金融科技(FINTECH)和数据挖掘研究(五)：FACTSET供应链数据在A股上的应用

FactSet 将处于同一供应链上的所有企业分门别类，归入四大项总计13 种关系中，完整地描述了公司间的直连关系。目前，FactSet 供应链数据对A 股市场的覆盖率已达75%。且2014 年以来，数据整体质量较高，完全可以满足深入研究，乃至策略设计的要求。其中，中证800 与沪深300 的覆盖情况更优，2015 年之后便超过90%。在此基础上，我们构建了前期报告中提出的两类关系网因子——度和中心性，考察了它们与股票预期收益之间的关系。其中，中心性的计算使用PageRank 算法。

    通过在沪深300、中证500 和中证800 的指数成分股中，构建供应链相关因子的股票组合，我们发现，供应商数量、客户数量和PageRank 这三个因子具有一定的选股效果。以供应商数量为例，在中证500 指数成分股中，因子组合的年化收益为11.82%，超额收益为7.29%，夏普比的提升幅度超过1 倍。ROE 同比+供应商数量的因子组合，年化收益可以提升至21.82%，夏普比达到0.70，表现远远优于供应商数量和ROE 同比各自的单因子组合。更重要的是，供应链因子与传统的基本面因子（ROE、PE）相关性低，相关系数基本都在0.1 以下。

    根据事件在供应链网络中的传播效应，可以构建另类业绩预增事件驱动策略。我们发现，供应商的股价在下游客户的业绩预增事件发生后，通常会与客户公司的股价发生同向变动。该效应在一级供应商中，体现得最为明显。T+40 日的累计绝对收益可达5%，相对中证500 的超额收益为3.3%，相对行业指数的超额收益为2.5%。同时剥离行业和市值的影响后，超额收益为0.7%，明显优于很难在T日介入的事件触发公司。此外，这种向一级供应商的传播效应，通常会在T+2 至T+6 日之间才开始累积显著的超额收益。是以，对于业绩预增事件，关注触发公司的供应商，不仅可以获得更高的收益，而且可以在事件发生后从容地进行右侧交易。

    在海外的供应链研究中，上游供应商的基本面变化和下游客户的经营状况，都会对中游公司产生明显的溢出效应。但遗憾的是，在A 股的供应链网络中，同为A股上市公司的比例仅有10%。因此，上述这些市场异象的分析与统计，严重依赖于海外上市公司的财报和股价数据。在下一篇报告中，我们就将利用这些信息，详细展示A 股市场溢出效应的具体结果，敬请期待。

    风险提示。数据挖掘是从历史先验数据获取经验模型的方法，存在模型失效可能。