当前位置: 首页 > news >正文

研报复现|格雷厄姆成长股内在价值策略

研报复现|格雷厄姆成长股内在价值策略

沃伦·巴菲特从不吝啬对于格雷厄姆投资思想的溢美之词,正如同其在《聪明的 投资者》的扉页中所写的——“这是有史以来,关于投资的最佳著作”。

《聪明的投资者》主要面向个人投资者,旨在对普 通人在投资策略的选择和执行方面提供相应的指导——“不是一本教人'如何成为百 万富翁’的书籍,而更多地将注意力集中在投资的原理和投资者的态度方面,指导投 资者避免陷入一些经常性的错误之中”。

成长股内在价值公式是格雷厄姆在《聪明的投资者》一书中提出的,并明确给出 关于股票价值的计算公式。

聪明的投资者-成长股

聪明的投资者-成长股

格雷厄姆成长股内在价值公式,主要考察的是公司的盈利能力和成长能力两个维度。

格雷厄姆成长股内在价值策略

原始的公式

原始的格雷厄姆成长股内在价值公式可表述为:

其中:

  • E 表示每股收益(EPS)

  • R 表示预期收益增长率,体现公司的未来盈利能力;

  • 8.5  格雷厄姆认为是一家公司预期收益增长率为0的合理市盈率;

  • (8.5 + 2 * R)表示预期收益增长率为R的公司的合理市盈率;

改进的公式

在原始公式的基础上提出两个改进因子:

  • 一个因子考虑格雷厄姆著名的“安全边际”原则,称为安全因子(SF);

  • 另一因子考虑利率对股价的影响,称为利率调整因子(IF) ;

改进后的公式:

  • 安全因子(SF)为 0 到 1 之间的数值,表示对股票内在价值的折价

  • 利率调整因子所表达的投资思想十分直观:低息利好股市,股票内在价值溢价, 高息压低股市,股票内在价值折价。

  • 利率调整因子(IF)的公式: 历史平均债券收益率当期债券收益率

量化选股时,我们将股票内在价位与股价进行比较,选取 Value/Price 在 1到1.2之间的股票进入组合。设置 1.2的上限闷值是出于两个目的

  • 一是:控制筛选出的股票数量,便于不同策略的对比;

  • 二是:出于对公式有效性的考虑一当股票内在价值与股价偏寓非常非常大时,必然存在公式以外的因子起作用,此时单纯用公式选股无意义。

策略回测

回测介绍

  • 回测时间段:20200101-20250101

  • 回测品种:沪深300 成分股

  • 基准:沪深300

  • 交易费用:0.0013

  • 调仓规则:每年进行4次调仓,每季度初根据上季度相关数据进行调仓。

数据处理

  1. 数据获取

    • 使用Tushare获取A股行情、财务数据及国债收益率;

    • 覆盖范围:2020年1月1日至2025年1月1日沪深300成分股(含退市股)。

  2. 关键数据

    • 每股收益(TTM):计算内在价值的基础;

    • 3年期中债国债到期收益率:用于计算利率调整因子;

    • 财报发布日期:确定调仓日的参考依据。

  3. 数据清洗

    • 处理缺失值和异常值;

    • 确保财务数据与行情数据时间匹配。

量化指标

指标

含义

当期(正常利润)

每股收益TTM

预期年增长率

每股收益增长率

AAA债券收益率

3年期中债国债到期收益率(按调仓计算时点获取)

安全因子

对股票内在价值的折价,统一设为0.4

图片

回测结果

  1. 收益表现

    策略总收益率: 12.30%

    策略年化收益率: 2.44%

    基准总收益率: -5.23%

    基准年化收益率: -1.11%

    超额年化收益率: 3.56%

    胜率: 45.66%

  2. 风险指标

    最大回撤: -39.57%

    夏普比率: 0.07

    索提诺比率: 0.10

    日波动率: 0.0124

    VaR(95%): -1.88%

    CVaR(95%): -2.73%

    Alpha: 0.0313

    Beta: 0.7900

  3. 交易特征

    • 平均每次调仓持有约20.4只股票;

    • 行业分布较为均衡,前三大行业为证券、银行、 元器件。

图片

http://www.dtcms.com/a/283950.html

相关文章:

  • Error: llama runner process has terminated: exit status 2
  • 实习Last Day研二Last Day
  • 纯前端html实现图片坐标与尺寸(XY坐标及宽高)获取
  • JavaScript进阶篇——第七章 原型与构造函数核心知识
  • 深度学习 -- 初步认识Torch
  • vue中的this.$set
  • 在分布式系统中,如何保证缓存与数据库的数据一致性?
  • LVS实验
  • 板凳-------Mysql cookbook学习 (十一--------12)
  • LVS集群
  • Docker实战:使用Docker部署IT工具箱Team·IDE
  • Android15系统实现刷机防呆功能
  • Flutter在Android studio运行出现Error: Entrypoint is not a Dart file
  • C++网络编程 2.TCP套接字(socket)编程详解
  • 微信小程序列表数据上拉加载,下拉刷新
  • ASP .NET Core 8实现实时Web功能
  • Python 网络爬虫 —— 提交信息到网页
  • AI算法之图像识别与分类
  • 电力载波通信技术(PLC)发展全解析:从历史演进到未来趋势
  • RabbitMQ概述和工作模式
  • 永磁同步电机MTPA与MTPV曲线具体仿真实现
  • Python学习之——序列化与反序列化
  • 常用的100个opencv函数
  • [RAG] LLM 交互层 | 适配器模式 | 文档解析器(`docling`库, CNN, OCR, OpenCV)
  • 加速度传感器方向校准方法
  • RGBA图片格式转换为RGB格式(解决convert转换的失真问题)
  • OpenCV中VideoCapture 设置和获取摄像头参数和Qt设计UI控制界面详解代码示例
  • (四)OpenCV——特征点检测与匹配
  • 分布式分片策略中,分片数量的评估与选择
  • MacOS安装linux虚拟机