结果发现，优质公司组合表现在四个市场阶段均得到提高，其中在熊市低估阶段，相对改善幅度最高。

组合调整效率与惯性和反转

虽然股票跌到或涨到一定程度会反转，但也可能继续保持惯性。在惯性作用下，调出组合的股票会维持超额收益，调入组合的股票会继续下跌。采用事件研究方法，分别计算数量组合调入股票和调出股票的买入累计超额收益（BHAR）。计算时，以调整日为事件日，分别向前和向后计算60个交易日，考察股票表现。

按照量化组合选股规则，从2001年开始建立低估偏离策略的模拟组合和优质低估策略的模拟组合，并按照调整规则逐月调整，记录调入股票和调出股票，再分别计算调整前后的买入持有超额收益BHAR。

对低估偏离组合，调出股票在调出的买入持有超额收益小于0，涨幅要小于市场；而调入股票的买入持有超额收益则大于0，涨幅要超过市场。总体上，调整是有效的。

调入股票在调整前跑输市场，特别是在调整前30个交易日开始到进入组合时更明显跑输市场。调出股票则相反，在调出前20个交易日到调出组合时明显跑赢市场。基本上，调入股票和调出股票都有比较明显的反转表现。

对优质低估组合，调出股票在调出后虽然小幅跑赢市场，但跑赢幅度要小于新调入组合的股票。调入股票在调整前的60个交易日基本跑输市场，调出股票在被调出组合前明显跑赢市场。调入股票总体上有明显的反转表现。

分市场阶段考察两大组合

把市场分为熊市高估、牛市高估、牛市低估、熊市低估四个行情阶段，考察低估偏离组合调入股票和调出股票调整前后在不同市场阶段的表现。

对于调入股票，在牛市高估和熊市低估阶段具有反转特征，计入组合前明显跑输市场，计入组合后明显跑赢市场；在熊市高估和牛市低估中，调入组合的股票超额收益不明显，基本与市场同步。

对于调出股票，在熊市高估和牛市低估中跑输市场，在牛市高估和熊市低估中基本与市场同步。也就是说，调入股票平均来看基本都是调入前跑输市场，调入后跑赢市场，有明显的反转表现。调出股票在调出后超额收益基本都不明显。  考察低估偏离组合的调整效率。判断下月是牛市高估、熊市低估时，调入股票的平均涨幅要明显高于调出组合的股票涨幅。判断下月是牛市低估时，调入股票相对于调出股票的相对优势不明显。因此，考虑交易成本后，除牛市低估阶段不调整外，其他市场阶段最好都按组合规则调整。

同样基于上述方法分行情阶段，考察优质低估组合调入股票和调出股票调整前后在不同市场阶段的表现。对于调入股票，在牛市高估、熊市高估和熊市低估阶段调入组合后，跑赢市场，在牛市低估阶段，调入组合后基本和市场涨幅相等。

在调入组合前，调入股票平均跑输市场。对调出组合股票，除牛市高估时调出组合继续有超额收益外，其他三个市场阶段都跑输市场，在调出组合的前20个交易日都明显跑赢市场。

金融业量化选股模型

金融业是沪深股市占比最高的行业。企业资产质量直接决定了企业赢利能力。从竞争来看，在业务同质性的特征下，相同行业的金融企业，特别是商业银行，在传统业务占主导地位的状况下，资产就是赢利的保障，贷款质量越高，赢利能力越强。

而在统一监管政策下，同一类金融企业的会计政策基本相同，资产质量具有非常强的可比性。对于同质性、学习能力非常强的企业，从长期看，赢利能力比较低的企业或许可以通过学习提高竞争力，提高赢利能力。

选择金融股时，可以从基本面选择，还有就是从估值方面选择，即选择低估的金融股作为量化组合的金融业股票。

用PB作为选股指标，筛选金融股。从2001年开始，以月为调整周期，每月初选择上月末PB最低的5只股票，构建金融量化选股组合。

从实际效果看，金融行业的量化组合大幅超越金融业指数。从累计收益看，量化选股明显跑赢金融业指数。可见，用PB指标选择低估值的股票构成的组合长期可以跑赢市场。

下半年牛市量化策略

兼顾Bias后可以提高收益，增加金融行业股票可以避免行业配置偏离过大的风险，因此需要调整原有的量化模型。

一是选择非金融股票时，对低估偏离组合，在“牛市低估”阶段不调整；对优质低估组合，选出优质公司后，再按照PB、Bias由低到高综合排名选择股票构建组合。二是用PB作为选股指标，选择金融类股票，并按照金融股流通市值占比配置金融类股票，按非金融流通市值占比配置非金融类股票。