投资者更好的选择
资金流选股策略
一、 选股模型构建原理 ................................................... 3 1.
资金流特征分析 ...................................................... 3 2.
逆向选择理论 ........................................................ 3 3.
指标及算法 .......................................................... 4 4.
数据样本及参数设定 .................................................. 4
二、量化选股模型 ........................................................ 5 1.
模型选股思路 ........................................................ 5 2.
指标选择 ............................................................ 5 3.
指标验证 ............................................................ 6
三、选股策略 ............................................................ 8 1.
多头策略组合 ........................................................ 8 2.
多空策略 ........................................................... 10
三、最新推荐组合 ....................................................... 11
一、 选股模型构建原理
资金流是能够反映股票潜在信息的指标，所以市场有许多机构都在测算资金流，并据此来选
择股票。但是大家都是直接引用绝对资金流指标，或者只是做一些简单处理，另外根据这些
指标选择股票的模型也比较简单，没有做深入的实证分析回测，指标的特性及模型的有效性
投资者更好的选择
有待商榷。因此本文将对资金流选股做深入研究以及回测分析，寻找稳定的资金流指标选股
模型。
. 资金流特征分析
在上一篇资金流特征分析的报告中 1，通过对资金流强度、信息含量、杠杆倍数等指标进行
了深入分析，并将这些指标与未来收益等指标进行建模分析，重点得出以下几个结论：
. 资金流的信息含量对研究资金流非常重要，如果资金流的信息含量较低，则可能受
噪音干扰，导致测算结果存在误差。实测证明，信息含量比率越高，则其与当期收
益率的回归拟合优度 R 越高，说明有效信息含量高，其中超过 10%的信息含量才是有效的资
金流信息。
. 绝对资金流含量无法反映市值大小，必须进行标准化，将资金流除以流通市值的比
值记作资金流强度。同时为了表明资金流导致市值变化的效果，引入资金流杠杆倍数的指标。
实证表明：通过资金流强度、杠杆倍数与当期收益率的回归拟合优度 2
得到了明显提高。
. 利用资金流指标预测未来收益率与信息含量有关，资金流信息含量越高、持续的时
间越长，其预测效果越好，说明信息含量和持续时间能够给市场造成深远影响。但是持续时
间越长可能获得样本数据将会越小。
. 资金流对未来收益率是负的效应，在散户较多的非有效市场，知情交易者会利用私
投资者更好的选择
有信息，引诱其他投资者，导致股价对潜在信息反应过度，一旦消息公布则市场会逐渐纠正
这种过度，形成收益率的反转效应，即股票的当期资金流则对其未来收益率产生相反的作用。
. 资金流杠杆倍数与未来收益率的回归系数为正，表明杠杆倍数与未来收益率成正相
关关系。根据微观结构理论，资金流撬动的市值上升越大，说明市场对该股票分歧越小，阻
力也越小；反之如果是负数则说明分歧越大，阻力也越大。因此在无涨跌停的有效市场，信
息公布后，理论上股价将在瞬间对信息作出反映。
. 逆向选择理论
在非强势有效的 A 股市场，普遍存在信息不对称的问题。机构投资者与散户投资者在对同一
信息的评估能力存在差异。大部分情况下，散户投资者缺乏专业的投资能力和精力，那么根
据搭便车理论，希望借助机构投资者对股价的判断来进行投资，一旦机构率先对市场潜在信
息作出反应，羊群效应的散户投资者则追涨杀跌，往往导致许多情况下市场会对潜在信息反
应过度。这样根据逆向选择理论，能够准确评估信息价值的投资者便会对反应过度的股价做
出交易，买入低估的卖出高估的股票，从而纠正这种信息反应过度行为。
详情参见 2011 年 5 月 23日的报告《寻找股潮澎湃下的暗流——资金流特征分析》。
根据市场对潜在信息反应过度的结论以及市场投资者的行为特征，虽然我们在无法准确获知
潜在信息是否充分反应，也可采取逆向选择模型理论来构建选股模型，即反其道而行之，卖
出前期资金流入、价格上涨的股票，买入前期资金流出、价格下跌的股票。按照这个思路，
对一些指标参数进行回测分析，得到稳定的选股模型，并对选股组合深入的风险绩效评估分
析。
投资者更好的选择
. 指标及算法
根据招商证券资金流测算模型（CMSMF）测算了资金流净额，同时为了得到更多资金流的信息，
衍生了资金流信息含量、资金流强度、资金流杠杆倍数三个指标，资金流信息指标的具体定
义（见表 1）： 表 1：资金流选股指标及其定义
指标
资金流净额（MF） 资金流信息含量（IC） 资金流强度（MFP） 资金流杠杆倍数（MFP）
当期收益率（R） 资料来源：招商证券研发中心
定义
根据 CMSMF 模型测算的资金流净额
资金流净额/交易额 资金流净额/流通市值 流通市值变动/资金流净额 取样期内股票的收益
率
意义 资金流绝对金额 资金流中的有效信息含量标准化资金流的强度 衡量资金流的撬动效
应 衡量最近一个月的收益率
. 数据样本及参数设定
根据招商证券资金流金额测算模型（CMSMF），测算了 1600 只股票在 2005 年 1 月到 2010 年
12 月每日资金流净额数据，共计 2800 多万个日数据。根据资金流的特征分析，选择资金流
信息含量、资金流强度、资金流杠杆倍数以及当期收益率等 4 个资金流指标为资金流选股因
子（见表 1）。 检验期间为 2005 年 1月~2010 年 12 月，总共 6年半时间，共计 72 个月数据。
测试调整期限为一个月，计算该月资金流入总额，然后在计算该月资金流的的其他指标。在
每个月首个交易日调整仓位，采用首日股票收盘作为建仓成本，月底最后一个交易日收盘价
投资者更好的选择
为卖出价，以此来计算股票的收益率，构建和调整组合；测试中考虑交易冲击成本 %，以
及交易税费成本 %，合计 %计算。
二、量化选股模型
. 模型选股思路
根据资金流各种指标的特点，在选股模型中采用比较简单的方法，即指标排序打分的方法来
筛选股票。首先通过对各个资金流指标分别进行排序打分，然后将股票对应各个指标的得分
进行求和，最后以总得分值大小来筛选股票。具体步骤如下：
第一步：确定待选股票池。选择组合构建时剔除上市不满一个月的股票，剔除调仓期（月初
第一个交易日）涨、跌停以及停牌的股票，防止因涨、跌停买无法交易。剔除信息含量小于
10%的股票，因为这部分股票信号不明显，无法获取有效信息。 第二步：构建初始股票组合。
） 指标打分：首先将待选股票池中股票分别按照各个指标进行排序（价值指标从小至
大，成长指标从大至小），然后采用百分制整数打分法进行指标打分，即以股票在各个指标排
名中所处位置的百分数作为股票对应该指标的得分，前 1％得分为 1，依次递减，最后 1％得
分为 100。 b） 求和排序：将股票相对于各个指标的得分进行求和 2，将和值进行从小至大
排序，进
行分组比较；另外，选择排名靠前的 N只股票构建优势组合（Winners 组合），同时选择排名
后 N只股票构建劣势组合（Losers 组合）。 c） 股票权重：在基本量化模型中，组合中股票
权重均采用等权重。
第三步：组合定期调整。持有组合至次月，利用更新后的指标数据重新确定待选股票池，重
复第二步打分、求和过程，并将股票按照指标得分和值从小至大排序，将原来分组的组合中
排名跌出组合的股票剔除，调进新的股票，同时将新组合内样本股的权重调整至相等。
投资者更好的选择
第四步：统计检验。分别计算各组合每个月收益情况，以股票池作为比较基准，利用 t 检验
考察 Winners 组合超额收益的有效性，并用信息比率和战胜基准频率等各种风险收益评估指
标来衡量各种指标的优劣。
. 指标选择
首先利用上述基本模型进行资金流指标的测试。为了考察选股模型对组合股票个数的稳定性，
我们按照指标得分，将股票池股票平均分为 5 组，来对比各组合的业绩表现，并用相对股票
池的各种业绩评价指标进行比较分析（见表 2）。 根据资金流特征分析的结论，资金流强度
的回归系数均值为负值，说明资金流强度与未来收益率成反作用，资金流杠杆倍数与未来收
益率是正相关，当期收益率和信息比率与未来收益率也是负相关关系。在做排序打分时，考
虑到这些指标对下期收益率的因素影响，资金流强度、当期收益率、信息含量是降序排列，
资金流杠杆倍速是升序排列。
表 2：资金流指标选股测试结果（20%）
指标组合
MFP MFL
% % % % % % % % % % %
% % % % % % % % % % %
A % % % % % % % % %
`.%
.
.
% % % % % % % % %
% % % % % % % % % %
投资者更好的选择
%
%
.0% %% % % %
IC MFP-MFL MFP-R MFP-MFL-R MFP-IC-MFL-R
HS300
注：：RW 表示组合的平均月收益，RV表示组合的月波动率， W-A 表示 Winners 组合相对股票
池的平均月超额收益，Hit 表示 Winners 组合战胜股票池的频率，IR 表示 Winners 组合相对
于沪深 300 指数的信息比率，tStat 表示 Winners 组合相对于股票池的超额收益的 t 统计结
果，Sharp 为夏普比率，AD 为组合相对股票池的最大月度跌幅，D 为组合的最大月度跌幅，
AI 为累计收益率，ICorr 为信息系数，测算指标的预测收益排序与实际收益排序的相关性系
数，用来评价指标的预测效果；All 为股票池所有股票组合，上述指标后同。 资料来源：招
商证券，聚源数据，沪深交易所 leve1 行情数据
首先必须对选股指标进行筛选，因此对 IC、MFP、MFL、R 四个单指标进行测算，分别比较了
平均收益、战胜比率、信息比率、t 统计值、夏普比率、累计收益以及指标的信息系数。发
行 MFP 指标较其他指标都要好，无论从收益率还是其稳定性和预测效果都是最有效的指标。
而多指标模型，以 MFP 指标为中心，测算了多种指标组合构建模型，发现 MFP-MFL-R 的各种
指标结果表现最好，其收益率、战胜比率、IR、t 统计值、指标的预测效果都是最好的，所
以我们将选择这样的指标组合构建最终的选股模型。
. 指标验证
在选择了 MFP-MFL-R 组合的多指标模型之后，我们对其进行详细测试分析。首先将该指标选
择的股票池分为 5 组以及最好的 10 只股票和最差的 10 股票组合，进行比较分析。结果表明
该指标组合能够有效筛选股票的优劣（见表 3）： 1. 平均收益率程单调递增效应，最好的组
合收益率明显超越股票池，最差的组合平均
收益率低于股票池并为负数，说明该指标得分越高，组合收益越好。
投资者更好的选择
.
预测效果较好，通过对预测收益率排序与实际收益率排序进行相关性统计，平均相关性高达
%，说明通过该指标得分进行排序，能够较好地预测收益率。 战胜概率、IR、tStat、夏
普比率也程单调递增，优势组合的各个业绩评价指标都表现非常好，而劣势组合明显较差。
.
表 3：MFP-MFL-R选股指标分组测试结果
指标组合
A
1 2 3 4 5 W10 All HS300
.23% % % % % % %
.29% %
投资者更好的选择
.%
.30% %
.52% % % % % % % %
.180
.10% % % % % % %
%%%%%%%
.30% %
.6%%% % %
.5% %
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
图表 1：MFP-MFL-R组合指标的历史信息系数统计
@0 _%0%‐10%‐20%‐30%
‐1
‐1
投资者更好的选择
‐1
‐1
‐1
‐1
注：每月的信息系数，测算指标的预测收益排序与实际收益排序的相关性系数，用来评价指
标的预测效果。
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
综上所述，通过 MFP-MFL-R 组合的资金流指标排序打分的方法能够有效地区分股票优劣，优
势组合能够有效地战胜股票池，劣势组合则低于股票池，表 1 是信息系数的历史统计图表，
以此来评价该指标模型的预测效果，预测信息系数的平均值为 %。
三、选股策略
. 多头策略组合
在前面的测试比较后，得出 MFP-MFL-R 组合指标的选股的组合效果最好，因此采用该模型，
根据上个月的资金流相关指标的排序打分情况，选择排序后 20%的优势股票作为多头组合，
每月选股一次并进行调整。从历史看，平均每月有 30 只股票（见图表 2），换手率大约 95%
以上，也就是每月换手率一次。在每个月首个交易日调整仓位，采用首日股票收盘作为建仓
投资者更好的选择
成本，月底最后一个交易日收盘价为卖出价，换仓在下月第一个个交易日完成，以此来计算
股票的收益率，构建和调整组合；测试中考虑交易冲击成本 %，以及交易税费成本 %，
双边合计 %的换仓成本。 图表 2：MFP-MFL-R 组合指标选股模型的历史组合数量
‐1
‐1
‐1
‐1
‐1
‐1
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
从测试结果看（见表格 2），多头组合平均收益为 %，平均超额收益率为 %（包含换
仓成本，见图表 1），t 统计值为 ，战胜比率和累计收益都比较高；而劣势组合为%，
t统计值为，战胜比率及累计收益都比较低；优势减劣势组合平均收益 %，波动率
都比沪深 300 要高一点。
表 4：MFP-MFL-R组合指标选股模型的历史组合测试结果
指标组合 Winner Loser HS300
投资者更好的选择
A
.63% %
.11%
.%
.75%
.35% % %
.173
.14% % %%
.85%
.5%%
.0%
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
投资者更好的选择
多头组合累计收益率高达 %，比沪深 300 高 551%；统计了历史各年份收益率情况，优势
组合在大部分年份要跑赢市场，只在 2006 年市场普涨的情况下跑输沪深 300 指数。在风格、
板块轮动比较频繁、热点较多的市场，超额收益比较高。另外，采取了严格的测算参数，剔
除换仓日涨跌停的股票，可能低估优势组合的收益率、高估劣势组合的收益率。
表 5：MFP-MFL-R组合指标选股模型历史组合的各年度收益率
2006 2007 2008 2009 2010
.05% % % % % %
% % % % % %
% % % % % %
注：分优势组合和劣势组合，其每年的累计收益与沪深 300 比较，绿色表示跑输，红色表示
跑赢，计算了换仓成本。
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
图表 3：MFP-MFL-R组合指标选股的优势组合历史超额收益率
_%0%‐10%‐20%‐30%
‐1
投资者更好的选择
‐1
‐1
‐1
‐1
‐1
资料来源：招商证券
图表 4：MFP-MFL-R组合指标选股的优势组合历史净值表现
WR
注：LR 为劣势组合，WR 为优势组合。
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
. 多空策略
既然 MFP-MFL-R 组合的资金流指标选股模型能够明显地区分优势股票和劣势股票，那么我们
可以建立多空策略，以获得稳定的组合收益。根据模型筛选优势组合和劣势组合各 20 只股票，
构建多空策略组合，假设换仓成本双边 %，融资融券成本为 10%，进行模拟测算。
投资者更好的选择
图表 5：多空组合历史净值表现
Long/Short
注：考虑到交易成本之后，采取 2 倍杠杆的多空组合历史收益统计，截止 2010 年 12 月。 资
料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
历史回测表明：多空组合组合平均收益率为 %，波动率为 %，大约有 69%月份能实现
正收益，累计收益率 167%，较沪深 300 累计收益 195%要少一点，但是多空组合的稳定性非常
好，β 系数为，α 为 %，收益与大盘波动基本不相关，能够获得稳定的正收益。
如果提高杠杆比率到 2，则收益率得到明显提高，平均收益为 %，累计收益为 541%，适
合构建绝对收益型产品（见图表 5、表 6）。 表 6：多空组合的历史年度累计收益率
2006 2007 2008 2009 2010
.90% % % % % %
/Short % % % % % %
% % % % % %
% % % % % %
注：考虑到交易成本之后，Long/Short 组合采取 2倍杠杆，Long、Short 无杠杆，截止 2010
年 12月。 资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
投资者更好的选择
三、最新推荐组合
我们根据上述模型，采用 2011 年 5月的资金流数据，选择 6 月份最新的组合，其中优、劣势
组合各 20 只列表如下： 表 7：20 只优势组合
代码
名称
代码
名称
000613 000691 002554 000430 002409 002159 600794 600715
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
2 3 4 5 6 7 8 9 10 600507 002110 002480 002495 002422 002239 002562 002534 600608
002429 方大特钢 三钢闽光 新筑股份 佳隆股份 科伦药业 金飞达 兄弟科技 杭锅股份 *ST
沪科 兆驰股份 东光微电 旭飞投资 ST 东海 A *ST 亚太 惠博普 ST张家界 雅克科技 三特索
道 保税科技 *ST 松辽
投资者更好的选择
表 8：20 只劣势组合
代码
名称
代码
名称
600636 600729 600992 600975 600127 000702 600288 002047 600639
资料来源：招商证券，聚源数据，沪深交易所 leve1 行情数据
2 3 4 5 6 7 8 9 10 600429 600532 600167 000025 600242 600758 002184 002505 600114
600568 三元股份 华阳科技 联美控股 特力 A 中昌海运 红阳能源 海得控制 大康牧业 东睦
股份 中珠控股 宜华木业 三爱富 重庆百货 贵绳股份 新五丰 金健米业 正虹科技 大恒科
技 成霖股份 浦东金桥
分析师承诺
负责本研究报告的每一位证券分析师，在此申明，本报告清晰、准确地反映了分析师本人的
投资者更好的选择
研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推
荐或观点直接或间接相关。
罗业华：江西财经大学计算机工学和金融经济学双学位，MBA，金融工程分析师。从业七年，
曾主持开发股指期货套利系统、权证评价系统、金融工程实验室，目前工作是运用数理、编
程知识，进行股指期货、量化投资、算法交易等策略研究。
杨向阳：西安交通大学计算数学理学硕士，信息与计算科学理学学士。07 年进入招商证券研
发中心，主要研究方向包括数量化投资策略、投资组合构建及风险评估以及期权期货等金融
衍生产品。
陈军华：华中科技大学管理科学与工程专业硕士、信息管理与信息系统专业学士，现招为招
商证券研究发展中心金融工程分析师。
投资评级定义
公司短期评级
以报告日起 6个月内，公司股价相对同期市场基准（沪深 300 指数）的表现为标准：
强烈推荐：公司股价涨幅超基准指数 20%以上 审慎推荐：公司股价涨幅超基准指数 5-20%之
间 中性： 公司股价变动幅度相对基准指数介于±5%之间 回避： 公司股价表现
弱于基准指数 5%以上 公司长期评级
：公司长期竞争力高于行业平均水平 B：公司长期竞争力与行业平均水平一致 C：公司长期
竞争力低于行业平均水平 行业投资评级
以报告日起 6个月内，行业指数相对于同期市场基准（沪深 300 指数）的表现为标准：
推荐：行业基本面向好，行业指数将跑赢基准指数 中性：行业基本面稳定，行业指数跟随基
准指数 回避：行业基本面向淡，行业指数将跑输基准指数
投资者更好的选择
重要声明
本报告由招商证券股份有限公司（以下简称“本公司”）编制。本公司具有中国证监会许可的
证券投资咨询业务资格。本报告基于合法取得的信息，但本公司对这些信息的准确性和完整
性不作任何保证。本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大
不同。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，在任何情况下，本
报告中的信息或所表述的意见并不构成对任何人的投资建议。除法律或规则规定必须承担的
责任外，本公司及其雇员不对使用本报告及其内容所引发的任何直接或间接损失负任何责任。
本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。客户应当考虑到本公司可能存在可能影响本报
告客观性的利益冲突。
本报告版权归本公司所有。本公司保留所有权利。未经本公司事先书面许可，任何机构和个
人均不得以任何形式翻版、复制、引用或转载，否则，本公司将保留随时追究其法律责任的
权利。
