基于成長、營運、估值因子的基本面選股研究

趙芷瀾

（天津市耀華中學，天津 300041）

量化投資是指利用數字量化手段和計算機編程來獲得穩定收益的一種交易方式。它具有系統性、及時性、紀律性、準確性和分散化等特征，在海外已有超過30年的發展歷史，其投資表現非常穩定。在國內，量化投資的市場范圍和份額也在不斷擴大，贏得了更多投資者的認同。量化投資技術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、股指期貨套利、商品期貨套利、套利計算、算法交易、資金分配、風險控制等多個方面。量化選股則是通過定量方式來評估一家公司的價值。

近年來，隨著技術的持續發展和金融數據的不斷創新，市場效率不斷提升，多因子量化選股模型應運而生。多因子模型的綜合有效性顯著高于單個因子，建立在多個因子維度上的選股模型因其高穩定性和強持續性，避免了許多不科學的選股決策，顯示出比單因子模型更廣泛的應用范圍[1]。作為一種廣泛應用的量化投資策略，多因子選股模型從資產定價模型發展而來，綜合考慮多種因素。它對市場波動敏感，能夠根據最新的市場情況調整策略，是量化投資模型的一個重要部分[2]。然而，由于因子的適用性具有局限性，因子在不同時間對不同股票的收益率影響并不總是明確的。學術界通常采用回歸法來檢驗因子對股票收益率的影響性，通過利用歷史數據對因子進行回歸分析，確定因子對收益率的正負影響，據此進行相應的策略調整。一旦因子的正負性被確定，它將保持不變[3]。本文將從盈利能力、成長能力、估值等多個維度篩選出有效因子，并借助Ricequant平臺進行回測以進行篩選。通過淘汰相關性弱的因子并結合相關性強的因子，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、文獻綜述

“量化”這一概念源于國外，是一種將數學方法應用于財務領域而形成的全新思考模式，其發展并未伴隨傳統財務學的演進。美國經濟學者馬科維茨于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。該理論通過有價證券在某一時期的平均回報率來度量收益，并通過其標準差來度量風險?；谶@一模型的假設，Markowitz提出了一個基于有效邊際的資產優化分配模型。在Markowitz的投資組合理論基礎上，Sharpe、Lintner和Mossin分別對資本資產定價模型（CAPM）進行了測試并進行了改進，最終形成了現代的CAPM理論，其公式為：

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

受CAPM模型的啟發，Ross提出了以多因素為核心的套利定價理論。該理論將多因素作為核心，為后續的多因素股票選擇提供了堅實的理論基礎。從美國的數據來看，定量投資已經發展超過40年。定量投資始于1970年，而到了2001年，其規模已達到880億美元。隨后，定量投資的發展速度加快，使西蒙斯、肖等人成名。近年來，隨著科技的持續進步和機器學習技術的發展，量化投資與算法之間的聯系變得更加緊密。Vrontos等人采用機器學習方法進行建模，不僅能夠綜合各種統計指標評估模型，而且能夠結合多種投資策略評價模型的經濟價值。Markus等人建立了一系列通過不同機器學習模型進行驗證的綜合預測指標。結果顯示，在所有機器學習模型中，流動性指標顯示出一致性，而基于資產價格的基礎面指標則排在第二位。由于零售投資者的參與，股票價格在短期內更易于預測，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股票顯示出較強的可預測性。我們采取單純看多的策略，即便考慮交易費用，也能夠獲得可觀的收益。

美國密歇根大學的Holland教授于1975年首次根據生物演化的原理提出了遺傳算法。在隨后的數十年里，這一算法被廣泛應用于各種學科領域，尤其在金融投資方面表現突出。Chung等人通過分析現有的金融數據，構建了一個融合長短時記憶網絡和遺傳算法的股市預測模型。他們提出了一套系統化方法來確定LSTM網絡的時間窗大小及其拓撲結構，并對股市數據的時序特征進行了深入分析。Bonde等人運用遺傳算法和演化策略進行特征選擇和權重優化。在此過程中，每個屬性的輸入根據其連接權重被放大，并通過sigmoid函數處理，旨在找到最佳的連接權重以預測股票的最高價格。實驗表明，這種方法在各種情況下的預測準確率都超過了70%。陳詩樂等人在先前研究的基礎上，利用遺傳算法進行個股的特征提取，并結合LSTM和轉換技術深入預測股票趨勢，考慮了股票的時序特征。何盼等人提議將這兩種方法結合使用于股市趨勢預測，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，從而顯著提高股市趨勢預測的準確性。

二、數據和方法

本文的所有數據均通過Ricequant平臺進行回測，以我國的滬深300指數作為研究對象，并選取2020年1月1日至2023年1月1日作為回測的時間范圍。在排除了因合并或重組等原因導致股票停牌、財務指標數據不完整以及數據異常的樣本公司之后，本研究選擇了其他上市公司的財務指標作為樣本進行回測實驗。

公司的成長能力反映了其擴展經營的能力和未來發展的前景。市場對公司產品的需求量大、所處行業的未來發展前景良好以及公司的業務擴張能力強，均表明公司具有較強的成長能力。成長因子是指反映公司中長期成長能力的指標。如果某公司的成長因子超出了同類其他公司，那么可以預期，該公司的股價在未來有較大的上升潛力。衡量成長能力的財務指標主要包括營業總收入增長率、利潤總額增長率、基本每股收益增長率以及每股凈資產增長率等。

營運能力指的是企業的經營運作能力，即企業利用各種資產獲取利潤的能力。從更廣泛的角度來看，經營能力涵蓋經營活動中可實現的各種經營功能。然而，從微觀角度來看，經營能力僅代表一種經營活動，并不能直接反映企業對人力資源的運用效率。反映公司經營能力的指標包括總資產周轉率、應收賬款周轉率和存貨周轉率等[4]。在因子庫中，估值類因子是一個重要的指標。它幫助投資者通過對公司的估值來判斷其當前股價是否合理，從而對公司的未來發展前景作出合理預測。估值類因子在不同行業之間存在顯著差異。例如，市凈率較低的股票通常具有較高的投資價值并且較為穩定，像制造業和銀行業的市凈率一般在1.5左右，而成長空間較大的科技公司則相反。在多次實驗中，本文采用了定期輪動交易模型，并將調倉周期設定為5個交易日，最大持倉股票數量限定為10只。

三、實證分析

（一）成長能力指標

在衡量公司績效的指標體系中，成長性指標扮演著核心角色。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。公司的強大償債能力是發展的先決條件，強大的盈利能力是發展的關鍵，而更高的管理效率則是發展的保障。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展能力。經過多次回測，本文篩選了四個成長類因子，并為它們設定了相應的數值范圍，實現最優的回測結果。凈資產收益率，作為營業凈利潤率、權益乘數和總資產周轉率的乘積，在利潤水平發生變化時，必須識別影響凈資產收益率的主要因素，以便能夠及時反應并采取適當的對策來提升公司業績。

因此，與單一財務比率分析相比，凈資產收益率的驅動因素分析具有更高的價值。選股因子的取值范圍見表1。根據表2的數據，本策略的回測收益為27.05%，相比基準收益的-1.94%，證明了本策略具有較優的表現。

表1 成長能力選股因子

表2 成長能力回測結果

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，基準收益在2020年達到37.90%，2021年為73.00%，2022年為28.60%，整體呈現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）營運能力指標

運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算公司的資產周轉率來衡量公司的經營和管理效率。在對企業的運營能力進行分析時，我們主要關注存貨周轉率、應收賬款周轉率、流動資產周轉率和總資產周轉率等財務分析比率。這一指標不僅能反映公司的資本運作情況，而且能揭示公司的運作效率和資源使用效率。

企業擁有強大的經營能力能夠優化資產結構，實現資源的有效利用。同時，通過保持和改善財務狀況，企業能夠提升資金周轉率，確保資金的正常流動。這為公司營造了良好的經營發展環境，使經營管理者能夠做出正確的財務決策，讓外部投資者能夠進行合理的投資。此外，強大的經營能力還有利于穩定和改善財務狀況，加快資金周轉速度，為企業創造良好的經營發展氛圍。這不僅讓經營管理者能做出準確的財務決策，而且使外部投資者和債權人能進行理性和科學的決策。

一般而言，企業資金周轉速度越快，其流動性越高，償債能力越強，資產獲取利潤的速度也就越快。然而，在實際回測中發現，并非所有指標的數值越高就意味著企業收益越大。通過調整指標大小，我們發現當企業的總資產周轉率處于1.5到2.5倍之間時，可以獲得相當不錯的收益。選股因子的取值范圍見表3?；販y結果顯示在表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異且穩定的表現。

表3 營運能力選股因子

表4 營運能力回測結果

圖2展示了營運能力因子從2020年至2022年的收益變化情況，以折線圖形式呈現。數據顯示，回測收益在2020年為37.00%，2021年達到73.81%，而2022年為65.17%。相比之下，基準收益在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

通過調整指標和指標的數值范圍，在市盈率20到40，市凈率1到1.5，市現率2到3之間，實現了年化收益率為17.71%，年化阿爾法值為17.36%的回測結果。相關因子的取值范圍見表5，詳細數據見表6。該策略的收益為17.71%，與基準年化收益-1.94%相比，明顯展現出了其優異的回測表現。

表5 估值選股因子

表6 估值類因子回測結果

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

經過多次回測，筆者發現樣本的選擇及選擇的回測時間周期會顯著影響回測效果。同時，選定的時間周期較短，并受到限定因素的制約，這些因素可能導致回測表現優異而與實際操作不符，以及對歷史業績的高估。此外，未來函數的問題，即在策略分析中使用了在回測歷史該時刻尚未獲得的數據，前視偏差可能使模擬結果更接近于測試的預期結果，導致策略制定者對其策略過度自信，誤信模型具有高度準確的預測能力。這是一種錯誤的思維方式。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險和時效性問題，使選股策略具有更廣泛的適用性。進一步，未來的分析可以增加樣本量，并根據個人經驗和市場狀況進行相應調整與更新，以減少風險和由意外事件導致的大幅偏差，并在可能的情況下，使用滯后數據以避免前視偏差。

五、結束語

綜上所述，本文通過基本面多因子選股策略，從成長能力、營運能力和估值三個維度對財務指標進行了實驗，并得到了2020年到2023年的三個正收益回測結果。首先，本文選取了成長能力指標因子，包括凈資產收益率、銷售毛利率、銷售成本率，回測收益達到99.68%，夏普率為0.967 7；其次，本文選取了營運能力指標因子，包括總資產周轉率（同比增長率）、應收賬款周轉率（同比增長率）、固定資產周轉率（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因子，包括市盈率、市凈率、市現率，回測收益達到60.18%，夏普率為0.670 5。值得指出的是，多因素選股雖具有風險性和時效性等特點，投資者在選擇股票時必須根據自己的經驗和市場環境進行持續調整與更新。然而，多因素選股建立在財務指標基礎上，通過設定并篩選相關因子的數值來獲得高收益的股票組合，具有一定的客觀性，因而具有其價值。未來的研究可以著眼于改善風險性、時效性及無法準確描述現實的問題，開發出更加符合實際的模型，以解決當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值的參考。