JQData | A股投资指南-单因子选股的有效性验证
JQData | A股投资指南-单因子选股的有效性验证
关于选股这个话题，相信每个投资者都有自己的一番心得。
技术派会提到均线、换手率等价格因子，而基本面派则更多会关注ROE、ROA等财务因子。
那么，在如此众多的因子中，什么因子真正有效呢？
本文试图构建一个通用的因子选股回测模型，来验证因子的有效性。
什么是有效因子
在构建因子选股回测模型之前，我们总结了一个有效因子的三个重要特征，它们是：
①超额收益：一个有效因子，应当能筛选出好的股票组合，创造出跑赢大盘的超额收益。
②持续性：一个有效因子，应当是在一个较长的时间段内持续有效，而不是仅仅在一个季度、一个年份有效。
③稳定性：一个有效因子，不仅是对一个市场有效，而是在所有市场都有效，能够跨市场通用的因子才是好因子。
针对以上三个特征，我们将回测周期设定在从2012-01-01至2019-01-31的时间段内，选取沪深300和中小板指代表两种不同风格的市场，通过因子选股的回测收益，来验证因子的有效性。
回测对象
1.股票池：通过聚宽数据出品的本地量化数据接口JQData，我们找到了获取任意指数成分股的方法：详见get_index_stocks()函数，在传入000300.XSHG和399005.XSHE两个指数代码后，我们获取了每一个交易日沪深300和中小板指数的股票池。
2.因子：紧接着，我们使用get_factor_values方法从聚宽因子库的数百个因子中选取了两个较常用的因子：operating_profit_ttm营业利润TTM(过去12个月营业利润之和）以及net_profit_growth_rate净利润增长率((今年净利润(TTM)/去年净利润(TTM))-1)。
Img
因子分层回测模型
为了验证每一个因子的有效性，我们构建了一个通用的因子选股回测模型，整体思路如下：
①每个交易日取出股票池中股票的因子值，按从小到大进行排序，将排序后的股票池等分成N个股票组合。(本文采用5等分股票池）
②等额买入每个等份的股票组合，月底重复①②两步并重新调仓，最后计算平均收益。(本文默认按月调仓）
③在总的时间区间上，每个调仓周期结束后进行一个复利的计算，最后将每组股票的累计收益绘制出来进行对比。
模型构建完毕后，我们传入回测区间和股票池，通过各个股票组合之间的收益对比以及和沪深300基准收益进行对比，我们能够清楚的找到能够带来超额收益Alpha的有效因子。
- 01.按营业利润TTM在沪深300股票池下的投资结果 -
按照模型思路，我们对沪深300股票池中的300只股票按照营业利润TTM因子值由小到大排序，再将其按顺序分成5等份，买入持有，月末调仓，每个等份分别回测出2012-01-01至2019-01-31按月调仓的累计收益，并绘制成图。
Img
可以看到，第0组~第4组之间总体分层较为明显，说明营业利润TTM在沪深300股票池中的表现是非常优秀的。它能够将沪深300中好的股票和差的股票在长达7年多的回测区间中大体区分开来。
Img
进一步的，沪深300中营业利润最高的组合在2012-01-01~2019-01-31的时间段内，收益高达【88.74%】，而同期沪深300的收益仅有【36.49%】，说明营业利润TTM因子的选股能力很强。
- 02.按营业利润TTM在中小板指股票池下的投资结果 -
沪深300总体都是白马蓝筹股，那么营业利润是否有不错的稳定性呢？它在其他风格中的市场中表现如何呢？以下是营业利润TTM在中小板指股票池中的表现：
Img
可以看到，它的表现并不是那么乐观，五组分层结果也不是那么明显。说明营业利润TTM因子更加适用于白马蓝筹，而在小市值股票中的表现却很一般。