郑露雨
随着计算机技术的不断发展，在金融投资领域，开发程序化交易策略正处于方兴未艾之时。量化投资在运用数理统计挖掘历史信息的过程中，找出蕴含的规律，并构建出相应策略由计算机自动执行交易订单，能够有效规避人的心理缺陷，从而能够获取超额收益。本文以沪深300指数成分股为研究对象，基于价值、成长和质量因子，分别选择市销率、净利润增长率和权益回报率三因子通过打分法进行选股，并建立量化投资策略模型。经过分析优选的股票，收益率表现良好，证明了该量化模型性能优异，为投资者获得正向收益提供了借鉴。
一、引言
近年来，人工智能的发展已经成为大势所趋，国外人工智能与金融投资的结合已日臻完善，而国内量化投资仍然处于起步阶段。原先量化私募系统因股市异常波动而被迫关闭，但自今年起，程序化交易接口又宣布重新对券商开放，为国内量化投资的了进一步发展提供了新的契机。传统的定性投资难以规避人性缺点，而程序化交易则不同，通过构建有效策略，以信号为基础实现自动化或半自动化买入卖出操作，增强了客观性，有利于提高投资决策的成功率。
股票市场是一个复杂的多噪声系统，量化交易从海量历史数据中挖掘出有效信息，找出股价波动规律，构建有效策略从而获得超额收益。目前国内量化策略多借鉴于国外资本市场，而A股市场相较于海外资本市场差异较大，模型适应性差，在国内市场运用起来表现效果欠佳。为了探索和研究适应国内市场的量化策略，本文将从基本面的角度入手，通过建立基于打分法的多因子选股模型，并着眼于投资绩效进一步分析。
二、多因子模型简介
多因子模型是量化投资领域应用最为广泛的模型之一。其中常见的多因子模型有CAPM模型、Fama-French价值三因子模型、Barra多因子模型等。通常，我们通过用某一指标或者多重指标对股票池进行筛选，这些用于选股的指标就被称为因子，按照风格或者经济学含义的不同，大致可以分为价值类因子、成长类因子、质量类因子、技术类因子、情绪类因子等等。多因子模型即综合考量多种指标对股票收益率的影响，其假设股票的收益率可以由一组共同因子和相应个股的特殊因素共同解释。
多因子选股模型通过有限差异化因子的拟合从数量庞大的个股中筛选出优质股，能够将问题难度简化，节省调研成本，同时能够保证投资组合的分散性，避免人为主观选择的偏差，从而降低风险。
三、数据选取与处理
（一）研究对象选取
本文选取沪深300指数成分股为研究对象，并回溯了2014年1月1日至2016年12月31日近三年的数据作为样本数据。首先该样本区间距今时间较短，具有较好的时效性，与真实的市场环境较为契合;其次，在该样本区间内，A股市场基本涵盖了上涨、下跌以及震荡等各种市场行情趋势，比较有代表性。
（二）变量选取
多因子选股模型中，常用的候选因子可以大致划分为价值、成长、质量、技术和情绪等类，如表1所示：
考虑到影响股价的因素有很多，本文中只针对基本面因子进行研究，通过对数据进行处理，采用Z标准化值消除量纲以及进行数据相关性分析消除多重共线性影响后，分别对候选因子进行有效性检验，我们最终在价值类中选择市销率，在成长类中选择净利润增长率，在质量类中选择权益回报率这三个因子用于选股模型的构建。
（三）变量解释
市销率即总市值与营业收入之比，它表明了在股市上投资者愿意为公司一美元的销售收入支付多少价格，是企业估值的重要指标之一。一般而言，股票的投资价值与市销率高低成反比关系。在价值类因子选股模型中，众多学者多选取市盈率进行研究，但采用市盈率有其固有弊端，首先是市盈率可能为负值，其次市盈率因子受经济繁荣程度影响较大。而市销率客观性较强，不易受到人为干预，同时的稳定性、适应性以及敏感程度都较好，因此本文选择市销率作为因子引入模型。
净利润即企业的利润总额减去所得税，而净利润增长率则是企业当期净利润相较于上期净利润的增长幅度，结合主营业务增长率可以应用于对成长型公司的判断。该指标越大表明企业的盈利能力越强，是快速选择成长型公司的重要指标之一。
权益回报率即净利润与平均股东权益之比，权益回报率不仅是一个衡量股东在公司内所获得投资回报的指标之外，而且是一个监察公司管理层的盈利能力、资产管理及财务控制能力的重要指标。
四、量化选股模型的设计与回测
（一）量化选股策略理论基础
首先在设定的股票池内提取各股票的市销率因子，将市销率按照从大到小的顺序排列，选择市销率最小的前30只股票，然后提取该30只股票的净利润增长率和权益回报率数据，对因子进行标准化处理，使因子之间能加减，最后对因子赋予权重。常见的因子加权方式有等权加权、IC均值加权、IC_IR加权和最优化复合IR等，其各自的优缺点如表2所示：
通常而言，使用最优化复合IR的权重配置方式的选股结果表现最佳，为计算方便，本文简单选择等权加权方式对因子权重进行配置，最后将得分最高的前十只股票选进买入列表作为资产组合。
（二）量化选股策略交易规则
在选股完成后，设置交易模块对所选股票进行自动化交易，以下为制定的相应 的股票交易规则：
首先，为模拟真实场景，开启前复权模式，设置万分之三双向交易手续费，调仓频率为每5天一次。其次，将投资组合的价值均分，等份买入，如果待买入股票已经持有则不进行买入，否则就需要重新计算买入的头寸，并将不符合条件的股票卖出。
（三）量化交易策略模拟回测
对设计好的交易策略进行回测，并计算不同季度采用量化选股策略动态股票池的收益率，与沪深300指数年收益率进行对比，其结果如下图1，图2所示：
从以上两图可以看出， 当股票市场行情整体表现较好时，使用该策略获得的收益率能够获得相较于基准更高的收益率;市场行情一般时，该策略基本能稳定跑赢基准收益率;而当市场整体表现较差时，策略收益略低于基准收益。这说明基于历史数据回测显示的策略总体上能获得稳定收益，对投资者获得超额收益具有一定的指导意义，但在熊市期间需要注意规避风险。
五、研究结论
通过对研究结果的进一步分析，本文主要得出以下结论：
第一，基于简单打分法拟合的多因子选股策略总体来说是比较有效的，通过选择沪深300指数成分股作为历史数据，在回溯窗口期内，在基准收益为12.7%的基础上，策略年化取得了34.9%的收益，α值为22.3%，夏普率为1.01，信息比率为1.37，最大回撤为45.4%。该策略通过市销率、净利润增长率和权益回报率筛选出具有增长潜力的优质股，在不同的市场行情中基本能稳定地跑赢市场基准。
第二，所选因子仍有其自身不足，比如市销率未反映成本费用以及无法剔除关联销售的因素，净利润增长率无法反映业务收入来源因此较难预测公司成长的持续性，权益回报率则无法反映债务杠杆对净利润的影响等。正是由于这些因子本身固有缺陷，本文将各因子分别赋予不同权重进行组合，试图削弱这种偏差，因而基于历史数据的回测结果虽然取得较好的收益效果，但在市场中仍然需要防范相应的风险因素。
第三，基于基本面三因子构建的选股模型并不是万能的，短期内难以过滤行业周期性变动因素。因而要想获得超额收益，投资者应当进行长期投资，同时，在市场行情较差时，需要注意规避风险，量化策略虽然具有广阔应用前景，但不能完全帮助投资者避免损失，因而投资者需要作出理性判断，不能过度依赖量化投资。（作者单位：山东财经大学 经济学院）
