三年次新股策略（一）：基本面选股
证券研究报告 三年次新股策略（一） “三年次新股”是上市满三年实现全流通的个股；三年次新股策略是指以“三年次新股”为股票池的一系列策略的集合。根据三年次新股策略，衍生出了两种基础的基本面选股策略，“企业投资转化收益”和“企业业绩优选”，两个策略的年化收益率达29.59%和27.11%，对应波动率是24.34%和28.93%，由于并未加入任何的技术面指标，所以策略的回撤较大。 “企业投资转化收益”策略：在“三年次新股”股票池里，企业IPO后得到融资，通过观察“现金满足投资比率”的边际变化，反应企业具体投资进度，在基本面发生变化前提前布局，待基本面改善卖出。 “企业业绩优选”策略：在“三年次新股”股票池的基础上，我们通过两个指标“营收增速”和“毛利率”来进行制定策略；“企业业绩优选”策略可再细分成两种模型，预测未来企业基本面从坏转好和未来企业基本面继续超预期。 在我们的认知里，“三年次新牛股”的涨幅可由两个主要因素推动，基本面转好和基本面持续超预期，策略一通过投资现金流指标提取发现基本面转好，策略二通过基本面指标判断已转好的基本面能否超预期持续。 风险提示：股票市场波动风险、财务筛选失效风险、估值筛选失效风险、止损模式失效风险、交易成本大幅升高风险 1.策略综述 1.1“三年次新股”定义 “三年次新股”：上市满三年实现全流通的个股。 图1：“三年次新股”图示 “全流通日”：大股东股权解禁期第一天；此后，公司股权处于全流通状态。 截止2022.11.08，全市场共计4840支股票，符合“三年次新股”特征的共计3500支，其中1918支股票解禁后从最低点到最高点的涨幅超过300%，暂且称为“三年次新牛股”，占整个“三年次新股”的54.80%。 1.2三年次新股策略 三年次新股策略是指以“三年次新股”为股票池的一系列策略的集合。策略的目的是从“三年次新股”股票池里找出“三年次新牛股”。 根据三年次新股策略，衍生出了两种基础的基本面选股策略，“企业投资转化收益”和“企业业绩优选”。 两种策略均在以下设定下进行回测，回测数据如表一所示： 回测区间 2012Q4–2022Q4，区间长度10年 等权买入 季度调仓 回测时未考虑交易成本 表1：“企业投资转化收益”和“企业业绩优选”策略回测情况 两种策略季度调仓时，换手率高，对应的交易成本高，由于策略回测时未考虑交易成本，因此表一展现的收益数据理应下调。 1.3策略收益拆分 借用“多因子模型”分析三年次新股策略，能把策略的超额收益大致分成两类因子，“三年次新因子”和其他因子，其他因子包括但不限于基本面因子、技术面因子。“三年次新因子”起源于“三年次新股”股票池，该因子提供的收益可理解为β；其他因子是在股票池的基础上再筛选股票，可以理解为提供α。 1.3.1“三年次新因子” 由于“三年次新因子”难以量化，需通过制定一个简易策略去体现其有效性；该策略只运用股票的时间指标“全流通日”（不考虑基本面技术性指标），策略在每个季度初等权重买入“全流通日”在“某个过去时间范围”内的全部股票，季度末卖出；策略里的变量是“某个过去时间范围”（可以是过去一个季度、过去一年、过去两年等），当变量发生变化，策略的总收益、年化收益率、年化波动率、夏普比率、最大回撤都会发生改变。 当变量设定为过去一个季度时，策略在每个季度初等权重买入“全流通日”在上个季度内的全部股票，季度末卖出；经过2012Q4–2022Q4数据回测，10年内因子总收益507.80%，年化收益率19.60%，年化波动率27.83%，夏普比率0.70，最大回撤60.55%。 当变量从过去一个季度逐渐扩大，每期股数亦在扩大，策略的各项指标呈现变差。 表2：策略变量变化，策略各项指标变差 图2：“三年次新因子”在“过去一个季度”的累加超额收益（基准为上证） 即使基准为过去十年强势的创业板指，“三年次新因子”在“过去一个季度”的设定下，仍然跑出了较高的超额收益。 图3：“三年次新因子”在“过去一个季度”的累加超额收益（基准为创业板指） 1.3.2其他因子 其他因子是区别于“三年次新因子”以外的因子，包含基本面因子和技术面因子，该因子根据策略进行变化。 1.3.3两类因子之间的关系 “三年次新因子”与其他因子存在相互合作的关系。随着“三年次新因子”里设定变量的变化，“三年次新因子”逐渐失效，其他因子需发挥其筛选作用，提高策略整体的收益。 1.4策略背后的意义 三年次新股策略背后存在三个意义： 企业上市后借助融资扩大产能，带来的收益逐步体现在基本面改善上。 上市满三年，股票进入全流通时期，各方利益相关者有做市值的意愿。 全流通时期，股票流动性提高，吸引更多机构投资者，如：公募基金。 2.策略一：企业投资转化收益 2.1策略背景 2022中报业绩显示，在需求偏弱和原材料价格上涨的宏观背景下，多数制造业企业净利润同比为负，部分净利润同比为正的企业存在一个共同特征，公司在2020年投资扩产、转型到新领域，例如新能源产业链，企业业绩得以改善。 为了通过基本面指标筛选找出上述扩产转型的企业，发现指标“现金满足投资比率”能准确反应企业投资现状。 “现金满足投资比率”反映企业经营产生的现金满足资本支出、存货增加和发放现金股利的能力，该指标每半年公布一次。当发现该指标同比大于零，公司股价未来大概率会上涨；根据这一现象，我们研发了“企业投资转化收益”策略。 2.2策略综述 在“三年次新股”股票池里，企业IPO后得到融资，通过观察“现金满足投资比率”的边际变化，反应企业具体投资进度，在基本面发生变化前提前布局，待基本面改善卖出。 在分析历史“三年次新牛股”的过程中，发现现金流指标“现金满足投资比率”基本能提前预判第一波涨幅，当看到指标发生变化后一年两年内，股价将会出现上涨迹象。 2.3策略流程和选股条件 图4：“企业投资转化收益”策略流程和选股条件 “全流通日”在上一季度范围内： 提高“三年次新因子”的效果 现金满足投资比率同比> 0： “现金满足投资比率”反映企业经营产生的现金满足资本支出、存货增加和发放现金股利的能力。 模型里运用的是指标同比变化大于零，反应企业相较去年，投资增多。 过去一年涨跌幅< 40%： 去除企业投资增多已兑现在股价上的股票 每期循环： 季度调仓 等权买入 以2022Q4为例，站在20220930，策略按照： 指标“全流通日”在2022Q3范围内 指标“现金满足投资比率同比”> 0 指标“过去区间涨跌幅，一年”<40% 选出了以下25支股票，其中心脉医疗、中科软和小熊电器涨跌幅较高，分别是37.44%、33.66%、32.96%，其余股票涨跌幅最小的股票分别是宏和科技、移远通信、海星股份，对应涨跌幅是-5.66%、-3.64%、0.18%。 图5：2022Q4策略持仓 2.4成果展示和分析 “企业投资转化收益”策略，回测区间2012Q4—2022Q4，区间长度10年，季度调仓，等权买入。 当调整指标参数，结果如下。 表3：调整指标参数，策略收益风险指标情况 图6：模型一：组合净值走势图 图7：模型二：净值走势图 图8：模型三：组合净值走势图 图9：模型四：组合净值走势图 2.4.1“企业投资转化收益”模型一 模型一采取最严格的“全流通日”变量，限制在过去一个季度，“现金满足投资比率”同比> 0，“过去一年涨跌幅”<40%。相较其他模型，“企业投资转化收益”模型一的总收益是较高的，达到1109.45%。 图10：模型一：组合净值走势图 综合来看，组合每期持股数量的平均值在16支。根据图11，62.5%期数的组合持股数量在十支股票以上。 行业分布上较为均匀，并未出现集中在某一个行业的现象。占比最大的三个行业分别是机械装备、电子和电力设备，对应占比分别是10.7%、8.7%和8.7%。 图11：模型一：每期持股数量的频数分布图 图12：模型一：申万一级行业分布 2.4.2“企业投资转化收益”模型二 模型一和模型二的相同点在于都采取了最严格的“全流通变量”，但是对指标参数进行了调整，“现金满足投资比率”同比>-0.2，“过去一年涨跌幅”< 10%；此时，模型二的各项指标优化了，夏普比率提高到了1.22。 图13：模型二：组合净值走势图 图14：模型二：每期持股数量的频数分布图 图15：模型二：申万一级行业分布 2.4.3“企业投资转化收益”模型三 模型一和模型三有相同的现金流指标参数，唯一不同的是“全流通日”变量，从过去一个季度到过去两个季度，每期持股数量变多，组合回测指标都变差，总收益下降，夏普比率下降，波动率上升，最大回撤上升。 图16：模型三：组合净值走势图 图17：模型三：每期持股数量的频数分布图 图18：模型三：申万一级行业分布 2.4.4“企业投资转化收益”模型四 在模型三的基础上，模型四进一步放大“全流通日”变量，从过去两个季度到过去一年。 模型的各项收益回测指标下调，风险类指标变化幅度较小。 图19：模型四：组合净值走势图 图20：模型四：每期持股数量的频数分布图 图21：模型四：申万一级行业分布 3.策略二：企业业绩优选 3.1策略背景 在“三年次新牛股”的特征分析中，把基本面指标的边际变化对应上股价的时间序列变化，发现基本面变化滞后于股价变化，因此我们把目标转换成预测企业未来基本面情况，可分成两种，预测未来企业基本面从坏转好和未来企业基本面继续超预期。通过研究，我们发现基本面指标“营收增速”和“毛利率”能起到较好的作用。 3.2策略综述 在“三年次新股”股票池的基础上，我们通过两个指标“营收增速”和“毛利率”来进行制定策略；“企业业绩优选”策略可再细分成两种模型。 “企业业绩优选”模型一：为了预测企业基本面将从坏转好，模型通过设定较低的营收增速和毛利率来寻找目前基本面较差的“三年次新”企业，该企业IPO融资改善经营，上市三年后，待到基本面逐渐转好卖出。 “企业业绩优选”模型二：为了预测企业基本面将持续超预期，模型通过设定较高的营收增速和毛利率来保证企业的成长能力，未来业绩依旧能超预期。 3.3策略流程和选股条件 为了预测企业基本面从坏转好，模型一采取严格的“全流通日”变量配合宽松的财务指标；宽松的财务指标允许营收增速为负以及低毛利率的企业被入选。 图22：“企业业绩优选”模型一的策略流程和选股条件 为了预测企业基本面持续超预期，模型二采取宽松的“全流通日”变量配合严格的财务指标；严格的财务指标意在选出成长能力较强的企业。 图23：“企业业绩优选”模型二的策略流程和选股条件 3.4成果展示和分析 “企业业绩优选”策略，回测区间2012Q4—2022Q3，接近10年，季度调仓，等权买入。 当调整指标参数，结果如下 表4：调整指标参数，策略收益风险指标情况 图24：模型一：组合净值走势图 图25：模型二：组合净值走势图 图26：模型三：组合净值走势图 3.4.1“企业业绩优选”模型一 模型一采用最严格的“全流通日”变量，限制在过去一个季度，配合宽松的财务指标，“营收同比增速小于30%”以及“毛利率大于5%”。 图27：模型一：组合净值走势图 图28：模型一：每期持股数量的频数分布图 图29：模型一：申万一级行业分布 3.4.2“企业业绩优选”模型二 相较模型一，模型二放开了“全流通日”的限制到过去一年，但为了找到业绩能持续超预期的个股，我们设置了严格的财务指标反应企业的成长能力，“营收同比增速大于60%”以及“毛利率大于40%”。 通过以上严格的财务指标，模型二曾经拥有较好的收益，净值历史最高达12，但由于波动率和回撤较大，模型整体收益指标被拉低。未来模型二如果能加入技术面指标，模型的收益和风险都能改善。 图30：模型二：组合净值走势图 由于严格的财务指标筛选，每期持股数量较低 行业分
