用量化的方法寻找高护城河公司（五）
在上一期文章用量化的方法寻找高护城河公司（四）中，我们将策略A结合PEG估值因子组合，做了一系列回测。数据显示，结合PEG因子能显著改善策略收益，减小回撤幅度，超额收益在时间轴上分布更均衡，特别是近几年。下面我们就从主观投资逻辑出发，在PE估值因子中加入未来成长性因素，形成新的估值指标，即PEG1估值指标。下文将以策略A为股票池，通过PEG1因子进行3分位持仓，观察组合策略的收益变化情况。
估值因子的因子数据选择
从主观投资逻辑出发，我们在观察一家公司的估值情况时，仅仅只看PEG高低是不够的，因为当下增速G仅仅反映了股票当前的增速水平。实际估值过程中，成长性往往需要考虑其未来的增速情况。因为未来成长性越高的公司，其未来PE值越低。基于以上思考，我们引入PEG1指标对企业进行估值评价。PEG1=PE/G1。因此下文将以策略A结合PEG1指标形成组合策略展开分析。
高护城河结合PEG1因子3分位回测情况
关于高护城河结合PEG1因子策略，我们选定的PEG1指标中，PE取PE（TTM）值，而G1取未来一年分析师预期同比增速。当PE或G1为负的情况时，将对应的PEG1值设为一个极大值。通过将策略A的股票持仓按PEG1从小到大进行3分位持仓，形成3组策略。调仓频率为每日调仓，手续费设定为双边万分之16，以及每笔滑点万分之20。测试时间为2013-01-01到2019-07-31。具体收益曲线如下：
从策略的回测曲线看，策略A叠加PEG1因子的三分位收益曲线差异显著。策略A结合中PEG1近几年收益显著好于其他两组策略。在大盘不同风格下，策略A结合中PEG1表现始终较强，而策略A结合高PEG1一直稳定跑输其他几组。综合来看，策略A+中PEG1在大盘不同阶段的表现更优，策略A+高PEG1表现最差。策略的收益参数如下：
从策略的各项收益参数来看，策略A叠加PEG1因子后在策略收益上显著提升，策略回撤上略有改善。从策略的回撤幅度上观察，策略A+低PEG1的最大回测下降至36.11%，而策略A+高PEG的最大回撤是50.26%。这意味着当你总是持有高PEG1组时，承担了更大的风险，且夏普比率更低。从策略绝对收益上观察，三组策略中的前面2组均超越了基准收益策略A，且在区间分段时间内存在一定的单调性。综合考虑回测结果，我们选定策略A+中PEG1策略为观察对比目标，进行进一步分析。
策略绝对收益分布情况（过去3个月的累计收益）
过去3个月的收益图，反映的是该策略在过去3个月的累计收益情况。例如2019年3月，即统计了以2019年1月到3月的累计收益情况。当大部分时间都是正值时，说明该策略按3个月的投资时间统计，盈利概率较大。上图为2012年以来策略在时间序列上的收益分布情况。从收益分布看，策略A+中PEG1策略前后收益分布情况相对均衡，更能适应多种市场风格，在更多的时间内保持了较为稳定的收益水平。
策略A+中PEG1策略收益相对于策略A的超额收益分布情况
月度超额收益即策略A+中PEG1策略的月度收益减去策略A的月度收益。差额代表了前后策略收益的变化情况。上图月度超额的统计时间为3个月。从月度超额分布图上观察，加入PEG1维度后对策略A的收益改善显著，特别是近几年的超额收益相对稳定。
策略A结合PEG1因子总结
策略A结合PEG1因子后的回测数据显示，策略A叠加PEG1因子后在策略收益上改善显著，最大回撤也略有改善。同时，超额收益在时间轴上分布也更为均衡，特别是近几年超额收益显著。
进一步思考
策略A结合PEG1因子后的回测数据显示，结合PEG1因子能改善基本收益，减小回撤水平，但三组策略收益的线性不强。高PEG1组综合表现较差，可以作为剔除条件来使用。到本文为止，策略A结合3个估值因子的逻辑思路都已经分享完毕。结合PE因子能大幅降低回撤，但并不能提升收益。结合PEG、PEG1因子能改善收益且能降低回撤，且均出现高值的最差组。所以可以引用去尾部组的方式改善组合收益，形成最终策略。下篇我们将继续延续之前的思路，量化业绩增速的稳定性，将业绩稳定性指标结合策略A，以检验业绩增速稳定性逻辑是否有效。我们将在下一期文章中通过历史数据回测和大家做进一步讨论。请大家继续关注智语科技的文章推送。