本报告创新性地将个股收益分解为基本面收益和投机性收益两部分,基于基本面收益的动量属性及投机性收益的反转属性构建双向选股策略。通过季度财务指标构建综合基本面因子,剔除行业效应后建立线性模型拟合基本面指标与收益关系。投机性收益表现出显著反转特征,基本面收益具备预测的动量特性。双向选股策略显著提升组合表现,年化收益达36.8%,夏普比率提升至1.04,相较单一策略更优。回测显示,构建的行业中性策略年化超额收益14.2%,信息比率1.81,最大回撤4.19%。后续研究拟引入机器学习方法深化基本面信息挖掘,提高选股效力
| 指标类型 | 代表指标 | 构造说明 |
|---|---|---|
| 盈利性 | EPS, ROE, ROAe | 净利润与股本或资产相关比率 |
| 成长性 | 利润增长率, 资产负债率倒数 | 采用过去四季度移动平均消除噪声 |
| 安全性 | 流动比率, 速动比率 | 财务健康度指标 |
| 分红力 | 股利支付率 | 股利派发能力体现 |
本文题为《基于二维收益分解的选股策略》,作者为刘富兵与黄皖璇,发布机构为国泰君安证券研究,发布时间为2017年9月1日。报告的核心议题是基于个股收益的二维分解方法,构建基于基本面收益和投机性收益两个维度的选股策略,以期发现具备更优投资价值的股票组合。
报告主旨在于通过对个股收益进行分解分析,将收益分为“基本面收益”(理性部分)和“投机性收益”(非理性部分),并基于两者的不同预测属性(基本面收益呈现动量效应,投机性收益呈现反转效应)构建双向选股策略,实现优异的投资表现。报告最终展现的策略在回测中取得超额收益14.2%,信息比率1.81,最大回撤4.19%的优秀表现,显示了方法的有效性。
报告指出今年市场经历了大小盘风格切换,特别是对白马股和蓝筹股的关注度明显提升,价值投资理念逐渐被市场认可。作者通过基本面分析视角,用简单线性模型拆分个股收益为基本面收益和投机性收益两部分,分别捕获其动量与反转属性,从而指导选股。
重要假设包括:
基于戈登股利增长模型理论(盈利性、成长性、安全性、股利支付能力四大因素决定价值),报告定义并梳理大量基本面单指标,如EPS、ROE、毛利率等盈利性指标,净利润增长率、资产负债率倒数等成长性指标,流动比率、速动比率等安全性指标,以及分红能力和规模指标。表1详细列示了各单项指标定义及公式。
为解决财务数据存在极端值、行业间差异及缺失问题,报告参考国际先进做法,对基本面指标采取“行业内排名-标准化(z-score)”处理方式,消除行业影响及极端数据干扰。综合指标以各单指标平均后再标准化计算得到。
考虑公司各指标短期内趋势稳定,加入过去四个季度移动平均指标,捕捉持续性特征。
报告采用截面线性回归模型:
rit=β0,t+∑k=15β1tkFi,tk+∑k=15β2tkFTTMi,tk+∑I=127βtIInduDumi,tI+εit
其中,Fi,tk为各类综合指标(盈利、成长、安全、股利支付、规模)当期值,FTTM为其四季度移动平均,InduDum为行业哑变量。
通过拟合,个股收益分解为:
此二维分解构成选股策略核心。
通过将股票按投机性收益分值行业内部排序分层,测试其收益表现。图1显示低投机性收益组(G5)收益远高于高投机性收益组(G1),两者年化收益分别4.63%和29.02%,显示投机性收益存在显著的反转特征。
另外,将投机性收益与传统的一个月反转因子做比较,投机性收益的Rank_IC平均值为7.7%,显著高于7.1%,且波动率更低,T值倍数也更高(9.21 vs 5.4),验证了投机性收益剥离基本面后的非理性成分确实具备更强的反转预测能力。
类似方法将股票按基本面收益分组,图2显示收益的正向单调性,即基本面收益值越高的股票,其下一期收益也越佳,体现了动量效应。虽然区分度不及投机性收益,但仍表现较稳定。
鉴于基本面收益和投机性收益分别体现市场的理性与非理性层面,两者信息具互补性。报告基于双指标分别行业排名,挑选同时处于最高比例层的股票,构成新组合(Double5)。
图3显示双向组合收益明显好于投机性收益单向最高组(G5),年化收益由29.02%升至36.8%,夏普比率由0.84升至1.04,验证了双维度选择策略具有增益效果。
具体选股流程:
回测期(2008年以来)表现出优良的超额收益能力与风险控制。图4展示策略相对于中证500指数的月度超额收益(蓝色柱)和累计超额收益(红色线)。年化超额收益14.2%,信息比率1.81,最大回撤4.19%,相对中证500月胜率73.4%,展现稳健的收益-风险优势。
报告基于个股收益的线性分解模型进行收益预测和策略构建,未采用传统的估值方法(如DCF、市盈率倍数等),估值核心集中在基于基本面财务指标和收益分解的量化方法,因此不存在传统估值模型输入假设及敏感性分析。模型假定基本面收益反映合理价值,投机性收益为偏离。
报告间接揭示以下风险:
报告并未详细给出具体缓解措施,但通过行业中性化和交易成本考虑已有一定风险缓解。
整体来看,《基于二维收益分解的选股策略》报告创新地将个股收益拆分为基本面收益与投机性收益两部分,分别代表市场理性与非理性价格行为。基于简单线性模型,结合全面的基本面指标体系和行业排名标准化方法,实现了收益的有效分解。
实证分析清晰展示出:
回测结果证明,在剔除了行业和市场大盘效应、考虑交易成本和限制条件后,该策略仍具备较强的超额收益能力,年化超额收益14.2%,信息比率1.81,最大回撤4.19%,保持稳定增长且月度战胜基准概率高达73.4%。
值得关注的是,报告提出当前模型仍有发展空间,特别是在丰富基本面信息与收益关系建模方面,未来引入机器学习方法有助进一步激发基本面因子选股潜力。
总结而言,本研究不仅为中国市场股票定价的理性与非理性成分提供了新的量化分解视角,也通过实践验证了其在策略构建上的应用价值,为投资者提供了有效的选股工具和理论基础。
【全文引用标记】,,,,,,,
基于二维收益分解的选股策略.pdf