時間：2023-07-07 17:24:34
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇量化投資基本面分析方法，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
今年7月中下旬以來，盡管對于未來股市究竟能沖到多高點位，市場分歧一直不斷，但一直保持較高倉位的量化產品，已經呈現出越來越明顯的賺錢效應。相關數據表明，量化基金今年以來整體業績平均回報已經占勝了主動權益產品。據Wind數據統計，自2004年國內誕生第一只量化基金以來，目前市場有24只主動量化概念基金產品，涉及19家基金公司。截至9月12日，量化基金今年以來平均收益為12.46%，而同期全部權益類產品的平均收益為9.48%。其中，華泰柏瑞量化指數今年以來收益20.37%，排名前十分之一。
此前，“量化投資”這個詞雖還不為大多數投資者熟悉，相對海外量化基金，國內公募的量化基金起步較晚，之后的發展也一直非常緩慢。但在2005年～2009年指數型基金帶動公募量化崛起之后，隨著融資融券的成熟及期權的推出以及量化基金在A股市場現今的優異表現，市場人士預計，必然將再度在中國資本市場催生第二波“量化投資”熱。
有鑒于此，《投資者報》“基金經理面對面欄目”本期特別邀請到華泰柏瑞量化指數基金的基金經理卿女士，就當下量化投資的一些熱點問題、投資技巧以及四季度行情的走勢判斷等相關問題進行交流。
卿認為，量化投資不能做加法，人為將某個個股加入買入清單；又必須經常結合基本面，對量化模型進行合理的改善。同時她還指出，A股主板市場經歷了長時間低迷，估值已經反映經濟中的問題和增長的放緩，除非經濟發生重大或系統性風險，下行空間有限。
華泰柏瑞量化初露崢嶸
《投資者報》：我們關注到，華泰柏瑞量化指數自2013年8月2日成立以來，特別是自今年2月成立滿6個月以來，已經連續5個月蟬聯海通證券超額收益榜“增強股票指數型基金”冠軍。截至9月19日，在短短一年多點的時間里取得了24%的收益，在同類產品中遙遙領先。請問是什么原因讓華泰柏瑞量化指數業績回報如此出色？
卿：我們的量化模型一年多運作下來比較成功，除了模型本身設計上的優越性之外，也歸功于我們團隊的努力。我們開發的量化模型是基于基本面的量化選股模型，并且針對A股市場的特點作了調整，加入了一些獨特的基本面因子。這些因子是華泰柏瑞團隊投資技能的體現，希望以此區別于市場中其他的量化投資策略，華泰柏瑞未來也會進一步研究新的因子，并加入到投資模型中去。
我們的投資目標有兩個，一是戰勝市場，二是提高單位風險帶來的收益。事實證明，基金成立以來的回撤數據和信息比率都十分良好。
量化投資不能做“加法”
《投資者報》：您曾稱目前業內一線的量化投資思路是做“聰明的量化投資”，即既要堅守量化投資的流程底線和投資本質，也要做必要主動決策和風險管理。請問您是如何把握這個主動的動作幅度和范圍的？換言之，這個主動的動作幅度具體是什么比例？多大范圍？
卿：這里我們所說的聰明量化是指和基本面相結合的量化。主要體現在三個層面：一是模型構建方面跟蹤市場變化做出適時調整。在有市場觀察驗證并有數據支持的情況下，調整模型不同因子間的權重，并淘汰不再適用的因子，根據反映市場獨特特點的基本面信息，開發新的獨有的因子，不斷改進完善模型。二是結合基本面信息，在投資組合構建過程中，控制組合對一些模型尚未反映的風險因素的暴露，并把個別交易標的從交易清單中剔除，以反應模型尚未捕捉的重要信息，像臨時重大信息披露、漲停板等，但決不會人為挑選個股加入交易清單，以堅守量化投資的紀律性。三是在極端情況下為保護投資人利益需要盡最大能力做出對投資人最為有利的決策，以應對市場大的轉折。主要是指危機狀態下，不會機械地固守模型，如果是只做多的策略，會相應做出減倉等應對措施，而不是為堅守不擇時的紀律而讓投資人蒙受損失。這主要是來自2008年金融危機的教訓。
同時，我們與基本面結合，不以犧牲紀律為代價。正常情況下，主要以改善模型為主，把基本面觀點通過模型反映到投資組合中。在個股層面，只能結合市場信息，從模型給出的交易清單中剔除個股，而不可以人為將某個個股加入買入清單，以堅守紀律性。
量化投資在國外被廣泛應用
《投資者報》：在您眼里，中國的量化投資才剛剛起步。您曾表示“中國的量化投資管理的資產規模至少5年內還看不到發展的天花板”。那么，時至今日，您認為中國的量化投資管理的資產規模的天花板應在什么位置？為什么？
卿：國際市場上，量化投資是區別于基本面投資的另一種主要投資模式，和基本面投資相比，有它自身的優勢。量化分析在境外資產管理公司中得到非常廣泛的應用。一些資產管理公司像過去的BGI（巴克萊旗下資產管理部門巴克萊全球投資者）和AQR（華爾街表現最突出的量化對沖基金之一）等等，全部采用量化投資策略；另外一些公司，像GMO（知名的全球投資管理公司，管理規模上千億美元），Pimco（全球最大債券基金――太平洋投資管理公司）和Citadel（美國芝加哥大城堡對沖基金公司）等則把量化分析和基本面分析結合在一起運用。 總的來說，境外幾乎所有大的資產管理公司都會或多或少依賴量化分析的方法。
目前，A股市場絕大部分投資策略都是基本面投資，真正做量化投資的資金很少，其獲得超額收益的市場機會很多，發展空間很大；并且國內市場樣本多，利用量化手段來捕捉超額收益的勝率也有保障，因此未來的前景是比較樂觀的。
量化投資能夠戰勝A股市場
《投資者報》：今年以來量化基金的杰出表現，讓不少投資人驚呼“量化的春天已經到來”，對于市場上的這種樂觀情緒，田總又是怎么看的？
卿：在國際市場，量化投資在投資領域已經占有了重要的一席之地。當前的A股市場中量化分析的運用程度還非常低，所以我們相信量化投資的市場份額一定會逐步增大，未來的發展空間是巨大的。另外，隨著市場的完善，量化投資有機會為市場提供像絕對收益等的新產品，使得市場中的投資產品更加豐富，投資人可以有更多的選擇。
《投資者報》：相對于其它主動管理的基金，量化基金在A股市場具有哪些優勢，以致其能在今年的A股市場整體領先？
卿：A股市場的特性十分適合基本面量化投資。
第一個原因是A股市場處于弱有效狀態，戰勝市場的機會較大。A股市場的發展歷史較短，市場效率相比發達經濟體低很多，因此有很多發現阿爾法因子的機會。
第二個特點是目前量化投資的市場份額小。國內目前的基本面量化產品規模總體不大，其中嚴格遵循量化投資理念的基金更少，因此有很大的市場空間和盈利機會。
第三是A股市場容量大，而且還在快速擴容中，給量化投資提供了足夠的投資寬度和行業寬度。
第四是A股的數據質量不斷提高。供應商提供的數據以及識別數據可靠性的技術手段不斷得到提升，使得以數據為基礎的量化投資的投資環境也不斷得到加強。
計算機給投資帶來的改變
1997年5月11日，國際象棋世界冠軍卡斯帕羅夫與1BM公司的國際象棋電腦“深藍”的六局對抗賽降下帷幕。在前五局以2.5對2.5打平的情況下，卡斯帕羅夫在第六盤決勝局中僅走了19步就向“深藍”拱手稱臣。整場比賽進行了不到一個小時，卡斯帕羅夫賽后說，在最后一局時，“我已經無力再戰。”于此同時，利用計算機和數學模型來進行數量化投資的基金正邁入高速增長期。
量化基金即以數量化投資來進行管理的基金。數量化投資區別于基本面投資，他不是通過“信息和個人判斷”來管理資產，而是遵循固定規則，由計算機模型產生投資決策。量化投資并不是基本面分析的對立者，90％的模型是基于基本面因素，同時考慮技術因素。由此可見，它也不是技術分析，而是基于對市場深入理解形成的合乎邏輯的投資方法。
數量化技術發源于20世紀70年代，以1971年富國銀行發行跟蹤紐約證券交易所1500只股票的指數基金為標志，此后隨著計算機處理能力的提高，越來越多的物理學家和數學家離開學校被華爾街雇傭，基金經理們開始依靠電腦來篩選股票。
1979年巴克萊全球投資(Barclays Global Investor)成立了第一支主動數量(Quantitative & Active)投資基金標志著量化投資由草根實踐走到了公募基金歷史舞臺聚光燈下。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都開始在運作數量化基金，他們也都開始加入Barclays Global Investors和LSVAsset Management的陣營，后兩者是數量化基金管理中最大的兩家公司。另外，NumericInvestors和AQR CapitalManagement是增長最快的數量化基金公司。
根據Bloomberg的數據，截至2008年底，1184只數量化基金管理的總資產高達1848億美元，相比1988年21只數量化基金管理的80億美元資產來說，平均增長速度高達20％，而同期非數量化基金的年增長速度僅為8％。
2000年之后是數量化基金發展的黃金時期，無論是個數還是管理規模都有了跨越式的發展。1998年數量化基金僅136只，至2002年增長一倍多，達316只，2008年底更是達到1848只，1988年至1998年年平均增長率為46％，2000年至2008年年平均增長幅度達54％。從規模上來看，1988年至1998年年平均增長率為32％，2000年至2008年年平均增長幅度達49％。
其中的原因有二：一是，2000年之后計算機技術飛速發展，為數量化的應用提供了良好的平臺；更為主要的是主動管理型基金很難戰勝大盤，于是投資指數基金以及采用數量化方法篩選股票逐漸流行起來。而且數量化基金的表現也非常不錯。2002年至2007年5年間，相比美國市場主動型管理基金每年5.93％的超額收益，那些覆蓋所有資產的數量化基金每年的超額收益可以達到6.95％。另外，有研究表明，2004年至2007年，投資美國大盤股的數量化基金產品的表現平均超越非大盤主動型基金103個基點。
模型――量化基金的心臟
數量化基金的興起，建立在數量化投資技術的發展之上。在20世紀80年代，大量復雜模型得以發展，這包括：混沌理論(chaos theory)、分形(fraetals)、多維分形(multi-fractals)、適應過程(adaptive programming)、學習理論(leaming theory)、復雜性理論(complexity theory)、復雜非線性隨機理論(complex nonlinear stochasticmodels)、數據挖掘(data mining)和智能技術(artificial intelligence)。然后，回歸分析(regression analysis)和動量模型(momentum modeling)仍然是被調查者使用最廣泛的數量化投資方式。
數量化基金最明顯的優勢之一就是計算機處理數據的能力遠遠勝過人腦，這使電腦在海量股票選擇中占有絕對優勢。例如在嘉信證券的股票評級系統跟蹤的股票超過3000只，并且每只股票都綜合了基本面、估值、動理和風險因素進行打分，并按分數高低給A至F不同的評級。其次。量化基金是以定量投資為主，用紀律性較強的精細化定量模型，代替了基金經理或分析師在定性層面的主觀判斷，使投資業績較少受到個人“熟悉度偏好”的影響。最后，數量化基金收取的費率及管理費用比傳統的主動型基金低很多，因為他們需要的研究人員更少，成本更低。據Lipper調查，數量化基金的平均費用是1.32％，相比而言，主動型基金的管理費用平均達到1.46％。
數量化投資理念成就了一大批數量化基金經理，詹姆斯?西蒙斯無疑是其中的佼佼者。他所管理的大獎章基金對沖基金(Medallion)，從1989年到2006年的17年間，平均年收益率達到了38.5％，而股神巴菲特過去20年的平均年回報率為20％。從1988年成立到1999年12月大獎章基金總共獲得2478.6％的凈回報率，超過第二名索羅斯的量子基金一倍，而同期的標準普爾指數僅有9.6％。即使在次貸危機全面爆發的2007年，該基金的回報率仍高達85％。
然而量化基金并非所有市場都能有效戰勝非量化基金。Lipper把基金分為四類型，每一類型量化投資與傳統投資比較，2005年量化投資基金戰勝傳統基金，而2006年在增強指數型基金中，量化投資落后于傳統型基金，到2007年情況則發生較大轉彎，除市場中立基金外，其余量化投資基金全部跑輸傳統型基金。在考慮了風險、跟蹤誤差后，數量化投資具有更小的跟蹤誤差和更高的回報。研究表明數量投資基金業績具有很強的輪動特點。大部分數量投資基金具有很強的價值投資偏好(value bias)，因此，他們在價值型市場下表現良好，而1998-1999年是成長型市場，數量化投資基金大部分跑輸傳統型基金。2001-2005年是價值型市場，數量化投資基金普遍表現優異。
用數學創造財富
國內基金業雖然歷史較短，但發展迅速。美國等成熟基金市場的現狀，也很可能會是我們未來的發展方向。指數基金、量化基金以及免傭基金等品種，在未來有望陸續發展壯大，受到越來越多投資者的認可。
目前，國內基金市場上有4只量化基金，光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略，其中后兩只均是今年才成立，前兩只分別成立于2004年8月和2005年10月。
光大保德信量化核心一方面通過光大保德信的多因素數量模型對股票的預期收益率進行估算，個股預期收益率的高低決定投資組合是否持有股票；另一方面，投資團隊從風險控制角度，重點關注數據以來的信息，通過行業分析和個股分析形成對量化的補充；最后由投資組合優化器根據預先設計的風險構建組合。
上投摩根阿爾法基金的描述則是同步以“成長”與“價值”雙重量化指標進行股票選擇，然后研究團隊將對個股進行基本面審核，結合跟蹤誤差的緊密監控，以求不論指數高低，市場多空皆創造主動管理回報。投研團隊最終決定進入組合的股票，量化分析是輔助和基礎。
嘉實量化基金“定量投資”為主，輔以“定性投資”。通過行業選擇模型，捕捉具有投資吸引力的行業，然后再在所選行業中運用Alpha多因素模型篩選個股。定性的輔助作用表現在利用基本面研究成果，對模型自動選股的結果進行復核，剔除掉滿足某些特殊條件的股票。
中海量化策略以量化模型作為資產配置與構建投資組合的基礎。根據量化指標實行從一級股票庫初選、二級股票庫精選，再根據相關模型計算行業配置權重。結合行業配置權重，組合中每只股票的配置比例。
盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（四）2013年諾貝爾經濟學獎的啟示
【關鍵詞】 杜邦分析； 有用性； 灰色關聯
中圖分類號：F832.48 文獻標識碼：A 文章編號：1004-5937（2014）13-0041-03
一、引言
近幾年我國資本市場得到了長遠發展，越來越多的家庭和企業參與到資本市場中，截至2014年2月，我國股票市場有效賬戶數已經達1.33億。在美國等發達國家，家庭更多的傾向于通過投資基金間接參與股票市場，而在我們國家更多的家庭選擇直接參與股票市場。因此股票市場的漲跌影響著眾多家庭的財產收益。而在目前股票市場經歷幾年的低迷，投資價值凸顯的背景下，研究股票市場的投資方法顯得更具現實意義。
關于股價的分析方法，目前主流的有技術分析法和基本面分析法。技術分析法側重于股票價格和成交量的研究，憑借歷史經驗的數據來預測未來的股價運行，分析過程以圖表作為分析工具，因此也叫圖表分析法。基本面分析法認為，公司的盈利能力越強，給股東的回報越高，相對應的股份價值越大，因此公司的盈利能力決定了公司的股價。該方法側重于研究公司的財務狀況，經營成果和現金流量等財務信息。從國內外的歷史經驗看，技術分析法適用于短線投機，基本面分析法適用于長線投資。因此基本面分析法顯得更為理性，像巴菲特等眾多投資大師都通過基本面分析法參與股市投資。本文也立足于基本面分析法，即公司的盈利能力來探究股價的運行規律。
二、理論分析
評價企業盈利能力的綜合指標是凈資產收益率，該指標利用凈利潤與所有者權益之比來反映所有者投資的獲利能力。而杜邦分析是以凈資產收益率為核心反映企業盈利能力的評價系統，是典型的利用財務指標之間的關系對企業盈利能力進行綜合分析的方法。
理論上，凈資產收益率越高，股份價值越大，該指標與股價成正相關。拆解后的三個指標分別為權益乘數、總資產周轉率、銷售凈利潤率，三大指標和凈資產收益率都是正相關的關系，因此，它們與股價也成正相關。權益乘數越大，所有者資本占全部資產的比重越小，企業負債的程度越高。只要企業的資產報酬率高于負債利率，企業更多地舉債對所有者來說就可以獲取更多的利潤，從而股份價值增長，股價上升。總資產周轉率越高，表明企業的資產周轉次數越多或周轉天數越少，是企業營運能力增強的體現。該指標的上升往往是營業收入的增長而不是總資產的下降所致，而營業收入的增長會給所有者來帶來更多的利潤，從而股份價值增長，股價上升。銷售凈利率高表明銷售商品的營業收入扣除所有費用后凈利潤的提高，往往通過企業商品毛利的提高或者期間費用的有效控制實現，而這也意味著企業所有者獲取更多的利潤，從而股份價值增長，股價上升。
三、實證分析
通過理論分析股價與益乘數、總資產周轉率、銷售凈利潤率成正相關關系。下面進一步看實證的結果。在國內蔣賢品、魯愛民等從定性的角度加以介紹和分析，直接利用杜邦分析體系和指標來評價和預測公司的價值。朱宏泉、舒蘭等（2011）僅用回歸的方法分析了盈利指標與企業價值的相關性，并且沒有分行業進行研究。因此分行業并且對財務指標投資有用性進行灰色關聯分析是本文的創新與研究內容所在。
（一）樣本選取
樣本選取的時間跨度為2008年至2012年，在這五年中，上證指數經歷了以下三個階段的牛熊市交替：從5 265跌至1 664，從1 664漲至3 478，從3 478跌至1 949。這樣可以一定程度上避免市場總體表現對分析的干擾。同時，本文選取滬深兩市18家旅游類上市公司作為研究樣本。旅游行業屬于弱周期行業，選其作為研究對象可以較大程度避免經濟周期和經濟政策對分析的干擾。本文中上市公司主要財務指標以及股價數據來源于東方財富網和相關上市公司所披露的年度報告。
（二）灰色關聯分析
本文以灰關聯分析法進行實證研究。灰色系統理論提出了對各子系統進行灰色關聯度分析的概念，意圖透過一定的方法，去尋求系統中各子系統（或因素）之間的數值關系。灰色關聯分析對于一個系統發展變化態勢提供量化的度量，非常適合動態過程分析。在我國自鄧聚龍于1987年首次提出鄧氏關聯度后，解決了許多過去難以解決的問題。
當進行灰色關聯度計算數列的量綱不同時最好作無量綱化處理，此外還要求數列有公共交點。為解決這兩個問題，計算關聯系數之前，先將文章先對數列作初值化處理，處理結果如表1所示。
四、結論
作為常用的綜合性價值評價工具，杜邦分析通過將資產收益分解為利潤率、資產周轉率和權益乘數，以反映企業經營業績的各個不同方面和變化因素，為公司管理者改善經營業績、投資者更好地判斷公司的價值及變化，提供了一種簡潔、有效的方法，因而受到人們的廣泛關注，并在企業管理中發揮了巨大的作用。本文以A股旅游類上市公司為研究樣本，探討杜邦分析的核心指標和股價的相關性。結果發現：
1.杜邦分析在投資中存在有用性。股價波動與公司的權益乘數，總資產周轉率和銷售凈利率存在相關關系，這也符合資產內在價值評估理論。
2.三大指標中權益乘數和資產周轉率的有用性比較強，銷售凈利率有用性較弱。這說明資本市場能較好地反映公司的風險程度以及盈利能力，但對企業資產運營能力反映較弱。這符合證券投資分析的基本理論，證券投資主要考慮企業的風險和收益，而企業的資產運營能力不是關注重點。
3.杜邦分析中的三大指標能在證券投資中呈現較強的有用性，一定程度說明我國證券市場正趨向成熟并發揮價值發現的職能。作為投資者應當踐行價值投資的理念，在充分運用杜邦分析等方法分析企業的財務數據后再進行投資配置。
【參考文獻】
[1] 蔣賢品，祝錫萍.杜邦財務分析體系的擴展形式及其應用[J].數量經濟技術經濟研究，1999，16（5）：65-66.
[2] 魯愛民，陳錦輝.實踐中對杜邦財務分析指標體系的修改和運用[J].數量經濟技術經濟研究，2000，17（7）：73-75.
[3] 朱宏泉，舒蘭，王鴻，范露萍.杜邦分析與價值判斷――基于A股上市公司的實證研究[J].管理評論，2011，23（10）：152-160.
[4] 鄧聚龍.灰色系統基本方法[M].武漢：華中理工大學出版社，1987：85-100.
[5] 嚴若森.公司治理評價及其灰色關聯分析[J].技術經濟，2009，28（7）：114-120.
2011年盈利增速：化肥農藥、半導體產品、一般化工、有色金屬等4個行業分別以138%、98%、97%、95%的預測增長率居前；水運、證券經紀、電力等行業預測增速分別為-123%、-14%、-2%，預計將是2011年增速最低的行業。。
計算機存儲和設備、建筑原材料、人壽保險等分別以161%、1111%和96%的行業上漲空間位列前三。啤酒、證券經紀、生物技術等行業下降空間最大，幅度均超過40%。
機構認同度
盈利動能：與一周前盈利預測數據相比，信息技術與服務、航天與國防、休閑用品等行業的盈利增速調高幅度居前，上調幅度分別為6.61%、1.43%和0.79%；半導體產品、輪胎橡膠、綜合華工等行業的盈利增速下調幅度較大，調低幅度分別為5.73%、5.56%、4.33%。
分析師評級：從過去3個月的變化趨勢看，輪胎橡膠等評級不斷上調，百貨、啤酒、建筑材料、建筑與農用機械、重型電力設備、特殊化工品、其它石油設備與服務、非金屬材料、貴金屬、有色金屬、銀行、出版、水運等則有不斷下調趨勢。
目標價漲升空間：計算機硬件以57%的目標價漲升空間繼續領跑，人壽保險、建筑材料等漲升空間均超過25%。排名相對落后的主要是出版、環保服務、水運、自來水、制鋁業和生物技術等，漲升空間均不超過10%。
技術面掃描
白酒、建筑原材料、石油加工和分銷連續第二周分享排行榜"三甲"，貴金屬、煤炭、航天與國防、批發、鋼鐵、飼養與漁業、多種公用事業排名分列居前十。
本勢行業排行榜排名大幅上升的行業包括：保健產品、醫療設備、影視音像、煤氣與液化氣、計算機存儲和設備、林業品、綜合性商務服務、飼養與漁業等。
本周建議關注行業和風險提示行業
建議關注：系統軟件、信息技術與服務、航天與國防、紡織品、白酒。
提示風險：水運、制鋁業、重型電力設備、半導體產品、鋼鐵。
我們的行業研究邏輯：
從三個方面入手尋找股價的驅動因素：第一、基本面，主要從盈利增長前景和估值角度考量股價，一般來說，估值較低的股票長期里終將回歸合理估值水平；第二、機構認同度，機構的買賣無疑是股價變動的直接影響因素之一，受到機構青睞的股票更具價格上漲動力。我們用分析師數據的變化來捕捉機構認同度；第三、技術面，從行業的角度看，行業相對價格強度能夠幫助鑒別股票是否處于領導性行業中，相對投資機會常常在上升的行業中，而處于下降行業中的股票則要注意風險。
本文將分別從基本面（業績增長率、相對市盈率漲升空間）、機構認同度（盈利動能、投資評級、目標價漲升空間）、技術面（強勢行業排名）等三個方面、多個角度對行業進行比較，并綜合考量各種因素，對行業進行量化排名，最后我們會給出5個建議關注行業和5個風險提示行業，供機構投資者參考。因我們在行業量化排名過程中，以分析師數據為核心，故我們命名該排序方法為“天眼行業專家”。
根據"今日投資"4級行業劃分（以摩根斯坦利行業劃分標準為基礎），目前上市公司共組成107個行業。我們僅選擇分析師跟蹤公司數量大于等于5個的行業（另外加入了人壽保險行業），共計68個。
基本面掃描
業績增速有下調趨勢
2011年盈利增速：三行業將現負增長
圖1列出了各行業的業績增速（2011年預測值）。其中，化肥農藥、半導體產品、一般化工、有色金屬等4個行業分別以138%、98%、97%、95%的預測增長率居前（詳見圖1）。與上期前四名增長率均過百相比，絕對增速有所下降；水運、證券經紀、電力等行業預測增速分別為-123%、-14%、-2%，預計將是2011年增速最低的行業。
相對市盈率漲升空間：啤酒和證券經紀墊底
根據相對市盈率上升空間（歷史均值/相對市盈率）和相對業績增長系數（行業業績預測增長率/滬深300業績預測增長率），我們計算出了各行業的股價超額收益上升空間（由于個股數據往往對行業均值數據有較大影響，我們的行業市盈率數據選取的是中值）。圖2列出了各行業的股價超額收益上漲空間。計算機存儲和設備、建筑原材料、人壽保險等分別以161%、1111%和96%的行業上漲空間位列前三。啤酒、證券經紀、生物技術等行業下降空間最大，幅度均超過40%。
分析師悲觀情緒繼續上升
盈利動能：盈利下調行業數量增加
約翰·聶夫1964年成為溫莎基金經理，并一直擔任至1995年退休。在此期間，他將搖搖欲墜、瀕臨解散的溫莎基金經營成當時最大的共同基金。
在31年間，溫莎基金的總投資回報率為55.46倍，累計平均年復合回報率達13.7%，這個紀錄在基金史上尚無人能與其媲美。
在退休前，聶夫還一直兼任威靈頓管理公司的副總裁和經營合伙人。聶夫的成功之道，并不在于使用了高深的投資技巧及數學模型，而是廣為人知的低市盈率投資法。
對于A股市場的投資者，聶夫的投資之道完全可以復制，因為低市盈率投資法很容易做到量化選股，而且回溯檢驗的結果相當不錯。
我們運用修正過的聶夫選股方法對2005年5月初至2012年12月底的A股市場進行了回溯檢驗，結果表明聶夫之道在A股市場可以取得44.12%的年化復合收益率，而同期滬深300指數的年化復合收益率只有13.86%，聶夫之道投資法的年化超額收益達到30.26個百分點。
在24個分季度檢驗區間中，“聶夫之道”跑贏滬深300指數的次數達到16個，占比為66.67%，單季最高超額收益達到56.77個百分點；在8個超額收益為負的檢驗區間中，單季最高超額負收益只有10.69個百分點。
此外，我們還將“聶夫之道”與公募基金進行了對比。在全部公募基金中，排名第一的是華夏大盤精選，有“公募一哥”之稱的王亞偉從2005年5月開始執掌該基金，直至其于2012年5月離開華夏基金。該基金在2005年5月初至2012年12月底的期間收益率達到1149.07%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值達到12.49元。
作為比較，“聶夫之道” 在2005年5月初至2012年12月底的期間收益率達到1549.70%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值達到16.49元。
也就是說，如果“聶夫之道”是一只基金，那么其收益率戰勝了以王亞偉所領銜“華夏大盤精選”為代表的全部公募基金；此外，與包括開放式和封閉式在內的全部公募基金相比，“聶夫之道”還有一個非常明顯的優點，即投資者可以根據自己的決定在任何期間買入和賣出。
8月14日-8月20日的五個交易日中，根據Wind統計，在其所覆蓋的券商研究報告中，對滬深300指數的300家成份股公司，業績調升32家，調降59家。
過去一個月，滬深300指數成份股業績調升69家，調降122家。
截至8月20日收盤，滬深300指數成份股按總市值除以預測總利潤計算的2013年PE平均值為8.35，按照總市值從大到小分為5個區間，同樣按照上述方法計算的市盈率平均值分別為6.96、16.10、15.86、17.91、15.36。
相比一周前（8月13日），滬深300指數成份股預測總利潤減少0.31%，由20323億元變為20260億元；市盈率平均值減少1.39%，由8.47變為8.35。
相比一個月前（7月20日），滬深300指數成份股預測總利潤減少0.25%，由20309億元變為20260億元；市盈率平均值增加3.55%，由8.07變為8.35。
截至8月20日，過去一周（2013年報告期）每股收益預測上升和下降前10名、過去一周（2013年報告期）評級上升和下降前10名分別如左側表格所示。
截至8月20日，過去一個月（2013年報告期）每股收益預測上升和下降前10名、過去一個月（2013年報告期）評級上升和下降前10名分別如右側表格所示。 Wind評級的1分至5分，分別對應“買入”、“增持”、“持有”、“中性”、“賣出”。
創一年新高（新低）股票概況
8.15-8.21期間，共計161只股票創一年新高，創新高個股數量位列前三位的行業（申萬一級行業分類）分別是信息服務（35只）、信息設備（27只）、電子（15只）。上述股票的加權平均市盈率（2012年年報）為9.90，加權平均市凈率（2012年年報）為1.79，期間最高股價的平均值為18.37元。
由于光大證券“烏龍指”的影響，一些原本成交低迷的超級大盤股出現瞬間漲停，之后又快速回落。例如工商銀行（601398.SH）、長江電力（600900.SH）等。
8.15-8.21期間，兩市無創一年新低個股。
勝券投資分析
第45期回顧
牛股通常具有相似的特征，也就是我們這里說的“牛股基因”。勝券投資分析揭秘的牛股基因通常體現在以下四個方面：
首先，牛股表現出良好的成長性。勝券投資分析通過個股的凈利潤評分、價格相對強弱評分以及兩者相結合的綜合評分為廣大投資者提供了一種快餐化的基本面選股方式，經過歷史回顧檢驗，牛股往往是綜合評分超過80分的股票。只有這些股票有著表現優異的基本面，而優異的基本面往往是支撐其股價不斷上漲的動力。
其次，發展前景良好的行業是孕育牛股的溫床。關注勝券的投資者可以發現，勝券投資分析近期重點分析的股票往往集中于醫藥生物、信息服務等勝券行業排名靠前且整體強勢的行業。牛股往往是這些行業中表現不俗的股票。
第三，牛股往往在跌跌不止的行情中具有抗跌性。勝券一度強力解讀的牛股恩華藥業（002262.SZ）和上海家化（600315.SH）等在2012年大盤的頹勢中股價逆市上揚并不斷創出52周新高；在年底大盤回暖后再創佳績。當然，這些股票也不是直線上漲的，在股價攀升的過程中不免有回調，此時正是對投資者心理的考驗。勝券投資分析認為，對于基本面和政策面以及大盤都沒有發生重大變化的個股發生回調時，投資者可以根據賣出止損策略操作并等待下一個投資時機的到來。
第四，在回暖的行情中不斷地創出52周新高并伴隨明顯的放量往往是牛股啟動的標志。這里的放量至少是當天的成交量相比于50日平均移動成交量上漲40%-50%以上。
神奇公式的核心是“低價買入優質股票”，所選用的兩個指標是投資回報率（ROTC）和收益率（EBIT/EV），其中投資回報率篩選出來的是“好公司”，收益率篩選出來的是“好價格”。
“好公司”主要是對上市公司的相關財務指標進行衡量，即以基本面為導向的分析，所選出的都是一些“質優”的公司，這個指標相對容易確定。
在計算“好公司”得分時涉及的財務指標主要包括營業收入、營業成本、流動資產合計、流動負債合計、短期借款、投資性房地產等。
“好價格”的目標是“低價”股，但什么樣的股價水平才算“低”呢，又該如何發現市場上被低估的股票呢？對此，以價值為導向的投資理論認為，低價是相對于企業的內在價值而言，但內在價值的確定又非常繁雜，神奇公式采用的是一種最便捷的方式，即觀察股票的價格走勢，通過股票的價格漲跌及市值變化篩選出符合條件的“質優低價”股。
在計算“好價格”得分時涉及的財務指標主要包括營業收入、營業成本、短期借款、應付票據、長期借款、少數股東權益、延遲所得稅負債等。
神奇公式的目標并不是單純地尋找“好公司”或者“好價格”，而是尋找能夠將上述兩個因素進行最佳組合的公司，也就是“綜合得分”占優的股票。
在聶夫執掌的31年間，溫莎基金的總投資回報率為55.46倍，平均年復合回報率達13.7%，這個紀錄在基金史上尚無人能與其媲美。
在退休前，聶夫還一直兼任威靈頓管理公司的副總裁和經營合伙人。聶夫的成功之道，并不在于使用了高深的投資技巧及數學模型，而是廣為人知的低市盈率投資法。
對于A股市場的投資者，聶夫的投資之道完全可以復制，因為低市盈率投資法很容易做到量化選股，而且回溯檢驗的結果相當不錯。
我們運用修正過的聶夫選股方法對2005年5月初至2012年12月底的A股市場進行了回溯檢驗，結果表明，聶夫之道在A股市場可以取得44.12%的年化復合收益率，而同期滬深300指數的年化復合收益率只有13.86%，聶夫之道投資法的年化超額收益達到30.26個百分點。
在24個分季度檢驗區間中，“聶夫之道”跑贏滬深300指數的次數達到16個，占比為66.67%，單季最高超額收益達到56.77個百分點；在8個超額收益為負的檢驗區間中，單季最高超額負收益只有10.69個百分點。
此外，我們還將“聶夫之道”與公募基金進行了對比。在全部公募基金中，排名第一的是華夏大盤精選，有“公募一哥”之稱的王亞偉從2005年5月開始執掌該基金，直至其于2012年5月離開華夏基金。該基金在2005年5月初至2012年12月底的期間收益率達到1149.07%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值將達到12.49元。
作為比較，“聶夫之道” 在2005年5月初至2012年12月底的期間收益率達到1549.70%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值將達到16.49元。
如果“聶夫之道”是一只基金，那么其收益率戰勝了以王亞偉所領銜“華夏大盤精選”為代表的全部公募基金；此外，與包括開放式和封閉式在內的全部公募基金相比，“聶夫之道”還有一個非常明顯的優點，即投資者可以根據自己的決定在任何期間買入和賣出。
7月17日-7月23日的五個交易日中，根據Wind統計，在其所覆蓋的券商研究報告中，對滬深300指數的300家成份股公司，業績調升22家，調降28家。
過去一個月，滬深300指數成份股業績調升73家，調降120家。
截至7月23日收盤，滬深300指數成份股按總市值除以預測總利潤計算的2013年PE平均值為8.1，按照總市值從大到小分為5個區間，同樣按照上述方法計算的市盈率平均值分別為6.92、14.36、16.5、17.35、18.19。
相比一周前（7月16日），滬深300指數成份股預測總利潤減少0.02%，由19630億元變為19627億元；市盈率平均值減少1.48%，由8.22變為8.10。
相比一個月前（6月23日），滬深300指數成份股預測總利潤減少0.26%，由19678億元變為19627億元；市盈率平均值減少1.33%，由8.21變為8.10。
截至7月23日，過去一周（2013年報告期）每股收益預測上升和下降前10名、過去一周（2013年報告期）評級上升和下降前10名分別如左側表格所示。
截至7月16日，過去一個月（2013年報告期）每股收益預測上升和下降前10名、過去一個月（2013年報告期）評級上升和下降前10名分別如右側表格所示。 Wind評級的1分至5分，分別對應“買入”、“增持”、“持有”、“中性”、“賣出”。
創一年新高（新低）股票概況
7.18-7.24期間，共計270只股票創一年新高，創新高個股數量位列前三位的行業（申萬一級行業分類）分別是信息服務（75只）、機械設備（36只）、醫藥生物（36只）。上述股票的加權平均市盈率（2012年年報）為59.55，加權平均市凈率（2012年年報）為5.36，期間最高股價的平均值為21.61元。
7.18-7.24期間，共計52只股票創一年新低，創新低個股數量位列前三位的行業（申萬一級行業分類）分別是采掘（10只）、交通運輸（6只）、建筑建材（4只）。上述股票的加權平均市盈率（2012年年報）為13.81，加權平均市凈率（2012年年報）為1.44，期間最低股價的平均值為7.71元。
本期創新高股票的總市值為22524億元，創新低股票的總市值為9540億元，兩者之比為2.36：1。
勝券投資分析
第41期回顧
牛股通常具有相似的特征，也就是我們這里說的“牛股基因”。勝券投資分析揭秘的牛股基因通常體現在以下四個方面：
首先，牛股表現出良好的成長性。勝券投資分析通過個股的凈利潤評分、價格相對強弱評分以及兩者相結合的綜合評分為廣大投資者提供了一種快餐化的基本面選股方式，經過歷史回顧檢驗，牛股往往是綜合評分超過80分的股票。只有這些股票有著表現優異的基本面，而優異的基本面往往是支撐其股價不斷上漲的動力。
其次，發展前景良好的行業是孕育牛股的溫床。關注勝券的投資者可以發現，勝券投資分析近期重點分析的股票往往集中于醫藥生物、信息服務等勝券行業排名靠前且整體強勢的行業。牛股往往是這些行業中表現不俗的股票。
第三，牛股往往在跌跌不止的行情中具有抗跌性。勝券一度強力解讀的牛股恩華藥業（002262.SZ）和上海家化（600315.SH）等在2012年大盤的頹勢中股價逆市上揚并不斷創出52周新高；在年底大盤回暖后再創佳績。當然，這些股票也不是直線上漲的，在股價攀升的過程中不免有回調，此時正是對投資者心理的考驗。勝券投資分析認為，對于基本面和政策面以及大盤都沒有發生重大變化的個股發生回調時，投資者可以根據賣出止損策略操作并等待下一個投資時機的到來。
第四，在回暖的行情中不斷的創出52周新高并伴隨明顯的放量往往是牛股啟動的標志。這里的放量至少是當天的成交量相比于50日平均移動成交量上漲40%-50%以上。
神奇公式的核心是“低價買入優質股票”，所選用的兩個指標是投資回報率（ROTC）和收益率（EBIT/EV），其中投資回報率篩選出來的是“好公司”，收益率篩選出來的是“好價格”。
“好公司”主要是對上市公司的相關財務指標進行衡量，即以基本面為導向的分析，所選出的都是一些“質優”的公司，這個指標相對容易確定。
在計算“好公司”得分時涉及的財務指標主要包括營業收入、營業成本、流動資產合計、流動負債合計、短期借款、投資性房地產等。
“好價格”的目標是“低價”股，但什么樣的股價水平才算“低”呢？又該如何發現市場上被低估的股票呢？對此，以價值為導向的投資理論認為，低價是相對于企業的內在價值而言，但內在價值的確定又非常繁雜，神奇公式采用的是一種最便捷的方式，即觀察股票的價格走勢，通過股票的價格漲跌及市值變化篩選出符合條件的“質優低價”股。
在計算“好價格”得分時涉及的財務指標主要包括營業收入、營業成本、短期借款、應付票據、長期借款、少數股東權益等。
神奇公式的目標并不是單純的尋找“好公司”或者“好價格”，而是尋找能夠將上述兩個因素進行最佳組合的公司，也就是“綜合得分”占優的股票。
隨著資產管理學科的不斷更新和發展，數量化資產管理的策略如今被廣泛的運用，越來越多的基金管理人采用了這一成本較低、客觀性較強的策略進行資產選擇和配置。同時，都在很大程度上推進了數量化選股的進程。國際上一些著名的資產管理機構，如巴克萊（Barclays Global Investors），，都有各自的數量化模型并且也發行了許多相關的金融投資商品。
二、數量化選股
目前世界上有很多基金經理人開始采用數量化選股模型進行投資決策。數量化選股，是指利用市場指標、經營指標、財務指標等可以數量化的因素，在眾多上市公司中選出符合條件的公司股票進行投資。數量化選股的模型主要有線性回歸模型、主成分分析模型等。國內外很多學者都運用了這些模型進行實證分析。如Fama-French(1993) 的三因子模型認為，資產組合的超額回報率由上市公司的市值因子(SMB)、賬面市值比因子(HML)以及市場資產組合(Rm ? Rf)決定。數量化選股的優勢在于，利用客觀數據進行分析做出判斷，避免了因基金經理人的主觀判斷錯誤而可能造成的偏誤，一旦模型構建完畢，需要維護和修改所需要的人力物力遠小于傳統的基本面分析，對于基金公司而言，可有效節省成本，增加公司利潤。
三、選股策略：以Alpha model為例
1.介紹
Alpha選股模型是一種將信息轉變成Alpha分數的方法，據此經理人能夠判斷投資于哪些資產以及該如何配置投資組合。本文所說的Alpha選股策略是采用 Qian (2004)的方法，利用兩階段的方法結合多個因子產生Alpha分數，建構多因子模型不僅包含訊息相關系數(Information Coefficient, IC)的時間序列，也包括同時期因子訊號之間的相關性，透過模型求解極大化IR的目標。
2.要素篩選及數據處理
對于基金管理而言，信息運用的成功與否往往是決定成敗的重要因素。在alpha 模型中，所選的要素可以被看做信息，它們可以幫助基金管理人分析股票報酬的預期走勢，從而利用這些信息構建多因子選股模型。然后，如何選擇正確的信息并非易事，因此，信息的分析和評估對于模型的簡歷有著至關重要的作用。
模型將整個數據的區間分為樣本區間和回測區間，通過數據庫獲取整個區間內各個上市公司的財務、發展等各項指標，并進行數據預處理。為了消除各要素不同量綱的差異，將所有數據先進行標準化處理。此外，在數據分析時，個別極端值對于結果可能會產生較大影響，而極端值的產生往往沒有規律可循，據此得出的結論不具有普遍的適用性。Shyu and Jeng (2006)使用了winsorization進行處理，針對每一項要素，計算得出各自的平均值和標準差。將平均值加減5.2倍的標準差作為各項要素的上下極限，如果數據大于上極限或小與下極限，則認為這是一個極端值，而分別使用上極限或下極限的值代替極端值。類似的方法還可以將數據按數值大小排列，取上下5%分點，分別代替大于上5%以及小于下5%分點的值。此類方法的目的都在于消除極端值的影響，使得模型的解釋力更強，偏誤更小。
由于要素的數據頻率不同，將要素分成若干個周要素與月要素。除此之外，要素篩選后于比較長期的樣本內期間，針對這些要素做t檢驗，若要素結果呈現顯著，稱為核心要素。剩下未被篩選的要素并不表示無效，在回測的樣本外期間有效的要素，為衛星要素。再通過兩階段方法，將要素合成因子，因子再合成Alpha Score。最后，將周、月要素合并，并且做平滑化動作，以降低每期權重重新調整的周轉率。
3.選股及資產組合構建
首先確立股池，剔除流通量過低、企業信用等級較低的股票，還可結合產業等因素，根據需要構建的資產組合確定。根據最后的Alpha Score進行選股的動作。模型認為得分較高的個股具有較高的投資價值，根據股池大小選擇相應數目的個股進入資產組合中。各股權重的配置有多種方案，比較簡單的方法是將入選組合的股票平均分配權重，這樣的方法可有效分散風險，但是不利于獲得更高的超額回報。另一種方法是根據得分分配權重，得分越高的股票權重越高，在模型建立準確，預測能力較好的情況下，往往可以獲得更高的超額報酬。
四、實證分析與結論
很多學者已對量化選股這一策略進行過實證分析。袁捷（2008）以滬深A股為研究對象，形成了市場大勢判斷指標、板塊熱點評判指標、技術分析評判指標、基本分析評判指標和主力機構支撐評判指標等五個指標體系的評判分析工具，得出了一套可以量化的投資評判標準。通過實證分析該交易規則在2008年7月至11月期間規避了熊市的系統性風險，建立的投資組合績效優于上證指數，對于投資者有一定的參考價值。隨著越來越多模型的出現和不斷完善以及計算機算法技術的日益精進，這一理論體系也將會得到更多的補充和發展。
參考文獻:
[1]Fama, Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds, [J].1993(02).
[2] Qian, E. E. and Hua.R.Active risk and information ratio,[ J]. 2004.
約翰·聶夫1964年成為溫莎基金經理，并一直擔任至1995年退休。在此期間，他將搖搖欲墜、瀕臨解散的溫莎基金經營成當時最大的共同基金。
在聶夫執掌的31年間，溫莎基金的總投資回報率為55.46倍，累計平均年復合回報率達13.7%，這個紀錄在基金史上尚無人能與其媲美。
聶夫的成功之道，并不在于使用了高深的投資技巧及數學模型，而是廣為人知的低市盈率投資法。
對于A股市場的投資者，聶夫之道完全可以復制，因為低市盈率投資法很容易做到量化選股，而且回溯檢驗的結果相當不錯。
我們運用修正過的聶夫選股方法對2005年5月初至2012年12月底的A股市場進行了回溯檢驗，結果表明聶夫之道在A股市場可以取得44.12%的年化復合收益率，而同期滬深300指數的年化復合收益率只有13.86%，聶夫之道投資法的年化超額收益達到30.26個百分點。
在24個分季度檢驗區間中，“聶夫之道”跑贏滬深300指數的次數達到16個，占比為66.67%，單季最高超額收益達到56.77個百分點；在8個超額收益為負的檢驗區間中，單季最高超額負收益只有10.69個百分點。
此外，我們還將“聶夫之道”與公募基金進行了對比。在全部公募基金中，排名第一的是華夏大盤精選，有“公募一哥”之稱的王亞偉從2005年5月開始執掌該基金，直至其于2012年5月離開華夏基金。該基金在2005年5月初至2012年12月底的期間收益率達到1149.07%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值將達到12.49元。
作為比較，“聶夫之道” 在2005年5月初至2012年12月底的期間收益率達到1549.70%，即2005年5月初買入價值1元的大盤精選基金，在2012年12月底基金凈值將達到16.49元。
也就是說，如果“聶夫之道”是一只基金，那么其收益率戰勝了以王亞偉所領銜“華夏大盤精選”為代表的全部公募基金；此外，與包括開放式和封閉式在內的全部公募基金相比，“聶夫之道”還有一個非常明顯的優點，即投資者可以根據自己的決定在任何期間買入和賣出。如果希望了解“聶夫之道”的更多詳細信息，請關注本刊相關的電子產品：.cn。
10月23日-10月29日的五個交易日中，根據Wind統計，在其所覆蓋的券商研究報告中，對滬深300指數的300家成份股公司，業績調升67家，調降90家。
過去一個月，滬深300指數成份股業績調升83家，調降145家。
截至10月29日收盤，滬深300指數成份股按總市值除以預測總利潤計算的2013年PE平均值為8.5，按照總市值從大到小分為5個區間，同樣按照上述方法計算的市盈率平均值分別為7.16、14.84、18.61、23.07、26.48。
相比一周前（10月22日），滬深300指數成份股預測總利潤減少0.18%，由19260億元變為19225億元；市盈率平均值減少2.17%，由8.69變為8.5。
相比一個月前（9月29日），滬深300指數成份股預測總利潤減少0.39%，由19300億元變為19225億元；市盈率平均值減少0.34%，由8.53變為8.5。
截至10月29日，過去一周（2013年報告期）每股收益預測上升和下降前10名、過去一周（2013年報告期）評級上升和下降前10名分別如左側表格所示。
截至10月29日，過去一個月（2013年報告期）每股收益預測上升和下降前10名、過去一個月（2013年報告期）評級上升和下降前10名分別如右側表格所示。 Wind評級的1分至5分，分別對應“買入”、“增持”、“持有”、“中性”、“賣出”。
創一年新高（新低）股票概況
10.24-10.30日期間，共計113只股票創一年新高，創新高個股數量位列前三位的行業（申萬一級行業分類）分別是機械設備（34只）、醫藥生物（12只）和家用電器（10只）。上述股票的加權平均市盈率（2012年年報）為20.39，加權平均市凈率（2012年年報）為2.67，期間最高股價的平均值為15.97元。
10.24-10.30日期間，共計36只股票創一年新低，創新低個股數量位列前三位的行業（申萬一級行業分類）為食品飲料（13只）、有色金屬（3只）、醫藥生物（3只）、建筑建材（3只）、化工（2只）和房地產（2只）。上述股票的加權平均市盈率（2012年年報）為11.34，加權平均市凈率（2012年年報）為2.78，期間最低股價的平均值為16.72元。
本期創新高股票的總市值為7550億元，創新低股票的總市值為5899億元，兩者之比為1.28：1。
勝券投資分析
第54期回顧
勝券投資工具，根據中國股市的具體特點，將CANSILM交易系統進行了優化和調整，使其更符合中國股市的特點，并能滿足中國投資者的需要。
牛股通常具有相似的特征，也就是我們這里說的“牛股基因”。勝券投資分析揭秘的牛股基因通常體現在以下四個方面：
首先，牛股表現出良好的成長性。勝券投資分析通過個股的凈利潤評分、價格相對強弱評分以及兩者相結合的綜合評分為廣大投資者提供了一種快餐化的基本面選股方式，經過歷史回顧檢驗，牛股往往是綜合評分超過80分的股票。只有這些股票有著表現優異的基本面，而優異的基本面往往是支撐其股價不斷上漲的動力。
其次，發展前景良好的行業是孕育牛股的溫床。投資者可以發現，勝券投資分析近期重點分析的股票往往集中于醫藥生物、信息服務等勝券行業排名靠前且強勢的行業。牛股往往是這些行業中表現不俗的股票。
第三，牛股往往在下跌行情中具有抗跌性。勝券一度強力解讀的牛股恩華藥業（002262.SZ）和上海家化（600315.SH）等在2012年大盤的頹勢中股價逆市上揚并不斷創出52周新高；在年底大盤回暖后再創佳績。
第四，在回暖的行情中不斷的創出52周新高并伴隨明顯的放量往往是牛股啟動的標志。放量至少是當天的成交量相比于50日平均移動成交量上漲40%-50%以上。
神奇公式的核心是“低價買入優質股票”，所選用的兩個指標是投資回報率（ROTC）和收益率（EBIT/EV），其中投資回報率篩選出來的是“好公司”，收益率篩選出來的是“好價格”。
“好公司”主要是對上市公司的相關財務指標進行衡量，即以基本面為導向的分析，所選出的都是一些“質優”的公司，這個指標相對容易確定。
在計算“好公司”得分時涉及的財務指標主要包括營業收入、營業成本、流動資產合計、流動負債合計、短期借款、投資性房地產等。
“好價格”的目標是“低價”股，但什么樣的股價水平才算“低”呢，又該如何發現市場上被低估的股票呢？對此，以價值為導向的投資理論認為，低價是相對于企業的內在價值而言，但內在價值的確定又非常繁雜，神奇公式采用的是一種最便捷的方式，即觀察股票的價格走勢，通過股票的價格漲跌及市值變化篩選出符合條件的“質優低價”股。
在計算“好價格”得分時涉及的財務指標主要包括營業收入、營業成本、短期借款、應付票據、長期借款、少數股東權益等。
神奇公式的目標并不是單純的尋找“好公司”或者“好價格”，而是尋找能夠將上述兩個因素進行最佳組合的公司，也就是“綜合得分”占優的股票。
揭開定量投資神秘面紗
與定性投資不同，定量投資更多關注“數字”背后的意義，依靠計算機的幫助，分析數據中的統計特征，以尋找股票運行模式，進而挖掘出內在價值。
李延剛總結了定量投資的三大優勢：首先是理性。定量投資是對于基于基本面定性投資方法和工具的數量化統計性總結，它在吸收了針對某種投資風格和理念的成功經驗的基礎上，以先進的數學統計技術替代人為的主觀判斷，并能夠客觀理性地堅持，以避免投資的盲目性和偶然性。“完全的數量化分析過程將極大地減少投資者情緒的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策，因而在牛熊市的轉換中具有很強的自我調節性。”
其次，全市場覆蓋。定量投資可以利用數量化模型對壘市場的投資標的進行快速高效的掃捕篩選，把握市場每一個可能的投資機會，而定性投資受人力精力的限制，顯然無法顧及如此廣的覆蓋面。
此外，數量化投資更注重組合控制和風險管理。數量化的個股選擇和組合構造過程。實質上就是在嚴格的約束條件下進行投資組合的過程，先從預先設定的績效目標的角度來定義投資組合，然后通過設置各種指標參數來篩選股票，對組合實現優化，以保證在有效控制風險水平的條件下實現期望收益。“換言之，數量化投資模型能夠很好地體現組合收益與基準風險的匹配和一致，”李延剛解釋。
定量投資是否適應中國市場
“談到定量投資，不得不提量化投資領域中的傳奇人物――詹姆斯?西蒙斯。”李延剛并不掩飾其對這位投資大師的崇敬，“他不僅是世界級的數學家，也是最偉大的對沖基金經理之一。他創辦的文藝復興科技公司花費15年時間，研發基于量化數學模型的計算機模型，借助該模型，兩蒙斯所管理的大獎章基金，從1989年到2006年的平均年收益率達到了38.5％，甚至超過股神巴非特。”
值得一提的是，李延剛也來自數量化投資的發源地――北美，他有著6年海外一線投資管理的實際工作經驗，深刻領會并掌握了量化投資理念與方法，具備數量化投資領域的成功經驗。2007年，李延剛回國后加盟中海基余，著手增強中海基金金融工程團隊的寅力。在借鑒國外成熟的投資理念與經驗的基礎上，結合A股實際，他用了近兩年時間對數量化模型進行反復修改與調試。目前，中海基金的金融工程部已經形成從擇時、配置到選股等方面的一系列研究成果，并在今年順勢推出中海量化策略基金。
詹姆斯?西蒙斯的神話在中國證券市場能否再次實現?“當其他人都擺西瓜攤的時候，我們擺了一個蘋果攤。”李延剛用一個形象的比喻來形容定量投資存國內市場的發展機遇。他認為，目前國內證券市場定性投資者太多，競爭激烈，而數量化投資者則太少，機會相對更多，競爭也很小。李延剛表示，大量實征研究證明，中國證券市場為一個弱有效市場，市場上被錯誤定價的股票相對較多，留給定量投資發掘市場非有效性的空間也就越大。基于這種考慮，定量投資方法在中國的發展極具發展空間。
“今年推出量化基金并非一時的心血來潮，一方面中海基金金融工程部已經逐漸成熟，而另一方面也是出于市場時機的考慮。”李延剛強調。
他認為，在經歷2008年的巨幅下跌后，市場底部已經基本確立，目前小盤股估值相對較貴，短期內市場可能會以調整為主，但未來市場走勢仍然存在諸多不確定。在此背景下，如何把握結構性機會將是未來投資關鍵之所在，利用數量模型進行分析和投資的量化基金具備更好的適應性。中海量化策略基金將把握市場調整時機，采用數量化模型選人具有估值優勢和成長優勢的大中盤股票作為基石，輔之以部分優質的小盤股票。
“量體裁衣”完善全程量化流程
據了解，中海量化策略基金的全程量化流程分三個步驟，即選股策略自下而上，施行一級股票庫初選、二級股票庫精選以及投資組合行業權重配置的全程數量化。
“就像裁縫做衣服一樣，量化基金在投資中也要通過‘量體裁衣’來完善全程量化流程。通過全程量化與基金經理的思想相配合，才能做出優質的量化基金。”李延剛表示。
首先，選取代表性最強的反映公司盈利能力的指標，對于所有的A股上市公司進行篩選從而得到一級股票庫。“主要通過對所有A股股票過去三年平均EPS(每股收益)、ROE(凈資產收益率)、毛利率三項指標進行篩選，它們能分別較好的反映上市公司的獲利能力，從而得到一級股票庫。”李延剛說。
其次，通過盈利性指標、估值指標、一致預期指標，熵值法確定指標權重后，對一級庫股票進行打分排名，從而篩選出二級股票庫。其中，一致預期指標則是通過各券商分析師的調查后，得出上市公司盈利預期數據平均值，以此權威性地反映市場對公司未來盈利的預期水平。“中海量化基金引入一致預期作為選股指標，可以全面、權威的反應市場對上市公司未來盈利的預期水平，為投資決策提供更為真實和前瞻性的依據。與此同時，還可以根據預期的變化及時動態調節，更加適應股市的震蕩波動。”李延剛強調。
[關鍵詞]財務風險 第三方物流企業 預警系統
一、引言
隨著世界經濟一體化，國際第三方物流公司紛紛進駐中國，導致第三方物流企業競爭環境日益復雜。第三方物流企業財務風險預警體系是以物流企業財務管理和會計核算所提供的相關的生產經營數據成果為依據，通過分析和處理第三方物流企業財務風險預警相關指標，有效規制第三方物流企業財務運營狀態，并可在財務狀況異常時及時發出財務風險預警信號，警示企業決策者及時處理潛在的或已爆發的各式財務危機。
二、第三方物流企業財務風險因子分析
第三方物流企業財務風險根植于兩方面因素：其一是由宏觀政治、經濟、文化、軍事環境所塑造的企業先天性競爭環境，該環境為企業運營決策的基本前提，因而具有風險的必然性和不可規避性。其二是由其外包業務屬性所引致的信息開放性所帶來的內生性風險，該環境取決于企業經營管理水平和風險控制能力，因而具有有限風險可控性。
（1）第三方物流企業財務的外生性風險
第三方物流企業財務的外生性風險是指企業受政治、經濟、文化、軍事等決定整個市場環境特征的宏觀因素的影響，造成第三方物流企業財務安全的不確定性。具體而言，可將第三方物流企業財務的外生性風險分為如下子系統：
第一，政治與法律風險。政治與法律是規范一國市場提供的基本制度環境，政治與法律風險是指由立法機關的物流相關的法律法規和行政機關制定的規章制度及其執行過程對第三方物流企業財務安全造成的不確定性水平。物流行業具有戰略性特征，因而是世界各國乃至一國內部各行政區嚴加管制的行業。
第二，宏觀經濟風險。宏觀經濟對物流產業的脈沖式沖擊的機制是，首先第一產業規模出現脹縮，由此影響產品價格及物流價格，隨后通過市場價格機制傳導至第二產業，并影響其價格及其伴生性物流之價格，如此循環往復，導致物流行業價格的隨機化波動。再者，物流行業對宏觀經濟的敏感性較強，物流企業的榮枯周期先行于世界經濟周期，因此常被視為宏觀經濟的晴雨表。
第三，金融市場風險。第三方物流企業有資產型企業與非資產型企業兩類之分。隨著物流裝備技術的機械化與智能化水平提升，資產型第三方物流企業裝備投資的資本來源日益依賴金融市場融資。再者，第三方物流為提升企業核心競爭力，開始逐步向物流金融領域滲透以開辟諸如倉單質押等新的物流業務，推動物流服務的價值增進以謀求更高企業利潤。因此，第三方物流企業的財務穩健水平取決于金融市場是否能提供穩健的融資平臺及適合企業特質的有效物流金融工具。
（2）第三方物流企業財務的內生性風險
第三方物流企業財務的內生性風險是指第三方物流企業受經營管理、財務狀況、市場銷售、重大投資融資等內生性因素的影響，導致第三方物流企業財務安全的不確定性。具體而言，可將第三方物流企業財務的內生性風險分解如下：
1.第三方物流企業投資風險
物流企業的投資風險主要包括如下內容：其一，投資可行性研究中未做好投資風險評估，使得企業不能準確把握投資風險敞口規模，影響其有效調動企業各項資源以應對風險的能力。其二，投資決策失誤。投資決策失敗的常見原因是，投資決策中未能充分考慮政治因素、人際關系因素等不可量化因素的影響。其三，投資預算方案存在失誤。物流企業投資環節的成敗關系著企業的存亡，企業決策者在決策前要慎重考量。
2.第三方物流企業籌資風險
物流企業籌資風險是指企業因融資活動給財務成果造成的不確定性影響。物流企業籌資活動的目的是擴大業務規模，提升技術水平，增加企業經濟效益。因上述目標而產生的籌資活動的前提是宏觀經濟基本面向好。但鑒于宏觀經濟的難預測性，宏觀基本面突然惡化導致物流企業陷入困境乃至破產的案例仍是大概率事件。未來市場的不確定性會導致企業未來收益的不確定性。一旦物流企業對市場基本面的判斷失誤，將會增加企業陷入短期債務擠兌所導致的資金鏈斷裂風險。其二，物流企業具有投資周期長與回收投資慢的特點，一旦投資期內的市場劇烈變動，必然打破物流企業投資預案的計劃，威脅企業籌資活動的財務安全。其三，物流企業財務成果對物流市場變動的敏感度高，若企業的長期資本與短期資本配置不當，一旦企業陷入短期市場利壞的沖擊，將會導致短期收益收窄，短期債務危機凸顯。其后果輕則被打亂常規融資計劃，被迫擔負高利率債務，顯著增加企業利息費用，提升企業財務風險；重則導致資金鏈斷裂，迫使該物流企業破產。
3.第三方物流企業資金運用風險
第三方物流企業資金運用風險主要集中于如下方面：第一，合理的流動資金留存率及利用方法是物流企業正常運作的基礎，企業的貨幣資金管理不善可以引發物流企業其他資源配置問題。第三方物流企業財務稽核應當關注對貨幣資金使用權的管理，特別是通過按金額劃分貨幣資金的使用權限，并實行差別等級制管理，實現第三方物流企業至上而下的對企業貨幣資金的實時監控管理。第二，應收賬款管理不善將使得第三方物流企業的壞賬增加，降低企業盈利水平。應收賬款中蘊含的財務風險包括時間風險和數額風險兩方面。其一，應收賬款被客戶長期拖欠將引發應收賬款的時間風險。其二，應收賬款最終證實無法收回時，將確認為應收賬款的數額風險。
三、第三方物流企業財務風險預警系統的構建
（1）第三方物流財務風險預警系統的分析方法
第三方物流財務風險預警系統分析方法可采用定性分析法或定量分析法。定性與定量方法的有機結合有助于提升財務風險預警的信度與效度。
第三方物流財務風險預警的定量分析法是指基于財務風險影響引致建立財務風險預警模型，測度出財務風險預警閾值并給出預警量化信號，用以支持財務風險預警決策。雖然當前學界熱衷于研究財務風險預警的定量模型，但仍無法掩蓋定量模型的若干不足：其一，單個定量指標有助于通過統計出異常值的方式凸顯當前應當關注的問題，其結果不能直接表明風險水平高低。例如特定第三方物流企業的應收賬款比率高低并不能說明任何問題，過高的應收賬款比率可能是企業開展客戶融資業務的結果。其二，高精度模型固然預測更為精準，但由于模型適用條件過于苛刻，抑或模型計量過程過于復雜，例如遺傳算法等，因此影響其普適性。其三，模型諸多參數設定都需要主觀決策來給定，因此對多重參數的人工干預會指數級放大模型預測偏差，導致預警失誤。
第三方物流財務風險預警的定性分析法是指主要依靠預測人員的豐富實踐經驗、較強分析能力和判斷力來推演出財務風險的性質及其發展趨勢的一種分析方法。定性分析法本質上是一種帶有強烈主觀色彩的價值判斷，一般適用于不完備數據分析或歷史資料分析。第三方物流企業通過調查獲取影響財務風險的原始資料，結合財務風險各項誘因展開分析，給出關于物流企業財務風險水平的定性結論。
（2）第三方物流財務風險預警系統的對策
物流企業所面臨的風險大小、風險來源、風險危害各有不同，因此應當將風險劃分等級類型，并制定預案以分別應對。具體策略如下：其一，將第三方物流財務風險分級。財務風險水平可分為五級預警，由高到低分別對應正常、一般、較重、嚴重和重大等五級財務危機預警。各級風險水平的確定可依據定量分析的方法；也可以以定量分析為基礎，結合專家決策方法來確定風險級別。各級風險的差異不僅要有數量描述，還應當由清晰的可識別的定性描述，例如重大財務風險可以定性描述為可導致該物流企業破產倒閉的風險。其二，制定與風險等級匹配的財務風險應對預案。財務風險對策需要預先擬定，且與相應的財務風險預警等級相匹配。各級風險應對預案應當在處理完一輪財務危機后，根據危機相關數據提供的新信息對財務風險應對預案作出動態調整，以確保風險預警系統的靈敏性與穩健性。其三，根據決策者對待風險的態度給出分類財務風險預警決策方案。不同物流企業的運營風格有顯著差異，并導致企業風險管理方法的差異性。
參考文獻：
[1]薛友麗， 張夢， 張軼. 基于決算數據的高等學校財務風險預警[J]. 教育財會研究， 2012， （1）： 51—55.
2011年盈利增速：飼養與漁業、化肥農藥、信息技術與服務等3個行業分別以114%、105%、91%的預測增長率居前；水運、證券經紀、電力、人壽保險、重型電力設備等行業預測增速分別為-155%、-26%、-6.23%、-4.09%和-3.93%，預計將是2011年增速最低的行業。
相對市盈率漲升空間：計算機存儲和設備、建筑原材料、人壽保險等分別以140%、96%和87%的行業上漲空間繼續位列前三。啤酒、生物技術、水運、證券經紀等行業下降空間最大，幅度均超過40%。
機構認同度
盈利動能：與一周前盈利預測數據相比，農產品、航天與國防、家用器具等行業的盈利增速調高幅度居前，上調幅度分別為2.76%、1.42%和1.25%；與一月前盈利預測數據相比，飼養與漁業、農產品、航天與國防、信息技術與服務等行業的盈利增速調高幅度繼續居前，上調幅度分別為11.05%、4.09%、4.07%和3.93%。
分析師評級：系統軟件、計算機硬件、白酒、計算機存儲和設備、服裝和飾物等行業最受分析師青睞，而水運、公路運輸、制鋁業、高速公路與隧道、電力、生物技術等則分析師認同度相對較。
目標價漲升空間：計算機及電子產品專賣店、工業品貿易與銷售、建筑與農用機械、林業品、建筑工程、建筑原材料等漲升空間均超過32%。排名相對落后的主要是出版、環保服務、高速公路與隧道、制鋁業和水運等，漲升空間均不超過12%。
技術面掃描
白酒、建筑原材料、石油加工和分銷連續第二周分享排行榜"三甲"，貴金屬、煤炭、航天與國防、批發、鋼鐵、飼養與漁業、多種公用事業排名分列居前十。
本周建議關注行業和風險提示行業
建議關注：飼養與漁業、信息技術與服務、白酒、百貨、廣播和有線電視。
提示風險：水運、高速公路與隧道、電力、鋼鐵、金屬和玻璃容器。
我們的行業研究邏輯：
從三個方面入手尋找股價的驅動因素：第一、基本面，主要從盈利增長前景和估值角度考量股價，一般來說，估值較低的股票長期里終將回歸合理估值水平；第二、機構認同度，機構的買賣無疑是股價變動的直接影響因素之一，受到機構青睞的股票更具價格上漲動力。我們用分析師數據的變化來捕捉機構認同度；第三、技術面，從行業的角度看，行業相對價格強度能夠幫助鑒別股票是否處于領導性行業中，相對投資機會常常在上升的行業中，而處于下降行業中的股票則要注意風險。
本文將分別從基本面（業績增長率、相對市盈率漲升空間）、機構認同度（盈利動能、投資評級、目標價漲升空間）、技術面（強勢行業排名）等三個方面、多個角度對行業進行比較，并綜合考量各種因素，對行業進行量化排名，最后我們會給出5個建議關注行業和5個風險提示行業，供機構投資者參考。因我們在行業量化排名過程中，以分析師數據為核心，故我們命名該排序方法為“天眼行業專家”。
根據"今日投資"4級行業劃分（以摩根斯坦利行業劃分標準為基礎），目前上市公司共組成107個行業。我們僅選擇分析師跟蹤公司數量大于等于5個的行業（另外加入了人壽保險行業），共計68個。
基本面掃描
飼養與漁業2011年增長最快
2011年盈利增速：信息技術與服務進入前三
圖1列出了各行業的業績增速（2011年預測值）。其中，飼養與漁業、化肥農藥、信息技術與服務等3個行業分別以114%、105%、91%的預測增長率居前；水運、證券經紀、電力、人壽保險、重型電力設備等行業預測增速分別為-155%、-26%、-6.23%、-4.09%和-3.93%，預計將是2011年增速最低的行業。
相對市盈率漲升空間：4行業下跌空間超過40%
根據相對市盈率上升空間（歷史均值/相對市盈率）和相對業績增長系數（行業業績預測增長率/滬深300業績預測增長率），我們計算出了各行業的股價超額收益上升空間（由于個股數據往往對行業均值數據有較大影響，我們的行業市盈率數據選取的是中值）。圖2列出了各行業的股價超額收益上漲空間。計算機存儲和設備、建筑原材料、人壽保險等分別以140%、96%和87%的行業上漲空間繼續位列前三。啤酒、生物技術、水運、證券經紀等行業下降空間最大，幅度均超過40%。
機構認同度掃描
分析師情緒低迷
盈利動能：盈利預測調低比例上升
圖3、圖4分別列出了行業業績增速（2011年預測值）周調整幅度。與一周前盈利預測數據相比，農產品、航天與國防、家用器具等行業的盈利增速調高幅度居前，上調幅度分別為2.76%、1.42%和1.25%；半導體產品、紙制品、高速公路與隧道等行業的盈利增速下調幅度較大，調低幅度分別為2.08%、2.00%、1.93%。
與一月前盈利預測數據相比，飼養與漁業、農產品、航天與國防、信息技術與服務等行業的盈利增速調高幅度繼續居前，上調幅度分別為11.05%、4.09%、4.07%和3.93%；水運、金屬和玻璃容器、鋼鐵、證券經紀等行業的盈利增速下調幅度較大，調低幅度均超過5%。從月度數據看，盈利預測調低行業比例繼續上升。
分析師評級：不斷調低數量居多
分析師對個股的評級明顯是買入多于賣出，因此按照個股評級系數平均折算的行業評級系數大部分都小于2.00（對于單個投資評級，強力買入為1.00，買入為2.00）。從投資評級系數來看，系統軟件、計算機硬件、白酒、計算機存儲和設備、服裝和飾物等行業最受分析師青睞（詳見圖5），而水運、公路運輸、制鋁業、高速公路與隧道、電力、生物技術等則分析師認同度相對較低。
從過去3個月的變化趨勢看，飼養與漁業、紙制品、銀行等評級不斷上調（評級系數降低），建筑與農用機械、工業品貿易與銷售、建筑材料、有色金屬、出版、制鋁業等則有不斷下調趨勢。
目標價漲升空間：計算機類行業繼續領先
對于單個股票，分析師往往在給出投資評級的同時也會提供未來12個月的目標價，根據目標價和股票當前價格的距離，我們可以計算股票的目標價漲升空間。將一個行業中單個股票的目標價漲升空間加權平均，我們即得到了行業目標價漲升空間。計算機及電子產品專賣店、工業品貿易與銷售、建筑與農用機械、林業品、建筑工程、建筑原材料等漲升空間均超過32%。排名相對落后的主要是出版、環保服務、高速公路與隧道、制鋁業和水運等，漲升空間均不超過12%。
市場面掃描
白酒蟬聯冠軍寶座
縱觀本期“今日投資”強勢行業排行榜，白酒、貴金屬、石油加工和分銷位居排行榜“三甲”，表明其個股近期在二級市場表現持續處于相對強勢。此外，建筑原材料、煤炭、其他專賣店、家具及裝飾、系統軟件、服裝和飾物、保健產品排名分列居前十。其中，家具及裝飾、服裝和飾物、保健產品本期排名分別為第7名、第9名、第10名，是躋身前十名的新晉者。
排名落后的行業有鐵路運輸、葡萄酒、機場服務、鐵路運輸、葡萄酒、機場服務、鐵路運輸、葡萄酒、機場服務等。
本勢行業排行榜排名大幅上升的前十大行業包括：保健產品、醫療設備、影視音像、煤氣與液化氣、計算機存儲和設備、林業品、綜合性商務服務、飼養與漁業、綜合性工業、其他專賣店等。
本勢行業排行榜排名大幅下降的前十大行業包括：鐵路運輸、葡萄酒、機場服務、航空貨運與快遞、百貨、水運、汽車零配件、汽車制造、紙制品、制鋁業等。
“今日投資”強勢行業排行榜近六個月來排名持續上漲的行業包括：石油加工和分銷、批發、計算機存儲和設備、休閑用品等，排名分別提升了56位、62位、42位、19位。
近六個月來排名持續下跌的行業包括：建筑與農用機械、工業設備、汽車零配件、重型電力設備等，排名分別下降了23位、50位、65位、72位。
表1：強勢行業排行榜
