摘要

　　股票池篩選是應(yīng)用量化投資的基礎(chǔ)性研究，一方面能提供負(fù)向 α 來(lái)源，另一方面能盡量避免踩坑。本文圍繞“如何規(guī)避爛股票”這一主題，介紹了黑名單的三類來(lái)源：低流動(dòng)性股票、“18 禁”股票和負(fù)向 α 股票。

　　一、引言

　　股票多因子組合的構(gòu)建和交易一般包括以下幾個(gè)模塊：

　　1. 阿爾法模型：通過(guò)定義阿爾法因子及其權(quán)重，用來(lái)預(yù)測(cè)股票收益;

　　2. 風(fēng)險(xiǎn)模型：預(yù)測(cè)股票的方差協(xié)方差矩陣，一般通過(guò)多因子結(jié)構(gòu)化風(fēng)險(xiǎn)模型來(lái)做;

　　3. 成本模型：對(duì)交易費(fèi)用和沖擊成本進(jìn)行建模，在組合優(yōu)化時(shí)作為扣減項(xiàng);

　　4. 組合優(yōu)化器：最大化投資目標(biāo)，如最大化風(fēng)險(xiǎn)調(diào)整后收益;

　　5. 交易執(zhí)行：利用算法交易等減少?zèng)_擊成本;

　　6. 業(yè)績(jī)?cè)u(píng)價(jià)和歸因：計(jì)算風(fēng)險(xiǎn)收益指標(biāo)，對(duì)業(yè)績(jī)進(jìn)行收益和風(fēng)險(xiǎn)歸因。

　　其中阿爾法模型主要負(fù)責(zé)因子選股，是整個(gè)多因子組合中最核心的部分，也是大多數(shù)研究員絞盡腦汁的地方。研究員通過(guò)挖掘具有顯著信息增量的因子，試圖提升組合收益。

　　阿爾法模塊，一般包括以下步驟：

　　1. universe 的定義，包括原始股票池，黑名單的選擇;

　　2. 阿爾法因子的選擇和合成，常見(jiàn)的大類因子包括價(jià)值、質(zhì)量、波動(dòng)性、動(dòng)量、市值和流動(dòng)性;

　　3. 因子權(quán)重的分配，即因子擇時(shí);

　　4. 將復(fù)合因子轉(zhuǎn)化為阿爾法預(yù)測(cè)。

　　在定義 universe 時(shí)，為了防止掉坑踩雷，會(huì)在初始的股票池中剔除掉黑名單，形成最終的投資范圍。大多數(shù)研究員都在努力尋找好股票，本報(bào)告反其道行之，探討如何找到垃圾股，即如何更好地定義黑名單。

　　二、黑名單的來(lái)源

　　從黑名單的來(lái)源上，可以分成三類：

　　1. 低流動(dòng)性股票：出于沖擊成本和產(chǎn)品容量考慮，流動(dòng)性極低是需要被濾掉的;

　　2. “18 禁”股票：這類股票往往是合同投資范圍明確禁投的，如風(fēng)險(xiǎn)警示股票;

　　3. 負(fù)向 α 股票：和正向 α 相反，指那些長(zhǎng)期跑輸基準(zhǔn)的股票。

　　接下來(lái)詳細(xì)介紹這三類股票。

　　三、低流動(dòng)性

　　在控制其他因素后，股票收益率會(huì)隨著流動(dòng)性的減少而增加。也就是說(shuō)，如果愿意承擔(dān)流動(dòng)性風(fēng)險(xiǎn)的話，市場(chǎng)會(huì)給予流動(dòng)性溢價(jià)。Amihud (2002)、Pástor and Stambaugh (2003) 對(duì)此都有表述。例如 Pástor and Stambaugh (2003) 按照流動(dòng)性風(fēng)險(xiǎn)將股票分成 10 組，在控制其他因素后(市場(chǎng)、市值、價(jià)值和動(dòng)量)，組合平均收益率隨著流動(dòng)性風(fēng)險(xiǎn)上升。

　　

　　在國(guó)內(nèi)市場(chǎng)，流動(dòng)性一個(gè)相當(dāng)不錯(cuò)的因子。參考 Amihud (2002) 計(jì)算 ILLIQ 指標(biāo)，分子為日度收益率絕對(duì)值，分母為成交額，再取 21 日均值。ILLIQ 可以理解為單位成交額對(duì)應(yīng)的漲跌，用來(lái)衡量股票的流動(dòng)水平，其值越小流動(dòng)性越好。下圖展示了 ILLIQ 月度 IC 序列和其滾動(dòng) 12 月均值，整個(gè)樣本來(lái)看，IC 均值為 0.08，具有較高的信息含量。

　　

　　按照 ILLIQ 分為 10 組，每組市值加權(quán)，月度調(diào)倉(cāng)，分組表現(xiàn)見(jiàn)下表(本文的實(shí)證中，在構(gòu)造組合時(shí)，剔除 ST、一字漲停、新股和停牌股，均采用市值加權(quán)，月度調(diào)倉(cāng)，不考慮任何交易成本)?？梢钥吹搅鲃?dòng)性最差的第 10 組，年化收益高達(dá) 30.45%，遠(yuǎn)遠(yuǎn)高于市場(chǎng)組合和流動(dòng)性較高的組合。由于其持續(xù)穩(wěn)定和強(qiáng)勁的表現(xiàn)，完全可以將流動(dòng)性視為一個(gè)阿爾法因子。尤其是資金量不大、交易頻率較低和資金規(guī)模穩(wěn)定時(shí)，配置該因子是一個(gè)不錯(cuò)的選擇。

　　

　　然而，低流動(dòng)性的風(fēng)險(xiǎn)也不容小覷。統(tǒng)計(jì)每個(gè) ILLIQ 分組股票在調(diào)倉(cāng)日的平均成交量(下圖)?？梢钥吹剑?10 組股票成交非常稀薄。流動(dòng)性低，沖擊成本較高，超額收益看得到拿不著，策略容量具有天花板;如果資金不穩(wěn)定，頻繁流入或流出，導(dǎo)致交易頻率較高，產(chǎn)品靈活性不高。因此，很多投資機(jī)構(gòu)將流動(dòng)性視為一個(gè)風(fēng)險(xiǎn)因子，在構(gòu)造組合時(shí)將流動(dòng)性極低的股票剔除。

　　

　　為了讓指數(shù)更具吸引力和交易性，中證指數(shù)在很多指數(shù)編制方案中都引入了流動(dòng)性剔除規(guī)則，如下表所示的中證指數(shù)流動(dòng)性剔除方案。

　　

　　除了股票，其他資產(chǎn)也會(huì)有相應(yīng)的流動(dòng)性剔除方案。在交易商品期貨時(shí)，一般只能交易流動(dòng)性較好的三個(gè)合約，且不能進(jìn)入交割月;在交易所買賣債券時(shí)，沒(méi)法剔除流動(dòng)性，為根本沒(méi)有流動(dòng)性;在交易 ETF 時(shí)，盡量選擇同類產(chǎn)品中成交量最大的;在申購(gòu)基金時(shí)，基金規(guī)模太小的就不要考慮了。

　　四、“18 禁” 股票

　　在確定股票池時(shí)，有一些公認(rèn)的股票波動(dòng)較大，在購(gòu)買時(shí)要規(guī)避。這類股票在指數(shù)編制時(shí)需要剔除，基金合同中也明令禁投。鑒于其如此不受待見(jiàn)，將其命名為 “18 禁”股。常見(jiàn)的禁投股有三種：次新股、風(fēng)險(xiǎn)警示股和待退市股。

　　4.1 次新股

　　次新股即上市時(shí)間較短的股票，不同機(jī)構(gòu)定義不一樣，一般不會(huì)超過(guò)一年。次新股由于具備高彈性、高波動(dòng)、無(wú)套牢盤、無(wú)解禁壓力以及高送轉(zhuǎn)等預(yù)期，容易受到資金的追捧，風(fēng)險(xiǎn)較高。目前可以查到兩個(gè)次新股指數(shù)：wind 次新股指數(shù)(884189.WI)和深次新股指數(shù)(399678.SZ)。

　　深次新股指數(shù)和中證500指數(shù)的走勢(shì)如下。可以看到，雖然沒(méi)有大幅跑輸中證500，但次新股指數(shù)波動(dòng)明顯更大，風(fēng)險(xiǎn)調(diào)整后收益更小。

　　

　　4.2 風(fēng)險(xiǎn)警示股

　　1998 年 4 月 22 日，滬深交易所宣布對(duì)財(cái)務(wù)狀況(或其它狀況)出現(xiàn)異常的股票交易進(jìn)行特別處理(special treatment)，即被 ST。其中異常主要指兩種情況：一是上市公司經(jīng)審計(jì)兩個(gè)會(huì)計(jì)年度的凈利潤(rùn)均為負(fù)值;二是上市公司最近一個(gè)會(huì)計(jì)年度經(jīng)審計(jì)的每股凈資產(chǎn)低于股票面值。

　　風(fēng)險(xiǎn)警示股往往會(huì)面臨較多風(fēng)險(xiǎn)，包括暫停上市或退市風(fēng)險(xiǎn)，停牌導(dǎo)致流動(dòng)性喪失，大漲大跌帶來(lái)劇烈波動(dòng)等。

　　為了直觀認(rèn)識(shí) ST 股票的收益波動(dòng)特征，可以簡(jiǎn)單編制一個(gè) ST 板塊指數(shù)。具體方案為，根據(jù)每日在市的風(fēng)險(xiǎn)警示股票，計(jì)算其平均收益率，即為 ST 板塊收益率。從該指數(shù)的長(zhǎng)期走勢(shì)來(lái)看，能遠(yuǎn)遠(yuǎn)跑贏中證500指數(shù);然而，其累計(jì)超額收益并不明顯，性價(jià)比不高。ST 股票長(zhǎng)期能有亮眼表現(xiàn)，一個(gè)很大的因素是因?yàn)槠錃r(jià)值;由于近幾年借殼和重大資產(chǎn)重組的規(guī)范，以及退市制度的完善，殼價(jià)值效應(yīng)慢慢消失，ST 股票陰暗邪惡的一面也展現(xiàn)了出來(lái)。

　　

　　在構(gòu)造組合時(shí)候，除了剔除在市的風(fēng)險(xiǎn)警示股外，還要盡可能避免持有的股票被戴帽。一般來(lái)說(shuō) ，年報(bào)披露后，如果滿足戴帽條件，很快就會(huì)被 ST，給組合帶來(lái)風(fēng)險(xiǎn)。所以需要提前預(yù)測(cè)哪些股票可能會(huì)被列入風(fēng)險(xiǎn)警示股，也將其列入黑名單，避免踩雷。

　　具體來(lái)說(shuō)，在交易日 T，取股票的上一年年報(bào)凈利潤(rùn)(若年報(bào)未披露，則用年報(bào)業(yè)績(jī)快報(bào)填充;若無(wú)快報(bào)，用年報(bào)業(yè)績(jī)預(yù)告填充)，以及上上年的凈利潤(rùn)。若兩年均為負(fù)，則將該股票列入黑名單。

　　4.3 待退市股

　　上市公司如果沒(méi)有能力摘掉風(fēng)險(xiǎn)警示的帽子，就得暫停上市，直接面臨退市風(fēng)險(xiǎn)。決定退市的股票恢復(fù)交易后，往往會(huì)面臨一連串的跌停，是一顆大地雷。這類股票需要重點(diǎn)監(jiān)控并回避。

　　五、負(fù)向 α 股票

　　長(zhǎng)期大概率跑輸大盤的股票，即定義為具有負(fù)向阿爾法，可以在構(gòu)造投資組合時(shí)事先剔除。根據(jù)經(jīng)驗(yàn)，有以下四類負(fù)向阿爾法股票，即：

　　1. 從量?jī)r(jià)交易特征上看，具有高短期動(dòng)量、高換手率和高波動(dòng)的個(gè)股，即投機(jī)股;

　　2. 從公司基本面上來(lái)看，估值又高盈利又差的個(gè)股，即低性價(jià)比股;

　　3. 從會(huì)計(jì)準(zhǔn)則來(lái)看，進(jìn)行盈余操縱或財(cái)務(wù)操縱的股票;

　　4. 從事件驅(qū)動(dòng)角度看，發(fā)生持續(xù)負(fù)向風(fēng)險(xiǎn)事件，如股東減持。

　　下面分別介紹這幾類負(fù)向 α 股票。

　　5.1 投機(jī)股

　　投機(jī)股一般具有三個(gè)特征：高短期動(dòng)量、高換手率和高波動(dòng)率。

　　大量實(shí)證顯示股票價(jià)格具有短期反轉(zhuǎn)，中期動(dòng)量和長(zhǎng)期反轉(zhuǎn)的規(guī)律。在 A 股市場(chǎng)，以最近一個(gè)月為窗口計(jì)算收益率的反轉(zhuǎn)效應(yīng)更加明顯，即前期跌幅較多的股票，接下來(lái)可能會(huì)絕地反擊;前期漲幅較多的股票，接下來(lái)會(huì)有回調(diào)壓力。

　　按照一個(gè)月動(dòng)量因子(最近一個(gè)月收益率)分成 10 組，每組累計(jì)收益如下?？梢钥吹?，各組單調(diào)性比較明顯，區(qū)分度較高;短期動(dòng)量較高的第 10 組明顯跑得很差，遠(yuǎn)遠(yuǎn)差于市場(chǎng)。

　　

　　再來(lái)看看換手率。還記得那個(gè)活到 18 歲就卒的申萬(wàn)活躍股指數(shù)嗎?其每年收益和市場(chǎng)收益對(duì)比見(jiàn)下圖。根據(jù)其編制規(guī)則，每周選取換手率較高的 100 支股票，直到編不下去。專家們都喜歡讓投資者關(guān)注換手率高的個(gè)股，長(zhǎng)期來(lái)看的下場(chǎng)就是虧得一分不剩。

　　

　　類似的，按一個(gè)月平均換手率將 A 股分為 10 組，可以看到高換手率的股票，大幅跑輸 wind 全 A 指數(shù)。

　　

　　接下來(lái)看看高波動(dòng)股票。根據(jù)經(jīng)典理論，高風(fēng)險(xiǎn)(高 beta，高波動(dòng)率)獲得高收益。然而，已經(jīng)有大量論文發(fā)現(xiàn)并非這樣，低波動(dòng)的股票比高波動(dòng)股票能帶來(lái)更高的風(fēng)險(xiǎn)調(diào)整后收益，即低風(fēng)險(xiǎn)異象(low risk anomaly;

　　利用 Fame and French (1993) 三因子模型殘差計(jì)算個(gè)股的異質(zhì)波動(dòng)率，然后按照一個(gè)月特質(zhì)波動(dòng)率將股票分成 10 組，下圖展示了每組的累計(jì)收益。和短期動(dòng)量和換手率一樣，高波動(dòng)就像一攤絕望的死水，市場(chǎng)沒(méi)有給予一點(diǎn)風(fēng)險(xiǎn)補(bǔ)償。

　　

　　從上面的分析可以看出，具有高短期動(dòng)量、高換手率和高波動(dòng)率的個(gè)股，大概率上不是好東西。這些股票符合學(xué)術(shù)上說(shuō)的“lottery like”股票，受到市場(chǎng)的追捧，價(jià)格往往被高估，導(dǎo)致較低的預(yù)期收益率。在篩選股票之前，可以將這些投機(jī)股扔掉，以獲得更優(yōu)的池子。

　　5.2 低性價(jià)比股

　　從基本面的角度，可以試圖定義“低性價(jià)比”的股票。

　　首先，看看 AQR 在對(duì)巴菲特的業(yè)績(jī)進(jìn)行的歸因分析。從 1997 年到 2016 年，巴菲特年化收益 17.6%，其中 6.8% 來(lái)自于市場(chǎng) beta，3.4% 來(lái)自于公司質(zhì)量，1.2% 來(lái)自于估值因子，2.6% 來(lái)自于低波動(dòng)因子，剩余的可以歸因于巴菲特個(gè)人的眼光和能力。

　　

　　在解釋巴菲特的成功因素時(shí)，繞不開(kāi)價(jià)值和質(zhì)量。在巴菲特的投資哲學(xué)里，基本面良好，估值又低的股票，性價(jià)比較高。相反，可以定義低性價(jià)比股票，即估值高，基本面又差，一點(diǎn)都不劃算。

　　衡量公司價(jià)值常用相對(duì)估值法，如指標(biāo) PB、PE、PS 和 PCF 等，其中 BM(PB)是最常見(jiàn)最深入人心的估值指標(biāo)，自從 Fame and French (1993) 提出三因子模型之后，BM 就成為了價(jià)值度量的代言。公司質(zhì)量從基本面的角度出發(fā)，如盈利能力、盈利質(zhì)量、成長(zhǎng)能力、財(cái)務(wù)安全和公司治理等，更多關(guān)于公司質(zhì)量的討論，可以參考 Hsu, Kalesnik, and Kose (2019)。

　　選擇 BM 作為估值因子并等分為 5 組，選擇 Piotroski (2000) 的 F-Score 作為公司質(zhì)量因子分為 3 組，然后進(jìn)行交叉，得到 15 個(gè)組合(關(guān)于 F-Score 的解讀和其在 A 股上的實(shí)證請(qǐng)參考《加強(qiáng)版反轉(zhuǎn)》)。下圖展示了低性價(jià)比組合和市場(chǎng)組合每年收益率對(duì)比，以及 15 個(gè)組合的業(yè)績(jī)指標(biāo)?？梢钥吹?，那些基本面差勁估值又高的股票，最后的歸宿都不怎樣，組合表現(xiàn)業(yè)績(jī)十分糟糕，遇到了一定要繞道而行。

　　

　　

　　5.3 盈余和財(cái)務(wù)操縱

　　今年以來(lái)，業(yè)績(jī)暴雷事件一串接著一串，關(guān)于財(cái)務(wù)操縱和造假的研究也越來(lái)越多，例如：

　　曹春曉 (2019a). 財(cái)務(wù)造假啟示錄：財(cái)務(wù)質(zhì)量因子研究. 申萬(wàn)宏源.

　　劉晨明，李如娟，許向真 (2019). 財(cái)務(wù)造假的特征與識(shí)別 —— 一個(gè)評(píng)分模型的建立. 天風(fēng)證券.

　　吳先興，張欣慰 (2019). 量化排雷指南 —— 從問(wèn)詢函和財(cái)務(wù)異常說(shuō)起. 天風(fēng)證券.

　　學(xué)術(shù)界對(duì)于盈余操縱最著名的研究之一要數(shù) Beneish (1999) 提出的 M-Score;Beneish, Lee, and Nichols (2013) 后續(xù)對(duì)該模型進(jìn)行了樣本外檢驗(yàn)。M-Score 本質(zhì)上是一個(gè)基于財(cái)報(bào)數(shù)據(jù)的統(tǒng)計(jì)學(xué)模型，它可以在美股上很好的甄別出進(jìn)行了盈余操縱的公司。

　　對(duì)于 A 股來(lái)說(shuō)，初步的實(shí)證顯示，雖然 M-Score 中選擇的會(huì)計(jì)學(xué)指標(biāo)有很強(qiáng)的業(yè)務(wù)含義，然而直接照搬 M-Score 的效果有限。作為一個(gè) Probit Regression 統(tǒng)計(jì)模型，M-Score 中指標(biāo)的參數(shù)是針對(duì)美股的數(shù)據(jù)學(xué)出來(lái)的，且其輸入?yún)?shù)對(duì)于 A 股盈余操縱的有效性存在先驗(yàn)是否合理的問(wèn)題。此外，由于美國(guó)并沒(méi)有采用國(guó)際會(huì)計(jì)準(zhǔn)則，而是采用了美國(guó)會(huì)計(jì)準(zhǔn)則，因此也會(huì)造成模型適用性的問(wèn)題。但無(wú)論如何，M-Score 的思路值得學(xué)習(xí)。

量化金融分析師（簡(jiǎn)稱AQF ，Analyst of Quantitative Finance）由量化金融標(biāo)準(zhǔn)委員會(huì)（Standard Committee of Quantitative Finance，SCQF）主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。>>>點(diǎn)擊咨詢AQF證書含金量

>>>點(diǎn)擊上圖了解課程詳情

（點(diǎn)擊上圖了解課程詳情）

　　5.4 負(fù)向事件股

　　好事不出門，壞事傳千里。那些遭到負(fù)面事件嚴(yán)重影響的股票，需要小心。

　　需要注意的是，負(fù)面事件比較多樣，并非所有的事件都會(huì)對(duì)股價(jià)帶來(lái)持續(xù)的壓力。有些事件是短期風(fēng)險(xiǎn)事件，市場(chǎng)反應(yīng)較快，股價(jià)承壓有限，如企業(yè)違規(guī)事項(xiàng);只有那些長(zhǎng)期持續(xù)的風(fēng)險(xiǎn)事件，才會(huì)納入考慮。

　　具體哪些是持續(xù)的負(fù)向事件，可以通過(guò)事件驅(qū)動(dòng)的框架進(jìn)行研究，下表整理了一些常見(jiàn)的負(fù)向事件。

　　

　　以股東減持(非大宗減持)為例，根據(jù)劉富兵和李辰 (2016) 的研究(下圖)，該事件公告日后 20 個(gè)交易日累計(jì)異常收益為 -0.51%，t 值為 -7.67，顯著小于 0，而且具有持續(xù)性。

　　

　　六、結(jié)語(yǔ)

　　本篇報(bào)告圍繞“如何規(guī)避爛股票”這一主題，介紹了黑名單的三類來(lái)源。首先，流動(dòng)性低的股票，雖然能獲得風(fēng)險(xiǎn)溢價(jià)，但是潛在的交易成本也不能忽略，對(duì)于換手頻繁和規(guī)模較大的資金，需要繞道而行。其次，無(wú)論是新股、風(fēng)險(xiǎn)警示股還是待退市股票，雖然存在潛在的巨大收益，但是承擔(dān)的波動(dòng)也不小，放入投資組合并不劃算，碰到退市的股票就不妙了。最后，那些長(zhǎng)期具有顯著負(fù)向阿爾法的股票，包括投機(jī)股、低性價(jià)比股、財(cái)務(wù)操縱以及負(fù)面事件股，除非能低成本靈活地賣空，否則較好不要碰。

　　本文旨在對(duì)如何規(guī)避爛股票進(jìn)行概要性的介紹。雖然行文中加入了不少實(shí)證，但也難言面面俱到，對(duì)某些方面的闡述不夠深刻。在后續(xù)的研究中，我們會(huì)在國(guó)內(nèi)外已有研究的基礎(chǔ)上，進(jìn)一步針對(duì) A 股展開(kāi)財(cái)務(wù)操縱和造假方面的實(shí)證研究。

　　

　　參考文獻(xiàn)

　　Amihud, Y. (2002). Illiquidity and stock returns: cross-section and time-series effects. Journal of financial markets, Vol. 5(1), 31 – 56.

　　Beneish, M. D. (1999). The detection of earnings manipulation. Financial Analysts Journal, Vol. 55(5), 24 – 26.

　　Beneish, M. D., C. M. C. Lee, and D. C. Nichols (2013). Earnings manipulation and expected returns. Financial Analysts Journal, Vol. 69(2), 57 – 82.

　　Brooks, J., S. Tsuji, and D. Villalon (2019). Superstar investors. The Journal of Investing, forthcoming.

　　Hsu, J. C., V. Kalesnik, and E. Kose (2018). What is quality? Financial Analysts Journal, Vol. 75(2), 44 – 61.

　　Fama, E. F. and K. R. French (1993). Common Risk Factors in the Returns on Stocks and Bonds. Journal of Financial Economics, Vol. 33(1), 3 – 56.

　　Pástor, ?. and R. F. Stambaugh (2003). Liquidity risk and expected stock returns. Journal of Political economy, Vol. 111(3), 642 – 685.

　　Piotroski, J. D. (2000). Value investing: The use of historical financial statement information to separate winners from losers. Journal of Accounting Research, Vol. 38, 1 – 52.

　　金程推薦： AQF培訓(xùn) AQF培訓(xùn)機(jī)構(gòu) AQF是什么意思

咨詢電話：400-700-9596

AQF考友群：760229148

　　金融寬客交流群：801860357

　　微信公眾號(hào)：量化金融分析師

　　>>>返回首頁(yè)

　　聲明丨作者：石川，量信投資創(chuàng)始合伙人，清華大學(xué)學(xué)士、碩士，麻省理工學(xué)院博士;精通各種概率模型和統(tǒng)計(jì)方法，擅長(zhǎng)不確定性隨機(jī)系統(tǒng)的建模及優(yōu)化。