国赛财报题实战：从AMD营收115.4亿美元创新高、股价反跌6.9%看预期差建模
8 月 4 日，AMD 发布 2026 年第二季度财报：营收 115.4 亿美元，同比增长约 50%，创历史新高；其中数据中心业务收入 67 亿美元，同比翻倍以上、环比大增 107%，AI 加速器需求强劲，财报还特别提到了与 Anthropic、微软的合作。数据几乎全面超预期，然而戏剧性的一幕出现了：财报发布后，AMD 股价不涨反跌，此后几个交易日累计下跌约 6.9%，甚至拖累费城半导体指数走低。原因只有一个——市场看的不是"过去多好"，而是"未来够不够好"：公司给出的业绩指引没有达到投资者的兴奋阈值。这堂课对国赛备赛非常有用：财报类赛题表面考数据，实际考"预期差"——把"市场预期"与"公司实际"之间的差建模出来，才是高分答案。
一、财报数据题：国赛的稳定高频题材
国赛和各类数模竞赛中，财务与经营数据分析是稳定出现的题材：上市公司财报解读、行业经营数据预测、公司估值、财务风险识别。这类题的特点是"数据现成、故事复杂"：财报里的数字都是真的，但"为什么市场这么反应"需要建模来解释。AMD 的案例提供了完整素材：营收、利润、分部收入、同比增速、指引、股价反应，六类数据齐备。处理财报题的通用框架是三层：第一层描述（数字是什么）、第二层归因（数字为什么）、第三层预期（市场怎么定价）——大多数队伍停在第一层，拿高分的队伍都做到了第三层。
二、拆解 AMD 的财报：分部数据怎么读
AMD 财报最值得建模的是分部结构。把营收拆开看：数据中心 67 亿美元（同比翻倍以上），客户端与游戏、嵌入式等其他业务合计约 48 亿美元。结论立刻清晰：增长几乎全部来自数据中心，其他业务只是"跟随"。这种"单引擎驱动"的结构意味着两件事：第一，公司未来增长高度依赖 AI 算力需求，一旦需求放缓，缺乏第二增长曲线；第二，市场对公司业绩的预期也全部押在数据中心上，指引里数据中心的任何波动都会被放大。建模时可以构造一个简单的分解模型：把总营收写成各分部之和，用分部增速的加权平均解释总增速，再用分部结构的变化预测未来——这样的"结构分解+预测"两步走，是财报题的标准动作。
三、预期差模型：为什么"超预期"还是跌
AMD 的股价反应是理解预期差的最佳教材。市场对一只股票的定价基于"预期"，财报是"预期被证实或证伪"的时刻：实际值高于预期则涨，低于则跌。AMD 的营收确实超了分析师预期，但股价反而下跌，说明市场定价的锚是"指引"而不是"历史"。把预期差写成模型：股价变动约等于实际值相对市场预期的偏离，再加上指引相对市场预期的偏离，两者加权。AMD 案例中，营收超预期的正贡献被指引不及预期的负贡献盖过，最终净效应为负。建模时，用"一致预期"数据（分析师预测的均值）作为市场预期的代理变量，把实际值、一致预期、指引三个序列放进回归模型，可以定量拆出"哪部分预期差主导了股价"。
四、从定性到定量：构造财报评分模型
把预期差从"感觉"变成"分数"，可以用多指标打分：每个指标计算"实际相对预期的偏离度"（实际减预期除以预期的绝对值），按方向与权重加权汇总，得到"财报惊喜度"。指标选择四到六个：营收偏离、利润偏离、毛利率变化、分部增速、指引偏离、回购分红动作。权重设定可以简化处理：历史数据对股价影响的回归系数作为权重，或用等权加专家判断。打分结果与股价反应对照验证：惊喜度为正的财报日平均上涨、为负的平均下跌，模型就成立。AMD 的惊喜度打分为负（指引拖累），与股价下跌 6.9% 一致——模型与现实的闭环，就是论文的底气。
五、回归模型：量化"预期差如何定价"
更进一步，用回归模型回答"预期差到底值多少钱"：以财报发布日前后几天的累计超额收益为因变量，以各指标的预期偏离度为自变量，回归系数就是市场给每种预期的"定价"。样本取同一行业内多家公司多期财报数据（AMD、英伟达、英特尔等），样本量足够时回归系数显著。典型结果：指引偏离的回归系数最大——市场对"未来"的定价权重远高于"过去"，这与 AMD 案例完全吻合。这个模型的学术名称叫"预期差定价模型"，国赛论文里写清楚变量定义、样本选择、回归结果与稳健性检验，就是一份标准的实证研究答卷。
六、预测篇：把财报分析延伸到盈利预测
财报题的终点通常是预测：下一季度营收多少、全年能否维持增速。方法上优先用"分部驱动法"：先预测各分部的增速（结合行业景气、订单、资本开支），再汇总成总营收。AMD 案例：数据中心分部按 AI 需求维持高增假设，客户端与游戏分部按温和增长假设，预测下一季度总营收约 120 亿到 125 亿美元。再与卖方一致预期对比：如果预测值低于一致预期，说明股价还有下修空间；反之则可能修复。最后做敏感性分析：AI 需求增速每下调 10 个百分点，预测值下移多少——把不确定性摆上桌面，论文的严谨性就立住了。
七、国赛财报类赛题的通用清单
第一步，数据清洗与结构分解：把总营收拆成分部，把同比拆成环比与结构贡献；第二步，描述性统计：增速、毛利率、结构占比的变化趋势；第三步，预期差建模：收集一致预期数据，构造惊喜度评分；第四步，回归验证：用多公司样本估计预期差的定价系数；第五步，盈利预测：分部驱动法预测下一期；第六步，敏感性分析：关键假设扰动下的预测区间；第七步，结论落地：回答"市场为什么这么反应"以及"未来怎么看"。这套七步流程，适用于一切"财报+股价"类赛题——AMD 的 115.4 亿美元与 6.9% 的下跌，就是最好的练习题。
八、小结
AMD 的财报课告诉我们：数字漂亮不等于股价漂亮，市场买的是未来。对建模来说，这意味着财报题的最高分不在"算得准"，而在"看得透"——把描述、归因、预期三层拆开，用预期差模型把"市场为什么这么反应"讲清楚。学会这套框架，下次遇到任何"业绩创新高股价却下跌"的题目，你都能交出一份有模型的答卷。
