量化選股策略模型大薈萃

什麼是量化選股？

○

量化選股就是利用數量化的方法選擇股票組合，期望該股票組合能夠獲得超越基準收益率的投資行為。量化選股策略總的來說可以分為兩類：第一類是基本面選股，第二類是市場行為選股。

基本面選股主要有多因子模型、風格輪動模型和行業輪動模型。市場行為選股主要有資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼選股模型。

多因子模型是應用最廣泛的一種選股模型，基本原理是採用一系列的因子作為選股標準，滿足這些因子的股票則被買入，不滿足的則賣出。多因子模型相對來說比較穩定，因為在不同市場條件下，總有一些因子會發揮作用。

風格輪動模型是利用市場的風格特徵進行投資，比如有時候市場偏好小盤股，有時候偏好大盤股，如果是風格轉換的初期介入，則可以獲得較大的超額收益。

行業輪動與風格輪動類似，由於經濟周期的原因，總有一些行業先啟動，有的行業跟隨。在經濟周期過程中，依次對這些輪動的行業進行配置，則比買入持有策略有更好的效果。

資金流選股的基本思想是利用資金的流向來判斷股票的漲跌，如果資金流入，股票應該會上漲，如果資金流出，則股票應該下跌。所以將資金流入流出的情況編成指標，則可以利用該指標來判斷在未來一段時間股票的漲跌情況了。

動量反轉模型是指股票的的強弱變化情況，過去一段時間強的股票，在未來一段時間繼續保持強勢，過去一段時間弱的股票，在未來一段時間繼續弱勢，這叫做動量效應。過去一段時間強的股票在未來一段時間會走弱，過去一段時間弱勢的股票在未來一段時間會走強，這叫做反轉效應。如果判定動量效應會持續，則應該買入強勢股，如果判斷會出現反轉效應，則應該買入弱勢股。

一致預期是指市場上的投資者可能會對某些信息產生一致的看法，比如大多數分析師看好某一個股票，可能這個股票在未來一段時間會上漲；如果大多數分析師看空某一個股票，可能這個股票在未來一段時間會下跌。一致預期策略就是利用大多數分析師的看法來進行股票的買入賣出操作。

趨勢追蹤是屬於圖形交易的一種，就是當股價出現上漲趨勢的時候，則追漲買入；如果出現下跌趨勢的時候，則殺跌賣出，本質上是一種追漲殺跌策略。判斷趨勢的指標有很多種，包括MA，EMA，MACD等，其中最簡單也是最有效的是均線策略。

籌碼選股是另外一種市場行為策略，基本思想是，如果主力資金要拉升一支股票，會慢慢收集籌碼，如果主力資金要賣出一支股票，則會慢慢分派籌碼，所以根據籌碼的分佈和變動情況，就可以預測股票的未來是上漲還是下跌。

有關量化選股業績評價要從兩個方面來考慮，一個是收益率，一個是風險指數，只是收益率高的策略並不能成為最好的策略，應該綜合考慮收益率和風險情況才能判斷一個選股的策略的好壞。量化選股需要考慮的是在承擔多大的風險情況下的收益率情況。

量化選股模型—多因子模型

○

多因子模型是應用最廣泛的一種選股模型，基本原理是採用一系列的因子作為選股標準，滿足這些因子的股票則被買入，不滿足的則賣出。

舉一個簡單的例子：如果有一批人參加馬拉松，想要知道哪些人會跑到平均成績之上，那隻需在跑前做一個身體測試即可。那些健康指標靠前的運動員，獲得超越平均成績的可能性較大。多因子模型的原理與此類似，我們只要找到那些對企業的收益率最相關的因子即可。

各種多因子模型核心的區別第一是在因子的選取上，第二是在如何用多因子綜合得到一個最終的判斷。

一般而言，多因子選股模型有兩種判斷方法，一是打分法，二是回歸法。

打分法就是根據各個因子的大小對股票進行打分，然後按照一定的權重加權得到一個總分，根據總分再對股票進行篩選。回歸法就是用過去的股票的收益率對多因子進行回歸，得到一個回歸方程，然後再把最新的因子值代入回歸方程得到一個對未來股票收益的預判，然後再以此為依據進行選股。

多因子選股模型的建立過程主要分為候選因子的選取、選股因子有效性的檢驗、有效但冗餘因子的剔除、綜合評分模型的建立和模型的評價及持續改進等5個步 驟。

候選因子的選擇主要依賴於經濟邏輯和市場經驗，但選擇更多和更有效的因子無疑是增強模型信息捕獲能力，提高收益的關鍵因素之一。

例如：在2011年1月1日，選取流通市值最大的50支股票，構建投資組合，持有到2011年底，則該組合可以獲得10%的超額收益率。這就說明了在2011年這段時間，流通市值與最終的收益率之間存在正相關關係。

從這個例子可以看出這個最簡單的多因子模型說明了某個因子與未來一段時間收益率之間的關係。同樣的，可以選擇其他的因子，例如可能是一些基本面指標，如 PB、PE、EPS 增長率等，也可能是一些技術面指標，如動量、換手率、波動等，或者是其它指標，如預期收益增長、分析師一致預期變化、宏觀經濟變數等。

同樣的持有時間段，也是一個重要的參數指標，到底是持有一個月，還是兩個月，或者一年，對最終的收益率影響很大。

一般檢驗方法主要採用排序的方法檢驗候選因子的選股有效性。例如：可以每月檢驗，

具體而言，對於任意一個候選因子，在模型形成期的第一個月初開始計算市場中每隻正常交易股票的該因子的大小， 按從小到大的順序對樣本股票進行排序，並平均分為n個組合，一直持有到月末，在下月初再按同樣的方法重新構建n個組合併持有到月末，每月如此，一直重複到模型形成期末。

上面的例子就已經說明了這種檢驗的方法，同樣的可以隔N個月檢驗，比如2個月，3個月，甚至更長時間。還有一個參數是候選組合的數量，是50支，還是100支，都是非常重要的參數。具體的參數最優的選擇，需要用歷史數據進行檢驗。

不同的選股因子可能由於內在的驅動因素大致相同等原因，所選出的組合在個股構成和收益等方面具有較高的一致性，因此其中的一些因子需要作為冗餘因子剔除， 而只保留同類因子中收益最好，區分度最高的一個因子。例如成交量指標和流通量指標之間具有比較明顯的相關性。流通盤越大的，成交量一般也會比較大，因此在選股模型中，這兩個因子只選擇其中一個。

冗餘因子剔除的方法：假設需要選出k 個有效因子，樣本期共m 月，那麼具體的冗餘因子剔除步驟為：

（1）先對不同因子下的n個組合進行打分，分值與該組合在整個模型形成期的收益相關，收益越大，分值越高

（2）按月計算個股的不同因子得分間的相關性矩陣；

（3）在計算完每月因子得分相關性矩陣后，計算整個樣本期內相關性矩陣的平均值

（4）設定一個得分相關性閥值 MinScoreCorr，將得分相關性平均值矩陣中大於該閥值的元素所對應的因子只保留與其他因子相關性較小、有效性更強的因子，而其它因子則作為冗餘因子剔除。

綜合評分模型選取去除冗餘后的有效因子，在模型運行期的某個時間開始，例如每個月初，對市場中正常交易的個股計算每個因子的最新得分並按照一定的權重求得所有因子的平均分。最後，根據模型所得出的綜合平均分對股票進行排序，然後根據需要選擇排名靠前的股票。例如，選取得分最高的前20%股票，或者選取得分最高的 50 到 100 只股票等等。

舉個例子：可以構建一個多因子模型為（PE，PB，ROE），在月初的時候，對這個幾個因子進行打分，然後得分最高的50個股票作為投資組合，在下個月按照同樣的方法進行輪換替換。持續一段時間后，考場該投資組合的收益率是否跑贏比較基準，這就是綜合評分模型的建立和后驗過程。

當然這個例子是一個最簡單的例子，實戰中的模型可能會比較複雜，比如沃爾評分法就是一個複雜的多因子模型，它是對股票進行分行業比較，算個每個行業的得分高的組合，然後再組合成投資籃子。

一方面，由於量選股的方法是建立在市場無效或弱有效的前提之下，隨著使用多因子選股模型的投資者數量的不斷增加，有的因子會逐漸失效，而另一些新的因素可能被驗證有效而加入到模型當中；另一方面，一些因子可能在過去的市場環境下比較有效，而隨著市場風格的改變，這些因子可能短期內失效，而另外一些以前無效的因子會在當前市場環境下表現較好。

另外，計算綜合評分的過程中，各因子得分的權重設計、交易成本考慮和風險控制等都存在進一步改進的空間。因此在綜合評分選股模型的使用過程中會對選用的因子、模型本身做持續的再評價和不斷的改進以適應變化的市場環境。

多因子的模型最重要是兩個方面：一個是有效因子，另外一個是因子的參數。例如到底是PE有效還是ROE有效；到底是採用1個月做調倉周期還是3個月做調倉周期。這些因子和參數的獲取只能通過歷史數據回測來獲得。但是在回測過程中，要注意，不能過度優化，否則結果可能反而會不好。

影響股價走勢的主要因子包括市場整體走勢（市場因子，系統性風險）

估值因子（市盈率、市凈率、市銷率、市現率、企業價值倍數、PEG等）

成長因子（營業收入增長率、營業利潤增長率、凈利潤增長率、每股收益增長率、凈資產增長率、股東權益增長率、經營活動產生的現金流量金額增長率等）

盈利能力因子（銷售凈利率、毛利率、凈資產收益率、資產收益率、營業費用比例、財務費用比例、息稅前利潤與營業總收入比等）

槓桿因子（負債權益比、資產負債率等）

動量反轉因子（前期漲跌幅等）

交易因子（前期換手率、量比等）

規模因子（流通市值、總市值、自由流通市值、流通股本、總股本等）

股價因子（股票價格）

紅利因子（股息率、股息支付率）

股價波動因子（前期股價振幅、日收益率標準差等）

市場預期因子（預測凈利潤增長率、預測主營業務增長率、盈利預測調整等）。

量化選股模型—風格輪動

○

市場上的投資者是有偏好的，有時候會偏好價值股，有時候偏好成長股，有時候偏好大盤股，有時候偏好小盤股。由於投資者的這種不同的交易行為，形成了市場風格，因此在投資中，利用市場風格的變化，進行輪動投資會比一直持有的效果好很多。

投資風格是針對股票市場而言的，是指投資於某類具有共同收益特徵或共同價格行為的股票，即某類投資風格很受歡迎，並且在某一個時間段內具有持續性和連續性(譬如，價值投資和成長型投資兩種風格，或者大盤股和小盤股這兩種風格總是輪流受到市場追捧).

由於投資風格的存在，從而產生一種叫做風格動量的效應，即在過去較短時期內收益率較高的股票，未來的中短期收益也較高；相反，在過去較短時期內收益率較低的股票，在未來的中短期也將會持續其不好的表現。

比如：在2009年是小盤股風格，小盤股持續跑贏滬深300指數；而在2011年，則是大盤股風格，大盤股跌幅遠遠小於滬深300指數。如果能事先通過一種模型判斷未來的風格，進行風格輪動操作，則可以獲得超額收益。

晨星風格箱法是一個3×3矩陣，從大盤和小盤、價值型和成長型來對基金風格進行劃分，介於大盤和小盤之間的為中盤，介於價值型和成長型之間的為混合型，共有9類風格，如表所示。

(1)規模指標：市值。通過比較基金持有股票的市值中值來劃分，市值中值小於10 億美元為小盤；大於50億美元為大盤；10億~50億美元為中盤。

(2)估值指標：平均市盈率、平均市凈率。基金所持有股票的市盈率、市凈率用基金投資於該股票的比例加權求平均，然後把兩個加權平均指標和標普500成份股的市盈率、市凈率的相對比值相加，對於標普500來說，這個比值和是2。如果最後所得比值和小於1.75，則為價值型；大於2.25為成長型；介於1.75~2.25之間為混合型。

這也就是我們經常看到的基金的分類，比如：華夏大盤、海富小盤等名稱的由來。

宏觀經濟表現強勁時，小市值公司有一個較好的發展環境，易於成長壯大，甚至還會有高於經濟增速的表現，因此，小盤股表現突出的概率高於大盤股。而當經濟走弱時，由於信心的匱乏和未來市場的不確定性，投資者可能會傾向於選擇大盤股，起到防禦作用，即使低通貨膨脹、貨幣走強，也不足以冒險去選擇小盤股。

研究發現，經濟名義增長率是用來解釋規模效應市場周期的有力變數。當名義增長率提高時，小市值組合表現更優，因為小公司對宏觀經濟變動更為敏感，當工業生產率提高、通貨膨脹率上升時，小公司成長更快。

大小盤輪動最為投資者所熟知，本案例就A股市場的大小盤風格輪動進行實證研究，通過建立普通的多元回歸模型來探尋A股的大/小盤輪動規律。

1、大小盤風格輪動因子如下：

(1)M2同比增速：M2同比增速為貨幣因素，表徵市場流動性的強弱。當流動性趨於寬鬆時，小盤股相對而言更容易受到資金的追捧。

(2)PPI同比增速：PPI反映生產環節價格水平，是衡量通脹水平的重要指標；且PPI 往往被看成CPI的先行指標。

(3)大/小盤年化波動率之比的移動均值：波動率表徵股票的波動程度，同時也在一定程度上反映投資者情緒；可以認為大/小盤年化波動率之比能夠反映出一段時間內大/小盤風格市場情緒的孰強孰弱，而經過移動平滑處理后的數值則更加穩定。

2、預測模型

基於上面所講的風格因子建立如下回歸模型：

D(Rt)=α+β1·MGt-1+β2·PGt-3+β3·σt-3+εt

其中，D(Rt)為當月小/大盤收益率差(對數收益率)；MGt-1為上月M2同比增速；PGt-3為3個月前PPI同比增速；σt-3為3個月前小/大盤年化波動率之比的移動平滑值；εt為誤差項。

本案例採用滾動78個月的歷史數據對模型進行回歸，得到回歸係數后對后一期的D(Rt)進行預測，由修正預測值的正負來進行大/小盤股的投資決策。數據預測期為2004年6月至2010年11月。

3、實證結果

在78個月的預測期中，準確預測的月數為42個月，準確率約為53.85%，並不十分理想。但值得一提的是，2009年10月至2010年12月，模型的預測效果非常好，

若從2004年6月開始按照輪動策略進行投資，則截至2010年11月底輪動策略的累計收益率為307.16%，同期上證綜指的收益率為81.26%，小盤組合的累計收益率為316.97%；輪動策略稍遜於小盤組合，但仍較大幅度地跑贏了市場指數。

輪動策略在2007年的大牛市中能夠很好地跟隨大盤股的節奏，而在2009年以來的結構性行情中又能較好地捕捉小盤股的投資機會。

若從2007年初開始採用輪動策略進行投資，則截至2010年11月底累計收益率可達458.65%，大幅超越同期上證綜指及大、小盤組合的收益率。

量化選股模型—行業輪動

○

與風格輪動類似，行業輪動是另外一種市場短期趨勢的表現形式。在一個完整的經濟周期中，有些是先行行業，有些是跟隨行業。例如，對某個地方基礎設施的投資，鋼鐵、水泥、機械屬於先導行業，投資完後會帶來房地產、消費、文化行業的發展，這就屬於跟隨行業。研究在一個經濟周期中的行業輪動順序，從而在輪動開始前進行配置，在輪動結束後進行調整，則可以獲取超額收益。

國外許多實證研究表明，在環球資產配置中，行業配置對組合收益的貢獻的重要性甚至超過了國家配置，而且認為行業配置的重要性在未來相當長一段時間內也將保持。行業輪動策略的有效性原因是，資產價格受到內在價值的影響，而內在價值則隨著宏觀經濟因素變化而波動。

研究表明，板塊、行業輪動在機構投資者的交易中最為獲利的盈利模式是基於行業層面進行周期性和防禦性的輪動配置，這也是機構投資者最普遍採用的策略。此外，周期性股票在擴張性貨幣政策時期表現較好，而在緊縮環境下則支持非周期性行業。行業收益差在擴張性政策和緊縮性政策下具有顯著的差異。

在國內目前情況下，根據貨幣供應量的變化來判斷貨幣政策周期，是一個不錯的選擇。而M2正是廣義的貨幣，反映了社會總需求的變化和未來通貨膨脹壓力。M2同比增速則可以反映流通中的貨幣供應量變化，即貨幣政策效果的實際反應。因此，可以用M2來判斷貨幣政策或者貨幣供應處於擴張還是緊縮的周期。

通過移動平均線平滑后的M2增速，將2007年6月至2011年12月劃分成表所示的幾個貨幣周期。

為了將行業劃分為周期性行業和非周期性行業，這裡選取滬深300行業指數，並且以滬深300 指數作為市場組合，利用CAPM 模型計算行業的Beta值和均值方差。

從Beta 值來對行業的周期性和非周期性進行區分，周期性行業有能源、材料、工業和金融；非周期性行業有可選、消費、信息、醫藥、電信和公用。

年均收益率最高的行業為醫藥，其次是金融和公用，收益率最低的行業是可選。

針對上述對周期性和非周期行業的劃分，構建周期性行業和非周期性行業的輪動策略。

（1）信息的同步性：考慮到M2 的披露時間及信息的傳導時間，所有投資時段都滯后了一個月的時間。

（2）組合的構建策略：在貨幣政策處於擴張時等權配置周期性行業，緊縮時等權配置非周期性行業。

按照順周期策略（即策略1）構建投資組合併查看組合的收益及對應的逆向投資（擴張時投資非周期性行業，緊縮時投資周期性行業，初始資金1000萬）。

從2007年6月至2011年12 月的策略收益來看，不考慮交易成本，順周期行業輪動策略獲得最高的累積收益（-19.65%）遠勝於行業平均（-40.50%）和逆周期策略（-59.13%），逆周期策略表現最差。

此期間業績基準為滬深300 指數的收益為-37.57%，順周期的行業輪動策略則戰勝滬深300 指數達到17.92%，年化超額收益超過3.6%。即便扣除2%的單次換倉成本，行業輪動策略同樣遠遠戰勝同期滬深300 指數和行業平均投資策略的表現。

該策略具有如下優點：理念容易理解，且符合自上而下的投資理念，適合機構投資者進行行業配置；將行業劃分為周期性和非周期性進行投資，這種分類標準與實際投資中對行業屬性的認識也非常接近，減少了對行業基本面和公司信息的依賴；在緊縮時由於選擇投資於非周期性行業能夠避免較大的不確定性，使得整個組合的風險大大降低，抗風險能力得到增強；依據貨幣供應增速M2進行輪動，使得策略具有較強的可操作性。

行業輪動的規律

或許現在應該從股市周期（經濟周期）角度來關心行業輪動問題。由於各個行業對於經濟增速和通脹率（利率）的敏感程度不同，這必然意味著在經濟周期的不同階段（對應著不同的經濟增速和通脹水平），股市當中的強勢行業也會發生變化。

各個行業對宏觀經濟變數的敏感特性不同。

1）、工業類行業（包括了製造業、資本品和運輸）對GDP 增速更為敏感，這類行業具有較高的固定成本和較為緩慢的產能調節過程，當經濟開始提速時工業類行業產能利用率提高可以直接轉化為利潤，所以，這類行業會在預期經濟提速時（或者是牛市的早期階段）就開始表現較好；

2）、金融行業對利率（通脹率）的變化更為敏感，利率下行有利於信貸和金融投資。而利率下調往往發生在經濟下行期，所以這一時期金融股往往表現較好；

3）、能源類行業則對商品價格的變化最為敏感，所以，在價格上漲階段（也是經濟和股市的頂峰期）表現較好；

4）、醫藥和食品等行業對經濟減速和通脹上升的敏感度不高，因而成為熊市或者是牛市末期的防禦性品種。

我計算了美國股市最近幾輪牛熊轉化過程中的行業輪動規律，發現股市周期與行業輪動之間具有較強的規律性（儘管也不完全符合教科書式的理想狀態）。但這些行業輪動規律對是否有意義呢？經過計算，我發現上述行業輪動規律在股市要稍微「模糊」一些。

這主要是由於三個原因，一個原因是股市各個行業市值大小差別較大，而美國標普500 指數中各個行業的市值較為均勻，而這是行業輪動規律能夠「完美」表現的重要前提；

另一個原因是股市的各個行業結構不太穩定（由於過去3、4 年大量新股上市所致）；

第三個原因是部分行業的價格管制抑制了行業對經濟變數的正常反應。但如果「剔除」國內股市的特殊因素，行業輪動機理在股市上也都是相似的。例如，07 年牛市頂峰階段表現最好的行業是能源、資本品，而08 年熊市階段表現最好的是醫藥和日常消費等等，這些都是行業輪動規律的體現，因此，我們有必要了解一些成熟市場中最穩定的行業輪動規律。

量化選股模型—資金流模型

○

在市場中，經常存在交易性機會，其中一個就是資金流模型，該模型使用資金流流向來判斷股票在未來一段時間的漲跌情況，如果是資金流入的股票，則股價在未來一段時間將可能會上漲；如果是資金流出的股票，則股價在未來一段時間會可能下跌，那麼，根據資金流向就可以構建相應的投資策略。

資金流是一種反映股票供求關係的指標。傳統的量價無法區分市場微觀結構中的流動性和私有信息對股價的影響，而根據委託測算的資金流，能夠有效地觀察微觀市場交易者的真實意圖及對股價造成的影響。

資金流定義如下：證券價格在約定的時間段中處於上升狀態時產生的成交額是推動指數上漲的力量，這部分成交額被定義為資金流入；證券價格在約定的時間段中下跌時的成交額是推動指數下跌的力量，這部分成交額被定義為資金流出；若證券價格在約定的時間段前後沒有發生變化，則這段時間中的成交額不計入資金流量。

1．逆向選擇理論

在非強勢有效的A股市場，普遍存在信息不對稱的問題。機構投資者與散戶投資者在對同一信息的評估能力上存在差異。在大部分情況下，散戶投資者缺乏專業的投資能力和精力，那麼根據「搭便車」理論，希望藉助機構投資者對股價的判斷進行投資，一旦機構投資者率先對潛在市場信息做出反應，羊群效應的散戶投資者則追漲殺跌，往往導致在很多情況下市場對潛在信息反應過度。這樣根據逆向選擇理論，能夠準確評估信息價值的投資者便會對反應過度的股價做出交易，買入低估的、賣出高估的股票，從而糾正這種信息反應過度行為。

根據市場對潛在信息反應過度的結論及市場投資者的行為特徵，可以採取逆向選擇模型理論來構建選股模型，即賣出前期資金流入、價格上漲的股票，買入前期資金流出、價格下跌的股票。按照這個思路，對一些指標參數進行回測分析，可以得到穩定的選股模型。

2．策略模型

根據資金流各種指標的特點，在選股模型中採用比較簡單的方法，即以指標排序打分的方式來篩選股票。首先通過對各個資金流指標進行排序打分，然後將股票對各個指標的得分進行求和，最後以總得分值大小來篩選股票，具體步驟如下：

（1）確定待選股票池。在選擇組合構建時，剔除上市不滿一個月的股票，剔除調倉期漲跌停及停牌的股票，防止因漲/跌停無法交易。剔除信息含量小於10%的股票，因為這部分股票信號不明顯，無法取得有效信息。

（2）構建股票組合。

①指標打分：首先將待選股票池中的股票按照資金流指標進行排序，然後採用百分制整數打分法進行指標打分，即以股票在各個指標中所處位置的百分數作為股票對於該指標的得分，前1%得分為1，依次遞減，最後1%得分為100。

②求和排序：將股票相對於各個指標的得分進行求和，將和值從小到大排序，進行分組比較；另外，選擇排名靠前的N只股票構建組合。

③股票權重：採用等量權重。

（3）組合定期調整，調整時間從1到3個月不等。持有到期后，利用更新后的指標數據重新確定待選股票池，重複步驟（2）打分求和過程，並將股票按照指標得分從小到達排序，將原來分組中跌出組合的股票剔除，調進新的股票，同時將新組合內樣本股的權重調整到相等。

（4）統計檢驗。分別計算各組合的收益率情況，考察組合的效果。

本案例的結果來自於D-Alpha量化對沖交易系統的后驗平台『模擬交易所』，主要數據情況如下：

（1）后驗開始時間：2007-2-1，后驗結束時間：2011-2-18。

（2）股票池範圍：滬深300成分股；全市場。

（3）資金規模：現貨1億，3億，10億；期貨:現貨=1:1。

（4）撮合規則：高頻數據撮合，與交易所類似。

量化選股模型—動量反轉模型

○

A股市場存在顯著的動量及反轉效應，按照形成期為6個月持有期為9個月的動量策略以及形成期為2個月持有期為1個月的反轉策略構建的投資組合表現最佳。從不同的市場階段看，動量策略在熊市階段表現優異，而反轉策略則在牛市階段可以取得出色的業績。

動量及反轉效應：動量效應是指在一定時期內，如果某股票或者某股票組合在前一段時期表現較好，那麼，下一段時期該股票或者股票投資組合仍將有良好表現。而反轉效應則是指在一定時期內表現較差的股票在接下來的一段時期內有回復均值的需要，所以表現會較好。

動量效應測試結果：從超額收益來看，形成期為4－9個月，持有期為6－10個月的動量組合可以取得較高的超額收益；從戰勝基準的頻率來看，形成期為6－8個月間，持有期為9－10個月的動量組合戰勝基準的頻率較高。綜合來看，形成期為6個月，持有期為9個月的動量組合在整個樣本內表現最佳。

反轉效應測試結果：從超額收益來看，形成期為1或2個月，持有期為1個月的反轉組合可以取得較高的超額收益；從戰勝基準的頻率來看，短期組合，也即形成期和持有期都為1或2個月的反轉組合戰勝基準的頻率較高。綜合前面兩個因素，形成期為2個月，持有期為1個月的反轉組合在整個樣本內表現最佳。

動量策略表現：買入前6個月累計收益率最高的一組股票，並持有9個月的動量策略構建的投資組合在考慮單邊0.25%的交易成本以後，在長達7年多的測試期中取得了226％的累計收益，遠高於同期 滬深300指數取得的117％的累計收益。在整個測試階段，動量策略戰勝基準的頻率為58.43％。這一策略在熊市中表現尤為出色，相對於滬深300平均每個月可以取得1.2％左右的超額收益，信息比率為0.82，熊市階段戰勝基準的頻率在65％以上。

反轉策略表現：買入前2個月內累計收益率最低的一組股票，並持有1個月的反轉策略構建的投資組合在考慮單邊0.25%的交易成本以後，在長達7年多的測試期中取得了261％的累計收益，遠高於同期滬深300指數取得的117％的累計收益。在整個測試階段，動量策略戰勝基準的頻率為51.69％。這一策略在牛市中表現尤為出色，相對於滬深300平均每個月可以取得接近1.5％的超額收益，信息比率為0.78，牛市階段戰勝基準的頻率接近於57％。

結論：A股市場存在顯著的動量及反轉效應。長期來看動量和反轉策略相對於滬深300都可以取得超額收益，但是動量反轉策略在不同的市場階段表現不同，動量策略在熊市階段表現優異，而反轉策略則在牛市階段可以取得出色的表現。因此在A股市場應用動量或者反轉效應選擇股票時，應根據市場環境在動量和反轉策略間進行選擇，牛市選擇反轉，熊市則選擇動量。

量化選股模型—一致預期模型

○

超一致預期能夠帶來超額收益。如果年報披露凈利潤大幅超預期,則可以年報公布之後買入持有獲得超額收益。當然,如果在年報公布之前可以提前通過預測得知大幅超預期,則也可獲得事件日前的正超額收益。但是少數年度的超預期帶來的超額收益並不明顯,可能對某些利用此原理進行事件驅動選股策略的收益有一定影響。

預期基本面因子

預期基本面因子主要分為預期估值因子和預期成長因子。

預期估值因子中的預期市盈率因子是長期有效的,測試時間區間內,年勝率100%,月勝率59.38%,日勝率52.92%。但是波動較大,回撤較大。而且在近兩年採用該因子選股產生的超額收益遠遠小於前些年。

通過對複合增長率和預期凈利潤同比兩類預期成長類因子的研究,預期增長的組別的選股表現明顯好於預期減速的組別。而且對預期增長的組別進一步分類,可以得到預期增速處於中等水平的股票在年報后表現更好更穩定的結論。

預期情緒面因子

最常見的預期情緒面因子如一致預期凈利潤變化率,凈利潤一致預期值的環比變動幅度,也就是指最近一期預期凈利潤被調高/調低的幅度。另外,我們還結合最近一期的漲跌幅構建預期凈利潤變化率衍生指標(最近一期預期凈利潤變化率除以最近一期漲幅)-預期凈利潤回報。構建的預期凈利潤回報因子的刻畫作用明顯優於預期凈利潤變化率因子。

量化選股模型構建

綜合預期基本面因子和預期情緒面因子構建量化選股模型。 策略組合績效總結:綜合預期基本面因子和預期情緒面因子構建的策略組合,組合績效中的各項指標明顯好於各單因子選股策略組合。降低了回撤幅度,模擬組合的組合收益還有所提高。平均年化超額收益為15.41%,月度勝率為70.31%,年度勝率100%,超額收益最大回撤5.99%。

量化選股模型—趨勢追蹤模型

○

衡量股票趨勢的指標最重要的就是均線系統，因為它是應用最為廣泛的趨勢追蹤指標，所以均線是不可或缺的，把它作為捕捉大盤主趨勢的基石。但是純粹的均線由於噪音等原因，使得經常會出現誤操作，需要進行更多的處理機制，包括極點、過濾微小波動、高低點比較策略、高低點突破策略、長波的保護機制、長均線的保護機制等概念和技術細節。

股票價格的波動會讓人感覺價格變化飄忽不定，很難把握。為了便於捕捉趨勢，所以需要對價格走勢曲線進行簡化處理，這樣可以藉助於均線方法。將a個（a為模型參數）連續的交易日的收盤價取一個均值，形成MA(a)，比如a為10，即10個交易日數據取一均值，那麼就可以得到股價的10日均線U，完成對價格曲線的第一步簡化。

極點就是局部的高點或者低點，在極點處股價出現了轉折，所以它們是記錄股價變化的關鍵點，包含了比較多的信息。如果股價上漲至此，接下來又出現了下跌，那麼就形成一個局部的高點；如果股價下跌至此，接下來又出現上漲，那麼就形成一個低點。這些叫做極點，往往是股價變化的關鍵信息點，將它們記錄下來，以備進一步制定策略。

均線策略最大的優勢跟蹤趨勢效果比較好，在形成趨勢時能緊跟趨勢，但是最大的問題在於碰到盤整行情，均線就搖擺不定，容易頻繁地發出交易信號，所以必須對其進行進一步處理。

可以結合記錄的極點形成過濾微小波動的方法。當股價形成一個極點M后，接下來股價波動在M點股價的上下B個（B為模型參數）指數點內，就認為股價和M點相比沒有變化，這樣可以得到過濾了微小波動的均線趨勢線W。

每天獲取乾貨知識，請點擊標題下方"實戰財經"關注，也可以掃下方二維碼關注，您的關注是我們持續前行動力！

既然選擇了遠方，便只顧風雨兼程。期待你的關注！