BAR讲堂如何找到那些严重盈利的股票？

Asness的这套因子评分体系尽管有一些设定上的争议，但是不妨碍人们在实务中的应用，尤其是一些研究者发现，QMJ因子可以解释巴菲特的长期成功（所谓的Buffet Alpha），更是使得这个因子声名大噪。但看过我们之前那篇连载的同学会发现，这个因子的构建过程十分复杂，即便我们在倍发科技投资研究系统（Betalpha BAR）中，也要花不少时间来编写和构建指标。

那么我们有没有简单一点的方法呢？

实际上，从质优股的整体设定来说，无论我们对哪个层面的指标更为关注，一只高质量的股票应当有出色的盈利能力，反过来说，一只有出色盈利能力的股票，它的安全性、增长性、回报性也同样可以得到有效的保障。从这个角度来说，盈利性是股票质量的一个合理的代理指标。

大部分基本面的投资者，也会对股票的盈利性投来更多的关注。按照利润表，我们可以把利润分为毛利、净利和税前利润等，各个指标因为对成本和费用的不同考量，对应不同的盈利维度，同样也成为其他指标（比如PE等）的计算基础。因此这里我们也用到了三个层面的数据。

当然，从财务比较的角度，单纯的利润数值是没有横向比较的意义的，因此我们往往使用财务比率进行考察。

最常用的盈利评估指标自然是ROA和ROE，它们分别是净利润与企业总资产和总权益的比率，相当于每单位总资产或者总权益能带来的多少净利润，巴菲特本人就对ROE推崇备至，净利润的另外一个使用的维度是计算净利率。而在毛利层面，最为重要的是毛利率指标，它表示每单位收入所对应的的毛利水平，此外，我们也可以用毛利与总资产相比，计算股票的资产毛利率（GPOA）。我们再用税前利润考察股票的营业利润率（OPM）和投资回报率（ROIC）。

在本文中，我们使用BAR中的ROA、ROE、净利率和毛利率四个指标，并构造GPOA、OPM和ROIC三个指标，对企业的盈利能力进行不同层面的考察。考察的范围是2013年至今的中证800成分股，换仓频率为月度，股票权重为等权重，并按照因子值大小将待选股票分为5组，需要强调的是，由于金融类企业在利润计量上与普通企业存在差异，我们在回测中剔除掉申万行业分类中的非银金融和银行两个行业的股票。

此外，这些指标会受到行业和市值因素的影响，因此我们需要对指标进行市值和行业的中性化。在BAR中，我们令对数化的市值在不同行业对上述7个指标进行回归，使用回归后的残差作为中性化的指标，从而剔除行业和市值对指标的影响。

在中性化后，我们对上述7个因子进行了回测，回测结果如下：

从数据上来看，其中表现最好的因子是ROIC，F1组及F1和F5对冲的收益率都是最高的，但是在表中我们可以发现，ROIC因子的IC并不高，即这个因子的预测能力并不出色。而上述因子中，毛利率和ROE因子的预测能力更好。

如果我们需要对股票总体的盈利能力进行考察，就需要综合考虑上述7个指标，而这就要用到因子合成的功能。我们在上一期的推送中就已经提到了具体的因子合成方法

而现在我们继续使用IC_IR权重来进行因子的合成，原因在于这个方法在考虑因子的预测能力的同时，也能够保证这样预测能力的稳定性。依据上表中的内容，我们按照七个因子的IC_IR值的比重作为权重，合成一个总的盈利能力因子，并且用之前的方法对这个因子的表现进行回测。

△盈利因子回测情况

从因子结果来看，尽管盈利因子值最高组的收益情况并没有分因子讨论时高，但是F1-F5对冲方法下的收益得到了更大的提高，同时我们可以看到，合成的盈利因子在因子的预测能力及其稳定性都有了不同程度的提高。并且盈利因子的预测能力在近几年的预测能力有了大幅度的提高，如果我们以2017年以来的数据进行回测，可以发现盈利因子的IC均值达到了4%以上，而IC_IR则高于0.73，这意味着盈利因子的适用性正在不断提高，而这也同样印证了2017年以来业绩为王的行情。

△盈利因子的IC相关性

此外我们还可以基于BAR的优化器，对投资收益进行进一步的优化。根据盈利因子的设定，我们使用BAR的申万月度模型对上述组合进行绝对收益的优化，结果如下：

△盈利因子优化后回测情况

显然与之前相比，投资收益有了明显的改善。

而我们基于类似的方法，可以在BAR中对企业不同的侧面进行归纳和分析，这对于我们理解股票市场的逻辑，提高投资业绩来说，都有非常重要的作用。