跟着靠谱基金经理学选股?

石川   2018-05-09 本文章501阅读

1

引言


今年春节期间,朋友给我推荐了一个公众号:金融街老裘(ID:jinrongjielaoqiu)。根据公众号的说明,作者现任某知名私募合伙人,尤其擅长基本面选股,国内财报分析中的翘楚。这位老裘曾先后做过 10 年行业分析师以及 5 年基金经理,平均每年看 500 份上市公司的财务报告。


在我开始关注这个公众号之初,它先后推出了八篇文章,分别从现金收入比净资产收益率人均创收和人均创利总资产周转率季度收入增长率商誉净资产比毛利率、以及研发支出这些角度说明专业的基金经理是如何选股的。


这八篇文章每篇介绍一个选股标准,既用通俗易懂的语言(通常都是小故事,直接拉近了这些财报指标和非专业读者之间的距离)说明每个指标背后的业务含义,又给出正、反两方的代表,有理有据,深入浅出,干货十足、颇有诚意。以现金收入比为例,老裘认为好的公司过去 5 年的现金收入比应均大于 100%,他给出的正方代表是贵州茅台,也是他的重仓股;而反方代表是乐视网。


就我个人的观点来看,对于做基本面分析的基金经理的文章,通常在阅读之前都是持有怀疑态度的。但是(一个大大的但是),don’t get me wrong。我绝对不怀疑市场上有做基本面分析非常优秀的人,他们也为客户带来和非常优秀的收益(比如这位老裘,据他自己介绍,2017 年的收益率在 40% 以上)。但让我略感不安的是,这类文章中所分析的内容 —— 无论是产业链分析还是公司研究 —— 都需要结合写文章时特定的宏观环境、经济政策。这些基本面分析的文章固然是原作者思想精华的总结,但是其中的方法论却难以被复现或者扩展,对于读者来说,读完了也就读完了,并没有什么太多可以 take away 的东西。


但这八篇不同,它们明确给出了在一个优秀的基金经理眼中,好的股票应该具备的特质。我们能不能把这八个标准转换成八个选股因子呢?这是我关心的问题。在前面现金收入比的例子中,“现金收入比”可以被视为一个选股因子;而“过去五年现金收入比均大于 100%”则是基于这个因子的选股标准。也许我们无法仅仅根据五年现金收入比均大于 100% 而选出贵州茅台,但是如果大部分优秀的公司如果都具备该特征,那么使用现金收入比作为因子来选股,应该会让我们大概率挑出值得投资的股票。


所以,这篇实证应运而生。我想简单的在 A 股上对这八大标准做些分析,看看它们是否能成为优秀的选股因子。


最后强调一点,我不认识也从未见过这位老裘前辈,甚至连他是否真的姓裘都不清楚(因为圈子就那么大,做得好的早已是家喻户晓,所以有人可能不愿意用真名)。[金融街老裘] 这个公众号有着大量的拥趸,也无需我的顶或踩。我只是希望对这八条选股指标做一个客观的评价,希望它们都好使,这样便能为我所用。


由于八篇原作的目的不是选股,因此并没有明确给出构建选股因子的方法。在这方面,我需要根据老裘使用的八大标准来自由发挥,尽量贴近业务逻辑的构建八个因子。如果因为我的理解或使用有误造成对因子效果解读的偏差,责任自然在我。


2

八大标准


下表汇总了老裘的八大选股标准(标准那一列);另外本文的最后给出了原作的八篇文章的链接,我强烈建议感兴趣的朋友去读一读。


f1.png


这些因子对应的计算公式如下,它们都可以从上市公司的财报中找到。


f2.png


为了使用这八个标准选股,就必须把每一个视作一个选股因子,并围绕它在每个固定的时间点,使用个股的截面数据来构建因子投资组合,然后再在时序上来评价该因子投资组合的收益和风险情况。


下面就来看看如何围绕着些选股标准来构建因子投资组合。


3

构建因子组合


在将选股标准转化为选股因子并构建因子投资组合的过程中,有几个客观存在的困难。


首先是数据。在实证中,我们采用的是果仁网的回测平台 —— 用它来做因子选股性价比很好且容易事后评测。果仁网中并没有上市公司员工数的数据,因此第三个指标中的人均创收和人均创利就无法计算。所以我放弃了这个指标。


第二个困难是构建投资组合时选股的依据。仔细观察不难发现,老裘的八条标准都是用来筛选股票的,而非用来给股票排序的。比如中国石油和贵州茅台,它们都满足过去五年现金收入比均大于 100%;如果仅从这个因子考虑,它们之间又是孰优孰略呢?为了构建因子投资组合,必须能够以某种相对优劣关系对满足筛选标准的股票进行排序。从这个角度出发,对于标准 6 商誉净资产比和标准 8 研发支出就比较困难了。商誉净资产比以及研发支出并不是越大或者越小越好,它们的最优值更是无从说起。出于这个原因,我也放弃了这两个指标。


最终能构建因子组合的还剩下五个(当然,仍然需要解决如何排序的问题):现金收入比、净资产收益率、总资产周转率、季度收入增长率、毛利率。


构建因子投资组合的主流方法中包括 Barra 的纯因子组合;或者业内常用的按因子将个股排序,然后做多最好的一些并做空最差的一些。在本次实证中,由于原作对这些因子有特定的使用方法(比如过去五年的 XX 超过 XX%),因此 Barra 的那一套并不适用,故我们采用传统的排序法。这种方法的缺点是无法排除因子之间的相关性,所以围绕目标因子构建的因子组合可能对别的因子有微弱的(但是不可避免的)暴露。


由于果仁网在回测中无法直接做空个股,因此我们“曲线救国”分别构建 top 和 bottom 组合(分别对应按照某个因子选出来的最好的和最差的股票组合),并用它们的收益率之差模拟“做多 top 组合、做空 bottom 组合”。在实证中,这两个组合的选股频率是动态的,但是它们的金额再平衡频率是按月的。


对于每个因子,构建因子投资组合的思路如下:


1. 按照原作中的标准来筛选出满足的股票;然后将这些股票按照该因子最新一期的取值从好到差排序;动态选择前 n 支股票(与具体投资组合的构建逻辑有关,会在本文第 4 节说明)构建一个 top 组合;


2. 按照与原作中业务逻辑相反的标准筛选出满足的股票;将这些股票按照该因子最新一期的取值从差到好排序;动态选择前 n 支股票(方法同上)构建一个 bottom 组合;


3. 使用 top 组合和 bottom 组合的收益差作为该因子的收益率(这相当于同时做多 top 组合、做空 bottom 组合)。


按照上述主导思想,对每个因子组合具体的 top 和 bottom 组合的选股依据如下:


现金收入比


Top 组合:使用“过去五年现金收入比均大于 100%”筛选;使用“过去 12 个月的现金收入比”从大到小排序;


Bottom 组合:使用“过去五年现金收入比均小于 100%”筛选;使用“过去 12 个月的现金收入比”从小到大排序。


净资产收益率


Top 组合:使用“过去五年净资产收益率均大于 15%”筛选;使用“过去 12 个月的净资产收益率”从大到小排序;


Bottom 组合:使用“过去五年净资产收益率均小于 15%”筛选;使用“过去 12 个月的净资产收益率”从小到大排序。


总资产周转率


Top 组合:使用“过去五年总资产周转率均大于 100%”筛选;使用“过去 12 个月的总资产周转率”从大到小排序;


Bottom 组合:使用“过去五年总资产周转率均小于 50%”筛选;使用“过去 12 个月的总资产周转率”从小到大排序。


季度收入增长率


Top 组合:使用“过去八个季度每季度收入同比增长均大于 15%”筛选;使用“最新季度收入同比增长”从大到小排序;


Bottom 组合:使用“过去八个季度每季度收入同比增长均小于 15%”筛选;使用“最新季度收入同比增长”从小到大排序。


毛利率


Top 组合:使用“过去五年的毛利率均大于 20%”筛选;使用“过去 12 个月的毛利率”从大到小排序;


Bottom 组合:使用“过去五年的毛利率均小于 20%”筛选;使用“过去 12 个月的毛利率”从小到大排序。


最后需要说明的是,考虑到银行和非银金融的特殊性,在构建因子投资组合时,无论是 top 组合还是 bottom 组合,均排除了这两个行业。此外,如果新选出来的是 ST,则跳过;如果已经在组合中的股票变成 ST 则不做特殊处理。如果新选出来的股票停牌则跳过,以免对应仓位空置;如果已经在投资组合中的股票被停牌,则不做特殊处理。


4

在 A 股上的实证


有了因子投资组合,我们就可以对这些因子在 A 股上进行实证。在为每个因子构建 top 和 bottom 投资组合时,采用如下的交易模型:


每日更新因子并重新排名,新股理想仓位为 5%,上下各浮动 1.5%(因此组合中股票数量为 20 到 29 支);空闲资金购买银华日利(货币基金);卖出条件为股票按因子的最新排名超过 20;为了避免换手率过高,要求每个股票买入后必须持有不少于 20 个交易日 (事实上,由于财报数据更新的很慢,选入投资组合的股票都会被持有较长时间,平均持仓时间超过 80 个交易日),且在卖出时不考虑涨停的股票;单边交易费用为千分之一、假设按照收盘价交易。


按上述交易模型就可以在回测期内得到每个因子 top 和 bottom 组合的表现。对这两个组合的资金按月再平衡,它们的收益差就是因子投资组合的收益。回测期为 2011 年 1 月 3 日到 2018 年 5 月 3 日。使用回测期内的因子组合的时序收益率就可以评价因子的表现。


在老裘的原文中,并没有特别说明这些因子是否主要是针对蓝筹股(尽管我猜测可能是更适合蓝筹股),也没有说明这些因子在历史中的哪个时间段有效(因子都有周期性 —— 见《国内因子量化选股的七宗罪》中的第 6 罪 —— 因此这些因子不太可能一直有效)。为此,我们先使用果仁网上所有的股票池测试(下称全集测试)、然后再仅用沪深 300 的成分股作为选股池测试(下称蓝筹测试)。所有的股票池以下指数的成分股(有重叠):上证 50、沪深 300、中证 500、中证 1000、中小板、创业板、中证红利。


这五个因子在全集测试中的表现如面五张图所示。每张图中,蓝色为 top 组合的净值、黄色为 bottom 组合的净值、绿色为因子组合的净值。我们最关注的是绿色曲线。


f3.png


f4.png


f5.png





f7.png


我们的回测期从 2011 年到 2018 年,这其中 2016 年前后可以做一个分界:自 2016 年开始,价值投资回归。观察这些因子在全集测试上的表现可以得到如下结论:


1. 现金收入比持续有效


2. 净资产收益率在价值投资回归后有效


3. 总资产周转率持续无效


4. 季度收入增长率在2014年之前有效、之后无效;


5. 毛利率基本无效,波动较大,算是一个风险因子而非 α 因子。


再来看看这些因子在沪深 300 上的表现(同样排除了银行和非银金融,图中黑色浅实线为沪深 300 自身的走势)。


f8.png


f9.png


f10.png


f11.png


f12.png


观察这些因子在蓝筹股测试上的表现可以得到如下结论:


1. 现金收入比、净资产收益率和总资产周转率这三个因子均在价值投资回归后非常有效


2. 季度收入增长率持续无效


3. 毛利率收益大、波动大,更像是一个风险因子而非 α 因子。


4. 由于在现实中无法做空,因此除了因子收益率之外,我们更关注 top 组合。在这五个因子中,除了净资产收益率,其他四个因子的 top 组合都无法显著跑赢指数本身。


我们在本文的最后一节简单评价这些因子的效果。


5

结语


从本文的实证来看,大部分考察的因子是能够取得超额收益的 —— 特别是在价值投资回归之后。因此可以说靠谱基金经理的选股逻辑从业务上说是站得住脚的。但是,仅仅使用这些因子,我们是无法选出贵州茅台、格力电器的。我们需要对这些因子的作用有正确的认识。


15+ 年的从业经历,每年 500+ 篇财报的分析,这相当于分析了 7500 到 10000 篇研报。这些日复一日、年复一年的努力构成了老裘对行业的深刻理解和财报的敏锐洞察力。这种功底不是我们精读区区八篇公众号文章能获得的。但是这些文章对于我们的价值不仅仅是教给我们八个因子,更重要的是它们背后传递出的作者在挖掘优秀上市公司时秉承的逻辑。


这位老裘非常勤奋而且高产,公众号基本上每天一篇。虽然篇幅不长且言简意赅,但对我来说还是有些 overwhelming。但是,坚持读下来还是能从字里行间感受到一个优秀基金经理对财报解读的特有视角,这种潜移默化也许在某一天能够帮助我们积跬步而致千里。而坚持原创、对知识无偿分享的 [金融街老裘] 也是令人钦佩的。


书山有路勤为径、学海无涯苦作舟。投资中并无捷径。


最后附上这八个选股标准的原文链接:


1. 现金收入比

2. 净资产收益率

3. 人均创收、人均创利

4. 总资产周转率

5. 季度收入增长率

6. 商誉净资产比

7. 毛利率

8. 研发支出


免责声明:文章内容不可视为投资意见。市场有风险,入市需谨慎。

一键咨询