如何獲取盈余公告前的超額收益

1、內(nèi)容目錄 HYPERLINK l _TOC_250023 文獻來源 4 HYPERLINK l _TOC_250022 文獻概覽 4 HYPERLINK l _TOC_250021 不確定性的度量 5 HYPERLINK l _TOC_250020 樣本空間 5 HYPERLINK l _TOC_250019 不確定性的度量 6 HYPERLINK l _TOC_250018 樣本統(tǒng)計 6 HYPERLINK l _TOC_250017 不確定性與盈余公告前收益的關(guān)系 7 HYPERLINK l _TOC_250016 盈余公告前的收益和不確定性 7 HYPERLINK l _TOC_2500

2、15 橫斷面的公告前收益和不確定性：投資組合法 8 HYPERLINK l _TOC_250014 橫截面的公告前收益和不確定性：Fama-Macbeth 回歸 9 HYPERLINK l _TOC_250013 橫截面的公告前收益和不確定性：一種可交易的策略 10 HYPERLINK l _TOC_250012 不確定性的本質(zhì) 11 HYPERLINK l _TOC_250011 由 VIX 衡量的市場不確定性 11 HYPERLINK l _TOC_250010 宏觀公告的不確定性 12 HYPERLINK l _TOC_250009 分解公司的不確定性 12 HYPERLINK l _T

3、OC_250008 如何消除不確定性 12 HYPERLINK l _TOC_250007 主動獲取信息 12 HYPERLINK l _TOC_250006 分析師提供的信息 13 HYPERLINK l _TOC_250005 穩(wěn)健性 13 HYPERLINK l _TOC_250004 知情交易 13 HYPERLINK l _TOC_250003 公司規(guī)模 14 HYPERLINK l _TOC_250002 流動性 14 HYPERLINK l _TOC_250001 彩票偏好 14 HYPERLINK l _TOC_250000 結(jié)論 14國信證券投資評級 15分析師承諾 15風險

4、提示 15圖表目錄圖 1：盈余公告前后累計異常收益 7圖 2：盈余公告前后不確定性的變化 8圖 3：按照不確定性分組的累計異常收益 9圖 4：按照不確定性分組的不確定性變化 9圖 5：VIX 與CAR（盈余公告前累計收益）的時間序列 12表 1：樣本統(tǒng)計 7表 2：對盈余公告前累計收益的回歸結(jié)果 10表 3：價值加權(quán)組合的 CAR-10,-1 （盈余公告前累計收益） 11表 4：等權(quán)組合的 CAR-10,-1 （盈余公告前累計收益） 11文獻來源文獻來源：Gao, Chao and Hu, Grace Xing and Zhang, Xiaoyan, UncertaintyResolution

5、 Before Earnings AnnouncementsJ. Social Science Electronic Publishing.文獻亮點：盈余公告是公司基本面最重要的公告。本文以美股 1996 年至 2019 年的 89567份盈余公告為樣本，發(fā)現(xiàn)股票在以盈余公告日為中心的 21 天窗口內(nèi)平均收益比市場收益高 0.36%，且 72%的超額收益發(fā)生在盈余公告發(fā)布之前。本文重點關(guān)注盈余公告發(fā)布前的收益，使用期權(quán)波動率等前瞻性的指標來捕捉股票的不確定性，并發(fā)現(xiàn)不確定性與盈余公告前的收益總體呈現(xiàn)正相關(guān)，即具有較高不確定性的股票在公告前有更高的收益。本文構(gòu)建了一個交易策略：做多高不確定性股票

6、、做空低不確定性的股票，可以獲取盈余公告前的收益。投資者可通過主動獲取信息和利用分析師預測（分析師預測修正、分析師預測誤差和分析師預測離差）消除盈余公告前的不確定性，更好的獲取超額收益。關(guān)鍵詞：盈余公告、公告前收益、不確定性文獻概覽盈余公告是公司基本面最重要的公告。以前的文獻表明，當公司公布業(yè)績時，股票平均會獲得更高的回報。在我們的樣本期間，股票在以盈余公告日為中心的 21 天窗口內(nèi)平均收益比市場收益高 0.36%。并且大部分收益是在業(yè)績發(fā)布之前的一段時期實現(xiàn)的。尤其是公告前 10 天的平均超額收益為 0.26%，占盈余公告總超額收益的 72%。在本文中，我們提出了對預盈利公告回報的不確定性的

7、解釋。我們認為業(yè)績公告有兩個不同的風險：第一個關(guān)于業(yè)績公告本身，第二個關(guān)于與業(yè)績相關(guān)的不確定性。隨著盈余公告日的臨近，與業(yè)績相關(guān)的不確定性風險可能會在實際公告之前得到消除，從而產(chǎn)生公告前收益。當公布財報時，業(yè)績公告風險完全化解，股價隨之反應(yīng)，產(chǎn)生公告后收益。我們假設(shè)的關(guān)鍵是，與業(yè)績公告不確定性的消除可能發(fā)生在盈余公告之前，這與業(yè)績公告本身不同。正是這種不確定性的消除導致了顯著的公告前超額收益。我們研究了股票橫截面的公告前收益，重點關(guān)注業(yè)績發(fā)布前的時期。我們假設(shè)對于事前不確定性較高的公司，不確定性的消除帶來的效果會更大。我們使用多種指標來代表不確定性，包括期權(quán)隱含波動率、實際波動率。期權(quán)隱含波動

8、率的前瞻性性質(zhì)可能更準確地捕捉不確定性。我們發(fā)現(xiàn)，具有較高不確定性的股票在預告期間有更多的不確定性消除和更高的收益。我們根據(jù)公告前 11 天衡量的期權(quán)隱含波動率對股票進行排序時，高不確定性股票的市場調(diào)整后異?；貓笃骄鶠?1.46%，而在公告前 10 天其不確定性平均下降 2.9%。相比之下，低不確定性股票在公告前沒有顯著回報，在盈余公告之前，它們的不確定性實際上增加了 0.4%。橫截面上，不確定性與公告前收益之間的關(guān)系是穩(wěn)健的，具有重要的經(jīng)濟意義。在控制其他特征（如規(guī)模、PB 和過去 12 個月的回報）的 Fama-Macbeth 回歸框架中，不確定性增加四分位間距將導致異?；貓笤黾?0.65

9、%，以及盈余公告前十天的不確定性下降 4.3%。做多高不確定性股票并做空同等數(shù)量的低不確定性股票投資組合的交易策略將在 10 天事件窗口中獲得 0.80%的市場調(diào)整后異常收益。這些發(fā)現(xiàn)為我們的不確定性消除假設(shè)提供了強有力的支持。個股的不確定性既反映了市場層面的不確定性，也反映了其自身特有的不確定性。我們使用 VIX 代表市場整體不確定性，當市場不確定性較高時，不確定性對公告前收益的影響明顯更大。在重要宏觀公告之前宣布盈利的股票相關(guān)的不確定性應(yīng)包含更多系統(tǒng)性不確定性，例如我們根據(jù)公告日期將盈余公告分為兩組：在季度 GDP 公布前公布盈余公告的公司和在 GDP 公布后公布盈余公告的公司，發(fā)現(xiàn)在 G

10、DP 前公告的公司收益平均高 0.56%。為了進一步量化由不同不確定性成分驅(qū)動的公告前效應(yīng)，我們使用股票每日期權(quán)隱含波動率對市場不確定性的滾動窗口回歸（以 C VIX 為代表）來估計其對市場不確定性的敞口。通過敞口估計，我們將公司層面的不確定性分解為兩部分：系統(tǒng)不確定性和公司特定不確定性。我們發(fā)現(xiàn)系統(tǒng)性不確定性對于公告前的收益更重要一些。上述實證結(jié)果支持我們的假設(shè)，即當不確定性在公告之前得到消除時，股價會上漲。在預公告窗口期間如何消除不確定性仍然令人費解。我們提供了直接證據(jù)表明早期不確定性消除可能通過兩個不同的渠道發(fā)生：主動投資者獲取信息，增加分析師信息供給。使用 Ryan (2017)的 E

11、DGAR 搜索量(ESV)作為信息獲取的代理，我們發(fā)現(xiàn)不確定性較高的公司在盈余公告前有相對更多的 EDGAR 搜索。在收益前公告窗口期間，不確定性的四分位數(shù)變化將使 EDGAR 搜索量增加約 7.0%。此外，我們還發(fā)現(xiàn)分析師為高度不確定性公司提供更多更好的信息，這導致更多的盈利修正和更好的盈利預測前的盈利預測。這些結(jié)果表明，盈余公告前 10 天，投資者積極獲取信息和分析師增加信息供應(yīng)可能有助于在業(yè)績發(fā)布前盡早消除不確定性。不確定性的度量樣本空間我們的樣本包括 1996 年至 2019 年在 NYSE、Nasdaq 和 Amex 上市的普通股公司，并排除月底價格低于 1 美元的股票。未來盈余公告

12、的日期通常是公眾事前知道的，這加劇了臨近公告日期的不確定性。1如果公告發(fā)生在日期 t 的下班后，我們設(shè)置公告日為 t 日，而不是將公告日期移至 t+1 日，以對公告前溢價進行保守估計。我們主要從 OptionMetrics 獲得不確定性度量，它提供所有上市期權(quán)的日終買賣報價、持倉量、交易量、隱含波動率和期權(quán)希臘語。為了便于跨合約進行比較， OptionMetrics 還提供了有關(guān)具有標準化參數(shù)的“假設(shè)期權(quán)”的數(shù)據(jù)。我們同時使用單個實物期權(quán)和假設(shè)期權(quán)來計算不確定性度量。為了緩解個別期權(quán)的流動性和市場微觀結(jié)構(gòu)問題，我們專注于短期平價期權(quán)，因為它們是最具流動性的期權(quán)合約。主要金融媒體，如華爾街日報和

13、彭博社，通常在實際公告之前保留一份盈余公告日歷。此外，Bagnoli、Kross和 Wass（2002 年）以及 Cohen、Dey、Lys 和 Sunder（2007 年）發(fā)現(xiàn)實際公布日期通常與預期公布日期相 同或非常接近。不確定性的度量我們總共計算了四個不確定性度量。第一個不確定性度量，我們計算美元未平倉合約加權(quán)隱含波動率，這里是日公司的單個期權(quán)數(shù)量，是股票日的單個期權(quán)的隱含波動率，而是基于日美元未平倉合約,第二個不確定性度量是等權(quán)隱含波動率，與 IVOW 計算方法一樣，只不過權(quán)重使用等權(quán)：我們的第三個不確定性度量是直接從波動率表面獲得的，它由 OptionMetrics構(gòu)建，以提供有關(guān)具

14、有標準化參數(shù)的“假設(shè)選項”的信息。鑒于是為具有相同貨幣性和到期日的標準化期權(quán)計算的，因此很容易在公司之間進行比較。我們最后的不確定性度量是，即使用 TAQ 的日內(nèi)回報計算的實際波動率。對于每天的每只股票，我們首先將已實現(xiàn)方差估計為從上午 9:30 到下午 4:00 的 5 分鐘對數(shù)平方和。變量是日內(nèi)對數(shù)回報的年化已實現(xiàn)方差的平方根。前三個基于期權(quán)的不確定性度量捕捉了市場對期權(quán)價格中嵌入的未來價格不確定性的看法。期權(quán)隱含波動率的一個擔憂是它包含預期的未來不確定性和不確定性風險的溢價，這兩者很難分開。然而，由于不確定性和不確定性溢價趨向于同一個方向，分離對我們的研究來說并不重要。盡管如此，我們?nèi)詫?/p>

15、實際波動率作為我們所有實證結(jié)果的穩(wěn)健性檢查。樣本統(tǒng)計下表為樣本的匯總統(tǒng)計數(shù)據(jù)，涵蓋了 1996 年至 2019 年的 89567 份盈余公告。每個季度樣本中平均有 928 只股票，我們的市值中值樣本為 25 億美元，高于同一時期的紐交所 15 億美元的市值中值。樣本賬面市值比中位數(shù)為 0.319，而紐交所的中位數(shù)為 0.503。樣本過去 12 個月的回報率中位數(shù)為 13.1%，月營業(yè)額中位數(shù)為 15.5%。也就是說，我們的樣本包含相對較大的公司，其賬面市值比較低。表 1：樣本統(tǒng)計資料來源: Wind，整理我們將盈余公告日定義為第 0 天，將-10,+10作為圍繞盈余公告的 21 天窗口。我們首

16、先通過從股票每日回報中減去 CRSP 價值加權(quán)每日市場回報來計算異常每日回報 (AR)。那么 CAR-10,+10就是-10 天和+10 天之間的累計超常收益盈余公告的回報 CAR-10,+10的匯總中值為 0.037%，平均值為 0.36%，表明公告溢價呈正偏度。表 1 的最后四個變量是不確定性度量。不確定性與盈余公告前收益的關(guān)系盈余公告前的收益和不確定性我們繪制了圖 1 面板 A 中-10,+10窗口的平均 CAR（累計超常收益）。平均 CAR從第-10 天到第-1 天穩(wěn)步增加。在第-1 天，平均 CAR 急劇增加 6.7 個基點。在-10天到+10 天的 21 天窗口中，總平均CAR 為

17、 0.36%，而-10 天到-1 天的平均 CAR為 0.26%，占 21 天CAR 的 72%。大部分盈余公告溢價是在盈余公告之前實現(xiàn)的。圖 1：盈余公告前后累計異常收益資料來源: Wind，整理下圖中展示了調(diào)整后的累積變化。我們觀察到直到第 3 天的明顯下降趨勢，表明調(diào)整后的波動率從第-11 天到第 3，所有公司的不確定性累積變化的平均值為-3.7 個基點。在第-2 天和第-1 天，不確定性略有增加，可能是由于即將發(fā)布的公告。在公告日，不確定性進一步降低了 7.8 個基點。宣布后，不確定性首先在+1日增加 4.3 個基點，然后繼續(xù)下降至+10 日。圖 2：盈余公告前后不確定性的變化資料來源

18、: Wind，整理鑒于收益逐漸增加和公告前不確定性逐漸降低的現(xiàn)象，我們在此提出公告前收益為正的不確定性消除假設(shè)。假設(shè)有兩種不同類型的風險與個股的盈余公告相關(guān)。第一個風險與盈余公告本身相關(guān)，第二個風險是與盈余公告相關(guān)的不確定性。對即將發(fā)布的盈余公告的預期自然會給相關(guān)股票帶來更高的不確定性。隨著這種高度不確定性的一部分得到消除，股票價格上漲并實現(xiàn)了正回報。我們認為，不確定性風險的消除可能發(fā)生在盈余公告之前，特別是對于具有高度不確定性的股票。我們預計高不確定性的股票會在實際業(yè)績發(fā)布之前消除更多不確定性，從而產(chǎn)生更多公告前收益。橫斷面的公告前收益和不確定性：投資組合法為了測試我們的不確定性消除假設(shè)，每

19、個季度，我們根據(jù)四個不確定性指標中的每一個將在該季度發(fā)布盈余公告的股票分配到五個相等的投資組合中，然后計算市值加權(quán)收益。下圖中展示了五個不確定性排序投資組合的平均 CAR。從不確定性最低的組到不 確定性最高的組，從第-10 天到第-1 天的平均CAR 為分別為-0.12%、0.12%、0.50%、 0.48%和 1.46%。預告收益與預告期間的不確定性之間存在正相關(guān)。圖 3：按照不確定性分組的累計異常收益資料來源: Wind，整理類似地，我們還計算每個公司在事件窗口內(nèi)的累積波動率變化。公告前階段不確定性的變化也呈現(xiàn)出單調(diào)的格局。顯然，高不確定性股票在預告期間的不確定性大幅下降，而低不確定性股票

20、的不確定性略有增加。圖 4：按照不確定性分組的不確定性變化資料來源: Wind，整理這些結(jié)果清楚地證實了不確定性消除假設(shè)，即具有更高不確定性水平的公司具有更高的公告前回報。對于等權(quán)重投資組合，可以觀察到類似的模式。當我們使用價值權(quán)重而不是等權(quán)重時，高不確定性股票和低不確定性股票的平均公告前收益差異略大，這表明大公司的不確定性和收益之間的關(guān)系更強?？傮w而言，大的公告前回報對不同的不確定性度量和加權(quán)方案是穩(wěn)健的。橫截面的公告前收益和不確定性：Fama-Macbeth 回歸在上一節(jié)中，我們使用單一排序投資組合方法表明，高不確定性股票在公告前期間 獲得了顯著更高的回報，同時不確定性顯著下降。單一排序投

21、資組合方法的一個缺點是它只考慮了不確定性水平的差異，而不能同時控制其他相關(guān)的公司水平特征。為了消除這個問題，我們在本節(jié)中采用 Fama 和 MacBeth(1973)的兩階段估計，以控制其他重要的公司層面特征。對于 Fama-MacBeth 回歸的第一階段，對于每個季度 q，我們估計一個橫截面規(guī)格：這里的,10,1 是股票在日歷季度的累計公告前異常回報，這是在第-10 天到-1 日公布收益之前衡量的。變量,11 是股票的不確定性代理。對于滯后控制變量,1，我們包括上個月的市值對數(shù)，上個月的賬面市值比的對數(shù)，以及過去 12 個月的回報（跳過最近一個月）。如果盈余公告是在一個月的前十個交易日內(nèi)發(fā)布

22、的，我們將所有控制變量滯后兩個日歷月。我們預計系數(shù)1 顯著為正。下表中報告了從上述回歸估計的系數(shù)的時間序列平均值。表 2：對盈余公告前累計收益的回歸結(jié)果資料來源: Wind，整理橫截面的公告前收益和不確定性：一種可交易的策略我們之前的討論顯示了強有力的經(jīng)驗證據(jù)支持不確定性水平較高的公司具有更高的公告前回報和更大的不確定性下降。在本節(jié)中，我們根據(jù)不確定性消除假設(shè)設(shè)計交易策略，以利用公告前的收益。在每個季度初，我們首先使用上一季度的不確定性度量將股票分為五組。然后我們 計算在實際收益公布日之前持有股票 10 天的平均 CAR-10,-1。該策略是可交易的，因為它不依賴于當前季度的不確定性分布。2我

23、們在下表中報告了每個投資組合的平均 CAR-10,-1。這種策略是可行的，因為大多數(shù)收益公布日期都是預先安排好的，并且至少提前 10 天向公眾發(fā)布。我們?nèi)斯z查了2019 年標準普爾 500 指數(shù)公司的盈余公告時間。81% 的公司至少提前 10 天披露了他們的盈余公告日期，96% 的公司提前 5 天披露了他們的盈余公告。作為穩(wěn)健性檢查，我們還嘗試在實際收益公布日期前的第 -5 天至第 -1 天縮短 持有窗口。結(jié)果在數(shù)量級和統(tǒng)計顯著性上都相似。表 3：價值加權(quán)組合的 CAR-10,-1 （盈余公告前累計收益）資料來源: Wind，整理這些結(jié)果與我們之前的討論一致：從上一季度衡量的公告前不確定性導

24、致更高的公告前回報。表 4：等權(quán)組合的CAR-10,-1 （盈余公告前累計收益）資料來源: Wind，整理不確定性的本質(zhì)一般來說，公司層面的不確定性可能來自兩方面：市場層面的不確定性和公司自身的不確定性。我們在以下三個部分中研究了每種類型的不確定性所起的作用。由 VIX 衡量的市場不確定性我們用 C 編制的 VIX 指數(shù)代表市場水平的不確定性。VIX 被廣泛視為一種恐懼量表，反映了總體市場的不確定性。我們根據(jù) VIX 水平將整個樣本分為兩個子樣本，17 個高 VIX 年的平均公告前收益率為 0.44%，而 17 個低 VIX 年僅為-0.06%。這表明，當 VIX 較高時，公告前的回報更大。在

25、下圖中為 VIX 和盈余公告前收益的時間序列，當 VIX 高時，公告前收益也高，反之亦然。圖 5：VIX 與CAR（盈余公告前累計收益）的時間序列資料來源: Wind，整理此外，我們考察了公告前收益對不確定性的敏感性是否也隨 VIX 水平而變化。結(jié)果顯示，當市場不確定性較高時，對公告前收益的影響會更大。宏觀公告的不確定性宏觀經(jīng)濟公告有助于消除與整體經(jīng)濟相關(guān)的不確定性，是資本市場參與者的重要事件。我們認為最相關(guān)的是國內(nèi)生產(chǎn)總值(GDP)指數(shù)。季度 GDP 數(shù)據(jù)通常在每個日歷季度的第四個星期五發(fā)布。早期的盈余公告不僅提供有關(guān)發(fā)行公司的寶貴信息，還提供有關(guān)整體經(jīng)濟的信息。我們預計，提前發(fā)布的業(yè)績公告

26、，尤其是在 GDP 等主要宏觀經(jīng)濟指標發(fā)布之前發(fā)布的公告，其不確定性可能比后發(fā)布者更大，因此提前發(fā)布者的公告前收益會更大。因此，我們將個股的盈利公告分為兩組：前 GDP 組和后 GDP 組。我們發(fā)現(xiàn)在 GDP發(fā)布之前發(fā)布盈余公告的公司具有明顯更高的公告前回報。這凸顯了市場層面的不確定性對公告前回報的重要作用。分解公司的不確定性如前所述，公司層面的不確定性受總體市場層面信息和公司特定信息的影響。市場和公司特定的不確定性成分都可以顯著預測公告前的回報。市場不確定性成分增加 1%導致公告前回報增加 1.2 個基點；而公司特定不確定性成分增加 1%會導致公告前收益增加 0.6 個基點。市場不確定性成分

27、對公告前回報的影響略大。如何消除不確定性主動獲取信息投資者主動獲取信息有助于在業(yè)績發(fā)布前消除不確定性。這里我們借鑒了 Gao and Huang(2019)和Li and Sun (2019) 等文獻，并使用EDGAR3搜索量來直接代理主EDGAR（Electronic Data Gathering, Analysis, and Retrieval System）,即電子化數(shù)據(jù)收集、分析及檢索系統(tǒng)。1996動投資者信息獲取努力。我們發(fā)現(xiàn)不確定性較高的股票在其業(yè)績發(fā)布之前確實有更多的 EDGAR 搜索量。其他控制變量顯示，對于市值較大、賬面市值比較高、過往表現(xiàn)較差以及過往 EDGAR 流量較高的

28、股票，EDGAR 搜索量也較高，這與現(xiàn)有文獻的發(fā)現(xiàn)一致。分析師提供的信息分析師作為最大的信息提供者群體之一，收集信息并提供對未來收益的預測。我們預計，高度不確定性可能會吸引分析師提高其盈利預測的質(zhì)量，從而有助于在盈利公布前消除相關(guān)股票的不確定性。為了在公告前捕捉分析師盈利預測的改善，我們使用三種不同的度量：分析師預測修正（Revision）的虛擬變量、分析師預測誤差的變化（FE）和分析師預測離差的變化（Dispersion）。根據(jù)有關(guān)分析師預測的文獻，我們使用了幾個控制變量，包括上一季度覆蓋該公司的分析師總數(shù)的對數(shù)（分析師覆蓋率）、上個月的市值對數(shù)、賬簿的對數(shù)市占率從上個月開始，以及過去 12

29、 個月的回報（跳過最近一個月）。如果盈余公告是在當月的前 10 個交易日內(nèi)發(fā)布的，我們將所有控制變量滯后兩個日歷月。我們發(fā)現(xiàn)分析師更有可能在盈余公告之前修改他們對高不確定性公司的預測。高不確定性公司的盈利預測質(zhì)量也有更大的改善，這反映在盈利公告前的預測誤差較小。分析師對盈利公布前高不確定性股票的預測離散度下降得更多。穩(wěn)健性知情交易人們可能會擔心，在業(yè)績發(fā)布之前進行知情交易也可能有助于顯著的公告前回報。為了消除這個問題，我們使用兩種方法來代表盈余公告前的知情交易概率：Easley、 Kiefer、OHara 和Paperman（1996）的知情交易概率（PIN）和機構(gòu)所有權(quán)（IO）。 這兩種方法

30、在文獻中都被廣泛用于捕捉基于信息的交易強度。我們的結(jié)果對于業(yè)績發(fā)布前的潛在知情交易是穩(wěn)健的。對于按 PIN 排序的五個五分位數(shù)，高不確定性股票和低不確定性股票之間的平均公告前 CAR 分別為 3.01%、 2.03%、2.32%、2.16%和 1.28%。五分之四在 5%的水平上顯著，除了最高的 PIN五分位數(shù)在 10%水平。對于按 IO 排序的五個五分位數(shù)，高不確定性股票和低不確定性股票之間的平均公告前CAR 分別為2.15%、1.70%、1.59%、1.39%和0.85%， t-stats 為分別為 2.99、2.77、3.24、2.91 和 1.78。作為對潛在知情交易的測試，我們還通過標準收益驚喜（SUE）和盈余公告后的市場反應(yīng)（CAR0，+10）直接控制每個盈余公告的信息內(nèi)容。公告前收益與不確定性之間的關(guān)系對于信息內(nèi)容本身也是穩(wěn)健的。對于 SUE 排序的五個五分位數(shù)，高不確定性股票和低不確定性股票之間的平均公告前 CAR 分別為 0.99%、0.81%、 1.55%、1.37%和 2.00%，t-stats 分別為 1.57、1.87、2.83、2.18 和分別為 2.82。對于按公告后收益率排序的五個五分位數(shù)，我們發(fā)現(xiàn)高不確定性股票和