对话招商基金王平：创业板投资避雷指南

但是我感觉大家可能会配一些深圳市场的大白马或者是一些大蓝筹，因为对于打新资金来说，它其实不追求弹性，它只追求一个底仓的稳定性。所以对于这类基金来说，可能配一些消费或者金融或者非银的个股，可能对他们来说会更有吸引力一些。

对冲工具这块，因为目前打新基金对冲做得比较少，原先的话大家只配上海，所以很简单，我就拿上证50去做对冲就可以了。所以我估计如果以后再引入对冲的话，大家有可能会考虑沪深300，综合考虑各方面的性价比的话。

陈奥林：其实刚才王总提到了一个很重要的点，为什么招商创业板大盘能跑出超额收益，里面一个很核心的要素，通过量化的方法，就是通过量化的方法剔除创业板里面一些有风险的个股。

大家也知道在成长股里可能甄别风险比挖掘收益更加重要，因为你可能踩一个雷，收益率波动就非常大。

下面我们就请杨能为大家介绍一下国君金工最近推出的量化排雷模型，以及它在创业板里规避风险的效果究竟如何。

杨能（国泰君安研究所金融工程研究分析师）：

感谢奥林总，那么接下来我补充一个话题，就是我们应该如何在创业板中去规避一些风险比较大的股票。

首先我们来看一下整体创业板的风险情况。相比于13年而言，19年开始的一个创业板的上涨，其实会有比较明显的一个个股分化的情况。

可以看到，对于一些本身估值比较高的个股而言，它的收益反而是比较好的。但是低估值的一些股票，它有比较明显的负超额收益。

为什么会出现这样的情况？我们认为跟创业板的第3个特征有一定的关系。

我们发现19年的年报，创业板的管理费用率，包括研发投入会有一个显著的上升。这其实就表明了创业板整个市场它的一个无形资产的价值、它的一个技术、它的一个品牌价值是在逐步放大的。

那么这一点的话其实是跟美国是有比较相近的地方，其实美国在08年以来，它的一个低估值策略就已经开始出现了一个失效的情况，那么他们在美国的一些研究人员的话也会发现这样的事，主要原因还是由于在美国市场的一些偏技术类的公司，它的无形资产投入，在2000年以后，已经是高过了有形资产的投入，这就导致了传统的低估值的一些策略，看PB、PE等方法，忽略掉了一些无形资产的影响，所以说导致了低估值策略的一个失效。

所以说从这个角度来看的话，创业板它的一些估值上的分化，包括一些科技类的公司，它的估值提升其实很大一部分原因是来源于市场逐步地把部分的无形资产纳入到了我们的估值体系中。

但是我们会发现在创业板中，19年年报的质量是有比较大的一个提升。如果拿应计利润指标去看，看到净利润和经营性现金流的一个差距。你看到其实像18年、17年的话，净利润是明显大于经营性现金流的，但是19年的一个情况就会出现比较好的一个反转，经营现金流的话是大于净利润。

这其实代表着随着一个制度的完善，创业板它本身的一个盈利质量，就是说财务方面的一些风险相对来说是逐步缩小的，那么它的主要的风险来源更加可能是一些偏向于事件类的一些风险事件。

所以总结一下，我们认为其实在当前的环境下，其实创业板整体的一个风险是下行的，风险主要还是来源于估值的分化，在这种情况下的话，选股的难度会增大。

这种情况下我们觉得还是得用一些比较量化的排雷方法去规避掉创业板中的一些雷股。我们把所有的风险源分成5类，第1类是治理内控，主要包括了一些股权结构方面的风险，包括一些管理体制上的一些风险；第2块的话我们汇总了上市公司在自身的一个经营过程中，包括它外部投资，包括像类似于商誉之类的一些企业行为所产生的风险，我们把它总结成企业行为类的一些风险；第3类的话是跟绩效相关的，它的盈利能力、盈利质量等一些指标，我们把它汇总在财报绩效相关的一个模块中；那么最后两类的话分别是一些相对来说偏事件类的风险事件的汇总和技术类的一些指标的汇总。

我们把这5类指标汇总成我们整体的模型，这个模型在创业板的效果如何？我们最近的话也对在创业板上的应用做了一个实证。

在创业板内拆开来看，单个指标的选股效果，具体怎么做呢，我们是看过去一年，我们是按单个指标去选风险最高的这一组前10%的个股去做一个组合，月换仓，去看它的净值走势。我们可以看到大致一共是40多个指标，基本上大部分的指标的空头收益是比较明显的，基本上都是跑输创业板指数的。创业板在过去一年它的涨幅是在31%左右，平均来看，我们的单因子的这些组合的平均收益大致是2%左右。其中表现比较好的一些排雷指标，我们可以去看他最近一个月内是否上过龙虎榜。除此之外的话，偏事件类的，像最近一年是否被立案调查过、审计师是否提出了一些非标意见、债券是否违约、最近一个月是否收到问询函等，这些指标和事件类的事件导致的负向超收益是最多的。

第2步是一些偏技术类的指标，这类指标在创业板里也有比较好的排雷效果，像一些偏高波动的、偏主力资金流出的、高换手的、跳空低开的投资，也是有比较明显的负向的超额收益。

所以说我们整体来看的话，如果是在创业板内去做选股的话，我们建议首先是去做风险事件类的个股的剔除。第2类的话是踢掉一些过度投资的，包括高互动、高换手的角度。第3类的话是业绩质量比较差的公司，运营质量比较差的公司，也是有比较明显的负向的超额收益。

那么整体我们的模型，如果我们把这些因子做个汇总，一年的空头的收益大致是在-10%左右，相对来说也是大幅得跑输创业板指数。

那么最后的话我们可以看一下，如果我们选Top50的组合的话，它的排雷效果相对来说是20%的创业板指数的超额收益。

除此之外，我们也是对一些阿尔法因子去做了测试，我们会发现有一些比较好的其他的因素，它也有一定的负面排除的效果。

比如说在创业板里的话，对于一些资金成本比较高的一些公司，或者说对于一些它本身有非常明显的避税的行为，我们也发现了，它有比较明显的空头的负向超额收益。

所以说这类因子的话也是可以作为未来我们加入到我们模型里的一些排雷指标的。