盈餘驚喜策略：美股 PEAD 回測，
財報季廣度擇時年化 32%

盈餘驚喜策略押注的是：財報優於分析師預期的股票，公布後幾週到幾個月內還會繼續走強。這個現象在學術上叫「盈餘公告後漂移」（Post-Earnings Announcement Drift，PEAD），是金融研究裡最早被記錄的異常報酬之一。本文用美股真實資料分兩步檢驗：先在美股流動性前 500 檔裡做 19,933 次財報事件研究與十分位排序，看盈餘驚喜能不能拿來選股；再把資料真正支持的部分做成可交易策略，用可下載的 finlab 程式碼回測。

結果有兩個重點。第一，2016 到 2026 年在美股大型流動股裡，用盈餘驚喜挑個股幾乎沒有用，殘存的優勢主要來自「避開財報不如預期的股票」。第二，全市場「正向驚喜的廣度」是一個有用的多空開關，能交易的是這個版本：年化報酬 32.0%、月夏普 1.57、最大回撤 -21.1%，同一段日期買進持有那斯達克 100（QQQ）是 20.7%／1.09／-35.1%。策略從不持有那些財報驚喜的個股，它在驚喜廣度與大盤趨勢同時向上時持有槓桿成長 ETF，其餘時間持有防禦型 ETF。後文的三項驗證（鄰近參數、前後兩段、每筆買賣 0.1% 交易成本）它全部通過。這是同一套執行引擎下的美股策略之一，各策略的並排比較見美股量化策略總覽。

關鍵數字：盈餘驚喜策略對照 QQQ、SPY、TQQQ

所有欄位的區間都是 2016-05-02 至 2026-10-26，夏普與索提諾以月報酬計算、不扣無風險利率。finlab 回測報告內建的統計值會扣除 2% 無風險利率，以那個口徑算，策略的月夏普是 1.47。文首的權益曲線把每條線都在 2016-05-02 設為 1 美元：策略期末約 18.4 美元，QQQ 7.2 美元，SPY 4.4 美元，單純持有 TQQQ 是 35.5 美元，但途中經歷了 -81.7% 的回撤。和美股動能策略一樣，三倍槓桿的原始報酬一直都在，策略的貢獻是決定什麼時候不要持有它。基準一律用含息還原價；預設回測不扣手續費與滑價，後面的成本驗證與回測方法會交代這部分。夏普比率的算法與好壞判讀另有專頁說明。

盈餘公告後漂移（PEAD）是什麼

**盈餘公告後漂移（PEAD）**指的是財報公布後，股價在接下來幾週到幾個月持續往盈餘驚喜的方向移動，市場要花一段時間才把消息反映完。市場對盈餘消息反應不足，最早由 Ball & Brown（1968） 記錄；Bernard & Thomas（1989） 進一步證明這是系統性、可以利用的規律：價格對盈餘消息的反應是延遲的，不會一次到位。Foster, Olsen & Shevlin（1984） 發現漂移幅度隨驚喜大小增加，而且在小型公司更明顯。這一點對本文很重要：本文刻意只在美股最具流動性的 500 檔裡測試，也就是這個異常最難存活的地方。

台股有一個美股沒有的相近題材：台股每月公布營收，月營收公告後漂移用 15 年資料檢驗過這個月度版本。美股沒有月營收，盈餘驚喜只在每季財報公布時出現，事件密度低得多。

本文的盈餘驚喜用標準算法：（實際 EPS − 分析師預估 EPS）÷ |預估 EPS|，資料來自 FinLab 的 us_earnings_surprises。這份資料的實際 EPS 與分析師預估採同一口徑（多數是調整後 EPS，事後再做股票分割調整），因此可能和損益表上的 GAAP EPS 不同。驚喜只在公布日有值，屬於事件型資料；每檔股票的因子值取最近 63 個交易日（約一季）內最新的一次驚喜。

第一層：盈餘驚喜能不能選股？

在做任何可交易的東西之前，先在整個股票池檢驗因子：美股 60 日平均成交金額前 500 檔，股價至少 5 美元、日均成交金額至少 800 萬美元，並剔除過去一年內出現單日漲跌 50% 以上的個股。平均每個月約有 478 檔帶著新鮮的驚喜排名。依最近一次盈餘驚喜分成十組，量測「下個月」的平均報酬，是最直接的讀法。

報酬梯度很弱，也不平滑。D1 到 D7 擠在每月 0.99% 到 1.21% 之間，D8 以 1.80% 單獨突出，驚喜最大的 D10（1.34%）和 D9（1.35%）差不多。買 D10、放空 D1 的多空組合年化只有 +3.11%（每月 0.26%），月勝率 52.3%；驚喜最大的十分位只在 49.2% 的月份贏過等權股票池。對照同一個股票池用 12-1 動能排序，動能研究裡最高與最低十分位的價差是每月 1.84%。在 2016 年以後的美股大型流動股裡，盈餘驚喜作為選股訊號，價差只有動能的七分之一左右。

事件研究把畫面再拉近。股票池內共有 19,933 次財報公布（驚喜超過 5% 的 10,067 次、0 到 5% 小幅優於預期的 5,932 次、不如預期的 3,934 次），以等權流動股票池為基準，量測公布後 60 個交易日的異常報酬：

驚喜超過 5% 的股票，公布後 20 個交易日的異常報酬是 +0.40%，60 個交易日是 +0.55%；不如預期的股票則一路漂到 -1.41%。兩者相差約 1.96 個百分點，大部分來自落空那一側。0 到 5% 的小幅優於預期也往下漂，60 日後是 -0.93%，走勢更像落空，和明確的好消息差很遠。PEAD 在現代美股大型股裡還在，主要用處是提醒你避開讓人失望的財報；拿它當追逐好財報的理由則很薄弱：大幅優於預期的股票裡，只有 48.6% 在之後 60 天跑贏股票池，正的平均值是少數大贏家撐起來的右尾。如果改用市值加權的 QQQ 當基準，各組全部是負的（優於預期 -0.7%、不如預期 -3.0%），因為這十年少數超大型科技股不論財報驚喜如何，都跑贏一般股票。

有一個結果和直覺相反。公布當天股價「下跌」的優於預期股票，之後 60 天漂移 +0.95%；公布當天就上漲的，之後只多了 +0.25%。在個股層次，「好財報出來就追強勢股」這個直覺交易，在這段樣本裡剩下的空間很小。當天的市場反應在後面還會用到：它是市場層級的確認條件，決定哪些事件算進多空訊號。

Rank IC（排序資訊係數）是本月驚喜與下一期報酬的等級相關係數，長期為正代表因子帶有預測資訊；它與 Pearson IC 的差別可以參考 Rank IC 與 Pearson IC 比較。

1 個月平均 IC 0.010，為正但很小，略低於 12-1 動能在同一股票池的 0.012。圖中的 12 個月滾動 IC 也有好幾段落在零以下，包括 2022 年大半年。IC 在 6 個月以內的各個持有期都是正的，6 個月最高（0.013），3 個月略為回落；看不到「初始反應過度、之後反轉」該有的跡象，這和 Bernard & Thomas 的延遲反應機制一致。盈餘消息與價格延續的緊密關係，也解釋了 Chordia & Shivakumar（2006） 的發現：盈餘動能大致涵蓋了價格動能，兩種異常共用同一個引擎。到了 2016 至 2026 年，大型股版本的盈餘驚喜已經被套利得很薄。

最後用一個不加槓桿的組合把結論具體化：只持有驚喜最大的十分位，等權、每月再平衡：

最高十分位組合在 2021 年以前跑在等權股票池前面，2022 到 2025 年大部分時間落後，期末只小幅領先；兩者都遠遠落後市值加權的 QQQ。直接持有財報驚喜股，會輸給一檔指數基金。就這份資料來看，這正是換個方式使用這個因子的理由。

第二層：把盈餘驚喜廣度當成多空開關

個股的驚喜幾乎排不出好壞，那「加總」起來呢？當大量公司財報優於預期，市場當天也給出正面反應，財報季是在確認上升趨勢；當好財報變少或一出來就被賣，基本面就不再配合。策略把這件事量化成盈餘驚喜廣度：過去 20 個交易日內，股票池中驚喜超過 5% 且公布當天上漲的事件數，除以股票池檔數。

廣度的季節性很強：每一季財報季都會衝高，最高到股票池的 28.7%，季與季之間跌到接近零（最低 0.2%），全期平均 7.0%。所以 1% 的門檻是刻意放寬的，它問的是「最近一次財報季有沒有出現一批像樣、被市場接受的好財報」，並在之後的淡季維持開啟。進場要三個條件同時成立：廣度高於 1%、QQQ 在 200 日均線之上、QQQ 六個月動能為正。三者同時成立的交易日佔 71%。廣度只在兩季之間淡季的尾端短暫跌破 1%，所以像 2022 年那樣長時間的避險期來自 QQQ 的趨勢條件，那一年廣度每季照樣衝高。

資料覆蓋率的限制放在這裡說清楚。只有分析師有發布預估的公司才會產生驚喜事件，因子對股票池的覆蓋率平均 84%，樣本早期最低只有 40%。覆蓋稀疏時廣度的雜訊較多，這也是訊號只當成粗略開關、門檻設得低，不做精細調參的原因之一。

第三層：策略實際持有什麼

執行引擎由整個美股策略系列共用，美股量化策略總覽有完整說明。簡單說：進場時買兩檔槓桿成長 ETF（TQQQ 與 TECL，依 126 日動能決定），避險時換到 IEF、GLD、SHY 中「3 個月減 1 個月動能」最強的一檔，每月再平衡，月中觸及 8% 停損就轉為現金。

有一個機制細節會影響解讀：持倉通常是混合狀態，很少乾淨地全進全出。廣度訊號跟著股票交易日曆，ETF 跟著基金交易日曆，兩組部位在再平衡日重疊時，回測引擎會把權重正規化。全期間有 63% 的交易日是「50% 防禦 + 25% TQQQ + 25% TECL」的混合部位，30% 全部防禦，只有 4% 全部槓桿，2% 在現金（停損之後）。槓桿 ETF 平均佔帳戶 36%，換算約 1.1 倍的實際市場曝險，只是透過三倍 ETF 表現出來；持有 TQQQ 的策略能把最大回撤壓在 -21% 左右，靠的就是這個結構。

資料與程式碼

整個策略跑在 FinLab 的美股資料上，核心邏輯可以濃縮成下面這段好讀版本。完整的部位建構、極端漲跌排除與 sim() 回測都在可下載的 strategy.py。

import finlab
from finlab import data
 
finlab.login()  # 套件會自動引導登入
 
# 個股市場：價格、成交量與盈餘驚喜事件
data.set_market("us")
close = data.get("us_price:adj_close")      # 還原價：用來算報酬
raw_close = data.get("us_price:close")      # 未還原價：用來算成交金額與 5 美元門檻
volume = data.get("us_price:volume")        # 成交量未做分割調整
eps_actual = data.get("us_earnings_surprises:eps_actual")
eps_estimated = data.get("us_earnings_surprises:eps_estimated")
 
# ETF 市場：策略實際持有的標的
fund_close = data.get("us_fund_price:adj_close")[["QQQ", "TQQQ", "TECL", "IEF", "GLD", "SHY"]]
 
# 一、流動性股票池：60 日平均成交金額前 500 檔，股價高於 5 美元
dollar_volume = (raw_close * volume).rolling(60, min_periods=20).mean()
universe = (
    dollar_volume.is_largest(500)
    & (dollar_volume > 8_000_000)
    & (raw_close > 5)
)
 
# 二、盈餘驚喜（佔預估值的百分比，只在公布日有值）
surprise = (eps_actual - eps_estimated) / eps_estimated.abs()
 
# 三、廣度：過去 20 個交易日內，驚喜超過 5% 且當天上漲的事件數佔股票池比例
reaction = close / close.shift(1) - 1
positive_events = universe & (surprise > 0.05) & (reaction > 0)
event_count = positive_events.rolling(20, min_periods=1).sum().sum(axis=1)
breadth = event_count / universe.sum(axis=1)
 
# 四、廣度與 QQQ 趨勢同時向上才進場
qqq_trend = fund_close["QQQ"] > fund_close["QQQ"].rolling(200, min_periods=100).mean()
qqq_momentum = fund_close["QQQ"] / fund_close["QQQ"].shift(126) - 1
risk_on = (breadth > 0.01) & (qqq_trend & (qqq_momentum > 0)).reindex(breadth.index)
 
# 五、進場持有 TQQQ + TECL；避險持有 IEF / GLD / SHY 中最強的一檔
#    （部位建構與 sim() 在可下載的 strategy.py）

us_price:adj_close 已做股利與分割還原，事件反應與基準不會被公司行動扭曲；us_price:volume 沒有做分割調整，所以成交金額與股價門檻改用未還原收盤價 us_price:close。槓桿 ETF 的價格序列本身已經包含每日重設的耗損與費用率。資料表的完整清單與欄位說明在美股資料庫使用指南。

回測結果與樣本外檢驗

下面是 finlab 互動式回測報告，回撤、月報酬與交易明細都可以直接檢查：

參數在 2016 至 2021 年的資料上決定，2022 年起完全不動；這段沒看過的資料包含 2022 年的空頭。

這組切分要仔細讀。研究段策略月夏普 1.61，和 QQQ 的 1.53 幾乎一樣：2016 到 2021 年的長多頭裡，擇時多賺了報酬（年化 34.4% 對 27.2%），風險調整後幾乎沒有優勢。樣本外策略的月夏普降到 1.53、年化降到 29.2%，QQQ 的月夏普掉得更多，到 0.82。這段差距大多來自 2022 年：策略全年虧 5.8%，QQQ 虧 32.6%；策略樣本外最大回撤 -19.3%（2022 年 3 月到 9 月），QQQ 是 -34.8%。SPY 的月夏普也一樣下滑，從研究段 1.21 降到樣本外 0.89。策略在沒看過的資料上維持住水準，這是加分；但它在樣本外對 QQQ 的領先，主要建立在一次剛好處理得好的空頭上。

三項驗證：鄰近參數、前後兩段、交易成本

每項驗證都問同一個問題：策略還贏 QQQ 嗎？這裡「贏 QQQ」的定義是：在完全相同的日期區間內，日夏普值（日報酬平均除以標準差，乘以 √252 年化，不扣無風險利率）高於含息買進持有 QQQ。

鄰近參數：9 組全部贏 QQQ。 變動的兩個參數是盈餘驚喜廣度門檻（股票池的 0.75%、1.00%、1.25%，策略用 1.00%）與 QQQ 趨勢均線的長度（150、200、250 日，策略用 200 日）。九種組合的日夏普介於 1.37 到 1.47，QQQ 是 0.95。這次回測中，150 日與 200 日兩欄的結果完全相同。

前後兩段：兩段都贏 QQQ。 依交易日把回測區間切成兩半，各自計算：

交易成本：仍贏 QQQ。 finlab 美股市場的預設手續費與稅都是 0（對應零佣金券商），所以預設回測完全沒有成本。每筆買進與每筆賣出各扣 0.1%，代表買賣價差與滑價，年化報酬變成 30.4%、日夏普 1.41，QQQ 是 0.95。

結論：三項驗證全部通過。 想自己重跑，執行 python strategy.py --validate。

回測方法與限制

本次 2026 年 10 月的刷新，用 finlab 2.2.20 在截至 2026-10-26 的 FinLab 資料上重跑全部數字。10 月 FinLab 補上了美股還原價缺漏的股利，並修正分割與分拆調整；finlab 2.2.20 也改變了再平衡日觸發停損時的成本計算方式，所以歷史數字跟著變動，變的不只是最近四個月。上表的股票池修正也改變了十分位與 IC 的結果。

以夏普或索提諾至少 1.5 作為門檻來看：用月報酬、不扣無風險利率計算，全期（1.57）、研究段（1.61）與樣本外（1.53）的月夏普都過門檻，只是樣本外的餘裕很小。全期月索提諾 4.28（樣本外 4.02）也過，不過月頻取樣、帶擇時的權益曲線負報酬月份很少，索提諾會被墊高，應該以夏普為準。

槓桿 ETF 的風險：一定要先理解

這個策略最可能傷到你的是槓桿，財報資料反而是次要的：

• 每日重設與路徑依賴。 三倍槓桿 ETF 每天複利，盤整震盪的市場即使指數最後持平也會侵蝕淨值。第一張表裡單純持有 TQQQ 的 -81.7% 回撤，就是不加管理的三倍曝險。
• 跳空可能穿過停損。 回測裡 8% 停損以觸價計算；實盤遇到大幅跳空，成交價可能更差。
• 每月切換無法防範急跌。 月中的快速崩跌，會以當時的槓桿部位承受，直到停損或下一次再平衡。
• 訊號本身稀疏、有季節性。 廣度依賴分析師覆蓋，財報季之間會沉寂；在擇時照設計運作的情況下，策略本身最大回撤仍有 -21.1%。
• 集中度。 槓桿部位是同一主題（美國大型成長股）的兩檔基金。

適合誰、不適合誰

適合想要規則化、以基本面確認的美股策略，理解槓桿 ETF，並能承受 20% 以上回撤以換取更高複利的投資人。不適合需要資本穩定的人、想逐一交易個股財報的人（第一層的結果顯示這在大型股裡賺得很少），或對任何時候持有三倍槓桿產品都感到不安的人。想從頭了解量化研究流程，可以先讀量化交易完整指南；想比較其他用因子挑股的方法，見股票選股完整指南。

常見問題

盈餘公告後漂移（PEAD）在美股還有效嗎？

在 2016 到 2026 年的美股大型流動股裡，個股層次只剩很弱的效果：十分位多空組合年化 +3.11%，1 個月 Rank IC 0.010。落空那一側比優於預期那一側強（60 日 -1.41% 對 +0.55%），所以在個股上最乾淨的用法是避開讓人失望的財報。把全市場被市場接受的好財報「加總」成廣度，作為多空開關仍然有資訊。

盈餘驚喜怎麼計算？用的是哪一種 EPS？

（實際 EPS − 分析師共識預估）÷ |預估 EPS|，資料來自 FinLab 的 us_earnings_surprises。其中實際 EPS 與預估採同一口徑，多數是調整後 EPS，不一定等於損益表上的 GAAP EPS。廣度訊號裡的「強勁優於預期」，是指驚喜超過 5% 且公布當天股價上漲。

財報優於預期就買進，為什麼不行？

不加槓桿、只持有驚喜最大十分位的組合，只在 49.2% 的月份贏過等權股票池，期末只小幅領先，而且遠遠落後 QQQ。選股優勢太小，打不贏一檔指數基金，所以策略把盈餘驚喜改當成多空開關使用。

年化 32% 會不會好得不像真的？

這個數字的條件是：預設回測不計成本（每筆買賣扣 0.1% 後是 30.4%）、最大回撤 -21.1%、年化波動 19.9%，並且持有三倍槓桿 ETF。研究段的月夏普 1.61 和 QQQ 的 1.53 幾乎一樣，對 QQQ 的優勢大多來自 2022 年與回撤控制。同一段日期單純持有 TQQQ（年化 40.6%、回撤 -81.7%）說明了原始報酬一直都在，策略的貢獻在風險管理。

換一組參數，結果會不會差很多？

在選定值前後一格的範圍內差異不大：廣度門檻 0.75%、1.00%、1.25% 與 QQQ 趨勢均線 150、200、250 日的九種組合全部贏 QQQ，日夏普介於 1.37 到 1.47。

這個策略多久交易一次？

每月再平衡，月中有 8% 停損；每年周轉約 4.7 倍，十年間 257 筆交易。

盈餘驚喜策略可以用在台股嗎？

台股多了一個美股沒有的資訊來源：每月營收。台股版本的公告後漂移研究用的就是月營收，前文提到的月營收研究有 15 年的實測數據。本文的廣度擇時結構可以移植，但門檻、股票池與執行標的都要在台股重新驗證，不能直接沿用美股參數。

需要哪些資料？怎麼重現？

訊號需要 FinLab 的 us_earnings_surprises:* 與 us_price:*，ETF 需要 us_fund_price:*，一般 FinLab 帳號都能取用。依 AI 輔助安裝流程裝好 FinLab 之後，下載下方的 strategy.py 就能執行。

自己重跑一次

兩個檔案可以重現上面的全部內容：

• strategy.py：完整策略；python strategy.py --validate 會重跑三項驗證。
• data.csv：策略、QQQ 與 SPY 的每日權益曲線。

最快的做法是請你的 AI 助理執行並修改它：把廣度門檻收緊、把槓桿 ETF 換成不加槓桿的版本，或在不同股票池重做事件研究。想比較同一套執行引擎下的其他美股系統，可以看品質價值策略與低波動策略；回測報表的各項指標怎麼讀，見回測完整指南。

**投資警語：本文僅供教學參考，不構成投資建議。過去績效不代表未來表現，投資有風險。**槓桿 ETF 另有波動耗損與虧損放大的風險；文中績效均為歷史回測，不保證未來報酬，請依自身風險承受能力評估。

最後更新：2026-10｜回測區間：2016-05～2026-10｜作者：FinLab 量化研究團隊（經量化研究員審閱）