量化选股模型：戴维斯双击！

创建于 2025-07-21T04:36:52.677063+08:00 更新于 2025-07-21T12:23:05.288468+08:00

摘要

本报告构建了基于戴维斯双击效应的量化选股模型，利用盈利持续加速增长和低估值筛选标的，实现EPS和PE的同时提升。策略自2010年以来年化收益超25%，超基准收益超20%，风险调整表现优异，且在大消费类股票中表现尤为突出，展现较强的稳定性和防御性 [page::3][page::4][page::5][page::10]。

速读内容

戴维斯双击策略核心思想 [page::2][page::10]

股价由每股盈利（EPS）和市盈率（PE）共同决定，策略追求EPS和PE双升。

- 利用PEG指标控制估值合理性，聚焦盈利加速增长和低估值标的，寻求业绩和估值的乘数效应提升。

调仓时间点定为每年4月20日、7月20日、10月20日和1月20日，基于业绩预告和财报数据筛股。

持续增长模型构建与回测表现 [page::3][page::4]

| 年度 | 年化收益 | 基准收益 | 超额收益 | 最大相对回撤 | 收益回撤比 | 夏普比率 | 日度胜率 | 月度胜率 |
|----------|----------|----------|-----------|--------------|------------|----------|----------|----------|
| 全回测期 | 25.11% | 3.57% | 21.54% | -16.78% | 1.28 | 0.91 | 56.51% | 71.91% |

持续增长策略表现优异，但2015年回撤较大，2016年后策略收益有所减弱。

- 策略日度胜率稳定在55%以上，月度胜率达到70%以上。

加入低估值限制后策略表现提升 [page::4][page::5]

| 年度 | 年化收益 | 基准收益 | 超额收益 | 最大相对回撤 | 收益回撤比 | 夏普比率 | 日度胜率 | 月度胜率 |
|----------|----------|----------|-----------|--------------|------------|----------|----------|----------|
| 全回测期 | 23.91% | 3.57% | 20.34% | -8.64% | 2.35 | 0.90 | 54.57% | 68.54% |

限制PE低于50倍，显著减少最大回撤，提升风险调整后收益。

- 相对强弱曲线保持上升，2017年超额收益达到14.68%。

限制单季度净利润增速策略表现及稳定性 [page::5][page::6]

| 年度 | 年化收益 | 基准收益 | 超额收益 | 最大相对回撤 | 收益回撤比 | 夏普比率 | 日度胜率 | 月度胜率 |
|----------|----------|----------|-----------|--------------|------------|----------|----------|----------|
| 全回测期 | 25.07% | 2.79% | 22.28% | -11.90% | 1.87 | 1.01 | 53.90% | 71.91% |

排除异常高增速（净利润同比增速>100%），增强增长的持续性和稳定性。

- 在8个完整年度超额收益均超过12%，2017年超额收益14.07%，最大回撤仅1.55%，收益回撤比达9.10。

样本持有期收益及行业分布分析 [page::6][page::7][page::8]

样本在持有期的平均绝对收益为8.22%，相对行业和同等市值组合分别超额约4.49%和4.89%。

- 胜率维持约59%，盈亏比稳定在2.0附近，呈右偏收益分布。

占比最高的行业为基础化工，且房地产、汽车、医药、传媒等行业在不同年份连续占比超过10%。

大消费类股票筛选后的回测表现及持仓特征 [page::8][page::9]

| 年度 | 年化收益 | 基准收益 | 超额收益 | 最大相对回撤 | 收益回撤比 | 夏普比率 | 日度胜率 | 月度胜率 |
|----------|----------|----------|-----------|--------------|------------|----------|----------|----------|
| 全回测期 | 24.03% | 0.58% | 23.44% | -23.28% | 1.01 | 1.05 | 52.06% | 67.42% |

大消费类样本占比长期维持约50%，筛选条件限制导致样本数量不足，回撤较大主要来自2015年股灾。

- 持仓股票数和仓位呈波动，策略回测表现良好，超额收益显著。

样本大消费类在持仓期内，相对行业和同等市值组合超额收益分别达到4.78%和6.07%。

深度阅读

金融工程证券研究报告详尽分析——《量化选股模型：戴维斯双击！》

---

1. 元数据与概览

报告标题：《量化选股模型：戴维斯双击！》

- 报告发布日期：2017年6月12日

发布机构：天风证券研究所

- 作者：吴先兴（分析师，SAC执业证书编号：S1110516120001）

联系方式：wuxianxing@tfzq.com，电话：18616029821；联系人阙文超

- 研究主题：基于"戴维斯双击"理念的量化选股模型研究，旨在构建以每股盈利（EPS）和市盈率（PE）双增长为核心的选股策略，并通过多样化回测验证其效能，尤其是在A股市场及大消费类股票中的表现。

该报告通过系统构建并回测以持续盈利增长与合理估值为基础的“戴维斯双击”选股模型，提出在EPS增长的同时寻找PE获得提升的“乘数效应”可带来超额收益。作者强调了控制估值下行风险、避免单季度异常增长干扰的重要性。最终模型在2009—2017年的多种分类回测中均展现了稳定且显著的超额收益，特别是聚焦大消费行业。报告核心信息为：借助历史财务数据挖掘被低估且盈利持续成长的股票，利用市场对成长认知修正带来PE提升，以实现明显优于基准的投资回报[page::0,1,2,3,10]。

---

2. 逐节深度解读

2.1 戴维斯双击的前世今生

报告阐述了“戴维斯双击”策略的起源——投资传奇Shelby Davis，其因专注保险股，以“持续增长”和“低估值”两大原则实现财富积累。Shelby Davis继承了格雷厄姆的价值投资思想，强调低PE、低PB等安全边际，同时注重管理优良且成长持续的公司。

投资核心为：

以低PE买入成长潜力股；

- 伴随成长兑现，市场修复估值，实现PE和EPS两轮提升，形成价差“乘数效应”。

报告进一步数学表达了股价由EPS与PE乘积决定，同时强调PEG指标用于评估估值合理性：

$$
\mathrm{PEG} = \frac{PE}{Growth}
$$

其中Growth即为盈利增长率，理论上Growth越高，PE应相应较高。通过筛选高持续成长且现估值偏低的股票，寻求EPS和PE“二阶”增长（即业绩环比加速），以捕捉戴维斯双击效应[page::2]。

2.2 戴维斯双击选股模型的构建

基于A股市场信息披露节奏，选取每年4月20日、7月20日、10月20日及次年1月20日作为调仓节点。剔除ST及上市未满一年股票，筛选如下条件：

单季度净利润同比连续两季度正增，且二阶环比增速为正（即持续加速增长）；

- 前期净利润大于300万，单季度营收为正；

排名前25个股票作为投资组合，每只股票权重上限为10%。

采用2010年至2017年5月31日回测，交易费用买入0.1%，卖出0.2%，基准采用中证500 × 仓位。

回测结果显示，策略年化收益率为25.11%，超额收益21.54%，但2014年策略跑输基准，且2015年最大回撤较大（16.78%），夏普比率0.91，收益回撤比1.28，显示回撤控制能力有待提升。日度及月度胜率均在50%以上，显现一定稳定性，但自2016年下半年起收益能力明显下降[page::3,4]。

2.3 引入低估值限制

为控制回撤，将PE限制引入筛选条件，要求股票PE低于50倍，其他条件不变。结果如下：

年化收益轻微下降至23.91%，超额收益20.34%；

- 最大回撤大幅降低至8.64%，收益回撤比由1.28升至2.35，表示风险调整后的收益更优；

夏普比率保持稳定在0.9左右；

- 策略日和月度胜率略降，但2016年及2017年前5个月月度胜率达到100%。

图示相对强弱表现稳定向上，多数时间相对基准表现领先，尤其是2017年持续创新高。这表明估值限制有效地提高了组合的风险控制，同时保持较强收益表现[page::4,5]。

2.4 限制单季度增速，去除异常样本

单季度净利润同比增速超过100%的通常因非经常性因素难以持续，故引入限制：当季净利润同比增速介于20%-100%，排名前25名；不足时补充低于100%的样本。

此条件使持续增长定义更为严格。回测数据：

年化收益25.07%，超额22.28%，优于前两者；

- 最大回撤为11.90%，介于前两版本之间；

夏普比率略增至1.01；

- 收益回撤比为1.87；

8个完整年度超额收益均超过12%，表现稳定；

- 截至2017年6月9日，相对中证500超额收益达14.07%，最大回撤仅1.55%，收益回撤比达9.10，表现极为突出。

此策略在透明度和风险控制方面取得显著进展。同时指出2015年夏季的股灾股价波动对策略影响较大，且部分停牌因素也影响回撤统计。

日度与月度胜率保持55%左右及70%以上，的确稳定[page::5,6]。

2.5 样本持有期间收益及行业分布

持仓期间相对中证500胜率约59%，盈亏比2.0，表明盈利样本数量和盈利幅度均优于亏损；

- 绝对收益呈右偏分布，部分持仓收益极高拉抬整体表现；

平均相对行业超额收益4.49%，相对市值超额收益4.89%，显示策略具有行业及市值调整后的持续超额收益能力；

- 行业分布分析发现基础化工、机械、汽车、医药、传媒等行业占比较高，2015年前后行业集中有所变动。

这些数据支持策略盈利来源于精选优质成长股票，且行业配置较为均衡而非过度集中[page::6,7,8]。

2.6 大消费类样本表现

考虑周期股易受政策及宏观周期影响，策略在大消费类（包含建材、汽车、餐饮旅游、家电、医药、食品饮料、电子、通信等）股票筛选和持仓表现为：

大消费类股票平均占比接近50%；

- 回测期年化收益24.03%，超额23.44%，与前述策略相当；

最大回撤23.28%较大，但主要来自2015年股灾，非重大年份最大回撤均小于15%；

- 收益回撤比1.01，夏普率1.05，表现较为稳健；

多数年份超额收益显著，仓位存在不满仓情况，导致持仓样本数量减少；

- 样本在持有期间相对行业及市值组合的超额收益分别为4.78%和6.07%，高于整体市场样本。

这表明大消费类股票策略在收益能力与风险控制上依然保持良好表现，且受行业影响较少[page::8,9]。

2.7 总结与风险提示

总结如下：

股价由EPS和PE共同决定，关注盈利增长的同时，必须关注PE的动态；

- 以“持续增长”为核心，通过二阶增速保证盈利的加速，结合合理估值（PE<50），筛选业绩持续向好的标的；

进一步限制极端季度增速剔除异常成长样本；

- 策略分别在全市场、大消费领域均表现良好，尤其在稳定性与超额收益方面均优于基准；

不同策略版本回测均展现年化收益在23%-25%左右，基准超额收益20%以上；

- 2015年股灾为策略最大风险事件，显示出回撤控制上的有限；

风险提示明确指出基于历史数据构建的模型在未来存在失效风险，投资需警惕市场结构变化以及数据滞后影响[page::10]。

---

3. 重要图表详解

图1-3 策略回测表现（持续增长 / 限制PE / 限制单季度增速）

三张策略累计收益曲线均以“策略”、“中证500×持仓”和“相对强弱”三条曲线呈现；

- 图中策略曲线显著优于基准，且相对强弱（绿线）除2014年及2016年下半年外整体持续向上；

加入PE限制后，图2显示策略回撤显著下降（收益曲线更平滑），月度胜率提升且更为稳健；

- 图3限制单季增速后，因剔除异常样本表现更为稳健，最大回撤虽有所回落，但仍体现了2015年股灾冲击。

上述图表直观反映了策略在收益与风险调整上的演进[page::4,5,6]。

图4 样本胜率及盈亏比

柱状图显示季度相对胜率平均约59%，除个别季度外多数超过50%；

- 折线盈亏比约为2，表明盈利股票平均盈利幅度高于亏损幅度，投资组合盈利效应明显；

体现策略筛选股票的正向概率收益特性[page::6]。

图5 样本持有期绝对收益分布

柱状图显示收益具有明显右偏，极少数样本带来极高收益，拉升平均表现；

- 大部分样本收益分布聚集于0%-40%区间，反映策略选股中存在显著的收益差异性[page::7]。

图6-9 行业及市值相对超额收益

多期报告样本相对行业及相对市值组合，平均分别产生4.49%及4.89%超额收益；

- 超额收益分布集中于正区间，说明绩效稳定且非偶然波动；

图中无明显极端负收益分布，展现策略组合抗风险及超额捕捉能力[page::7]。

图10-12 行业分布及大消费类占比

图10显示基础化工、机械、汽车、医药等行业占比较高，虽年度变动但无极端集中；

- 各年度行业分布相对均衡；

大消费类行业占比约50%，提升策略针对性和稳定性[page::8]。

图13-16 大消费类样本表现及仓位

大消费类样本累计收益曲线显示策略优于基准且相对强弱持续上升；

- 仓位存在波动，由于筛选条件严格，样本数量不足，导致部分时间持仓不满；

相对行业及市值超额收益均稳定呈现正收益，进一步证实大消费类别策略的优势[page::9]。

---

4. 估值分析

报告中核心估值分析基于股价的基本等式：

$$
P = EPS \times PE
$$

利用PEG指数衡量估值合理性：

$$
PEG = \frac{PE}{Growth}
$$

其中Growth取季度净利润同比增速的二阶（加速）变化，确保盈利的持续加速上升。

策略对PE设置限制（PE<50），以防估值过高导致风险暴露。没有使用复杂的DCF模型，而是基于相对估值结合盈利增速的PEG策略，体现出一种“量化价值投资”的方法。

此外，通过对持仓市值组合的对比，消除市值大小带来的估值误差，进一步验证整体策略的估值合理性。

没有看到对折现率、永续增长率等现金流模型参数的细节说明。

---

5. 风险因素评估

模型基于历史财务与市场数据，存在失效风险。历史的盈利增速和估值表现未来可能不再适用，特别在A股市场受到政策波动、监管变化影响较大。

- 市场流动性风险。特别是在2015年股灾期间，策略经历了较大的回撤，且股票停牌现象影响组合流动性与收益表现。

单季度异常增速可能导致误判。模型尝试控制该风险，但无法完全剔除非经常性收益的影响。

- 行业配置风险。尽管行业分布较为均衡，但行业轮动和周期变化可能对表现产生重大影响，尤其非大消费类行业较为波动。

估值风险。PE限制为50倍相对宽松，若整体市场波动大，估值修正亦可能影响组合收益。

报告未详细说明具体的风险缓解策略，主要依赖策略本身的筛选和限制条件控制风险[page::0,3,10]。

---

6. 批判性视角与细微差别

报告基于历史数据建模，可能低估了市场结构变化、宏观经济变化带来的不确定性，尤其A股的高波动性对策略稳定性有较大挑战。

- 模型对盈利持续增长的定义相对机械，虽然采取二阶增速及季度区间限制，但未对盈利质量（现金流、利润来源）深入分析，可能仍包含短期炒作成分。

PE限制为50倍较为宽松，尤其在部分高成长行业，可能导致部分被高估股票纳入组合，潜在估值风险未完全剔除。

- 报告对暂停交易、停牌等市场行为对模型表现影响虽有提及，但定量分析不足。

2015年股灾对策略造成的巨大冲击暴露了模型在极端行情下的脆弱性，提醒投资者需结合市场风险管理工具。

- 年度表现波动较大，显示策略可能受周期及市场情绪影响较大，需结合宏观视角、趋势判断辅以交易。

报告没有针对估值回归的时间周期给出明确指引，可能导致实际操作中出场时机把握难度。

---

7. 结论性综合

本报告通过系统构建并多阶段迭代改进了基于“戴维斯双击”投资理念的量化选股模型，强调“每股盈利增长”和“市盈率提升”对股价增长的双重驱动。通过对季度净利润同比增速的二阶加速指标，结合PE指标限制，筛选出估值合理且盈利加速的优质股票。

实证结果显示：

多种筛选条件组合下，策略在2010年至2017年中的年化收益均保持在23%-25%之间，显著优于同期中证500基准；

- 超额收益稳定且具备普遍性，持有期间样本相对行业、市值组合均产生约4.5%-6%的超额收益；

策略有效控制了回撤风险（尤其加入PE限制后），收益回撤比有所提升；

- 针对异常季度增长做了有效过滤，提高了策略稳定性，体现了稳健性改进；

大消费类子策略表现尤为亮眼，显示在周期性和政策波动相对较少的行业中，戴维斯双击策略更易体现长期价值；

- 策略日度胜率约55%，月度胜率70%左右，具备适度的市场择时与选股能力。

图表深度解读显示：

策略累计收益曲线整体优于基准，尽管存在阶段性波动和短暂回撤，长期呈稳定上涨趋势；

- 样本持有期收益具有较明显的右偏特征，提示策略通过少数优质标的实现较大收益拉升；

行业分布相对均衡且覆盖多元化，提升组合稳定性；

- 大消费类样本占比约50%，其收益表现优于整体，确认其作为核心策略样本的合理性。

整体而言，报告通过科学的财务指标组合和系统的量化测试方法，验证了以“戴维斯双击”为核心的量化选股策略在A股市场的有效性和可行性，特别是在大消费板块展现出更优越的风险调整后收益。

然而，报告也诚实指出基于历史数据构建的模型面临失效风险，尤其在行情极端波动或市场结构发生变化时表现可能大幅偏离预期，投资者需结合其他策略和风险管理工具使用。

---

总结

此次天风证券吴先兴分析师团队的研究报告，通过严谨的数据分析及多角度的量化回测，全面展现了“戴维斯双击”选股模型的构建逻辑、实证检验及局限性，强调以持续盈利增长为核心驱动，以合理估值作为安全边际的投资思想。该量化模型在A股市场实现了优秀的超额收益和风险控制能力，特别是在大消费行业表现尤为稳健。对投资者而言，该报告不仅提供了量化投资策略模板，也揭示了盈利增长与估值修复组合投资的深层次价值投资哲学。

图1：策略回测表现-持续增长