基于加权股票eps数据构建仓位因子的指数增强策略
核心思想
每股收益即每股盈利(EPS),又称每股税后利润、每股盈余,指税后利润与股本总数的比率。每家分析师对股票都会有预测的eps数据,根据分析师排名情况,不同的分析师预测的准确度有所差异,因此相对于wind数据库,我们构建了排名加权预测eps数据。根据预测当年、后一年以及后两年的eps数据,构造业绩透支指数的仓位因子进而在个股上进行有效性测试,在此基础上在上证50指数上构建指数增强策略。
eps仓位因子的构建
首先滚动计算分析师预测eps,包括预测当年的eps0,第二年的eps1,第三年的eps2;基于此,构建业绩透支指数
f
f
f,衡量了透支后两年业绩与透支后一年比率:
f
=
(
(
e
p
s
2
−
e
p
s
1
)
/
e
p
s
1
)
(
(
e
p
s
1
−
e
p
s
0
)
/
e
p
s
0
)
f=\frac{((eps2-eps1)/eps1)}{((eps1-eps0)/eps0)}
f=((eps1−eps0)/eps0)((eps2−eps1)/eps1)
对
f
f
f进行以下两种去量纲方式处理,
f
1
f_1
f1及
f
2
f_2
f2:
f
1
=
f
→
f
1
=
f
1
/
2
→
f
1
[
f
1
<
0
]
=
0
→
f
1
[
f
1
>
1
]
=
1
f_1=f\rightarrow f_1=f_1/2\rightarrow f_1[f_1<0]=0\rightarrow f_1[f_1>1]=1
f1=f→f1=f1/2→f1[f1<0]=0→f1[f1>1]=1
这样对业绩透支指数线性压缩到[0,1]区间,以1-
f
1
f_1
f1作为仓位进行调整,与买入持有0.5仓位权重的股票进行比对:
以上下5%分位数对
f
f
f去极值,超过范围的数值设为临界值之后再线性压缩到[0,1]区间:
f
2
=
f
→
f
2
=
f
2
−
m
i
n
(
f
2
)
m
a
x
(
f
2
)
−
m
i
n
(
f
2
)
f_2=f\rightarrow f_2=\frac{f_2-min(f_2)}{max(f_2)-min(f_2)}
f2=f→f2=max(f2)−min(f2)f2−min(f2)
以1- f 2 f_2 f2作为仓位权重进行调整,与买入持有0.5仓位的股票进行比对。
eps因子在个股上的测试:
上到下分别是
f
1
f_1
f1以及
f
2
f_2
f2的测试结果
此外,对每只股票所在行业进行了因子日平均超额收益分析,即按照业绩透支指数调仓得到的收益减去按照0.5倍持仓得到的收益,汇总如下表,可以看到按照
e
p
s
eps
eps进行调仓在医药生物、机械设备行业表现较好,并且
f
1
f_1
f1的效果较好。
eps在上证50股票池测试
由于分析师预测准确率的因素,存在有的股票上,实际的
e
p
s
eps
eps值与分析师预测值一直偏离的情况,以600000为例展示如下,时间区间为16年到18年底,可以看到分析师预测的
e
p
s
eps
eps一直在实际的
e
p
s
eps
eps之上,因此剔除这只股票:
最终选取了
e
p
s
0
eps_0
eps0和实际
e
p
s
eps
eps值相差不大的股票,具体如下:
作为我们的股票池,在2015年底到现在的时间范围内以
f
1
f_1
f1为指标进行仓位的控制标准,测试结果如下,可以看到要比buy&hold的累计收益效果好,因此基于eps数据进行仓位构建是具有研究价值的: