华泰证券——华泰“强强联合”低市收率选股模型深度研究报告详尽分析
1. 元数据与概览
- 报告标题:《华泰价值选股之低市收率A股模型Ⅱ 华泰“强强联合”低市收率选股模型》
- 作者及联系方式: 林晓明(执业证书编号:S0570516010001),王湘(执业证书编号:S0570516100001)
- 发布机构: 华泰证券研究所
- 发布日期: 2017年5月20日
- 研究主题: 基于小费雪投资理念,结合A股市场特性,构建并实证验证以市收率(Sales to Price Ratio,市销率倒数)为核心指标的低市收率选股模型,提出“强强联合”筛选机制并进行实证回测。
- 核心论点: (i) 市收率(尤其低市收率)是选股的有效指标;(ii) 结合基本面辅助指标剔除质地较差的公司极大提升模型有效性和稳健性;(iii) 横向行业市收率结合纵向相对市收率布林带指标的双因子模型“强强联合”带来更高收益和更稳健风险控制。
- 评级及目标价: 由于本报告为策略模型研究,无具体目标价和个股评级,重点在于模型的投资价值和超额收益表现。
- 主要信息传达: 低市收率不仅体现估值优势,也需要结合成长性、杠杆和盈利能力等辅助指标过滤负债高企、利润不佳的“困难公司”,华泰建构的“强强联合”低市收率选股模型,在过去12年显著跑赢市场指数,且呈现稳健的风险收益特征。,
2. 逐节深度解读
2.1 小费雪低市收率投资理念
- 小费雪认为市收率是一个较为真实且抗会计波动的估值指标,尤其适合周期性行业。
- 低市收率通常伴随两类股票:优质估值低估的“超级股票”和高负债、弱盈利的“困难公司”。因此,选取低市收率股票时必须剔除后者,确保组合质量。
- 选股标准包括:
- 成长性:营业收入与净利润稳定增长;
- 杠杆能力:资产负债率不宜过高;
- 盈利能力:净利润率或毛利率较高。
- 综合横向(行业内静态市收率)和纵向(相对市收率)视角,更全面判断股票价值。
- 本报告模型即在此理念基础上扩展,结合辅助指标进行“强强联合”筛选。
2.2 A股市收率因子研究
- 市收率因子分为两大角度:
- 静态市收率因子: 在每期、每个行业内选取低市收率股票。
- 相对市收率布林指标: 以个股市收率与市场市收率的比值,计算其移动平均与布林带上下轨,反映股票是否相对历史估值处于低位。
- 实证结果:
- 静态市收率因子按分层回测,低市收率组合的年化收益领先组合依次递减,年化收益率分别约为29%至19%(低组合最佳),夏普率最高0.77。
- 29个中信一级行业中,22个行业静态低市收率组合表现最优,且多数行业表现出“低>中>高”收益层级递减。
- 相对市收率布林指标分层回测表现更佳,最低组合年化收益达32.17%,夏普达到0.85。
- 两者结合的“双分层”策略进一步提升年化收益及夏普率,同时带来组合市值的明显提升,避免小市值股票偏好,增强组合稳健性。
2.3 辅助指标分析:成长、杠杆与盈利能力
- 报告定义了4个辅助选股指标:
- 净利润增长率
- 营业收入增长率
- 资产负债率
- 净利润率
- 实证回测结果显示:
- 净利润增长率和营业收入增长率的分层收益单调性较好,年化收益随着分层提升而增长(最高分层年化约27%-28%)。
- 资产负债率和净利润率分层收益相对单调性稍弱,但整体也符合“低负债,高利润率带来优异绩效”的逻辑。
- 市收率与辅助指标相关性强度显示:
- 市收率与资产负债率呈显著负相关(-16.06),低市收率企业多有较高负债。
- 市收率与净利润率呈显著正相关(2.85),低市收率公司也表现较低利润率。
- 市收率与营收增长率、净利润增长率相关性不显著。
- 这进一步验证了仅靠市收率可能包含高风险企业,辅助指标有助于剔除质地差的“困难公司”,提升组合质量。
2.4 华泰“强强联合”低市收率模型构建及选股规则
- 结合静态市收率和相对市收率布林指标的交集作为初步股票池。
- 结合辅助指标进一步剔除资产负债率排名靠后的1/3,剔除净利润增长率负值企业,筛选营收增长率行业前1/3,剔除净利润率行业后1/3,构建最终股票池。
- 股票池数量上限50只,若超出则按相对市收率比例排序取前50。
- 回测时期2005/01-2017/01,采用等权重月度调仓,未考虑交易成本。
- 回测结果:
- 总收益率4552.17%,年化收益率38.02%,夏普率1.00,最大回撤64.88%,明显优于单因子模型及沪深300(年化11%)和中证500(年化17.44%)。
- 年度分析显示9年内该模型为回测期间年度最佳表现策略,除2006年之外均超越指数。
- 对冲沪深300实现年化超额收益23.70%,夏普率1.06,最大回撤32.89%;
- 对冲中证500实现年化超额17.79%,夏普率1.74,最大回撤14.01%;
- 组合持仓稳定平均39.73只,行业分布均衡,轮动性适中无显著偏离,换手率40.53%,较高但受相对市收率动量效应影响。
- 股票池市值略高于市场整体,说明不存在小市值偏差。
- 成分股多为蓝筹及表现稳定行业股票,组合分散,风险分散效果良好。
3. 图表深度解读
3.1 静态市收率因子分层回测(图表1)
- 展示了2005-2017年期间,依据行业内静态市收率排序得到五个组合净值走势。
- 明显走势优劣分层,低市收率组合(深红色线)显著跑赢其他组合,最终净值接近25倍,长线表达低估价值成长。
- 高组合(红色虚线)涨幅明显滞后,复盘显示静态市收率因子在大盘整体上涨及调整时阶段均表现稳健。
- 该结果支持静态市收率因子具备良好的显著性和单调性。
3.2 静态市收率因子分层绩效(图表2)
- 具体数字显示,低组合年化收益率高达28.94%,夏普率0.77,对比高组合19.30%和0.50。
- 高最大回撤均接近-67%,风险水平相似,说明收益提升主要来自资产配置效率。
- 数字层面证实了静态市收率因子的投资价值。
3.3 静态市收率因子分行业表现(图表9、10、11)
- 图表9显示29个行业中,22个行业市收率低组合收益率领先高组合,平均多空收益7.04%。
- 国防军工行业表现最显著,多空收益高达20.22%(图表10净值曲线显示低组合显著远超中高及高组合)。
- 公用事业和电力等行业(图表11)表现不显著甚至负收益,反映部分防御行业市收率指标有效性较差。
- 表明分行业策略还有进步空间,但整体有效。
3.4 相对市收率布林指标分层回测(图表12、13)
- 净值曲线(图12)显示相对低组合持续跑赢中高及高组合,且分层间差异较静态市收率更明显,年化收益最高达32.71%。
- 分类寿命长且收益稳定,夏普率0.85,同比静态模型提升明显。
- 确认“纵向比较”历史相对估值捕捉价值的有效性。
- 参数敏感性分析(图16-18)进一步表明模型对回溯参数N鲁棒性强,分别测试不同N值对收益、夏普、最大回撤影响,结果趋势单调清晰。
- 支持模型稳健性。
3.5 双分层投资组合分析(图表19-22)
- 双因子组合收益从“低-低”至“高-高”依次递减,最低组合年化收益33.51%至高组合约11.83%,夏普率最高0.89左右。
- 最大回撤指标单调性略弱,但低低组合回撤最小。
- 低市收率组合拥有更高市值,相对市收率与静态市收率双低组合均值达138.9亿元,高高组合仅84.5亿元,说明不受小盘偏好影响。
- 说明横向和纵向结合显著提升投资策略收益,并提高了组合质量和稳健性。
3.6 模型回测及收益分析(图表32-34)
- 净值曲线(图32)直观展示华泰强强联合模型超越其他单因子模型和两大指数。
- 回测绩效表(图33)显示:
- 年化收益38.02%;夏普率1.00;最大回撤64.88%;
- 明显高于沪深300(年化11%,夏普0.34)与中证500(年化17.44%,夏普0.48)。
- 年度收益分布(图34)强化策略稳定性,9年最佳、3年领先指数,且除了极个别年份均实现正向超额收益。
- 强化模型的持久盈利能力和在A股环境有效性。
3.7 多空组合对冲及超额收益(图表35-37)
- 多空对冲沪深300指数实现年化23.7%收益,夏普1.06,最大回撤32.89%,相比指数大幅降低回撤,提升风险调整回报。
- 对冲中证500实现17.79%年化收益,夏普高达1.74,最大回撤仅14.01%。
- 超额收益曲线显示超额稳定且能随市场波动调整,说明模型Alpha稳定且具备良好风险对冲能力。
- 多空策略增强了选股模型的应用价值。
3.8 持仓结构与换手率分析(图表38,39,42)
- 持仓数量稳定,2005-2017年平均约40只,最大50只,适中且分散风险。
- 行业分布较为均衡,前五行业占比合计不超过37%,无显著行业偏离,且具备一定行业轮动性,兼顾周期及防御。
- 换手率平均40.53%,较高,说明模型含一定动量反转调仓,频繁交易增加操作需求。
- 投资者需关注交易成本风险。,21]
3.9 股票市值及成分股分布(图表43,44,41)
- 模型所选股票整体市值均值和中位数均略高于A股整体,说明偏好大盘蓝筹,规避小盘股波动风险。
- 入选次数最多的30只股票占总入选次数10.01%,行业分布覆盖房地产、交通运输、电力、商贸零售等多个行业,表明模型选股分散。
- 选股范围涵盖多行业龙头和具防御及周期特征企业,提升组合稳健性。
- 股票集中度不高,降低单只股票风险对组合波动的影响。
4. 估值分析
本报告着重于模型构建与回测分析,无直接对个股进行估值定价,所提估值主要基于市收率指标及其历史分布水平,而非传统DCF或市盈率估值法。
- 模型中市收率定义为售价比收入,低估股票具备估值优势。
- 结合移动平均与布林带上下轨,构造历史估值相对分位,增强估值判断稳健性。
- 投资组合构成及建仓标准基于此估值体系增强收益性和风险对冲能力。
5. 风险因素评估
报告中明确提示:
- 模型基于历史统计规律总结,未保证未来表现,存在历史规律失效风险。
- 高回撤风险依然存在,最大回撤曾达64.88%,投资者需承受市场下行风险。
- 组合换手率较高,频繁交易增加交易成本和市场冲击成本风险。
- 基于财务数据构建,存在财务数据失真或遗漏风险。
- 行业风格偏好虽较均衡,但不可排除阶段性行业轮动导致组合表现波动。
- 报告不作为直接交易建议,投资者需结合自身风险偏好合理决策。,22]
6. 审慎视角与细微差别
- 报告整体结构严谨,实证数据充分,但依赖历史回测,市场环境变化可能影响模型有效性。
- 模型对市收率及辅助指标的数据质量要求较高,若财务数据失真可能误判,未充分考虑制度变迁或政策冲击。
- 虽然模型覆盖较广,换手较高带来交易成本风险,未量化考虑实际操作费用。
- 行业风格虽相对均衡,但仍较重结构性行业如房地产,可能影响周期与防御的风险平衡。
- 相对市收率布林指标参数N选择虽经敏感性测试,但样本和参数范围有限,可能存在过拟合风险。
- 回测最大回撤仍较大,模型仍具一定下行风险,投资者应合理配置风控措施。
- 总体投资者应结合市场环境调整模型应用,报告不构成单一投资建议。,16,22]
7. 结论性综合
本报告系统构建、优化并实证检验了基于小费雪价值投资理念的低市收率选股模型,核心创新点在于:
- 结合横向行业静态市收率与纵向相对市收率布林指标的“双因子”强强联合筛选股票,突出估值优势的同时捕捉历史低估机会。
- 引入多元辅助指标(净利润增长率、营业收入增长率、资产负债率、净利润率)对低市收率股票剔除成长性差、负债高、利润低的“困难公司”,甄别“超级股票”,显著优化组合质量。
- 模型回测长达12年,表现稳定卓越,年化收益超38%,夏普率达1,远超沪深300和中证500基准,且实现了较高alpha收益的风险调整。
- 多空对冲策略表现同样优异,具备良好的风险管理能力,最大回撤显著低于基准。
- 组合持仓数量稳定且行业分布均衡,偏好市值较高蓝筹股,提升风险稳定性。
- 模型换手率较高,投资者需管理交易成本。
- 从实证及逻辑推理层面验证了低市收率结合基本面辅助指标构建量化价值投资策略的科学性与可行性。
图表与数据支持了上述结论:
- 图表1、12展示了分层因子净值及分层效果,验证了静态与相对市收率因子的强大选股效率。
- 图表19-22的双分层组合显示两因子联合带来收益和稳健性的双提升。
- 图表31的相关性矩阵揭示了选股因子的内在联系,突出辅助因子的风险调节作用。
- 图表32-34回测及年度业绩验证策略的稳健收益和持续超额能力。
- 图表35-37的多空组合回测进一步加强了策略的alpha质量和风险可控性。
- 持仓数、行业分布(图39、40)、换手率(图42)、市值(图43、44)等图表确保组合风格稳定和风险分散。
综上,华泰强强联合低市收率选股模型是一套理论扎实、逻辑连贯、实证优良的A股量化价值投资工具,适合注重长期稳健收益和风险控制的投资者关注。
综述溯源
以上分析主要依据以下页码内容综合解构得出:
,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22]
附录:主要图表索引
| 图表编号 | 内容简介 | 页码 |
|---|
| 图表1 | A股静态市收率因子分层回测净值曲线 | 4 |
| 图表2 | A股静态市收率因子分层回测绩效 | 5 |
| 图表9 | 不同行业市收率、中市收率和高市收率组合年化收益率 | 7 |
| 图表10 | 国防军工低组合、中组合和高组合净值曲线(最显著) | 7 |
| 图表11 | 电力和公用事业低组合、中组合和高组合净值曲线(最不显著) | 7 |
| 图表12 | A股相对市收率布林指标分层回测净值曲线 | 8 |
| 图表13 | A股相对市收率布林指标分层回测绩效 | 8 |
| 图表19 | 双分层20个投资组合年化收益率 | 11 |
| 图表20 | 双分层20个投资组合夏普率 | 11 |
| 图表31 | 市收率、辅助指标的相关性强度 | 16 |
| 图表32 | 各模型净值曲线 | 17 |
| 图表33 | 各模型回测绩效 | 17 |
| 图表34 | 各模型年度收益分析 | 17 |
| 图表35 | 模型与沪深300及中证500多空对冲收益 | 18 |
| 图表38 | 组合持仓数量 | 19 |
| 图表39 | 各行业入选次数 | 19 |
| 图表42 | 各时间截面换手率 | 21 |
| 图表43 | 模型市值均值(亿元) | 22 |
| 图表44 | 模型市值中位数(亿元) | 22 |
详细图表请参阅页面对应图片。
结束语
本报告严谨科学地阐述了基于低市收率的多维度价值选股模型构建及实证表现,在A股背景下是对传统价值投资理念的重要创新,对投资者构建稳健且超额收益的价值组合具有重要参考价值。模型虽卓有成效,但仍须结合投资者风险偏好及实际交易条件审慎应用。
如需进一步深度数据支撑和模型代码细节,建议联系华泰证券研究所相关研究员。