价值投资:价值投资关注股票的“安全边际”,通过积极寻找市场价格被明显低估的股票,进行长期性的投资来获得超额收益。在量化形式上,价值投资主要是借助PE、PB、市销率(PCF)等参数去挖掘具有较高安全边际、被市场低估的股票。
价值因子:我们选择市盈率(PE)、市净率(PB)、市销率(PCF)、除非经常性损益市盈率(RPE)和一致预期市盈率(EPE)等五个指标作为价值因子,通过使用统计结构模型建立因子与股价之间的联系,来测试和比对各因子的有效性,从而最终筛选和确定有效的价值选股指标。
选股模型:我们构建基于单指标、多指标和动态指标在内的多种选股模型,利用2002.1~2009.5的历史交易和财务数据,分别测试不同价值指标及其相互组合下的选股情况,并通过t检验来验证模型的有效性,利用相对基准组合的信息比率来比较各种策略的相互优劣。
实证检验结果:单指标选股模型下PCF选股模型最优;多指标选股模型中(PB+PCF)选股模型表现最好;动态指标选股介于上述两种模型之间。综合来看,PCF单指标选股模型在目前情况下更适合价值股选股策略。以50只股票构建基于PCF选股的价值组合,在过去七年多的测试期内,相对基准组合的年化收益达到13.7%,相对沪深300指数的年化超额收益超过18%,相对基准组合的信息比率达到1.645,战胜基准的频率接近66%。摇钱术:分层递进选股法
不同市场状态表现:价值组合在不同市场行情下均可获得相对基准组合的超额收益。综合来看在震荡和熊市行情中的表现要略好于牛市中的表现。可见,价值投资是一种相对保守型投资策略,更加适合预期市场未来不好的情况。
组合优化:成分股权重的确定对价值组合测试效果具有显著影响,我们分别构建基于流通市值的加权权重、基于MV模型的优化权重、基于BL模型的优化权重和基于遗传算法的优化权重四种策略。测试结果显示,基于IR遗传算法优化权重下价值组合的历史信息比率最优。