2023年基于canslim与FESC的沪深300指数增强策略 中信一级行业内 canslim 因子测试结果

一、市场及策略回顾

（一）2022 年以来市场回顾

2022 年 1 月至 2023 年 2 月 20 日各大宽基指数的累计收益，可以发现仅红利指 数的累计涨幅为正（2.01%），科创 50、创成长、创 50、双创 50 等指数跌幅较大均超 25%， A 股的风格分化依旧非常明显。

当前仅国 证 2000 指数的估值分位数处于 80%（从小到大排序）以上，其次中证 100、深证综指、 深圳 A 指的估值分位数超过 70%。红利指数当前的 PETT 仅 4.92，处于 2019 年以来的 7.59 分位数，为所有宽基中的最小值。创业蓝筹、创业板指、创业板综、创 50 等经历了 1 年多的大幅下跌后当前的估值分位数 均处于 2019 年以来的估值低位。

2022 年以来成长相关的三个风格指数的跌幅均在 20%左右（中盘成长-19.81%、小盘成长 -20.02%、大盘成长-22.12%），价值相关的三个风格指数跌幅不足 10%（小盘价值-9.43%、 中盘价值-8.82%、大盘价值-8.25%）。 以上对比可以看出，在 2022 年各大宽基及风格指数均出现不同程度的下跌，但成长相关 的风格指数在 2022 年的回撤幅度均大于价值相关的风格指数。

（二）2022 年 canslim 选股策略回顾

下面我们对现有的 CANSLIM 系列策略做简单的回顾： 在最初的 1.0 模型中，我们对基本面中成长条件的筛选使用了单季度归母净利润增速和 五年复合增速两个条件作为筛选标准。在 2.0 模型中考虑 A 股市场越来越有效，很多个 股在发布业绩报告之后，便会吸引大量资金的关注股价也随之大幅上涨，故我们在计算 单季度增速时添加业绩预报和快报的数据。为丰富投资框架，我们在原有的 1.0 框架上 增加了一致预期的维度。 另外，为扩展我们的初始股票池在 2.0 模型中我们将 1.0 中的北上资金持仓股票池替换为 机构重仓股的股票池，并在此基础上对模型中的各维度指标都进行了因子测试，测试的 结果均表明在机构重仓股中进行选股大大增加了因子的有效性。 在 3.0 的模型中我们对原来单一的成长风格为主的策略，添加了估值的判断，通过对市 场估值的判断从而判断是采用偏成长的 canslim2.0 策略还是偏价值的红利选股策略。

canslim3.0 策略自 2022 至今收益 7.77%，相对偏股混合基金指数 24.7%。策略在 2022 年 年初采用价值型选股策略，随后风格切换为成长风格采用 canslim2.0 的选股策略。故其 在 2022 年 4 月份之后的走势与上图走势相近。 以上部分通过对三个版本的 canslim 策略近一年收益的复盘，从第一部分的市场复盘可知 过去一年的成长风格相较价值的回撤更大，而 canslim 策略本身更偏向于筛选成长股，即 便如此从上文可以看到样本外我们的策略依旧可以表现不错，三个策略均跑赢市场的平 均值（偏股混合基金指数）。截止目前市场所有的主动型权益基金共计 4134 只，2022 年 至今 canslim 策略的收益可以分别排名其中的第 92 名、1154 名、1926 名。

（三）2022 年行业轮动策略回顾

2022 年以来策略的累计涨幅 8.12%，相对 偏股混合基金指数超额收益 25.05%。行业轮动策略在 2022 年的最大回撤为 20.65%，经 历了年初的大跌后 2022 年 4 月份开启反弹，反弹最大幅度 31.87%。 策略 2023 年至今绝对收益 12.58%，相对偏股混合基金指数超额收益 7.38%。

二、canslim 策略适用的行业

上文我们对 canslim 选股策略在过去一年的表现进行了复盘，本部分我们对 canslim2.0 在 各行业的选股效果进行测试，筛选其中适用 canslim 策略的行业。 在《CANSLIM 2.0 投资法——华创金工大师系列成长型之一》中我们是从三个角度来对 所有的个股进行打分分别是：1. 个股的成长性（单季度的业绩增速）；2. 个股的动量（过 去一年扣除最近一个月的收益）；3. 分析师一致预期调整（最近 3 个月一致预期 EPS 的 变化）。 上文的介绍可以看出 canslim2.0 策略主要偏向于寻找高增速高成长性的个股，而对于不 同的行业，其本身内在逻辑不同导致在进行行业内选股时所适用的因子也不相同，并非 所有的行业都可以用成长或者动量来进行选股。故本部分我们以中信一级行业作为研究 对象，分别对每个行业 canslim2.0 组合因子分组后的效果进行对比，筛选适合 canslim2.0 策略的行业。

（一）中信一级行业内 canslim 因子测试结果

在进行行业内因子测试前我们首先对每个因子进行市值中性化，然后再利用市值中性化 之后的因子进行组合打分合成组合因子。

1. 传媒行业测试结果

IC 时序图可以看出传媒行业内部组合因子滚动 12 期的 IC 均 值在 2014 年之前可以保持稳定增长的趋势，但是自 2014 年之后滚动 12 期 IC 长期一直 围绕 0 轴附近震荡。分组绝对收益对比来看，本身传媒行业指数自 2010 年以来的收益小 于 0，分组后的第 1 组绝对年化收益-5.1%，年化超额收益-4.36%，分组后的第三组年化 收益 1.76%，略大于指数的收益，年化超额收益 3.32%。

2. 电力及公用事业行业测试结果

分组绝对收益对比来看，电力及公用事业指数自 2010 年以来的收益略大于 5%，分组后 的第 1 组绝对年化收益 2.5%，年化超额收益-2.44%，分组后的第三组年化收益 6.85%， 略大于指数的收益，年化超额收益 1.48%。

3. 电力设备及新能源行业测试结果

电力设备及新能源行业作为近四年牛票最多的行业，也是市场关注度最高的行业。上图 可以看出整体上组合因子在该行业的 IC 波动较大，但整体分组效果较好。分组绝对收益 对比来看，电力设备及新能源指数自 2010 年以来的年化收益为 5.8%，分组后的第 1 组 绝对年化收益-0.15%，年化超额收益-5.79%，第三组年化收益 11.83%，大于指数的收益， 年化超额收益 5.49%。

4. 电子行业测试结果

整体上组合因子在该行业的 IC 波动较大，另外分组效果一般。分组绝对收益对比来看，电子指数自 2010 年以来的年化 收益为 8.56%，分组后的第 1 组绝对年化收益 3.76%，年化超额收益-4.63%，第三组年化 收益 10.28%，略大于指数的收益，年化超额收益 1.76%。

5. 房地产行业测试结果

整体上组合因子在该行业的 IC 波动较大，另外分组效果一般。分组绝对收益对比来看，表现最好的分组为第 2 组。 房地产指数自 2010 年以来的年化收益为 2.25%，分组后的第 1 组绝对年化收益 0.69%， 年化超额收益-1.6%，第三组年化收益 2.06%，小于指数的收益，年化超额收益-0.37%。

2010 年至 2022 年 12 月，组合因子在房地产行业中的 IC 均值为 0.5%、IC 中位数 1.5%， IC 大于 0 占比达 51.9%，年化 IC_IR 较低为 0.079。

6. 纺织服装行业测试结果

IC 的时序图可以发现多数情况下组 合因子在行业内测试的结果小于 0，尤其是 2013 年—2021 年 5 月滚动 12 期的 IC 均值长 期处于 0 轴以下。分组的效果来看，组合因子并不适合在该行业内进行选股，表现最好 的分组为第 1 组。 纺织服装指数自 2010 年以来的年化收益为 4.78%，分组后的第 1 组绝对年化收益 5.98%， 年化超额收益 1.2%，第三组年化收益 3.63%，小于指数的收益，年化超额收益-0.66%。

2010 年至 2022 年 12月，组合因子在纺织服装行业中的 IC 均值为-2.1%、IC 中位数-1.6%， IC 大于 0 占比达 48.1%，年化 IC_IR 为-0.196。

7. 钢铁行业测试结果

钢铁行业在 2015 年—2021 年时间段内 IC 大于 0 的比例较高，同时滚动 12 期 IC 均值也触底反弹持续走高，但 2021 年 5 月份 起该因子在钢铁行业内区分效果变弱，导致滚动 12 期 IC 均值逐渐降低由最高点持续下 降。 分组的效果来看，组合因子在该行业内分组效果较好，表现最好的分组为第 3 组。钢铁 指数自 2010 年以来的年化收益为 2.09%，分组后的第 1 组绝对年化收益-2.55%，年化超 额收益-5.18%，第三组年化收益 6.05%，大于指数的收益，年化超额收益 4.78%。

2010 年至 2022 年 12 月，组合因子在钢铁行业中的 IC 均值为 3.4%、IC 中位数 3.8%，IC 大于 0 占比达 54.5%，年化 IC_IR 为 0.426。

8. 国防军工行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值长期来看围绕 0 轴波动，历史上看其在 0 轴分布相对均匀。分组的效果来看，其中表 现最好的分组为第 3 组，国防军工指数自 2010 年以来的年化收益为 8.11%，分组后的第 1 组绝对年化收益 3.74%，年化超额收益-3.93%，第三组年化收益 13.34%，大于指数的 收益，年化超额收益 4.38%。

2010年至2022年12月，组合因子在国防军工行业中的IC均值为2.1%、IC中位数-0.01%， IC 大于 0 占比达 48.1%，年化 IC_IR 为 0.246。

9. 机械行业测试结果

分组的效果来看，其中表现最好的分组为第 3 组，机械指数自 2010 年以来的年化收益为 4.24%，分组后的第 1 组绝对年化收益 0.84%，年化超额收益-3.54%，第三组年化收益 10.11%，大于指数的收益，年化超额收益 5.65%。

2010 年至 2022 年 12 月，组合因子在机械行业中的 IC 均值为 4%、IC 中位数 3.6%，IC 大于 0 占比达 55.2%，年化 IC_IR 为 0.594。

10. 基础化工行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值在 0 轴以上的占比更多。分组的效果来看，组合因子在基础化工行业中的效果非常好， 其中表现最好的分组为第 3 组，基础化工指数自 2010 年以来的年化收益为 6.1%，分组 后的第 1 组绝对年化收益-2.8%，年化超额收益-8.84%，第三组年化收益 14.29%，大于指 数的收益，年化超额收益 8.28%。

2010 年至 2022 年 12 月，组合因子在基础化工行业中的 IC 均值为 3.9%、IC 中位数 3.8%， IC 大于 0 占比达 55.2%，年化 IC_IR 为 0.604。

11. 计算机行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值 自 2013 年后长期围绕 0 轴波动，近几年其多数情况都在 0 轴以下震荡。分组的效果来看， 其中表现最好的分组为第 2 组，计算机指数自 2010 年以来的年化收益为 12.42%，分组 后的第 1 组绝对年化收益 9.46%，年化超额收益-3.03%，第三组年化收益 8.68%，小于指 数的收益，年化超额收益-3.22%。

2010 年至 2022 年 12 月，组合因子在计算机行业中的 IC 均值为 3%、IC 中位数 4.1%， IC 大于 0 占比达 55.8%，年化 IC_IR 为 0.394。

12. 家电行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值长 期来看围绕 0 轴波动，历史上看其在 0 轴分布相对均匀。分组的效果来看，组合因子并 不适合在该行业内进行选股，表现最好的分组为第 2 组。 家电指数自 2010 年以来的年化收益为 7.36%，分组后的第 1 组绝对年化收益 2.39%，年 化超额收益-5%，第三组年化收益 5.34%，大于指数的收益，年化超额收益-1.49%。

2010年至2022年12月，组合因子在国防军工行业中的IC均值为2.2%、IC中位数-0.02%， IC 大于 0 占比达 20%，年化 IC_IR 为 0.237。

13. 建材行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值在 2015 年—2020 年 2 月期间呈现连续增大的趋势，2020 年 2 月之后其呈现持续减少的趋 势。 分组的效果来看，组合因子在行业内部有较好的区分效果，其中表现最好的分组为第 3 组，建材指数自 2010 年以来的年化收益为 5.6%，分组后的第 1 组绝对年化收益-2.14%， 年化超额收益-7.4%，第三组年化收益 19.05%，大于指数的收益，年化超额收益 13.07%。

2010 年至 2022 年 12 月，组合因子在建材行业中的 IC 均值为 4.7%、IC 中位数 3.5%，IC 大于 0 占比达 57.1%，年化 IC_IR 为 0.5。

14. 建筑行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值长 期来看围绕 0 轴波动，历史上没有出现大幅的波动。分组的效果来看，组合因子在建筑 行业的分组效果较好，其中表现最好的分组为第 3 组，建筑指数自 2010 年以来的年化收 益为 6.3%，分组后的第 1 组绝对年化收益 0.87%，年化超额收益-5.26%，第三组年化收 益 14.28%，大于指数的收益，年化超额收益 8.12%。

2010 年至 2022 年 12 月，组合因子在建筑行业中的 IC 均值为 4.2%、IC 中位数 3.9%，IC 大于 0 占比达 54.5%，年化 IC_IR 为 0.508。

15. 交通运输行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值长期来看围绕 0 轴波动，历史上看其在 0 轴分布相对均匀。 分组的效果来看，组合因子在交通运输行业的分组较好，其中表现最好的分组为第 3 组， 交通运输指数自 2010 年以来的年化收益为 4.69%，分组后的第 1 组绝对年化收益 1.66%， 年化超额收益-2.57%，第三组年化收益 6.79%，大于指数的收益，年化超额收益 1.93%。

2010 年至 2022 年 12 月，组合因子在交通运输行业中的 IC 均值为 1.9%、IC 中位数 2.4%， IC 大于 0 占比达 52.6%，年化 IC_IR 为 0.265。

16. 煤炭行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值多 数时间均大于 0，滚动 12 期 IC 的均值也没有出现较大的上涨及下跌。分组的效果来看， 组合因子在煤炭行业分组效果较好，煤炭指数自 2010 年以来的年化收益为 0.32%，分组 后的第 1 组绝对年化收益-2.23%，年化超额收益-3.13%，第三组年化收益 3.15%，大于指 数的收益，年化超额收益 3.04%。

2010 年至 2022 年 12 月，组合因子在煤炭行业中的 IC 均值为 2.9%、IC 中位数 7%，IC 大于 0 占比达 57.1%，年化 IC_IR 为 0.368。

17. 农林牧渔行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值波动较大。分组的效果来看，组合因子在农林牧渔行业上分组效果较好，农林牧渔指 数自 2010 年以来的年化收益为 8.16%，分组后的第 1 组绝对年化收益 1.7%，年化超额收 益-1.93%，第三组年化收益 8.16%，大于指数的收益，年化超额收益 3.4%。

2010 年至 2022 年 12 月，组合因子在农林牧渔行业中的 IC 均值为 3.2%、IC 中位数 6.8%， IC 大于 0 占比达 56.5%，年化 IC_IR 为 0.326。

18. 汽车行业测试结果

IC 时序图可以看出滚动 12 期 IC 均值自 2018 年以来一直处于下降的趋势，故组合因子在汽车行业内的选股效果在近几年较差。 分组的效果来看，该因子的分组效果较差，汽车指数自 2010 年以来的年化收益为 4.58%， 分组后的第 1 组绝对年化收益 4.68%，年化超额收益-0.61%，第三组年化收益 4.84%，略 微大于指数的收益。

2010 年至 2022 年 12 月，组合因子在汽车行业中的 IC 均值为 0.3%、IC 中位数 2.3%，IC 大于 0 占比达 53.9%，年化 IC_IR 为 0.047。

19. 轻工制造行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值在 2016 年之后波动较大。 分组的效果来看，该因子的分组效果一般，第 1 组的收益要高于其第二组的收益，轻工 制造指数自 2010 年以来的年化收益为 3.2%，分组后的第 1 组绝对年化收益 3.28%，年化 超额收益-0.24%，第三组年化收益 6.26%，略微大于指数的收益。

2010 年至 2022 年 12 月，组合因子在轻工制造行业中的 IC 均值为 4.6%、IC 中位数 4.2%， IC 大于 0 占比达 54.5%，年化 IC_IR 为 0.377。

20. 商贸零售行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值长期来看波动较小，历史上没有鲜有大的上涨和下跌。分组的效果来看，该因子的分 组效果较好，其中表现最好的分组为第三组。商贸零售指数自 2010 年以来的年化收益为 2.42%，分组后的第1组绝对年化收益0.2%，年化超额收益-2.1%，第三组年化收益4.02%， 略微大于指数的收益，年化超额收益 1.85%。

2010 年至 2022 年 12 月，组合因子在商贸零售行业中的 IC 均值为 0.3%、IC 中位数-0.4%， IC 大于 0 占比达 48.1%，年化 IC_IR 为 0.043。

21. 石油石化行业测试结果

IC 时序图可以看出长期来看其滚动 12 期 IC 均值多数情况都大于 0，故组合因子在石油石化行业内的选股效果较好。分组的 效果来看，该因子的分组效果较好，石油石化指数自 2010 年以来的年化收益为 3.05%， 分组后的第 1 组绝对年化收益-4.88%，年化超额收益-7.45%，第三组年化收益 10.27%， 大于指数的收益，年化超额收益 6.72%。

2010 年至 2022 年 12 月，组合因子在石油石化行业中的 IC 均值为 7.3%、IC 中位数 8.1%， IC 大于 0 占比达 61%，年化 IC_IR 为 0.724。

22. 食品饮料行业测试结果

IC 时序图可以看出滚动 12 期 IC 均 值在历史上多数时间都大于 0，故组合因子在食品饮料行业内的选股效果较好。 分组的效果来看，该因子的分组效果较号，食品饮料指数自 2010 年以来的年化收益为 12.44%，分组后的第 1 组绝对年化收益 1.43%，年化超额收益-0.61%，第三组年化收益 22.04%，大于指数的收益，年化超额收益 9.54%。

2010 年至 2022 年 12 月，组合因子在食品饮料行业中的 IC 均值为 6.6%、IC 中位数 5.7%， IC 大于 0 占比达 59.1%，年化 IC_IR 为 0.961。

23. 通信行业测试结果

IC 时序图可以看出多数区间滚动 12 期的 IC 均处于 0 轴以下，2016 年之后其波动较大， 故组合因子在通信行业内的选股效果较差。分组的效果来看，该因子的分组效果较差，， 效果最好的分组为第一组，通信指数自 2010 年以来的年化收益为 4.55%，分组后的第 1 组绝对年化收益 4.34%，第三组年化收益 1.38%，小于于指数的收益。

2010 年至 2022 年 12 月，组合因子在通信行业中的 IC 均值为 0%、IC 中位数 1.7%，IC 大于 0 占比达 51.3%，年化 IC_IR 非常低。

24. 消费者服务行业测试结果

组合因子在消费者服务行业的分组效果较差，其中分组结果最好的为第 2 组，同时组合 因子滚动 12 期 IC 均值长期围绕 0 轴上下震荡，历史来看不存在因子持续表现较好的时 间段。

2010年至2022年12月，组合因子在消费者服务行业中的IC均值为-0.3%、IC中位数1.6%， IC 大于 0 占比达 51.9%，年化 IC_IR 为-0.031。

25. 医药行业测试结果

2010 年至 2022 年 12 月，组合因子在医药行业中的 IC 均值为 4.4%、IC 中位数 6.1%，IC 大于 0 占比达 59.7%，年化 IC_IR 为 0.777。

26. 银行行业测试结果

2010 年至 2022 年 12 月，组合因子在银行行业中的 IC 均值为 7.2%、IC 中位数 13%，IC 大于 0 占比达 60.4%，年化 IC_IR 为 0.518。

27. 有色金属行业测试结果

2010 年至 2022 年 12 月，组合因子在有色金属行业中的 IC 均值为 0.3%、IC 中位数-1%， IC 大于 0 占比达 49.4%，年化 IC_IR 为 0.038。

28. 非银行金融行业测试结果

2010年至2022年12月，组合因子在非银行金融行业中的IC均值为4.9%、IC中位数6.1%， IC 大于 0 占比达 51.9%，年化 IC_IR 为 0.467。

（二）行业内测试小结

根据所有行业的 IC 统计结果我们可以将行业分为四类：第一类：适合 canslim 因子选股的行业，该分类 的筛选标准是 IC 的均值和中位数都大于 0.03，同时年化 ICIR 大于 0.5。该分类包含的行 业有：食品饮料、医药、石油石化、基础化工、机械、银行、建筑、建材。第二类：该 分类的特点是 IC 的均值和中位数同样都大于 0.03，但其年化 ICIR 小于 0.5。该分类的行 业不一定完全适合 canslim 因子选股，还要结合其行业内分组的线性程度再进行筛选。该 分类包含的行业有：非银金融、电力及公用事业、钢铁、计算机、传媒、轻工制造、煤 炭、农林牧渔。第三类：该分类行业的 IC 均值大于 0 小于 0.03，年化 ICIR 略大于 0。 该分类下的行业同样要结合其分组的线性程序结合起来进行判断，该分类包含的行业有： 电力设备及新能源、交通运输、国防军工、家电、房地产、汽车、商贸零食、电子、有 色金属。最后一类，该分类行业的 IC 均值小于 0，表示不适合使用 canslim 因子选股的 行业，该行业包含：通信、消费者服务、纺织服装。

第一类行业中组合因子在各行业的多空分组的区分度较高，多空分组年化收益均超 7%。 其中食品饮料、基础化工、建材三个行业的多空分组年化收益超 15%，夏普比大于 0.8； 医药、石油石化的多空分组年化收益率超 10%，夏普比率大于 0.6；机械、银行两个行业 的多头组合的年化收益超过 10%，多空组合年化收益超 7%；建筑行业是第一类分组中较 差的行业。

第二类行业中组合因子在各行业的多空分组的区分度没有那么明显，仅个别几个行业的区分度较高，分别是：非银行金融、电力及公用事业、钢铁、农林牧渔，几个行业多头 组合的年化收益均大于 5%（有些行业指数本身的 2010 年以来年化收益非常低），另外， 煤炭、传媒行业因为其本身行业历史年化收益极低（传媒行业小于 0），多空组合年化收 益可达 5%。

第三类行业中组合因子在各行业的多空分组的区分度并不明显，我们从中筛选出 3 个相 对具有区分度的行业，分别是：电力设备及新能源、交通运输、国防军工。其中，电新 和军工的多头组合年化收益均超 12%，夏普比率均大于 0.5；交运行业多头年化为 7%夏 普比率 0.38。

第四类行业本身其组合因子的 IC 统计结果并不显著，故其在行业内部分组的效果不好， 同时其多空分组的表现同样一般。 上文从各行业的 IC 统计结果及多空分组的统计结果对比来看，我们一共筛选出以下 17 个行业适合 canslim 组合因子进行选股，分别是：食品饮料、医药、石油石化、基础化工、 机械、银行、建筑、建材、非银行金融、电力及公用事业、钢铁、传媒、煤炭、农林牧 渔、电力设备及新能源、交通运输、国防军工。

三、沪深 300 指数增强策略测试

（一）行业轮动在指数增强上尝试

本章节我们利用 FESC 行业轮动的信号来对沪深 300 指数进行增强测试。

1、纯多头测试的结果

该部分我们选用 FESC 行业轮动的信号，每期从沪深 300 指数的成分股中选择我们的模 型发出信号的行业成分股，按照沪深 300 指数内部成分股的权重进行再平衡。再平衡时 行业间我们同样选用等权的方式，行业内选用沪深 300 指数成分股的权重进行分配。 我们按照如下方法进行回测： 数据：2013 年 01 月 01 日至 2022 年 12 月 31 日的历史上所有沪深 300 成分股。 调仓频率：月度调仓，调仓日为每月的第一个交易日，考虑停牌、涨跌停对交易影响。 仓位控制：行业间等权配置，行业内按照沪深 300 权重分配。 调仓规则：筛选行业轮动信号与沪深 300 有重合的行业。 策略基准：沪深 300。 资金在选出股票上平均分配，交易费用买卖各千分之 1.3。

测试结果：

行业轮动的模型是之前我们在全 A 上测试的结果，所以现在对于在沪深 300 上的应用并 不存在过拟合的风险。 2013 年 1 月 1 日至 2022 年 12 月 31 日，策略在此期间年化收益率 18%，基准（沪深 300） 年化收益率 4.7，策略相对沪深 300 年化超额收益 13.3%。策略最大回撤 45.1%，发生于 2015 年 6 月至 2016 年 1 月底。 2013 年 1 月至 2022 年 12 月 31 日共计 2430 个交易日，其中获得正收益的天数为 1300 天，盈利天数占比 53.47%，盈利日平均每天盈利 1.17%，亏损日数 1130 天，亏损天数占 比：46.48%，亏损日平均每天亏损 1.17%。

从分年收益来看，过去 10 年除 2014 年以外其他年份组合均跑赢沪深 300，策略的表现 相对比较稳健，沪深 300 指数在 2013 年、2016 年、2018 年、2021 年、2022 年的收益为 负，组合在 2013 年、2016 年、2021 年的收益为正，在 2018 年与 2022 年的回撤也均小 于沪深 300。 相对收益的最大回撤为 22%，发生于 2021 年；其次，2014 年的最大回撤也较大为 20%。

2、多空组合测试的结果

该部分我们选用 FESC 行业轮动的信号，每期对于行业轮动信号看多的行业我们设置最 大+5%的偏离，对于看空的行业我们设置最大-5%的偏离，如果单个行业的仓位不足 5%， 我们将行业的仓位降为 0，再将所有看空行业的总仓位平均分配到看多的行业上。个股 的权重同样按照沪深 300 成分股行业内个股的占比来进行分配。 我们按照如下方法进行回测： 数据：2013 年 01 月 01 日至 2022 年 12 月 31 日的历史上所有沪深 300 成分股。 调仓频率：月度调仓，调仓日为每月的第一个交易日，考虑停牌、涨跌停对交易影响。 仓位控制：行业间看多行业最大偏离+5%，看空行业最大偏离-5%，行业内个股按照沪深 300 权重分配。 调仓规则：筛选行业轮动信号与沪深 300 有重合的行业。 策略基准：沪深 300。 资金在选出股票上平均分配，交易费用买卖各千分之 1.3。

测试结果：

2013 年 1 月 1 日至 2022 年 12 月 31 日，策略在此期间年化收益率 8.8%，基准（沪深 300） 年化收益率 4.7，策略相对沪深 300 年化超额收益 4.2%，策略最大回撤 45.2%。 2013 年 1 月至 2022 年 12 月 31 日共计 2430 个交易日，其中获得正收益的天数为 1283 天，盈利天数占比 52.78%，盈利日平均每天盈利 0.97%，亏损日数 1147 天，亏损天数占 比：47.18%，亏损日平均每天亏损-0.99%。

从分年收益来看，过去 10 年组合均跑赢沪深 300，策略的表现非常稳健。历史上不论沪 深 300 指数当年是否牛市组合均能实现超额收益，历史上 2013 年超额收益最大为 8%， 2016 年和 2022 年超额收益最小为 2%。 相对收益的最大回撤不超 3%，2021 年的相对回撤最大为-2.49%。另外，组合的跟踪误 差为年化 2.02%。

（二）canslim2.0 在指数增强上尝试

在本部分我们将利用上文第 2 部分测试的结果，每期从沪深 300 行业中筛选适合 canslim 选股策略的行业，选择其中的多头分组（第 3 组）的个股，对其行业内个股进行等权配 置，进行测试。 我们按照如下方法进行回测： 数据：2013 年 01 月 01 日至 2022 年 12 月 31 日的历史上所有沪深 300 成分股。 调仓频率：月度调仓，调仓日为每月的第一个交易日，考虑停牌、涨跌停对交易影响。 仓位控制：行业间按照沪深 300 的行业配置进行分配权重；行业内对于适合 canslim 选股 策略的行业，其行业内个股等权分配，其他行业保留沪深 300 权重分配。 调仓规则：每期利用 canslim 组合因子对各行业内个股进行打分。 策略基准：沪深 300。 资金在选出股票上平均分配，交易费用买卖各千分之 1.3。

测试结果：2013 年 1 月 1 日至 2022 年 12 月 31 日，策略在此期间年化收益率 10.2%，基准（沪深 300）年化收益率 4.7，策略相对沪深 300 年化超额收益 5.5%，策略最大回撤 49.1%。 2013 年 1 月至 2022 年 12 月 31 日共计 2430 个交易日，其中获得正收益的天数为 1304 天，盈利天数占比 53.64%，盈利日平均每天盈利 1.0%，亏损日数 1126 天，亏损天数占 比：46.3%，亏损日平均每天亏损-1.06%。

从分年收益来看，过去 10年组合有 7年跑赢沪深 300，在 2017 年与 2018 年跑输沪深 300， 2019 年与沪深 300 的收益持平，近三年连续跑赢沪深 300。历史上 2015 年超额收益最大 为 23%。 相对收益的波动较大，相对收益在 2017 年的最大回撤达-10.07%，近十年来平均每年的 最大回撤为-6.67%。另外，组合的跟踪误差为年化 6.28%。

编辑：荣耀2020