专题报告：双重筹码集中的基本面选股策略-20190820-华创证券-16页_2mb

双重筹码集中的基本面选股策略总结

核心内容

本文提出一种结合筹码价格集中与筹码投资者集中的基本面选股策略，旨在通过多维度分析股票的基本面和筹码分布，筛选出具有较高稳定性和潜在超额收益的股票。

主要观点

• 筹码分布的两个角度：传统上筹码分析分为价格分布和投资者分布两个角度，本文尝试将两者融合，以提高策略的稳定性。
• 基本面筛选：引入Piotroski（2000）的F-Score与分析师评级，以确保所选股票的基本面良好，规避低估值陷阱。
• 筹码价格集中：通过计算筹码在价格分布上的集中度，识别股票的盘整状态，作为左侧信号。
• 筹码投资者集中：通过股东户数的变化率来判断投资者行为，认为股东户数减少可能意味着大资金入场，而增加则可能意味着资金离场。
• 双重筛选策略：综合F-Score高得分组与分析师评级高于0.75的股票，进一步筛选出筹码价格集中与投资者集中的股票，形成最终的选股池。
• 策略表现：从2009年5月4日至2019年7月28日，该策略年化收益为18%，相对中证500基准超额收益为13.5%，信息比0.99，最大回撤34.4%，年化双边换手率4.87%。

关键信息

一、研究思路

• 传统筹码分析分为价格分布和投资者分布两个维度，本文尝试融合分析。
• A股市场存在较多的市值管理行为，因此需要引入基本面指标来判断筹码集中是否为真实反映公司价值的信号。
• 使用F-Score和分析师评级作为基本面代理变量，以增强策略的风控能力。

二、通用基本面衡量代理变量

（一）F-Score简介

• F-Score由Piotroski（2000）提出，从盈利能力、偿债能力与资本结构、运营能力三个方面提出9个指标。
• 指标为0-1变量，最终得分范围为0-9分，得分越高代表基本面越健康。
• 本文对F-Score进行修改，采用TTM（Trailing Twelve Months）计算方式。

（二）分析师评级简介

• 使用朝阳永续库的分析师评级，将其分为5档（买入、收集、中性、派发、卖出），分别赋分1、0.75、0.5、0.25、0。
• 仅使用数据类型为1的评级（即“买入”或“收集”），并要求其强度大于等于0.75。
• 通过一致预期加权算法计算个股的综合评级。

三、双重筹码集中基本面选股策略

（一）筹码价格集中简介

• 筹码价格集中通过计算过去一段时间的成交量和换手率，采用衰减函数来模拟筹码的留存情况。
• 以Wind提供的筹码分布为参考，识别价格集中度高的股票。

（二）筹码投资者集中简介

• 通过股东户数的变化率判断投资者行为，认为股东户数减少可能代表大资金入场，而增加可能代表资金离场。
• 考虑到人均持有市值的影响，分析了国电电力和贵州茅台两个典型案例。

（三）双重筹码集中的基本面选股策略

• 策略构建规则：
  1. 以F-Score高得分组与分析师评级大于等于0.75的交集为股票池。
  2. 计算投资者集中程度Inset_Focus，即当期股东户数除以过去四个季度的次高股东户数。
  3. 计算筹码价格集中度Price_Focus，通过筹码盈亏分布的方差衡量。
  4. 每期选取两个指标排序之和最小的20只股票进行买入。
• 策略回测结果：
  • 年化收益：18%
  • 超额收益（相对中证500）：13.5%
  • 信息比：0.99
  • 最大回撤：34.4%
  • 年化双边换手率：4.87%
• 分年表现：
  • 2009年：超额收益7.46%
  • 2010年：超额收益11.94%
  • 2011年：超额收益10.53%
  • 2012年：超额收益14.00%
  • 2013年：超额收益19.80%
  • 2014年：超额收益-17.45%
  • 2015年：超额收益26.70%
  • 2016年：超额收益19.02%
  • 2017年：超额收益10.80%
  • 2018年：超额收益15.70%
  • 2019年：超额收益11.66%

四、风险提示

• 本文基于历史数据回测，不保证模型的未来有效性。
• 策略在2014年表现较差，主要由于市场普涨，策略的左侧介入逻辑未能有效发挥，以及部分行业（如银行、证券、保险）由于缺少相关财务指标导致打分偏低。

五、最新一期选股结果（2019-05-06）

总结

本文通过结合筹码价格集中与投资者集中两个维度，结合F-Score与分析师评级等基本面指标，构建了一个具有稳定收益和良好风控能力的选股策略。策略在多个年份中表现稳健，尤其在2014年以外，超额收益和信息比均较为稳定。然而，策略也存在一定的局限性，例如对某些行业（如银行、证券、保险）的适应性较差，且在市场普涨时可能表现不佳。未来仍需进一步优化和验证。