只做大盘价值股（二）

shaoye

北上资金今年以来一直增持建发股份，稍微统计了一下，每个月份的情况如下：

日期	持股数量	比例
2019/1/1	33985368	1.19%
2019/1/31	36627256	1.29%
2019/2/28	43059635	1.51%
2019/3/31	47712519	1.68%
2019/4/30	73063835	2.57%
2019/5/31	79919522	2.81%
2019/6/30	114706378	4.04%
2019/7/31	149094718	5.25%
2019/8/31	150183119	5.29%
2019/9/6	153256505	5.40%

从数据上来看，今年以来北上资金是一路增持的，昨天持股数量和比例创出了历史新高，当然，这些不能作为买卖股票的唯一依据，但能从侧面增加自己的持股信心，因为价值低估策略里面，建发股份排名第一，暂时来看它需要比排名第二的多涨25%才会触发换股条件，这可能是一个漫长的过程，很需要耐心。

shaoye

最近在看《量化投资策略：如何实现超额收益Alpha》，摘抄一些结论性语句供自己将来回看：

计算机也拥有着两个人类所不具备的明显优势:
其一，可以快速地处理大量数据(例如,BM的“深蓝”超级计算机战胜国际象棋冠军格里·卡斯帕罗夫的方式);
其二,它没有情感。
这两个优势都很重要,尤其是第二个。

我们认为策略有效的评判标准为:
①顶部五分之一的表现显著地超过市场;
②底部五分之一的表现显著地弱于市场;
③战胜市场和输给市场的表现在多年中是稳定的;
④每个分位的表现存在着线性特征,从而说明该策略和超额收益之间存在着较强的相关性。

      我认为这是一种使用猎枪铅弹的方法来测试投资策略,即如果策略通过了猎枪测试,或者说它击中而不是错失了目标,我们就认为它是有效的。需要注意的是,根据策略所选出的股票并不是每只都有效,也不是每年都有效,但整体来说,可以认为策略具有一定的投资价值。
      我称那些具有投资价值的策略为组件,本书中所有的策略都有理由被认为具有投资价值;也就是说,我们可以解释为什么位于顶部五分之一的股票能战胜市场面位于底部五分之一的股票会输给市场。当我们理解了策略有效的原因之后,它便成为一个组件,可以和其他策略进行组合从面组成更加强大的投资模型。有些策略起作用的原因是相似的(比如它们都与盈利性和估值相关),面有些策略则是互补的(比如一个策略考虑了成长性,而另一个策略主要和价值相关)。因此,理解策略起作用的原因可以帮助我们有效地将不同的策略进行组合。组件只有通过测试来确定(经验主义),并通过三角测量法来验证---即策略必须在多种不同的环境下都有效。


自己正在实盘的三风格策略组合正是将不同的策略进行组合，从而达到策略间的互补，更好地适应市场；三风格策略组合，其实也可以理解为三个有效因子的组合，价值因子、市值因子和资金因子，其中前两个价值因子和市值因子经过十几年时间的回测都表明有明显的Alpha收益，是非常有效的，资金因子回测的时间相对较短，只有两年半的时间，但其线性特征也是非常明显的，因此这三个因子的风格是完全不同的，各自的优势也很明显，确实是很好的搭档。

虽然本书论述的量化策略能够被进步提高或者完善,但是我们必须始终铭记于心的是定量分析其实只是一种比较机械的投资方法。从严格意义上讲,它并不是一门科学,也不是被诸如沃伦巴菲特、约翰·邓普顿、朱利安·罗伯逊、吉姆·罗杰斯、约翰·内夫和肯黑那尔等投资专家在实践中使用的纯投资艺术。

基础策略( basics):基础策略通常是指有效的策略。现实中的基础策略很多,这里我们只测试其中的7种(分别为:收益性、估值、现金流、成长性、资产配置、价格动量和危险信号(风险)等),但这7种就基本上覆盖了较大范围的投资分析方法。

在这本发人深思的著作中,作者测试了超过6400种技术分析方法,并发现当将它们运用到标普500的交易时,没有任何一种方法能够创造统计上的显著收益。摘自 Amazon. com上一条顾客对某本书的评论。


这个结论和我之前得出的结论是相同的，就是技术分析基本上是无用的，所以我一直劝朋友们远离技术分析，要把握正确的投资方向，我不使用k线，不使用所谓的技术指标，是不是赚钱了？技术分析之所以在中国盛行，是因为它可以千变万化，不用多少文化也可以学会，对了有对了的说法，错了有错了的说法，但投资并不是做销售，自圆其说并不能帮助你赚钱。

shaoye

继续《量化投资策略：如何实现超额收益Alpha》，第二章摘抄：

结语:为什么我们没有都变得很富有?
      你将在本书中看到的许多策略在最高分位获得了超过6%的超额收益,以及在最低分位低于一8%的负超额收益在从1988年1月~2007年12月的20年间本书的测试区间—一我们选股范围的平均年化收益率大约为14%。如果你的股票组合能够平均每年赢得20%的收益(14%的市场收益率加上书中某一策略最高分位6%的超额收益率),你可能已经准备退休并开始享受游艇生活了。不幸的是,长时间地获得20%的平均年化收益率是非常困难的。
     尽管本书中的策略是有预测性的、并且的确为投资者提供了获得高于市场收益的可能性,但真正完全实现在回测汇总中所看到的超额收益仍然存在着许多障碍。第一个主要障碍是交易成本。这些成本不仅仅包括经纪人的佣金、同样包括了投资者在买入或卖出股份时支付的微小“价差”。比如说,如果一只股票在股市上的买入价为25美元卖出价为25.25美元,那么买家,必须以卖出价支付,将付出高于股票均衡价格(假设位于价差的中间)12.5美分的价格。这意味着投资者一买入股票即损失了0.5%,并可能在卖出时会损失另一个05%。尽管价差会根据交易股票的流动性而变化,但其中的交易成本还是很显著的。对于机构和其他大型投资者,市场价格的冲击,或延误,通常是交易成本中最大的一部分。延误常常发生在当资产管理人要完成一桩大宗的买入或卖出,因而抬高了买入价格或拉低了卖出价格。市场冲击很大程度上取决于目标股票的流动性以及交易的规模。专业的资产管理人比我更清楚市场冲击的详细情况，并且个人投资者对于大多数活跃交易的股票几乎不需要担心市场冲击的作用。
    对于最低分位的策略,如果适用的话,超额收益同样被卖空交易特有的成本所削减,包括了股利成本(借得股份获得的股利必须支付给所有者)以及保证金贷款利息费用。对于机构卖空组合可能会涉及更多的费用,面且有时股票则完全不能被借入(对个人投资者同样适用)。
   另外一个可能的阻碍是这样的:在过去十分有效的策略有可能在未来并不同样有效。在这本书中,我们力图寻找我所谓的基础策略,即在年复一年中不同经济和市场环境下始终有效的投资方法。基础策略例如赢利性、估值,以及现金流等,水远都不会过时。这是因为他们正是创造一个有价值投资的基础然面,某些投资策略很可能在长时间后失效或被市场参与者所过度利用。比如说,在1998~2000年间,遵照买入低市盈率股票策略的投资者个在过去效果非常好的策略一一惨败给了市场。在1999年3月-2000年3月之间,这个策输给市场达到惊人的31%,投资者在这个巨大的牛市中仅仅获得了3%的收益。尽管我很希望本书中的策略能够在未来提供很好的超额收益,但过去的结果并不能保证未来的成功(我可以看到我的“合规主任”在看到这点之后所露出的满意的微笑)。
    最后,应该记住的是测试结果中的超额收益是在18~20年的测试区间上的平均值。这意味着在任何一年中的超额收益可能与平均值差得很远。本书中的策略因为具有长时间的稳定性而被选中,但只要你坚持原则,遵行一个在过去被证明成功的策略的时间越久,那么你在未来获得大量超额收益的可能性也就越大。

shaoye

《量化投资策略：如何实现超额收益Alpha》摘抄:

      我们可以从表中获取的另外一个信息是,虽然盈利增长在驱动股票获得正超额收益方面是更强的因子,但是估值在驱动负超额收益方面则表现更佳。这可以通过表中阴影的单元格来说明:具有最高正超额收益的6个阴影的单元格都位于盈利增长最高的两组中(第1、2行),而具有最高负超额收益的六个阴影的单元格则都位于估值最高的两组中(第1、2列)。这表示如果一家公司的盈利增长足够高,那么适当的高估值因素可以被克服(导致战胜市场),但如果估值过高,适当的每股盈利增长则不足以阻止其输给市场。
     注意到尽管该矩阵中的超额收益并不完全对称,但他们形成了非常清晰的模式。这个模式说明这里测试的因子和股市收益之间具有很强的相关性。这个测试的结果表明估值(而不是盈利意外)提供了对投资者情绪最好的测量方法,而盈利增长则提供了驱动每日股市表现的基本面因素的最好的衡量标准。

总结：
(1)盈利增长是股市每日收益的主要驱动力。创造高盈利增长的公司能战胜市场,而记录低盈利增长的公司则会输给市场。销售增长因子次之。
(2)盈利增长对于未来股票收益不具有预测性。也就是说,市场能够在盈利增长定价一公布时迅速将其吸收到价格变化中,市场表现非常有效。
(3)自由现金流增长同样是一个显著的驱动股市每日收益的因子。自由现金流增长因子不如盈利增长因子强,但其在驱动股市收益上表现出相对于盈利因子一定的独立性
(4)和盈利增长不同,自由现金流增长具有预测性。即,市场在吸收自由现金流变化上表现得不那么有效(因此,自由现金流增长是第一个基础策略,可以用来构建一个预测型定量测试。)
(5)然而,股票市场不会完全被基本面因素驱动。投资者的观点、希望信念和恐惧一我们称为投资者情绪一同样能驱动股市收益。基本面因素和投资者情绪之间的互动决定了一只股票的价格。
(6)华尔街分析师的盈利预期反映了投资者的期望。正盈利意外(公布的盈利超过分析师的平均预期)能推动股票战胜市场,而负盈利意外(公布的盈利低于分析师的平均预期)导致股票输给场。
(7)从预测能力的角度来看,我们的研究表明盈利意外在过去对超额收益具有预测性,但在近几年可能已经逐渐失去了预测能力。
(8)一个股票的估值—--以市盈率的计算方法—反映了投资者的情绪同时在驱动每日股市收益方面是一个强有力的驱动因子。低估值并且在盈利增长方面战胜预期的公司显著地战胜市场,而高估值并且盈利增长低于预期的公司显著地输给市场。(我们将会看到估值也是一个预测性因子。)
(9)盈利增长是股票收益最强的基本面驱动因子,而估值(这里用价格与盈利预测比率来衡量)则是和投资者情绪相关的最强的收益驱动因子。

有了这些结论性知识，就算大家不是做量化的，也可以很好在指导自己将来在选股方面大的方向应该如何选择。当然，在实战中估值优势和盈利增长优势往往不能同时拥有，比如茅台有很好的盈利增长，但估值上就非常地贵，如果这两方面都要兼顾的话，那么中国平安比茅台就合适多了（中国平安上个交易日创了历史新高，估计不久便会突破百元）。

本书中说盈利增长对于未来股票收益不具有预测性，指的是最新的一个季度或一年的盈利增长，因为财务报告一公布，股价马上就给出相应的反应，所以并不能指导后面股票的涨跌；但是连续几年的盈利增长却具有一定的预测性，比如巴菲特的选股模型，连续10年净资产收益率超过20%，就具有一定的预测性，比如今年用巴菲特模型选的股，今年平均涨幅：44.55%左右，表现就还不错：


去年如下，当年平均涨幅：-24%左右


前年如下，当年平均涨幅：86.63%左右


上面三个图片就是用巴菲特模型连续三年的表现，整体来看，连续的盈利增长是具有预测性的，因为以往10年都是好公司继续是好公司的可能性更大，当然下一年就成为坏公司的可能性是有的，但如果连续10年是好公司和连续10年是坏公司摆在你眼前，你肯定会选择前者，因为反转不会经常发生。

下面就本书中所说的自由现金流量增长具有预测性进行简单验证，回测时间2010/1/1--2019/9/12，买入自由现金流量TTM同比增加最大的50只股票，每月最后一个交易日换股：

投资组合	总收益	年化收益	夏普比率	最大回撤率	收益波动率	信息比率
本策略	137.04%	9.39%	0.19	58.23%	27.87%	0.44
沪深300	23.98%	2.26%	-0.07	46.70%	23.28%
相对收益	91.20%	6.97%	0.19	40.57%	16.05%	0.16

年化收益9.39%，比基准沪深300指数的年化收益2.26%高出7%左右，也符合书中所说的高于市场平均6%左右超额收益，所以自由现金流量增长具有预测性不仅在美股市场有效果，在A股市场也有效果。

shaoye

《量化投资策略：如何实现超额收益Alpha》摘抄:
   简言之,盈利性在构建定量测试或股票筛选的过程中,可以被视为一个重要的组合因子。正如你将会在本章中看到的那样,将盈利性和估值结合起来会是一个效果特别好的策略,它反映了一个百年不变的优秀投资基本原则—投资者应追寻那些创造巨额利润的商业投资,并以相对其内在价值或“合理”价值的较低价格买入。

投资要抓住市场的本质，市场的本质就是市场的利润是由企业创造的，而不是交易，追逐企业的盈利和性价比高的估值是一个优秀投资者最基本的技能。

shaoye

《量化投资策略：如何实现超额收益Alpha》第四章《盈利性》摘抄:
总结
(1)盈利性策略从定量的角度看是一组非常有效的策略-------它们具有预测超额收益的能力。一个原因是过去的盈利能力常常作为公司获得未来成功的晴雨表,因为它反映了如果当前和未来收益用于再投资时可预期的回报。
(2)盈利性应该被看作很强的组合性因子—重要的基础因子—在构建定量测试或股票筛选的过程中十分有用。
(3)盈利性因子在和估值因子结合时是很强的组件因子:盈利性因子衡量了公司资产的质量,而估值因子代表了投资者为了获得这些资产必须支付的价格。
(4)投入资本回报率(ROC)是个很强的盈利性因子。它衡量了公司的税后营业收入和总投资(包括债务和股权)的比值。ROC在不同行业板块中的表现较为稳定。
(5)和其他盈利性策略相同,在ROIC策略中位于最高分位的公司常常是大市值公司。大市值公司通常在竞争力和经济规模方面占据优势,从而能够获得更高的利润。
(6)ROC是基于损益表进行计算的,而现金ROIC用现金流进行衡量(基于现金流量表)。ROC和现金ROIC构成了效果不错的双因子策略。
(7)盈利能力差并且发行大量股份的公司应当尽量避免或者卖空。ROC和一年内流通股减少量策略的最低分位能够提供这样一个卖空策略的股票列表。
(8)一个更简单的衡量资本回报并且和ROC同样有效的因子是营业收入和投入资本之比。EBIT或者EBITDA减资本支出可以在计算这个比值中用来近似营业收入。比值的分母----投入资本---和ROC相同。
(9)当盈利性因子是基于损益表而估值因子是基于现金流量表时将它们相结合的效果会特别好,反之亦然。个这样的双因子策略是 EBITDA减资本支出与投入资本之比和自由现金流和价格之比。
(10)净资产收益率(ROE)是另一个简单而有效的盈利性策略。但总资产收益率(ROA)并不十分有效,这可能是因为用总资产来衡量一个公司的投入资本太宽泛了。
(11)将ROE和ROA相结合的策略可以很好地用来识别出那些需要避免或者卖空的股票。在该策略位于最低分位的股票将会显著地输给市场。
(12)ROE和市净率策略结合了两个使用相近分母的因子(普通股东权益股东权益)。该策略创造出很强并且稳定的超额收益。
(13)经济利润策略计算了公司创造出的收入和真正或隐含的投入资本(债务加股权)之间的差。这是我们测试中最有效的盈利性因子之一。
(14)为了获得经济利润,我们用ROC(盈利性)减去投入业务或者再投资的资产成本。
(15)资产成本的计算,有时被称为加权平均资产成本,在图417中进行了详尽的介绍。它包含了债务成本加上股权的隐含成本,通过Beta系数乘以股票风险溢价加上无风险收益率而得到Beta用来代表单一股票的风险程度(波动率),而风险溢价代表股票在长时间上高于国库券或“无风险”证券的收益率。
(16)通过简单地移除Beta能够提高经济利润策略的效果。进一步可以通过用公司的市销率(PS)代替Beta以获得更高的收益。市销率用来捕获公司的估值状况,同样也是代表风险水平的重要因子。
(17)对经济利润测试最后的改进则是使用现金ROIC代替了ROIC。现金ROIC用自由现金流(营业现金流减资本支出)来代替营业收入,从而产生了个效果非常强的策略。
(18)本书中效果最好的双因子策略之一,是经济利润(现金ROIC/市销率)和企业价值比 EBITDA。它将基于现金流的盈利性指标和基于损益表的估值指标结合在了一起。

本章作者主要探讨了盈利性指标在量化中的作用，在中国A股市场上比较常用的盈利性指标通常就是指ROE（净资产收益率），或者是扣非净资产收益率；就自己这几年研究量化策略的经验来看，因为盈利性指标它是季度性发布的，所以很难用来当作高频排序轮动指标，通常会把它们作为缩小股票范围的选股指标，当然如果是低频策略，一个季度或一年换一次股票的话，它们也可以实现，但效果并不是太理想。
这两天我就巴菲特模型做了进一步改进，把它原来的连续10年净资产收益率超过20%，改为连续10年扣非净资产收益率超过20%，来作为选股条件，选出来的股票通常不多，2-9只左右，比如2016年大部分时间里只有2只股票符合条件，所以选出来的股票可以全部平均买入，这是最简单的做法，这样做的效果如何？下面是2015-9-1至2019-9-12的结果：

投资组合	总收益	年化收益	夏普比率	最大回撤率
本策略	224.22%	33.89%	1.15	36.69%
沪深300	18.15%	4.23%	0.01	32.46%
相对收益	174.41%	28.46%	1.44	21.81%
年份	沪深300年收益	策略年收益	沪深300年最大回撤	策略年最大回撤
2015年	10.97%	14.98%	7.38%	8.41%
2016年	-11.28%	32.16%	23.51%	15.09%
2017年	21.78%	88.20%	6.07%	9.06%
2018年	-25.31%	-20.94%	31.88%	35.41%
2019年	31.94%	43.39%	13.49%	16.85%

这样简单的策略取得了年化33.89%的收益，总收益达到224.22%，这是一个非常不错、有效的模型。

轮动白马股是非常难的，经过这几天的研究和探索，竟然有一个冷门的因子对它特别有效，至于是什么因子，这个需要保密，通过引入这个因子后轮动的超额收益还是非常明显的，2015-9-1至2019-9-12的回测结果如下：

投资组合	总收益	年化收益	夏普比率	最大回撤率
本策略	395.93%	48.78%	1.62	35.56%
沪深300	18.15%	4.23%	0.01	32.46%
相对收益	319.74%	42.75%	1.99	25.19%
年份	沪深300年收益	策略年收益	沪深300年最大回撤	策略年最大回撤
2015年	10.97%	15.78%	7.38%	8.41%
2016年	-11.28%	32.16%	23.51%	15.09%
2017年	21.78%	89.79%	6.07%	10.12%
2018年	-25.31%	-5.29%	31.88%	35.56%
2019年	31.94%	80.32%	13.49%	8.07%

通过轮动因子的引入，策略一般持有2-3只股票，年化收益率大幅提高至48.78%，总收益提高至395.93%，当然不能排除有部分拟合的成分，但只要轮动因子逻辑是有效的，提高收益是肯定可以的，只是多少的问题。

我相信这是很是价值的帖子，是否有收获就看各自的领悟能力吧。

shaoye

《量化投资策略：如何实现超额收益Alpha》第七章《成长性》摘抄：


然而,对于每一个可口可乐、沃尔玛、思科和微软来说,有成千上万的公司在短短数年中产生了强劲的盈利增长但都无法长期维持高增长率。
因为真正的长期增长的公司的代表数不是很多,以定量方法对成长来建模即使不是不可能也是很困难的。大多数定量策略采取了“价值”的方法,只是因为估值因子的有效性(见第5章)，而成长性因子通常最多也只能获得微弱的超额收益。从定量的角度来看,高成长的公司同样也会遭受回归平均值的现象。


这也印证了我的量化经验，很难做出效果很好的白马成长股策略，因为历史上白马股的数量太少，没有足够的数据做出来的策略就很容易刻舟求剑、过度拟合。


从定量的角度上来看,高成长公司的另一个问题是,它们往往同时承载着投资者的高预期和高估值,而这导致高成长股对于市场的失望非常敏感。高增长的均值回归性和高估值的不稳定性正
是许多成长“动量”投资者失败的原因。成长型股票投资者必须相信他能够从许多最终回归地球的卫星故事中找出很少的真正能长期成长的股票。

戴维斯双击和戴维斯双杀让人们对成长股又爱有恨，“东阿阿胶”就是一个很好的例子，现在的贵州茅台、格力电器等白马股，什么时候会走下神坛？这就是做白马股策略所要承受的风险了。

shaoye

早上开始使用白马策略改进版本，卖出美的集团、恒瑞医药和中国平安， 买进海康威视，并加仓格力电器，由原来的5只股票改进为现在的3只股票，本来想要三只股票平均仓位，但茅台的价格太高，平分不了资金；

风淡云清

我感觉楼主也在炒股，不过买入卖出的时机把握的更精确，赢率挺大的。

shaoye

风淡云清 发表于 2019-9-19 17:21
我感觉楼主也在炒股，不过买入卖出的时机把握的更精确，赢率挺大的。

嗯，投资和炒股本身就很难说得清楚，我大部分是投资，小部分是赌博（炒股），特别是“小盘投机”策略，100%是赌博，博的是市场中的交易性机会，完全不是赚企业成长带来的利润；低估价值策略主要赚市场犯错时带来的交易性机会，顺带赚点企业每年的成长红利；白马成长策略主要赚企业的成长红利，比较少的市场交易性机会。

小盘投机策略过去两年的年平均换手率为1999.46%
低估价值策略过去两年的年平均换手率为722.03%
白马成长策略过去两年的年平均换手率为433.51%

从换手率也可以看出它们谁的投机性更多一点。