多因子选股模型构建思路 [page::2][page::3]

• 依据7大类30个细分指标，分析因子与股票收益相关性，筛选有效因子。

- 不同行业因经营模式差异，因子影响效果不同，分行业选取最优因子构建模型。

• 因子按选股指标、筛选指标、公共指标、无效指标分类，估值及现金流类指标为核心。

- 样本股采用财务和上市时间筛选，剔除高风险绩差股。

分行业多因子模型测试方法 [page::5][page::6]

• 单因子打分百分制计分，反向因子低值得高分，所有因子得分加总得出个股最终分值。

- 股票按分值排序分为五档，均权配置组合，计算下一月每日收益与行业指数对比。

• 测试区间自2008年12月至2012年9月，不含交易成本与冲击成本模型回测。

行业因子选择及代表组合表现示例：农林牧渔行业 [page::6][page::7]

| 因子类别 | 因子名称 |
| -------- | ---------------------- |
| 成长类 | 净利润增长率(TTM) |
| 盈利能力 | 销售毛利率 |
| 估值类 | 市销率 |

| 指标 | 行业指数 | 档1 | 档5 | 档1-指数 | 档1-档5 |
| --------------- | -------- | ------ | ------ | -------- | --------|
| 累计收益率(%) | 39.33 | 89.56 | 36.30 | 50.24 | 53.26 |
| 月度胜率(%) | / | / | / | 62.22 | 60.00 |
| 单月最大跌幅(%) | -17.41 | -14.24 | -17.85 | -5.59 | -9.65 |

• 档1组合累计收益率远超行业指数和档5，显示策略选股有效，月度胜率超过60%。

其他行业选股因子及回测表现汇总 [page::8-21]

• 不同行业选取成长类、现金流类、估值类、经营能力类多个指标作为选股核心因子。

- 典型行业如化工选用营业利润增长率和市销率，黑色金属加入存货周转率。

• 多数行业档1组合表现均显著优于行业指数，年化收益及夏普比例提升明显。

- 金融服务、家用电器、有色金属、餐饮旅游等行业表现较差，因行业特性及样本限制。

模型整体表现分析及建议 [page::22][page::23]

• 15个行业档1组合对比指数表现稳定，月度胜率均高于60%。

- 与档5比较，9个行业表现较优，显示多因子排名筛选有效。

• 表现不佳行业存在行业特征内异质性大、基本面差异小或样本量少的情况。

- 对表现差的行业推荐结合筛选指标调整样本，交引市场指标优化组合构建。

| 行业代码 | 行业名称 | 档1-指数累计收益率(%) | 档1-档5累计收益率(%) |
|---------|----------|-----------------------|---------------------|
| SW801010 | 农林牧渔 | 50.24 | 53.26 |
| SW801030 | 化工 | 55.35 | 12.19 |
| SW801040 | 黑色金属 | 64.92 | 26.33 |
| ... | ... | ... | ... |

量化策略结论及因子应用价值 [page::0][page::22]

• 分行业多因子模型通过结合成长、盈利能力、现金流和估值等多类因子，针对不同行业特点差异化配置。

- 灵活因子组合提升选股准确性，实现了行业内个股排序的有效超额收益。

• 该模型适用于股票市场中基于基本面量化选股，具备广泛的策略应用前景。

证券研究报告分析——《基于行业分类的选股指标测试分析——多因子选股模型系列之五》

---

一、元数据与概览

• 报告标题：基于行业分类的选股指标测试分析——多因子选股模型系列之五

- 分析师及联系方式：
- 主笔分析师：张微（执业证书编号：S0730510110015）
- 研究助理：张川
- 联系电话：021-50588666-8041（张微），021-50588666-8138（张川）
- 邮箱：zhangwei1@ccnew.com
- 联系人及电话：周楷翔，021-50588666-8031

• 发布机构：中原证券股份有限公司

- 发布日期：2012年10月8日

• 研究主题：基于行业分类，筛选多因素核心指标构建多因子选股模型，力图提升不同行业中股票投资收益表现，指导构建行业差异化的股票组合。

- 核心论点：多因子选股模型通过科学地识别、筛选不同行业内有效的基本面因子，综合构建股票组合，期望在未来获得行业指数以上的超额收益。报告指出因各行业盈利模式不同，关键影响因子存在显著行业差异。根据模型测试结果，选出的优选组合在15个行业体现出较为稳定的超额收益表现。

• 目标价与评级：无显式目标价或股价评级，更多为策略和研究方法论性质报告。

- 主要信息传递：
- 多因子模型必需适应不同行业基本面差异。
- 选择有效因子时应业务结合行业特征。
- 测试结果显示多因子模型对部分行业效果显著，推荐行业内使用本报告筛选的因子进行量化选股。

---

二、逐节深度解读

1. 引言（第2页）

• 关键点总结：

- 多因子选股模型依靠多个选股因子构建组合，因子与预期股票收益率高度相关。
- 因子挑选包含对股票收益相关性的统计测试，权重分配组合构建是模型核心。
- 由于行业盈利模式差异，报告基于行业细分筛选有效因子，分别进行单因子和行业多因子测试。

• 依据与逻辑：

以七大类30个细分因子为备选因子（成长类、盈利能力及收益质量类、现金流类、估值类、价量类、股东因子类、经营能力类）进行相关性检验和选股能力测试，通过组合这些因子建立多因子模型，实现超额收益。

• 关键数据点与说明：

表1列出了部分常用因子的定义和计算方式，典型如净利润增长率（TTM）、销售毛利率、市净率（P/B）、市盈率（TTM）等。

• 驱动因素：行业盈利模式差异使得单一因子在所有行业效果有限，必须分行业执行多因子选股。

2. 分行业多因子选股模型分析思路（第3-4页）

• 章节内容：

- 按照前期单因子测试结果将因子归类为选股指标、筛选指标、公共指标和无效指标。
- 公共指标（多为价量类）因跨行业适用性强，暂时不纳入分行业多因子构建，留待跨行业模型。
- 针对各行业盈利模式和经营特征，构建对应的多因子评价指标（详见表3）。
- 通过剔除绩差股和异常值，减少噪声影响，提高组合安全边界。

• 逻辑与假设：分行业适用的指标更能体现股价表现的差异，选股指标用于加权构建组合，筛选指标用于剔除风险股。

3. 多行业多因子测试结果解读（第6-21页）

• 报告分别对申万23个一级行业进行了测试。

- 方法：按多因子组合得分将股票分为5个档次，关注档1（最高得分）与行业指数和档5（最低得分）绩效对比。

• 各行业均报告均值、标准差、累计收益率、月度胜率、最大单月跌幅等关键数据。

- 观察点：
- 档1组合多数行业表现优于行业指数，显示模型因子的有效性。
- 部分行业如家用电器、有色金属、金融服务等表现不佳，指出模型灵活需针对不同类别调整。

• 代表性行业解读：

- 农林牧渔行业（第6-7页）
因子：净利润增长率（成长类）、销售毛利率（盈利能力）、市销率（估值）
- 档1组合累计收益89.56%，行业指数39.33%，超额50.24%。
- 月度胜率62.22%，波动风险相对可控。
- 图1与图2显示档1组合持稳向上趋势，明显领先行业指数，与报告中提出的多因子有效论断相符。

- 采掘行业（第7页）
因子：市销率（估值）
- 档1组合82.44%累计收益，行业指数46.17%，略好于行业指数，组合间差异小。
- 月度胜率53.33%显示超额收益但波动较大。
- 图3、4反映该行业估值因子对收益有一定区分力，但效果有限。

- 电子行业（第11页）
因子：营业收入增长率、市销率
- 档1累计收益119.41%，明显好于行业指数70.95%。
- 月度胜率71.11%，模型表现较稳定。
- 图15、16显示档1组合在牛市中领先显著，反映成长和估值因子的良好筛选能力。

- 食品饮料行业（第14页）
因子：营业利润增长率、营业成本比率、经营活动现金流量净额增长率、市盈率
- 档1累计收益151.18%，行业指数85.70%。
- 月度胜率73.33%，为表现优良行业代表。
- 图23、24表明现金流和盈利能力指标权限较大，模型筛选有效。

- 家用电器行业（第13页）
因子：营业利润增长率、市盈率、应收账款周转率
- 档1表现略差于行业指数，累计收益64.36% vs 66.29%，模型有效性差，月度胜率48.89%。
- 可能因行业内基本面差异小，模型难用财报指标区分个股表现。

• 综合行业测试总结：详见第22页总结与第23页汇总表27。

- 有效行业数量：
- 档1相较行业指数的累计收益率和月度胜率均较好有15个行业（65.22%）。
- 档1与档5组合对比表现良好的行业为9个（39.13%）。

• 表现弱的行业及原因：

- 家用电器：基本面差异小，难有区分度。
- 有色金属：个股受商品价格主导，基本面影响减弱。
- 金融服务：行业子结构复杂，因子难以普适。
- 餐饮旅游：样本数不足，结果随机性高。

• 建议：对表现不佳行业，模型推荐转换使用筛选指标剔除差股，并依赖市场价量指标进行组合构建，而非基于基本面多因子打分。

4. 附表：因子分类与行业应用（第24-27页）

• 因子分为四大类：选股指标、筛选指标、公共指标和无效指标。

- 公共指标多为价量类（如换手率、流通市值、涨跌幅等），普适性强但行业区分度低。

• 选股指标适用于多因子模型构建，如成长类净利润增长率、盈利能力类销售毛利率、估值类市盈率/市净率、市销率、现金流类经营现金流增长率等。

- 筛选指标多用于剔除低质股，如净资产收益率、资本报酬率等。

• 无效指标如持有机构数被排除。

- 表27具体列示23行业各因子对组合收益率、胜率的贡献度及风险表现，清晰展现模型在不同行业内的优弱势。

---

三、图表深度解读

• 各行业收益表现图（图1-46）体现了多因子模型中档1组合（最高评分）与档5组合及行业指数的累计收益率趋势。

- 绝大多数行业图均显示档1组合累计收益领先行业指数及档5组合，曲线整体趋势向上，波动合理，部分波动较大体现行业特性风险。

• 超额收益率月度分布柱状图（红、绿柱）反映不同月度的回报高低，结合累计收益曲线（蓝线）展示叠加超额回报趋势。

- 例如农林牧渔行业（图1、2）示意档1组合累计收益优于行业指数50%以上，月度胜率高，且最大单月跌幅相较行业指数少5.59个百分点，体现超额收益同时风险较低。

• 采掘行业（图3、4）显示单因子市销率因子效果较弱，组合与行业指数接近。

- 电子、食品饮料等行业图表现出强烈的正向收益趋势，验证因子选股合理性。

• 家用电器（图21、22）图线显示档1与行业指数接近甚至偏弱，反映某些行业基本面指标局限性。

- 图示数据与表格中收益率、月度胜率数据一致，有力支持报告结论。

---

四、估值分析

• 本报告主要依靠基本面因子组合模型及其收益测试进行验证，未明确采用DCF、P/E等估值模型进行目标价推导。

- 估值相关因子主要包括市盈率（TTM）、市净率、市销率和市现率等传统估值指标，用以辅助多因子模型构建，其中行业因盈利模型不同，对估值因子的敏感度和运用有显著差异。

• 估值因子用作选股指标，且纳入排序得分系统，权重与成长、现金流等因子共同决定个股综合评分。

- 报告未提供详细的折现率、永续增长率等参数说明，属于因子测试及量化选股工具层面而非全面估值报告。

---

五、风险因素评估

• 报告未专门列出风险章节，但隐含风险主要包括：

- 行业盈利模式差异风险导致因子普适性不足。
- 基本面指标对部分行业（如金融服务、有色金属）影响减弱，表现随市场情况波动大。
- 样本量不足可能导致结果随机性强，如餐饮旅游行业。
- 模型未考虑交易费用、冲击成本，实际收益可能降低。

• 缓解策略：

- 对表现不佳行业采用筛选指标先剔除低质股，再结合市场价量指标构建组合，减少单一基本面因子的依赖。
- 使用箱线图法剔除异常值股票，确保得分稳定性。
- 限制资产负债率过高、营业利润微小、新上市天数不足的绩差股，提升组合质量。

---

六、批判性视角与细微差别

• 报告清晰定义因子归类，有助于模型定位不同指标的合理使用。

- 多数行业多因子模型展现优异选股能力，但模型对部分行业适用性相对不足，报告中已合理指出主要原因。

• 未考虑交易费用可能导致实际执行收益不及预测，尤其高换手率行业不容忽视。

- 基于历史数据的回测，面临未来市场环境变化风险，周期性变化可能影响因子的有效性。

• 部分行业组合中，部分因子的权重和相关性未明确具体分配细节，缺乏详细参数透明度。

- 报告侧重基本面因子的有效性测试，未对宏观经济和政策风险做深入考量。

---

七、结论性综合

本报告系统构建并测试了基于行业分类的多因子选股模型，重点通过分行业筛选有效的基本面因子组合，以实现精准的行业内选股超额收益。研究覆盖申万23个一级行业，选取30个细分基本面指标作为备选，通过剔除绩差股与异常值执行打分排序，构建五档股票组合进行实证测试。

报告显示，多因子模型在农林牧渔、化工、黑色金属、建筑建材、机械设备、电子、交运设备、食品饮料、轻工制造、医药生物、公用事业、交通运输、房地产、商业贸易、信息服务15个行业表现出较高的超额收益概率（65.22%），档1组合累计收益率大部分显著优于行业指数，月度胜率保持在较高水平。具体行业如电子（累计收益119.41%）、食品饮料（151.18%）表现尤为出色。

图表层面，多个行业的分档组合累计收益趋势清晰凸显了多因子模型的选股有效性，胜率和最大单月跌幅反映组合风险调控能力较好。附表和因子分类系统为投资者阐明了不同行业适合使用的核心因子，实操中可依据筛选与剔除机制降低风险，提升收益。

不足方面，家用电器、有色金属、金融服务、餐饮旅游行业模型表现不佳，分析指出行业性质、基本面指标对收益影响较弱或样本量限制为主要原因，建议采用不同模型策略或依赖于市场指标筛选。

总体而言，报告对多因子选股模型进行细致的行业分类应用测试，结合基本面与估值等多因子信息，科学剔除绩差股及异常值，提高了模型择时和选股的效率，体现了多因子模型在量化投资中的实用价值和行业适应性，值得在量化投资策略设计及行业配置中重视采纳。

---

重要图表示例展示

• 农林牧渔行业档1组合与行业指数累计收益对比：

• 电子行业档1组合与行业指数累计收益对比：

• 食品饮料行业档1组合与行业指数累计收益对比：

• 机械设备行业档1组合与行业指数累计收益对比：

---

溯源

本文内容基于《基于行业分类的选股指标测试分析---多因子选股模型系列之五》，中原证券股份有限公司，张微，2012年10月8日发布，页码覆盖页码0-28[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28]。

报告