本篇报告旨在构建一个事件驱动多因子选股体系，从事件筛选、事件因子化，到纯事件驱动策略、事件与传统因子结合策略，提供一个完整的架构，多种策略可适应不同的调仓需求。http://www.hibor.com.cn【慧博投研资讯】
要判断某事件是否具有事件效应，不能只观察事件发生后个股的绝对收益或超额收益，需要提纯出事件贡献的“异常收益”。http://www.hibor.com.cn（慧博投研资讯）本报告给出两种提纯方法：风险因子分解和特征基准模型（CBBM）。经比较，回测时选用CBBM。
根据发生事件的股票的收益持续性，我们将事件分为两类：收益类事件和风险类事件，并根据累计异常收益曲线和t值，设置事件有效期。仅从事件出发，我们构建了长期和短期的纯事件驱动策略，都是不定时调仓策略，回测结果均显著超过中证全指。
此外我们提供两种将事件驱动与传统多因子模型综合起来的策略，都是按月调仓。第一个策略是多因子筛选后的事件驱动策略，其本质上是个事件驱动策略，在事件驱动基础上加入因子得分的过滤条件，2007-2017年的回测区间内平均年化收益率为49.8%，信息比率0.86。第二个策略是纳入事件驱动的多因子策略，其本质上是个多因子策略，首先把多个事件因子合成为一个事件因子得分，将其纳入因子库，用传统多因子选股方法构造组合，2007-2017年的平均年化收益率为54.7%，信息比率0.96。
本文尚有可改进之处，在实际操作中，应当动态更新事件库和有效期，判断当前市场环境下事件是否失效。此外，本文未考虑组合权重优化，风险过于暴露，回撤较大，信息比率不高。事件因子化过程不精细，有待深入探讨。
 ■风险提示：数据全部来自公开市场数据，市场环境出现巨大变化模型可能失效。