相比CAPM框架下的因子模型而言，事件驱动策略的投资逻辑往往更为简单和直接，其本质就是对不完全有效市场下的价格发现过程进行合理化的假设并投资。具体来说，我们可以参考市场微观结构理论——信息对价格的影响机制是非常复杂的，市场参与者知情与否、市场交易机制的设计是否合理、交易成本的高低等因素都会对最终价格的形成造成不同程度的影响，从而可能导致市场难以在足够短的时间内完全消化掉所有新生信息，进而为追随事件的投资者创造了机会。而我国因为涨跌停板和难以做空等制度限制，证券价格的发现过程可能比海外市场更加复杂和低效，这也就意味着更为广阔的事件投资机会。

　　不过，除了显著的投资机会外，在我国运用事件驱动策略也有其独特的风险和挑战。首先被诸多学者和投资者诟病的就是信息存在提前泄露的可能，相信绝大多数人都能观察到一些股价早于事件披露前就发生异常波动的案例，或许确实有知情交易者的蓄意拉抬，又或许只是由于部分投资者捕风捉影的臆断，但这一现象的存在显然不利于事件驱动型策略去根据公开信息来进行操作。然后就是像市场微观结构理论所阐述的那样，信息向价格的传导机制是极其复杂的，甚至对任意一支股票、所有不同的时间窗口而言，信息的作用时长、作用强度都会是千差万别的，这也就导致不同的人对同一个事件的解读也同样会是千差万别的，其中更不可避免地受到投资者个人偏好的影响。

　　量化方法在事件驱动策略上的研究则相对要客观一些，也能有效分散上述不同标的之间的特有风险。其主要手段是寻找相似情景下、统计显著的一般化投资方法，以追求高概率或高盈亏比的投资机会，进而享受特定情景下价格发现过程所能创造的平均投资收益。举一个可能不恰当的例子，好的事件驱动策略就像是一只会下金蛋的鸡，只要经营得当，日积月累的超额回报就会十分丰厚。

　　当然，与其他量化模型容易落入的陷阱一样，量化事件驱动策略也可能因为数据挖掘而遭受过度拟合的困扰，比如在评判事件的标准过于繁杂和精确时，测试结果就有可能偏离于事件本身所蕴含的投资机会，此时就需要研究人员结合自身经验来做出权衡。

　　（本文作者：摩根士丹利华鑫基金数量化投资部 王联欣）