Abnormal Investor Visits (AIV, 异常机构调研信号)
大白话：把「多少机构来调研」里那些能被规模、流动性、历史表现解释掉的部分扣掉， 剩下的残差就是「异常调研」。它的意思是：在没人特别应该关注它的情况下，机构还是跑来了。 深交所 A 股 2012–2019 的样本里，AIV 是一个正的横截面 alpha 代理， 能扛住标准控制变量和 Fama-French 五因子调整。
定义
对公司 i 与自然月 m，令
\text{LNVISIT}_{im} = \log\bigl(1 + \#\text{on-site investor visits in months } m-2, m-1, m\bigr)
做月度横截面回归
\text{LNVISIT}_{im} = \alpha_m + \beta_1\,\text{SIZE}_{im} + \beta_2\,\text{TURN}_{im} + \beta_3\,\text{MOMEN}_{im} + \beta_4\,\text{ROA}_{im} + \varepsilon_{im}
其中：
- \text{SIZE}_{im} = 流通市值（百万元人民币）的对数
- \text{TURN}_{im} = 12 个月平均换手率
- \text{MOMEN}_{im} = 过去 12 个月累计收益（跳过月份 m）
- \text{ROA}_{im} = 营业利润 / 总资产
定义
\text{AIV}_{im} \;\equiv\; \hat\varepsilon_{im}.
\text{AIV} > 0 意味着：公司的调研次数超出了其规模、流动性、动量和盈利能力所能预测的水平。 信号按月发布；在原始论文 So Wang Zhang 2024 Investor Corporate Visits 中，使用前先做 1/99% 的横截面缩尾。
实证性质（深交所，2012-07 至 2019-12）
| 指标 | 等权 | 市值加权 |
|---|---|---|
| 原始 Q5−Q1 收益 | 每月 1.14%（t = 5.52） | 每月 0.65%（t = 2.92） |
| 市场调整后 | 1.14%（t = 5.52） | 0.65%（t = 2.92） |
| DGTW 调整后 | 0.66%（t = 4.92） | 0.39%（t = 2.64） |
| FF5 α | 1.02%（t = 7.86） | 0.71%（t = 3.84） |
| 原始年化 | 约 13.7% | 约 7.8% |
滞后一期的 AIV 对未来 6 个月（VW）到 10 个月（EW） 的收益都有预测力，且不发生符号反转—— 这与「短暂的买盘压力」解释不符。
alpha 集中在哪里
信号在以下情形下更强（所有交互项均显著为正）：
- 公司被冷落——分析师覆盖低、机构持股低、近期亏损或市值小（表 5 的 B 面板）。
- 成交量低——把「高 AIV / 异常换手低」与「低 AIV / 异常换手高」组合起来， 可得约 每月 1.49% 的 DGTW 调整后 alpha（表 6）。
- 调研机构付出了更高成本——非持仓方调研、首次调研（过去 6 个月无调研）， 或百度地图 API 显示出行时间高于中位数（表 5 的 A 面板）。
- 公众关注度低——与分析师修正、媒体/分析师关注度的交互项显著为负。
该信号不被以下因素吸收：
- 标准横截面控制变量（规模、B/M、动量、盈利能力、资产增长、换手、反转）——表 3 第 3 列。
- 异常分析师覆盖（Lee & So 2017 的 A_{TOT}）——表 3 第 3–4 列。
- 调研前后的平均带符号收益（Cheng 等 2019 的 AVG_SAR）——表 3 第 4 列。
- 滞后 / 当期 / 前瞻的公募基金持仓（第 7 列甚至特意放入了前瞻持仓控制）——表 3 第 5–7 列。
- 卖方分析师调研（AIV_NOFUND 没有增量解释力）——表 3 第 8 列。
- 信息风险（VPIN、买卖价差）——网络附录 A1；两个代理变量与 AIV 都负相关。
机制
AIV 预测随后的盈利消息（表 7）：在标准化意外盈利（SUE）、盈利公告规模调整收益（SAR）、 分析师预测误差（FE）和分析师修正（REV）上都为正。 对冲组合在下一个盈利公告日的收益比非公告日高 3.6–4 倍。 AIV 也领先于机构买入（表 8）：参与调研的基金持仓随 AIV 上升，而未参与调研的基金持仓下降—— 这是信息充分的交易者把信号变现到价格里的直接证据。
当调研转到线上时，AIV 不再成立：疫情后的线上 AIV 没有收益预测力， 这与昂贵信息获取的故事一致。
与其他「异常关注度」因子的关系
| 因子 | 底层关注度度量 | 标的池 |
|---|---|---|
| A_{TOT}（Lee & So 2017） | 分析师覆盖残差 | 美股 |
| AIV（So, Wang & Zhang 2024） | 买方实地调研残差 | 深交所 A 股 |
| 信息获取代理变量（Crane, Crotty & Umar 2023） | 对冲基金信息获取活动 | 美股 |
三者遵循同一套模板——从一个基于流量的关注度度量中剥离由规模 / 流动性 / 历史收益驱动的机械成分，取其残差。 深层机制不同（分析师覆盖是免费的公共品，AIV 是昂贵的私人筛选，对冲基金信息获取是付费服务）。
实现要点
- 用披露日而不是调研日——约 88.9% 的调研在规定的 2 天窗口内披露。
- 信号在
irm.cninfo.com.cn/szse/（互动易）实时发布。A 股数据商（CSMAR、Wind）提供清洗版。 - 配合规模 / 流动性筛选：alpha 集中在小市值 / 低流动性标的上——这是关注度 / 冷门股故事的典型特征。
- 拥挤风险：论文发表、信号被广泛复制后，预期等权 alpha 压缩。 现实的样本外预期约为样本内的一半。
局限与待研究问题
- 仅限深交所；没有上海对应版本，因为上交所不要求当日披露。
- 没有交易成本层；五分位减一的组合换手率，以及 A 股手续费 / 冲击 / 印花税都未建模。
- 「异常」的定义刻意保持简约（4 个控制变量）；行业、地域聚类或机构覆盖的固定效应 可能进一步降低残差方差，但不应改变符号。
- 与 Cross-Sectional Momentum 或 Time-Series Momentum 的组合尚未探索。
相关页面
- So Wang Zhang 2024 Investor Corporate Visits —— 源论文。
- Investor Corporate Site Visits —— 其背后的行为。
- Shenzhen Stock Exchange Disclosure Regime —— 让这个信号可观测的制度规定。
- Costly Information Acquisition —— 一般原理。
- Neglected Stocks —— alpha 集中的地方。
- Post-Earnings Announcement Drift —— alpha 兑现的释放渠道。
- Investor Attention —— 更大的关注度类 alpha 因子家族。