高考加油长城证券量化投资系列之三动态预期股价动量魏家

长城证券：量化投资系列之三 动态预期+股价动量反转之选股策略 类别： 机构： 研究员：

[摘要]

要点：

我们前期所作的工作发现了不少有用的结果，但在随后的思考和backtest中我们也发现了一些问题。为此我们对原来的选股模型做了一些调整，主要工作是清洗数据库以及提出一种新的调仓模型。这样我们得到的选股结果收益率虽然比上期报告有所降低，但却使backtest更具真实性。

动量（momentum）也可称为惯性，意为趋势的延续。采用动量选股的前提假设是上涨或下跌趋势可以延续，这时投资者应采用追涨杀跌的策略。反转（reversion）意为股价偏离正常运行轨道，有均今年年底值回复的要求。我们以沪深300指数中的指标股为池在05年到10年一季度时间段里的动量反转策略做了一个实证测验。动量的时间分别考虑5日、10日、30日等短期动量；反转的时间分别考虑91日、182日、365日反转，意为中长时间段跑输市场的股票有均值回复要求。结果发现动量策略基本是失效的，而反转策略明显有效，尤其是长周期反转。例如182日反转、365日反转策略分别在4年多时间里跑赢指数152%和260%。

我们在动态预期选股流程中加入动量与反转模块，从51个月的长周期运行结果来看，在我们的动态预期选股流程中加入股价动量、反转策略在总收益上并不比单纯的动态选股指标要强。但有三个策略运行的结果还是比较理想的，分别是预期收入增长率+10日动量策略、预期净利润增长率+365日反转策略、动态PEG+365日反转策略。

对于动量本身的定义来看，如果股价动量与盈利动量实现共振，可能更具有实际操作的意义。而未来行业权重的动态优化、大中小盘股的权重优化、择时策略的应用会给量化投资组合带来更好的表现。

附表中我们给出了基于沪深300股票池的365日反转选股、四种动态预期选股指标以及三种动量反转增强指标在最近六个月选股情况。

1、选股模型的修正1.1我们前期的工作在《量化系列报告之二——动态预期选股模型初探》中，我们提出了动态预期选股可以增强投资组合的阿尔法。在考虑过众多动态预期选股指标后，我们甄选出动态PE、预期收入增长率、预期净利润增长率、动态PEG等四个指标进行考察。投资组合构建的时间跨度为1个月，在每个月初进行组合的调5分钟内到达学校。”昨天整，假设调仓成本为1%，选股范围为2010年前上市的全部A股股票（不包括创业板），组合内股票数量为30支。

模型的结果表明，动态PEG组合具有最好的选股能力。而四种选股指标在06年到09年整四年时间里都能获得超过800%的累计收益率，大幅跑赢同期的沪深300指数，也能超越同期大部分股票型基金。

但是我们在随后的思考和backtest中也发现了一些问题，主要矛盾在于理论上的模型距离真实操作还存在距离。为此我们对原来的选股模型做了一些调整，主要工作是清洗数据库以及提出一种新的调仓模型。这样我们得到的选股结果收益率虽然比上期报告有所降低，但却使backtest更具真实性。

1.2模型的改进：清洗数据库与选择调仓模型为了使得选股模型更加贴近实际，我们对数据库进行了数次的清洗。目的是剔除那些发生重大资产重组在长期停牌后复牌的股票，因为这些股票往往不能利用选股模型来解释，并且也无法在组合构建中买入。同时，为了剔除异常情况，我们定义的动态PE遴选条件应该大于5，预期收入或净利润成长率应小于1000，设立遴选条件主要是筛除那些异常数据例如扭亏为盈或财务洗澡的情况，相对应的PEG的筛选条件应该是大于0.005。

并且，为了使操作接近于真实的量化基金操作，减少交易成本，我们提出了两种调仓的模型。

模型1：在月末最后一个交易日调仓的时候检测本月和下月的投资组合中有没有重复的股票，如果有，则对重复的股票不进行任何操作，仍然放在投资组合中。其他需要更新的股票，则卖出，再把卖出后的市值平均分配给下月需要买入的股票，操作价格均为当日收盘价。