绩优股指数的优异历史表现与超额收益[page::3][page::4]

• 2017年绩优股指数收益37.45%，同期沪深300为22.35%，超额15.10%。

- 过去15年中，绩优股指数11年取得相对沪深300超额收益，其中6年超额收益超过10%。

• 长期表现稳健且优于基准指数。

ROE指标计算方式影响显著，最佳方式表现优异[page::6][page::7][page::9]

• 测试75种ROE计算方式，最佳方法为年报和中报数据计算的扣除非经常性损益的摊薄ROE，年化收益11.35%，信息比率1.16。

- 最差为一季报与二季度单季度计算的未扣非、未扣商誉摊薄ROE，年化收益8.63%，信息比率仅0.77。

• 选择合理ROE计算方式关键于因子性能。

ROE因子选股能力体现：市值加权与正交规模后更明显[page::10][page::11][page::12]

• 等权重策略未表现出ROE因子明显选股能力，流通市值加权及规模正交后表现出明确分层收益。

- 正交后组合股票保留率84%，因子相关系数97%，保持ROE财务信息有效。

• 定量分析表明正交后因子减少了规模混淆效应。

ROE因子在市值分层网格中表现差异显著[page::14]

• 在大市值股票中，ROE与收益呈正相关，收益率随ROE提升而提升。

- 在中市值组表现弱化，小市值股票群中ROE反向，即ROE越高收益率可能越低。

• 因子表现存在非线性，机器学习等高级算法可更好利用因子信息。

ROE因子存在显著月度日历效应，6月超额收益明显[page::14]

• 统计显示2007-2017年间ROE最高组合在6月平均超额收益3.82%，11年中10年获得正收益。

- 财报季效应显著，反映预期与实业业绩的互动影响。

高ROE组合历史表现与行业、因子暴露特征[page::16][page::17][page::18]

• 组合年化收益率9.90%，超额8.84%，行业权重主要集中金融、医药、食品。

- 主要暴露为高ROE、大市值及低流动性因子。

• ROE贡献为主要收益源，流动性及行业分布也产生明显超额收益。

优化组合权重以控制规模因子暴露提升收益[page::19][page::20][page::21]

• 利用数学优化调整组合权重，控制规模因子暴露接近零，个股微调幅度不超过1%。

- 优化后年化收益率提升至12.40%，超额收益11.34%，信息比率提升至1.27。

• 平滑规模因子风险暴露，缓解因子拖累，提升整体风险收益表现。

结论与投资建议[page::22]

• 绩优股指数及其ROE因子拥有持续的超额收益能力，信息比率良好。

- 合理的ROE计算方式是因子效果显著的关键。

• ROE因子在市值较大股票中表现优异，存在显著日历效应。

- 组合优化能进一步提升风险调整收益，适合基于ROE构建量化选股及风控框架。

基础因子研究（二）——ROE 因子深度测试报告详尽分析

---

一、元数据与报告概览

• 报告标题：《基础因子研究（二）——ROE 因子深度测试：从绩优股指数说起》

- 发布机构：长江证券研究所

• 日期：2017年12月7日

- 作者：金融工程部门

• 主题：围绕“ROE（净资产收益率）”这一基础财务因子，结合申万绩优股指数的表现，系统性测试不同ROE计算方式对于选股策略绩效的影响，分析ROE因子的选股有效性及其在实际组合构建中的应用价值，进而探讨通过数学优化提升组合表现的可能。

报告核心论点与结论：

• 绩优股指数及基于ROE的投资组合在过去15年大多年份取得了显著的超额收益，表明ROE因子在绩优股选股中表现优异。

- 不同的ROE计算方式对组合表现影响较大，扣除非经常性损益并采用摊薄ROE的计算方式表现最佳，信息比率高达1.16。

• ROE因子在市值较大股票中表现出较强的区分能力，而在小市值股票中甚至可能呈反向关系。

- ROE因子具有显著的日历效应，尤其在6月份表现突出。

• 通过数学优化调整组合权重，降低规模因子暴露，能进一步提升组合的风险调整后收益和信息比率。

---

二、逐章深度解读

1. 绩优股指数表现与策略复现（第0-5页）

• 关键论点：

- 绩优股指数筛选ROE排名靠前的100只股票，收益显著优于沪深300指数，2017年至11月27日累计超额收益达15.10%。
- 绩优股指数自2003年以来大部分年份实现超额收益，具体数据见表1，11年内实现超额表现，其中6年超额收益超过10%。
- 采用成份股复制及策略复制两种回测方法均成功复现了绩优股指数的表现，说明指数编制规则及ROE基准选股策略的有效性。

• 支撑数据与图表：

- 图1-2显示绩优股指数单位净值曲线及其相对于沪深300的比价走势，强调两次主要回撤期及近年超额收益来源。
- 表1具体数据分年显示绩优股指数与沪深300的收益对比，信息比率指标突出超额收益的稳定性。

• 推理与假设：

- 绩优股指数以ROE为核心选股指标，剔除亏损及低净资产股票，重量自由流通市值，假设优异ROE代表优秀盈利能力及市场认可。

---

2. 参数敏感性测试及ROE计算方式比较（第6-9页）

• 关键论点：

- 每股净资产是否限制对整体组合收益影响有限（见图5）。
- ROE的计算方式多样，包括期初/期末资产、扣非与否、商誉处理等，75种不同计算方式进行回测比较。
- 信息比率最高的ROE计算方法：年报+中报数据，扣非摊薄ROE；而使用一季报及二季度单季数据且不扣非不扣商誉的计算方式表现最差。

• 支撑数据与图表：

- 表2a-2c详细展示各类ROE计算方式对应的年化收益率、信息比率、风险收益比等指标区分，形成系统性比较。
- 图6对比显示最高与最低信息比率组合的单位净值走势，标明各策略从2016年5月以来表现差异明显。

• 推理与假设：

- 年报和中报数据为基本且更具代表性的财务信息，扣非ROE剔除了非经常性损益对盈利的干扰，体现企业真正经营状况。
- 短期业绩（如一季报、单季度净利润）可能波动性大，不稳定，难以作为稳定选股指标。

---

3. ROE因子的单因子测试（第10-13页）

• 关键论点：

- 采用等权重分组时，ROE分组间收益差异不大，难体现选股能力，主要因小市值股票的收益贡献影响整体表现（图7）。
- 采用流通市值加权后（图8），高ROE组收益显著高于低ROE组，ROE因子的区分能力明显。
- 进一步对ROE因子进行与规模因子正交处理后（图9、图10），排除规模因子干扰，ROE因子单调性增强，区分能力更清晰。
- ROE正交前后因子间相关系数及同组股票重合度较高（约84%重合度，97%相关系数，图11），说明正交不会显著损伤ROE财务含义。
- 正交处理后各组间平均市值差异缩小，平均市值趋近于中证500，减缓规模因子导致的潜在风险（图12、13）。

• 支撑数据与图表：

- 图7-10视觉突出不同分组及加权策略下ROE因子的收益特征区分。
- 图11为数据重合率及相关性时间序列分析，显示数据处理稳健性。
- 图12、13展现处理前后各组市值的均值以及时间序列走势。

• 推理与假设：

- 规模因子的强扰动效应隐藏了ROE的真实选股能力。
- 在因子建构中，去除或正交规模因子是提高其他财务因子纯度和解释力的有效手段。

---

4. ROE与市值的网格分析及日历效应（第14页）

• 关键论点：

- 通过市值十组和ROE五组网格划分，发现ROE与收益的关系高度依赖于市值大小（“非线性效应”）。
- 大市值股票中，ROE越大收益越高，表明ROE具备选股区分能力。
- 中市值股票中，ROE效果减弱；小市值股票中，ROE甚至呈负相关，即ROE越高反而伴随收益下降。
- ROE因子存在显著日历效应，特别是在6月财报季后，收益超额表现突出且稳定。

• 支撑数据与图表：

- 图15代表网格分析的详细情况，结合表格说明ROE对不同市值段表现差异。
- 图14显示月度超额收益的色度图以及各月平均超额收益柱状图，突出6月的异常表现。

• 推理与假设：

- 小市值公司高ROE可能是暂时现象或受财务数据扭曲，因而指标失效或反向。
- 6月的强超额收益可能由年报披露集中引发市场预期调整。

---

5. ROE高组合的归因分析与组合优化（第16-21页）

• 关键论点：

- 取ROE因子最大的100只股票组成的流通市值加权组合，整体表现优于沪深300，年化超额收益8.84%。
- 组合行业上倾向金融、食品、医药等传统绩优行业（图17）。
- 因子暴露显示组合高ROE、较大市值、低流动性（图18）。
- 收益归因证明ROE因子为主要收益来源，流动性及行业偏离贡献次之（图19-20）。
- 规模因子暴露在2012年底至2014年底造成收益拖累（图21）。
- 设计数学优化模型，调整组合权重，目标为维持原因子暴露，尤其使规模因子暴露尽量接近零，个股权重扰动限制在±1%。
- 优化后组合年化收益率提升至12.40%，超额收益提升至11.34%，信息比率从0.97增至1.27（图22、表4）。
- 优化显著降低规模因子暴露及其产生的收益拖累（图23、24）。

• 支撑数据与图表：

- 图16描述高ROE组合单位净值走势，表3为分年风险收益数据。
- 图17-18为组合行业权重及多因子暴露箱线图。
- 图19-21展示收益贡献时间序列及规模因子暴露变化。
- 图22、表4为优化前后收益与风险指标对比，图23-24直观体现规模暴露降低和收益拖累的关系。

• 方法说明：

- 采用二次优化方法最小化因子暴露差异，尤其控制规模因子暴露为零点，微调权重限定在±1%范围内以保证稳定性。
- 优化针对当前组合，在保持整体结构的基础上，提升风险调整后收益。

---

6. 总结与投资评级（第22-23页）

• 核心总结：

- 绩优股指数基于扣非ROE指标选股，在过去15年多数年份实现超额收益。
- ROE计算数据选择极为重要，扣非摊薄ROE表现最佳。
- ROE因子选股能力体现在大市值股票中且带来稳定超额收益，小市值股票则呈现逆向特征。
- 经过规模因子正交处理，ROE因子能更纯粹地反映业绩差异并减少规模偏差的干扰。
- 数学优化方法有效提升高ROE组合收益质量，降低规模因子风险暴露，是组合管理的有效工具。

• 投资评级：报告中未对具体行业和个股进行直接评级，提供行业与公司评级标准说明以供参考。

---

三、图表深度解读

下面对报告中的关键图表进行具体详解：

• 图1-2（绩优股指数历史单位净值）：

- 绩优股指数在2017年全年的收益遥遥领先沪深300，单位净值提升约1.4倍，表现亮眼（图1）。
- 长期来看（2003-2017），绩优股指数与沪深300的相对表现波动明显，尤其2015年之后表现强劲，部分时间区间（2013-2015年）出现回撤（图2）。
- 这反映了绩优股在部分市场行情中能显著跑赢大盘，但同时存在周期性风险。

• 图3-4（指数复制策略）：

- 无论采用成份股直接买入或依据策略计算，组合净值均与绩优股指数高度一致，验证了指标及策略的实用性。
- 策略复制赋予更高灵活性及自定义空间，便于后续参数优化。

• 图5（每股净资产限制影响）：

- 去除BPS>1限制后的收益曲线与限制时几乎重合，确认该限制为非关键因素。

• 图6（信息比率最高与最低组合净值对比）：

- 两组组合表现差异从2016年主要累积，说明ROE的计算细节直接影响选股效果和信息比率。

• 图7-10（不同权重及正交处理对ROE分组收益的影响）：

- 等权重组合未明显体现ROE分层收益差异（图7），流通市值加权后差异明显（图8）。
- 规模因子正交后组合单调性更强（图9），流通市值加权后小组间收益区分进一步增强（图10）。
- 该现象表明规模因子对于ROE收益的混淆作用，正交处理有助于因子纯化。

• 图11（正交前后股票重合及因子相关系数）：

- 平均保留率84%，相关系数97%，说明正交技术虽调整权重，但ROE本质信息未被破坏。

• 图12-13（正交前后平均市值及时间序列）：

- 正交后组合平均市值下降至接近中证500水平，减少规模偏差，提高策略稳健性。

• 图14（ROE因子日历效应）：

- 6月超额收益平均3.82%，过去11年中有10年实现6月超额收益，对投资者提示重要的季节性投资窗口。

• 图15（网格分析）：

- 明确展现ROE效用与市值分层的非线性关系，为理解ROE因子动态特性提供直观依据。

• 图16-21（高ROE组合业绩、行业分布及收益归因）：

- 高ROE组合长期跑赢沪深300，行业多样但偏金融、医药板块。
- ROE因子收益贡献最大，流动性效应及行业偏差次之，规模因子有时反成收益拖累。

• 图22-24（组合优化效果及规模因子风险暴露）：

- 数学优化显著提升组合收益率及信息比率，同时缩减规模因子暴露，降低潜在回撤风险。

---

四、估值分析

本报告侧重因子投资及组合构建优化，未涉及传统估值模型（如DCF或PE等）分析，故无估值结构解读。

---

五、风险因素评估

报告间接揭示了风险因素，包括：

• 规模因子暴露可能导致的收益拖累，尤其市场配置倾向小市值股票时。

- ROE计算口径差异可能带来的策略效果波动。

• 小市值股票中ROE指标失效甚至反向的现象，提示小盘股操作风险增加。

- 组合虽通过正交及优化减缓风险，但仍需关注市场波动及非系统性风险。

报告建议通过数学优化限制规模因子暴露，以减缓风险，未提出其他缓解策略。

---

六、批判性视角与细微差别

• 报告中对ROE计算方式的细致划分及逐一测算十分详实，表现科学严谨。

- ROE在小市值股票中呈反向指标的现象值得投资者警惕，这提示ROE单因子策略应用的局限性，尤其在《机器学习实战系列》提及的非线性关系方面，应考虑多因子和机器学习方法的辅助。

• 正交处理虽然能有效减少规模影响，但导致的市值分布变化可能带来流动性风险增加，报告中虽有强调，但未充分展开风险管理。

- 优化模型虽提升收益表现，但权重调整限制±1%较严格，实际执行中交易成本、市场冲击等因素可能影响效果，报告中未详细讨论这些操作层面的现实问题。

• 报告整体无明显偏见，但由于数据与模型均基于过去表现，未来不确定性无法消除，相关结论仍需审慎应用。

---

七、结论性综合

通过对申万绩优股指数及基于ROE的因子投资策略的深入研究，报告客观呈现了ROE作为财务质量因子在中国股市中的稳健超额收益能力。

重要洞察包括：

• 绩优股指数长期显著跑赢沪深300，尤其ROE因子表现稳健突出。

- ROE的计算细节极为关键，年报与中报扣非摊薄ROE计算方式表现优异。

• ROE因子在选股中的有效性依赖于市值层次，仅对大市值股票具备正向选股能力，对小市值表现存在负向或无效情况，指明其应用需结合市值分层。

- 正交规模因子并采用数学优化对组合权重进行微调，显著提升收益和风险指标，减弱了规模偏差带来的收益拖累。

• ROE因子还表现出显著的季节性日历效应，特别在6月年报披露季体现超额收益的爆发窗口。

- 报告方法科学细致，数据详实，图片和图表直接体现核心论点，整体为金融实务中利用ROE因子进行多层次投资决策提供了坚实的理论与实践基础。

综上，报告充分展示了ROE因子在精选绩优股策略中的重要作用及实际操作路径，推荐将ROE因子和组合优化方法纳入投资组合构建流程，以期实现更优的风险调整收益表现。

---

附：引用标注示例

• 绩优股指数2017年至11月27日收益37.45%，同期沪深300收益22.35%，超额15.10%[page::0,3]

- 绩优股指数15年中11年实现超额收益，6年超额超10%[page::0,4]

• ROE不同计算方式导致年化收益率差异明显，信息比率最高为1.16[page::0,7,9]

- ROE因子正交规模后，在大市值股票内表现明显[page::10,11,12]

• ROE因子存在显著月度日历效应，6月平均超额收益3.82%[page::14]

- 数学优化后，组合年化收益率从9.9%提升至12.4%[page::19,20]

---

以上分析力求全面覆盖报告全文内容，结合图表数据详细解读，帮助读者深刻理解ROE因子在多因子投资中的研究价值与应用方法。

报告