精华帖分享|书中自有黄金屋系列2——格雷厄姆估值因子

news2024/12/26 19:28:17

本文来源于量化小论坛股票量化板块精华帖,作者为Benlyn,发布于2024年2月2日。

以下为精华帖正文:

01

前言

巴菲特一直强调“以合理的估值买入好公司”的投资理念,因此今天想给大家介绍一下与估值相关的内容。买股票买好公司固然没问题,但是好公司通常估值会比较贵,如何以合理的估值买入是介于科学和艺术之间。

有些投资大师喜欢买“折翼的天使“,比如巴菲特买入美国运通的时候就是在运通公司出现色拉油事件的重大利空时,老人家通过实地调研评估运通公司的客户粘性来确认公司基本面没问题,从而完成抄底实现超额收益。大A同样也存在过这样的公司,比如曾经因塑化剂事件、三公消费影响导致白酒股的低估,PE也曾到下探到10以下,而现在即使是股灾期间茅台的估值还是维持在30PE左右;三聚氰胺事件导致的伊利等乳制品公司股价暴跌,极少数人通过对公司价值分析后勇敢的抄底买入,实现了资产的大幅度增值。

当然大部分人是没这个能力来深入评估折翼的天使(95%的人会直接被吓退),因此普通人应尽量以相对合理的价格来买入股票,尤其不能以过高的估值买入公司股票,这就需要学会给公司估值,所以估值因子的有效性很关键。

02

估值因子

常见的估值方法和估值原理有相对估值法、绝对估值法两种,在这里我就不赘述了。从精确性来说通常绝对估值法比较精准,但是绝对估值法通常假设条件苛刻,很容易造成精确的错误。通常,我们在计算完公司估值后就可以和公司当前的股票价格来进行比较了,如果价值远高于价格,则可以放心买入(这里面存在安全边际的概念,有些保守型投资人可能要求价格是价值的7折才肯买入,安全边际容忍度因人而异)。大家平时经常用的估值因子就是静态PE、动态PE(PE_ttm)等。今天我还想给大家介绍一下另外一个和估值相关的因子:

1、格雷厄姆估值

书名:《格雷厄姆成长股投资策略》

估值公式:每股内在价值=(8.5 + 2 * 增长率)* 每股收益

图片

格雷厄姆估值公式计算出的每股内在价值不同于常人理解的以每股收益作为内在价值的评价标准,进一步融入了增长率,如果增长率为负,假设增长率为-5%,实际是对每股收益进行了打折;如果增长率为正,则是放大了每股收益的价值。

下面举个例子:假设公司增长率为0%,每股收益为2元,则对应的每股内在价值=(8.5+2 * 0) * 2 = 17元,同时考虑安全边际折率进行换算后看是否纳入可选范围,假设安全边际设置为7折,即内在价值大于股价30%时买入,对应可买入股价为17 * 70%= 11.9元,即当股价低于11.9元时买入。同理,增长率为5%时,安全边际买入价格=(8.5+2 * 5)* 2 * 70%=25.9元。

03

因子分析

1、构建因子文件

图片

其中:内在价值即为格雷厄姆估值公式计算结果,进一步计算内在价值比=内在价值/收盘价(类似于PE计算公式),通过公式可以推测出内在价值比越高,即公司内在价值越大,越值得买入带来超额收益(正相关关系)。因此接下来借助选股框架里的因子分析功能来进一步验证。

2、因子分析

图片

通过RankIC图可以看到因子的IC均值为正值,这和我们刚刚的正相关关系的推理结论相符,同时从历史表现来看,2018年以前呈现出较为明显的正相关趋势,而近几年因子的表现没那么理想。

图片

再看热力图,可以发现5、6、11、12月是明显的正收益月份,可以考虑在这几个月利用一下该因子实现较好的收益。

图片

从市值分组来看,格格雷厄姆估值因子似乎更适用于大市值的公司,和小市值组呈现出明显的差异性。

04

回测分析

选股策略核心代码:

图片

1、格雷厄姆估值回测: 

图片

2013.1.1-至今,M_0,10只股票

从格雷厄姆估值因子回测结果来看,年化收益率9.2%,相对于沪深300指数还是具备超额收益,最大回撤45.98%。同时我们可以再对比一下传统的PE估值回测结果:

2、PE_ttm估值因子回测

图片

PE_ttm估值因子年化收益率为6.86%,最大回撤52.87%,从结果来看格雷厄姆估值因子更胜一筹。

05

结论

从因子分析结果以及回测结果来看,格雷厄姆估值因子还是具有一定的有效性的。后续可以考虑用该因子来替换PE估值因子来进一步增强策略的收益表现,格雷厄姆估值因子的文件我也一并分享给大家,供大家参考。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2254271.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

干部谈话考察系统如何实现灵活定制和精准考评?

在当今社会,干部选拔与任用已成为各类组织内部管理的关键环节。为了确保选拔出的干部具备高素质和卓越能力,干部谈话考察系统应运而生。这一系统以其灵活定制和精准考评的特点,为组织提供了科学、高效的干部考察手段。 干部谈话考察系统通过集…

云渲染特效广告一秒费用预估是多少?

在计算云渲染特效广告每秒钟的费用时,我们需要综合考虑多个关键因素,包括特效的复杂性、所需的渲染计算能力以及对渲染质量的具体要求。通常情况下,影视特效级别的广告因其场景极其复杂,每帧渲染所需时间较长,从而导致…

利用docker-compose来搭建flink集群

1.前期准备 (1)把docker,docker-compose,kafka集群安装配置好 参考文章: 利用docker搭建kafka集群并且进行相应的实践-CSDN博客 这篇文章里面有另外两篇文章的链接,点进去就能够看到 (2&…

2024年认证杯SPSSPRO杯数学建模C题(第一阶段)云中的海盐解题全过程文档及程序

2024年认证杯SPSSPRO杯数学建模 C题 云中的海盐 原题再现: 巴黎气候协定提出的目标是:在2100年前,把全球平均气温相对于工业革命以前的气温升幅控制在不超过2摄氏度的水平,并为1.5摄氏度而努力。但事实上,许多之前的…

初识树(二叉树,堆,并查集)

本篇博客将涉及到一些专业名词:结点、深度、根、二叉树、满二叉树、完全二叉树、堆、并查集等。 概要 树型结构是一类重要的非线性数据结构。其中以树和二叉树最…

2024年中国光伏产业研究报告(附产业链图谱)

光伏产业是指利用太阳能电池将太阳光转换为电能的产业,它涉及到太阳能电池、组件、系统及相关配套产品的研发、生产、销售和服务。光伏产业是新能源领域的重要组成部分,已成为我国少数具有国际竞争优势的战略性新兴产业之一。国家多个部门联合印发了《智…

Linux:Ext系列文件系统

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、理解硬件磁盘1.1 磁盘物理结构1.2 磁盘的存储结构1.3 磁盘的逻辑结构 二、文件系统2.1 引⼊"分区”概念和“块"概念2.2 inode(重要)2.3 文件与in…

Alogrithm:巴斯卡三角形

巴斯卡三角形(Pascals Triangle)是一个由数字排列成的三角形,每一行的数字是由前一行的两个相邻数字相加得到的。巴斯卡三角形的每一行对应着二项式展开式的系数。具体如下图所示: 巴斯卡三角形的性质 第 0 行只有一个数字 1。第 …

项目资源管理

点击系统侧边栏里的项目图标 ,会在系统资源列表里显示当前任擎服务器上所有项目的各种资源列表,包括数据模型、后台服务、前端文件、数据表单和微信小程序等。 项目资源管理器用来对开发者自己开发的软件项目进行管理,这里的“项目”是指仅…

WEB开发: Node.js路由之由浅入深(一) - 全栈工程师入门

作为一个使用Node.js多年的开发者,我已经习惯于用Node.js写一些web应用来为工作服务,因为实现快速、部署简单、自定义强。今天我们一起来学习一个全栈工程师必备技能:web路由。(观看此文的前提是默认你已经装好nonde.js了&#xf…

大模型分类3—按功能特性

版权声明 本文原创作者:谷哥的小弟作者博客地址:http://blog.csdn.net/lfdfhl根据功能特性,大模型可分为生成式、分析式和交互式大模型。 1. 大模型分类概述 1.1 生成式大模型 生成式大模型的核心能力在于其创造性,能够独立生成新的数据样本,如文本、图像和音频等。这类…

VUE拖拽对象到另一个区域

最近有个需求是需要在web端定制手机的界面UI(具体实现比较复杂,此处不做阐述,此文章只说明拖拽效果实现),为了方便用户操作,就想实现这种效果:从右侧的图标列表中拖拽图标到左侧模拟的手机界面上…

iOS平台接入Facebook登录

1、FB开发者后台注册账户 2、完善App信息 3、git clone库文件代码接入 4、印尼手机卡开热点调试 备注: 可能遇到的问题: 1、Cocos2dx新建的项目要更改xcode的git设置,不然卡在clone,无法在线获取FBSDK 2、动态库链接 需要在…

传输层TCP_三次握手四次挥手的过程

三次握手四次挥手 三次握手 三次握手

小迪笔记 第四十五天 sql 注入进阶 :二次注入,堆叠注入,数据读取(load_file)加外带

二次注入 概念:就是我们注入的语句(刚注入时 不会产生影响)但是我们的恶意代码会进入数据库 他在被二次利用的时候就会进行执行 这个就是二次注入 这个的典型案例就是账号密码的修改 : 大家应该也知道 账号注册一般是禁止你使…

【SNIP】《An Analysis of Scale Invariance in Object Detection – SNIP》

CVPR-2018 Singh B, Davis L S. An analysis of scale invariance in object detection snip[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 3578-3587. https://github.com/bharatsingh430/snip?tabreadme-ov-file 文章目录 …

【C++|Linux|计网】构建Boost站内搜索引擎的技术实践与探索

目录 1、项目的相关背景 2.搜索引擎的相关宏观原理 3.搜索引擎技术栈和项目环境 4.正排索引vs倒排索引-搜索引擎具体原理 5.编写数据去标签与数据清洗的模块 Parser 5.1.去标签 目标: 5.2.代码的整体框架: EnumFile函数的实现: Enu…

ComfyUI绘画|提示词反推工作流,实现自动化书写提示词

今天先分享到这里~ ComfyUI绘画|关于 ComfyUI 的学习建议

高频面试题(含笔试高频算法整理)基本总结回顾20

干货分享,感谢您的阅读! (暂存篇---后续会删除,完整版和持续更新见高频面试题基本总结回顾(含笔试高频算法整理)) 备注:引用请标注出处,同时存在的问题请在相关博客留言…

【AI模型对比】AI新宠Kimi与ChatGPT的全面对比:技术、性能、应用全揭秘

文章目录 Moss前沿AI技术背景Kimi人工智能的技术积淀ChatGPT的技术优势 详细对比列表模型研发Kimi大模型的研发历程ChatGPT的发展演进 参数规模与架构Kimi大模型的参数规模解析ChatGPT的参数体系 模型表现与局限性Kimi大模型的表现ChatGPT的表现 结论:如何选择适合自…