个季度滚动业绩中位数的差值，除以历史标准差，求解出该股最新的 SUE 得分。

第三阶段：多维拦截与买入触发。如果某只股票的 SUE 得分突破了统计学 1.96 的显著性边界（说明发生了绝对的超预期爆发），且当晚伴随着分析师评级的上调事件，Python 的交易模块立即将其打入“PEAD 多头漂移股票池”。在次日开盘第一秒，程序利用算法智能单顺势跟进买入，随后持股固定周期（如 20 个交易日），死死咬住这一段由于全市场认知滞后而衍生出来的无风险超额漂移利润。

量化交易的核心优势，是用程序代替人工，规避情绪干扰、提升交易效率。而我司打破“验资等待”的限制，10万入金即开QMT/PTrade专业版，再加上线上办理的便捷、专业团队的全程指导、多重专属福利的加持，让普通投资者也能轻松解锁智能交易工具。全市场个股当晚财报公告事件的毫秒级时序捕捉、SUE 因子跨期复杂标准差的动态矩阵运算、以及次日开盘的极速委托响应，对量化软件底层的事件驱动引擎和券商基本面数据库有着近乎严苛的性能要求。国金证券提供的QMT与PTrade系统提供了专业级的、直连券商端标准化公告事件与基本面财务因子库，其原生的事件驱动（subscribe）机制能够支持 Python 策略在零延迟状态下对全市场的财务公告超预期信号进行秒级捕捉与智能算法拆单。我们还提供贴心的专业量化社群答疑与实操指导，指导您精细化搭建 PEAD 盈利模型，并配套超优惠的佣金费率与线上业务办理服务，全方位护航您的基本面量化策略稳健掘金。