掌握数据驱动的投资策略：如何战胜市场

作者： 木羊交易 | 10-12

这是一篇介绍Stockopedia网站的文章。我选择这篇文章是因为其构架和欧奈尔的交易模式也是非常想象的。并且这个方式为交易者创造了很大的收益。交易者是可以不要打探小道消息，而是通过使用数据支持的方法在市场中生存的。

我们探讨了Stockopedia完成的一项引人入胜的研究，该研究利用因素筛选和系统，帮助投资者优化策略，提高战胜市场的机会。随着时间的推移，市场的效率逐步提升，这使得主动管理型基金经理要想战胜市场变得越来越困难。在过去的10年里，英国77%以上的主动管理基金，以及全球95%以上的主动管理基金未能超越其基准指数。美国的情况也不容乐观，过去20年里，超过90%的主动管理基金未能为投资者提供高于基准的回报，同时还收取了高昂的管理费。

讽刺的是，这些都是业内顶尖的基金经理，他们处理数以亿计的文件和数据点，通常拥有广泛的人脉关系，还有一支高素质的分析团队为其服务。尽管资源丰富，他们的表现却依然不尽人意。相比之下，作为个人投资者，你具有更大的灵活性和更多的投资选择，有可能加速账户的增长。

Stockopedia的这项研究旨在通过因素筛选和系统，帮助你年复一年地超越市场表现。首先，我们来了解因素的重要性。与其在投资组合管理过程中增加过多的主观判断，不如遵循一种投资哲学，将投资候选名单缩小。专注于符合目标市场的因素，无疑是实现这一目标的最佳方式。

以美国市场为例，在过去的30年里，动量因素是市场最为青睐的，其次是质量因素。一个初始投资10,000美元的动量投资组合，最终增长至接近90万美元，而质量因素的投资组合则增长到大约50万美元，尽管表现较弱，但依然超过了标普500指数。我多年来的分析也得出了相似的结论：动量和质量是驱动回报的关键因素。

一个因素可能会同时提供大量的股票，这对于个人投资者来说可能过于繁杂，令人难以应对。这时，筛选器的作用就凸显出来了。通过设置筛选条件，筛选器可以帮助缩小股票选择范围。例如，在这项研究中，Stockopedia利用筛选器构建了一个巴菲特风格的投资组合，并将其回测回报与伯克希尔哈撒韦的公开投资组合进行了对比。结果显示，巴菲特风格的组合回报率高达1000倍，而伯克希尔的回报率仅为100倍。这虽然是理论上的练习，但它表明，由于伯克希尔的资金规模限制，它错过了许多小型和中型股票的机会。而个人投资者没有这样的限制，可以使用筛选器大幅度超越市场传奇。

Stockopedia还公布了一些“大师筛选器”在英国股市的结果，其中沃伦·巴菲特的筛选器表现最佳，紧随其后的是彼得·林奇的筛选器。从事后来看，想要实现这些筛选器所带来的优异表现，最简单的方式就是按照筛选器建议的股票比例进行投资，并定期重新平衡投资组合。然而，起初选择一个或两个筛选器是一个难题，并且无法保证这些筛选器在未来仍能继续表现出色，因为市场青睐的主题可能会发生变化。

英国市场之所以偏好巴菲特风格的组合，是因为市场更青睐质量和价值因素，而增长因素表现平平。这与美国市场形成了鲜明对比，在美国市场上，动量和增长位居榜首。即便投资者再精通市场，也难以预见到这两个主要市场之间的差异。因此，投资组合的构建很大程度上取决于个人偏好和行为风格。耐心的投资者倾向于价值投资，防御性的投资者偏好质量，而进取型的投资者则倾向于增长策略。

当你明确了自己的投资风格后，接下来就是如何投入资金的问题。如果筛选规则非常严格，投资组合中的股票较少，那么将全部资本集中投入一个筛选器中是相对简单的操作。然而，当筛选规则较宽松时，筛选结果可能会抛出大量股票，投资者需要自由选择，这将导致不同投资者之间的投资结果差异巨大。

Stockopedia的研究表明，在英国股市中，使用宽松的筛选规则对质量、价值和增长这三个常见因素进行筛选，会产生大量的公司。然后，研究通过算法随机选择20只股票构建投资组合，并在每年初重新平衡。这种系统在8年内的回报率达到了40%。由于这种投资方法的可能性范围非常广泛，Stockopedia进行了多次模拟，结果差异明显。在前三次模拟中，投资组合的回报相差很大，第二个组合甚至出现了负回报，而第三个组合的回报接近300%。

当进行100次模拟时，结果显示有些异常值回报率高达85%。再进一步，当进行10,000次模拟时，大多数时候回报低于60%，但依然有很多异常值组合表现出色。这表明，宽松筛选标准下的投资组合回报存在很大波动。

研究的关键发现是，质量因素的表现最佳，中位数回报率达到了41%，而价值略低于基准，增长因素表现最差，回报率为-3%。从下行风险看，质量投资组合的最差回报为-31%，相比之下，价值组合为-40%，而增长组合则下跌了61%。同时，增长组合的损失几率最高，为55%，质量组合最低，为4%，价值组合居中，为17.7%。

投资者还可以通过组合多个因素来进一步收紧筛选条件，使股票名单更加精炼。例如，Stockopedia稍微调整了筛选器，通过向价值组合中添加质量指标，结果显示中位回报率高于基准。类似地，当将质量指标添加到增长组合中时，结果显著改善，中位回报率从-3%上升到正50%，超过了纯质量组合的表现。

这些结果告诉我们，筛选股票的筛选条件对于投资结果有重大影响。研究表明，增长因素虽然在任何市场中都应该表现出色，但当筛选条件过于宽松时，其表现反而不佳。只有当添加了质量筛选条件时，结果才显著改善。

这意味着，设定更严格的筛选条件有助于投资者，因为这将缩小符合条件的股票名单。然而，只有少数投资者会机械地依赖筛选器提供的投资组合。大多数投资者在最终选择上仍然保留一定的主观判断，而这种判断往往会影响投资组合的结果。两个人即便使用相同的筛选器，也可能构建出完全不同的投资组合，导致结果截然不同。因此，最好是让筛选器做繁重的工作，投资者应专注于构建一个系统化的流程。

Stockopedia提供了一个极佳的平台，利用数百个指标构建全球股票筛选器，让投资者的工作变得更加简单。Stockopedia还创建了一个名为StockRank的专有排名系统，基于质量、价值和动量等常用因素对股票进行排名。例如，质量筛选器使用9个不同的比率对股票进行从1到99的排名，99为最高。假设你选择质量排名大于90作为筛选条件，系统会显示排名前10%的优质股票，并排除其他股票。

价值筛选器则根据收益、资产和收入三个类别的六个比率对股票进行排名。动量筛选器则基于股票的价格和收益动量进行排名，分别使用4个价格动量比率和5个收益动量比率，使得该系统非常稳健。

通过Stockopedia的筛选和排名系统，投资者可以轻松获得潜在的股票名单，并结合不同因素来减少筛选条件，使筛选过程更加简单。

此外，Stockopedia还展示了普通投资者如何利用他们的平台进行股票分析。例如，2017年，Plus500出现在质量和价值筛选器中，该股票的质量排名为95，价值排名为89。该公司的盈利增长率极高，过去6年每股收益增长65.8%，过去3年增长78%，并且经常超过分析师的预期。此外，Plus500还采取了积极的回购策略，自2017年以来总计回购了5900万英镑的股票。

相比之下，Kier Group虽然在价值参数上排名较高，但在质量、动量和增长方面表现不佳。该公司面临着运营利润率压力、债务增加和股东稀释等问题，导致其股价从9英镑跌至4英镑。尽管如此，Kier Group的股价在2020年触底后反弹，显示了便宜的股票可能会变得更便宜的投资逻辑。

总的来说，Stockopedia的研究为投资者提供了通过筛选器简化投资决策的有效工具。无论市场如何波动，构建一个系统的投资流程，并严格遵守它，将帮助投资者在长期内实现成功。

8月以来，我的课程已经过半了。看看没有学习的交易者与学习过的交易者不同感受

这是没有学习的交易者的感觉：