量化投资模型系列之GARP -

量化投资模型系列之GARP

：量化投资模型的建立方法，首先要建立股市信息统计分析的基础，量化投资模型进行历史数据的模拟验证，成功率超过80%，在实战中监控量化投资模型。

如何建一个量化投资模型，给大家说方法.

（1）首先要建立股市信息统计分析的基础，从大量的数据中通过数据挖掘找出赚钱股票的内部联系。找出进入点和退出点的基本特征。有些比较简单的统计分析就可以发现规律，有些复杂的模型，需要用到数理统计的聚类分析等算法，最大信息熵，人工智能等多种理论。不过说实话，简单的模型大多不好用，因为这个世界聪明的人多，都能发现的模型，估计有效性就不够。这也是为什么有效的模型，使用的人越少，便越有效。

（2）量化投资模型进行历史数据的模拟验证。2个星期做到5%的收益，至少要达到所有历史数据（包含历史上的所有时期，不仅仅包含牛市数据，而且也要包含熊市数据。）有效率超过80%。这个是我对模型有效的最基本要求。当然，你也可以做出一个模型，每个星期赚10%。俺曾经尝试过这个模型，貌似很难有很高的成功率。对模型而言，我觉得交易稳健也很重要。所以，我降低了收益率，提高交易的成功率。实际上，稳健盈利的交易模型，给你交易带来最后实际的成功率，一般来说远远高于5%。

（3）如果你的量化投资模型在实验过程中盈利的成功率超过80%，你就可以进行实战模拟验证了。经过三个月实战模拟验证，再对操作中模型出现的问题进行校正。如果模型能让你10笔交易的胜率超过8笔以上，那你就可以加仓。 （4）在实战中监控量化投资模型。如果某一个阶段，连续发生模型3次交易失败的事情，就要停止操作，重新观察模型，分析模型失败的原因。重新回到步骤1，开始修正模型，再重新进行2-4的步骤。

当然，对于股市而言，量化投资模型就是量化投资的精华。如果有了它，你根本不要关注消息面，新闻面，以及传闻。唯一所做的事情，就是面对模型，按照模型操作。当然，如果你的模型有新闻传闻这些影响因子，那就要关注了。 平时多做一些不同类型的模型，方便自己的交易。当然，有效的交易模型很难找，手上有1个有效的模型，就不愁财富了。当你的量化投资模型越来越多，财富便自然而然的向你奔涌来。

一：量化选股模型 1、 三个基本选股模型：

A、价值模型V：以PE-PB-PCF 为价值因子

B、成长模型G：以EBITG-NPG-MPG-GPG-OPG为成长因子 C、质量模型Q：以ROA-ROC-GPM-CRAR-CNPR-TAT 为质量因子

1.1、选股方式—— 自下而上选股

基本选股模型采用指标打分的方法来筛选股票。首先对待选股票的各个指 标分别进行排序打分，然后将股票对应各个因子的指标得分进行求和，最后以总得分大小来筛选股票和构建组合。具体步骤如下： 第一步：确定待选股票池。选择组合构建时点（每个月最后一个交易日收盘后）上市满两年的全部A 股股票，考虑实际投资需求，剔除当日停牌的股票，剔除最近四个季度滚动净利润为负值的股票，剔除连续3 个交易日平均成交额小于100 万元的股票后，以剩余股票作为待选股票池。

第二步：构建股票组合。

a） 指标打分：首先将待选股票池中股票分别按照属性因子的各个指标进行排序（价值指标从小至大，成长指标和质量指标从大至小），然后采用百分制整数打分法进行 指标打分，即以股票在各个指标排名中所处位置的百分数作为股票对应该指标的得分，前1%得分为1，依次递减，最后1%得分为100。

b） 求和排序：将股票相对于同一属性的各个指标的得分进行等权重求和，将总得分进行从小至大排序，选择排名靠前的N 只股票进入量化组合。

c） 构建组合：采用等市值权重构建相应的量化组合（采用等权重的方法可以比较选股效果的优劣，在实际的投资中也可采用其他权重）。 第三步：组合调整。我们对组合进行逐月调整（调整时扣除相应的交易税费，暂不考虑冲击成本），即持 有组合至次月最后一个交易日，利用更新后的指标数据重新确定待选股票池，重复第二步打分、求和过程，并将股票按照指标得分和值从小至大排序，将原来量化组 合中排名跌出前N 名的股票卖出，买入新进前N 名的股票，同时将新组合内样本股的权重调整至相等。

第四步：统计检验。分别计算各组合每个月收益情况，以沪深300 指数作为比较基准，利用t 检验考察各个量化组合超额收益的有效性。并用信息比率、夏普比率和战胜基准频率来比较各种策略的优劣。

需要说明的是：由于采用自下而上的选股方法，因此在筛选指标过

程中，我们尽量选择那些所有股票均可 计算的指标（比如ROIC 指标由于银行类股票不能计算，我们将其剔除，并选择ROC 指标来替代），以避免出现某些行业由于指标无法有效计算而不能被选入的情况。另外，我们主要选择那些可以明显分别出优劣的指标，以便进行排序（比如资产负 债率等指标不能通过简单的排序来区分股票好坏，因此不予采用）。

1.2、价值模型 ——寻找估值凹地

量化价值模型寻找低估值的股票构建组合。在前面的研究报告《量化 投资系列之价值模型——寻找价值凹地》中，我们以PCF 单指标来构建价值模型。近期，我们重新考虑了包括PE（市盈率）、PB（市净率）、PCF（市现率）、PS（市销率）、PEE（一致预期市盈率）和 EV/EBITDA（企业价值倍数）等在内的六个市场估值指标的选股情况，并利用2002 年1 月~2009 年11 月，接近八年时间共计95 期数据进行更新测试。结果表明，以PE-PB-PCF 三个指进行联合打分选股，所得到的价值组合更加出色和稳定。

表1：价值指标及其定义 价值指标 PE PB PCF 名称 市盈率 市净率 市现率 定义 总市值/滚动12 个月净利润 总市值/最近报告期净资产 总市值/滚动12 个月经营活动净现金流

分别以得分排名的前20%、10%和50 只股票构建价值组合，其在

2002.1~2009.11 的测试期内，相对沪深300 指数的超额 收益均可通过95%置信度下的统计检验，其中10%组合和50 只组合的统计检验置信度达到99%以上。

1.3、成长模型——挖掘成长伏藏

量化成长模型选择高成长性的股票构建组合，在前面的研究报告《量化投资系列之成长模型——ROIC-NPG：挖掘成长伏藏》中，我们以ROIC-NPG 两个指标来 构建成长模型。根据我们对各项指标的重新梳

理，现将ROIC 列为质量指标，另外构建了包括EBITG（息税前收益增长率）、NPG（净利润增长率）、MPG（主营利润增长率）、GPG（毛利润增长率）、OPG（营业利润增长率）、OCG（经营现金流增长率）、NAG（净资产增长率）、EPSG（每股收益增长率）、ROEG（净资产收益率增长率）、GMPG（毛利率增长率）等十个考核公司成长能力的指标。根据2002 年1 月~2009 年11 月，接近八年的时间共计95 期数据的更新测试。结果表明，以EBITG-NPG-MPG-GPG-OPG-OCG 六个指标进 行联合打分选股，所得到的成长组合表现最优。 表3：成长指标及其定义

价值指标 EBITG 名称 定义 息税前收益 增长率 净利润增长 率 主营利润增 长率 毛利润增长 率 营业利润增 长率 经营现金流 增长率 本期滚动12 个月息税前利润/上期滚动12 月息税前利润－1 本期滚动12 个月净利润/上期滚动12 月净利润－1 本期滚动12个月主营业务利润/上期滚动12月主营业务利润－1 本期滚动12 个月销售毛利润/上期滚动12 月销售毛利润－1 本期滚动12个月营业利润/上期滚动12月营业利润－1 本期滚动12个月经营性现金流净额/上期滚动12月经营性现金流净额－1 NPG MPG GPG OPG OCG

分别以指标排名的前20%、10%和50 只股票构建成长组合，其在

2002.1~2009.11 的测试期内，相对沪深300 指数的超额 收益均可通过90%置信度下的统计检验，其中10%组合的统计置信度达到97%，50 只组合的统计检验置信度达到99%。

1.4、质量模型——甄选优质蓝筹

量化质量模型选择资质优异的公司股票构建组合。我们从 六 个方面的财务指标来考察公司的资质，包括偿债能力、经营能力、营运能力、现金流质量、盈利能力、分红能力等。采用ROA（总资产收益率）、ROE（净资产收益率）、ROC（资本报酬率）、OPM（营业利润率）、GPM（销售毛利率）、现金流指标、COIR（现金营业收入比率）、CTAR（现金总资产比率）、CNPR（现金净利润比率）、TAT（总资产周转率）、LAT（流动资产周转率）等十个指标来进行股票的筛选。根据2002 年1 月~2009 年11 月，接近八年的时间阶段，共计95 期数据的测试。结果表明，以ROA-ROC-GPM-CRAR-CNPR-TAT六个指标进行联合打分选股，所得到的质量组合表现最 优。 表5：质量指标及其定义

价值指标 ROA 名称 定义 总资产收益 率 资本报酬率 滚动12个月净利润×2/(期初＋期末总资产) ROC 滚动12个月净利润/（股东权益＋长期负债） 滚动12个月销售利润/滚动12个月销售收入 滚动12个月经营现金流净额×2/(期初+期末总资产) 滚动12个月经营现金流净额/滚动12个月净利 滚动12个月营业总收入×2/(期初+期末总资产) GPM 销售毛利率 CTAR 现金总资产 比率 现金净利润 比率 总资产周转 率 CNAR TAT

分别以指标排名的前20%、10%和50 只股票构建质量组合，其在

2002.1~2009.11 的测试期内，相对沪深300 指数的超额 收益均可通过95%置信度下的统计检验，其中，10%和50 只组合获得超额收益的概率

从收益、风险、稳定性以及不同市场行情，不同时间阶段的表现来看，各个量化组合各有特点。比如质量模型的稳定、价值模型的抗跌、成长模型的激进以及各个叠 加模型的攻守平衡等，总之，根据投资者的风险偏好，可以利用这些模型设计不同的投资产品。

4）量化选股模型构建并非一劳永逸，选股方式和模型参数亟待不断完善。今后我们将对量化选股模型继续进行深入研究。一方面，探讨市场动量反转 效应以及股票交易特征等因素对选股模型的影响，以期对模型进行改进；另一方面，持续跟踪十个量化组合的实际表现，通过量化月报的形式，及时总结组合表现， 给出新的组合。

组合推荐

参照各个量化组合历史模拟测试所表现出来的风险收益特征，考虑目前所处的市场环境，我们认为中小投资资金可以优先考虑aGARP 和VGQ10 组合，其中aGARP 组合更值得关注，而较大规模的资金可以在V50 以及四个叠加模型中进行选择，我们优先推荐VG50 和VGQ50 组合。

通 过对叠加模型的属性因子权重进行了包括动态调整和静态配比在内的各种优化测试，结果显示，以固定的比例进行属性因子叠加所得到的组合表现相对稳定。具体来 说：价值成长模型和价值质量模型的属性因子比重均为5：5，成长质量模型的属性因子比重为7：3，价值成长质量模型的属性因子比重为3：3：4。即各种叠加模型构成为： VG=0.5*V+0.5*G; VQ=0.5*V+0.5*Q; GQ=0.3*G+0.7*Q; VGQ=0.3*V+0.3*G+0.4*Q;

分别以得分排名的前20%、10%和50 只股票构建四个叠加组合，其在2002.1~2009.11的测试期内，相对沪深300 指数的超额收益均可通过95%置信度下的统计检验，其中，20%VQG 组合和10%、50 只股票所有叠加组合的统计检验置信度均达到99%。可见，这些叠加模型的有效性是非常高的。

从风险收益上看，四个叠加组合相对各自基本模型的组合都有不同程度提升，尤其是VGQ 组合，无论从绝对收益，还是风险调整收益 角度来

看，都是表现最优的；但从战胜基准频率角度来看，VGQ 组合略微低于价值组合，可见VGQ 组合也并非是完美的。

2.2、GARP 模型

GARP（Growth at a Reasonable Price）投资策略是继价值投资和成长投资之后最为热门的投资策略之一，它将上市公司的价值属性和成长属性紧密结合，试图通过以相对较低 的价格买入具有较高成长性的公司来获得更为稳定的超额收益。该策略的典型代表是投资大师彼得林奇（Peter Lynch）， 他利用这种方法在1977 至1990 的十三年间创造了年平均收益率高达29%的传奇业绩。

在量化形式上，GARP 策略一般首先对股票的价值属性和成长属性分别进行排序打分，然后选择同时位于价值排名和成长排名前列 的股票构建组合。根据前面对价值模型和成长模型的更新，这里利用PE-PB-PCF 三个指标来 对股票的价值属性进行量化测度，用

EBITG-NPG-MPG-GPG-OPG-OCG 六个指标对股票的成长属性进行量化测度，然后取价值型 股票和成长型股票的交集，即同时具有较高价值属性和成长属性的股票等权重构建GARP 组合。

从统计结果来看，从3%到30%交叉情况下的组合超额收益均可通过90%置信度下的统计检验，而从5%到26%交叉情况下的组合超额收益的统计检验置信度达到99%，显示出GARP策略具有宽范围的选股有效性。 从风险和收益角度来看，随着交叉深度的提高，组合的收益有先变大后表现的变化趋势，相 对来说，8%交叉深度下的组合表现最为出色，其月均超额收益超过2.3%，信息比率达到1.54，夏普比率超过1，战胜沪深300 指数的频率也接近70%，但是该组合含有的股票数量较少，最多月份含有20 只股票，最少只有2 只股票，平均持有股票9 只。这里我们将其命名为积极GARP 组合（aGARP）。

另外 选择股票个数相对较多，表现也不错的18%交叉深度构建稳健GARP 组合（sGARP）。该组合月均收益达到3.1%，信息比率、夏普比率和战胜基准频率也都差强人意。而且组合中股票个数大大增加，测 试期内，最多含有股票55 只，最少也有23只，平均持股37 只，完全可以满足一些大资金的投资需求。

本文来源：https://www.bwwdw.com/article/yx8f.html