|
揭开数据背后的秘密—量化投资 作者简介：刘钊，中国科学技术大学统计与金融系学士、计算机科学技术双学士、金融工程博士，深圳证券交易所博士后，主要研究领域包括数量化投资、金融产品创新、金融市场微观结构等。2008年11月-2010年1月供职于五矿证券经纪有限责任公司，先后担任总经理助理、董事会秘书，2010年1月加入摩根士丹利华鑫基金，任金融工程和风险控制部副总监。 （一）价值投资确实有用吗？ 很多人崇拜巴菲特，但事实上，绝大部分的追随者都无法取得巴菲特一样的业绩。是价值投资在中国不适用，还是他们没有用好价值投资？ 1.简化的价值投资模型 巴菲特的价值投资理念，是长期持有那些具有高回报、低估值的上市公司。我们来检验一下“买入低PE个股”的简单做法能否取得高于指数的投资回报。 根据相关规定，上市公司需在每年前4个月里公布年报，我们可以根据5月第一个交易日的股价计算出PE值。剔除亏损公司，我们按PE从低到高对上市公司进行排序，PE值越低排名越靠前，越是我们应当选择的“好”公司。我们取排名前100的公司，按照流通市值权重组成“好公司100组合”，买入并持有一年。按照这种方式每年调整一次，交易手续费按单边0.6%计算。统计结果显示，投资5年的组合累积收益264%，同期沪深300指数收益为210%。按复利计算，组合平均每年战胜指数4%左右。 于此，我们得到一个初步的结论：价值投资在中国是可行的！ 2.模型的有效改进 （1）变历史业绩为预期业绩 静态PE值只代表公司过去的业绩，而不能反映将来的情况。如果我们能根据证券分析师对业绩的预测以及当前股价，计算出预期PE估值来选择个股，是否能有更好的效果？ 我们由此进行第1次改进，结果显示，这种改进是有效的：模型5年收益上升到374%，每年战胜指数的幅度上升到11%。也就是说：我们更应当考虑公司未来的业绩而不是历史的业绩。 （2）每月调整一次组合 一年里股票价格变动太大，某上市公司原本PE值较低，在1个月里价格上涨较多，PE值也涨上去了，我们是否可以提前兑现利润，卖出上涨个股，转而投资PE仍较低的其它股票？ 缩短投资周期，每个月根据新的二级市场价格，重新算一次预期PE，同时对组合进行调整。同样考虑单边交易0.6%的手续费。改进后模型的收益上升到434%，每年战胜指数的幅度上升到14%。这似乎也验证了我们的直观感受，在中国市场，股价波动较快，即便是价值投资，也不能持有太长时间，一旦股价如预期上涨了，就应当及时卖出兑现利润。 3.失败的改进：在不同行业里选低PE个股 不同行业有不同的特点，有些传统行业，PE估值一直就较低，比如钢铁行业、化工行业。如果我们总是找低PE的公司，大部分将集中到这些传统行业，无法选到高成长的新兴行业。于是考虑以下改进方法：分行业进行PE排名，每个行业选取PE最低的5家上市公司进行投资，不考虑亏损企业。同样考虑0.6%的单边交易成本。 统计结果显示，在行业内部选低PE个股的策略，收益反而更低了！在所有公司里选低PE个股的策略，5年累计收益264%，而分行业选低PE个股的策略，5年累计收益仅227%，即使经过动态预期PE的改进也没有得到好的收益。数据的结果验证了人们的经验：并不是所有行业都适合低PE策略！如果在新兴行业里单纯的看低PE，可能反倒找到成长性不好的公司。 （二）追强势股能赚钱吗？ 股评家有一句口头禅叫做“追强势股”，认为强势股总能延续一段时间的上涨趋势，为投资者带来超额收益。追强势股也常被称为“追涨策略”或“动量策略”，与之对应的另一种策略是“找反弹股”，或称为“反转策略”，即买入前期跌幅最大的个股，寄希望于“跌得越深，反弹越高”。上述两种策略均有不少拥簇，而本文则将对它们进行一次验证。 1.基本定义 我们这样定义“动量策略”：以每个月15号作为观察日，对上个月所有个股的涨幅进行排序，找到涨幅最大的100只个股。然后，我们根据公司的市值规模分配资金，买入这100只股票。下个月15号，我们重新计算月度个股涨幅，得到新的涨幅居前100名公司，按名单进行调整。如此反复，每个月换一次股票，买入卖出价格以15号收盘价为准，暂不考虑手续费，也不买入ST类个股。 与之相对应的是“反转策略”：在上述模拟中将“排名居前”改为“排名靠后”，其它不变，同样构造100只个股的组合，每个月调整一次。 2.策略收益的统计 在过去的6年里，按照这两种策略进行操作的投资收益见图表3。让人吃惊的结果是，不论哪种方法，都明显低于沪深300指数的收益。也就是说，长期来看，“追强势股”和“找反弹股”都不能为投资者带来超额收益。计算交易成本后，还可能让投资者亏损。 3.从失败策略中寻找赚钱法门 以上两种策略虽然都失败了，其中却恰恰隐藏着导入成功的法门。注意到强势股和反弹股分别对应了涨幅最大的和跌幅最大的个股，它们都没有超额收益，超额收益会去哪呢？一个推测是，超额收益集中到涨跌幅排名居中的个股？一点没错，结果见图表4。我们将选股规则改为“取上个月涨幅排名靠中间的100只个股”，其它规则不变，6年累积收益率695%，大幅超越同期指数。也就是说，追涨不赚钱、反转也不赚钱，找那些前期涨幅居中的个股，反倒有可能找到黑马。 4.权重对模型的影响 我们在前面分析追涨和反转策略时，均使用市值加权。也就是说，对于同样要买入的股票，大盘蓝筹股会多买一些，小盘股会少买一些。与市值加权对应的是等权重，即不论是大盘股还是小盘股，都买入相同的金额。加权方式的不同，对模型会有多大的影响？请见图表5。 对比图表3和图表5的结果，我们发现了很大的不同。同样是反转策略，市值权重没有超额收益，等权重却有较多的超额收益！两者的差异在于，市值权重投资了更多的大盘股，等权重投资了更多小盘股，换句话说：对小市值股票，用反转策略是有效的！对大盘蓝筹股，反转策略是无效的。 而对于追涨的策略，不论是等权重或市值权重方法，模型显示策略是无效的，由此得到另一个结论：不论是大盘股还是小盘股，追涨总是不可取的。 结 论 我们可以通过数量化投资，来捕捉有效的策略。例如通过以上的模型验证，价值投资在中国证券市场真实有效，仅仅经过一些简单的改进，就能够在最近5年取得年均复利回报40%，每年战胜指数14%。这是相当不错的成绩。同样用量化的方式，我们验证了“追涨”的策略并不有效，根据统计结果，从大样本角度来看，追强势股总是不合适的。我们认为，像连续上涨这类事件，人的潜意识中会强化它们的存在，夸大发生次数，投资者可能注意到了某只个股连续涨停，却没注意到某些个股涨得多，跌的也深。人们的认知存在偏差，但量化有助于我们矫正偏差。 寻找投资策略是一个系统工程。在海量的信息里，需要提炼出有用的信息，加以甄别、分析。比如我们发现市值权重下追涨和抢反弹的策略都不可取，却从这些失败策略中发现找涨跌幅排名居中个股的好方法。另外，稍微修改条件，失败策略也会有新的价值，比如调整加权方法后，我们发现对小盘股抢反弹就是一种有效的策略。更好的掌握数据、分析数据、理解数据、应用数据，这就是量化基金的最主要工作。 （以上数据来源：摩根士丹利华鑫基金金融工程部整理） |
|
|
