第三篇 牛市挖机会 熊市避风险

采用调整后的量化策略构建分行情阶段覆盖全行业的数量组合，收益明显提高。2001年1月~2009年4月，新的优质低估组合累计收益263%，比原组合的209%提高54个百分点，跑赢申万300指数211个百分点。

——申银万国首席分析师提云涛、袁英杰

量化投资策略的成功需要根据实际问题不断进行修正。实际的跟踪模拟发现，前期的两个量化投资策略存在行情阶段影响组合表现、有时调出股票表现好于调入股票、行业覆盖不全等问题。

对此，我们进行研究分析，并根据研究结果对量化投资策略进行修改和完善。

我们用利润利息比及均线把市场划分成熊市高估、熊市低估、牛市高估、牛市低估四个阶段，该指标在熊市高估、牛市低估阶段的预测准确率达到70%。

另外，用PB选择金融业股票构建量化组合可以大幅跑赢金融行业平均水平。

整体来看，采用调整后的量化策略构建分行情阶段的覆盖全行业的数量组合，新组合收益明显提高。2001年1月~2009年4月，新的优质低估组合累计收益263%，比原组合的209%提高54个百分点，跑赢申万300指数的211%。

现有策略表现良好

低估偏离组合选股逻辑是从“好”公司中选择“低估”的公司，然后选择股价向下偏离的股票。

具体组合构建方法是：先选择赢利（ROE等）、综合运营质地（权益比率等）、增长率综合评分较高的公司做初选池；然后用综合估值指标从初选池中选出低估值股票；再基于反转策略用Bias构建低估偏离组合。

比较而言，优质低估组合选股逻辑是从“优质公司”中选择低估公司，并限制行业规模。

具体组合构建方法是：选择谈判能力(应收应付等)、资产收入质量(收入现金率等)、管理能力（资产周转率等）、赢利能力（ROA等）综合评分较高的优质公司股票作为初选池；以PB为估值指标、兼顾行业平衡，选择低估的优质公司股票构建优质低估组合。

基于上述策略，我们构建了量化组合，其模拟表现良好。2009年1~5月，低估偏离组合累计收益91.16%，累计超额收益39.24%；优质低估组合累计收益79.06%，累计超额收益27.24%。   两个组合beta均大于1，这是此期间组合超额收益的主要来源。另外，两个组合具有正的周alpha。如果股指期货推出以后，我们可以基于这两个量化策略，构建获得绝对收益的对冲策略。

既有策略三问题

虽然量化组合总体表现良好，但如果进一步全面深入地考察量化组合的历史表现，仍存在以下三大问题。

一是不同行情阶段量化组合表现有差别。根据计算月度市场涨跌，分别统计量化组合在市场上涨和下跌时的表现。低估偏离组合和优质低估组合在市场上涨月份的平均超额收益（前者为1.40%，后者为0.95%）明显高于在市场下跌月份的平均超额收益（对应的前者为0.16%，对应的后者为0.43%），这说明量化投资策略在不同的市场阶段有效性不一样。

因此，如果能够预测未来市场涨跌，那么我们可以对量化投资策略进行调整，进而提高量化组合的表现。

二是部分月份调出股票表现好于调入股票。根据模型规则，两个量化组合每月需要进行调整，统计每月两个组合调入、调出股票调整后一个月的表现，我们发现，有些月份调出股票表现要远好于调入股票。

比如，在2009年3月，低估偏离组合调出股票收益为31%，而调入股票收益为16%；优质低估组合调出股票收益为26%，而调入股票收益为20%。也就是说如果这些月份不调整组合，收益会更高。因此，需要进一步提高组合调整效率。

三是量化投资策略没有覆盖金融服务行业。两个量化投资策略的共同之处在于根据股票财务指标进行第一步筛选，由于金融企业的特殊性，其财务指标与其他行业企业明显不同，初始股票池中没有覆盖金融业。

因此，在市场某些阶段，金融业大幅跑赢市场时，两个量化组合表现会比较差，比如2006年12月，金融业上涨36.06%，而申万300指数只上涨18.74%。另外，金融业流通市值占比很大，基金不配置是不现实的。因此，需要采取量化方法选择金融业股票，并纳入到量化组合中。

三大修正思路

基于上述问题，我们从三个方面对现有量化投资策略进行修正：

一是划分市场行情阶段，根据不同市场环境调整模型策略；

二是统计调入股票和调出股票在不同市场阶段的表现特征，修正组合调整规则；

三是构建金融业股票的量化选择模型，形成覆盖全行业的量化模型。