颜力刚Ligang Yan

股票评级研究笔记(二):先定义什么是“好”,什么都不做是 43.8%

做评级模型之前,先回答三个问题:S 级到底是什么意思,股票池里放哪些股票,什么都不做能得几分。目标从“下个月涨不涨”改成“一年后能不能跑赢 SPY”;股票池去掉了每天成交不到 100 万美元的四分之一;随机评级 1,000 次,量出运气能做到多少。

quantquantconnectpythonfactor-investing

这是股票评级研究笔记的第二篇。上一篇在 QuantConnect 上建好了研究用的数据库,这一篇还不做模型,只回答三个问题:S 级到底是什么意思?股票池里放哪些股票?什么都不做能得几分? 代码仍然由 Claude Code 编写,我负责提问、读代码和决定方向。

本文是学习记录,不构成任何投资建议。

一开始的目标是错的

最早有一个占位模型(12 个月动量和盈利收益率的排名取平均),在市值前 500 家里把股票平均分成五档,用“下个月的收益”来评判:S 档减 D 档每月 +0.20%,t 只有 0.8,2008–2020 年还是负的。

看了这个结果,我意识到问题不在模型,在目标。我想要的评级不是“下个月涨不涨”:网站的用户看到一个 S,想知道的是买了拿一年,能不能比直接买 SPY 好。于是答案改成:

评级日收盘起 12 个月的总收益(含分红),有没有跑赢 SPY 同期。

用这个答案重新看,占位模型的 S 档一年后跑赢 SPY 的比例是 45.1%,比整个股票池(46.2%)还低,和 D 档差不多。它根本分不出好坏。

S 是“最可能跑赢”,不是“平均赚最多”

换了目标以后,又冒出一个更细的问题。用财报算的盈利收益率(便宜的排前面)给前 3,000 家公司评级:

S 档 D 档
一年后跑赢 SPY 的比例 45.7% 40.8%
超额收益的中位数 −2.0% −10.7%
超额收益的平均数 S 比 D 低 3.3 个百分点

按“跑赢的比例”和“中位数”,S 明显比 D 好;按平均数,S 反而比 D 差。原因是 D 档(贵的、亏损的公司)里有少数一年涨好几倍的,把平均数拉了上去。

这是一个产品问题,不是统计问题:S 级是“最可能跑赢 SPY”,还是“平均超额收益最高”?我选了前者。网站的用户一般只持有几只股票,他们体验到的是单只股票的结果;平均数靠少数暴涨的股票撑着,大多数持有者拿不到。所以:

  • S 级 = 未来 12 个月跑赢 SPY 可能性最高的那 10%,看的是跑赢的比例;
  • 平均超额收益只做护栏:S 不能明显比整个股票池差。

要老实说一句:这个选择是在看过上面那张表之后做的,有“看了结果再选标准”的嫌疑。真正没看过的检验,只有上线以后实际发生的月份。

五档的比例:10 / 20 / 40 / 20 / 10

原来是五档各 20%。S 占五分之一,显得很普通。改成:

五档的比例

S 和 D 都只有 10%,中间 40% 的 B 坦白表示“看不出好坏”。

还有一条被删掉的规则。Claude 一开始建议“模型在前 500 家大公司里也要单独通过”,理由是很多因子的效果只来自小公司。我把它删了:S 的定义里没有市值,市值只用来圈出股票池,不该再用它分档。

一个弯路:baseline 不该要求这么高

定完这些,Claude 一口气跑了 6 个“基准模型”(盈利收益率、动量、只按市值排、占位模型等),每个都要过五条判定,表格一屏放不下。我看不懂了,问了一句:既然是 baseline,为什么要求这么高?

问题在于把两件事混在了一起。那五条是“一个模型能不能上线”的标准,不是 baseline 的。机器学习里的 baseline 很简单,就是一个 dummy:什么都不学,随便猜,看能得几分。真正的模型要和它比。

于是重新来,一次只做一件事:在 GitHub 上开一个 epic,拆成几个 issue(baseline → 第一个单因子模型 → 上线 → 第一个多因子模型 → 上线),每个 issue 一个 notebook,看懂了再做下一个。这一篇是第一个 issue。

股票池:先去掉买不了的股票

做 baseline 之前,我想到一个问题:股票池是“每月股价 ≥ 1 美元的市值前 3,000 家”,但只看股价不够,有些股票每天根本没多少成交,评了 S 也买不进去。

先量了一下。成交额 = 评级日之前 60 个交易日里,每天“收盘价 × 成交量”的中位数:

成交额不到 100 万美元的公司

  • 全期 25% 的公司每天成交不到 100 万美元,47% 不到 500 万。
  • 问题主要在市值排名 2,001–3,000 这一段:全期 67% 不到 100 万,2008 年是 90%。2010 年排在最后几百名的公司,每天只成交几千到几万美元。
  • 前 1,000 家几乎都在 500 万以上。

这一段正是以前研究里经典因子效果的来源(3 亿美元以下的小公司)。不去掉它们,一个模型可以靠给这些买不了的股票排序“通过”考试。

加不同的门槛,每月剩多少家:

门槛(每天) 每月剩下(最少 / 中位数) 一年后跑赢 SPY 的比例
不加 2,609 / 2,998 42.9%
≥ 100 万美元 1,567 / 2,242 43.8%
≥ 500 万美元 1,015 / 1,552 44.7%
≥ 1,000 万美元 809 / 1,234 45.2%

我选了 100 万美元:刚好去掉“几乎没有成交”的那一截,每月最少还剩 1,567 家(S 级至少 156 家);买 1 万美元只占一天成交的 1%。门槛再高,比如 500 万美元,最少的月份只剩一千家左右,股票池一半是被门槛决定的,不再是“前 3,000 家”。资金量更大的问题,不靠股票池解决,以后给模型加一条“S 级的成交额是股票池的几倍”,只看不卡。

Baseline:随机评级

最终的股票池:每月股价 ≥ 1 美元、每天成交 ≥ 100 万美元的市值前 3,000 家(包括后来退市的),评级月 2008-01 到 2025-07,一共 211 个月。

baseline 就是随机评级:每个月把股票随机打乱,按 10/20/40/20/10 切成五档。它每一档跑赢 SPY 的比例,都等于整个股票池的比例:

什么都不做:一年后跑赢 SPY 的比例

什么都不做是 43.8%,不是 50%。 2008–2020 年 46.5%,2021 年以后只有 36.1%。SPY 按市值加权,少数巨头涨得多的年份,大多数股票都跑不赢它。按年看,从 2019 年的 31% 到 2009 年的 58%;按月看,最低 24.1%,最高 64.7%(2020 年春天评级的那批,小公司从疫情低点反弹)。

所以一个模型的 S 级“跑赢 SPY 的比例”,要和同一个月的整个股票池比,不能和 50% 比。主指标就定为:

每个月 S 级跑赢 SPY 的比例 − 整个股票池跑赢的比例(百分点),再对 211 个月取平均。

随机评级的主指标是 0。

运气能做到多少

主指标是 0 只是平均。随机评级 1,000 次,每次的主指标都不一样:

  • 95% 落在 −0.43 到 +0.42 个百分点之间;
  • 1,000 次里有 28 次(2.8%)碰巧“过了合格线”。

合格线是:主指标 > 0,t ≥ 2,而且 2008–2020、2021 年以后两段都 > 0。这里的 t 用的是 Newey-West 的算法:相邻两个月的 12 个月收益窗口重叠了 11 个月,普通的 t 会把同一段行情算好几次,显得更显著。

2.8% 和一个单边“t ≥ 2”检验本来就有的约 2.3% 误报差不多,说明合格线没有写松。

(更新:这篇最早写的是随机评级 200 次,−0.35 到 +0.39、2.5%。后来重建价格表,数据只少了 5 行,200 次的结果就跳到了 5.0%:次数太少,尾部的比例不稳。改成 1,000 次以后是上面的数。)

另外两条护栏,不算成绩,只防明显的坑:S 级的平均超额收益不能明显低于整个股票池(就是上面那个“平均数”问题);每个月换等级的公司要少于 25%,评级不能天天变。

学到的几件事

  1. 先定义“好”,再找模型。 一开始的模型其实没问题,问题是它在回答一个我不关心的问题。
  2. 和 base rate 比,不和 50% 比。 “S 级 55% 跑赢 SPY”听起来不错,但如果那个月整个股票池有 64% 跑赢,S 级其实是拖后腿的。
  3. baseline 就是 dummy。 它的作用是量出运气能做到多少,不是自己去过考试。把上线标准套在 baseline 上,只会把事情搞复杂。
  4. 股票池要买得到。 前 3,000 家里有四分之一几乎没有成交,而因子效果恰恰容易出在那里。
  5. 看了结果再改的标准,要写下来。 这次“S = 最可能跑赢”的定义是在看过结果之后定的,我在 notebook 里明确标了出来,以后读的人(包括我自己)知道该打几折。
  6. 一次只做一件事。 一个 notebook 回答一个问题,我才能读懂、才能判断。

下一篇做第一个模型:一个因子,能不能让 S 级的跑赢比例明显高过 43.8%。作为参考,之前用财报算的盈利收益率,主指标约 +2.3 个百分点,远在运气的范围之外;但它的 S 级并不比 A 级好,而且那次还没加成交额门槛,要在新的股票池上重新测。