基于FScore指標(biāo)的技術(shù)面因子增強(qiáng)

徐皓

摘 要：股票前期的異常表現(xiàn)可能是由投資者情緒過度反應(yīng)造成的錯殺、公司的基本面顯著變化等原因造成的。由后者引發(fā)的股票理性下跌，未來可能并不會修復(fù)。因此，在計(jì)算反轉(zhuǎn)因子時，需要在股票漲跌幅中排除基本面變化的因素。本文采用代理變量FScore來衡量基本面變化導(dǎo)致的收益率，F(xiàn)Score從公司的流動性、財務(wù)杠桿、運(yùn)營效率等多個維度描述了公司的基本面狀況，與股票價格呈現(xiàn)正相關(guān)的關(guān)系。采用反轉(zhuǎn)和雙重分組，體現(xiàn)了基本面因素對反轉(zhuǎn)的修正。從實(shí)證結(jié)果來看，高基本面質(zhì)量同時前期表現(xiàn)較差的“Loser+High”組合表現(xiàn)最好，基本面較差且前期漲幅較大的股票組合“Winner+Low”組合歷史表現(xiàn)最差，組合之間呈現(xiàn)出明顯的單調(diào)性特征。與原始的反轉(zhuǎn)相比，基本面增強(qiáng)反轉(zhuǎn)的歷史表現(xiàn)明顯更加優(yōu)異。本研究仿造基本面增強(qiáng)反轉(zhuǎn)的思路，構(gòu)建了基本面增強(qiáng)波動率，結(jié)果發(fā)現(xiàn)相比于原始波動率，經(jīng)過基本面增強(qiáng)的波動率因子也具有更強(qiáng)的選股能力。

關(guān)鍵詞：Fscore;基本面增強(qiáng);反轉(zhuǎn)

0 引言

在A股市場上，股票價格的動量效應(yīng)并不是十分顯著，但存在明顯的短期反轉(zhuǎn)效應(yīng)，即在一段較長的時間內(nèi)，表現(xiàn)差的股票在未來會出現(xiàn)逆轉(zhuǎn)，表現(xiàn)變佳;而在給定的一段時間內(nèi)，最佳股票則傾向于在未來出現(xiàn)差的表現(xiàn)。反轉(zhuǎn)是一個公認(rèn)的有效因子，被大量的機(jī)構(gòu)投資者作為一類基礎(chǔ)因子納入到多因子選股模型中，因而反轉(zhuǎn)因子的表現(xiàn)對投資組合的收益有著重大的影響，但是反轉(zhuǎn)因子也存在換手率高、波動性大等缺點(diǎn)。本文受Zhu Z等（2019）的啟發(fā)，從基本面的角度對一些技術(shù)面因子進(jìn)行增強(qiáng)，旨在提高反轉(zhuǎn)的選股效果。

1 基本面增強(qiáng)反轉(zhuǎn)

股價未來走勢往往與前期漲跌幅負(fù)相關(guān)，反轉(zhuǎn)效應(yīng)意味著應(yīng)該買進(jìn)前期跌幅較大的股票，賣出漲幅高的股票。前期跌幅較大可能是因?yàn)橥顿Y者情緒過度反應(yīng)造成的錯殺，也可能是因?yàn)楣镜幕久孀儾睢Ｈ绻且驗(yàn)榍罢?，那么股票后市可能會有明顯的價值修復(fù)，但如果是后者導(dǎo)致的理性下跌，后市難有較好的表現(xiàn)。相應(yīng)地，如果是由于基本面改善導(dǎo)致的前期上漲，后市一般也不會發(fā)生價格回調(diào)。

由此可見，僅從股票漲跌幅考察反轉(zhuǎn)效應(yīng)是不夠的，還需要區(qū)分股票前期表現(xiàn)是否因?yàn)榛久孀兓瘜?dǎo)致。但不幸的是，目前市場上大多數(shù)機(jī)構(gòu)在構(gòu)建反轉(zhuǎn)因子時，似乎都沒有考慮這一因素。

從反轉(zhuǎn)的實(shí)際表現(xiàn)來看，單純的反轉(zhuǎn)因子具有波動性大、換手率高、回撤大的特點(diǎn)。原因之一可能是因?yàn)榉崔D(zhuǎn)的計(jì)算方式簡單，只衡量了前期的市場表現(xiàn)，沒有區(qū)分市場表現(xiàn)是否符合公司的基本面情況，從而造成誤判。

我們將基本面增強(qiáng)反轉(zhuǎn)因子定義為排除基本面因素影響之后的反轉(zhuǎn)效應(yīng)，可以表示為股票過去一段時間的區(qū)間收益率減去同期歸因于基本面變化的收益率：

Rversalt=Rt-R_Ft（1）

Rt表示股票前一個月的漲跌幅，R_Ft表示同期基本面變化導(dǎo)致的R_Ft。

2 FScore

式（1）給出了基本面增強(qiáng)反轉(zhuǎn)的計(jì)算公式，就目前來看，難點(diǎn)在于基本面變化導(dǎo)致的收益率R_Ft的計(jì)算，實(shí)際上很難將股票收益率完美地歸因，無法得到R_Ft的一個準(zhǔn)確值。

既然如此，只能尋找R_Ft的代理變量，幸運(yùn)的是，Piotroski（2000，2012）提出了FScore方法來衡量公司的基本面因素。Choi等（2012）指出，隨著價格對基本面信息的逐步吸收，F(xiàn)Score對于基本面驅(qū)動的未來收益率變化預(yù)測能力是提升的。FScore是一個綜合的指標(biāo)體系，從公司的流動性、財務(wù)杠桿、運(yùn)營效率等多個維度進(jìn)行了考察，同時FScore是一個非參數(shù)的指標(biāo)，只需要公司的財務(wù)報表數(shù)據(jù)即可計(jì)算，沒有模型誤差。

具體來說，F(xiàn)Score是由多個指標(biāo)打分，求得的一個總分值。共有9個指標(biāo)，滿足一個指標(biāo)得一分，不滿足不得分：

1）ROA為正;

2）經(jīng)營活動產(chǎn)生的現(xiàn)金流大于0;

3）ROA同比增長;

4）凈利潤與經(jīng)營活動產(chǎn)生的現(xiàn)金流之差小于0，即應(yīng)計(jì)利潤為負(fù);

5）資產(chǎn)長期負(fù)債率下降;

6）流動比率同比上升;

7）無新股發(fā)行;

8）毛利率同比上升;

9）資產(chǎn)周轉(zhuǎn)率同比上升。

9個指標(biāo)從多個維度衡量了公司的基本面信息，分值越高，基本面狀況越好。Zhu Z等（2019）根據(jù)FScore取值范圍將股票分為3種類型：0～3分為低分值股票，基本面相對較差;4～6分為中等分值股票，代表基本面一般的公司;7～9分為高分值股票，公司的基本面情況良好。

基本面良好的公司，未來股價可能會得到上升，基本面較差的公司，未來股價趨于下跌，因此FScore與股票價格呈現(xiàn)正相關(guān)的關(guān)系。

股票前期Rt漲跌幅與股票價格負(fù)相關(guān)，R_Ft的代理變量FScore與股票價格正相關(guān)，因此基本面增強(qiáng)反轉(zhuǎn)因子與股票價格的關(guān)系由Rt和FScoret兩者共同決定。

3 FScore的實(shí)證

FScore從盈利能力、杠桿率、流動性、運(yùn)營效率等方面衡量了公司的基本面信息，基本面越好，得分越高。我們以A股為例，對FScore的選股效果進(jìn)行實(shí)證。樣本期是2010年1月1日～2019年7月8日，樣本股票是全部A股，排除上市未滿3個月的股票。

在根據(jù)FScore對股票進(jìn)行分組時，若某些指標(biāo)缺失，比如金融類公司沒有流動比率和毛利率等指標(biāo)，則采用剩余的指標(biāo)按得分比例分組，得分率<33%為低分值組，得分率在33%～67%為中分值組，得分>67%為高分值組。例如：若某只股票只有6個指標(biāo)有取值，那么得分在≤2分劃入低分值組，2～5分為中分值組，≥5分為高分值組。

在近10年，全部A股FScore分組呈現(xiàn)倒U結(jié)構(gòu)，一半以上是中等分值股票，低分值和高分值的股票數(shù)量基本持平，三類股票數(shù)量歷史平均占比分別約為18%、65%和17%。

本研究分別計(jì)算了歷史低、中、高分值三個分組的平均年化收益率分別為3.79%、6.19%、9.02%，高分值股票的表現(xiàn)明顯優(yōu)于低分值組。而且高分值組-低分值組的多空凈值曲線在各歷史階段表現(xiàn)非常穩(wěn)定，年化收益率為4.87%，幾乎沒有出現(xiàn)大幅回撤，最大回撤為7%，這證明了FScore與股票具有顯著的正向關(guān)系。

4 反轉(zhuǎn)

一般情況下，反轉(zhuǎn)常用股票一個月的區(qū)間漲跌幅為代表。漲跌幅與股票未來表現(xiàn)負(fù)相關(guān)，呈現(xiàn)一個均值回復(fù)的特點(diǎn)。通過考察樣本期反轉(zhuǎn)現(xiàn)象，將其與后文中的加強(qiáng)版反轉(zhuǎn)作對比，在回測過程中，使用市值和行業(yè)中性化后的因子值進(jìn)行計(jì)算。

按過去20個交易日的漲跌幅從小到大排序，把股票平均分為5個組。組一到組五的平均年化收益率分別為9.44%、10.48%、9.14%、5.63%、-5.51%。從回測結(jié)果來看，前期跌幅最大的組一并沒有取得最高的收益，組間單調(diào)性受到了一定的影響，多空收益的回撤也相對較大。究其原因可能為：前期跌幅較大的股票并不一定都是被錯殺，也可能是由于股票基本面惡化導(dǎo)致的急劇下跌，反轉(zhuǎn)因子沒有進(jìn)行區(qū)分，從而使得組間單調(diào)性不穩(wěn)定，收益率的波動性較大，夏普比率偏低。

5 反轉(zhuǎn)和FScore雙重分組

現(xiàn)在，使用基本面因素的代表FScore來對反轉(zhuǎn)指標(biāo)進(jìn)行修正，形成基本面增強(qiáng)反轉(zhuǎn)因子。具體方法可以采取雙重分組法，先將股票按照反轉(zhuǎn)因子值的大小升序排列，平均分為5組，然后在每一反轉(zhuǎn)因子組中，按照FScore的大小劃分為Low、Middle、High三個組合，一共形成15個投資組合。

根據(jù)前文的分析，可以認(rèn)為具有高基本面質(zhì)量同時前期表現(xiàn)較差組合能夠取得更大的收益，而在Winner組合中，基本面較差的低分值股票更容易發(fā)生回撤。實(shí)證結(jié)果與本研究的推斷相吻合，“Loser+High”組合表現(xiàn)最好，年化收益率為16.17%，“Winner+Low”組合歷史表現(xiàn)最差，年化收益率為-7.12%，組合之間呈現(xiàn)出明顯的單調(diào)性特征。

與原始的反轉(zhuǎn)相比，將反轉(zhuǎn)和FScore因子雙重分組之后，多頭組合的年化收益率由9.44%提升至16.17%，夏普比率由0.30上升至0.52，同時多頭組合的最大回撤率也有明顯下降?？傮w上看，F(xiàn)Score增強(qiáng)了反轉(zhuǎn)因子的選股效果。

在多空組合的構(gòu)建上，Zhu Z等（2019）提出了兩種構(gòu)建方式：

1）Fundamental-Anchored Reversal（FAR）：做多 Loser+High組合，做空Winner+Low組合

2）Fundamental-Unanchored Reversal（FUR）：做多Loser+Low組合，做空Winner+High組合

FAR和FUR的區(qū)別在于，前者的反轉(zhuǎn)多空組合經(jīng)過基本面因素的正向增強(qiáng)，后者則沒有使用基本面因素修正反轉(zhuǎn)，是我們構(gòu)建原始反轉(zhuǎn)多空組合時可能出現(xiàn)的最壞情況。

FAR的年化收益率為23.58%，夏普比率為1.56，最大回撤為20.06%;而FUR的年化收益率為10.64%，夏普比率為0.7，最大回撤為32.67%。FAR的各項(xiàng)表現(xiàn)顯著優(yōu)于FUR，充分說明基本面的修正能夠在反轉(zhuǎn)因子的基礎(chǔ)上發(fā)揮巨大的作用。

6 基本面增強(qiáng)波動率

FScore衡量了公司基本面狀況，反轉(zhuǎn)因子經(jīng)過基本面修正之后明顯變得更好，那么其它技術(shù)面因子是否能夠使用FScore進(jìn)行增強(qiáng)呢？

波動率和反轉(zhuǎn)一樣，一般情況下，與股票收益率呈現(xiàn)負(fù)相關(guān)關(guān)系。若股票基本面狀況良好，前期走勢平穩(wěn)，那么下期價格上漲的概率較大;反之高波動率的低基本面質(zhì)量股票，更容易觸發(fā)下跌。

以股票過去20個交易日漲跌幅的標(biāo)準(zhǔn)差代表波動率因子，對因子進(jìn)行回測。按因子值從小到大排序把股票平均分為5個組，組一到組五的平均年化收益率分別為9.2%、10.08%、7.46%、6.3%、-3.95%。從回測結(jié)果來看，前期波動率最小的組一并沒有取得最高的收益，組間單調(diào)性受到了一定的影響。

之后使用FScore增強(qiáng)波動率因子，將波動率因子分為5組，再在每個波動率分組中按FScore的大小再分為3組，共形成15個組合。

從基本面增強(qiáng)波動率的結(jié)果來看，經(jīng)過基本面增強(qiáng)的多頭組合取得了更高的收益率，“低波動率+High”組合年化收益率為11.59%;空頭組合表現(xiàn)更差，“高波動率+Low”組合年化收益率為-4.78%，同時組間單調(diào)性得到了增強(qiáng)。

另外，仿造FAR、FUR的方式構(gòu)造FAV、FUV組合;

1）Fundamental-Anchored Volatility （FAV）：做多低波動率+ High組合，做空高波動率+ Low組合

2）Fundamental-Unanchored Volatility （FUV）：做多低波動率+ Low組合，做空高波動率+ High組合

FAR的年化收益率為11.89%，夏普比率為0.67;而FUR的年化收益率為2.35%，夏普比率為0.14。FAR的各項(xiàng)表現(xiàn)顯著優(yōu)于FUR，F(xiàn)Score指標(biāo)也能夠?qū)Σ▌勇室蜃舆M(jìn)行增強(qiáng)，使其組間單調(diào)性增強(qiáng)，同時多頭組合收益更高。

7 總結(jié)和展望

本文從股價反轉(zhuǎn)的邏輯出發(fā)，認(rèn)為因基本面惡化而產(chǎn)生的股價下跌很難發(fā)生反轉(zhuǎn)，參考學(xué)術(shù)文獻(xiàn)，使用FScore指標(biāo)來衡量股價的基本面因素，從實(shí)證效果來看，經(jīng)FScore分組后，高分值的股票表現(xiàn)明顯優(yōu)于低分值股票，F(xiàn)Score是一個有效的基本面衡量指標(biāo)。然后采用反轉(zhuǎn)和FScore雙重分組，構(gòu)建了15個投資組合，前期股價表現(xiàn)較差且基本面狀況良好的“Loser+High”組合表現(xiàn)最好，前期表現(xiàn)較好但基本面狀況較差的“Winner+Low”組合歷史表現(xiàn)最差，另外各組之間呈現(xiàn)明顯的單調(diào)性特征。雙重分組之后多頭組合的歷史表現(xiàn)顯著優(yōu)于原始反轉(zhuǎn)的表現(xiàn)，因此，基本面的修正能夠在反轉(zhuǎn)因子的基礎(chǔ)上發(fā)揮巨大的作用。

另外，使用FScore對波動率因子進(jìn)行了增強(qiáng)，結(jié)果發(fā)現(xiàn)，相比于原始波動率，經(jīng)過基本面增強(qiáng)的波動率因子具有更強(qiáng)的選股能力。

參考文獻(xiàn)：

[1]Zhu，Z，Sun L，Chen M.Fundamental strength and short-term return reversal[J].Journal of Empirical Finance，2019.

[2]Guay W R.Discussion of Value Investing：The Use of Historical Financial Statement Information to Separate Winners from Losers[J].SSRN Electronic Journal，2001.