原标题：【国君策略】质优策略（一）：追寻穿越牛熊的高回报 ——新研·突破系列之一

  基于公司质量的投资逻辑，建立定义准确、方法明确、回测精确的投资策略，打破当前策略研判与组合构建之间尴尬的藩篱，推动“价值投资”从呼声走向实际操作。

  国君策略新研·突破系列：市场的本质是进化，研判是学习机制之争；对于策略，更是维度之战；在普遍联系的世界里，胜在综合。这个系列，我们尝试拓展策略研判的维度，用更新的视角、更广泛的手段，为理解与把握市场做出积极的尝试。

  就策略而言，存在“价值投资”呼声多却难于实践的尴尬。“龙头”、 “漂亮N零”、“核心”组合、甚至“以大以胖”为美之说频现纸上，外延概念“中盘蓝筹”、“创蓝筹”、“二线白马”等市场多有提及与讨论。然而上述“标签”难于实践：难于衡量、筛选、回测，定义本身多也模糊；最终演化成独立不相干的自下而上筛选。

  本系列第一项任务：从公司质量的角度构建价值投资策略。力求实现定义准确、方法明确、回测精确，打破当前策略研判与组合构建之间尴尬的藩篱。本篇作为质优策略的核心篇，回答七个关键问题：

  1.如何定义与计量公司质量？从价值决定的戈登股利增长模型推知，公司价值取决于盈利能力、成长性与安全性共同作用，故引入Z-分数方法构建质量分数，使不同维度数据可加可比（详见4.1-4.2）。

  2.公司质量与公司价值的关系是什么？在大市值样本（前30%），公司的质量分数与公司估值显著正相关，且对公司估值的解释力较强，更高的质量对股价有支撑；而对于小市值样本不显著（详见4.4）。

  3.A股基于公司质量的套利策略为何成为可能？1）质量分数对公司未来质量有着非常强的预测能力，当前质优（质劣）公司在未来三年时间仍延续质优（质劣）表现（详见4.3）。2）大市值样本中，A股对质优公司存在低估倾向而对质劣公司明显高估（详见4.5）。

  在今年3月，我们开启了国君策略焦点·睿析系列，至今已有十一篇；旨在研判市场的焦点问题并做研究穿透，争取在特定时间对特定问题获得领先市场的可能。但超越市场何其困难，获得与市场不同的认识、甚至是更加正确一些的认识何其困难。瞬息万变、悬梁刺股、学无止境，也在不断地加深一些理解：

  因而决定开启一个全新的系列，名为“新研·突破”，用更新的视角、更广泛的手段，为理解市场这个恒久的命题做出积极的尝试，在永无止境的投研路上留下我们新思考的痕迹。

  随着市场的成熟程度不断的提高，在2017年“价值投资”呼声渐起，如何理解价值将是策略研判到投资决策的核心一环。回想3月28日提出竞争优势边际改善的龙头白马组合[1]至今，各色“龙头”之说，“漂亮”N零之说，某某“50”之说，“核心”组合，甚至“以大以胖”为美之说频现纸上，其外延概念如“中盘蓝筹”、“创蓝筹”、“二线白马”等市场多有提及。

  [1] 2017年3月28日《龙头起舞，组合优选——国君策略焦点·睿析系列之二》率先提出买竞争优势边际改善的龙马组合作为全年基准配置，并给出取自周期、消费板块共计27只标的构成组合；截止17Q3组合对上证综指取得显著的超额回报。

  在我们看来，上述“标签”在实战层面难以令人满意：毕竟难于衡量、难于筛选、难于回测，甚至连定义本身也模糊不清；最终演化成比拼“嗓门”的营销，与独立不相干的自下而上筛选。

  新研·突破系列的第一项任务，是通过五篇左右的系列报告，研究公司质量与公司价值的关系，建立定义准确、方法明确、回测精确的投资策略，打破当前策略研判与组合构建之间尴尬的藩篱。

  5.针对A股存在的做空限制，多头质优策略选股、组合构建、择时加强是否可能？（5.1、5.3节）

  长久以来，巴菲特的伯克希尔哈撒韦在长达30多年的时间里取得了0.76的夏普比，远高于具有相同存续期的股票或共同基金；同时经传统的风险因子调整后仍具有非常明显为正的Alpha超额收益。

  然而，经由QMJ因子（Quality-Minus-Junk）与BAB（Betting-Against-Beta）因子调整后，Alpha变得不再显著；与此同时，伯克希尔哈撒韦通过获得低利率的长久期资金向其投资组合（高夏普比）加杠杆，成为了卓著投资绩效的另一重要支撑。

  质优、低Beta、高夏普比组合、用低无风险利率的长久期资金加杠杆，或许是价值投资“股神”巴菲特带给投资者的启示吧。本系列首先试A股QMJ因子进行开发与策略应用，从“质量”的层面回应市场的“价值投资”呼声。

  本文提出的质优策略以Quality Minus Junk（以下简称QMJ）投资模型（Clifford[3],2017）为基础，其核心在于帮助投资者选出“高质量”的质优股，而避免买入“低质量”的垃圾股。更进一步，通过做多质优股与做空质劣股取得稳定的超额回报。

  [4] A股市场中的大小市值公司市场表现分化越来越明显，或与个人投资商占比、做空机制缺失、壳资源具有稀缺性、并购重组尤其是非相关多元化并购较多等因素相关，因而在检验过程中对大小市值样本分别考察是适宜的。

  为了方便作比较，我们将该公式左右两侧均除以对应的公司账面价值B，得到1单位的公司账面资产对应的市场价值，在进行适度拆分简化：

  可见，公司价值（P/B）受利润率、股息支付率、股息贴现率与股息增长率影响；从逻辑上，公司价值对应盈利能力、成长性与安全性。不考虑股息支付率变化，定义质量分数Quality = Profitability + Growth + Safety。

  首先，构建质量分数要求将不同类别的重要数据做可加、可比处理。这一点通过引入Z-分数得以实现[5]。

  [5] 对于同一类别的指标，比如ROE、ROA，我们先取其某一时间点上所有上市公司的横截面数据，并对该指标进行排序，例如：

  第二，指标选取，具备重要性、可得性、全面性。选取变量皆为在市场投研实践之中常用的重要指标，且在A股数据可得范围内都尽可能地考虑多种衡量标准，其中：

  1）盈利能力（Profitability）：选择的指标包括总资产与毛利的比率（Gross Profit over Asset, GPOA），总资产收益率（ROA），净资产收益率（ROE），现金流与总资产比率（Cash Flow over Asset, CFOA），毛利率（Gross Margin, GMAR），折旧减去净营运资本的变化相对总资产的比率（Accruals, ACC）。最终，盈利能力的相对大小由该几项指标混合而成：

  2）成长性（Growth）：使用5年的盈利变化数据来测算公司的成长性。下方公式中的符号 代表该指标相对5年前的增长情况。例， GPOA为当期毛利与五年前毛利做差，而后除以五年前总资产。成长性指标如下：

  3）安全性（Safety）:本文对安全性指标的选择综合考虑了市场风险，上市公司的盈利波动情况和债务杠杆比率等。选取的指标如下：公司beta的负值、季度ROE 5年标准差的负值（-VolRoe）、资产负债率的负值（-Leverage）、以及衡量公司是不是可能破产的Altman’ Z分数。最终，安全性由这几个指标取平均值所得：

  结论：质量分数对公司未来质量有着非常强的预测能力，当前质优（质劣）公司在未来三年时间仍延续质优（质劣）表现；大市值公司较之小市值公司，上述特征更加明显。

  1）考虑到A股存在很明显的大小市值效应，我们在每一次组合的构建中，都将股票按照其市值进行排序，选取排名前30%的公司作为大市值组合，末30%的公司作为小市值组合，并分别计算出大小市值组合内每一支股票的质量分数[6]。

  2）取历年年报数据，计算得到上市公司年报对应的质量分数；对历年年报质量分数由低到高分成10组（P1到P10）排列，P1代表质量分数排名末10%的上市公司，P2代表质量分数排名位于10%~20%的上市公司，以此类推，P10代表质量分数最高的前10%公司。

  3）分别以2008、2011、2014年报为起点，确定P1-P10标的定基，依据其后12个月、24个月、36月后依据新的财务数据计算质量分数，考察P1-P10的排序是否仍保持一致，如是则质量分数对未来质量预测效果良好，反之反是。

  [6] 由于数据限制，本报告中回测起点取2002年4月份，也就是所有上市公司年报公布的截止日期；终点在2017年的10月份，也就是最新一期三季报公布的截止日期；在每一年的4月底（因大多数公司的年报和一季报发布时间重合，故选取年报数据），8月底和10月底摘取相关的财务数据来计算质量分数。

  结论：大市值样本，公司的质量分数与公司的相对价值显著正相关，且对公司相对价值的解释力较强；而对于小市值样本不显著。

  进行面板回归：因变量为公司市净率，自变量为公司质量分数，取公司市值，公司所处行业，公司所处上市板块作为控制变量；样本时间跨度从2002年到2017年；回归公式如下：

  [8] 2005之前的EPS一致预期数据有限，故我们考察范围取2005年至今。

  在控制了公司规模和公司行业等虚拟变量后，我们得知，大市值样本中，公司的质量分数与公司的相对价值具有正相关的统计学关系，质量分数对公司相对价值的解释力度约为0.28，且该关系的显著，P值小于0.01；而在小市值样本中，我们未发现公司的质量分数与公司相对价值之间显著的相关性关系。

  基于上述特征，我们采用做多P10、做空P1构成自融资组合构建A股大市值样本的QMJ因子：在2002/4/30至2017/11/30时间区间，1）QMJ自融资组合经MKT、SMB、HML三因子调整后取得1.04%的月度回报超额回报（以1年期国债收益率作为无风险利率进行扣减），见表6最后一列；2）取得累计净值2.11，CAGR4.90%，最大月度回撤16.90%，夏普比（月）0.081。

  在图4以及下图5，我们也能比较清晰地发现QMJ因子回报存在较为显著的周期性规律；同时，在部分时段，体现为受到市场泡沫冲击（负回报）与应对市场下跌危机时候的抗跌特征（Flight to Quality特征）[9]。

  [9] 我们预计，QMJ因子回报的周期特征对于策略大势研判有进一步拓展研究的可能；以及对于极端市场条件具有揭示意义。

  由于A股存在做空限制，无法通过卖空P1与做多P10交易QMJ因子，但是基于QMJ模型思想可以开发多种应用策略。本篇报告之中我们讨论三类应用，即选股、构建多头组合、探讨多头组合择时的可能。

  应用一：选股。即按照质量分数选取质优股而回避质劣股；同时能按照所属板块等进行条件筛选质优股（基于2017年10月31日三季报数据取得的质量分数前3%、P10标的组合见附录）。

  应用二：买入并持有质优组合。即买入并持有质量分数前3%或P10标的组合，每年4月30日、8月31日、10月31日根据最新的财报数据重评质量分数并构建等市值权重的前3%或P10组合。

  应用三：质优组合主动加强。建立择时规则，在多头持有前3%或P10组合与多头持有货币基金之间调节权重，组合调仓规则与应用二相同。

  5.2. 回测结果：多头持有与主动加强策略均取得了较高Sharp Ratio，对比股票与混合型基金表现排名居前

  我们在图6、表8至表8之中，对比质优主动加强策略、前3%、P10，质劣组合P1、末3%的回报表现；与此同时，按sharp ratio，我们将上述策略与不同口径（不同存续期、不同时间区间等）的股票型基金及混合型基金进行排名比较。

  几个潜在改进的方向。在本文之中，质优主动加强策略更主要是探讨买入质优组合做择时加强是否可能的问题。并从逻辑上，按照Price of Quality就质量因子本身的影响作出简要的择时规定。后续研究之中，择时规则的改进存或存在如下几个方向：

  [10] Price of Quality指数的均值、中值、标准差跟着时间序列数据增长而变化，择时规则依据哪一时段的统计特征具有影响。

  第一，质量分数选股综合考虑股价定价因素之中的盈利能力、安全性与成长性，而市场往往在某一时段对某一类特征存在高估或低估。

  第二，质量分数对公司未来质量具有较高的预测性，即当前高质量公司与组合在未来（12个月、24个月、36个月）仍延续高质量。

  第三，从分析师盈利预测可见，市场对质劣公司存在明显高估，而对质优公司具有一定的低估倾向。

  第四，策略组合低换手，仅在每年4月30日、8月31日、10月30日进行换仓，调进调出部分标的，从而节约了交易费用。

  第五，组合选取的标的数量较多、流通市值较大[11]，具有较高的资金容量，冲击成本有限。

  [11] 质优前3%组合包括24只标的，总流通市值23388亿元；P10组合包括82只标的，总流通市值48051亿元。

上一篇：论文复刻：经济不确定性与企业投资行为研究 下一篇：养老保险企业缴费对员工工资、就业的影响分析（4）