基于盈利成长因子的选股模型―金融工程专题报告
创建于 更新于
摘要
本报告构建了基于盈利成长因子的股票选股模型,采用因子分层打分法筛选股票,剔除财务指标不符要求的标的后,综合盈利与成长因子得分排序,选取排名前50股票等权配置。回测显示该策略年化收益23.06%,年化超额收益12.21%,且在多数年度和行业中跑赢基准,表现稳定优异。与多因子模型对比,盈利成长策略在多数行业表现更稳健,仅在部分细分行业多因子模型表现更优,策略在轻工制造、商业贸易等行业表现突出。报告还给出最新股票池及分行业选股结果,并提示风险因素[page::0][page::3][page::4][page::5][page::6][page::9][page::10]
速读内容
核心模型构建及方法介绍 [page::0][page::3]
- 采用因子分层打分法,区别于回归法,打分法不依赖近期因子收益率,更适合主动投资。
- 选取盈利类因子ROAq、ROEq和成长类因子ProfitGq、SalesGq、SUE。
- 剔除ROETTM < 3、EPS同比增速 < 5%、净利润同比增速 < 5%、资产负债率 > 60%的股票,剩余约1000只。
- 盈利因子和成长因子二级因子等权合成大类因子,盈利与成长因子等权合成综合评分,选取前50只股票构建组合。
主要回测结果及策略表现 [page::4][page::5]


| 指标 | 数值 |
|---------------|------------|
| 年化收益率 | 23.06% |
| 累计收益 | 847.04% |
| 年化超额收益 | 12.21% |
| 夏普比率 | 0.70 |
| 最大回撤 | 39.14% |
- 策略在2009-2019年多数年份跑赢Wind全A指数,仅2011年和2018年熊市略跑输。
- 分行业看,除休闲服务外,所有行业均跑赢对应申万行业指数,通信、机械设备、电子、公用事业等行业超额收益较高。
分行业策略与多因子策略对比 [page::9]
| 行业 | 盈利成长选股策略净值 | 多因子选股策略净值 |
|------------|--------------------|------------------|
| 轻工制造 | 2.68 | 3.94 |
| 商业贸易 | 1.41 | 1.71 |
| 医药生物 | 4.50 | 4.80 |
| 电气设备 | 2.25 | 2.83 |
| 建筑装饰 | 2.17 | 5.65 |
| 银行 | 2.98 | 3.37 |
| 其他行业 | 多数盈利成长策略表现更稳健 |
- 多因子策略在部分行业表现优于盈利成长策略,整体而言盈利成长策略表现更为稳定。
最新股票池与分行业选股情况 [page::10]
| 行业 | 选股示例股票 |
|------------|-------------------------|
| 交通运输 | 城发环境、华夏航空、上海机场等 |
| 传媒 | 三七互娱、中公教育、美吉姆等 |
| 电子 | 金溢科技、亿纬锂能、飞荣达等 |
| 医药生物 | 长春高新、大博医疗、智飞生物等 |
| 商业贸易 | 苏宁易购、红旗连锁、南极电商等 |
- 根据Wind数据和分析师覆盖最新更新。
风险提示 [page::0][page::11]
- 存在模型过度优化及模型失效风险。
深度阅读
报告分析解读:基于盈利成长因子的选股模型
---
一、元数据与报告概览
报告标题: 基于盈利成长因子的选股模型 ―金融工程专题报告
分析师: 郝倞
发布机构: 渤海证券股份有限公司研究所
报告日期: 2020年2月5日
研究主题: 股票选股模型,专注于盈利与成长因子构建的因子打分模型在A股市场的应用与效果评估
核心论点及目标:
报告聚焦于运用基于盈利(ROA、ROE)与成长(利润增长、销售增长、异常收益SUE)因子的分层打分选股模型,强调整体策略表现稳健且适合主动投资,尤其在市场波动和熊市期间调整因子权重以规避风险。报告通过回测与分行业检验,验证了该模型优于市场基准的表现,并在部分行业中表现优异优于多因子选股方法。最终提出最新一期股票池名单,便于投资实操应用。其显著贡献在于提出了因子打分法区别于回归法的逻辑及其在实际选股中的优势。
---
二、逐节深度解析
1. 前言
报告开篇提及此前基于ROE的选股策略有效但选股范围受限、行业分布集中,促使研究团队引入盈利与成长因子的组合策略,并采用分层打分法改善股票覆盖和分布均衡性,提高策略稳健性与适用性。该背景凸显选股模型拓展的必要性和创新动因[page::3]。
2. 模型介绍
详细阐述两种多因子方法的区别:
- 回归法: 通过大类因子对股票价格回归,获得因子收益作为预测依据。对近期因子表现较为敏感,受市场短期波动影响大。
- 分层打分法: 根据股票在各因子上排名表现进行打分,选取得分较高股票,不依赖近期因子表现,因此更适合主动投资,能够根据市场环境灵活调整如熊市时加权分红因子,降低系统性风险。
模型具体步骤如下:
- 剔除股票:剔除财务指标表现弱的股票(ROETTM < 3、EPS同比增速 < 5%、净利润同比增速 < 5%、资产负债率 > 60%),保证样本质量,剔除后样本约1000只。
2. 计算因子得分:盈利因子包括季度ROA,ROE,成长因子包括利润增长率、销售增长率、异常收益(SUE),各二级因子等权合成一级因子。
- 组合构建:盈利与成长因子同样等权合成综合因子,选出前50只股票进行等权投资。
该方法体现了多因子等权(无单因子主导)和严格样本筛选的策略设计理念,强调因子的均衡利用和风险控制[page::3]。
3. 模型测试
回测基于Wind全A市场,年调仓3次,每次等权持仓。模型净值与基准走势对比如图1,累计超额收益如图2所示。
- 累计收益达847.04%,基准同期为151.96%。
- 年化收益23.06%,超额收益12.21%。
- 最大回撤39.14%,夏普比率0.70,表现较为稳健。
- 分年度表现中,除2011和2018的熊市轻微跑输基准外,其他年份均跑赢市场。
这表明模型在不同市场环境下整体具有较强的超额收益捕获能力和风险调整收益能力[page::4][page::5]。
4. 分行业测试
剔除高波动周期及金融军工后,在申万一级行业下进行回测,策略选择每期综合打分排名前5股票。
- 多数行业累计收益跑赢申万行业指数,年化超额收益普遍为正。
- 唯一跑输行业为“休闲服务”,年化超额收益为负(-0.72%)。
- 超额收益显著行业为通信(16.92%)、机械设备(15.07%)、电子(16.22%)、公用事业(12.65%)等。
- 波动与最大回撤等风险指标表现稳定,无明显异常风险暴露。
行业净值走势图(图3到图25)整体体现策略净值(蓝线)相对行业基准(橙线)稳健且跑赢多数行业,验证了策略的行业适用性及均衡优势[page::5][page::6][page::7][page::8]。
5. 与多因子选股的比较
将本模型与经典多因子模型(包含value、size、quality、growth、momentum、liquidity、volatility七大类因子)进行行业层面比较:
- 多因子模型使用月频调仓,选取预期收益最高的5只股票。
- 盈利成长模型在房地产、计算机、家用电器、电子、食品饮料等行业表现更优。
- 多因子模型在轻工制造、商业贸易、医药生物、电气设备、建筑装饰、银行行业更胜一筹。
- 整体而言,盈利成长因子策略表现更稳定,不同细分市场间波动较小,适用范围更广泛。
此比较说明了两者互补性及盈利成长打分法专注盈利成长的选股能力优势,同时指出了多因子模型维度更全面的特点[page::8][page::9]。
6. 新一期股票池
基于最新Wind数据并剔除无分析师覆盖股票,报告列出了最新一期包含多行业的精选股票池,共覆盖多达50只优质股票,并给出分行业前5名具体个股,便于投资者跟踪和实际操作。比如,传媒行业选中三七互娱、中公教育等,电气设备选中麦格米特、泰胜风能等[page::10]。
7. 进一步研究
未来计划结合分析师一致预期数据探索选股策略的优化可能,显示报告具有持续的研究拓展意图[page::11]。
8. 风险提示
明确指出:
- 过度优化风险:模型基于历史数据构建,过拟合风险存在。
- 模型失效风险:市场环境变化可能导致模型有效性下降。
提醒投资者需谨慎使用,并结合市场环境动态调整[page::0][page::11]。
---
三、重要图表深度解读
图1:净值走势图
图中橙线为策略组合净值走势,蓝线为Wind全A基准指数。2009年至2020年间策略净值持续领先基准,累计增长显著,尤其2014-2016年间策略出现快速爆发,净值达到10倍以上,相较基准的4倍多显著优势。策略回撤多见于大盘调整期,但每次均有较好反弹能力,表现出稳固的成长性和抗风险性。
图2:累计超额收益走势图
超额收益指数从2009年稳定上升,虽经历震荡但始终位于正值,表明策略在绝大多数时间内保持超越大盘,验证了策略稳健性。
表1:组合评价指标
年化收益23.06%,超额收益12.21%,夏普比率0.70均表明策略风险调整后收益显著,最大回撤39.14%处于合理范围。策略整体波动率28.73%,反映适度风险暴露。
表2:年度收益对比
数据表现策略大多数年份胜出基准,个别年份亏损和基准大致同步,显示模型在熊市仍具有风险对冲能力。
表3:分行业测试结果
列示策略在22个行业的表现数据,显示除休闲服务外所有行业净值和超额收益均为正,细节如通信行业17%以上的超额收益,电子行业16%超额收益均属高水平。峰值回撤多数处于40%-60%区间,行业间表现稳定。
图3-图25:各行业净值走势图
多个行业图表均显示策略净值线持续优于行业指数线,尤其在电子、传媒、机械设备、通信等行业表现波动中稳健,说明因子模型在行业选择和权重分配上优于市场平均表现。
表4:多因子模型使用因子组合
清晰列出了多因子模型的因子架构,包括Value(EP、BP)、Size、Quality、Growth、Momentum、Liquidity、Volatility,构成了传统多因子分析的全方位覆盖。
表5:分行业策略净值数据对比
数据显示盈利成长模型在10个行业表现优于多因子模型,多因子模型则在五个行业表现更佳。数值直接反映策略相对收益区别,强调了盈利成长模型优势的行业边界。
---
四、估值分析
报告主旨非针对单一股票估值,而是构建基于因子的选股模型,强调多因子打分选股的过程和收益表现,未具体阐述传统估值模型(如DCC、市盈率等)应用。估值更多体现为整体组合的风险回报特性和行业适应性。
---
五、风险因素评估
- 过度优化风险: 模型可能基于历史数据过拟合,未来表现不一定一致。
- 模型失效风险: 市场结构、因子效应可能随时间变化,带来业绩回撤。
报告强调风险识别但未详细给出缓解策略,提醒投资者关注模型稳定性与动态调整[page::0][page::11]。
---
六、批判性视角与细微差别
- 报告对因子权重等假设逻辑透明,但对因子打分法相较回归法在实战中遇到的潜在局限未展开,如打分法对行业轮动的敏感度、风格切换时的缺陷等。
- 盈利成长因子等权合成策略将所有期望收益视为同等,忽视可能存在的因子质量差异,使得风险暴露有轻微偏差。
- 分行业剔除部分周期性及金融行业,有利于模型表现,但可能降低策略在大盘配置中完整性。
- 分行业股票池选择少量前排股票,极端下可能降低多元化,增加单只股票风险。
- 数据样本及回测区间主要截止2019年末,后续市场验证仍需关注。
整体分析稳健、逻辑清晰,但投资者需结合宏观与市场变化动态调节策略。
---
七、结论性综合
本报告以专业的金融工程视角,构建并验证了一套基于盈利成长因子的分层打分选股模型。模型区别于传统回归型多因子方法,采用了不依赖近期因子表现的打分法,增强了策略适应熊市及市场波动的能力。回测覆盖2009年至2019年末,在Wind全A市场展现出:
- 累计收益847%,年化23.06%,年化超额收益12.21%,夏普率0.70,表现稳健且风险可控。
- 分行业表现良好,绝大多数行业能超越对应申万行业指数,尤其通信、电子、机械设备等经验表现突出。
- 与经典多因子模型比较,盈利成长模型表现更加稳定、均衡,尽管部分行业多因子模型略优,但整体排名与收益稳定性更好。
- 最新股票池及行业精选样本为实际策略应用提供明确指引。
综合图表表现,净值走势图与累计超额收益证明策略系统性超额回报能力;行业净值对比图显示策略在多样行业的稳健适用性。风险提示提醒模型存在过度拟合和失效风险,需动态调整。最终,报告主张利用此模型为主动投资者提供低依赖短期市场波动且长期表现稳健的选股策略,具备实践可操作性和研究拓展价值[page::0][page::4][page::5][page::6][page::8][page::9][page::10][page::11]。
---
附:核心图表示例解读

图示策略净值(橙线)从2009年初始1单位增长至近10倍以上,远超基准指数(蓝线)增长,展示策略长期强劲增长能力。

超额收益指数稳步上升,显示策略持续超越市场基准。
---
以上为渤海证券郝倞分析师2020年发布的基于盈利成长因子选股模型报告详尽解读。