从国内外股票市场长期运行规律来看，随着市场环境的变化，
市场存在风格轮动特点。单一投资风格组合并不能长期处于最优状态。数量化投资策略已由单一风格投资发展到目前风格轮动投资，并在实践中取得了良好的收益。
构建风格轮动投资量化模型。首先挑选各种指标构建特征因子
样本空间，通过单个特征因子构造组合，以组合收益率最大化为评判标准来确定该因子是否入选最优动态特征因子。由于是以组合收益率最大化为评判标准，所以最优动态特征因子能充分反映目前市场风格。随着市场风格发生变化，最优动态特征因子也随之变化，通过验证我们确定最优动态特征因子由4个客观性指标和2个主观性指标构成最为合适。 挑选出目前市场最优动态特征因子之后，进入股票评分系统，
通过将股票最优动态特征因子标准化得到每个特征因子得分，将全部最优动态特征因子得分相加作为股票总得分。将股票总得分按照从高到低的方法排列，选出前50只股票进入最优投资组合股票池。 选取等市值权重法为最优投资组合股票池内的50只股票赋予
权重，构建最优投资组合，通过回测检验模型优劣。随着市场风格的变化，最优动态特征因子会自动改变，然后重新进入股票评分系统挑选符合市场风格的最优投资组合。 通过模型构建的投资组合，在牛市初期，大盘股收益最高，随
着牛市进入中后期，大盘股收益逐渐降低，而小盘股的收益逐渐上升，成为收益率最高的投资组合。而在股市进入熊市阶段后，大、中、小盘股跌幅均小于同期大盘跌幅，其中表现最好的仍然是小盘股组合。 最优风格轮动投资量化模型能够通过最优动态特征因子定位
技术，很好的紧跟市场流行风格的变化自动选出最符合目前市场风格的最优投资组合。通过最优风格轮动投资量化模型选择的投资组合无论在牛市、熊市还是牛熊交替市收益率均高于同期沪深300。
定位技术解决风格轮换构建投资组合
数量化投资策略
市场存在风格轮动效应 目前价值风格投资和成长风格投资是国际流行的两大主流投资风格，两大投资风格中的单一投资风格在历史中都有过卓越的市场表现，但是从长期的股市运行历史来看，单一投资风格并不能长期处于最优状态。数量化投资发展到目前，已由单一风格的数量化策略发展到风格轮动的数量化策略，并且取得了较好的收益。这种现象是否意味着市场存在风格轮动吗？我们认为是从国内外来看，市场在长期运行中都存在着风格轮动。
从国外股市运行历史来看，市场上两大投资风格存在着风格轮动效应。以美国为例，在1995－2000六年的时间里，成长投资都优于价值投资，然而到了2000年4月，随着网络泡沫的破灭，价值投资的收益率超过成长投资，价值投资风格成为最优投资风格。
从国内股市运行历史来看，在一定的时间周期内，由于市场环境的变化，不同风格投资策略的市场表现不尽相同，单一风格投资策略也不能长期取得最优投资收益，国内市场同样存在着风格轮换的过程。
通过图1、图2我们发现，在2006年3月到2007年3月时间区间内沪深300风格指数收益率比较可以发现，从2006年3月23日到2006年6月22日成长风格指数收益率高于价值风格指数，而相应从2007年3月23日到2007年6月22日价值风格指数收益率高于成长风格指数，随着时间的推移，存在风格的转换。
图1 2006年3月到6月沪深
300风格指数收益率比较
图2 2007年3月到6月沪深300风格指数收益率比较
1000
1050
11001150120012501300
13501400
14502006年3月1日2006年4月1日2006年5月1日2006年6月1日
沪深300成长指数
沪深300价值指数
2000
2500
30003500400045002007年3月1日2007年4月1日2007年5月1日2007年6月1日
沪深300成长指数
沪深300价值指数
资料来源：IMF、国海证券研究所
资料来源：WIND、国海证券研究所
考虑风格轮动效应的数量化选股模型构建
考虑市场风格轮动，构建风格轮动选股模型，通过模型选出合适的股票构建最优化组合，通过回测验证模型的有效性。具体构建过程如下：
通过以上流程确定模型优劣。
模型样本空间和特征因子的选取
模型样本空间应该包含A股市场所有已上市股票，首先剔除掉两类股票：剔除掉ST股票；剔除掉财务数据不全的股票。
然后将剩余的股票按照总市值从大到小依次排列，将总市值排名前15%的股票定义为大盘股，将总市值排名在中间70%的股票定义为中盘股，将总市值排名后15%的股票定义为小盘股。
对这三种类型股票构建大盘股、中盘股和小盘股样本空间，分别在这三种样本空间中构建风格轮动投资组合。
模型的特征因子由客观性指标和主观性指标构成。客观性指标选取的依据：选取可信度较高、客观性较强的指标，全部由长期财务指标构成，能够反映公司基本面的信息。主观性指标选取的依据：本文认为市场并非有效，投资者投资行为会由于非理性因素出现行为偏差，选取对市场反应敏感的指标，由短期市场指标构成，能够反映市场短期变化。
客观性指标从整体上反映了公司的价值，为寻找最优投资组合提供了基本参考依据，随着市场环境的变化，客观性指标也会随着变化，捕捉了市场中较长风格的变化。而主观性指标反映了市场的变化，对市场中较短风格变化比较敏感，本文选取的两个主观性指标能够相互制约，动量指标在市场上涨时作用更大，估值指标在市场下跌时作用更大，两
个指标的共同使用对于牛熊交替等市场转型阶段有良好的跟踪效果。同时由于主观性指标进行标准差不同，进行标准化后两个主观性指标值不会相互抵消。
本文首先从稳健水平、盈利质量、盈利水平、负债水平、成长能力和营运能力等方面各挑出5个具有代表性的指标，在每种指标类型中选取一到两个指标作为特征因子，选取标准为：1、选取的指标能够及时反映企业经营状况的变化。2、选取的指标不仅在国际上具有代表性，而且要符合中国国情。
在对中国市场长期观察、研究的基础上，选择以下指标进入特征因子样本空间，风格轮动投资策略会根据市场环境的不同自动从以下客观性特征因子样本空间中选取最优特征因子，将主观最优特征因子和客观因子结合使用，通过评分模型对股票进行综合打分，形成最优风格轮换投资组合。
以下为特征因子样本空间：
表1 特征因子样本空间
指标类型 指标名称
客观性指标 稳健水平 sharpe 比
盈利质量 销售现金比率
盈利水平 净资产收益率
销售净利率
负债水平 已获利息倍数(EBIT／利息费用)
资产负债率
成长能力 营业利润同比增长率
营运能力 总资产周转率
主观性指标 估值指标 市盈率
动量指标 一个月涨跌幅
资料来源：国海证券研究所
注释：
sharpe 比：夏普比衡量的是投资者每一个百分比单位的标准差风险所能够
获得的超出平均收益率的额外回报率。
销售现金比率：经营现金净流入和销售收入的比值，反映每元销售得到的净
现金，评价企业获取现金的能力。
模型最优特征因子选取
本文通过模型自动选取最优特征因子构造最优风格轮动投资组合，很好的捕捉了市场轮动效应，解决了单一风格不能紧跟市场风格的弊端。
最优特征因子的选取方法为：首先确定最优风格因子选取的最优算法，本文选取的最优算法是通过单个特征因子构造组合，以组合收益率
最大化为评判标准来确定该因子是否入选最优动态特征因子。由于是以组合收益率最大化为评判标准，所以最优动态特征因子能充分反映目前市场风格。随着市场风格发生变化，最优动态特征因子也随之变化。特征因子是指能够反映上市公司经营状况的各种财务指标，而最优动态特征因子则是以特征因子为样本空间，通过最优算法选取的最能反映市场流行风格的指标。最优动态特征因子的优点在于能够随着市场风格的变化自动进行调整，利用定位技术解决了最优市场风格转换中投资组合的自动调整问题。
本文在最优动态特征因子的选择上采用客观加主观策略，经过实践检验，选择4个客观特征因子效果最好。在8个客观特征因子中，我们利用最优算法，选出目前最能反映市场风格的4个客观特征因子，随着市场环境的变化，最优算法会自动识别目前最优的4个客观特征因子。同时加上2个主观特征因子，共同进入股票的特征因子评分系统。
股票评分体系
本文股票评分体系是由特征因子标准化得分构成。首先求出某个特征因子的值，为了避免由于单个数据不正常的变化，我们采用加权平均的方法将数据平滑化，通过对市场上大部分股票特征因子指标值和相应股票收益率进行回归，得到加权权重。通过回归我们发现，以四个时间段的数据为例，权重的分配大致是0.1、0.2、0.3、0.4。
例如：某股票从2004年到2006年每半年一个特征因子数值，
、
、
、
值为 ：
2004.6
X 2004.12
X 2005.6
X 2005.12
X 2004.62004.122005.62005.12(23410X X X X X )
+×+×+×=
首先将选出的特征因子平均值按从大到小排列，将平均值中的前5%全部等于处于5%的值，将平均值中的后5%全部等于处于后5%的值，通过平滑技术使得标准化后单个极端值不会对整体产生过大影响，然后对一系列平均值进行标准化，这样可以使得所有指标的计量单位变得一致，得到特征因子标准化后的值。
标准化的方法为：
x y μ
σ
?=
其中：
x 为选取空间中某一只股票的特征因子值
μ为样本空间中某一特征因子的平均值
σ为样本空间中某一特征因子的标准差
计算出来的值就为风格因子标准化后的得分。
y
例如，某个股票样本空间的均值为20，标准差为10，从样本空间中任选三只股票A、B、C，三只股票数据如下，通过公式计算所得净资产收益率y值：
表2 净资产收益率
股票A 股票B 股票C 样本空
间均值
样本空间
标准差
净资产收益率（%）15 20 30 20 10
净资产收益率y值-0.5 0 1
资料来源：国海证券研究所
从表2中可以发现，股票A的净资产收益率y值是负值，意味着股票A的净资产收益率明显没有市场平均水平高，股票A的净资产收益率低于市场平均净资产收益率0.5个标准差。股票C的净资产收益率y值是1，意味着股票C的净资产收益率高于市场平均净资产收益率1个标准差。股票C具有具有良好的盈利能力，而股票A不具有盈利能力。
对所有股票的各个特征因子平均值标准化后，然后将每只股票的4个客观特征因子标准化得分加上动量指标标准化得分减去估值指标标准化得分得到总得分。
最优投资组合构建
将股票的总得分按照从高到低的顺序依次排列。在三个样本空间中各自挑选出总得分排名在前50名的股票三个核心股票池，我们分别按等市值赋予权重、按得分赋予权重和按马科维茨的现代资产组合赋予权重法对股票池内各股票赋予权重，根据组合收益情况确定最优权重分配方法。通过检验历史数据发现按照等市值赋予权重的股票组合收益率最高。本文采用等市值赋予权重法赋予股票池内股票的权重，最终得出大盘股、中盘股和小盘股最优动态投资组合。
由于考虑调仓成本，本文以半年时间作为一次调仓期，通过最优算法再次挑选最优动态特征因子，计算最优动态特征因子总得分，根据得到的新股票池对股票进行调整。
最优化模型回测
本文将时间分成两个部分，分别为数据收集期和检验期。数据收集期是指构建组合所需要数据的历史时期。而检验期是指评价各种类型组合表现的未来时期。本文通过数据收集期对投资组合数据的收集，以及检验期对投资组合的检验，来确定组合的后续表现以及风险收益情况，
确定不同风格投资组合的在不同情景下的盈利好坏，检验各种风格组合在各种市场环境的盈利状况，找出最优投资组合。
具体操作如下：
1. 将取样区间内某时间T 作为数据收集期和检验期的临界点，在
T 时刻之前的某个时期为数据收集期，在T 时刻之后的某个时期为检验期，在数据收集期（, ）内，通过特征因子数据得出特征总得分，通过总得分选择符合各自风格的股票。 i-1t i t 2. 将在数据收集期选择出来的股票赋予一定权重，在检验期
（
，）内检验组合的后续表现以及风险收益情况。为
了检验风格轮动选股模型的有效性和稳定性，我们采取滚动提取数据的方法，增加检验的数据量，建仓期分别为（,
），
（
i t i+1t i-1
t i
t +Δ
i-1t ，
+Δ
i t ），（
2+×Δi-1t ，
），对应的检
验期为（
，
），（
2+×Δ
i t i
t i+1
t +Δ
i t ，
），（
+Δi+1t 2+×Δ
i t ，
2+×Δ
i+1t ），Δ为间隔的一段时间。
3. 在各种检验期内，分别得出大盘股、中盘股和小盘股投资组合
收益率，将此投资组合收益率与同期沪深300收益率作比较，确定风格轮动投资模型的有效性。
对比三种投资组合在不同市场状况下的盈利情况，找到在目前市场的最优投资策略和最优投资组合。
实证研究
特征因子的选择
对模型共进行了三次检验。第一个的数据收集期为2004年1月1日至2005年12月31日，检验期为2006年1月1日至2006年6月30日，第二个的数据收集期为2005年1月1日至2006年12月31日，检验期为2007年1月1日至2007年6月30日，第三个的数据收集期为2006年1月1日至2007年12月31日，检验期为2008年1月1日至2008年6月30日。在三个时间区间内通过最优算法6个最优动态特征因子分别为：
表3 模型挑选的最优特征因子
大盘最优特征因子 中盘最优特征因子 小盘最优特征因子 2004-2005sharpe比 sharpe比 sharpe比
营业利润同比增长率 净资产收益率 已获利息倍数
净资产收益率 已获利息倍数 销售净利率
总资产周转率 销售净利率 净资产收益率
一月涨跌幅 一月涨跌幅 一月涨跌幅
市盈率 市盈率 市盈率
2005-2006sharpe比 sharpe比 sharpe比
营业利润同比增长率 营业利润同比增长
率
销售现金比率
净资产收益率 总资产周转率 营业利润同比增长率
已获利息倍数 销售现金比率 净资产收益率
一月涨跌幅 一月涨跌幅 一月涨跌幅
市盈率 市盈率 市盈率
2006-2007sharpe比 sharpe比 sharpe比
净资产收益率 销售净利率 营业利润同比增长率
营业利润同比增长率 净资产收益率 销售现金比率
已获利息倍数 营业利润同比增长
率
资产负债率
一月涨跌幅 一月涨跌幅 一月涨跌幅
市盈率 市盈率 市盈率
资料来源：国海证券研究所
组合赋予最优权重
通过模型得出核心股票池后，需要赋予股票一定的权重，我们分别按等市值赋予权重、按得分赋予权重和按马科维茨的现代资产组合赋予权重，根据收益情况确定最优权重方法。
首先对大盘股投资组合按三种权重分配方式进行划分，以2006年1月4日作为基准日，基准值为50，将按三种权重分配后得到的组合每日的净值指数化，同时将沪深300在当日值设定为50，比较按三种权重分配的投资组合收益率得到最优权重分配方案。
在按马科维茨的现代资产组合赋予权重方案中，我们得出沪深300指数2006年上半年的周收益率方差为7.89，我们选取风险更小的方差作为约束条件，方差小于等于7，算出最优投资组合。
图3 组合按不同权重分配方法的指数化值
45
55657585952006-01-05
2006-01-13
2006-01-23
2006-02-09
2006-02-17
2006-02-27
2006-03-07
2006-03-15
2006-03-23
2006-03-31
2006-04-10
2006-04-18
2006-04-26
2006-05-11
2006-05-19
2006-05-29
2006-06-06
2006-06-14
2006-06-22
2006-06-30
等市值按得分现代资产组合沪深300指数化
资料来源：WIND、国海证券研究所
通过图3发现，等市值权重法和得分赋予权重法收益率高于沪深300指数收益率。同样我们挑选的中盘股和小盘股最优投资组合，等市值赋予权重法和得分赋予权重法收益率高于沪深300指数收益率。而收益率排名第一的是等市值赋予权重法。
综合以上信息，我们选择等市值权重法作为本文的权重分配方法。
最优投资组合收益率
采用沪深300指数收益率作为市场平均收益率，引入单位风险收益指标判断相同风险下的收益情况，引入相对溢价率指标判断最优化组合收益超越大盘的能力。
单位风险收益指标为：
r R =
R ：单位风险收益率
r
：时间内组合收益率
T σ：组合日波动率
T ：组合运行时间区间
相对溢价率指标为：
X X Y X
?=
Y :相对溢价率，反映超越大盘的能力
X :最优化组合的收益率
X :沪深300指数收益率
从2006年到2008年对组合三次检验期的收益率、单位风险收益率和相对溢价率分别为：
沪深300 大盘股组合中盘股组合 小盘股组合 表4 构建组合的收益率情况2006上半年收益率50.95% 75.11% 73.55% 64.27% 单位风险收益率 342.97%
460.17% 408.27% 359.44% 相对溢价率 47.42% 44.36% 26.14% 2007上半年收益率84.42% 100.05% 103.31% 116.46% 单位风险收益率 310.26% 率 -142.72% 券研354.28% 357.54% 336.13% 相对溢价率 18.51% 22.38% 37.95% 2008上半年收益率-47.70% -45.71% -41.95% -33.12% 单位风险收益-133.73%-110.25%-86.07% 相对溢价率
4.17%
12.05%
30.57%
资料来源：国海证究所
图4 最优化组合相对溢价率
0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%45.00%50.00%
2006上半年
2007上半年
2008上半年
大盘股组合
中盘股组合
小盘股组合
资料来源：WIND、国海证券研究所
通过上表可以发现，无论仅考虑收益率方面还是考虑到单位风险收益，通过模型构造的最优投资组合总能成功的跑赢大盘。
日作为基准日，基准值为50，将组合每日的净值指数化，同时将沪深300在当日值设定为
本文分别以2006年1月1日、2007年1月1日和2008年1月150，将这四种指数进行比较，比较结果如下：
图5 2006年上半年各组合指数化值
45
65
85
105
2006-01-04
2006-01-11
2006-01-18
2006-01-25
2006-02-10
2006-02-17
2006-02-24
2006-03-03
2006-03-10
2006-03-17
2006-03-24
2006-03-31
2006-04-07
2006-04-14
2006-04-21
2006-04-28
2006-05-12
2006-05-19
2006-05-26
2006-06-02
2006-06-09
2006-06-16
2006-06-23
2006-06-30
大盘股组合
中盘股组合
小盘股组合
沪深300
资料来源：WIND、国海证券研究所
图 2007年上半年各组合指数化值
6 45
95
145
2007-01-04
2007-01-11
2007-01-18
2007-01-25
2007-02-01
2007-02-08
2007-02-15
2007-03-01
2007-03-08
2007-03-15
2007-03-22
2007-03-29
2007-04-05
2007-04-12
2007-04-19
2007-04-26
2007-05-10
2007-05-17
2007-05-24
2007-05-31
2007-06-07
2007-06-14
2007-06-21
2007-06-28
大盘股组合
中盘股组合
小盘股组合
沪深300
资料来源：WIND、国海证券研究所
7 2008年上半年各组合指数化值
图25
35
45
55
2008-01-02
2008-01-10
2008-01-18
2008-01-28
2008-02-05
2008-02-20
2008-02-28
2008-03-07
2008-03-17
2008-03-25
2008-04-02
2008-04-11
2008-04-21
2008-04-29
2008-05-09
2008-05-19
2008-05-27
2008-06-04
2008-06-13
2008-06-23
大盘股组合
中盘股组合
小盘股组合
沪深300
资料来源：WIND、国海证券研究所
通过检验发现，在牛市初期，大盘股收益最高，随着牛市进入中后期，大盘股收益逐渐降低，而小盘股的收益逐渐上升，成为收益率最高的投资组合。而在股市进入熊市阶段后，大、中、小盘股跌幅均小于同期大盘跌幅，其中表现最好的仍然是小盘股组合。
无论在牛市、熊市通过该模型建立的最优化投资组合的收益率均能超越同期大盘，模型运用效果最好的是小盘股组合，中盘股和大盘股在牛市阶段超越大盘效果较好，而进入熊市阶段效果一般。
构造投资组合
模型优点：自动追踪市场风格，本文通过最优算法确定最优动态特征因子，最优动态特征因子会随着市文选取的三种投资组合无论熊市、牛市均能超越同期沪深300指数盘股在牛市阶段超越大盘组合做出适当的调整。
表场环境的变化发生改变，通过特征因子标准化总得分确定最优风格轮换投资组合。
通过对三个建仓期确定的最优风格轮换投资组合的检验我们得出以下结论：
最优风格轮动投资量化模型能够通过最优动态特征因子定位技术，紧跟市场流行风格的变化做出自己的调整，自动选出最符合目前市场风格的最优投资组合。
本收益率，其中小盘股的收益率最高，中盘股和大效果较好，而进入熊市阶段效果一般。
由此可见，此最优风格轮动投资量化模型能够很好的把握市场风格变化，对最优投资借助风格轮动投资量化模型我们给出2008年下半年最优投资组合股票池：
5 大盘股最优投资组合股票池
股票简称
中远航运 双汇发展 东方电气 烟台万华 中金岭南新安股份 海通证券 潞安环能 兰花科创 吉恩镍业平煤交通银行 赣粤高速招商银行 工商银行 开滦股份 焦作万方 张裕A 浦发银行 江西铜业 格力电器恒瑞国阳新能
中海发展
中国石油
上电股份
资料来源：国海证券研究所 股份 长江证券 云天化 青岛海尔 上海能源盐湖钾肥 西山煤电 神火股份 兖州煤业 豫园商城吉林敖东 金牛能源 泸州老窖 海油工程 长江电力 航天信息 招商地产哈药股份 中信证券 上海机场 医药 柳工 辽宁成大 贵州茅台 北大荒 深发展A
7 小盘股最优投资组合股票池
表股票简称
广州冷机 天业股份 霞客环保 兔宝宝 浙江震元 英特集团 德赛电池 长江投资 方正电机 登海种业 拓邦电子 新民科技 华润锦华 五洲明珠 桐君阁 宁波富邦 第一医药 国能集团 鑫新股份 大连热电 山大华特 银轮股份 金证股份 S 如意集团 蓉胜超微 辽宁时代 德棉股份 东晶电子 丰乐种业 界龙实业 上风高科 沧州明珠 宁波热电 西北化工 华东电脑 西北轴承 华帝股份 武汉塑料 星马汽车 大成股份 沃华医药 安徽水利 山下湖 得润电子
江西长运
广安爱众
西安民生
资料来源：国海证券研究所
三变科技 延边路 滨州活塞
最优票池
表6 中盘股投资组合股
股票简称四川圣达
中中康金材国际 山公用 缘药业 螳螂 一致药业 浙云凌湖置双银建新S 武沈江天新厦宇煤盘科云科华生物 方合东华武扬瑞栋梁新材 国金证券 太原重工 生电子
福田汽车
三钢闽光
新湖创业
山推股份
资料来源：国海证券研究所
江龙盛 南白药 钢股份 北宜化 江山股份 信电气 鹤药业 座股份 峰化工 浙江医药 华百货 石油 阳化工 苏国泰 创兴置业 地科技 和成 门国贸 通客车 华星化工 气化 江股份 达机电 维股份 国药股份 大炭素 肥三洋 北制药 中路股份 东医药 汉中百 农化工 贝卡 棱光实业 兴发集团 恒
附录：数量化策略的优势及发展过程
成功的投资应该是最大化投资收益的同时最小化其投资风险，然而一个完美的数量化投资策略有可能同时做到。
数量化投资策略就是利用精确的数学模型，度量影响股票收益的各种因素，包括价值因素、成长因素、股价动能因素和股价期望因素等各种定价因素，然后通过不同的评分系统，分级评定各股票得分，从而筛选出优质股票，最后再通过风险度量手段对股票投资组合估算其风险在值。
主动管理投资策略与数量化投资策略最大的不同是，个体是决策的主导者，这或多或少的给投资决策带入了个人情感，例如行为金融学论述的恐惧与贪婪；而数量投资策略，以模型为主导，以客观数据为投资依据。
数量化投资相对传统的主动性管理策略具有许多潜在优势在于：使你的投资策略远离个人的风险调整收益。
然而数量化投资策略能消除个人投资感情，逐步灌输严格的交易纪律和研究交易一致性，了投资成功的可能性。
中，主张采用一种低
PE
的投资组合策略。
Ziem 和Takano[1990,1992,1993]对美国和日本市场进行了多种定价因素的的回归权重混合量化模型，并且Guerard 和Takanon 的量化选股模型超过其相比基准Hawkins 等人[1984]和Arontt[1985]得出结论：分析师预测改变量测调整宽度策略，并发现超额收益率与宽度策略呈现统计显著，并且Guerard Mark[2003]也得出相同的结论。美林证券[2003]利用CFORI(Cash Flow Return on Investment)模略并不能超于市场收益率， 但确实比基于ROA 和ROC 简单收益度量指摩根斯坦利[2000，2004]年的系列数量化选股报告中，发展了新的
然而，世界上没有任何一种投资策略是完美的，情感；扩大你股票选择的范围；改进你卖出股票的纪律；产生更加合理重要的是，成功的投资是不能只依靠某一的投资方法和投资策略，并且提供了严格稳定的股票选择过程，这些优势增加Graham 和Dodd 早在1934年出版的《股票分析：原理和技巧》一书ba[1990,1992],Lakonishok,Shleifer 和Vishney[1994],Guerard 股票选择模型测试，升级了盈利、账面价值、现金流、销售和相关变量400个bp。
与股票收益相关性呈统计显著。Wheeler[1994]发展并测试了分析师预和
型构建股票选择策略，他们发现在他们回测的时间段内，CFORI 模型策标选取并构建的投资组合收益率要差。
股票评分系统，筛选出优质股票。回测1991月29日-2007年6月29日间指数6.33%。
行业%～10%之间； 于大市：相对沪深300 指数跌幅10%以上。 票投资评级
入：相对沪深300 指数涨幅20%以上；
持：相对沪深300 指数涨幅介于10%～20%之间； 性：相对沪深300 指数涨幅介于-10%～10%之间； 出：相对沪深300 指数跌幅10%以上。 数量化选股模型，讨论了股票风格轮动效应，利用最优化技术，赋予风格指标相应系数，最后通过-2002.1.31间的收益率，以罗素1000指数成份股构建的核心投资组合较标准普尔500指数高出13%的年化收益率。
德国本籍开放式基金利用基于价值、盈利和宏观经济因素的数量化选股模型构建投资组合，取得了从2002年6的51%的收益率。
芝加哥Zacks 投资管理公司利用自身的Zacks 盈利估值修正模型管理旗下资产，取得了自成立以来至2008年6月30日间，高达10.18%的净收益率，超出基准指数标准普尔500随着时间的推移，单一风格的数量化策略已经不能取得较高溢价率，摩根斯坦利首次提出风格轮动概念，并且利用风格轮动策略建立投资组合，并且取得了较好的效果。
国海证券投资评级标准
投资评级
强于大市：相对沪深300 指数涨幅10%以上；
中性： 相对沪深300指数涨幅介于-10弱股买增中卖
免责声明
本报告中的信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅供参考，并不构成对所述证券买卖的出价或征价。我公司及其雇员对使用本报告及其内容所引发的任何直接或间接损失概不负责。我公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行业务服务。本报告版权归国海证券所有。