美股探險記第4課:美股選股池分類器使用教學｜本益成長比最適合用在哪些產業？

美股該如何選股？如果你有實際開發過美股策略，會發現一件很奇怪的事，那就是台股有用的策略，在美股幾乎都失效。除了高效率市場的因素，我想還有一個關鍵假設，那就是選股池的影響性。
我們知道每個產業適用的指標不同，像本益比指標可能就不適合在獲利起伏很大的行業，例如原物料、營造，而在獲利穩定比較高的產業較具指標意義。
如果沒縮小選股池，針對特定產業找出指標，那就像在大海撈針，會對基本面選股有很大的影響美國是全球最大的資本市場，上市交易的標地很多，達上萬檔，細產業也分散到上百個，不像台股集中在製造業與電子業，就算台股沒分類，也很容易找到通用全市場的指標，但美股直接全市場選股，很容易因產業一致性的缺乏，導致許多雜訊出來，例如挑本益比低於10倍的股票，在A產業偏低，但在B產業是偏高，不可混為一談。

為解決選股池的問題，FinLab Package 在 0.4.5 的版本開發了美股選股池控制的功能，利用短短的程式碼，就能對美股做不同層級的分類，接下來會向大家介紹如何使用此功能，並找出本益成長比最適合用在哪些產業？

美股選股池分類

此功能的用途在當呼叫 data.get 或是 data.indicator 時，返回美股產業相關類股。
和台股不同的地方在美股因標的範圍較大，有4個篩選變數可以控制，預設都是全選。
細節請見美股選股池控制的功能。

參數說明

• market：證券種類，採取模糊比對。
  若設定為 Common Stock ，則會篩選出美國國內上市企業與 ADR (海外存託憑證:外國公司在美國二次上市) 的普通股，不會選到一些流動性比較低的特別股。
  若想排除 ADR，則可以設定為 Domestic Common Stock，就只會選到美國國內上市企業。
• sector：產業主板塊，可視為比較粗略的產業分類。像是美股有許多高科技公司很吸引人，若想選定標的在科技股，將此參數設定為 Technology 。
• industry：細產業，可視為比較細的產業分類，由於細產業很多，不方便一一列在文件上，我們可在美股企業基本資訊的資裡中找到資料，利用以下程式碼取得細產業索引： set(data.get('us_tickers')['industry'])。像是美股科技股中的軟體公司很吸引人，若想選定標的在軟體股，將此參數設定為 Software – Application 。
• exchange：交易所。不同的交易所有不同的主流標地及規範。偏愛科技股或新創的，可選NASDAQ。
  紐約證券交易所（New York Stock Exchange，簡稱NYSE）和納斯達克交易所（NASDAQ）是美國主要的證券交易所，它們在以下幾個方面存在差異：
  1.交易模式：紐約交易所採用傳統的“交易員制”模式，即交易員在交易所的交易廳內進行股票交易。而納斯達克交易所採用電子交易系統，投資者通過計算機網絡進行交易。
  2.有吸引力的上市公司類型：紐約交易所主要是大型傳統企業，如跨國公司和傳統產業公司。納斯達克交易所則更有吸引力的科技、生物技術和高成長性公司。
  3.上市要求：紐約證券交易所對上市公司的要求較為嚴格，包括市值、財務狀況、歷史業績等方面的要求。納斯達克交易較多成長型公司，其上市要求相對較低。
  4.交易時間：紐約交易所的交易時間為周一至週五上午9:30至下午4:00（美國東部時間）。納斯達克交易所的交易時間也是周一至週五上午9:30至下午4:00 :00，但還提供了一些延長交易時間的選項。
  5.許多市場地位：紐約交易所是世界上最大、最多的股票交易所之一，吸引了許多大型企業和國際投資者。納斯達克交易所在科技股領域具有越來越大的影響力，吸引了新興市場科技公司和高科技投資者。

使用範例

以下為幾個常用範例，幫助我們將資料限縮在特定範圍，限縮之後，就能針對本質較相近的股票做後續研究。

限定在美股普通股中的科技類股

with us_universe('Common Stock', ['Technology']):
    close_subset = data.get('us_price:close')
    print(close_subset)

限定在美股特別股中的基礎原物料和能源類股

with data.us_universe('Preferred Stock', ['Basic Materials','Energy']):
    close_subset = data.get('us_price:close')
    print(close_subset)

限定在美股 NASDAQ 交易所普通股中的軟體類股

with data.us_universe('Common Stock', industry='Software', exchange='NASDAQ'):
    close_subset = data.get('us_price:close')
    print(close_subset)

檢視有哪些細產業可選擇

print(set(data.get('us_tickers')['industry']))

{'Advertising Agencies',
 'Aerospace & Defense',
 'Agricultural Inputs',
 'Airlines',
 'Airports & Air Services',
 'Aluminum',
 ...}

本益成長比最適合用在哪些產業？

全市場回測

我們來寫一個簡單的本益成長比(PEG)當範例，條件說明如下

• 本益比 > 0：公司近一年獲利要是正數
• 營業利益成長率 > 20：公司的獲利能力具一定水準，不是低利潤產業
• 營業利益成長率 > 營收成長率：本業獲利成長大於營收成長，代表公司的銷貨是重質不重量。
• 篩選出來後，用本益成長比做排序選出本益成長比最低的前10名，若您不了解本益成長比的定義，可參考這篇文章「進化後的本益比｜本益成長比選股策略」。
• 每週再平衡。
• 停損為10%。
  

程式碼

from finlab import data
from finlab.backtest import sim

本益比 = data.get('us_daily_metrics_all:pe')
營收= data.get('us_fundamental_all:revenue')
營業利益 = data.get('us_fundamental_all:opinc')

def 成長率(s):
    return ((s-s.shift(4)) / s.shift(4).abs()) * 100

營收成長率 = 成長率(營收)
營業利益成長率 = 成長率(營業利益)
peg = (本益比/營業利益成長率)

cond1 = 本益比 > 0
cond2 = 營業利益成長率 > 20
cond3 = 營業利益成長率 > 營收成長率

cond_all = cond1 & cond2 & cond3
position = peg*cond_all
position = position[position > 0].is_smallest(10)

report = sim(resample='W', position=position, fee_ratio=0, tax_ratio=0, stop_loss=0.1, name='美股本益成長比')
report.display()

回測結果

以這麼簡單的條件而言，發現效果相當不錯，接下來我們用選股池分類器來針對不同的板塊做回測。

板塊分組回測

將不同的板塊名稱輸入進選股池分類器，執行迴圈。並使用「回測組合比較報告」的功能來比較不同板塊的回測結果。

程式碼

from finlab import data
from finlab.backtest import sim
from finlab.optimize.combinations import ReportCollection

dataset = {}

for ind in ['Basic Materials','Communication Services','Consumer Cyclical','Consumer Defensive','Energy','Financial Services','Healthcare','Industrials','Real Estate','Technology','Utilities']:
    with data.us_universe(sector=ind):

        本益比 = data.get('us_daily_metrics:pe')
        營收= data.get('us_fundamental:revenue')
        營業利益 = data.get('us_fundamental:opinc')


        def 成長率(s):
            return ((s-s.shift(4)) / s.shift(4).abs()) * 100

        營收成長率 = 成長率(營收)
        營業利益成長率 = 成長率(營業利益)
        peg = (本益比/營業利益成長率)

        cond1 = 本益比 > 0
        cond2 = 營業利益成長率 > 20
        cond3 = 營業利益成長率 > 營收成長率

        cond_all = cond1 & cond2 & cond3
        position = peg*cond_all
        position = position[position > 0].is_smallest(10)

        report = sim(resample='W', position=position, fee_ratio=0, tax_ratio=0, stop_loss=0.1, name='美股本益成長比', upload=False)
        dataset[ind] = report


indicators=['daily_mean','daily_sharpe','max_drawdown']
report_collection = ReportCollection(dataset)
# 策略分組指標報告
report_collection.plot_creturns().show()
report_collection.plot_stats('bar',indicators=indicators).show()
report_collection.plot_stats('heatmap',indicators=indicators)

回測結果

可以發現「科技股」的報酬率一支獨秀，報酬率的前3名板塊與後3名的差距非常大。
綜合評分以「報酬率、夏普率、最大回撤幅度」分級平均計算，前3名依序是「Consumer Cyclical、Financial Services、Technology」。

最終策略

將策略範圍的選股池限定在「Consumer Cyclical、Financial Services、Technology」這三個使用本益成長比策略表現較好的板塊，為什麼不要只限定在第一名的產業就好？原因在適當產業多元化，能避免過度集中在特定產業循環的風險，在產業逆風年，個股很難有表現，但如果有做產業分散，就比較有機會抵抗單一產業的逆風時刻。

程式碼

每個產業選10檔股票，再將這3個產業的選股結果合併。

from finlab import data
from finlab.backtest import sim
import pandas as pd

def sector_postion(sector):
    with data.us_universe(sector=sector):
        本益比 = data.get('us_daily_metrics:pe')
        營收= data.get('us_fundamental:revenue')
        營業利益 = data.get('us_fundamental:opinc')

        def 成長率(s):
            return ((s-s.shift(4)) / s.shift(4).abs()) * 100

        營收成長率 = 成長率(營收)
        營業利益成長率 = 成長率(營業利益)
        peg = (本益比/營業利益成長率)

        cond1 = 本益比 > 0
        cond2 = 營業利益成長率 > 20
        cond3 = 營業利益成長率 > 營收成長率

        cond_all = cond1 & cond2 & cond3
        position = peg*cond_all
        position = position[position > 0].is_smallest(10)
        return position


positions = pd.concat([sector_postion(sector) for sector in ['Consumer Cyclical','Financial Services','Technology']],axis=1)
report = sim(position=positions, resample='W', fee_ratio=0, tax_ratio=0, stop_loss=0.1, name='美股本益成長比', live_performance_start='2021-06-01')

回測結果

撋報酬率降低一些，但夏普率和最大回撤幅度與原先的結果相比則有明顯提升。
還在為優化策略所苦嗎？你絕對不能錯過 美股選股池控制 這個好用功能，趕緊來試試吧！