基本面量化分析 量化投资技术如何实现？

在资本市场上，要懂得做到放眼未来的心态，市场上将量化和基本面分析紧密结合，这将是大势所趋；按照目前情况来看，基于因子的基本面量化投资并非基本面分析的完美替代。下面小编带来基本面量化分析，看看基本面量化是如何实现的。

确定三个财务因子为销售毛利率、净资产收益率、每股现金流量/每股业绩；通过features数据接口获取全市场3000多家上市公司的财务数据；单独筛选每个财务因子前500的上市公司。

最终确定三个因子都能排在前500的股票篮子；买入该股票篮子，等权重买入；一个月换仓一次，买入新确定的股票篮子。从策略结果来看，年化收益14%，应该超过了大部分公募基金，如果配合择时模型，想必效果会更好。

由于量化投资与生俱来的股票覆盖范围大、时间跨度长等原因，其在公司基本面方面的研究精细程度必然要相对传统的主动管理薄弱许多。因此在基本面层面，量化基金更多时候在做的，是挖掘基本面信息中能够显著解释股票收益的部分后，科学纳入到选股模型中，进而帮助量化模型提高选股收益或降低回撤。

但随着近年来市场面数据在获取超额收益方面的能力逐渐衰退，基本面信息在量化投资中的应用前景被重新看好，为此越来越多的量化团队也开始增加在基本面量化上的研究储备。

但基本面量化却并不像很多人直观理解上的那么容易实现。比如在对公司的基本面分析层面，量化研究员是不可能有充足的时间和精力去对每一家上市公司进行深入研究的，自然也就不可能用一个统一的模板去评估上市公司的真实价值，因为即使对行业分析师来说这都是一件极其困难的事情，毕竟可能影响公司价值的因素多如牛毛，比如资产状况、治理结构、发展空间、管理能力等。

所以量化投资技术在基本面研究中的应用还是基于一些能够标准化的，方便不同公司、不同行业间进行比较的数据或指标，比如估值水平、盈利能力等。尽管通过这些指标不足以在绝对意义上筛选出质地十分优秀的股票，但从概率意义上而言却能为投资带来明显的正向作用。

探寻如何进一步提高基本面信息对量化投资的帮助，其实就是要寻求基本面数据在覆盖范围或计算方法上的改善，来提高量化投资筛选出的优质企业的比例，进而提高预期收益。尤其是近些年来，哪怕是少数几家入选标的的改善，都能在一定程度上提高投资收益。

不妨以量化模型中使用频率较高的估值因子为例。其中应用较为广泛的估值因子包括市盈率、市净率、市销率等。如果仅从模型的角度出发，这三类指标当然都应该被纳入到因子库中，以尽可能全面地评估每一家上市公司的估值水平。

但具体到不同行业，或是同一行业中的不同公司，各类估值指标的区分效果可能会存在显著差异。比如市盈率对一些利润为负或是利润很少的公司是不适用的，而且市盈率也会天然高估TMT、医药等高技术附加值公司，低估银行、煤炭等传统公司；市净率由于只考虑市场价值与账面价值比，因此会忽略轻资产的服务型企业，而它们可能正处于爆发性增长的阶段。

还有市销率是一个既不考虑公司盈利能力又不考虑公司账面价值的指标，因此多适用于初创公司和新兴行业，他们的营收能力可能更容易赢得市场认可。为此，我们或许可以尝试在不同行业中采纳不同的估值指标，以争取挖掘到同类公司中真正被低估的个体。