从一只苹果，到 158 只科技股、9000 多次财报，一步步看清一个叫 PEAD 的现象。
写给对美股、量化、或者"数据能不能预测股价"好奇的你。不需要金融背景。
一、先讲一个反常识的事
大部分人以为：公司发财报 → 好就涨、坏就跌 → 当天就反应完了。
但学术界很早就发现一个奇怪的现象：财报发布后，股价不会一次到位，而是会沿着财报的方向，继续"漂"很多天甚至几个月。
这个现象有个名字，叫 PEAD（Post-Earnings Announcement Drift，盈余公告后漂移）。它是金融学里被研究得最透、也最经典的"市场没那么有效"的证据之一。
本文不讲公式，只做一件事：用真实数据，一步步把这个"漂移"画出来给你看。
我会从最简单的一只苹果开始，逐步把范围扩大到整个科技行业，看这个规律到底成不成立、有多强、能持续多久、哪些行业最明显。
二、两个必须先懂的概念（很简单）
1. 不能只看涨跌，要"扣掉大盘"
苹果财报后涨了 5%，听起来不错。但如果那几天**整个美股大盘也涨了 4%**呢？那其实苹果只比大盘多涨了 1%。
所以我们永远要看的是**"超额收益"**——股价涨幅减去同期大盘（标普 500 / SPY）的涨幅。这个差额，专业叫 CAR（累计超额收益）。
打个比方：你想知道一个运动员的真实水平，不能只看他跑了多快，要看他比"当天的顺风加成"快了多少。CAR 就是扣掉"大盘顺风"之后的真实成绩。
2. 把财报按"超不超预期"分组
财报好不好，关键不是利润的绝对值，而是有没有超过分析师的预期。这叫 surprise（盈余惊喜）：
surprise = (实际EPS − 分析师预期EPS) / |分析师预期EPS|surprise 大 = 大幅超预期（beat），surprise 小甚至为负 = 不及预期（miss）。
我们会把成百上千次财报按 surprise 从小到大排序，切成若干组（专业叫"分桶"），看不同组之后的股价表现差多少。
在上一篇文章里，我们已经研究过财报里的哪些字段和股价变化的相关性最高；这一篇换一个维度——看一看这些"超预期"对股价的影响能持续多久、幅度有多大。
三、九步走：从一只苹果到整个科技行业
下面每一步对应一张（或两张）图，都在文末配图清单里。
第 1 步：最朴素地看一眼 苹果（AAPL）
我把苹果过去 124 次财报，每一次都截出"财报前 5 天到财报后 60 天"的股价走势，全部叠在一起（灰色细线），再取平均（红线）。
结果：平均来看，苹果财报后 60 天会涨约 **+6.9%**。
看起来财报后买苹果稳赚？别急——这里有个大坑。
第 2 步：扣掉大盘，露出真相
我把同期标普 500（SPY）的走势也算出来（灰虚线），从苹果里减掉，得到真正的超额收益 CAR（绿线）。
结果：
苹果毛收益：**+6.9%** 同期大盘：**+2.8%** 真正属于财报的超额收益（CAR）：+4.1%
原来那 6.9% 里，有近一半只是"搭了大盘的车"。这一步是整个研究的方法论基石——从此以后只看绿线（CAR），不看红线。
第 3 步：好财报 vs 坏财报，分开看
我把苹果的财报按 surprise 分成三组：最差的 1/3、中间的 1/3、最好的 1/3，各画一条 CAR 曲线。
结果：三条线清清楚楚分开了，超预期越多的组，之后涨得越多。最好的一组比最差的一组，60 天后差了约 **+10%**。
这第一次证明了：财报"超预期程度"真的能预测之后的股价走势。 PEAD 在苹果身上是真实存在的。
第 4 步：除了 EPS，还有哪些财报数字有用？
财报里数字几十个。我挑了 8 个候选（EPS 超预期、营收超预期、营收同比、利润率变化……），分别算它们和未来股价的"相关性"（专业叫 IC），画成一张热力图。
结果：颜色最深（最相关）的只有两个——EPS 超预期和营收超预期。其他像同比增长、利润率变化，颜色都很浅，几乎没用。
结论：财报里真正能预测股价的，是"超不超预期"，而不是增长快不快。 （这一点在之前的文章里详细讨论过。）
第 5 步：换更多公司——美股七姐妹
只看一只苹果不够。我把"美股七姐妹"（苹果、微软、谷歌、亚马逊、英伟达、Meta、特斯拉）全部加进来，把所有财报按 surprise 切成 10 组，先画一张柱状图看看样本分布。
为什么是 10 组、怎么分的？
这是金融学研究 PEAD 的经典做法（最早由 Bernard 和 Thomas 在 1989 年提出）。做法很简单：
把所有财报事件按 surprise 从小到大排队； 像切蛋糕一样，按数量等分成 10 份，每份装着大约 10% 的事件； 第 1 组（最不及预期/最差），一路到第 10 组（最大幅超预期/最好）。
为什么不像第 3 步那样只分 3 组？因为 3 组太粗——只能看出"好/中/差"。分 10 组（专业叫 decile，十分位）能看清一个更重要的问题：信号是不是"单调"的——也就是组别越往上、收益是不是越高，中间有没有断档或反转。组数越多，越能检验这条规律的"成色"。
（一个小坑：很多公司财报会"恰好符合预期"，surprise 接近 0，这些事件会扎堆挤在中间，导致中间某几组样本不太均匀。不影响两端的对比，但看图时心里有数。）
结果：能看到不同公司"性格"不同——英伟达、特斯拉常出现在两个极端（大涨大跌），亚马逊常在"大超预期"那头，苹果则稳稳待在中间（每次都小幅超预期，从不走极端）。
这一步只是"摸清家底"，还没看收益。
第 6 步：七姐妹的"漂移"曲线
现在给这 10 组各画一条 CAR 曲线（红=最差财报，绿=最好财报）。
结果：10 条线从下到上整齐排开，最好的一组 60 天后超额收益 **+11%**，最差的 **−2%**，差距 **约 +13%**。
而且关键是——这个差距不是财报当天就定死的，而是之后 60 天里慢慢"漂"出来的。这正是 PEAD 的经典形态：信号发布后，市场需要好几周才完全消化。
第 7 步：会不会只是七姐妹的特例？
七姐妹是明星股，会不会有特殊性？我把范围扩大到纳斯达克 100 里的 41 只科技股（约 2900 次财报），重做一遍。
结果：
财报当天的反应（+5.5%）和七姐妹几乎一模一样 → PEAD 不是特例，真实存在； 但"慢漂移"那段消失了——60 天后差距还是 +4% 左右，几乎不再扩大； （图里 D2 那条线只有 5 个样本，数量太少，属于噪声，可以忽略。）
为什么慢漂移消失了？ 这批股票流动性高、盯的人多，财报信息当天就被套利者消化干净了，没留下慢慢漂的空间。这是一个重要伏笔。
第 8 步：把"已经倒闭的公司"也算进来
前面有个隐藏问题：我们只统计了"活到今天"的公司，等于只看赢家——这叫幸存者偏差。
所以这一步我把范围扩到整个科技行业的 158 只股票，包括那些已经退市、被收购、倒闭的（一共 9443 次财报）。
结果：信号依然在——最好与最差组 60 天后差距约 +8%。把死掉的公司也算进来，PEAD 没有消失，说明它不是幸存者偏差造出来的假象。
第 9 步（本文重点）：不同行业，差异巨大
最后，我把这 158 只科技股按细分行业拆开，分别看 PEAD 强度（最好组 − 最差组的 60 天超额收益差）：
| 硬件设备 | +14.4% | |
| 半导体 | +1.9% |
最反差的两个：
硬件设备最强（+14%），而且随时间持续放大——这是最"经典"的 PEAD； 半导体最弱（+2%），而且越往后越衰减——财报当天就被消化完了。
四、为什么硬件最强、半导体最弱？
这背后是个很有意思的逻辑：PEAD 本质上是"信息扩散得慢"赚的钱。
半导体（英伟达、AMD、英特尔……）是市场最热门的板块，几十个分析师天天盯着，财报一出瞬间就被定价完，留给"慢慢漂"的空间几乎没有 → 信号弱； 硬件设备（存储、网络设备、代工厂这些"不性感"的公司）分析师覆盖少、关注度低，信息扩散慢，财报后股价要好几周才反应到位 → 信号强。
一句话：钱不在最热闹的地方，在被忽略的角落。 半导体 PEAD 信号低，不代表它不重要，而是它已经被高效定价、没你赚的份；硬件信号高，也不代表它是"好行业"，而是它被市场遗忘了。
回到声学的比喻：同样一块石头（财报冲击），扔进"半导体"这个铺满吸音棉的房间，"啪"一声就没了回响；扔进"硬件设备"这个空旷的大厅，回响要持续很久。
五、这对普通人有什么用
别被"财报当天大涨/大跌"骗了——真正的故事往往在之后几周才讲完，尤其是冷门行业； "超预期"比"增长快"更重要——市场早就把"预期中的好"定价进去了，真正驱动股价的是"意料之外"； 越冷门、越少人盯的标的，市场越没那么有效——这是个人投资者唯一可能比机构有优势的地方； 但要泼盆冷水：上面这些都是"毛收益"，真要去交易，还要扣掉买卖价差、手续费、以及冷门股流动性差带来的滑点——净收益会缩水不少。
六、结论：三句话和一个方向
第一，财报的"超预期程度"确实在驱动股价。 超预期越大的财报，之后带来的超额涨幅越大——这个规律从一只苹果，到七姐妹、再到 9000 多次财报、甚至把退市公司都算进来，都稳稳成立。它不是巧合，也不是幸存者偏差。
第二，这个信号的"持续时间"和"强度"因股而异、因行业而异。 有的行业（如硬件设备）财报后能慢慢漂一两个月、累计差出 14%；有的行业（如半导体）当天就被消化完、几乎不留余地。这意味着：真正值得盯的，是那些漂移时间长、波动幅度大的冷门标的——而不是人人都在追的热门股。
第三，机会还在，但下一步是"建模"，不是"照搬"。 财报发布后的 60 天里确实仍有套利空间，但它高度依赖于具体的行业、公司和这次财报到底超预期多少。把"哪个行业 + 哪类公司 + 多大的 surprise → 对应多大、多久的股价漂移"系统地刻画出来——这是一个预测建模问题，也是我下一步研究的方向。
换句话说，这九步走完，我们确认了"金矿"的存在、也大致圈出了它在哪个山头；接下来要做的，是造一台能精准开采的机器。
本文所有图表基于公开财务数据（FMP）独立计算，分析区间约 1995–2026，样本为美股科技板块。仅供学习与研究交流，不构成任何投资建议。
