4. 单题材归因方法
当一只股票在某个交易日出现明显异动，投资者最常问的问题是：这次上涨是不是由某个题材驱动的？要回答这个问题，不能只看股价涨了多少，而要把"个股涨幅"拆成两部分：一部分来自市场整体或风格因子的共同推动，另一部分才是该题材带来的特异性贡献。本节围绕单只股票、单一题材的归因任务，介绍事件研究法的基本框架、超额收益的具体计算方式，以及如何度量个股对该题材的暴露度，最终给出一个可复现的归因结论。
一、事件研究法的基本框架
事件研究法的核心思想是：把题材催化发生的时点定义为"事件日"，用事件窗口内的实际收益减去"如果没有该事件本应获得的正常收益"，差额即为异常收益。操作上需要明确四个要素：事件日、估计窗口、事件窗口和正常收益模型。
事件日通常取题材催化首次公开且可交易的日期，例如政策文件发布后的首个交易日、龙头公司公告重大订单的次日。若催化在收盘后发布，事件日顺延至下一交易日，避免把无法交易的信息计入当日收益。估计窗口用于拟合正常收益模型，一般取事件日前 120 至 250 个交易日，并剔除事件窗口本身，防止催化信息污染参数估计。事件窗口则覆盖催化前后的短周期，常见取 [-1, +3] 或 [0, +5]，用于捕捉提前反应与后续发酵。
正常收益模型最常用的是市场模型：以个股日收益对市场指数日收益做回归，得到截距 α 和斜率 β，再用事件窗口内的市场收益预测个股的"应有收益"。对于题材归因，更严谨的做法是在市场因子之外加入行业因子或风格因子，构成多因子正常收益模型，从而把行业整体景气与题材催化区分开。
二、超额收益的计算
设个股 i 在第 t 日的实际收益为 Ri,t，市场指数收益为 Rm,t，用估计窗口回归得到参数后，事件窗口内的日异常收益为：
AR(i,t) = R(i,t) - (α + β × R(m,t))
CAR(i, t1, t2) = Σ AR(i,t)，t 从 t1 到 t2单日异常收益 AR 反映当日超出正常预期的部分，累计异常收益 CAR 则衡量整个事件窗口的题材效应总量。举例说明（以下为教学假设数据，非实测结果）：某股票估计窗口回归得 α≈0.0002、β≈1.15；事件日市场涨 0.6%，个股涨 6.2%，则正常收益约为 0.0002+1.15×0.006≈0.71%，AR≈5.49%。若事件窗口 [0,+3] 内四日 AR 分别为 5.49%、2.10%、-0.80%、1.35%，则 CAR≈8.14%。
仅有 CAR 还不够，还要判断它是否统计显著。常用做法是用估计窗口内 AR 的标准差构造 t 统计量：t = CAR / (σAR × √窗口长度)。若 |t| 大于约 2，可认为异常收益在 5% 水平显著，题材效应不太可能由随机波动解释。此外应做稳健性检查：更换市场基准（如改用行业指数）、调整窗口长度、剔除涨跌停日，观察 CAR 的方向与显著性是否稳定。
三、题材暴露度的度量
超额收益回答"涨了多少是题材带来的"，暴露度回答"这只股票在多大程度上属于该题材"。二者相乘，才构成完整的归因逻辑：题材效应 ≈ 题材暴露度 × 题材整体超额表现。暴露度可从三个层面度量：
- 业务暴露：题材相关业务收入占总营收比重、相关产能或订单占比。这是最本质的度量，可从年报分部数据、投资者关系记录中提取。
- 收益暴露：用个股收益对题材指数（或题材龙头组合）收益回归，斜率即收益 beta，反映股价对该题材波动的敏感度。回归 R² 则表示个股波动中被题材解释的比例。
- 文本暴露：统计公告、互动易问答、研报中题材关键词的出现频次与密度，用于捕捉业务尚未体现在财务数据中、但市场已将其归入题材的情形。
三层暴露度应交叉验证。若业务暴露高、收益暴露也高，归因结论较可靠；若业务暴露很低但收益暴露很高，说明股价主要由情绪与资金驱动，属于"题材标签股"而非"题材实质股"，这类归因需要额外提示风险。
四、把三步串成一次完整归因
实际操作中，三步应形成闭环。第一步，确定事件日与窗口，用市场模型或多因子模型算出 AR 与 CAR，并做 t 检验与稳健性检查，得到"题材效应是否显著、量级多大"的结论。第二步，从业务、收益、文本三个层面度量暴露度，判断这只股票是否真的属于该题材。第三步，把两者结合：若 CAR 显著为正且暴露度高，可判定为题材实质驱动；若 CAR 显著但暴露度低，应判定为情绪驱动，提示后续回落风险；若暴露度高但 CAR 不显著，说明题材催化尚未被市场定价，或个股存在其他压制因素。
完成上述流程后，一份可交付的归因结论应包含：事件日与窗口设定、正常收益模型参数、逐日 AR 与 CAR、t 值与稳健性结果、三层暴露度数据及来源、最终归因判断与风险提示。这样的结论既能解释"为什么涨"，也能为后续同类题材的归因提供可复用的参数与判断标准。