趙芷瀾

（天津市耀華中學(xué)，天津 300041）

量化投資是指利用數(shù)字量化手段和計(jì)算機(jī)編程來獲得穩(wěn)定收益的一種交易方式。它具有系統(tǒng)性、及時(shí)性、紀(jì)律性、準(zhǔn)確性和分散化等特征，在海外已有超過30年的發(fā)展歷史，其投資表現(xiàn)非常穩(wěn)定。在國內(nèi)，量化投資的市場范圍和份額也在不斷擴(kuò)大，贏得了更多投資者的認(rèn)同。量化投資技術(shù)基本上涵蓋了投資的全過程，具體包括了量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、套利計(jì)算、算法交易、資金分配、風(fēng)險(xiǎn)控制等多個(gè)方面。量化選股則是通過定量方式來評估一家公司的價(jià)值。

近年來，隨著技術(shù)的持續(xù)發(fā)展和金融數(shù)據(jù)的不斷創(chuàng)新，市場效率不斷提升，多因子量化選股模型應(yīng)運(yùn)而生。多因子模型的綜合有效性顯著高于單個(gè)因子，建立在多個(gè)因子維度上的選股模型因其高穩(wěn)定性和強(qiáng)持續(xù)性，避免了許多不科學(xué)的選股決策，顯示出比單因子模型更廣泛的應(yīng)用范圍[1]。作為一種廣泛應(yīng)用的量化投資策略，多因子選股模型從資產(chǎn)定價(jià)模型發(fā)展而來，綜合考慮多種因素。它對市場波動敏感，能夠根據(jù)最新的市場情況調(diào)整策略，是量化投資模型的一個(gè)重要部分[2]。然而，由于因子的適用性具有局限性，因子在不同時(shí)間對不同股票的收益率影響并不總是明確的。學(xué)術(shù)界通常采用回歸法來檢驗(yàn)因子對股票收益率的影響性，通過利用歷史數(shù)據(jù)對因子進(jìn)行回歸分析，確定因子對收益率的正負(fù)影響，據(jù)此進(jìn)行相應(yīng)的策略調(diào)整。一旦因子的正負(fù)性被確定，它將保持不變[3]。本文將從盈利能力、成長能力、估值等多個(gè)維度篩選出有效因子，并借助Ricequant平臺進(jìn)行回測以進(jìn)行篩選。通過淘汰相關(guān)性弱的因子并結(jié)合相關(guān)性強(qiáng)的因子，本研究旨在識別通常能幫助投資者提高收益的因子和組合模型。

一、文獻(xiàn)綜述

“量化”這一概念源于國外，是一種將數(shù)學(xué)方法應(yīng)用于財(cái)務(wù)領(lǐng)域而形成的全新思考模式，其發(fā)展并未伴隨傳統(tǒng)財(cái)務(wù)學(xué)的演進(jìn)。美國經(jīng)濟(jì)學(xué)者馬科維茨于1952年提出了“證券組合”理論。這是一種定性的“證券組合”方法，并首次將“量化”方法引入到證券組合理論中。該理論通過有價(jià)證券在某一時(shí)期的平均回報(bào)率來度量收益，并通過其標(biāo)準(zhǔn)差來度量風(fēng)險(xiǎn)?；谶@一模型的假設(shè)，Markowitz提出了一個(gè)基于有效邊際的資產(chǎn)優(yōu)化分配模型。在Markowitz的投資組合理論基礎(chǔ)上，Sharpe、Lintner和Mossin分別對資本資產(chǎn)定價(jià)模型（CAPM）進(jìn)行了測試并進(jìn)行了改進(jìn)，最終形成了現(xiàn)代的CAPM理論，其公式為：

在此，rs代表投資組合S的回報(bào)變量；rM代表投資證券的回報(bào)變數(shù)；在目前的市場中，rf代表了無風(fēng)險(xiǎn)的收益；βs代表對市場風(fēng)險(xiǎn)的組合S的敏感性滿足。

受CAPM模型的啟發(fā)，Ross提出了以多因素為核心的套利定價(jià)理論。該理論將多因素作為核心，為后續(xù)的多因素股票選擇提供了堅(jiān)實(shí)的理論基礎(chǔ)。從美國的數(shù)據(jù)來看，定量投資已經(jīng)發(fā)展超過40年。定量投資始于1970年，而到了2001年，其規(guī)模已達(dá)到880億美元。隨后，定量投資的發(fā)展速度加快，使西蒙斯、肖等人成名。近年來，隨著科技的持續(xù)進(jìn)步和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，量化投資與算法之間的聯(lián)系變得更加緊密。Vrontos等人采用機(jī)器學(xué)習(xí)方法進(jìn)行建模，不僅能夠綜合各種統(tǒng)計(jì)指標(biāo)評估模型，而且能夠結(jié)合多種投資策略評價(jià)模型的經(jīng)濟(jì)價(jià)值。Markus等人建立了一系列通過不同機(jī)器學(xué)習(xí)模型進(jìn)行驗(yàn)證的綜合預(yù)測指標(biāo)。結(jié)果顯示，在所有機(jī)器學(xué)習(xí)模型中，流動性指標(biāo)顯示出一致性，而基于資產(chǎn)價(jià)格的基礎(chǔ)面指標(biāo)則排在第二位。由于零售投資者的參與，股票價(jià)格在短期內(nèi)更易于預(yù)測，特別是在小型股票中更為明顯。從長期看，大型股票和國有企業(yè)股票顯示出較強(qiáng)的可預(yù)測性。我們采取單純看多的策略，即便考慮交易費(fèi)用，也能夠獲得可觀的收益。

美國密歇根大學(xué)的Holland教授于1975年首次根據(jù)生物演化的原理提出了遺傳算法。在隨后的數(shù)十年里，這一算法被廣泛應(yīng)用于各種學(xué)科領(lǐng)域，尤其在金融投資方面表現(xiàn)突出。Chung等人通過分析現(xiàn)有的金融數(shù)據(jù)，構(gòu)建了一個(gè)融合長短時(shí)記憶網(wǎng)絡(luò)和遺傳算法的股市預(yù)測模型。他們提出了一套系統(tǒng)化方法來確定LSTM網(wǎng)絡(luò)的時(shí)間窗大小及其拓?fù)浣Y(jié)構(gòu)，并對股市數(shù)據(jù)的時(shí)序特征進(jìn)行了深入分析。Bonde等人運(yùn)用遺傳算法和演化策略進(jìn)行特征選擇和權(quán)重優(yōu)化。在此過程中，每個(gè)屬性的輸入根據(jù)其連接權(quán)重被放大，并通過sigmoid函數(shù)處理，旨在找到最佳的連接權(quán)重以預(yù)測股票的最高價(jià)格。實(shí)驗(yàn)表明，這種方法在各種情況下的預(yù)測準(zhǔn)確率都超過了70%。陳詩樂等人在先前研究的基礎(chǔ)上，利用遺傳算法進(jìn)行個(gè)股的特征提取，并結(jié)合LSTM和轉(zhuǎn)換技術(shù)深入預(yù)測股票趨勢，考慮了股票的時(shí)序特征。何盼等人提議將這兩種方法結(jié)合使用于股市趨勢預(yù)測，這樣不僅能有效地減弱各自方法的不足，而且能避免陷入局部最優(yōu)，從而顯著提高股市趨勢預(yù)測的準(zhǔn)確性。

二、數(shù)據(jù)和方法

本文的所有數(shù)據(jù)均通過Ricequant平臺進(jìn)行回測，以我國的滬深300指數(shù)作為研究對象，并選取2020年1月1日至2023年1月1日作為回測的時(shí)間范圍。在排除了因合并或重組等原因?qū)е鹿善蓖Ｅ啤⒇?cái)務(wù)指標(biāo)數(shù)據(jù)不完整以及數(shù)據(jù)異常的樣本公司之后，本研究選擇了其他上市公司的財(cái)務(wù)指標(biāo)作為樣本進(jìn)行回測實(shí)驗(yàn)。

公司的成長能力反映了其擴(kuò)展經(jīng)營的能力和未來發(fā)展的前景。市場對公司產(chǎn)品的需求量大、所處行業(yè)的未來發(fā)展前景良好以及公司的業(yè)務(wù)擴(kuò)張能力強(qiáng)，均表明公司具有較強(qiáng)的成長能力。成長因子是指反映公司中長期成長能力的指標(biāo)。如果某公司的成長因子超出了同類其他公司，那么可以預(yù)期，該公司的股價(jià)在未來有較大的上升潛力。衡量成長能力的財(cái)務(wù)指標(biāo)主要包括營業(yè)總收入增長率、利潤總額增長率、基本每股收益增長率以及每股凈資產(chǎn)增長率等。

營運(yùn)能力指的是企業(yè)的經(jīng)營運(yùn)作能力，即企業(yè)利用各種資產(chǎn)獲取利潤的能力。從更廣泛的角度來看，經(jīng)營能力涵蓋經(jīng)營活動中可實(shí)現(xiàn)的各種經(jīng)營功能。然而，從微觀角度來看，經(jīng)營能力僅代表一種經(jīng)營活動，并不能直接反映企業(yè)對人力資源的運(yùn)用效率。反映公司經(jīng)營能力的指標(biāo)包括總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率和存貨周轉(zhuǎn)率等[4]。在因子庫中，估值類因子是一個(gè)重要的指標(biāo)。它幫助投資者通過對公司的估值來判斷其當(dāng)前股價(jià)是否合理，從而對公司的未來發(fā)展前景作出合理預(yù)測。估值類因子在不同行業(yè)之間存在顯著差異。例如，市凈率較低的股票通常具有較高的投資價(jià)值并且較為穩(wěn)定，像制造業(yè)和銀行業(yè)的市凈率一般在1.5左右，而成長空間較大的科技公司則相反。在多次實(shí)驗(yàn)中，本文采用了定期輪動交易模型，并將調(diào)倉周期設(shè)定為5個(gè)交易日，最大持倉股票數(shù)量限定為10只。

三、實(shí)證分析

（一）成長能力指標(biāo)

在衡量公司績效的指標(biāo)體系中，成長性指標(biāo)扮演著核心角色。公司的償債能力（支付能力）、盈利能力，以及管理效率共同影響公司的成長性。公司的強(qiáng)大償債能力是發(fā)展的先決條件，強(qiáng)大的盈利能力是發(fā)展的關(guān)鍵，而更高的管理效率則是發(fā)展的保障。將償債能力、盈利能力和管理效率綜合考慮，我們得到了公司的發(fā)展能力。經(jīng)過多次回測，本文篩選了四個(gè)成長類因子，并為它們設(shè)定了相應(yīng)的數(shù)值范圍，實(shí)現(xiàn)最優(yōu)的回測結(jié)果。凈資產(chǎn)收益率，作為營業(yè)凈利潤率、權(quán)益乘數(shù)和總資產(chǎn)周轉(zhuǎn)率的乘積，在利潤水平發(fā)生變化時(shí)，必須識別影響凈資產(chǎn)收益率的主要因素，以便能夠及時(shí)反應(yīng)并采取適當(dāng)?shù)膶Σ邅硖嵘緲I(yè)績。

因此，與單一財(cái)務(wù)比率分析相比，凈資產(chǎn)收益率的驅(qū)動因素分析具有更高的價(jià)值。選股因子的取值范圍見表1。根據(jù)表2的數(shù)據(jù)，本策略的回測收益為27.05%，相比基準(zhǔn)收益的-1.94%，證明了本策略具有較優(yōu)的表現(xiàn)。

表1 成長能力選股因子

表2 成長能力回測結(jié)果

圖1展示了成長能力因子從2020年至2022年的收益變化情況，采用折線圖的形式展示。根據(jù)圖1，回測收益在2020年為27.50%，2021年為50.00%，而2022年為20.30%。相比之下，基準(zhǔn)收益在2020年達(dá)到37.90%，2021年為73.00%，2022年為28.60%，整體呈現(xiàn)出先上升后下降的趨勢。

圖1 成長能力因子2020 年至2022 年收益變化情況

（二）營運(yùn)能力指標(biāo)

運(yùn)營能力指的是公司整合各種資源以獲得利潤的能力。該能力主要通過分析和計(jì)算公司的資產(chǎn)周轉(zhuǎn)率來衡量公司的經(jīng)營和管理效率。在對企業(yè)的運(yùn)營能力進(jìn)行分析時(shí)，我們主要關(guān)注存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率等財(cái)務(wù)分析比率。這一指標(biāo)不僅能反映公司的資本運(yùn)作情況，而且能揭示公司的運(yùn)作效率和資源使用效率。

企業(yè)擁有強(qiáng)大的經(jīng)營能力能夠優(yōu)化資產(chǎn)結(jié)構(gòu)，實(shí)現(xiàn)資源的有效利用。同時(shí)，通過保持和改善財(cái)務(wù)狀況，企業(yè)能夠提升資金周轉(zhuǎn)率，確保資金的正常流動。這為公司營造了良好的經(jīng)營發(fā)展環(huán)境，使經(jīng)營管理者能夠做出正確的財(cái)務(wù)決策，讓外部投資者能夠進(jìn)行合理的投資。此外，強(qiáng)大的經(jīng)營能力還有利于穩(wěn)定和改善財(cái)務(wù)狀況，加快資金周轉(zhuǎn)速度，為企業(yè)創(chuàng)造良好的經(jīng)營發(fā)展氛圍。這不僅讓經(jīng)營管理者能做出準(zhǔn)確的財(cái)務(wù)決策，而且使外部投資者和債權(quán)人能進(jìn)行理性和科學(xué)的決策。

一般而言，企業(yè)資金周轉(zhuǎn)速度越快，其流動性越高，償債能力越強(qiáng)，資產(chǎn)獲取利潤的速度也就越快。然而，在實(shí)際回測中發(fā)現(xiàn)，并非所有指標(biāo)的數(shù)值越高就意味著企業(yè)收益越大。通過調(diào)整指標(biāo)大小，我們發(fā)現(xiàn)當(dāng)企業(yè)的總資產(chǎn)周轉(zhuǎn)率處于1.5到2.5倍之間時(shí)，可以獲得相當(dāng)不錯(cuò)的收益。選股因子的取值范圍見表3?；販y結(jié)果顯示在表4中，該策略的收益為18.97%，夏普率為0.8188，表明該策略擁有較優(yōu)異且穩(wěn)定的表現(xiàn)。

表3 營運(yùn)能力選股因子

表4 營運(yùn)能力回測結(jié)果

圖2展示了營運(yùn)能力因子從2020年至2022年的收益變化情況，以折線圖形式呈現(xiàn)。數(shù)據(jù)顯示，回測收益在2020年為37.00%，2021年達(dá)到73.81%，而2022年為65.17%。相比之下，基準(zhǔn)收益在2020年為24.80%，2021年為20.59%，2022年則下降至-5.49%，顯示兩者之間的差距逐漸增大。

（三）估值類指標(biāo)

通過調(diào)整指標(biāo)和指標(biāo)的數(shù)值范圍，在市盈率20到40，市凈率1到1.5，市現(xiàn)率2到3之間，實(shí)現(xiàn)了年化收益率為17.71%，年化阿爾法值為17.36%的回測結(jié)果。相關(guān)因子的取值范圍見表5，詳細(xì)數(shù)據(jù)見表6。該策略的收益為17.71%，與基準(zhǔn)年化收益-1.94%相比，明顯展現(xiàn)出了其優(yōu)異的回測表現(xiàn)。

表5 估值選股因子

表6 估值類因子回測結(jié)果

圖3展示了估值類因子從2020年至2022年的收益變化情況，使用折線圖形式。從圖3可以觀察到，回測收益在2020年為15.35%，2021年增至65.17%，2022年稍微降至60.18%。相比之下，基準(zhǔn)收益在2020年為27.21%，2021年為20.60%，而2022年下降至-5.49%。在短暫的交叉之后，兩者之間的差距逐步擴(kuò)大。

圖3 估值類因子從2020 年至2022 年的收益變化情況

四、局限性和展望

經(jīng)過多次回測，筆者發(fā)現(xiàn)樣本的選擇及選擇的回測時(shí)間周期會顯著影響回測效果。同時(shí)，選定的時(shí)間周期較短，并受到限定因素的制約，這些因素可能導(dǎo)致回測表現(xiàn)優(yōu)異而與實(shí)際操作不符，以及對歷史業(yè)績的高估。此外，未來函數(shù)的問題，即在策略分析中使用了在回測歷史該時(shí)刻尚未獲得的數(shù)據(jù)，前視偏差可能使模擬結(jié)果更接近于測試的預(yù)期結(jié)果，導(dǎo)致策略制定者對其策略過度自信，誤信模型具有高度準(zhǔn)確的預(yù)測能力。這是一種錯(cuò)誤的思維方式。但由于回測軟件的限制，本研究未能解決該問題[5]。

鑒于這些局限性，未來的研究可以致力于降低多因子選股策略的風(fēng)險(xiǎn)和時(shí)效性問題，使選股策略具有更廣泛的適用性。進(jìn)一步，未來的分析可以增加樣本量，并根據(jù)個(gè)人經(jīng)驗(yàn)和市場狀況進(jìn)行相應(yīng)調(diào)整與更新，以減少風(fēng)險(xiǎn)和由意外事件導(dǎo)致的大幅偏差，并在可能的情況下，使用滯后數(shù)據(jù)以避免前視偏差。

五、結(jié)束語

綜上所述，本文通過基本面多因子選股策略，從成長能力、營運(yùn)能力和估值三個(gè)維度對財(cái)務(wù)指標(biāo)進(jìn)行了實(shí)驗(yàn)，并得到了2020年到2023年的三個(gè)正收益回測結(jié)果。首先，本文選取了成長能力指標(biāo)因子，包括凈資產(chǎn)收益率、銷售毛利率、銷售成本率，回測收益達(dá)到99.68%，夏普率為0.967 7；其次，本文選取了營運(yùn)能力指標(biāo)因子，包括總資產(chǎn)周轉(zhuǎn)率（同比增長率）、應(yīng)收賬款周轉(zhuǎn)率（同比增長率）、固定資產(chǎn)周轉(zhuǎn)率（同比增長率），回測收益為65.17%，夏普率為0.818 8；最后，本文選取了估值類指標(biāo)因子，包括市盈率、市凈率、市現(xiàn)率，回測收益達(dá)到60.18%，夏普率為0.670 5。值得指出的是，多因素選股雖具有風(fēng)險(xiǎn)性和時(shí)效性等特點(diǎn)，投資者在選擇股票時(shí)必須根據(jù)自己的經(jīng)驗(yàn)和市場環(huán)境進(jìn)行持續(xù)調(diào)整與更新。然而，多因素選股建立在財(cái)務(wù)指標(biāo)基礎(chǔ)上，通過設(shè)定并篩選相關(guān)因子的數(shù)值來獲得高收益的股票組合，具有一定的客觀性，因而具有其價(jià)值。未來的研究可以著眼于改善風(fēng)險(xiǎn)性、時(shí)效性及無法準(zhǔn)確描述現(xiàn)實(shí)的問題，開發(fā)出更加符合實(shí)際的模型，以解決當(dāng)前存在的不足并完善選股策略。本文的研究成果為多因子基本面選股研究和投資者量化選股提供了有價(jià)值的參考。