反思菲式思考 Part.4｜站在菲神的肩膀上研發策略｜預判法說會有用嗎？

  • Post author:
  • Reading time:6 mins read
Tags: , , , ,

大家好，我是新來的小編邦寧。本篇將會從菲式思考最後一章的「即將開法說會」作為原始策略，並在此基礎上加強策略的表現。

內容目錄 隱藏
1 簡介法說會策略
1.1 書中選股條件
2 FinLab 回測驗證
2.1 程式碼
2.2 回測結果
3 策略優化
3.1 加入季營收增長率
3.2 營收的 YoY, QoQ, MoM 必須都要增長才行
3.3 營收 YoY, QoQ, MoM 至少要有一個亮眼才行
3.4 MAE/MFE 分析
4 小結
4.1 最終策略
4.2 資料來源
4.3 風險評估
5 結論

簡介法說會策略

策略是基於「押寶法說會即將公布重大利多」的理念，然而，逐家訪問公司過於費時。因此，策略採取撒網思維，直接搜尋「具備某些特徵，可能會宣布重大利多消息的公司」。

書中選股條件

  • 營收 YoY (月營收年增長率) > 0 或是營收 MoM (月營收月增長率) > 0
  • 近二十天漲幅不超過 7%
  • 從法說會前十天 Buy & Hold 到法說會當天

FinLab 回測驗證

程式碼

from pandas.core.indexing import convert_from_missing_indexer_tuple
from finlab import data
from finlab.backtest import sim
import pandas as pd
import numpy as np

import datetime

close = data.get("price:收盤價")

# Extend the dataset from monthly to daily with * (close >= 0)
rev_yy = data.get("monthly_revenue:去年同月增減(%)") * (close >= 0)
rev_mm = data.get("monthly_revenue:上月比較增減(%)") * (close >= 0)
no_grow = ((close - close.shift(-5)) / close < 1.07)

investor_conference = data.get('investors_conference').reset_index()
investor_conference = investor_conference.pivot(index='date', columns='stock_id')["公司名稱"].notna()
position = investor_conference * (close >= 0)

# Buy and Hold from last 10 days
position = position.shift(-10).fillna(False)
position = position & ((rev_yy > 0) | (rev_mm > 0)) & no_grow
position = position.rolling(10).sum().fillna(0)

report = sim(position, trade_at_price="close", fee_ratio=1.425/1000/3, upload=True)

回測結果

如同書中所提及的，Sharpe Ratio 跟 MDD (Maximum Draw Down) 都不夠理想，還能再加強。

Sharpe Ratio 是衡量投資報酬和風險平衡的指標，越高表示風險調整後的報酬較好。最大跌幅（MDD, Maximum Draw Down）則評估投資組合在一段時間內最大的價值下跌。夏普比率看風險和報酬，MDD (Maximum Draw Down)看最壞時的損失。

image 11
未優化的策略

策略優化

加入季營收增長率

通常營收增長率越高的公司，越容易是飆股，詳細請見 FinLab 的營收動能策略。

順著營收 YoY, MoM > 0 的思路，如果再加入營收 QoQ (營收年增率) > 0 這個條件的話，是否會更好呢？

答案是肯定的，只要 YoY, QoQ, MoM 三者中滿足一個 > 0，就去打這檔股票，最終效果是能增加 Sharpe Ratio 的。

image 12
加入 QoQ 的績效圖

營收的 YoY, QoQ, MoM 必須都要增長才行

在前面，做法是 YoY, QoQ, MoM 只要有一個 > 0，就交易這支股票；如果將濾網收緊，令營收 YoY, QoQ, MoM 都要 > 0 的話，會更好嗎？

就結果而言，影響不大，但是能有效降低交易次數，也代表每筆的期望報酬會增加。

image 13
MoM, QoQ, YoY 都要 > 0 的績效圖

營收 YoY, QoQ, MoM 至少要有一個亮眼才行

或者說，營收的增加不僅僅要有增長，更需要達到相當引人注目的程度，才能真正改善績效？比如至少要達到50%以上的增長。經過實驗證實，這樣的調整或許能稍微提高夏普比率，但並不會有非常明顯的增加。

image 14
YoY, QoQ, MoM 至少要有一個亮眼的績效圖

MAE/MFE 分析

觀察 MAE/Return plot，停損設在差不多 10% 能避免虧損持續擴大，也能明顯看到勝手沒有超過 10% 的 MAE。

關於怎麼理解 MAE/MFE，可以參考這個部落格，裡面深入淺出的介紹了 MAE/MFE 的使用方法。

image 8

小結

最終策略

from pandas.core.indexing import convert_from_missing_indexer_tuple
from finlab import data
from finlab.backtest import sim
import pandas as pd
import numpy as np

import datetime

close = data.get("price:收盤價").fillna(method='ffill').fillna(method='bfill')

# Extend the dataset from monthly to daily with * (close >= 0)
rev_yy = data.get("monthly_revenue:去年同月增減(%)") * (close >= 0)
rev_mm = data.get("monthly_revenue:上月比較增減(%)") * (close >= 0)
rev_qq = data.get('fundamental_features:營收成長率') * (close >= 0)
no_grow = ((close - close.shift(-5)) / close < 1.07)

investor_conference = data.get('investors_conference').reset_index()
investor_conference = investor_conference.pivot(index='date', columns='stock_id')["公司名稱"].notna()
position = investor_conference * (close >= 0)

# Buy and Hold from last 10 days
position = position.shift(-10).fillna(False)
position = position & ((rev_yy > 0) | (rev_qq > 0) | (rev_mm > 0)) & no_grow
position = position.rolling(10).sum().fillna(0)

report = sim(position, trade_at_price="close", fee_ratio=1.425/1000/3, stop_loss=0.1)
image 15
最終績效

可以觀察到，經過停損後，績效變差了，但是停損能作為一個防火牆，避免突如其來的虧損燒穿帳戶。

資料來源

在最糟的情況下，只要在前一天宣布召開法說會，隔天就能召開法說會，但我們的策略需要在法說會前十個交易日進行投資。

因此，我們應該特別注意這個時間範圍，以確保策略不會用到未來的資料。

風險評估

可以觀察到，這隻策略的 Draw Down 的行為跟大盤十分相似，但這隻策略在獲利時，能取得比大盤更好的績效。

總而言之，這隻策略是進可攻退可守的策略，再稍加修改就能取得更好的績效！

image 16

結論

我們從介紹法說會策略開始，這個策略基於「押寶法說會即將公布重大利多」的理念，選擇以撒網的方式尋找「具備某些特徵，可能會宣布重大利多消息的公司」。

在策略優化部分，我們加入了季營收增長率的概念，並探討了營收的年增率（QoQ）是否能夠增強策略表現。我們發現只要在YoY、QoQ、MoM三者中至少有一個大於零，就能提高夏普比率。

我們也分析了最大不利移動/最大有利移動（MAE/MFE），發現停損設在約10%能夠有效避免虧損擴大。

總體來說，這個策略是進可攻退可守的，且在獲利時表現優於大盤。我們相信稍加修改，可以取得更好的績效！