王春麗，劉 光，王 齊

(東北財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，遼寧 大連 116025)

一、引 言

自1952年量化投資理論興起，以量化投資作為核心概念的投資基金在海外金融市場(chǎng)已經(jīng)風(fēng)行六十多個(gè)年頭。截至2016年底，量化基金在全球投資總規(guī)模已經(jīng)突破3萬億美元，其在全球基金規(guī)模所占比重更是接近1/3，量化基金已經(jīng)成為全球資產(chǎn)管理公司最重要的一種投資工具。與傳統(tǒng)投資相比，量化投資更具有風(fēng)險(xiǎn)控制相對(duì)精準(zhǔn)且超額收益相對(duì)穩(wěn)定的特點(diǎn)，受到基金市場(chǎng)越來越多的關(guān)注。量化基金在中國(guó)基金市場(chǎng)的應(yīng)用，起源于2004年光大量化核心的發(fā)行，由于當(dāng)時(shí)股票市場(chǎng)缺少量化對(duì)沖工具，致使量化基金在隨后幾年發(fā)展緩慢。2010年滬深300股指期貨的推出，使中國(guó)基金市場(chǎng)具備了可對(duì)沖的量化工具，各大基金研究機(jī)構(gòu)紛紛建立量化投資策略，如alpha策略、股指期貨套利策略等，中國(guó)基金市場(chǎng)正式進(jìn)入量化投資元年。之后在2015年啟動(dòng)的大牛市行情中，量化基金產(chǎn)品迎來大爆發(fā)，幾乎所有的量化投資產(chǎn)品都獲得較好收益，量化基金進(jìn)入快速發(fā)展階段。

國(guó)外量化投資經(jīng)過六十多年發(fā)展，從投資策略上來看，幾乎覆蓋了投資者的全部投資過程，主要包括量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、資產(chǎn)配置、風(fēng)險(xiǎn)控制等六個(gè)方面。然而，目前國(guó)內(nèi)基金市場(chǎng)所使用的量化方法，大多數(shù)僅涉及到量化選股這一環(huán)節(jié)。圍繞量化選股，國(guó)內(nèi)許多學(xué)者通過借鑒國(guó)外先進(jìn)的量化模型，構(gòu)建了許多不同類型的量化選股模型。駱樺和秦艷艷[1]對(duì)中國(guó)股票市場(chǎng)的動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)進(jìn)行研究，認(rèn)為利用動(dòng)量選股模型可能獲取超額收益。林德發(fā)和楊瀟宇[2]利用滬深300指數(shù)各成分股的基本面數(shù)據(jù)和行情數(shù)據(jù)，構(gòu)建多因子量化選股模型，試圖構(gòu)建出跑贏市場(chǎng)基準(zhǔn)的投資組合。柯原和鄭雙陽[3]把價(jià)值投資和行業(yè)輪動(dòng)模型相結(jié)合進(jìn)行量化選股,在投資的穩(wěn)健程度和收益率之間找到更加有利的均衡點(diǎn)。巨紅巖等[4]對(duì)股票資金流強(qiáng)度進(jìn)行實(shí)證研究及評(píng)測(cè)，認(rèn)為股票資金流強(qiáng)度與股價(jià)環(huán)比增長(zhǎng)率呈線性趨勢(shì)，利用資金流選股模型可以很好地進(jìn)行選股。田凱和劉永睿[5]利用logistics模型進(jìn)行量化選股，認(rèn)為該模型能夠有效地提高投資組合的超額收益率，并能適當(dāng)?shù)匾?guī)避投資者風(fēng)險(xiǎn)。在上述眾多不同類型的量化選股模型中，多因子選股模型無疑是其中應(yīng)用最廣泛并且最重要的量化選股模型，國(guó)內(nèi)外的許多學(xué)者為此也做了大量的研究。Fama和French[6]使用市場(chǎng)風(fēng)險(xiǎn)溢酬因子、公司市值因子以及賬面市值比因子對(duì)股票收益率進(jìn)行回歸，對(duì)股票收益率進(jìn)行解釋。范龍振和王海濤[7]在三因素模型的基礎(chǔ)上，在模型中加入市盈率因子，使多因子量化選股模型更好地解釋了股票市場(chǎng)上經(jīng)常出現(xiàn)的市值效應(yīng)、賬面市值比效應(yīng)、市盈率效應(yīng)和價(jià)格效應(yīng)。陳德華等[8]將代表股票資產(chǎn)特質(zhì)的30個(gè)指標(biāo)劃分為8 類風(fēng)險(xiǎn)因子，并以股票月收益率為因變量，以各風(fēng)險(xiǎn)因子的敏感系數(shù)為自變量，建立基于多元橫截面回歸的量化選股模型。劉洋和夏思雨[9]則是將符合GARP策略(GARP策略是將價(jià)值策略和成長(zhǎng)策略相結(jié)合，提出價(jià)格會(huì)按合理價(jià)值成長(zhǎng))的公司基本面指標(biāo)作為候選因子，利用多因子模型對(duì)股票的收益情況進(jìn)行研究，認(rèn)為市盈率(PE)、市凈率(PB)、市銷率(PS)、市現(xiàn)率(PCE)、基本每股收益同比增長(zhǎng)率和營(yíng)業(yè)利潤(rùn)同比增長(zhǎng)率等6個(gè)因子與股票的收益率相關(guān)。

二、研究設(shè)計(jì)

(一)理論基礎(chǔ)

在“上市公司基本面決定企業(yè)價(jià)值，企業(yè)價(jià)值決定其股票價(jià)格”的投資邏輯下，基本面分析是篩選中國(guó)股市質(zhì)地優(yōu)良上市公司的重要利器，而構(gòu)建回歸法的多因子量化選股模型是基于公司基本面的全面分析，通過模型數(shù)據(jù)信息的處理和挖掘，幫助投資者進(jìn)行理性選股，從而獲得超過市場(chǎng)基準(zhǔn)的穩(wěn)定收益。同時(shí)，由于中國(guó)股市常出現(xiàn)漲跌無序、隨機(jī)性較強(qiáng)等問題，將量化選股模型與量化擇時(shí)策略相互結(jié)合，使之從精選個(gè)股到優(yōu)化倉(cāng)位控制，從判斷投資組合的風(fēng)險(xiǎn)到執(zhí)行交易買賣，每一個(gè)環(huán)節(jié)都有效地控制人為干預(yù)的一些因素，不僅可以降低投資風(fēng)險(xiǎn)、獲得相對(duì)穩(wěn)定的投資收益，而且能夠促進(jìn)股票市場(chǎng)平穩(wěn)健康可持續(xù)發(fā)展。此外，從國(guó)外成熟金融市場(chǎng)的發(fā)展經(jīng)驗(yàn)來看，利用量化方法進(jìn)行投資，可以有效地提高金融市場(chǎng)流動(dòng)性。在國(guó)外許多證券交易所，量化基金產(chǎn)品的交易量能達(dá)到整個(gè)交易所總交易量的30%—40%，通過頻繁的程序化交易，及時(shí)有效地釋放大量現(xiàn)金流，提高整個(gè)金融交易市場(chǎng)的資金流動(dòng)性。

但值得注意的是，在量化基金取得快速發(fā)展的背后，仍然存在諸多隱患，如目前國(guó)內(nèi)量化基金所使用的量化策略多是從國(guó)外引進(jìn)，是國(guó)外量化投資基金過去使用過的量化選股模型及策略，不能很好地適應(yīng)中國(guó)A股市場(chǎng)。為了探索適應(yīng)中國(guó)A股市場(chǎng)的量化模型和策略，本文建立基于回歸法的多因子量化選股模型，并設(shè)計(jì)了相應(yīng)的量化擇時(shí)策略控制投資者風(fēng)險(xiǎn)。

(二)研究思路

針對(duì)多因子量化選股模型現(xiàn)有研究之間的差別，本文采取以下辦法進(jìn)行處理。一是影響股票價(jià)格波動(dòng)的因子存在差異。股票價(jià)格波動(dòng)受很多因素的影響，且不同因子之間可能存在極強(qiáng)的相關(guān)性。因此，在多因子量化選股模型的實(shí)證研究中，由于不同學(xué)者建立模型時(shí)選取的候選因子不同，得到的最終結(jié)果可能存在一定差異。為了避免發(fā)生這種差異，本文將不同學(xué)者最終確定的候選因子盡可能地納入到多因子量化選股模型中，并通過主成分分析，將眾多的候選因子聚合形成少數(shù)幾個(gè)公共因子進(jìn)行實(shí)證研究。二是收益率選取的時(shí)間跨度不同。股票收益率在不同研究中主要分為長(zhǎng)期收益率、中期收益率和短期收益率。其中，長(zhǎng)期收益率以5年或3年累計(jì)收益率為代表，中期收益率主要是指年度收益率和半年度收益率，而短期收益率包括季度收益率、月收益率和周收益率等。由于量化基金投資過程較長(zhǎng)，為了盡可能地控制投資過程中產(chǎn)生的風(fēng)險(xiǎn)，充分挖掘各上市公司公布的信息，及時(shí)有效地找出具備增長(zhǎng)潛力的股票，本文選擇中期收益率中的年度收益率進(jìn)行實(shí)證研究。三是模型的判別方法不同。多因子選股模型有打分法和回歸法兩種判別方式，與打分法相比，回歸法能夠根據(jù)股票市場(chǎng)上的突發(fā)情況，比較及時(shí)地調(diào)整模型對(duì)各個(gè)因子的敏感性，而且簡(jiǎn)單、快捷，更有利于程序化交易。因此，本文決定采用回歸法對(duì)多因子模型進(jìn)行判斷，并設(shè)計(jì)出相應(yīng)的量化擇時(shí)策略，即建立基于回歸法的多因子量化選股模型及擇時(shí)策略進(jìn)行實(shí)證研究。

(三)回歸模型的設(shè)計(jì)

本文在研究多因子變量與股票收益率關(guān)系及量化預(yù)測(cè)股票收益率的過程中采用多元線性回歸模型。

Y=β1Xi1+β2Xi2+β3Xi3+…+βjXij+ε

(1)

其中，Xi1，Xi2，…，Xij分別表示第i只股票的j個(gè)變量X1，X2，…,Xj的取值，β1，β2，…,βj分別表示模型中j個(gè)變量的系數(shù)，ε為隨機(jī)誤差項(xiàng)。被解釋變量為股票收益率Y，股票收益率有單利和連續(xù)復(fù)利兩種計(jì)算方式。假設(shè)某只股票在t時(shí)刻的價(jià)格為pt,則股票收益率在這兩種方式下分別表示為(Pt-Pt-1)/Pt-1與ln(Pt/Pt-1)。由于本文度量的收益率實(shí)際上為年收益率，時(shí)間區(qū)間較長(zhǎng)、價(jià)格變動(dòng)較大，若采用單利方式度量股票收益率，因其不具備可加性的特點(diǎn)，會(huì)導(dǎo)致兩種方式的計(jì)算結(jié)果差別很大，為保證實(shí)際收益率的科學(xué)性和合理性，本文采用連續(xù)復(fù)利收益率度量股票投資收益，即對(duì)數(shù)收益率。

三、數(shù)據(jù)選取與處理

(一)研究對(duì)象選取

本文以中國(guó)上證180指數(shù)成分股為研究對(duì)象，樣本研究區(qū)間為2007年1月4日至2016年12月30日，共計(jì)10年的樣本數(shù)據(jù)。在該樣本研究區(qū)間內(nèi)，基本包含了股票市場(chǎng)每年可能出現(xiàn)的全部行情趨勢(shì)。根據(jù)上市公司每年公布的年度報(bào)告數(shù)據(jù)和上證180指數(shù)年度行情趨勢(shì)，對(duì)上證180指數(shù)成分股在2007—2015年分別建立基于回歸法的多因子量化選股模型，并按照價(jià)值投資的思想，通過逐年構(gòu)建的量化選股模型對(duì)投資者的證券組合不斷進(jìn)行調(diào)整，以2007年年報(bào)為起點(diǎn)、2015年年報(bào)為終點(diǎn)，共歷經(jīng)9次調(diào)倉(cāng)。本文數(shù)據(jù)來源于東方財(cái)富Choice數(shù)據(jù)庫(kù)，數(shù)據(jù)分析軟件和編程軟件為SPSS和Python。

(二)變量選取

在模型構(gòu)建過程中，解釋變量的選取主要包括公司基本面指標(biāo)、財(cái)務(wù)指標(biāo)、技術(shù)指標(biāo)以及其他指標(biāo)。通過借鑒國(guó)內(nèi)外學(xué)者關(guān)于多因子量化選股模型的研究，對(duì)研究對(duì)象的各指標(biāo)數(shù)據(jù)進(jìn)行研究歸納后，得到21個(gè)在股票市場(chǎng)中常用的重要指標(biāo)(如表1所示)，將其作為多因子量化選股模型的指標(biāo)進(jìn)行實(shí)證研究。

表1多因子量化選股模型中的指標(biāo)

(三)數(shù)據(jù)標(biāo)準(zhǔn)化處理

(四)數(shù)據(jù)相關(guān)性分析

由于多因子量化選股模型選取的眾多指標(biāo)之間可能存在一定的相關(guān)性，若直接對(duì)這些數(shù)據(jù)進(jìn)行建模分析，可能會(huì)造成量化選股模型的多重共線性。實(shí)證研究發(fā)現(xiàn)，多個(gè)變量指標(biāo)之間存在較強(qiáng)的相關(guān)性，這與其指標(biāo)的計(jì)算方式和所代表的經(jīng)濟(jì)含義有一定的關(guān)系。為了解決各指標(biāo)數(shù)據(jù)的相關(guān)性問題，盡可能保留原始變量的信息，本文對(duì)選取的各指標(biāo)數(shù)據(jù)進(jìn)行主成分分析處理。

四、量化選股模型的構(gòu)建與檢驗(yàn)

利用上證180指數(shù)成分股在2007—2015年各指標(biāo)數(shù)據(jù)，以股票收益率為因變量，以各指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化后的主成分因子得分系數(shù)為自變量，建立不同行情下基于回歸法的多因子量化選股模型，并通過模型的實(shí)際投資效果對(duì)模型進(jìn)行適應(yīng)性檢驗(yàn)，其具體研究過程如下：

(一)因子分析可行性檢驗(yàn)

在進(jìn)行模型構(gòu)建前，利用SPSS軟件對(duì)2007—2015年上證180指數(shù)成分股標(biāo)準(zhǔn)化后的各變量數(shù)據(jù)進(jìn)行KMO檢驗(yàn)和Bartlett檢驗(yàn)，判斷其是否適合做因子分析。以2007年數(shù)據(jù)為例KMO檢驗(yàn)統(tǒng)計(jì)量為0.562，偏相關(guān)系數(shù)大于0.5，因子分析效果較好，且Bartlett檢驗(yàn)對(duì)應(yīng)的P值小于0.05，拒絕原假設(shè)，各解釋變量之間存在相關(guān)關(guān)系，可以進(jìn)行因子分析。

對(duì)數(shù)據(jù)進(jìn)行因子分析，計(jì)算2007年上證180指數(shù)成分股標(biāo)準(zhǔn)化后各變量數(shù)據(jù)的主成分貢獻(xiàn)率和累計(jì)貢獻(xiàn)率。累計(jì)貢獻(xiàn)率為77.414，共確定了9個(gè)主成分因子。

(二)量化模型構(gòu)建

以股票收益率為因變量，以主成分因子F1、F2、F3、F4、F5、F6、F7、F8和F9的得分系數(shù)為自變量，建立基于回歸法的多因子量化選股模型。在95%的置信度水平下，主成分因子F5、F6、F7、F8和F9的系數(shù)不顯著，說明在2007年牛市行情中，與其他因子相比，資本結(jié)構(gòu)指標(biāo)、盈利能力指標(biāo)、現(xiàn)金流量指標(biāo)和營(yíng)運(yùn)能力等指標(biāo)聚合形成的主成分因子對(duì)股票投資收益的影響有限。因此，決定剔除不顯著因子，以股票收益率為因變量，對(duì)剩余的4個(gè)主成分因子重新建立多因子量化選股模型。在新模型中，主成分因子F1、F2、F3和F4的t統(tǒng)計(jì)量在95%的置信度水平下均顯著，并且模型參數(shù)沒有顯著變化，R2為0.805，AIC值和BIC值下降。因此，以4個(gè)主成分因子對(duì)2007年上證180指數(shù)各成分股的收益率進(jìn)行估計(jì)，模型的估計(jì)方程為：

Y=1.020+0.045F1+0.379F2+0.086F3+0.054F4

(2)

(三)模型適應(yīng)性檢驗(yàn)

將2007年各變量聚合形成的主成分因子得分系數(shù)代入式(2)中，計(jì)算各只股票收益率的估計(jì)值和增長(zhǎng)潛力(股票收益率估計(jì)值與真實(shí)值的差值)。并對(duì)各只股票的增長(zhǎng)潛力進(jìn)行排序，篩選出排名靠前的前10只股票，構(gòu)建2008年股票投資的證券組合。通過檢驗(yàn)該投資組合在2008年1月2日至2008年12月31日的下跌趨勢(shì)中是否相對(duì)穩(wěn)定地跑贏上證180指數(shù)，以檢驗(yàn)多因子量化選股模型的實(shí)際投資效果，其結(jié)果如表2所示。

表2證券組合在2008年的投資表現(xiàn) 單位：%

從表2可以看出，利用多因子量化選股模型篩選出的投資組合在2008年獲得的平均復(fù)合收益率跑贏上證180指數(shù)基準(zhǔn)年收益率，超額收益率為17.09%。因此，2007年構(gòu)建的多因子量化選股模型通過模型適應(yīng)性檢驗(yàn)。對(duì)上證180指數(shù)成分股在2007—2015年標(biāo)準(zhǔn)化后的各變量數(shù)據(jù)重復(fù)上述多因子量化選股模型的建模過程，得到其在不同年份的量化選股模型，然后根據(jù)各年的多因子量化選股模型構(gòu)建股票池，并結(jié)合2007年多因子量化選股模型的選股結(jié)果，得到股票池在2008—2016年的實(shí)際投資收益率，其結(jié)果如表3所示。

從表3可以看出，利用多因子量化選股模型進(jìn)行數(shù)量化選股，篩選出具有增長(zhǎng)潛力的股票構(gòu)建股票池，能夠使得整個(gè)投資組合在各年的平均復(fù)合收益率穩(wěn)定地跑贏當(dāng)年市場(chǎng)基準(zhǔn)，累計(jì)超額收益率高達(dá)211.38%，說明通過量化選股模型挖掘具備增長(zhǎng)潛力的股票是可行的，也是非常有效的。值得注意的是，跑贏市場(chǎng)基準(zhǔn)并不總是給投資者帶來正向收益，如股票池在2008年、2010年和2011年的實(shí)際投資收益率皆為負(fù)，但是投資組合在2008—2016年的實(shí)際累計(jì)收益率卻高達(dá)247.18%，說明量化投資是一個(gè)長(zhǎng)期的投資過程，投資者要想獲得較高的超額收益，需要長(zhǎng)期以往地投資下去，不要計(jì)較局部的得失。

表3股票池在2008—2016年實(shí)際投資收益 單位：%

五、量化擇時(shí)策略的設(shè)計(jì)與回測(cè)

(一)量化擇時(shí)策略理論基礎(chǔ)

在單邊做多的股票市場(chǎng)行情中，投資者的資產(chǎn)收益往往容易受到市場(chǎng)波動(dòng)較大的影響。在非理性市場(chǎng)中，這種價(jià)格波動(dòng)所帶來的風(fēng)險(xiǎn)尤其難以規(guī)避。前文構(gòu)建的基于回歸法的多因子量化選股模型雖然采用積極型投資管理方式，能夠在股票投資中穩(wěn)定地跑贏市場(chǎng)基準(zhǔn)，形成股票超額收益，但仍然無法規(guī)避股票市場(chǎng)波動(dòng)較為頻繁、價(jià)格回撤幅度較大等問題。因此，本文進(jìn)一步設(shè)計(jì)出量化擇時(shí)策略，以期控制投資者風(fēng)險(xiǎn)，幫助投資者保持相對(duì)穩(wěn)定的投資回報(bào)。在股票市場(chǎng)中常用的量化擇時(shí)策略有配對(duì)交易策略、動(dòng)量交易策略、均線系統(tǒng)策略、通道突破策略、隨機(jī)指標(biāo)交易策略和OBV指標(biāo)交易策略等。本文在均線系統(tǒng)交易策略、OBV指標(biāo)交易策略和隨機(jī)指標(biāo)交易策略的基礎(chǔ)上，建立多種交易策略互相配合的量化擇時(shí)策略，用來降低證券投資組合的系統(tǒng)性風(fēng)險(xiǎn)，維持相對(duì)穩(wěn)定的投資收益。

(二)量化擇時(shí)策略指標(biāo)計(jì)算

本文結(jié)合這三種擇時(shí)策略的優(yōu)缺點(diǎn)，建立以均線系統(tǒng)策略為主、隨機(jī)指標(biāo)交易策略為輔、OBV指標(biāo)交易策略為參照的量化擇時(shí)策略。具體構(gòu)建過程如下：首先，通過均線系統(tǒng)策略，計(jì)算股票平均價(jià)格，并根據(jù)其短期移動(dòng)平均線和長(zhǎng)期移動(dòng)平均線的黃金交叉點(diǎn)，對(duì)股票買入時(shí)機(jī)進(jìn)行識(shí)別。其次，計(jì)算隨機(jī)指標(biāo)策略中的KDJ指標(biāo)，主要參考KDJ指標(biāo)中的J值，利用J值對(duì)市場(chǎng)上的超買現(xiàn)象進(jìn)行判斷，進(jìn)而識(shí)別出股票賣出時(shí)機(jī)。最后，計(jì)算OBV指標(biāo)，通過觀察成交量的變化來對(duì)股票交易時(shí)機(jī)進(jìn)行進(jìn)一步的判斷。

(三)量化擇時(shí)交易規(guī)則

在股票交易時(shí)機(jī)識(shí)別過程中，為了減少人為因素的干擾，根據(jù)以下情況對(duì)量化擇時(shí)策略制定相應(yīng)的股票交易規(guī)則：

第一，對(duì)于均線系統(tǒng)策略判斷出的買入時(shí)機(jī)，只有當(dāng)移動(dòng)能量潮曲線處于上升趨勢(shì)，才能夠進(jìn)行股票交易。與此同時(shí)，為了控制投資者風(fēng)險(xiǎn)，對(duì)于股票價(jià)格處于震蕩趨勢(shì)的買入交易信號(hào)不予識(shí)別。

第二，股票買入時(shí)機(jī)和賣出時(shí)機(jī)重合，如果隨機(jī)指標(biāo)交易策略僅連續(xù)兩個(gè)或三個(gè)交易日發(fā)出賣出信號(hào)，則保留倉(cāng)位，對(duì)股票行情做進(jìn)一步的觀察。若是隨機(jī)指標(biāo)交易策略連續(xù)四個(gè)或四個(gè)以上的交易日發(fā)出賣出信號(hào)，則在第五個(gè)交易日進(jìn)行清倉(cāng)。

第三，買入時(shí)機(jī)和賣出時(shí)機(jī)不同，但僅相差一個(gè)或兩個(gè)交易日。若買入時(shí)機(jī)在前，且隨機(jī)指標(biāo)交易策略僅連續(xù)兩個(gè)交易日發(fā)出賣出信號(hào)，則保留倉(cāng)位，否則進(jìn)行平倉(cāng)。若賣出時(shí)機(jī)在前，并在接下來的交易日隨機(jī)指標(biāo)交易策略連續(xù)發(fā)出賣出信號(hào)，則在第三個(gè)交易日進(jìn)行平倉(cāng)，否則保留倉(cāng)位。

第四，買入時(shí)機(jī)和賣出時(shí)機(jī)不同，且差別很大，在隨機(jī)指標(biāo)策略發(fā)出賣出信號(hào)的第二個(gè)交易日進(jìn)行清倉(cāng)。

(四)量化擇時(shí)策略模擬回測(cè)

對(duì)新設(shè)計(jì)的量化擇時(shí)策略進(jìn)行回測(cè)，將其應(yīng)用到2007—2015年利用多因子量化選股模型篩選出的證券組合中，計(jì)算不同年份采用量化選股及擇時(shí)策略股票池的投資收益，并與單獨(dú)使用量化選股策略以及上證180指數(shù)基準(zhǔn)年收益率進(jìn)行對(duì)比，其結(jié)果如圖1所示。

從圖1可以看出，當(dāng)股票市場(chǎng)行情整體表現(xiàn)較差時(shí)，使用量化選股及擇時(shí)策略，獲得的收益率能夠穩(wěn)定地跑贏上證180指數(shù)基準(zhǔn)年收益率，并幫助投資者取得正向收益。而當(dāng)股票市場(chǎng)行情整體表現(xiàn)較好時(shí)，使用量化選股及擇時(shí)策略獲得的收益低于單獨(dú)使用量化選股模型獲得的收益以及上證180指數(shù)基準(zhǔn)年收益率。這一點(diǎn)并不難理解，當(dāng)股票市場(chǎng)整體處于上升趨勢(shì)時(shí)，使用量化擇時(shí)策略在控制股票投資組合風(fēng)險(xiǎn)的同時(shí)，必然會(huì)損失一部分收益，致使整個(gè)投資組合的收益降低。但使用量化選股及擇時(shí)策略可以幫助投資者在各年獲得正向收益，并且從長(zhǎng)期來看，其獲得的累計(jì)收益率高于單獨(dú)使用量化選股模型獲得的收益率，并且遠(yuǎn)大于市場(chǎng)基準(zhǔn)(量化選股及擇時(shí)策略的累計(jì)收益率為248.63%，單獨(dú)使用量化選股策略的累計(jì)收益率為247.18%，市場(chǎng)累計(jì)收益率為35.81%)。因此，在中國(guó)股市熊市多、牛市少的情形下，量化選股及擇時(shí)策略在股票市場(chǎng)中具有非常廣闊的應(yīng)用前景。

圖1 量化選股及擇時(shí)策略的投資業(yè)績(jī)比較

六、研究結(jié)論

通過對(duì)比逐年構(gòu)建的多因子量化選股模型以及量化擇時(shí)策略研究，本文得出以下主要結(jié)論：

第一，基于回歸法的多因子量化選股模型和量化擇時(shí)策略是可行的，也是非常有效的?；诙嘁蜃幽Ｐ瓦M(jìn)行量化選股，可以充分挖掘上市公司的價(jià)值信息，篩選出具備增長(zhǎng)潛力的股票。通過模型逐年構(gòu)建的證券組合，在不同的股票市場(chǎng)行情中均穩(wěn)定地跑贏市場(chǎng)基準(zhǔn)，并且通過結(jié)合量化擇時(shí)策略，可以幫助投資者在獲得正向收益的同時(shí)取得較高的投資回報(bào)，投資者在2008—2016年通過量化選股及擇時(shí)策略獲得的累計(jì)收益率高達(dá)248.63%，由此可見，本文設(shè)計(jì)的多因子量化選股模型和擇時(shí)策略在中國(guó)股票交易市場(chǎng)是可行的，也是非常有效的。

第二，在不同的股市行情中，影響股票收益率的變量以及變量之間的相關(guān)性也隨之變化。通過對(duì)比2007—2015年逐年構(gòu)建的多因子量化選股模型，可以發(fā)現(xiàn)多因子量化選股模型在各年最終保留的公共因子存在差異，說明股票市場(chǎng)行情不同，一些影響股票收益率的變量聚合形成的主成分因子對(duì)投資者的收益無顯著影響。而且各年變量數(shù)據(jù)經(jīng)過因子分析聚合形成的主成分因子個(gè)數(shù)也存在一定的差異，如2007年聚合形成9個(gè)公共因子，2008年聚合形成8個(gè)公共因子，而2011年聚合形成7個(gè)公共因子，說明股市行情不同，影響股票收益率的變量之間相關(guān)性也存在一定的差異。因此，試圖通過股票多年的累計(jì)超額收益率或年化復(fù)合平均收益率，篩選出影響股票收益率的固定因子，是既不科學(xué)又不合理的，應(yīng)根據(jù)不同的股票行情分別建立量化選股模型進(jìn)行研究。

第三，量化選股與量化擇時(shí)策略密不可分，投資者為了控制投資風(fēng)險(xiǎn)，獲得相對(duì)穩(wěn)定的正向收益，應(yīng)當(dāng)實(shí)施量化擇時(shí)策略。雖然在股票行情較好時(shí)，量化擇時(shí)策略在控制股票投資風(fēng)險(xiǎn)的同時(shí)，降低了投資者收益。但這一點(diǎn)并不難理解，降低風(fēng)險(xiǎn)的同時(shí)必然會(huì)損失一部分收益，致使證券組合的整體投資收益降低。如在2009年、2014年和2015年的股市行情中，投資者單獨(dú)使用量化選股策略獲得的年化復(fù)合平均收益率分別為130.47%、80.39%和65.12%，而使用量化選股及擇時(shí)策略獲得的年化復(fù)合平均收益率僅為67.66%、44.54%和46.97%。但量化擇時(shí)策略在股票市場(chǎng)上仍然具有非常廣闊的應(yīng)用前景，其優(yōu)越性主要體現(xiàn)在牛市很少、而熊市和震蕩行情居多的股票市場(chǎng)中，量化擇時(shí)策略在股票行情不好時(shí)，仍然可以保證較為穩(wěn)定的正向收益。以2008年、2010年和2011年的股市行情為例，單獨(dú)使用量化選股策略，投資組合在各年的年化復(fù)合平均收益率分別為-49.46%、-12.52%和-1.20%，而使用量化選股及擇時(shí)策略，投資組合在各年的平均復(fù)合收益率分別為8.87%、15.24%和10.87%，量化擇時(shí)策略使證券組合的整體投資收益由負(fù)變正，效果顯著。

第四，量化選股及擇時(shí)策略并不是萬能的，仍然存在投資損失的可能性，投資者若想獲得較高的超額收益，應(yīng)當(dāng)進(jìn)行長(zhǎng)期投資。如單獨(dú)使用量化選股策略，投資者在2008年、2010年和2011年獲得的投資收益雖然戰(zhàn)勝市場(chǎng)基準(zhǔn)，但整體投資收益皆為負(fù)，說明投資者在這三年的資產(chǎn)實(shí)際上遭受了損失。而通過結(jié)合量化擇時(shí)策略，雖然成功地使投資組合在這三年的整體平均復(fù)合收益率由負(fù)變正，但在各年的投資組合中，仍然有部分股票的收益率為負(fù)值。如2008年投資組合中的山西汾酒、上港集團(tuán)和小商品城，2010年投資組合中的隧道股份，2011年投資組合中的太平洋和中國(guó)石化，說明使用量化擇時(shí)策略并不能完全規(guī)避投資者可能遭受的損失。但從長(zhǎng)期來看，單獨(dú)使用量化選股策略或量化選股與量化擇時(shí)策略相結(jié)合，都能給投資者帶來較高的超額收益，投資者在2008—2016年使用這兩種策略獲得的累計(jì)收益率分別為247.18%和248.63%，說明投資者在實(shí)際投資過程中若想獲得較高的超額回報(bào)，不應(yīng)局限于眼前的得失，應(yīng)當(dāng)按照量化選股模型及擇時(shí)策略進(jìn)行長(zhǎng)期投資。