基于FScore指标的技术面因子增强.docx

?

?

基于FScore指标的技术面因子增强

?

?

徐皓

摘要：股票前期的异常表现可能是由投资者情绪过度反应造成的错杀、公司的基本面显著变化等原因造成的。由后者引发的股票理性下跌，未来可能并不会修复。因此，在计算反转因子时，需要在股票涨跌幅中排除基本面变化的因素。本文采用代理变量FScore来衡量基本面变化导致的收益率，FScore从公司的流动性、财务杠杆、运营效率等多个维度描述了公司的基本面状况，与股票价格呈现正相关的关系。采用反转和双重分组，体现了基本面因素对反转的修正。从实证结果来看，高基本面质量同时前期表現较差的“Loser+High”组合表现最好，基本面较差且前期涨幅较大的股票组合“Winner+Low”组合历史表现最差，组合之间呈现出明显的单调性特征。与原始的反转相比，基本面增强反转的历史表现明显更加优异。本研究仿造基本面增强反转的思路，构建了基本面增强波动率，结果发现相比于原始波动率，经过基本面增强的波动率因子也具有更强的选股能力。

关键词：Fscore;基本面增强;反转

0引言

在A股市场上，股票价格的动量效应并不是十分显著，但存在明显的短期反转效应，即在一段较长的时间内，表现差的股票在未来会出现逆转，表现变佳;而在给定的一段时间内，最佳股票则倾向于在未来出现差的表现。反转是一个公认的有效因子，被大量的机构投资者作为一类基础因子纳入到多因子选股模型中，因而反转因子的表现对投资组合的收益有着重大的影响，但是反转因子也存在换手率高、波动性大等缺点。本文受ZhuZ等（2019）的启发，从基本面的角度对一些技术面因子进行增强，旨在提高反转的选股效果。

1基本面增强反转

股价未来走势往往与前期涨跌幅负相关，反转效应意味着应该买进前期跌幅较大的股票，卖出涨幅高的股票。前期跌幅较大可能是因为投资者情绪过度反应造成的错杀，也可能是因为公司的基本面变差。如果是因为前者，那么股票后市可能会有明显的价值修复，但如果是后者导致的理性下跌，后市难有较好的表现。相应地，如果是由于基本面改善导致的前期上涨，后市一般也不会发生价格回调。

由此可见，仅从股票涨跌幅考察反转效应是不够的，还需要区分股票前期表现是否因为基本面变化导致。但不幸的是，目前市场上大多数机构在构建反转因子时，似乎都没有考虑这一因素。

从反转的实际表现来看，单纯的反转因子具有波动性大、换手率高、回撤大的特点。原因之一可能是因为反转的计算方式简单，只衡量了前期的市场表现，没有区分市场表现是否符合公司的基本面情况，从而造成误判。

我们将基本面增强反转因子定义为排除基本面因素影响之后的反转效应，可以表示为股票过去一段时间的区间收益率减去同期归因于基本面变化的收益率：

Rversalt=Rt-R_Ft（1）

Rt表示股票前一个月的涨跌幅，R_Ft表示同期基本面变化导致的R_Ft。

2FScore

式（1）给出了基本面增强反转的计算公式，就目前来看，难点在于基本面变化导致的收益率R_Ft的计算，实际上很难将股票收益率完美地归因，无法得到R_Ft的一个准确值。

既然如此，只能寻找R_Ft的代理变量，幸运的是，Piotroski（2000，2012）提出了FScore方法来衡量公司的基本面因素。Choi等（2012）指出，随着价格对基本面信息的逐步吸收，FScore对于基本面驱动的未来收益率变化预测能力是提升的。FScore是一个综合的指标体系，从公司的流动性、财务杠杆、运营效率等多个维度进行了考察，同时FScore是一个非参数的指标，只需要公司的财务报表数据即可计算，没有模型误差。

具体来说，FScore是由多个指标打分，求得的一个总分值。共有9个指标，满足一个指标得一分，不满足不得分：

1）ROA为正;

2）经营活动产生的现金流大于0;

3）ROA同比增长;

4）净利润与经营活动产生的现金流之差小于0，即应计利润为负;

5）资产长期负债率下降;

6）流动比率同比上升;

7）无新股发行;

8）毛利率同比上升;

9）资产周转率同比上升。

9个指标从多个维度衡量了公司的基本面信息，分值越高，基本面状况越好。ZhuZ等（2019）根据FScore取值范围将股票分为3种类型：0～3分为低分值股票，基本面相对较差;4～6分为中等分值股票，代表基本面一般的公司;7～9分为高分值股票，公司的基本面情况良好。

基本面良好的公司，未来股价可能会得到上升，基本面较差的公司，未来股价趋于下跌，因此FScore与股票价格呈现正相关的关系。

股票前期Rt涨跌幅与股票价格负相关，R_Ft的代理变量FScore与股票价格正相关，因此基本面增强反转因子与股票价格的关系由Rt和FScoret两者共同决定。

3FScore的实证

FScore从盈利能力、杠杆率、流动性、运营效率等方面衡量了公司的基本