量化投资系列之GARP模型Word文档下载推荐.docx

量化投资系列之GARP模型Word文档下载推荐.docx

《量化投资系列之GARP模型Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《量化投资系列之GARP模型Word文档下载推荐.docx（12页珍藏版）》请在冰点文库上搜索。

　　相对而言,组合在牛市和熊市表现要优于调整行情,尤其在交叉深度较浅,股票个数较少时,组合在牛市的表现非常出色。

　　　　GARP选股策略　　我们考察GARP策略在中国市场中的应用，特别是在市场高企的时候，我们更有必要寻找在成长性与价值之间达致平衡的股票。

一方面利用成长型投资分享高成长收益机会；

另一方面，利用价值型投资标准筛选低价股票，有效控制市场波动时的风险。

　　GARP（GrowthataReasonablePrice）是一个混合的股票投资策略，目标是寻找某种程度上被市场低估的股票，同时又有较强的持续稳定增长的潜力。

　　GARP策略与价值投资和成长投资的区别在于，价值投资偏重于投资价值低估的公司，而成长投资注重于投资成长性高的公司，而GARP则能够弥补纯粹价值投资和成长投资的不足，能尽量兼顾价值和成长。

一、GARP模型　　GARP（GrowthataReasonablePrice）是一个混合的股票投资策略，目标是寻找某种程度上被市场低估的股票，同时又有较强的持续稳定增长的潜力。

GARP策略与价值投资和成长投资的区别在于，价值投资偏重于投资价值低估的公司，而成长投资注重于投资成长性高的公司，而GARP则能够弥补纯粹价值投资和成长投资的不足，能尽量兼顾价值和成长。

　　一方面利用成长型投资分享高成长收益机会；

GARP确实有一些特别的评估准则，但是一定程度上的个人判断也是必须的。

彼得林奇（PeterLynch）就是最著名的GARP投资者，从1977年到1990年，其管理的基金平均年化收益率高达29%！

顶点财经　　GARP投资者主要考察上市公司的成长性、估值水平以及PEG比率等等，以此综合判断上市公司的股票是否具有投资价值。

　　成长的速度。

成长型投资者和GARP投资者有一个共同点就是喜欢研究未来预期仍然会成长的公司。

不像成长型投资者偏爱高速增长的公司，比如收入、利润增速在25-50%以上，GARP投资者寻求的是　　增长速度在一个合理的范围内，比如10-20%。

这些数字当然是美国成熟市场的一种看法，对于中国这种新兴市场而言，可能对增长速度会有一些不同的看法。

　　PE估值。

GARP投资者也看重PE这个估值指标，主要是因为我们需要知道股票的价格与其利润相比是怎样的一个情况。

于预期上市公司会有巨大的成长，因此成长型投资者喜欢买入高PE的股票。

而GARP投资者希望寻找那些被市场低估的一些股票，因此也希望有较低的PE，尽量在一个比较合理的区间。

　　PB估值。

GARP投资者和成长型投资者一样，都希望上市公司有较低的市净率（PB）。

较低的PB，表示有较大的价值，如果低于行业平均水平，那么就预示着一旦市场修正其错误后就有很大的盈利潜力。

因此PB主要用来衡量上市公司的相对价值，以此评判其股票被高估或者被低估。

　　PEG比率。

GARP投资者很看重的一个指标就是PEG比率，以此考察相对于公司的价值而言，其成长的潜力水平。

PEG不大于1即意味着可以对公司进行进一步分析。

例如，一家公司的PE为15倍，而预期的利润增速为25%，那么PEG就为15/25，即，这个数字对于GARP投资者而言意味着此公司是一个好的投资标的。

当然，PEG在附近将会更有吸引力，即公司有很好的增长潜力，也意味着股票被低估。

　　另外，GARP投资法与成长型投资法类似，比较看重净资产收益率指标。

实际上，GARP主要寻找价值与成长之间的一个平衡。

合理可行的成长速度与价值低估，在两者间达到平衡是一个很好的策略，而且也可以控制风险。

设计出两者间的平衡，也跟投资者个人的理念有关。

二、模拟参数　　指标设置　　我们主要关注GARP中的PE,PB,PEG以及成长性指标，另外我们仍然加入ROE指标，既可以衡量成长性，也可以衡量上市公司的品质水　　平。

财经模拟区间　　模拟组合的期间为2004年5月10日至2007年9月13日，每年5月份重新构造一次投资组合，一共四次。

投资的持有期与构建投资组合的周期保持一致。

投资组合设置　　我们分别考察投资组合包含10只，20只，30只，40只及50只股票的情况。

　　投资组合中个股均采用等比例配置。

　　筛选方式　　我们根据上市公司前三年的ROE水平均不低于10%这一条件筛选出备选股票池，然后采用GARP模型进行进一步的精选。

业绩基准　　我们分别以市场有代表性的上证综合指数（行情股吧）、上证50（行情论坛）指数、沪深300（行情股吧）等三种指数为基准。

在2004年5月至2007年9月期间，上证综合指数、上证50指数、沪深300等三种指数的收益率分别为%，%，%，其中沪深300指数涨幅最大。

另外，备选股票池的平均表现也是业绩比较基准之一。

三.模拟测试效果　　模拟投资组合收益率超过基准　　根据GARP模型，我们对根据ROE作初步筛选的备选股票池进行进一步精选分析。

我们先看看采用GARP模型筛选出最好的50只股票，记为GARP50，考察其模拟组合的效果。

　　我们可以认为04年度1可以代表熊市行情，从模拟效果来看，GARP策略的抗跌性很好，其模拟组合取得正的收益，远远好于其他基准的表现。

接下来的几年中，GARP策略所得模拟组合GARP50均年年战胜各业绩基准。

　　从以上模拟组合的收益率水平来看，我们的GARP模型所筛选出的模拟组合表现优异，但同时可能要承担一些风险。

　　　　　　型。

　　”,实证检验结果：

利用最优量化模型构建含有50只股票的成长投资组合，在~的七年半测试期间内，相对沪深300指数的月均超额收益达到%，对应年化超额收益率达到%，信息比率达到，战胜基准的频率达到%。

　　一：

量化选股模型1、三个基本选股模型：

　　A、价值模型V：

以PE-PB-PCF为价值因子　　B、成长模型G：

以EBITG-NPG-MPG-GPG-OPG为成长因子C、质量模型Q：

以ROA-ROC-GPM-CRAR-CNPR-TAT为质量因子　　、选股方式——自下而上选股　　基本选股模型采用指标打分的方法来筛选股票。

首先对待选股票的各个指标分别进行排序打分，然后将股票对应各个因子的指标得分进行求和，最后以总得分大小来筛选股票和构建组合。

具体步骤如下：

第一步：

确定待选股票池。

选择组合构建时点上市满两年的全部A股股票，考虑实际投资需求，剔除当日停牌的股票，剔除最近四个季度滚动净利润为负值的股票，剔除连续3个交易日平均成交额小于100万元的股票后，以剩余股票作为待选股票池。

　　第二步：

构建股票组合。

　　a）指标打分：

首先将待选股票池中股票分别按照属性因子的各个指标进行排序，然后采用百分制整数打分法进行指标打分，即以股票在各个指标排名中所处位置的百分数作为股票对应该指标的得分，前1%得分为1，依次递减，最后1%得分为100。

　　b）求和排序：

将股票相对于同一属性的各个指标的得分进行等权重求和，将总得分进行从小至大排序，选择排名靠前的N只股票进入量　　化组合。

　　c）构建组合：

采用等市值权重构建相应的量化组合。

第三步：

组合调整。

我们对组合进行逐月调整，即持有组合至次月最后一个交易日，利用更新后的指标数据重新确定待选股票池，重复第二步打分、求和过程，并将股票按照指标得分和值从小至大排序，将原来量化组合中排名跌出前N名的股票卖出，买入新进前N名的股票，同时将新组合内样本股的权重调整至相等。

　　第四步：

统计检验。

分别计算各组合每个月收益情况，以沪深300指数作为比较基准，利用t检验考察各个量化组合超额收益的有效性。

并用信息比率、夏普比率和战胜基准频率来比较各种策略的优劣。

需要说明的是：

于采用自下而上的选股方法，因此在筛选指标过程中，我们尽量选择那些所有股票均可计算的指标，以避免出现某些行业于指标无法有效计算而不能被选入的情况。

另外，我们主要选择那些可以明显分别出优劣的指标，以便进行排序。

　　、价值模型——寻找估值凹地　　量化价值模型寻找低估值的股票构建组合。

在前面的研究报告《量化投资系列之价值模型——寻找价值凹地》中，我们以PCF单指标来构建价值模型。

近期，我们重新考虑了包括PE、PB、PCF、PS、PEE和EV/EBITDA等在内的六个市场估值指标的选股情况，并利用2002年1月~2009年11月，接近八年时间共计95期数据进行更新测试。

结果表明，以PE-PB-PCF三个指进行联合打分选股，所得到的价值组合更加出色和稳定。

表1：

价值指标及其定义　　价值指标PEPBPCF名称市盈率市净率市现率定义总市值/滚动12个月净利润总市值/最近报告期净资产总市值/滚动12个月经营活动净现金流　　　　分别以得分排名的前20%、10%和50只股票构建价值组合，其在~的测试期内，相对沪深300指数的超额收益均可通过95%置信度下的统计检验，其中10%组合和50只组合的统计检验置信度达到99%以上。

　　、成长模型——挖掘成长伏藏　　量化成长模型选择高成长性的股票构建组合，在前面的研究报告《量化投资系列之成长模型——ROIC-NPG：

挖掘成长伏藏》中，我们以ROIC-NPG两个指标来构建成长模型。

根据我们对各项指标的重新梳理，现将ROIC列为质量指标，另外构建了包括EBITG、NPG、MPG、GPG、OPG、OCG、NAG、EPSG、ROEG、GMPG等十个考核公司成长能力的指标。

根据2002年1月~2009年11月，接近八年的时间共计95期数据的更新测试。

结果表明，以EBITG-NPG-MPG-GPG-OPG-OCG六个指标进行联合打分选股，所得到的成长组合表现最优。

表3：

成长指标及其定义　　价值指标EBITG息税前收益增长率NPG净利润本期滚动12个月净利润/上期滚动12本期滚动12个月息税前利润/上期滚动12月息税前利润－1名称定义增长率MPG主营利润增长率GPG毛利润增长率OPG营业利润增长率OCG经营现金流增长率月净利润－1本期滚动12个月主营业务利润/上期滚动12月主营业务利润－1本期滚动12个月销售毛利润/上期滚动12月销售毛利润－1本期滚动12个月营业利润/上期滚动12月营业利润－1本期滚动12个月经营性现金流净额/上期滚动12月经营性现金流净额－1　　　　分别以指标排名的前20%、10%和50只股票构建成长组合，其在~的测试期内，相对沪深300指数的超额收益均可通过90%置信度下的统计检验，其中10%组合的统计置信度达到97%，50只组合的统计检验置信度达到99%。

、质量模型——甄选优质蓝筹　　量化质量模型选择资质优异的公司股票构建组合。

我们从六个方面的财务指标来考察公司的资质，包括偿债能力、经营能力、营运能力、现金流质量、盈利能力、分红能力等。

采用ROA、ROE、ROC、OPM、GPM、现金流指标、COIR、CTAR、CNPR、TAT、LAT等十个指标来进行股票的筛选。

根据2002年1月~2009年11月，接近八年的时间阶段，共计95期数据的测试。

结果表明，以ROA-ROC-GPM-CRAR-CNPR-TAT六个指标进行联合打分选股，所得到的质量组合表现最优。

表5：

质量指标及其定义　　价值指标ROA名称定义总资产收益率滚动12个月净利润×

2/（期初＋期末总资产）滚动12个月净利润/滚动12个月销售利润/滚动12个月销售收入滚动12个月经营现金流净额×

2/（期初+期末总资产）ROC资本报酬率GPM销售毛利率CTAR现金总资产比率CNAR现金净利润比率滚动12个月经营现金流净额/滚动12个月净利TAT总资产周转率滚动12个月营业总收入×

2/（期初+期末总资产）　　　　分别以指标排名的前20%、10%和50只股票构建质量组合，其在~的测试期内，相对沪深300指数的超额收益均可通过95%置信度下的统计检验，其中，10%和50只组合获得超额收益的概率更高，通过统计检验的置信度都在99%左右。

2.五个衍生模型、四个叠加模型　　通过对股票的价值、成长和质量三个属性因子的指标进行分类排序打分，我们分别得到价值模型、成长模型和质量模型三个基本选股模型，利用这些模型，我们可以筛选出低估值的股票组合、高成长的股票组合以及资质优秀的股票组合，从历史统计检验结果来看，这些量化组合都能显著战胜基准指数。

　　但是，三个基本模型只侧重股票某一方面的属性，而通过将三种属性

　　　　　　进行叠加，就可以得到同时具备几个属性优势的股票组合，例如，选择价值属性和成长属性同时优秀的股票构建组合，就可以得到价值成长模型1。

通过对股票各种属性因子进行联合打分选股，可以得到四个叠加模型，分别为价值成长模型、价值质量模型、成长质量模型和价值成长质量模型。

　　根据前面三个基本选股模型的研究结果，这里采用PE-PB-PCF作为股票价值属性因子的度量指标；

以EBITG-NPG-MPG-GPG-OPG作为股票成长属性因子的度量指标；

以ROA-ROC-GPM-CRAR-CNPR-TAT作为股票质量属性因子的度量指标。

并以此来构建四个叠加模型。

叠加模型的选股流程与基本模型类似，只是在第二步构建股票组合中，首先需要对待选股票的各个指标进行排序打分，然后将同一属性因子的指标得分进行相加，即可得到属性因子得分，再将各个属性因子得分进行加权求和，就可得到最终的量化分值，最后选择量化分值最小的股票即可构建相应的叠加组合。

在组合调整时也进行同样的操作。

　　　　通过对叠加模型的属性因子权重进行了包括动态调整和静态配比在内的各种优化测试，结果显示，以固定的比例进行属性因子叠加所得到的组合表现相对稳定。

具体来说：

价值成长模型和价值质量模型的属性因子比重均为5：

5，成长质量模型的属性因子比重为7：

3，价值成长质量模型的属性因子比重为3：

3：

4。

即各种叠加模型构成为：

VG=*V+*G;

VQ=*V+*Q;

GQ=*G+*Q;

VGQ=*V+*G+*Q;

　　分别以得分排名的前20%、10%和50只股票构建四个叠加组合，其在~的测试期内，相对沪深300指数的超额收益均可通过95%置信度下的统计检验，其中，20%VQG组合和10%、50只股票所有叠加组合的统计检验置信度均达到99%。

可见，这些叠加模型的有　　效性是非常高的。

　　从风险收益上看，四个叠加组合相对各自基本模型的组合都有不同程度提升，尤其是VGQ组合，无论从绝对收益，还是风险调整收益角度来看，都是表现最优的；

但从战胜基准频率角度来看，VGQ组合略微低于价值组合，可见VGQ组合也并非是完美的。

、GARP模型　　GARP投资策略是继价值投资和成长投资之后最为热门的投资策略之一，它将上市公司的价值属性和成长属性紧密结合，试图通过以相对较低的价格买入具有较高成长性的公司来获得更为稳定的超额收益。

该策略的典型代表是投资大师彼得林奇，他利用这种方法在1977至1990的十三年间创造了年平均收益率高达29%的传奇业绩。

　　在量化形式上，GARP策略一般首先对股票的价值属性和成长属性分别进行排序打分，然后选择同时位于价值排名和成长排名前列的股票构建组合。

根据前面对价值模型和成长模型的更新，这里利用PE-PB-PCF三个指标来对股票的价值属性进行量化测度，用EBITG-NPG-MPG-GPG-OPG-OCG六个指标对股票的成长属性进行量化测度，然后取价值型股票和成长型股票的交集，即同时具有较高价值属性和成长属性的股票等权重构建GARP组合。

　　从统计结果来看，从3%到30%交叉情况下的组合超额收益均可通过90%置信度下的统计检验，而从5%到26%交叉情况下的组合超额收益的统计检验置信度达到99%，显示出GARP策略具有宽范围的选股有效性。

　　从风险和收益角度来看，随着交叉深度的提高，组合的收益有先变大后表现的变化趋势，相对来说，8%交叉深度下的组合表现最为出色，其月均超额收益超过%，信息比率达到，夏普比率超过1，战胜沪深300指数的频率也接近70%，但是该组合含有的股票数量较少，最多月份含有20只股票，最少只有2只股票，平均持有股票9只。

这里我们将其命名为积极GARP组合。

　　另外选择股票个数相对较多，表现也不错的18%交叉深度构建稳健GARP组合。

该组合月均收益达到%，信息比率、夏普比率和战胜基准频率也都差强人意。

而且组合中股票个数大大增加，测试期内，最多含有股票55只，最少也有23只，平均持股37只，完全可以满足一些大资金的投资需求。

　　二、量化组合及特征分析1.股票个数选择　　股票组合的市场风险系统性风险和非系统性风险组成，其中系统性风险不可分散，而非系统性风险可以通过增加股票个数来减少，即实现风险分散化。

但是，股票组合的持股数量并不是越大越好。

一方面，当组合股票数目增加至一定程度，对非系统性风险的边际降低程度会递减，而随之带来较高的交易费用及管理成本问题却已开始蚕食组合收益率；

另一方面数目众多的证券组合中可能包含一些无法及时得到相关信息且收益较低的证券，从而增加了及时有效进行投资组合调整的难度。

因此需要在分散风险和提高收益之间寻找一个平衡点。

我们采用EvansandArcher的方法对组合的分散化程度进行度量。

具体方法如下：

　　　　图12给出了不同规模股票组合残余可分散风险占比，从中可以看出，随着组合规模的不断增大，残余可分散风险占比逐渐下降，同时可分散风险占比的下降速度也逐渐减小。

　　当组合规模数达到38只时，沪深300样本组合的残余可分散风险下降到了1%以内；

当组合规模数达到41只时，中小板样本以及基金持股样本的残余可分散风险占比下降到了1%以内；

当组合规模达到45只时，全市场样本的残余可分散风险占比也下降到1%以内。

　　于我们量化组合的股票是从全市场样本中选择的，因此为分散组合风险，需要将股票个数控制在45个以上。

而从实际的选股模型对组合股票个数的敏感性分析来看，当股票个数大于40个、小于60个时，组合历史测试的业绩表现相对出色和稳定。

以价值模型为例，当股票个数较少时，组合的月均收益最好，但波动较大，随着股票个数增加到40个以上时，组合的表现趋于稳定，而当股票个数大于60个后，组合又开始变差。

　　此外，从国内公募基金的持股情况来看，其公布的平均持股数量在60只左右，而实际的重仓股一般控制在50个以内。

　　综上所述，我们认为，以50只股票来构建量化组合是合适的，既能有效分散风险，最大获得收益，又能满足基金等机构投资者的建仓和持股需要。

2.十个量化组合　　前面，我们以自下而上的选股方式，构建了三个基本选股模型和五个衍生选股模型，其指标和参数是通过近8年的历史数据测试分析得出，但是这些指标并非一成不变，今后，我们每年将对这些选股模型进行定期更新测试，并相应调整选股指标及相关参数。

　　根据三个基本模型和四个叠加模型，我们以50只股票分别构建出价值组合、成长组合、质量组合、价值成长组合、价值质量组合、成长质量组合和价值成长质量组合。

　　根据交叉深度为8%和18%的GARP模型，我们分别构建了积极GARP组合和稳健GARP组合，这两个组合的股票个数不是固定的，其中，aGARP组合统计期间最大持股数为20只，最少为2只，平均持股9只。

sGARP组合统计期间的最大持股数为55只，最少为23只，平均持股37只。

　　此外，考虑到一些中小投资资金的需求，我们利用VGQ模型构建了一个只含有十只股票的VGQ10组合。

从历史统计检验上看，VGQ10组合相对沪深300指数的超额收益可以通过99%置信度下的t　　检验，而且从风险收益上看也表现卓越。

3.组合特征分析　　上述十个量化组合分别来自于八个选股模型，虽然从历史统计检验的角度来看，各个组合都是有效和可靠的，但于各个模型本身的侧重点和选股方式不一样，也使得的量化组合会产生不同的特点，有着不同的收益预期，适合不同的投资者。

下面，我们从风险收益特征、组合相关性和市场容量等几个方面对十个组合进行比较分析。

风险收益特征　　从2002年1月到2009年11月近8年的历史月度收益数据来看，十个量化组合相对沪深300指数均取得了显著的超额收益。

其中，股票个数较少的aGARP组合和VGQ10组合相对沪深300指数的月度超额收益都超过了2%，它们也同时获得了最高的累计收益，分别达到1794%和1485%，远远高于同期沪深300指数161%的累计涨幅，但同时，两个组合收益的波动性也最大，其年化标准差分别达到%和%。

　　从Beta系数上看，两个少数股票组合aGARP和VGQ10最大，都超过，而Q50和GQ50两个组合的Beta值小于1，其余组合的Beta值都介于和1之间。

从最大涨跌幅度来看，无论是按单月还是半年计算，Q50和GQ50组合都是相对较小的，这与他们的Beta系数较小有关。

而V50表现相对出色，牛市能涨，熊市抗跌。

　　从战胜沪深300指数频率来看，aGARP组合表现最好，接近70%，其次是V50组合，达到%，此外，VG50、VQ50和VGQ50组合也都接近2/3，只有G50组合最差，不到60%。

如果将组合的投资时间增加，则战胜基准的频率将显著提高。

从历史测试结果来看，滚动投资组合1年时，十个量化组合均可在90%以上的概率战胜沪深300指数，其中持有aGARP组合战胜指数的概率达到100%。

如果以会计年度计算组合收益，在测试的8年时间里，除了G50组合在2003年和V5