基于基本面分析的量化投資：研究述評(píng)與展望

侯曉輝，王 博

(西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061)

一、引 言

隨著金融學(xué)理論和現(xiàn)代計(jì)算技術(shù)的發(fā)展，金融與科技深度融合的重要性愈加凸顯[1-2]?；久媪炕顿Y作為一種結(jié)合基本面價(jià)值分析與量化技術(shù)的投資方法，成為近年來投資領(lǐng)域研究的新熱點(diǎn)。隨著中國(guó)資本市場(chǎng)的飛速發(fā)展，以及基本面信息越來越海量化、復(fù)雜化，學(xué)界和業(yè)界都需要尋求更科學(xué)、更高效的方式來處理基本面信息?；久媪炕顿Y應(yīng)運(yùn)而生，其運(yùn)用現(xiàn)代量化工具對(duì)估值指標(biāo)進(jìn)行篩選和排序，進(jìn)行深度分析并制定相應(yīng)的投資策略。股票市場(chǎng)自從誕生以來就成為學(xué)者們研究的焦點(diǎn)[3]，同時(shí)遵循學(xué)術(shù)界的傳統(tǒng)和理論發(fā)展脈絡(luò)，本文對(duì)基本面量化投資的研究限定于股票投資。

目前關(guān)于基本面量化投資深度融合的理論研究和實(shí)踐應(yīng)用相對(duì)較少，本文在回顧國(guó)內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，分別探討了基本面投資、量化投資的概念和理論實(shí)踐的發(fā)展，介紹了兩種投資方式的理論基礎(chǔ)，在此基礎(chǔ)上系統(tǒng)梳理了相關(guān)實(shí)證研究及基本結(jié)論，最后對(duì)未來的研究工作進(jìn)行展望。

二、基本面量化投資概念內(nèi)涵及演進(jìn)

(一)基本面分析與價(jià)值投資

通過定量與定性的方法，分析與公司相關(guān)的經(jīng)濟(jì)和金融數(shù)據(jù)來衡量證券內(nèi)在價(jià)值，被稱為基本面分析(Fundamental analysis)?；久娣治龅睦碚摪l(fā)展和實(shí)踐應(yīng)用可以追溯到價(jià)值投資理論創(chuàng)始人Benjamin Graham的經(jīng)典著作《證券分析》，他指出，對(duì)股票的投資應(yīng)當(dāng)基于對(duì)股票內(nèi)在價(jià)值的判斷，股票的價(jià)值是由其基本面因素所決定的[4]。根據(jù)Irving Fisher的未來現(xiàn)金流貼現(xiàn)模型，Williams在研究中提出股票的價(jià)值應(yīng)當(dāng)?shù)扔诔钟姓咴谖磥硎盏降墓衫馁N現(xiàn)值[5]。在此基礎(chǔ)上，Gordon和Shapiro基于公司當(dāng)前股利和基本面因素，研究了股利增長(zhǎng)的度量，論證了基本面分析的合理性，但該模型對(duì)于高成長(zhǎng)性公司的預(yù)測(cè)準(zhǔn)確度較低[6]?；诖耍珹lfred Rabpaport提出了貼現(xiàn)現(xiàn)金流量模型，結(jié)合公司基本面因素、成長(zhǎng)性和未來創(chuàng)造現(xiàn)金流的能力，通過當(dāng)期現(xiàn)金流來預(yù)測(cè)股票的價(jià)值[7]。Feltham 和Ohlson提出了超常收益模型，同時(shí)考量了股利的貼現(xiàn)與來源于資產(chǎn)價(jià)值的剩余收益，將當(dāng)期的會(huì)計(jì)基本面因素與公司未來收益關(guān)聯(lián)起來[8]。

在學(xué)術(shù)研究中，基本面分析能夠?qū)r(jià)格與價(jià)值分離開，有助于解釋一些經(jīng)濟(jì)現(xiàn)象，如巨額交易量、超額收益波動(dòng)性、收益可預(yù)測(cè)性、資本成本悖論以及主動(dòng)資產(chǎn)管理行業(yè)的持續(xù)存在等。隨著相關(guān)理論如現(xiàn)代投資組合理論[9]、資本資產(chǎn)定價(jià)模型[10-11]及有效市場(chǎng)假說(EMH)[12]的提出，基本面分析開始受到挑戰(zhàn)。主要體現(xiàn)在，基本面分析在量化和響應(yīng)敏捷性方面有所欠缺，實(shí)證研究中也經(jīng)常發(fā)現(xiàn)其對(duì)股票價(jià)格變化的解釋存在缺陷。此外，基于基本面分析的價(jià)值投資需要通過財(cái)務(wù)數(shù)據(jù)進(jìn)行個(gè)案分析，其效率不高。在信息時(shí)代，價(jià)值投資策略的變量更為龐雜，市場(chǎng)“噪聲”不斷增加，傳統(tǒng)的個(gè)股估值分析遇到技術(shù)瓶頸。

(二)量化投資

量化投資(Quantitative investing)是一種以數(shù)量化統(tǒng)計(jì)分析工具為核心、以程序化交易為手段的交易方式[13]。Chincarini指出，量化投資遵循以下理念：一是市場(chǎng)是有效的；二是量化投資策略下的套利機(jī)會(huì)具有統(tǒng)計(jì)意義；三是量化投資分析應(yīng)該以堅(jiān)實(shí)的邏輯和理論基礎(chǔ)做支撐；四是量化模型應(yīng)該具有持續(xù)性和穩(wěn)定性；五是必須將風(fēng)險(xiǎn)控制在足夠小，超額收益才有意義[14]。

作為數(shù)理模型在金融領(lǐng)域的一種前沿應(yīng)用，量化投資模型有著清晰的發(fā)展脈絡(luò)：

1.均值方差模型

1952年，Markowitz首次使用投資組合收益方差度量風(fēng)險(xiǎn)，運(yùn)用均值方差分析確定最優(yōu)投資組合，并提出了風(fēng)險(xiǎn)分散的原理，這標(biāo)志著現(xiàn)代投資組合理論的開端[9]。采用期望收益E度量證券收益，收益的方差δ2度量投資風(fēng)險(xiǎn)，各個(gè)資產(chǎn)預(yù)期收益的加權(quán)平均表示資產(chǎn)組合的總收益，則均值方差模型如下：

minδ2(rp)=∑∑ωiωjcov(ri，rj)，

E(rp)=∑ωiri

其中，rp表示組合收益；ri，rj表示第i種、第j種資產(chǎn)的預(yù)期收益率；ωi，ωj表示資產(chǎn)i和資產(chǎn)j在組合中的權(quán)重；δ2(rp)表示組合收益的方差，即總體風(fēng)險(xiǎn)；cov(ri，rj)表示兩種資產(chǎn)之間的協(xié)方差。該模型的目標(biāo)是在給定的風(fēng)險(xiǎn)水平下，形成具有最高收益率的投資組合。

投資組合理論對(duì)于量化投資的發(fā)展具有重大意義。一方面，它對(duì)風(fēng)險(xiǎn)進(jìn)行量化定義，同時(shí)引入的數(shù)學(xué)工具可以處理現(xiàn)實(shí)中各種復(fù)雜問題；另一方面，傳統(tǒng)的基本面分析用到的量化數(shù)據(jù)較少，而新的量化技術(shù)構(gòu)造的投資組合可以包含成百上千的樣本量，量化投資理論和實(shí)踐得以蓬勃發(fā)展。

2.CAPM模型

在Markowitz均值方差模型基礎(chǔ)上，Sharpe等人進(jìn)一步建立了資本資產(chǎn)定價(jià)模型(CAPM)[10]。該模型用β系數(shù)衡量投資組合收益率與市場(chǎng)收益率的關(guān)系：

ra=rf+βa(rm-rf)

其中，ra表示組合收益率；rf表示無風(fēng)險(xiǎn)收益率；βa表示投資組合系數(shù)；rm表示市場(chǎng)收益率。

3.三因子模型和多因子模型

Fama和French建立了基于公司規(guī)模、超額收益、賬面市值比的線性模型，即三因子模型[15]。三因子模型從本質(zhì)上是CAPM模型的延伸，其在初期對(duì)大部分股票的市場(chǎng)表現(xiàn)具有良好的解釋力。但隨著市場(chǎng)的發(fā)展，越來越多的異象不能被該模型有效地解釋，因此學(xué)者們對(duì)模型不斷進(jìn)行豐富和完善，從基本面、技術(shù)面、市場(chǎng)情緒和宏觀周期等有價(jià)值的市場(chǎng)信息來獲得收益，進(jìn)而發(fā)展出多因子模型。目前，常用來預(yù)測(cè)的因素包含以下三類：一是估值類指標(biāo)，如PE；二是盈利能力指標(biāo)，如ROA、ROE；三是新興因素，如情緒、投資者信心等。

量化投資方法的科學(xué)性在國(guó)外成熟資本市場(chǎng)已經(jīng)得到了驗(yàn)證，但在中國(guó)市場(chǎng)的大規(guī)模應(yīng)用還存在一定的障礙。首先是市場(chǎng)結(jié)構(gòu)的差異，國(guó)外成熟資本市場(chǎng)以機(jī)構(gòu)投資者為主，而中國(guó)市場(chǎng)中機(jī)構(gòu)投資者尚不成熟，依托于模型和計(jì)算的量化投資方法不易推廣。其次，量化投資對(duì)數(shù)據(jù)質(zhì)量要求較高，成熟資本市場(chǎng)有著成熟的數(shù)據(jù)供應(yīng)商，數(shù)據(jù)質(zhì)量也較高。

(三)基本面分析與量化投資的對(duì)比

綜上，基本面分析和量化分析有著明顯的差異(如表1所示)。從關(guān)注點(diǎn)上看，基本面分析聚焦于特定的目標(biāo)公司，致力于盡可能全面挖掘公司信息；而量化分析利用計(jì)算機(jī)技術(shù)廣泛跟蹤大量資產(chǎn)，其重點(diǎn)是通過技術(shù)方法構(gòu)建選股模型。從分析過程來看，基本面分析更多地采取定性方法，而量化投資充分使用了數(shù)學(xué)模型、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)算法。從投資風(fēng)格上看，基本面分析要求對(duì)公司治理、行業(yè)趨勢(shì)和宏觀經(jīng)濟(jì)環(huán)境進(jìn)行深入調(diào)研，屬于一種高投資深度、低投資廣度的投資方法；而量化分析使用計(jì)算機(jī)執(zhí)行交易指令，屬于低投資深度、高投資廣度的投資方法。從時(shí)間上看，由于公司基本面因素相對(duì)穩(wěn)定，基本面分析適用于中長(zhǎng)期投資；而量化分析的投資策略則是基于歷史數(shù)據(jù)敏銳地捕捉市場(chǎng)變化，尋找最有效的阿爾法因子，對(duì)短期的收益做出預(yù)測(cè)。從風(fēng)險(xiǎn)上看，基本面分析關(guān)注公司層面面臨的宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)和產(chǎn)業(yè)政策風(fēng)險(xiǎn)，對(duì)風(fēng)險(xiǎn)的度量通常使用定性研究的方法且風(fēng)險(xiǎn)層次往往是特異性的；量化分析由于研究的是大樣本呈現(xiàn)的統(tǒng)計(jì)規(guī)律，因而是投資組合層次的風(fēng)險(xiǎn)。從倉(cāng)位控制上看，基本面投資組合倉(cāng)位往往更集中，而量化分析更為分散。

表1 基本面分析與量化投資的對(duì)比

資料來源：作者整理。

(四)基于基本面分析的量化投資

基本面量化投資(Quantamental Investing)是量化投資與價(jià)值投資的一種深度融合，是近年來備受關(guān)注的一種智能量化投資方式[16-17]，其核心是分析股票的基本面因素和超額收益之間的關(guān)系?；久嫱顿Y和量化投資的互補(bǔ)特性，使得基本面量化投資成為價(jià)值投資的現(xiàn)代化實(shí)現(xiàn)手段?；久媪炕顿Y的選股模型通過對(duì)公司的財(cái)務(wù)指標(biāo)、股票市場(chǎng)表現(xiàn)、行業(yè)地位等信息進(jìn)行量化，借助數(shù)學(xué)工具構(gòu)建出能夠有效解釋和預(yù)測(cè)超額收益的因子。將基本面分析納入量化模型框架之中，能夠?qū)善奔巴顿Y組合進(jìn)行更加全面和穩(wěn)健的考察，并且具有如下優(yōu)勢(shì)：一是基本面分析為量化模型的建立提供堅(jiān)實(shí)的邏輯和理論支撐；二是量化投資分析方法能夠考察海量的歷史數(shù)據(jù)，得出相對(duì)可靠的統(tǒng)計(jì)規(guī)律；三是基本面分析從對(duì)公司未來增長(zhǎng)的角度考慮因子選取，量化分析從歷史數(shù)據(jù)考察因子的有效性；四是基本面投資能夠?qū)ν顿Y組合表現(xiàn)及原因進(jìn)行全面的、多層次的理解和分析。

三、基本面量化投資研究的理論基礎(chǔ)

目前對(duì)于基本面量化投資的研究和實(shí)踐主要基于四個(gè)方面的理論基礎(chǔ)。

(一)有效資本市場(chǎng)假說

資產(chǎn)價(jià)格實(shí)證分析領(lǐng)域的著名學(xué)者Fama[12，15]系統(tǒng)地提出了有效資本市場(chǎng)假說(EMH)。有效市場(chǎng)假說認(rèn)為，如果證券市場(chǎng)沒有交易成本，且每個(gè)市場(chǎng)參與者都能夠及時(shí)、充分地獲取信息，那么股價(jià)就應(yīng)該及時(shí)、充分地反映資產(chǎn)價(jià)值，此時(shí)公司股價(jià)是對(duì)其未來股利折現(xiàn)的最佳預(yù)測(cè)。通常以下列形式表達(dá)：

其中，Vt是股票在時(shí)刻t的基本面價(jià)值，Et(Dt+i)是基于時(shí)刻t的可獲得信息所預(yù)測(cè)的第t+i期股利，r是經(jīng)過風(fēng)險(xiǎn)調(diào)整的折現(xiàn)率。

Fama在研究中指出，“如果市場(chǎng)是有效的，那么價(jià)格已經(jīng)很好地反映了證券的內(nèi)在價(jià)值，在這種情況下，只有當(dāng)分析師有新的信息或?qū)σ延行畔⒂行碌慕庾x，分析師所執(zhí)行的基本面分析才是有價(jià)值的”。EMH將價(jià)格從基本面價(jià)值中分離出來，是基本面量化投資研究和實(shí)踐中至關(guān)重要的一步。投資實(shí)踐中，由于信息不對(duì)稱、流動(dòng)性不足、交易成本高、投資者行為偏差等因素的存在，股價(jià)較長(zhǎng)時(shí)間背離基本面的情形經(jīng)常出現(xiàn)。金融經(jīng)濟(jì)學(xué)家們對(duì)其基本假設(shè)也提出疑問，認(rèn)為應(yīng)該更多地關(guān)注信息獲取的成本和動(dòng)機(jī)。但是，EMH還是被廣泛接受，并成為實(shí)證資產(chǎn)定價(jià)領(lǐng)域的基石。王少平和楊繼生通過對(duì)聯(lián)合p值綜列單位根檢驗(yàn)進(jìn)行擴(kuò)展研究，發(fā)現(xiàn)中國(guó)證券市場(chǎng)具有弱有效性[18]。

(二)投資者情緒與噪聲交易者理論

著名金融學(xué)者Shiller最早觀察到基本面因素?zé)o法解釋的股價(jià)過度波動(dòng)現(xiàn)象。在隨后的研究中，Shiller提出了一個(gè)簡(jiǎn)單噪聲交易者模型。在噪聲交易者模型中，投資者情緒會(huì)導(dǎo)致價(jià)格偏離基本面價(jià)值[19]。Black將噪聲交易定義為“把噪聲當(dāng)作信息并基于此而進(jìn)行的交易”。他指出，噪聲交易是傳統(tǒng)模型中“被遺漏的要素”，能夠有效解釋巨大交易量、實(shí)際收益率波動(dòng)以及套利機(jī)會(huì)的持續(xù)存在[20]。

與有效資本市場(chǎng)假說過于簡(jiǎn)化的形式不同，噪聲交易者模型考慮到了信息獲取成本，巧妙地將基本面、投資者情緒和套利成本等三個(gè)關(guān)鍵因素融入證券價(jià)格的形成過程中。相比有效市場(chǎng)假說，噪聲交易者理論更適合作為基本面分析和證券估值的起點(diǎn)。此后，關(guān)于金融市場(chǎng)噪聲交易者模型的研究基本圍繞三個(gè)方面開展[21]：一是投資者情緒或非基本面因素；二是公司基本面或證券估值；三是套利約束。

受降雨影響，淮河干流出現(xiàn)復(fù)式洪峰。其中，淮河干流王家壩以上河段出現(xiàn)4次洪峰，王家壩—臨淮崗河段出現(xiàn)3次洪峰，臨淮崗—淮南河段出現(xiàn)2次洪峰，淮南以下河段出現(xiàn)1次洪峰。淮河水情總體呈現(xiàn)出干支流洪水并發(fā)、洪水組合惡劣、漲勢(shì)猛、水位高、干流中游高水位持續(xù)時(shí)間長(zhǎng)以及洪水量級(jí)大等特點(diǎn)?；春痈闪魉怀瘯r(shí)間在20～30天。其中，王家壩至潤(rùn)河集河段水位超保證水位，潤(rùn)河集至汪集河段水位創(chuàng)歷史新高。初步分析，2007年淮河洪水王家壩、潤(rùn)河集、正陽關(guān)、蚌埠洪水重現(xiàn)期為15～20年，洪澤湖約為25年，為20世紀(jì)以來的第二位流域性大洪水。

大量研究表明，投資者情緒會(huì)影響資產(chǎn)定價(jià)以及公司決策，如投資決策、股利政策和信息披露決策等。關(guān)于投資者情緒的經(jīng)典文獻(xiàn)包括Shiller[19]、DeLong等[22]、Lee等[23]以及Baker and Wurgler[24]等。這些研究都認(rèn)為，噪聲交易者易產(chǎn)生隨機(jī)且錯(cuò)誤的觀點(diǎn)，進(jìn)而顯著影響資產(chǎn)價(jià)格。噪聲交易者模型的理論核心至今仍然經(jīng)得起檢驗(yàn)，并且在行為金融學(xué)領(lǐng)域保持著旺盛的生命力。

(三)價(jià)值投資理論

大量的學(xué)術(shù)研究和投資實(shí)踐都表明，資產(chǎn)負(fù)債表健康、現(xiàn)金流持續(xù)穩(wěn)定、盈利能力較強(qiáng)、貝塔值較低、波動(dòng)率較小的公司，通常其預(yù)期股票收益更高[25]，學(xué)界通常稱為“價(jià)值效應(yīng)”。股利貼現(xiàn)模型、自由現(xiàn)金流貼現(xiàn)模型以及剩余收益模型等，都是價(jià)值投資分析中常見的估值模型。股利貼現(xiàn)模型最早由Williams在1938年提出，該模型認(rèn)為，股票的價(jià)值等于未來股利的貼現(xiàn)值。

20世紀(jì)90年代，奧爾森發(fā)表一系列關(guān)于權(quán)益估值的文章，豐富和完善了剩余收益模型(RIM)[8，26-27]。學(xué)術(shù)文獻(xiàn)中剩余收益模型最常見的表達(dá)形式為：公司價(jià)值等于當(dāng)前賬面價(jià)值加上未來預(yù)期超額收益率，具體數(shù)學(xué)公式為：

其中，Bt表示第t期的賬面價(jià)值，Et表示基于第t期信息的期望值，ROEt+i表示第t+i期賬面權(quán)益的稅后收益率，re表示權(quán)益資本成本。

剩余收益模型表明，公司基本面價(jià)值由現(xiàn)有資本和未來成長(zhǎng)兩部分組成。在該模型框架下，基于估值維度和質(zhì)量維度的基本面量化投資是價(jià)值投資理念的具體表現(xiàn)。而在這兩大維度下，繼續(xù)深入挖掘更多的因子方向、選擇更有效的指標(biāo)就成為基本面量化的重點(diǎn)。剩余收益模型在大樣本選股中具有豐富的應(yīng)用，F(xiàn)rankel和Lee的實(shí)證研究說明了剩余收益模型能幫助投資者選出高回報(bào)的股票[28]。

(四)多因子量化策略

現(xiàn)有文獻(xiàn)研究了大量的影響股票收益率的因子，這些因子主要涉及基本面、技術(shù)面、宏觀經(jīng)濟(jì)等方面的數(shù)據(jù)和指標(biāo)。多因子量化策略的核心思想在于，市場(chǎng)影響因素是多重的、動(dòng)態(tài)的，但是總會(huì)有一些因子在一定的時(shí)期內(nèi)較為穩(wěn)定。

基于多因子量化策略發(fā)展出來的多因子模型，成為量化投資領(lǐng)域應(yīng)用最廣泛、最成熟的量化選股模型。多因子選股模型通過大量的數(shù)據(jù)模擬，尋找大概率能跑贏市場(chǎng)的最優(yōu)組合，克服了單因素模型可持續(xù)性差的缺陷，同時(shí)更加穩(wěn)定。投資組合理論、資本資產(chǎn)定價(jià)(CAPM)、套利定價(jià)理論(APT)等現(xiàn)代金融投資理論為多因子模型提供了理論基礎(chǔ)，而Fama的三因子模型則通過在資本市場(chǎng)的實(shí)證研究檢驗(yàn)，給出了將因子具體化的應(yīng)用方法，成為量化投資領(lǐng)域的經(jīng)典模型。學(xué)界的研究通常使用Fama French三因子模型、Carhart四因子模型[29]或者Fama French五因子模型，投資界則通常使用Barra提供的多因子模型。進(jìn)入大數(shù)據(jù)時(shí)代，越來越多的研究通過對(duì)大數(shù)據(jù)的收集處理，找出影響股票漲跌的各種因子進(jìn)行選股[30]。

四、基本面量化投資的實(shí)證研究

文獻(xiàn)回顧發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者對(duì)基本面分析和量化投資的實(shí)證研究都已有了較為豐富的成果，對(duì)其在投資預(yù)測(cè)中的優(yōu)缺點(diǎn)也有了清楚的認(rèn)識(shí)，同時(shí)對(duì)基本面量化投資這一新興領(lǐng)域進(jìn)行初步探討，形成了一系列實(shí)證研究成果。

(一)關(guān)于公司基本面估值

圍繞價(jià)值的度量，學(xué)者們開發(fā)出大量的衡量標(biāo)準(zhǔn)，如賬面市值比[31-32]、盈余價(jià)格比[33-34]、現(xiàn)金流價(jià)格比[35-36]、銷售收入與公司價(jià)值比[37]。大量文獻(xiàn)表明，價(jià)值股的業(yè)績(jī)表現(xiàn)優(yōu)于成長(zhǎng)股。隨著研究的發(fā)展，學(xué)者們的關(guān)注點(diǎn)不再局限于公司內(nèi)在價(jià)值與當(dāng)前股票價(jià)格的對(duì)比，進(jìn)一步擴(kuò)展到一組能夠預(yù)測(cè)公司發(fā)展質(zhì)量與穩(wěn)健性的基本面因素。Piotroski的研究表明，具有更高資產(chǎn)回報(bào)率、營(yíng)運(yùn)現(xiàn)金流量、利潤(rùn)率、資產(chǎn)周轉(zhuǎn)率的企業(yè)有更好的業(yè)績(jī)[38]。Mohanram的研究驗(yàn)證了具有更高市凈率的企業(yè)相比于增長(zhǎng)緩慢的企業(yè)收益更高[39]。學(xué)者們發(fā)現(xiàn)，除了盈余的數(shù)量外，盈余質(zhì)量也非常重要。Sloan[40]和Richardson等人[41]的研究都發(fā)現(xiàn)，盈余中的現(xiàn)金流部分相比于應(yīng)計(jì)項(xiàng)更為持久。Hirshleifer等人的研究發(fā)現(xiàn)，相比于整體會(huì)計(jì)利潤(rùn)，具有較低歷史現(xiàn)金利潤(rùn)的公司表現(xiàn)欠佳[42]。Novy-Marx發(fā)現(xiàn)，相比于凈利潤(rùn)指標(biāo)，毛利潤(rùn)是一種更好的利潤(rùn)度量指標(biāo)[43]。此外，諸多研究證明，安全、穩(wěn)健的股票能獲得更高的收益。反映企業(yè)安全性或穩(wěn)健性的基本面因素包含較低的波動(dòng)性[44-45]、較低的Beta系數(shù)[46-47]、較低的杠桿比率[48-49]等。

在國(guó)內(nèi)研究中，孫友群等基于對(duì)我國(guó)上市公司整體質(zhì)量的分析，肯定了在中國(guó)市場(chǎng)進(jìn)行價(jià)值投資的可行性[50]。姚輝和武婷婷的研究發(fā)現(xiàn)，兼顧基本面與估值指標(biāo)的價(jià)值投資策略能獲得顯著的超額收益，且該投資策略在中長(zhǎng)期的表現(xiàn)更好[51]。張然和汪榮飛的研究提煉出市盈率、市凈率、市銷率、企業(yè)價(jià)值倍數(shù)、股息率等五個(gè)最具代表性的估值指標(biāo)，以及盈利能力、經(jīng)營(yíng)效率、盈余質(zhì)量、投融資決策、無形資產(chǎn)等五個(gè)衡量公司質(zhì)量的維度[17]。

然而，實(shí)證數(shù)據(jù)同時(shí)也表明，公司基本面信息只能部分解釋股票收益率的波動(dòng)性。Cutler等人在向量自回歸模型中使用了一組能夠反映過去、現(xiàn)在和未來的宏觀經(jīng)濟(jì)變量及行業(yè)基本面因素，模型對(duì)股票市場(chǎng)收益率的年波動(dòng)性的解釋能力也不到50%[52]。其他學(xué)者也試圖運(yùn)用會(huì)計(jì)基本面變量來解釋股票收益率，研究結(jié)果均發(fā)現(xiàn)解釋力不夠理想[53-54]。這是由于市場(chǎng)一直處于“噪聲”下，如前述的投資者情緒就被證明對(duì)股票收益有解釋甚至預(yù)測(cè)的作用[55]。在楊雁的研究中發(fā)現(xiàn)，總資產(chǎn)周轉(zhuǎn)率對(duì)股價(jià)的影響很小，現(xiàn)金流量和償債能力相關(guān)的基本面指標(biāo)也沒有顯著的影響[56]。

(二)關(guān)于阿爾法因子

在多因子模型中，能夠帶來超額收益的阿爾法因子是模型的核心。目前學(xué)界主要有兩種阿爾法模型：基本面因子模型和宏觀因子模型?；久嬉蜃幽Ｐ椭饕没久嬉蜃?如市凈率因子、規(guī)模因子等)。Lee等發(fā)現(xiàn)，基本面因子模型是更好地衡量股票預(yù)期收益的指標(biāo)[16]。同時(shí)，基本面因子模型更適用于基本面量化投資。Asness等從市凈率(P/B)展開討論，得到衡量股票質(zhì)量的四個(gè)維度——盈利能力、增長(zhǎng)能力、安全性和股利發(fā)放，并且根據(jù)這四個(gè)維度的相關(guān)指標(biāo)構(gòu)建了股票質(zhì)量因子(QMJ)，回溯測(cè)試表明該因子能獲得顯著且穩(wěn)健的超額收益[57]。

盡管現(xiàn)有的文獻(xiàn)研究提出了數(shù)百種阿爾法因子，但后續(xù)的檢驗(yàn)中卻發(fā)現(xiàn)，其中大部分因子難以持續(xù)地提供超額收益[58-59]。這一現(xiàn)象可以用無套利原理來解釋：當(dāng)某個(gè)阿爾法因子被市場(chǎng)熟知并廣泛應(yīng)用后，其超額收益將收窄乃至消失。國(guó)外學(xué)者在因子選擇、選股方法、數(shù)據(jù)選擇、組合構(gòu)建上都進(jìn)行了廣泛的實(shí)證研究。Kariya將傳統(tǒng)成長(zhǎng)因子與價(jià)值性因子結(jié)合起來，提出了較有代表性的 GARP 多因子量化策略[60]。Piotroski首次將排序打分法融入多因子選股模型，選出九個(gè)財(cái)務(wù)指標(biāo)作為判斷標(biāo)準(zhǔn)，然后檢驗(yàn)得分排序靠前的股票，取得良好效果[38]。Mohanram從盈利因子、成長(zhǎng)因子、穩(wěn)健因子三方面選取指標(biāo)對(duì)個(gè)股進(jìn)行排序打分，最后建立的投資組合取得了較好的超額收益[39]。Albadvi和Norouzi利用德國(guó)市場(chǎng)數(shù)據(jù)對(duì)基本面方面的因子進(jìn)行了研究，發(fā)現(xiàn)不同行業(yè)具有不同的有效因子，并且不同因子對(duì)收益率的影響程度也不一樣[61]。

國(guó)內(nèi)有關(guān)研究起步較晚，主要集中在用國(guó)外因子模型檢驗(yàn)中國(guó)市場(chǎng)，同時(shí)根據(jù)國(guó)內(nèi)股市情況進(jìn)行修正。陳守東等較早證明了FF三因子選股模型在中國(guó)股票市場(chǎng)的適用性[62]。朱憶構(gòu)建了包含利率風(fēng)險(xiǎn)溢價(jià)、換手率等因子在內(nèi)的多因子模型，得到了可行的策略[63]。劉輝、黃建山的實(shí)證研究發(fā)現(xiàn)，相較CAPM模型，F(xiàn)F三因子模型能更好地解釋A股的收益率[64]。江方敏研究發(fā)現(xiàn)只有估值因子中的市凈率、市盈率是有效的，同時(shí)他還創(chuàng)新加入了現(xiàn)金流因子[65]。劉昭將情緒因子加入多因子選股模型后，研究發(fā)現(xiàn)模型的表現(xiàn)更加出色[66]。潘莉、徐建國(guó)研究了A股市場(chǎng)的風(fēng)險(xiǎn)與特征因子，發(fā)現(xiàn)市場(chǎng)平均回報(bào)率、股票市值和市盈率三個(gè)因子可以解釋回報(bào)率變化的90%以上[67]。

(三)基本面量化投資的研究方法和工具

隨著金融市場(chǎng)的發(fā)展，傳統(tǒng)的研究方法逐漸遇到了技術(shù)上的瓶頸。首先，候選因子數(shù)量日益龐大且較為相近，現(xiàn)有方法無法綜合考慮各因子，也不易區(qū)分因子間的交互作用。其次，當(dāng)因子維度增大時(shí)，現(xiàn)有研究方法在高維因子的處理中面臨困難。

隨著文本分析、人工智能、機(jī)器學(xué)習(xí)等全新技術(shù)手段的不斷完善，量化投資方法也在不斷借鑒和創(chuàng)新。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)作為目前代表性的技術(shù)，被學(xué)者廣泛應(yīng)用于量化投資中。機(jī)器學(xué)習(xí)既能夠自動(dòng)地尋找數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)和模式，也提供了眾多的線性和非線性的備選預(yù)測(cè)函數(shù)，且參數(shù)正則化和模型選擇技術(shù)使得函數(shù)不會(huì)發(fā)生過擬合現(xiàn)象。

Buehlmaier和 Zechner基于機(jī)器學(xué)習(xí)對(duì)文本信息進(jìn)行研究，探討了文本信息對(duì)股票價(jià)格或交易量的影響[68]。李斌等將機(jī)器學(xué)習(xí)引入基本面量化投資，采用預(yù)測(cè)組合算法、Lasso 回歸等 12 種機(jī)器學(xué)習(xí)算法，構(gòu)建股票收益預(yù)測(cè)模型及投資組合[69]。實(shí)證結(jié)果顯示，機(jī)器學(xué)習(xí)算法能夠有效地識(shí)別異象因子與超額收益間的復(fù)雜模式，其投資策略能夠獲得比傳統(tǒng)線性算法和所有單因子更好的投資績(jī)效。王倫引入了gcForest(深度森林)算法，建立了基于gcForest 的股票投資市場(chǎng)多因子量化投資策略[70]。

五、未來研究展望

本文研究發(fā)現(xiàn)，基本面量化投資研究仍有巨大的空間，在理論建構(gòu)和實(shí)證研究方面仍有大量值得探討的問題。

一是增強(qiáng)本土化研究。目前中國(guó)市場(chǎng)機(jī)構(gòu)投資者不夠發(fā)達(dá)、政策和交易規(guī)則變動(dòng)頻繁、量化和對(duì)沖工具相對(duì)缺乏，使得市場(chǎng)效率較低，價(jià)格偏離價(jià)值的情況更普遍。后續(xù)研究可以增強(qiáng)本土化研究，比如基于中國(guó)宏觀經(jīng)濟(jì)和政策特征，建構(gòu)中國(guó)特色的基本面量化投資概念，推動(dòng)本土化理論構(gòu)建。此外，還可以基于中國(guó)市場(chǎng)的數(shù)據(jù)，對(duì)現(xiàn)有因子和模型進(jìn)行修正。

二是對(duì)風(fēng)險(xiǎn)和內(nèi)幕交易的關(guān)注?，F(xiàn)有研究較少系統(tǒng)考慮風(fēng)險(xiǎn)優(yōu)化，真實(shí)業(yè)績(jī)與回溯測(cè)試結(jié)果易產(chǎn)生偏離，關(guān)于多因子組合的研究可以從風(fēng)險(xiǎn)控制角度優(yōu)化策略。此外，現(xiàn)有的研究大多沒有考慮市場(chǎng)中潛在內(nèi)幕交易的影響，由于內(nèi)幕交易帶來的超額收益可能顯著大于信息分析能力，這也是值得關(guān)注的方向。

三是引入新的量化分析技術(shù)。隨著機(jī)器學(xué)習(xí)、人工智能方法的創(chuàng)新發(fā)展，不斷涌現(xiàn)的量化分析工具為基本面量化投資研究提供了良好的基礎(chǔ)。新的方法在模型訓(xùn)練、預(yù)測(cè)精度、響應(yīng)速度上有所提升，同時(shí)也為處理非結(jié)構(gòu)化數(shù)據(jù)如文本、圖片、視頻等提供了技術(shù)支持?？梢詫⑿碌牧炕夹g(shù)與基本面分析融合，借助新技術(shù)挖掘和補(bǔ)充基本面因素，提升模型精度，形成新的研究模型。

四是對(duì)數(shù)據(jù)的深度挖掘應(yīng)用。在大數(shù)據(jù)時(shí)代，一方面，大量公司特質(zhì)的非財(cái)務(wù)數(shù)據(jù)，以及宏觀、行業(yè)等數(shù)據(jù)逐漸被開發(fā)和利用，如公司高管數(shù)據(jù)、專利數(shù)據(jù)、實(shí)時(shí)銷售數(shù)據(jù)等。這些信息有助于更及時(shí)深入地了解公司，理解宏觀、行業(yè)和公司層面信息如何影響公司價(jià)值。另一方面，大數(shù)據(jù)時(shí)代實(shí)時(shí)的搜索指數(shù)、社交媒體輿情等都有利于高效、敏銳地捕捉市場(chǎng)變化，而量化技術(shù)的進(jìn)步也為搜集和處理此類數(shù)據(jù)提供了技術(shù)支持。未來的研究可以探索將大數(shù)據(jù)信息提煉成有價(jià)值的阿爾法因子，并應(yīng)用于投資實(shí)踐。