量化选股背景及方法论概要 [page::3][page::6]

• 中国量化选股起步于2004年，经历了由技术分析向基本面多因子量化模型转型的历程。

- 选股因子是量化选股的核心，涵盖财务、市场等八大类共60个指标。

• 海外市场以宏观因子居多，国内市场仍对基本面财务指标依赖较大。

- 软计算方法如神经网络、遗传算法适用于择时，数据频率与财务数据更新不匹配限制其在选股中的广泛应用。

优秀选股因子的筛选体系 [page::6][page::9]

• 结合收益和风险，采用超额收益率、超额收益概率、Treynor指数、信息比率多维度评价因子选股效果。

- 选股因子收益稳定性和alpha创造能力同等重要，防止追逐短期高收益而忽视风险。

• 综合四维指标将因子分组评分，综合得分高于4分的选出为有效因子。

主要选股因子分类型表现对比 [page::11-21]

估值类指标

• PE因子以546.11%的累计收益率与38.33%的年化收益率领跑。

- PE的超额收益概率58.59%，Treynor指数0.00141，信息比率0.10876，均为估值类最佳。

• P/CF表现最差，但仍优于基准。

偿债类指标

• 预收账款收入比表现领先，累计收益181.78%，年化19.74%。

- 资产负债率表现相对较弱。

成长类指标

• 主营业务利润增速表现最佳，累计回报298.15%，年化27.16%。

市场类指标

• 动量及反转指标选股表现一般，缺乏防御性，9月动量表现较好但波动较大。

规模类指标

• 小盘股表现强劲，年化25.47%，优于大盘规模指标。

经营能力类指标

• 应收账款周转率带来最高收益224.48%，年化22.72%。

- 存货周转率表现最弱。

现金流类指标

• 现金总资产比率以245.11%的累计收益领先组内。

- 现金营业收入比表现较弱。

盈利类指标

• 资本报酬率因子表现最佳，累计收益291.89%，年化26.81%，超额收益概率54.31%。

- 正常经营利润率表现次之。

量化选股因子筛选结果 [page::21]

| 指标类型 | 指标名称 | 综合得分 | 权重 |
|------------|-------------------|----------|---------|
| 估值指标 | PE、PB、PEG、PS等 | 4.75-5 | 最高 |
| 成长性指标 | 净利润增速、主营业务利润 | 5 | 高 |
| 盈利指标 | 资本报酬率、ROA等 | 4.5-5 | 高 |
| 规模指标 | 小盘总市值 | 4.5 | 较高 |
| 经营能力 | 流动资产周转率 | 4 | 中等 |
| 现金流 | 现金总资产比率 | 4 | 中等 |

• 最优因子组合兼顾收益率和稳定性，覆盖估值、成长、盈利等多角度[page::21]。

总结与投资启示 [page::21]

• 没有永远有效的单一因子，强调不同因子的动态组合意义。

- 多维度评分体系有效甄别了高质量因子。

• 选股因子组合提升选股准确率，提高捕捉“千里马”的概率。

- 对投资者构建多因子量化模型、动态调整选股因子提供了理论和实证支持。

报告分析：量化选股系列报告一—“欲寻良驹，先觅伯乐”—优秀选股因子的筛选方法

---

一、元数据与概览

报告标题： 量化选股系列报告一——“欲寻良驹，先觅伯乐”— 优秀选股因子的筛选方法
作者： 周 谧、程宁巧、蔡大贵（平安证券综合研究所）
发布机构： 平安证券综合研究所
发布时间： 2010年左右（文中提及数据截至2009年末）
研究主题： 量化选股方法，尤其是优秀选股因子的筛选方法及实证分析

核心论点：

• 量化选股发展经历由技术分析因子到基本面多因子的复杂演进，目前进入海量因子优选的新阶段。

- 选股因子的筛选应综合考虑收益、风险及其稳定性，采用多维度指标（超额收益率、超额收益概率、Treynor指数和信息比率）评估因子表现。

• 通过海选法，对60个备选因子进行系统性筛选，最终选出19个综合表现优异的财务指标，主要集中于估值、盈利和成长类因子，体现市场对“便宜、赚钱、成长快”类企业的偏好。

- 因子组合而非单一因子构建选股模型，可提高选股成功概率。

本报告旨在通过系统的因子筛选研究，为量化选股提供科学选股因子池，为投资者构建稳定超额收益组合提供理论和实践依据。[page::0][page::21]

---

二、逐节深度解读

2.1 量化选股背景介绍（第3-5页）

关键论点与推理：

• 海外量化选股起源于基本面分析，聚焦于价值投资与成长投资大师的成功逻辑，通过筛选关键财务指标辅助投资判断。

- 股票筛选器作为技术工具，帮助投资者基于财务指标科学筛选股票，缩小研究范围，提高效率。

• 多因子模型通过多维度因子对股票进行打分，选出得分最高股票，该模型强调不同角度指标的综合使用。

- 国内量化选股起步相对晚，重视基本面选股，并结合策略驱动型选股方法，市场制度的完善与金融创新将推动该领域发展。

重要数据与论证：

• 海外市场筛选器及工具普遍，如Morningstar、Fidelity等（图表1）。

- 国内典型工具包括大智慧、同花顺，Google于2008年4月上线基于A股的基本面筛选器（图表4）。

• 软计算方法（神经网络、遗传算法）介绍，指出其数据输入适合市场表现数据，而非财务数据频率较低的特点（图表2-3）。

这部分奠定了量化选股的理论基础及技术工具背景，体现对因子挑选与模型构建的重要认识。[page::3][page::4][page::5]

---

2.2 如何寻找优秀的选股因子（第6-10页）

选股指标体系介绍：

• 股票指标多样，涵盖财务、市场、定性信息，财务指标作为核心分析内容，主因其直接反映公司经营状况，难以造假。

- 数据采用2004年至2009年6年样本，通过行业研究员沟通确定60个候选指标，包括估值（7）、规模（4）、盈利能力（6）、偿债能力（5）、成长性（4）、经营能力（6）、现金流（4）、市场表现（24）八大类。

选股指标效果评价方法：

• 四种评价方法并用：超额收益法（衡量选股因子股票组合的战胜大盘能力）、超额收益概率法（衡量稳定获取超额收益的概率）、评级指数法（采用Treynor指数和信息比率衡量风险调整后的超额收益）。

- Treynor指数计算为组合超额收益与beta比值，衡量风险调整后的alpha获取能力。

• 信息比率 (IR) 衡量组合超额收益均值与波动率之比，强调风险与收益的平衡。

- 通过多维指标综合评分设计选股因子筛选流程（图表6）。

选股因子筛选标准：

• 采用超额收益率、超额收益概率、Treynor指数、信息比率四个维度评分，按等级分组打分（1至5），综合平均分过滤优秀因子。

- 强调收益和风险的平衡，拒绝一味追求收益忽视风险的因子。

以上建构起科学的因子筛选理论框架与操作流程。[page::6][page::8][page::9][page::10]

---

2.3 寻觅伯乐实证分析（第11-21页）

估值类指标表现（11-12页）

• PE选股因子表现最优，6年累计收益约540%，年化约38%，显著战胜大盘（同期大盘收益约90%）。超额收益概率近59%，Treynor指数和IR指数均位居首位，说明PE因子不仅带来高收益，还伴随良好风险调整表现，强烈支持价值投资选股逻辑。

- 其它估值因子如PB、PEG、EV/EBITDA等也表现突出，但均逊于PE。P/CF因子效果最差，6年收益约252%且风险调整能力弱。

图表7与图表8清晰展现各估值因子累计收益曲线与量化数据对比，支持作者论断PE为选股“王者”。[page::11][page::12]

偿债指标表现（12-13页）

• 偿债指标总体表现有限，2007年前未超越沪深300，2008年金融危机期间跌幅一致，2009年后才略有回升。

- 预收账款占比表现相对最好，反映预收账款较多表明产品需求旺盛，这一因子表现收益率约182%，超额收益概率54%。

• 资产负债率因子表现最差，超额收益率163%。

偿债指标对抗市场风险能力弱，但获取合理回报能力存在差异。[page::12][page::13]

成长性指标表现（13-14页）

• 成长因子表现优秀，尤其在市场低迷期后反弹迅速。主营业务利润增速、净利润增速、总利润增速均有较好收益（年化23-27%），超额收益概率均约55%左右，支持成长投资者对高速成长企业的关注。

- 反映成长股在市况恶化后更具弹性，长期投资价值突出。

图表11和图表12展示成长因子收益曲线及量化评价指标。[page::13][page::14]

市场类指标表现（14-16页）

• 动量和反转指标总体表现一般，缺乏显著防御功能，有部分指标效用尚可，如9月动量指标超额收益最高18.6%，但整体效果逊于基本面因子。

- 2月动量指标表现较差，收益率仅9.1%。

市场指标在短期选股效力有限，但仍为辅助因子提供部分信息（图表13、14、15）。[page::14][page::15][page::16]

规模类指标表现（16-17页）

• 市场周期影响明显，2007年底大盘股强势，小盘股表现不佳，2009年后小盘股复苏并取得显著超额收益，小盘总市值因子年化收益约25.5%。

- 大盘股收益及超额收益率均明显偏低。

图表16与图表17数据佐证了规模效应在A股表现的波动性及潜力。[page::16][page::17]

经营能力和现金流指标表现（17-20页）

• 经营能力指标中应收账款周转率表现最佳（年化22.7%），表明企业运营效率直接影响股票表现。

- 现金流指标表现稳健，现金总资产比率最好（年化24%），体现现金流充裕企业抗风险能力和投资价值。

图表18-21详细说明不同经营和现金流因子表现差异。[page::17][page::18][page::19]

盈利类指标表现（19-21页）

• 盈利类因子整体表现较好，资本报酬率年化最高（26.8%），持续超额收益概率54.3%，风险调整表现优异。

- 正常经营利润率因子表现稍低，反映业务持续性关注的重要性。

图表22-23揭示盈利因子对量化选股的贡献。[page::19][page::20][page::21]

选股因子综合评分（20-21页）

• 结合收益率、超额收益概率、Treynor指数、信息比率四个维度对60个因子进行评分，筛选出综合得分>4的19个优秀因子。

- 这些因子覆盖估值、成长、盈利、规模、经营能力和现金流等，体现多维度融合选股视角。

• PE、PB、PEG等估值类及净利润增速、主营业务利润等成长力因子在评分中名列前茅。

图表24系统呈现各因子的综合得分及权重。[page::20][page::21]

---

三、图表深度解读

图表0（估值类因子选股效果比较图）

• 展示各种估值因子（PE、PB、PEG、PS、EV/EBITDA、EV/NOPLAT、P/CF）所构建的选股组合的净值增长曲线及大盘基准线（红线）。

- 曲线走势显示，所有估值因子均优于基准，PE组合涨幅最大，最高接近650%；而P/CF表现偏弱，终端净值仅约400%，基准仅约190%。

• 说明估值因子中，PE最具选股效力，支持低估值买入逻辑。

[page::0]

图表6（优秀指标筛选流程）

• 清晰展示因子筛选流程，从估值、规模、盈利、偿债、成长、经营、现金、市场等指标维度出发，经过选股效果检验（超额收益率、超额收益概率、评级指数）最终筛选出合适指标体系。

- 流程表达选择因子科学规范，并兼顾收益和风险。

[page::9]

图表7（估值类指标选股效果比较图）

• 图线展现2004年至2009年各估值因子的复合收益，PE远超同类因子及基准。

- 各指标收益差异清晰，体现不同估值因子切入点的有效性差异。

[page::11]

图表9（偿债指标选股效果比较图）

• 视觉上偿债指标组合相比基准显稳健，但涨幅不突出，主要在2009年前缺乏超额收益。

- 红线基准与各指标重合度高，说明偿债指标提升的超额收益有限。

[page::12]

图表11（成长类指标选股效果比较图）

• 成长类指标组合走势明显优于基准，2009年反弹尤为强劲。

- 绿色（主营业务利润）及紫色（总利润增长）线领先，显示成长指标有效性。

[page::13]

图表13 & 图表14（动量与反转指标选股效果比较图）

• 动量指标波动较大，整体表现一般，部分月份具有超额收益。

- 反转指标亦无稳定优异表现，市场下跌时未提供防御。

[page::14]

[page::15]

图表16（规模因子选股效果比较图）

• 小盘股在2009年后迅猛反弹，超过大盘股额外收益明显。

[page::16]

图表18（经营能力因子选股效果比较图）

• 经营能力因子股票整体收益率较好，应收账款周转率领先。

[page::17]

图表20（现金流因子选股效果比较图）

• 现金流因子具有稳定增长趋势，现金总资产比表现最佳。

[page::18]

图表22（盈利因子选股效果比较图）

• 盈利因子整体收益率高，且比基准明显超出，资本回报率等指标表现尤为突出。

[page::19]

图表24（选股因子综合打分）

• 反映各优秀因子的综合评分，估值因子PE、PB、PEG、EV/EBITDA、EV/NOPLAT得分最高，成长性指标净利润增速、主营业务利润也高分，体现不同因子群组的协同贡献。

---

四、估值分析

报告核心无直接企业估值模型，但在量化选股因子筛选中大量使用经典估值指标：PE（市盈率）、PB（市净率）、PEG（市盈增长比率）、EV/EBITDA等。通过筛选估值类指标在组合构建中的表现实证，能够评估其指示未来超额收益的能力，作为构建选股模型重要参考。

对选股因子的风险收益调整通过Treynor指数和信息比率等量化指标实现，故本报告实质上利用量化多因子模型与风险调整指标融合，构建目标优质因子池。

---

五、风险因素评估

报告提及证券市场固有风险提醒：

• 股价可以上涨也会下跌，投资有风险，投资者需对风险有清醒认识。

- 市场波动性大，部分因子在不同时期表现不稳定，单一因子投资风险较高，建议多因子结合。

• 国内衍生品市场不完善，策略驱动类选股方法受限于做空机制、融资融券等市场制度。

报告内未对个别因子风险做详细系统讨论，风险提示较为常规，主要提醒投资者谨慎与多因子组合的重要性。[page::22]

---

六、批判性视角与细微差别

• 报告强调“千年伯乐”不存在，因子效果随时间波动，提示多因子协同的重要性，体现审慎态度。

- 选股因子依据的是历史表现数据，未来有效性仍需动态调整，隐含假设市场效率非完全有效。

• 报告较少涉及宏观及政策风险对因子表现的影响，如经济周期、行业政策变化可能影响因子有效性。

- 风险提示部分较为简略，缺少对模型构建及数据完整性潜在风险的深入讨论。

• 报告结论多基于沪深市场特定样本期，可能存在样本区间特定性，未来普适性待验证。

---

七、结论性综合

本报告系统梳理了中国A股市场中多维选股因子的研究与实证筛选，通过60个基础因子的综合评价，基于超额收益率、超额收益概率、Treynor指数和信息比率四个维度形成了科学全面的量化筛选框架。实证结果显示：

• 估值因子，特别是PE指标，在过去6年内表现卓越，收益高达540%以上，并且风险调整表现最佳，是最有效的“伯乐”因子。

- 成长和盈利类因子（净利润增速、主营业务利润、资本报酬率等）同样表现优异，尤其在市场波动期间表现出良好弹性。

• 规模指标显示小盘股后期有更强表现，且经营能力和现金流指标也显著关联优胜股票。

- 市场类指标（动量、反转）表现相对有限，但为多因子模型补充短期市场情绪信息。

• 最终选出19个高效选股因子，涵盖估值、成长、盈利、规模、现金流及经营能力多方面，构建具有稳定/持续超额收益的量化选股体系。

报告提出，单一指标难以持续有效，必须动态调整、持续海选组合因子，打造多因子协同机制，方能在茫茫股海中精准捕捉优质“千里马”。

投资评级体现对量化选股的积极肯定，强调因子筛选科学性与构建方法论的重要价值，适合渴望借助量化分析提高选股效率及收益稳定性的投资者。风险提示强化了投资谨慎态度。

总体而言，本报告为国内量化选股研究和实务操作提供了详实的理论依据和方法路径，具有较强的实用价值，并借助大量数据与图表支持，形成了深入细致的全景式选股因子研究画卷。[page::0,11,21]

---

结束语

本报告以严谨的金融工程方法，为中国股市量化选股拥抱“多因子海选”提供了清晰的路线图，明确了未来量化投资的方向：不断创新因子池、动态调整模型组合，融合风险收益评估，实现选股效率与稳定性的双重提升。报告详尽的图表分析和多维度考察，体现了对复杂市场环境下挖掘投资价值的深刻洞察。

报告