量化投资与基本面分析方法
开篇：润墨网以专业的文秘视角，为您筛选了八篇量化投资与基本面分析方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
量化投资与基本面分析方法范文第1篇
主动型投资方法面临革新
人的思维在任何时候都只能考虑有限个变量，对传统主动型投资人而言，决策广度的有限性，体现在跟踪股票数量上的限制，以及决策时思考变量上的限制。当然，传统的主动投资方法在决策深度上是有优势的，所以做更加深入的基本面研究，以弥补决策广度的不足，是决定成败的关键。
随着市场信息传递速度的加快，众多分析师对基本面数据的不断挖掘，更加深入的分析，似乎越来越难以弥补决策广度的不足。如果将传统主动型投资比喻为―个“拣西瓜”比赛的话，现在剩下的西瓜越来越小了，那么这时“拣西瓜”的工具与方法就显得非常重要了。
即使投资人有超越市场的预测能力，但现实中收益常常被投资人主观认知上的情绪化波动侵蚀掉了。同时，传统投资的管理者本身情绪难免受到周围环境的影响，常常会做出一些偏离自己判断的交易行为，这样的随机交易常常会侵蚀掉部分应该获得的收益。
与传统基金的基金经理相比，量化基金经理们更愿意将他们的见解与目前速度惊人的计算机技术、统计技术等结合起来作为研究工具，在模型中可以将自己的研究和视野拓展到只要有数据支持的任何地方。比如，量化基金经理们可以把所有股票纳入自己的海选范围内，从多维度的变量空间中找到自己的获利机会，并可以检验这样的获利机会在历史上的成败概率。这样的变量可以包括宏观变量、基本面变量、财务数据以及有关投资者心理的市场行为变量。当然，量化投资跟踪调查的范围可以很广，但是在最终决策上要受到众多限制的，以保证在控制风险水平的前提下，实现收益率的最大化。
另外，量化投资和传统的投资可以找到合理的结合点，这在量化模型的输入变量View上，因为任何观点既可以来自于历史规律的检验，也可以来自于人脑对未来的主观判断。当然，在量化投资的过程中，依赖主观判断的成分相对要小得多，因为大多数量化经理们认为，依靠没有数据支持的主观判断做出的决策总是不可靠的。
量化投资与基本面分析方法范文第2篇
尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。
二、量化投资“黑箱”中的构造与证券投资学的差异
在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。
(一)资产定价与收益的预测
根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。
(二)无套利条件与交易成本
在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。
(三)风险控制与市场情绪
在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。
(四)执行高频交易与算法交易
在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易
优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考
从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。
(一)市场微观结构与流动性冲击
在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。
(二)业绩评价与高杠杆
对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。
(三)人为因素与模型风险
在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。
量化投资与基本面分析方法范文第3篇
量化投资优势诱人
对年轻的A股市场来说,量化投资还是一个新概念。而在国外,定量投资已经走过了近40年的道路,其中的标杆人物正是著名的詹姆斯・西蒙斯(James Simons)。
量化投资的神秘故事
文艺复兴科技公司(Renaissance Technologies)的詹姆斯・西蒙斯(James Simons)是华尔街最成功的对冲基金经理之一。他所管理的大奖章基金对冲基金,从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。其20年来年均35%的傲人业绩大幅超过了巴菲特。
然而,颇具神秘色彩的西蒙斯对其投资方法刻意保密。迄今为止人们只知道,他的大奖章基金的赚钱方法是:针对不同市场设计数量化的投资管理模型,并在全球各种市场上进行短线交易。而为了让这些“模型”始终处于绝密状态,西蒙斯甚至不惜代价对那些离职创业的员工强硬地提讼。但实际上,数量化投资的背后并不是神秘而不可知的。数量化投资本身有一套规范而透明的做法,并采用科学、公正而理性的方法对市场进行研究并制定适应市场状况的投资模型和投资策略,并不断进行调整和优化。
其实,数量化投资不是黑盒子,也不是神秘主义,更不是一个战无不胜的秘笈。数量化投资不是靠一个投资模型就能一劳永逸地去赚钱,而且也不是使用一个模型就能解决一切问题,更不是一个模型就能胜任任何市场状况。数量化投资模型只是一种工具,数量化投资的成功与否在于使用这种数量化工具的投资者是否真正掌握了数量化投资。同时,数量化投资模型都必须经历不断的跟踪检验、优化、实证等等过程。数量化投资是一个不断改进的过程,数量化投资中最重要的就是投资者的投资思想,包括对投资的理解、理念、经验,所以模型都是建立在这些投资思想上的。量化只是一种方式和工具,正是采用这种工具和方法来获取经验或者检验经验。
有效规避传统投资短板
人脑在思考问题的时候所能考虑到的因素总是有限的,那么决策的广度肯定是不足的。从选股上来看也有这种问题,每个分析师所能跟踪的股票数量也有限制,不可能看太多的股票,这是传统投资的短板。当然,传统的主动投资方法在决策深度上是有优势的,因为可以把基本面研究做得很深入,从而弥补决策广度的不足,这也是决定成败的关键。信息多,信息快,这是当今资本市场的一大特点。市场中信息的传递速度非常快,而且众多分析师对基本面数据进行不断的挖掘,虽然对个股有深入的分析,但是仍然越来越难以弥补决策广度的不足。
另外,或许有的投资者对市场的预测能力非常不错,从理论上说可以获得很好的超额收益(特别是很多事后看来确实预测准确的情况),但现实中收益常常被投资者主观认知上的情绪化波动侵蚀掉。比如说,大多数投资者可能有自己的判断,但是市场短期的表现可能与其判断相左。这个时候,投资者可能会受市场表现的影响而很容易怀疑自己的判断,此时大多数投资者宁愿相信羊群效应―追涨杀跌。
因此,传统定性投资的短板大致在于我们思考的范围总是有限的、较难以处理信息量多而快的问题、难以避免自身的投资情绪等等,这些都将最终影响到投资者的投资收益状况。然而,科学、公正、客观而理性的数量化投资策略却可以规避这些传统主动型投资策略的短板。
量化技术的五大优势
数量化投资与传统的定性投资方法相比,相同点是,二者都致力于建立战胜市场、产生超额收益的投资组合;不同点是,传统的定性投资方法侧重对上市公司的调研、基金经理个人的经验及其对市场的主观判断,而量化投资管理则更加强调数据的分析和应用,以先进的数学统计技术和模型替代人为主观判断。所以,与传统的定性分析方法相比,数量化投资方法能更为理性、客观地分析和筛选股票,避免投资的盲目性和偶然性,以及主观认识的局限性,它能更有效地控制非系统性风险及一些人为因素导致的风险。定量投资管理将定性思想与定量规律进行量化应用,具有如下五大方面的优势:
纪律性:严格执行数量化投资模型所给出的投资建议,而不是随着投资者情绪的变化而随意更改。纪律性的好处很多,可以克服人性的弱点,如贪婪、恐惧、侥幸心理;也可以克服认知偏差,行为金融理论在这方面有许多论述;纪律化的另外一个好处是可以跟踪和修正。定量投资作为一种定性思想的理性应用,客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”,而不是“黑盒子”。每一个决策都是有理有据的,无论是股票的选择,行业选择,还是大类资产的配置等等,都是有数据支持、模型支持及实证检验的。
系统性:数量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据的观察等等。多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度的分析。定量投资的系统性还有一方面就是数据多,即要对海量数据进行处理。人脑处理信息的能力是有限的,当一个资本市场只有100只股票,这对定性投资基金经理来说是有优势的,他可以深刻分析这100家公司,这可以表现出定性基金经理深度研究的优势。但在一个很大的资本市场,比如有成千上万只股票的时候,强大的定量投资的信息处理能力能反映它的优势,能捕捉更多的投资机会,拓展更大的投资机会。
及时性:及时快速地跟踪市场变化,不断发现能够提供超额收益的新的统计模型,寻找新的交易机会。
准确性:准确客观评价交易机会,克服主观情绪偏差,妥善运用套利的思想。定量投资正是在找估值洼地,通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业,那个股票是可以翻倍的股票;与定性投资经理不同,定量基金经理将大部分精力花在分析哪里是估值洼地,哪一个品种被低估了,买入低估的,卖出高估的。
量化投资与基本面分析方法范文第4篇
本刊记者专访了建信责任ETF、建信社会责任联接基金经理叶乐天，为我们揭开量化投资的面纱。来自浙江，北大数学系出身的叶乐天，谈起量化投资，如数家珍。在他看来，量化投资与基本面投资在方法论上有较大差别。后者类似中医，通过实地调研考察，望闻问切，接触病人，获取信息，加以判断；前者则把影响投资的各方面情况以及投资逻辑转化为数据和模型，类似西医，用医疗设备对病人进行体检和化验，更重视借助图表和数据对病人的病情做出判断，因此能做到不见病人而对其基本特征了如指掌。
：请通俗介绍一下什么是量化投资，它的发展情况如何？
叶乐天：中国量化投资研究院院长陈工孟曾做过这样的描述：第一批聪明人叫金融学家，他们发明了各种各样的金融衍生品赚得盆满钵满；第二批聪明人叫数学家，他们通过各种数据模型去发现了一些不合理的现象，同时发现了赚钱的机会，然而数学家不知道怎么把钱赚到手；第三批聪明人就是IT工程师、软件工程师，他们帮助第二批聪明人实现了赚钱的机会。而“量化投资”就是高端的金融人才、数学家和一流的IT工程师的复合。在美国有一种说法，最聪明的人，最高端的技术首先应用在两个领域，一个领域就是国防，第二个领域就是华尔街。
量化投资从20世纪70年代在美国兴起，经过40多年的发展，已经成为西方金融市场最为重要的投资方式之一。从20世纪90年代初期开始，量化投资的资产管理规模迅速增长，2000～2007年，美国的量化投资总规模增长了4倍多。2011年美国的量化投资和对冲基金的规模经过金融危机以后再创新高，达到了2万多亿美元的规模。
2009年被称为中国量化投资元年。随着2010年股指期货的推出，金融衍生品迅速登上中国资本市场的舞台，为量化投资的发展创造了有利的条件，而量化投资的发展为投资者提供了可选择的、非常有优势地位的投资方式。
：量化投资与价值投资有什么关系？
叶乐天：资本市场之大，每位强者都有自己的成功之道。相对于巴菲特过去20年平均20%的年回报率，有位中国人不太熟悉的高手更胜一筹，他就是华尔街的“模型先生”詹姆斯·西蒙斯。西蒙斯创办的大奖章基金从1989年到2006年的平均年收益率高达38.5%，净回报率超过巴菲特，即使在次贷危机爆发市场一片阴霾的2007年，他的基金回报都高达85%。
与股神巴菲特的“价值投资”不同，西蒙斯的投资成就依靠的是“量化投资”。这位24岁起就出任哈佛大学数学系教授的数学天才，依靠数学模型和计算机技术捕捉着市场机会。他认为，数学模型比主动投资能够更有效地降低风险。虽然中国人对西蒙斯这个名字还比较陌生，但量化投资产品在华尔街已经非常普遍。
：为什么说量化投资像西医？
叶乐天：随着计算机运算速度的提高，华尔街的量化投资已经发展到争取几毫秒的机会。同一个套利机会下，谁下单早，谁就能抓住机会。尽管大家争取的可能是万分之一的收益，但是通过每天大量的交易，日积月累，就能取得很高的回报。
与市场熟悉的定性投资相比，量化投资在研究方法上与其有着很大不同。定性投资主要通过公司基本面研究进行投资决策。需要基金经理到企业调研，看研究报告，与高管深入交流、了解大股东诉求，了解公司发展规划之类，有深度。量化投资则注重广度，比如市场上有2000只股票，量化投资会通过计算机比较2000只股票的数据，找出上涨个股共同的特征因子进行投资。与定性投资产品的基金经理经常出差不同，我主要的工作都在案头——搜集数据，处理数据、还有编程。
定性投资和定量投资的差异如同中医和西医的关系。定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像西医，依靠模型判断，模型对于基金经理的作用就像CT机对于医生的作用。
：如何选择量化投资产品尤其是指数基金？
叶乐天：目前，量化投资在中国公募基金市场的形态还比较简单，主要可以分为被动型的和主动型的。被动型的量化产品包括了大量的指数基金；主动型的量化产品则主要有3种模式，分别是“多因子型”、“事件型”和“宏观择时型”的。事件型和宏观择时型相对容易理解。多因子型，就是通过比较数据，筛选出个股走势变化的关联因子，然后，在未来个股走势出现类似因子时，触发交易，从中取得收益。
在公募产品中，以指数型产品为主，主动量化的产品数量稀少。公募基金受制于交易监管规则，比如在同一天的交易中，不能对同一标的做反向交易，在衍生品工具的使用上也非常有限，所以做主动量化的产品较少。同时，量化投资不像定性研究，对单个公司研究得很透，经得起很大的波动，追求的涨幅也大。量化投资通常追求很小的涨幅，但业绩比较稳定。而且，历史上指数基金的业绩表现还算稳定，主动量化基金产品的稳定性稍差，而业绩稳定对开放式基金更加重要。此外，市场深度不够也制约了量化产品在中国的发展。公募基金的规模通常比较大，如果做主动型的产品，更换持仓的冲击成本就比较大。
不过，对于普通投资者而言，要投资量化基金时，并不是非要弄懂基金的运作模型。选择一只量化产品与选择普通的基金产品，方法并没有太大的差异。首先，投资者需要了解量化产品的过往业绩，如果基金持续一段时间业绩表现优秀，说明这种模型相对来说是较为可靠的。其次，就是看基金经理的投资理念和思路方法投资者是否认可，因为基金经理正是模型的制定者。最后应当考虑个人整体的资产配置，从长期的角度对基金产品进行合理配置，不用过多地顾虑投资时机。
量化投资与基本面分析方法范文第5篇
华夏基金投资总监阳琨认为，目前公募基金总数已经达到3300多只，数量上已经超过上市A股股票，而且新基金还在以每月70只的速度发行。投资者很难有精力和专业知识寻找、跟踪和管理自己的基金投资，而FOF产品可以解决投资者的困扰，帮他们进行更专业的资产配置。另外，“资产荒”未来还将延续，其本质并非缺资产，而是缺乏风险与收益合适的资产，而FOF产品将成为填补空白的利器。投资者有必要借助基金管理人的专业能力选择基金。
需克服行业三大痛点
不少人都在感慨，现在挑选基金越来越难了。阳琨指出，基金行业有三大疑难杂症，或者说是三大痛点：
首先，“买去年收益排名第一的基金，很受伤”。从2012年至2015年，排名前20位的基金在第二年90%均跌出前20，50%左右进入排名后1/2，更加加剧了投资者买基金的难度。唯收益论选基金，缺乏更高层面的大类资产调配，而FOF2.0时代，强大投研团队作为后盾，宏观经济导向决定资产配置。
其次，“买了科技基金，它却投了消费行业”。市场上的基金很多，我们今年可能挑的基金在小盘股、科技股上面投资不错，过去几年小盘股牛市中间表现非常好，我们也看好科技股就投了这个基金。但是几个月后一看季报，它已经全部换成了消费股。我们原本想做一个A，现在做了一个B。投资者仅用公开的净值数据、季报重仓数据分析，信息严重不对称。而FOF2.0时代，通过高频率交流和实时持仓数据，能实现全方位评估。
再次，“刚买完基金，基金经理就离职了”。资产管理行业大家都说以人为本，基金经理在基金运作的作用是不需质疑的。一个基金经理的更换，就意味着这个基金变成另外一个基金了。基金经理变更频繁，基金不具备统一风格。FOF产品的推出，意味着我们未来产品时代进入一个自上而下地研究，自上而下地配置，FOF的基金经理以及FOF的管理团队，一定会有自己独特的见解，锚定比较基准，实现风格稳定。
阳坤认为，FOF并不是一个简单的产品更新，只是推一个打包的基金卖给大家。他认为，FOF层面的基金经理一定要创造价值，不是简单地选几个好的基金。FOF不是简单的一个新产品，而是基金公司投研体系升级换代的一项系统工程。
阳琨进一步介绍道，华夏基金非常重视FOF业务，专门成立了资产配置部，相关团队已就FOF基金进行了充分的专业研究储备，目前已经准备了面向各类风险偏好客户的一系列FOF产品方案。华夏基金集合了19位资深投资委员会专家对大类资产配置进行定性与定量指导，从宏观研究变为资产配置。并且，自2015年开始，在原有的丰富产品线的基础上，积极布局了行业基金，通过限定投资范围、稳定投资仓位，致力于打造最优秀的工具基金。同时通过内部大数据的模拟，重新对基金的风险收益特征进行定位。
FOF投资“五步走”
为了备战FOF，华夏基金在2016年10月与全球最大的FOF/MOM管理机构――美国罗素投资结成了进行排他的战略合作。
阳琨指出，华夏基金与罗素投资的合作拥有天时、地利、人和三大优势。天时，即在“资产荒”的背景下，以资产配置为核心的多资产投资策略逐步成为满足客户需求的解决方案;地利，即华夏基金通过布局新基金、稳定基金风格等系统性准备工作，为FOF管理打造升级换代的投研平台;人和，即通过与罗素的独家合作，引入全球先进的FOF/MOM管理技术与方法，为客户创造最大价值。
在投资流程方面，华夏基金拥有多资产解决方案，分五步走：
第一步，资金特征分析，结合对资金性质的全面分析，包括资金需求、投资目标、投资限制等方面，设计贴合资金需求的配置结构及组合构建方案。
第二步，战略资产配置，以量化加基本面分析的方法，选择中长期资产配置结构和风险暴露，以期为组合获取更优的中长期风险调整后报酬。华夏基金大类资产选择包括权益、债券、另类（如商品、贵金属）、货币等，地域选择包括境内、香港、发达市场，分析方法则是定量结合定性。
第三步，战术资产调整，以量化模型结合基本面分析的方法，战术性地捕捉中短期的投资机会，为组合产生更多的超额收益。
第四步，投资工具选择，在确定各项资产配置结构或因子暴露的基础上，选出最合适的底层品种构建组合，华夏关注组合内各基金的风险贡献比例，实施定量方法实现真正的分散化投资。
量化投资与基本面分析方法范文第6篇
在聂夫执掌的31年间，温莎基金的总投资回报率为55.46倍，平均年复合回报率达13.7%，这个纪录在基金史上尚无人能与其媲美。
在退休前，聂夫还一直兼任威灵顿管理公司的副总裁和经营合伙人。聂夫的成功之道，并不在于使用了高深的投资技巧及数学模型，而是广为人知的低市盈率投资法。
对于A股市场的投资者，聂夫的投资之道完全可以复制，因为低市盈率投资法很容易做到量化选股，而且回溯检验的结果相当不错。
我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验，结果表明，聂夫之道在A股市场可以取得44.12%的年化复合收益率，而同期沪深300指数的年化复合收益率只有13.86%，聂夫之道投资法的年化超额收益达到30.26个百分点。
在24个分季度检验区间中，“聂夫之道”跑赢沪深300指数的次数达到16个，占比为66.67%，单季最高超额收益达到56.77个百分点；在8个超额收益为负的检验区间中，单季最高超额负收益只有10.69个百分点。
此外，我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中，排名第一的是华夏大盘精选，有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金，直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到12.49元。
作为比较，“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549.70%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到16.49元。
如果“聂夫之道”是一只基金，那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金；此外，与包括开放式和封闭式在内的全部公募基金相比，“聂夫之道”还有一个非常明显的优点，即投资者可以根据自己的决定在任何期间买入和卖出。
7月17日-7月23日的五个交易日中，根据Wind统计，在其所覆盖的券商研究报告中，对沪深300指数的300家成份股公司，业绩调升22家，调降28家。
过去一个月，沪深300指数成份股业绩调升73家，调降120家。
截至7月23日收盘，沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.1，按照总市值从大到小分为5个区间，同样按照上述方法计算的市盈率平均值分别为6.92、14.36、16.5、17.35、18.19。
相比一周前（7月16日），沪深300指数成份股预测总利润减少0.02%，由19630亿元变为19627亿元；市盈率平均值减少1.48%，由8.22变为8.10。
相比一个月前（6月23日），沪深300指数成份股预测总利润减少0.26%，由19678亿元变为19627亿元；市盈率平均值减少1.33%，由8.21变为8.10。
截至7月23日，过去一周（2013年报告期）每股收益预测上升和下降前10名、过去一周（2013年报告期）评级上升和下降前10名分别如左侧表格所示。
截至7月16日，过去一个月（2013年报告期）每股收益预测上升和下降前10名、过去一个月（2013年报告期）评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分，分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。
创一年新高（新低）股票概况
7.18-7.24期间，共计270只股票创一年新高，创新高个股数量位列前三位的行业（申万一级行业分类）分别是信息服务（75只）、机械设备（36只）、医药生物（36只）。上述股票的加权平均市盈率（2012年年报）为59.55，加权平均市净率（2012年年报）为5.36，期间最高股价的平均值为21.61元。
7.18-7.24期间，共计52只股票创一年新低，创新低个股数量位列前三位的行业（申万一级行业分类）分别是采掘（10只）、交通运输（6只）、建筑建材（4只）。上述股票的加权平均市盈率（2012年年报）为13.81，加权平均市净率（2012年年报）为1.44，期间最低股价的平均值为7.71元。
本期创新高股票的总市值为22524亿元，创新低股票的总市值为9540亿元，两者之比为2.36：1。
胜券投资分析
第41期回顾
牛股通常具有相似的特征，也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面：
首先，牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式，经过历史回顾检验，牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面，而优异的基本面往往是支撑其股价不断上涨的动力。
其次，发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现，胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。
第三，牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业（002262.SZ）和上海家化（600315.SH）等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高；在年底大盘回暖后再创佳绩。当然，这些股票也不是直线上涨的，在股价攀升的过程中不免有回调，此时正是对投资者心理的考验。胜券投资分析认为，对于基本面和政策面以及大盘都没有发生重大变化的个股发生回调时，投资者可以根据卖出止损策略操作并等待下一个投资时机的到来。
第四，在回暖的行情中不断的创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。
神奇公式的核心是“低价买入优质股票”，所选用的两个指标是投资回报率（ROTC）和收益率（EBIT/EV），其中投资回报率筛选出来的是“好公司”，收益率筛选出来的是“好价格”。
“好公司”主要是对上市公司的相关财务指标进行衡量，即以基本面为导向的分析，所选出的都是一些“质优”的公司，这个指标相对容易确定。
在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。
“好价格”的目标是“低价”股，但什么样的股价水平才算“低”呢？又该如何发现市场上被低估的股票呢？对此，以价值为导向的投资理论认为，低价是相对于企业的内在价值而言，但内在价值的确定又非常繁杂，神奇公式采用的是一种最便捷的方式，即观察股票的价格走势，通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。
在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。
神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”，而是寻找能够将上述两个因素进行最佳组合的公司，也就是“综合得分”占优的股票。
量化投资与基本面分析方法范文第7篇
从三个方面入手寻找股价的驱动因素：第一、基本面，主要从盈利增长前景和估值角度考量股价，一般来说，估值较低的股票长期里终将回归合理估值水平；第二、机构认同度，机构的买卖无疑是股价变动的直接影响因素之一，受到机构青睐的股票更具价格上涨动力。我们用分析师数据的变化来捕捉机构认同度；第三、技术面，从行业的角度看，行业相对价格强度能够帮助鉴别股票是否处于领导性行业中，相对投资机会常常在上升的行业中，而处于下降行业中的股票则要注意风险。
本文将分别从基本面（业绩增长率、相对市盈率涨升空间）、机构认同度（盈利动能、投资评级、目标价涨升空间）、技术面（强势行业排名）等三个方面、多个角度对行业进行比较，并综合考量各种因素，对行业进行量化排名，最后我们会给出5个建议关注行业和5个风险提示行业，供机构投资者参考。因我们在行业量化排名过程中，以分析师数据为核心，故我们命名该排序方法为“天眼行业专家”。
根据"今日投资"4级行业划分（以摩根斯坦利行业划分标准为基础），目前上市公司共组成107个行业。我们仅选择分析师跟踪公司数量大于等于5个的行业（另外加入了人寿保险行业），共计68个。
基本面扫描
化肥农药今年业绩有望增长110%
2011年盈利增速：五行业将负增长
图1列出了各行业的业绩增速（2011年预测值）。其中，化肥农药、饲养与渔业、有色金属等3个行业分别以110%、102%、96%的预测增长率居前；水运、证券经纪、电力、人寿保险、重型电力设备等行业预测增速分别为-145%、-23%、-7.29%、-3.43%和-1.75%，预计将是2011年增速最低的行业。
相对市盈率涨升空间：两行业有翻番潜力
根据相对市盈率上升空间（历史均值/相对市盈率）和相对业绩增长系数（行业业绩预测增长率/沪深300业绩预测增长率），我们计算出了各行业的股价超额收益上升空间（由于个股数据往往对行业均值数据有较大影响，我们的行业市盈率数据选取的是中值）。图2列出了各行业的股价超额收益上涨空间。计算机存储和设备、建筑原材料、人寿保险等分别以150%、118%和93%的行业上涨空间继续位列前三。啤酒、生物技术、证券经纪、水运等行业下降空间最大，幅度均超过35%。
机构认同度扫描
信息技术与服务月度盈利动能领先
盈利动能：饲养与渔业保持盈利动能
图3、图4分别列出了行业业绩增速（2011年预测值）周调整幅度。与一周前盈利预测数据相比，半导体产品、饲养与渔业、服装和饰物、自来水等行业的盈利增速调高幅度居前，上调幅度分别为2.27%、2.16%、1.66%和1.17%；金属和玻璃容器、钢铁、人寿保险等行业的盈利增速下调幅度较大，调低幅度分别为3.47%、3.21%、2.51%。
与一月前盈利预测数据相比，信息技术与服务、饲养与渔业、自来水等行业的盈利增速调高幅度继续居前，上调幅度分别为17.15%、14.02%、3.52%；水运、其他石油设备与服务、钢铁、证券经纪、人寿保险、纸制品、重型电力设备等行业的盈利增速下调幅度较大，调低幅度均超过10%。
分析师评级：计算机相关行业受青睐
分析师对个股的评级明显是买入多于卖出，因此按照个股评级系数平均折算的行业评级系数大部分都小于2.00（对于单个投资评级，强力买入为1.00，买入为2.00）。从投资评级系数来看，计算机存储和设备、白酒、计算机硬件、服装和饰物等行业最受分析师青睐（详见图5），而水运、公路运输、制铝业、高速公路与隧道、港口、钢铁等则分析师认同度相对较低。
从过去3个月的变化趋势看，家用电器、农产品、互联网服务等评级不断上调（评级系数降低），旅馆与旅游服务、建筑材料、重型电力设备、工业设备、家用器具、高速公路与隧道、公路运输、水运等则有不断下调趋势。
目标价涨升空间：建筑原材料退居第三
对于单个股票，分析师往往在给出投资评级的同时也会提供未来12个月的目标价，根据目标价和股票当前价格的距离，我们可以计算股票的目标价涨升空间。将一个行业中单个股票的目标价涨升空间加权平均，我们即得到了行业目标价涨升空间。工业品贸易与销售、计算机及电子产品专卖店、建筑原材料等涨升空间均超过30%。排名相对落后的主要是生物技术、环保服务、高速公路与隧道、水运、互联网服务等，涨升空间均不超过10%。
市场面扫描
白酒蝉联冠军宝座
纵观本期“今日投资”强势行业排行榜，白酒、贵金属、石油加工和分销位居排行榜“三甲”，表明其个股近期在二级市场表现持续处于相对强势。此外，建筑原材料、煤炭、其他专卖店、家具及装饰、系统软件、服装和饰物、保健产品排名分列居前十。其中，家具及装饰、服装和饰物、保健产品本期排名分别为第7名、第9名、第10名，是跻身前十名的新晋者。
排名落后的行业有铁路运输、葡萄酒、机场服务、铁路运输、葡萄酒、机场服务、铁路运输、葡萄酒、机场服务等。
本势行业排行榜排名大幅上升的前十大行业包括：保健产品、医疗设备、影视音像、煤气与液化气、计算机存储和设备、林业品、综合性商务服务、饲养与渔业、综合性工业、其他专卖店等。
本势行业排行榜排名大幅下降的前十大行业包括：铁路运输、葡萄酒、机场服务、航空货运与快递、百货、水运、汽车零配件、汽车制造、纸制品、制铝业等。
“今日投资”强势行业排行榜近六个月来排名持续上涨的行业包括：石油加工和分销、批发、计算机存储和设备、休闲用品等，排名分别提升了56位、62位、42位、19位。
近六个月来排名持续下跌的行业包括：建筑与农用机械、工业设备、汽车零配件、重型电力设备等，排名分别下降了23位、50位、65位、72位。
综合排名
量化投资与基本面分析方法范文第8篇
约翰·聂夫1963年进入威灵顿管理公司，1964年成为温莎基金经理，并一直担任至1995年退休。在此期间，他将摇摇欲坠、濒临解散的温莎基金经营成当时最大的共同基金。
在聂夫执掌的31年间，温莎基金的总投资回报率为55.46倍，累计年复合回报率达13.7%，这个纪录在基金史上尚无人能与其媲美。
聂夫的成功之道，并不在于使用了高深的投资技巧及数学模型，而是广为人知的低市盈率投资法。
对于A股市场的投资者，聂夫之道完全可以复制，因为低市盈率投资法很容易做到量化选股，而且回溯检验的结果相当不错。
我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验，结果表明聂夫之道在A股市场可以取得44.12%的年化复合收益率，而同期沪深300指数的年化复合收益率只有13.86%，聂夫之道投资法的年化超额收益达到30.26个百分点。
在24个分季度检验区间中，“聂夫之道”跑赢沪深300指数的次数达到16个，占比为66.67%，单季最高超额收益达到56.77个百分点；在8个超额收益为负的检验区间中，单季最高超额负收益只有10.69个百分点。
此外，我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中，排名第一的是华夏大盘精选，有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金，直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到12.49元。
作为比较，“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549. 70%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到16.49元。
如果“聂夫之道”是一只基金，那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金；此外，与包括开放式和封闭式在内的全部公募基金相比，“聂夫之道”还有一个非常明显的优点，即投资者可以根据自己的决定在任何期间买入和卖出。如果希望了解“聂夫之道”的更多详细信息，请关注本刊相关的电子产品：.cn。
10月9日-10月15日的五个交易日中，根据Wind统计，在其所覆盖的券商研究报告中，对沪深300指数的300家成份股公司，业绩调升29家，调降46家。
过去一个月，沪深300指数成份股业绩调升78家，调降128家。
截至10月15日收盘，沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.73，按照总市值从大到小分为5个区间，同样按照上述方法计算的市盈率平均值分别为7.27、16.12、18.58、22.42、28.58。
相比一周前（10月8日），沪深300指数成份股预测总利润减少0.06%，由19289亿元变为19278亿元；市盈率平均值增加0.88%，由8.66变为8.73。
相比一个月前（9月15日），沪深300指数成份股预测总利润减少0.66%，由19406亿元变为19278亿元；市盈率平均值减少1.09%，由8.83变为8.73。
截至10月15日，过去一周（2013年报告期）每股收益预测上升和下降前10名、过去一周（2013年报告期）评级上升和下降前10名分别如左侧表格所示。
截至10月15日，过去一个月（2013年报告期）每股收益预测上升和下降前10名、过去一个月（2013年报告期）评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分，分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。
创一年新高（新低）股票概况
10.10-10.16日期间，共计484只股票创一年新高，创新高个股数量位列前三位的行业（申万一级行业分类）分别是机械设备（71只）、医药生物（47只）、信息服务（47只）和商业贸易（41只）。上述股票的加权平均市盈率（2012年年报）为32.49，加权平均市净率（2012年年报）为3.30，期间最高股价的平均值为17.05元。
10.10-10.16日期间，共计5只股票创一年新低，创新低个股数量位列前三位的行业（申万一级行业分类）为食品饮料（4只）和医药生物（1只）。上述股票的加权平均市盈率（2012年年报）为10.30，加权平均市净率（2012年年报）为3.09，期间最低股价的平均值为22.81元。
本期创新高股票的总市值为36255亿元，创新低股票的总市值为813亿元，两者之比为44.61：1。
胜券投资分析
第51期回顾
牛股通常具有相似的特征，也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面：
首先，牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式，经过历史回顾检验，牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面，而优异的基本面往往是支撑其股价不断上涨的动力。
其次，发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现，胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。
第三，牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业（002262.SZ）和上海家化（600315.SH）等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高；在年底大盘回暖后再创佳绩。当然，这些股票也不是直线上涨的，在股价攀升的过程中不免有回调，此时正是对投资者心理的考验。
第四，在回暖的行情中不断的创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。
神奇公式的核心是“低价买入优质股票”，所选用的两个指标是投资回报率（ROTC）和收益率（EBIT/EV），其中投资回报率筛选出来的是“好公司”，收益率筛选出来的是“好价格”。
“好公司”主要是对上市公司的相关财务指标进行衡量，即以基本面为导向的分析，所选出的都是一些“质优”的公司，这个指标相对容易确定。
在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。
“好价格”的目标是“低价”股，但什么样的股价水平才算“低”呢，又该如何发现市场上被低估的股票呢？对此，以价值为导向的投资理论认为，低价是相对于企业的内在价值而言，但内在价值的确定又非常繁杂，神奇公式采用的是一种最便捷的方式，即观察股票的价格走势，通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。
在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。
神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”，而是寻找能够将上述两个因素进行最佳组合的公司，也就是“综合得分”占优的股票。