基金重仓掘金2.0：确定性是否依然有效

稳定成长因子有效性研究。本篇报告针对增速因子、性价比因子、现金因子在大盘股、中小盘股上的表现分别进行了分析。对于中小盘股，期末现金及现金等价物及其增速并不能很好地提升组合表现，因此从有效因子中剔除； 大盘股上仅有“经营现金流净值”、“经营现金流净值增速”、“前四年标准化营收同比波动率”以及“净利润增速”这四个指标提升了组合的夏普比率，我们将其视为有效因子。 交易手段对多因子选股优化的研究。经有效因子筛选后的组合表现明显优于基金重仓股基准组合，为了尽可能减少组合的大幅回撤并实现现有收益，我们检验了个股级别的止损策略与止盈策略的组合对总资产净值表现的影响。 总的来说，中小盘股上使用静态止损+止盈组合有着最优的风险调整后收益表现，组合夏普比率达到1.27；而大盘股上仅移动停损策略有着最优的收益和风险平衡收益，组合夏普比率为0.697。 风险提示：股票市场波动风险、基金筛选风险、财务筛选失效风险、估值筛选失效风险、止损止盈模式失效风险、交易成本大幅升高风险 综述 本文综述 在往期报告中，我们发现了以主动权益基金重仓股作为样本构建重仓股组合，能够稳定跑赢A股市场上的宽基指数。在此基础上，我们用多个财务指标构造了类债、稳定成长以及高竞争力三类风格的股票组合，进而捕获不同风格的收益。本文探究了将基金重仓股按照是否属于沪深300的标准分为两类后，将所有稳定成长因子分为增速因子、性价比因子、现金因子三类，并更为细致地测试分析了他们的表现；最后，本文对比分析了不同交易手段的影响，以期寻找最优风格适配策略。 1.稳定成长因子有效性研究 为了探明不同因子对所选股票的影响，我们需要深入探究各个因子选股后组合的表现。 本篇报告在大盘股、中小盘股上分别针对PEG，营收同比标准差，净利润增速标准差，当期净利润增速，经营现金流净值，经营现金流净值增速，现金及现金等价物，现金及现金等价物增速等因子进行了分析。结果表明，现金及现金等价物相关指标由于其特殊性，并不能很好地提升选股表现；对于中小盘股，期末现金及现金等价物及其增速两个指标并不能很好地提升组合表现，因此从有效因子中剔除。大盘股上仅有“经营现金流净值”、“经营现金流净值增速”、“前四年标准化营收同比波动率”以及“净利润增速”提升了组合的夏普比率，我们将其视为有效因子。 2.交易手段对多因子选股优化的研究 为了尽可能减少组合的大幅回撤并实现现有收益，我们检验了个股级别的静态止损以及移动停损作为卖出择时指标对组合表现的提升，并对比分析了是否采用止盈对结果的影响。静态止损在每季度持仓相较季度第一天下跌幅度超过10%时止损卖出；移动停损则在每季度持仓相较该季度最高点下跌幅度超过10%时止损卖出。总的来说，中小盘股上仅使用止盈的组合有着最优的收益表现，静态止损+止盈组合有着最优的风险调整后收益表现，而移动停损+止盈组合有着最优的风险控制表现；而大盘股上仅使用移动停损策略有着最优的收益和风险平衡收益表现，而移动停损+止盈组合有着最优的风险控制表现。 图表1：研究流程 数据说明 股票池选取：权益类资产管理能力优秀的基金公司旗下的主动权益基金的重仓股 基金类型：普通股票型基金、偏股混合型基金、灵活配置型基金 数据区间：2013Q1—2023Q1 财务数据：参考调仓当日已公布的财务数据 调仓日：每季末后一个月的最后一个交易日进行调仓 回测区间：2013年5月1日到2022年5月17日。 该数据区间选取包含了2015年以及2018年两段市场波动较大的时期，能够充分反应三个风格组合在两轮牛熊周期中的表现。 稳定成长因子有效性研究 为了兼顾成长性与稳定性，我们选取i).增速因子：营收同比标准差、净利润增速标准差、当期净利润增速；ii).性价比因子：PEG；iii).现金因子：经营现金流净值、经营现金流净值增速、现金及现金等价物、现金及现金等价物增速等因子作为备选因子。各因子选股策略如下： 0<前四年标准化营收同比波动率<0.4 0<前四年标准化净利润增速波动率<0.4 当期净利润增速>0 PEG<2，其中PE为当前PE值，企业年盈利增长率预期为最新一期财报内指标 前四年经营现金流净值>0 前三年经营现金流净值增速>0 前四年现金及现金等价物>0 前三年现金及现金等价物增速>0 中小盘股因子有效性 增速因子 “0<前四年标准化营收同比波动率<0.4”（operatingIncome_noCSI300）隐含了公司前四年平均营收为正的条件，且限制其标准差至0.4，进而约束其增长稳定性。限制最大波动是具有实际意义的，它排除了非经常性营业收入所带来的短期影响。该因子筛选后组合收益由226.03%提升到了288.92%，年化收益率为14.55%，年化波动率及beta值基本和baseline持平，但最大回撤有小幅度的下降，alpha值有明显的提升，从4.55%增至6.67%。从结果来看，该因子能较好地提升组合的盈利能力，但是该指标有一定的缺陷，一是并不能较好地增强组合的稳定性，二是无法体现更为深层次的现金收入与各项费用。 我们测试了“0<前四年标准化净利润增速波动率<0.4”（netProfitGrowthStd_noCSI30）与“当期净利润增速>0”（netProfitGrowth_noCSI300）两个净利润因子，他们在营业利润的基础上进行了主营业务以外的收入支出以及税费上的调整，是企业经营的最终成果。其中，“当期净利润增速”的总收益以及夏普比率的表现较“前四年标准化净利润增速波动率”略好，分别为266%与0.36，“前四年标准化净利润增速波动率”则在alpha值上表现更好，为5.81%，回撤也相对更小，为55.14%。 图表2：中小盘股增速因子净值走势 图表3：中小盘股增速因子统计指标 性价比因子 PEG代表市盈率相对盈利增长比率（Price/Earnings to Growth ratio），它是一种用于评估股票价格的相对估值指标。粗略而言，PEG值越低，股价被低估的可能性越大。我们限制其最大值为2，这样可以筛选掉一部分当前很可能被高估的企业，从而确保组合的稳定性。 可以发现，经PEG筛选后的组合不仅没有失去高成长性企业带来的收益，而且获得了相较于baseline更优的表现 ，总收益由原来的226.03%增长了14个点，达到240.39%，年化收益率达13.03%，alpha上升了0.62%至5.17%，无论是波动还是beta相较于baseline均有一定下降，最大回撤减少6.5%，夏普比率为0.343。 图表4：中小盘股性价比因子净值走势 图表5：中小盘股性价比因子统计指标 现金因子 对于中小盘股，去除沪深300成分的baseline（baseline_noCSI300）和图中紫线几乎重叠，说明在当前资产池中，“期末现金及现金等价物>0”并没有较为明显的选股作用，各项统计指标和baseline基本持平。并且“前三年期末现金及现金等价物增速>0”这一筛选指标拉低了组合表现，总收益从226%下降到213%，夏普比率从0.317下降到0.3，alpha从4.55%减小至4.12%。我们认为这是由于现金及现金等价物作为成长能力指标的特殊性导致的。一家公司拥有较多现金能确保安全度过熊市，确保公司正常运营，但是在牛市中保有太多资金会减缓扩张速度，进而影响股价上涨。“前三年期末现金及现金等价物增速>0”这一指标筛选结果更加印证了这一思想，若一家公司财报显示其现金数值连续多年上涨，市场可能会认为该公司资金运用能力不够，生产力增长的预期减弱（案例：90年代末期的微软）。 我们还测试了“前四年经营现金流净值>0”（opeNetCashFlow_noCSI300）、“前三年经营现金流净值增速>0”（opeNetCashFlowGrowth_noCSI300）两个因子，相较于营业收入，他们能提供更为清晰的企业成本信息以及其他收益的获取能力，并且收付实现制相较权责发生制更为可靠。统计结果显示，组合波动率有所下降，最大回撤有一定改善，夏普比率提升明显，从0.317分别提升到0.392和0.398，alpha显著上升，分别为6.44%和6.51%。 图表6：中小盘股现金因子净值走势 图表7：中小盘股现金因子统计指标 因子有效性总览 下图展示了各个因子在中小盘股上的选股表现走势以及统计指标。色阶基准为baseline_noCSI300。可以看到，“期末现金及现金等价物>0”和“前三年期末现金及现金等价物增速>0”的表现略差，其余因子都提升了夏普比率，我们将其视为有效因子。 图表8：稳定成长因子对中小盘股的优化净值走势总览 图表9：稳定成长因子对中小盘股的优化统计指标总览 大盘股因子有效性 增速因子 “前四年标准化营收同比波动率”（operatingIncome_CSI300）虽然没有明显提升盈利表现或减小波动，但是较大幅度地控制了回撤，最大回撤相较于基准的49%下降了5.57%至43.43%，alpha也有所提高 ， 为4.96%。“ 净利润增速 ”（netProfitGrowth_CSI300）小幅提升了各项指标，夏普比率增至0.254。但“标准化净利润增速波动率”（netProfitGrowthStd_CSI300）不但降低了总收益，还增加了年化波动率，从结果来看，这并不是一个有效因子。 图表10：大盘股增速因子净值走势 图表11：大盘股增速因子统计指标 性价比因子 由于沪深300成分股都是关注度较高的大企业，其业绩预期较为平稳，估值相对合理，因此难以出现价格大幅偏离价值的情况。即对于这些公司，其PEG是相对合理的，且有较大概率实现预期，因此在大盘股中应用该因子容易损失盈利机会，但是剩下的企业稳定性会进一步增强，统计结果也印证了这一点。 图表12：大盘股性价比因子净值走势 图表13：大盘股性价比因子统计指标 现金因子 和中小盘股类似，“期末现金及现金等价物>0”（cashAndEq_CSI300）并没有起到明显的选股作用，baseline_CSI300和cashAndEq_CSI300几乎重叠，各项统计指标基本持平。此外，“前三年期末现金及现金等价物增速>0”（cashAndEqGrowth_CSI300）这一指标限制也给组合表现带来了负面影响，各项指标均有所恶化，总收益小幅下降约5%，夏普比率从0.242下降到了0.224，年化波动率及最大回撤也有小幅上升。 但是，“经营现金流净值”（opeNetCashFlow_CSI300）以及“经营现金流净值增速”（opeNetCashFlowGrowth_CSI300）两个指标显著改善了资产组，说明无论是在大盘股还是在中小盘股，投资者均偏好经营情况良好，经营现金流为正且稳步上涨的企业。 图表14：大盘股现金因子净值走势 图表15：大盘股现金因子统计指标 因子有效性总览 下图展示了各个因子在大盘股上的选股表现走势以及统计指标 。 色阶基准为baseline_CS I300。各因子在大盘股上的表现不一，“经营现金流净值”、“经营现金流净值增速”、“前四年标准化营收同比波动率”以及“净利润增速”提升了夏普比率，我们将其视为有效因子。 图表16：稳定成长因子对大盘股的优化净值走势总览 图表17：稳定成长因子对大盘股的优化统计指标总览 交易手段对多因子选股优化的研究 上文我们研究了不同的选股策略以及不同因子的表现，但他们的回测表现并不能真实反映其真实效用。本节使用上文提到的所有成长因子进行选股，并在此基础上探究不同交易手段对组合收益的影响。 我们主要测试了三种止损策略并加以控制是否使用止盈，生成了6种交易策略。 止损策略： 1.nostoploss：不使用止损。 2.stoploss：个股级别静态止损，在每季度持仓相较季度第一天下跌幅度超过10%时清仓。 3.trailingstoploss：个股级别移动停损，在每季度持仓最大回撤超过10%时清仓。 止盈策略