第55讲：案例·传统价值因子 (Case Study: Traditional Value Factor)

策略概述

130/30策略通过130%多头仓位 + 30%空头仓位实现市场中性，既能保留传统多头策略的优点，又能通过做空机制捕捉下跌机会。本教程将基于Andrew Lo和Pankaj Patel提出的四大价值因子构建选股策略。

核心价值因子解析

股息率（Dividend Yield）

• 公式：股息率 = 年度股息总额 / 当前股价

• 意义：高股息率表明公司用更多利润回馈股东，常用于识别价值股

• yFinance实现（示例）：

import yfinance as yf
stock = yf.Ticker("AAPL")
div_yield = stock.info.get('trailingAnnualDividendYield', 0)

市净率（Price-to-Book Ratio）

• 公式：市净率 = 股价 / 每股净资产

• 意义：低市净率可能预示股票被低估

• 注意：需对原始值取负，使低值在计算中呈现高吸引力

pb_ratio = -stock.info.get('priceToBook', 0)  # 取负实现价值反转

市销率（Price-to-Sales Ratio）

• 公式：市销率 = 股价 / 每股销售收入

• 处理：使用TTM（过去12个月）数据平滑季节性波动

ps_ratio = -stock.info.get('priceToSalesTrailing12Months', 0)

市现率（Price-to-Cash Flow）

• 公式：市现率 = 股价 / 每股现金流

• 逻辑：现金流能更真实反映公司盈利能力

pcf_ratio = -stock.info.get('operatingCashflow', 0)  # 需根据实际数据调整

数据获取与处理

使用yfinance获取多只股票数据：

import pandas as pd

tickers = ['AAPL', 'MSFT', 'GOOGL']
factor_data = []

for ticker in tickers:
    stock = yf.Ticker(ticker)
    info = stock.info
    factor_data.append({
        'Ticker': ticker,
        'Dividend Yield': info.get('trailingAnnualDividendYield', 0),
        'PB Ratio': -info.get('priceToBook', 0),
        'PS Ratio': -info.get('priceToSalesTrailing12Months', 0),
        'PCF Ratio': -info.get('operatingCashflow', 0)
    })

df = pd.DataFrame(factor_data).set_index('Ticker')

数据标准化处理

标准化步骤

1. 计算基准指数指标：选取市值最大的500只股票作为"虚拟标普500"

2. Z-Score标准化

其中：

• $X$为原始数据

• $\mu$为样本均值

• $\sigma$为样本标准差

• $Z$为标准化后的数据

该公式将数据转换为均值为0、标准差为1的标准正态分布

3. 极值处理：将超出[-10,10]的值截断

def standardize(series):
    mu = series.mean()
    sigma = series.std()
    z_scores = (series - mu) / sigma
    return z_scores.clip(-10, 10)

# 对各因子分别标准化
df_standardized = df.apply(standardize)

综合评分与选股

计算综合得分

df['Composite Score'] = df_standardized.mean(axis=1)

构建投资组合

• 多头组合：选择综合得分最高的30%股票（约150只）

• 空头组合：选择得分最低的5%股票（约25只）

long_candidates = df.nlargest(30, 'Composite Score').index.tolist()
short_candidates = df.nsmallest(6, 'Composite Score').index.tolist()

策略回测要点

权重分配示例

再平衡机制

• 每月调仓一次

• 设置10%的止损线

小练习

1. 使用yfinance获取3只金融股的市净率，比较它们的价值吸引力

2. 尝试对某行业的PS Ratio进行标准化处理，找出最具吸引力的股票

3. 思考：如果加入动量因子，应该如何调整现有评分体系？

# 练习1示例代码
financial_stocks = ['JPM', 'BAC', 'C']
for ticker in financial_stocks:
    stock = yf.Ticker(ticker)
    print(f"{ticker} P/B Ratio: {stock.info.get('priceToBook')}")

关键点总结

1. 价值投资的核心是识别市场价格与内在价值的偏离

2. 多因子组合能有效分散单一因子的失效风险

3. 标准化处理确保不同量纲因子可比

4. 130/30结构在控制风险的同时提升收益弹性

注意：实际应用中需考虑交易成本、滑点等现实约束。建议在Paper Trading环境中充分测试策略后再实盘操作。