本报告持续跟踪成长趋势共振选股模型,提出拟合抛物线最低点及利润季节性剔除改进。剔除季节性企业后,策略2017年收益显著提升,回测期内年化收益率达37.1%,超额收益率22.7%,强化了业绩加速趋势的选股效力。
| 年份 | 年化收益率 | 年化波动率 | 年化超额收益率 | 信息比率 | 最大回撤率 | 月度胜率 | 年度排名 | 基金总数 |
|---|---|---|---|---|---|---|---|---|
| 2009 | 123.0% | 33.6% | 39.4% | 2.65 | -15.9% | 75.0% | 7 | 234 |
| 2010 | 33.5% | 31.7% | 29.2% | 2.00 | -26.7% | 75.0% | 3 | 279 |
| 2011 | -13.4% | 25.6% | 14.4% | 1.21 | -29.5% | 75.0% | 10 | 330 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 总体 | 37.1% | 30.1% | 22.7% | 1.78 | -44.4% | 69.6% |
| 年份 | 年化收益率 | 年化波动率 | 年化超额收益率 | 信息比率 | 最大回撤率 | 月度胜率 | 年度排名 | 基金总数 |
|---|---|---|---|---|---|---|---|---|
| 2009 | 151.4% | 33.9% | 57.3% | 3.77 | -15.3% | 100.0% | 1 | 234 |
| 2010 | 23.7% | 31.3% | 19.7% | 1.40 | -27.2% | 66.7% | 17 | 279 |
| 2011 | -15.6% | 26.5% | 11.7% | 0.91 | -30.9% | 58.3% | 13 | 330 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 总体 | 37.3% | 30.4% | 22.9% | 1.74 | -42.5% | 71.6% |
(《基本面量化系列(4):精确刻画业绩的加速增长趋势》,中金公司,报告日期截至2021年4月)
本部分回顾了成长趋势共振选股模型的设计理念及整体效果。模型基于“业绩成长具有延续性”的假设,通过多步骤筛选:
策略自2009年1月1日起,年化收益37.1%,年化超额收益22.7%,2021年初以来收益稳健(基准超额7.3个百分点)。自2021年2月开始样本外跟踪,表现依然可圈可点,超基准5.7个百分点,显示良好的稳健性与效用。
整体收益稳定且优于基准,且长期信息比率(1.78)表明策略的风险调整回报良好。
风险方面,策略最高最大回撤达-44.4%,对应2015年,关注该阶段可能面临的市场不确定性。整体信息比率稳定,风险调整后表现优于随机选股。该数据充分展示成长趋势共振模型在实操中的可行性及收益曲线优势。
关注点聚焦在拟合抛物线的最低点及利润季节性剔除两个方面。
图表详细展示抛物线示意(图表5)、最低点位置分布(图表6)及收益分组曲线(图表7),具体图形直观展现指标分布态势及分组表现的时间动向,增强理解。,4]
剔除这些季节性个股后,模型的绩效表现明显改善,尤其自2017年以来表现更优,2021年收益率从4.2%提升至7.0%。说明季节性剔除为有效的模型优化措施。
图表8-13详细展示了利润季度分布及拟合曲线比较(图表8、9)、模型剔除季节性个股后表现(图表10-13)及季节性个股数量占比(图表11)。数据充分印证分析观点。,6]
剔除季节性个股后,策略年化收益率在多数年份均得到提升:
表格中细节数据如2009年年化收益由123%提升至151.4%,股灾年份2015年年化收益虽有所回落,但总体趋势向好。
报告逻辑严谨,实证丰富,对量化基本面选股模型的提升提供了具有参考价值的路径。
| 图表编号 | 内容简介 | 关键洞见 | 数据特征 | 关联结论 |
|---|---|---|---|---|
| 图表1 | 成长趋势共振选股策略实施步骤 | 三阶段筛选逐层滤除风险,增强收益精准度 | 条件明晰,筛选标准科学 | 构建模型核心逻辑 |
| 图表2 | 策略2009-2021累计收益曲线 | 策略成长趋势较指数优异,长期稳健 | 策略净值持续拔高,基准平缓 | 验证策略实操优越性 |
| 图表3 | 策略2021年收益近况 | 策略净值保持领先,短期稳健 | 收益波动小,领先基准 | 策略近期潜力 |
| 图表4 | 年度收益、风险统计表 | 年均收益优秀,波动和回撤可控 | 不同年份表现有起伏峰谷 | 风险收益动态变化 |
| 图表5 | 拟合抛物线最低点示意 | 不同拐点对应曲线形态 | 早拐点曲线加速区间长 | 拐点与加速期关联 |
| 图表6 | 各调仓期抛物线最低点分布 | 75%股票最低点在第4季度及以前 | 位置多集中零附近偏负 | 主流加速起点早 |
| 图表7 | 不同最低点组收益曲线 | 早拐点组收益优但波动大 | 回撤在部分年份显著 | 运用时需注意稳定性 |
| 图表8、9 | 科沃斯与泛微网络利润季度及拟合曲线 | 科沃斯顺滑走势,泛微季节性明显 | 拟合结果验证限制 | 季节性盘整对模型影响 |
| 图表10 | 季节性明显股票相对收益 | 季节性股票长期跑输基准 | 相对收益持续下滑趋势 | 剔除合理性支持 |
| 图表11 | 季节性股票数量占比 | 稳定占比约11.6% | 规模适中影响策略 | 剔除后策略改良 |
| 图表12、13 | 剔除季节性股票后策略收益表现 | 2017年后收益明显提升 | 净值曲线更加稳健上扬 | 优化方法成功 |
| 图表14 | 剔除季节性股后年度统计 | 收益、信息比率均提升 | 最大回撤改善 | 提升策略风险收益比 |
本报告为量化策略模型优化分析,未涉及具体公司估值,主要围绕业绩指标和收益率统计设计与优化模型。
核心量化指标为回归拟合二次方程参数、利润季节性统计量及收益率表现,未使用传统DCF或市盈率等估值模型。
报告通过剔除利润季节性个股及结合多因子指标来降低部分风险,但未来仍需谨慎关注因子失效及市场周期影响。
本报告针对成长趋势共振选股模型的核心技术——通过拟合抛物线最低点刻画业绩成长拐点,系统分析了该指标与股票收益的关联,证实早期业绩触底回升企业具备超额收益优势,但该关系并非持续稳定。反复出现的回撤期提醒模型应用需结合市场环境判断。
利润季节性对模型拟合质量影响显著,本报告通过定量方法识别并剔除受季节性强烈影响的个股,显著提升了模型自2017年以来的收益水平。这表明去除噪声型样本、聚焦趋势性业绩增长,是量化基本面模型提升的有效路径。
策略从2009年以来累计表现优异,超越指数基准,信息比率及月度胜率良好,最大回撤适中,显示出稳定的风险调整收益。剔除季节性个股后的年度统计进一步验证了模型改进的有效性。
报告全面、数据详实、逻辑清晰,既有理论模型深度,也结合了投资实操考量,体现了量化选股模型在基本面刻画中的先进应用。今后,可进一步探索多维因子融合及市场动态适应性,以持续提升模型表现和稳定性。
本分析旨在全面剖析《基本面量化系列(4):精确刻画业绩的加速增长趋势》报告的理论基础、数据支撑、模型优化路径及其投资表现,结合图表与数据,确保阐释内容详实完整。
所有结论均严格基于报告内容。
基本面量化系列(4):精确刻画业绩的加速增长趋势.pdf