本文利用中国股市盈余公告前后独特的交易与披露安排，将公告日收益分解为隔夜与日内两个部分，发现两者对盈余新闻的反应存在显著差异。隔夜时段由开盘集合竞价形成，对盈余新闻反应强烈且与未来收益、未来基本面正相关；日内连续交易时段则出现反向交易，削弱了全天收益的信息含量。作者将这种差异归因于交易机制与投资者构成的不同：集合竞价有利于聚合信息并抑制噪声，而连续交易更容易受到散户投资者的逆向交易影响。该研究为理解新兴市场盈余公告的价格发现过程、交易机制作用以及投资者结构影响提供了新的视角。
基于中国股市盈余公告前后独特的交易与披露时间安排，本文提供了关于盈余新闻反应存在显著隔夜—日内差异的证据。具体而言，隔夜时段对盈余公告表现出强烈且一致的反应，而日内时段则同时与盈余新闻以及隔夜时段形成的先前市场反应方向相反。此外，盈余公告日的异常隔夜收益对未来股票收益具有显著预测能力，这与隔夜收益包含价值相关信息相一致。相比之下，盈余公告日的异常日内收益对未来收益没有预测能力，这也削弱了异常日收益整体的预测能力。本文进一步提出了对隔夜—日内差异的可能解释。研究结论认为，两个时段交易机制的差异以及投资者构成的差异共同驱动了这一现象。
1. Introduction
研究动机中国股市规模已位居全球第二，但散户投资者仍占主导，市场效率问题存在争议。本文 revisit 盈余公告反应这一经典问题，但不同于以往研究仅关注日收益，作者将日收益分解为隔夜收益与日内收益，检验两者对盈余新闻的反应是否存在差异。
制度背景中国股市的交易与披露安排具有三个特点：重大信息只能在隔夜时段披露，不得在交易时段披露；隔夜时段基本无交易，仅次日开盘前有 9:15–9:25 的开盘集合竞价；隔夜收益由集合竞价形成，日内收益由连续交易形成。因此，隔夜时段是盈余公告后的首个交易窗口，日内时段则在隔夜反应之后继续交易。这种制度安排为比较同一信息在不同交易机制下的反应提供了自然实验。
核心问题交易机制与交易时点共同影响两个时段的价格发现。集合竞价更有利于汇总信息并吸引知情交易者，因此隔夜时段可能对盈余新闻反应更有效；但 10 分钟的开盘时间也可能导致过度反应或反应不足，而日内连续交易时段更长、参与者更多，反而可能更理性。两种力量方向相反，构成待检验的经验问题。
核心发现本文核心发现可概括为三点：异常隔夜收益（）与标准化未预期盈余（）显著正相关，而异常日内收益（）与 负相关； 对未来股票收益具有显著预测能力，Fama-French 五因子月度 alpha 达 86.3 bps（年化约 10.86%）； 对未来收益无预测能力，全天异常日收益（）的预测能力主要来自隔夜成分。该现象主要由集合竞价机制的价格发现优势以及散户投资者在连续交易中的逆向交易共同驱动。
研究贡献研究贡献在于：首次在中国独特制度下系统分解盈余公告的隔夜与日内反应，揭示日内与隔夜反应方向相反的异象；为集合竞价在信息事件中的价格发现优势提供新证据；挑战“中国市场完全低效”的简单观点，指出特定机制也能产生高效的价格信号；对新兴市场盈余公告研究、交易机制设计以及量化投资策略具有启示意义。
2. Background and literature review
2.1 A brief overview of the Chinese stock market
中国股市规模快速扩张，截至 2021 年 5 月总市值超过 13 万亿美元，位居全球第二。尽管 QFII、沪港通等制度逐步开放，吸引了更多国际投资者，但散户投资者仍在交易中占主导地位。文献对中国市场效率存在分歧：一方面存在显著的散户驱动异象，另一方面也有研究显示市场在某些方面具有一定效率。本文通过盈余公告的独特制度设置，为这一争论提供新视角。
2.2 Earnings news and earnings announcements
美国文献发现市场对盈余新闻存在反应不足，从而产生公告后漂移（PEAD）。多数中国研究简单复制美国方法，使用日收益（close-to-close）检验盈余公告反应，但未能充分考虑中国本土的交易与披露制度。本文强调，在分析中国市场盈余公告反应时，必须结合其特有的隔夜—日内交易安排。
2.3 Unique arrangements of disclosure and trading
中国股市的具体交易安排如下：
交易时间：上午 9:30–11:30，下午 13:00–15:00。 开盘集合竞价：每个交易日 9:15–9:25，9:25 产生当日开盘价。9:15–9:20 可撤单，9:20–9:25 不可撤单。 收盘后无盘后交易：下午 3:00 收盘后至次日 9:15 之间没有交易机会。 披露时间规定：上交所、深交所要求可在 日交易使用的重大信息须在 日收盘后披露。
因此， 日收盘后披露的盈余公告，其首个交易机会是 日 9:15–9:25 的开盘集合竞价。隔夜收益完全由集合竞价形成，日内收益则在隔夜反应之后由连续交易形成。
图1展示中国股市交易时间轴与信息披露时间轴，说明盈余公告在 收盘后披露、次日开盘集合竞价为首笔交易机会。
3. Research design
3.1 Key variables
标准化未预期盈余（）定义为：
其中 为公司 在季度 的每股收益， 为季末股价。
隔夜收益、日内收益与日收益的定义分别为：
（论文原公式存在笔误）
日收益是隔夜收益与日内收益的复合：
异常收益采用规模调整收益。具体地，每年年初按市值将股票分为十个规模组合，计算个股收益与对应规模组合等权收益的差值：
其他控制变量包括市值（）、账面市值比（）、营业利润率（）、资产增长率（）、销售收入增长率（）、总应计项目（）、亏损指示变量（）、资产负债率（）、机构持股比例（）、分析师覆盖度（）、特质波动率（）、市场贝塔（）、短期反转（）、动量（）等。
3.2 Main research designs
研究方法包括：
事件研究法：按 五分位分组，观察公告日前后各窗口的 、、。 反向盈余反应系数（earnings response coefficient, ERC）回归：以 为被解释变量，分别回归 、、，检验不同窗口收益对盈余新闻的解释力。 日历时间组合法：按 、、 构造五分位组合，计算 FF3/FF5 alpha。 Fama-MacBeth 横截面回归：在控制风险特征后，检验异常收益对未来收益的预测能力。 未来基本面预测回归：检验异常收益对未来 、、、 的预测能力。
3.3 Data and sample
数据来自 CSMAR，样本期为 2005 年第一季度至 2019 年第四季度。筛选条件包括：剔除上市不足 180 天、开盘集合竞价零成交量、市值低于 1 亿元、股价低于 1 元、资不抵债、ST/*ST/PT 股票等。最终样本为 109,389 个公司—季度观测值，涉及 3,552 家独特公司。
表1 Panel A 报告样本筛选步骤；Panel B 报告主要变量描述性统计；Panel C 报告变量相关系数矩阵。
4. Empirical results
4.1 Overnight-intraday disparity in earnings announcement reactions
图 2 绘制盈余公告日前后 窗口内，按 五分位分组的规模调整异常日收益。Abnormal daily returns are generally consistent with the nature of earnings news. However, the pattern of abnormal daily returns is noisy and exhibits significant pre-announcement run-ups and post-announcement reactions.
图3展示按 五分位分组的异常隔夜收益（Panel a）与异常日内收益（Panel b）。核心发现：
随 单调递增。最高 分位数组（Q5） 为 +0.44%，最低组（Q1）为 -0.39%。 在公告日对所有 分位数组均为负，且高 组反转更明显（且公告日前就有run-up -> This may be due to information leakage, or it may be consistent with the phenomenon documented by So and Wang (2014).）
图4展示盈余公告日前后隔夜与日内异常交易量。公告日隔夜异常交易量激增约 135%，而日内异常交易量仅增加约 20.3%，显示隔夜时段是主要反应窗口。
接下来，进行反向 ERC 回归模型。
表2核心结果：
系数为 0.058（）， 系数为 0.027（）， 系数为 -0.005（）。 加入控制变量后， 系数仍显著为正（0.029）， 系数降至 0.013 但仍显著， 仍显著为负。 当 与 / 同时进入模型时，仅 保持显著。
4.2 Overnight-intraday disparity in return predictability
作者接下来利用收益预测检验两种情形：隔夜收益属于overreact or underreact。
基于 、、 分别构造日历时间五分位组合，计算多空组合的 FF3/FF5 alpha：
表3核心结果：
多空组合 FF5 月度 alpha 为 86.3 bps（），年化约 10.86%；FF3 alpha 为 90.9 bps（）。 仅做多策略中， 最高组 FF5 alpha 为 44.8 bps/月（），年化约 6.02%。 多空组合 FF5 alpha 约为 的一半（45.3 bps，），显著性较弱。 多空组合 alpha 不显著（FF5 alpha = 18.1 bps，）。
图5绘制 2005–2019 年基于 与 的多空组合年化 FF5 alpha，显示 在多数年份显著优于 。
进一步补充Fama-MacBeth 回归模型：
控制变量包括 、、、、、、、、。
表4核心结果：
对未来一个月股票收益具有显著正向预测能力。 同时加入 与 后， 系数不显著，说明其预测力主要来自隔夜成分。 无显著预测能力。
4.3 Information content of AOR_EA
的效应可能有两种解释：
simply captures earnings information conveys information that is incremental to SUE （从表4可以看出）
Controlling for SUE and analyst revisions
表5 Panel A 按 与 双向排序，Panel B 按 与分析师修正（）双向排序。结果显示，在控制 或 后， 仍具有显著预测能力，说明其含有超越盈余新闻与分析师信息的增量信息。
Predictability for firm fundamentals
未来基本面预测回归为：
其中 分别为 、、、。
表6核心结果：
对未来 、营业利润率、销售增长和下一季度 均有显著正预测能力。 在同时控制 后， 的预测能力仍显著强于 。 这说明 包含关于未来经营业绩的增量信息，而非价格噪音。
5. Possible explanations
5.1 Trading time or trading mechanisms?
作者区分两种可能的解释：
交易时点优势：隔夜时段是盈余公告后的首个交易窗口，可能天然具有信息优势。 交易机制差异：集合竞价与连续交易的价格形成机制不同，导致反应效率不同。
为检验这两种解释，作者比较两个子样本：
子样本一：开盘集合竞价有成交量， 由集合竞价形成。 子样本二：开盘集合竞价零成交量， 由首笔连续交易形成。
表7核心结果：
仅当 由开盘集合竞价形成时，才具有显著未来收益预测能力。 由首笔连续交易形成的 无显著预测能力。 这一结果支持交易机制解释，而非单纯的“首个交易窗口”时序优势。
5.2 Additional evidence about trading mechanisms
集合竞价通过最大化成交量汇总多方报价，具有三方面优势：
聚合广泛市场参与者的报价，反映更大范围的投资者共识； 透明度相对较低，激励知情交易者参与； 噪声交易者随机报价难以形成价格集中区域，从而抑制噪声影响。
相比之下，日内连续交易更容易受到散户投资者影响。中国股市散户投资者占主导，他们往往基于价格趋势而非基本面进行交易，可能在日内逆向于隔夜价格压力交易，从而加剧隔夜—日内差异。
表8按公司规模、机构持股比例、分析师覆盖度和特质波动率中位数分组，检验散户偏好如何影响 与 的预测能力差异。核心发现：
在散户偏好更强的股票中（小市值、低机构持股、低分析师覆盖、高特质波动率）， 与 的预测能力差异更显著。 在机构偏好更强的股票中， 也具有一定预测能力，说明日内交易噪声较小。
此外，近年来，机构投资者占比逐渐增加， 的预测能力有所下降，进一步支持机构投资者的作用（与图5呼应）。
6. Conclusion
略.
