用量化的方法寻找高护城河公司（四）
在上一期文章用量化的方法寻找高护城河公司（三）中，我们将策略A结合PE估值因子组合，做了一系列回测。数据显示，结合PE因子能大幅减小策略A的整体回撤，但同时也降低了策略A的总体收益水平。时间轴上，超额分布没有显著的特征，策略收益也未见显著的单调性。下面就从主观投资逻辑出发，在PE估值因子中加入当下成长性因素，形成新的估值指标，即PEG估值指标。下文将以策略A为股票池，结合PEG因子进行3分位持仓，观察其收益变化情况。
估值因子的因子数据选择
从主观投资逻辑出发，我们在评估一家公司的估值情况时，仅仅只看PE高低是不够的。因为PE仅仅反映了股票当前的价值。实际做估值评价时，我们还需要考虑其成长性。因为成长性越高的公司，其未来PE值越低。
基于以上思考，我们引入PEG指标对企业进行估值评价。PEG=PE/G。PEG把股票当前的价值和成长性结合了起来。PEG指标也是彼得林奇推崇的估值指标。因此下文将以策略A结合PEG指标形成的组合策略展开分析。
高护城河结合PEG因子3分位回测情况
关于高护城河结合PEG因子的策略，我们选定的PEG指标中，PE取PE（TTM）值，而G值取当下同比增速。当PE或G为负的情况时，将对应的PEG值设为一个极大值。通过将策略A的股票持仓按PEG从小到大进行3分位持仓，形成的3组策略。调仓频率为每日调仓，手续费设定为双边万分之16，以及每笔滑点万分之20。测试时间为2013-01-01到2019-07-31。具体收益曲线如下：
从策略的回测曲线看，策略A叠加PEG因子的三分位收益曲线差异较大。策略A结合高PEG策略近几年的收益显著差于其他两组策略。在大盘不同风格下，PEG因子对策略A中的股票区别力较强。2014年牛市中时，高PEG策略能显著跑赢其他策略，而在近3年的震荡市中却稳定跑输。综合来看，策略A+中PEG策略在大盘不同阶段的表现更优，而策略A+高PEG策略表现最差。
策略的收益参数如下：
从策略的各项收益参数来看，策略A叠加PEG因子后在策略收益上显著提升，策略回撤也有小幅改善。从策略的回撤幅度上观察，策略A+低PEG策略的最大回测下降至34.57%，而策略A+高PEG策略的最大回撤却是50.60%。这意味着当你总是持有高PEG组时，承担了更大的风险，且夏普比率更低。从策略绝对收益上观察，三组策略中的前面2组均超越了基准收益策略A，且在区间分段时间内存在一定的单调性。综合考虑回测结果，我们选定策略A+中PEG策略为观察对比目标，进行进一步分析。
策略绝对收益分布情况（过去3个月的累计收益）
过去3个月的收益图，反映的是该策略在过去3个月的累计收益情况。例如2019年3月，即统计了以2019年1月到3月的累计收益情况。当大部分时间都是正值时，说明该策略按3个月的投资时间统计，盈利概率较大。上图为2012年以来策略在时间序列上的收益分布情况。
从收益分布看，策略A+中PEG策略前后收益分布情况相对均衡，更能适应多种市场风格，在更多的时间内保持了较为稳定的收益水平。
策略A+中PEG策略收益相对于策略A的超额收益分布情况
月度超额收益，即策略A+中PEG策略的月度收益减去策略A的月度收益。差额代表了前后策略收益的变化情况。上图月度超额收益的统计时间为3个月。
从月度超额分布图上观察，加入PEG维度后对策略A的收益改善显著，特别是近几年的超额收益相对稳定。
策略A结合PEG因子总结
策略A结合PEG因子后的回测数据显示，策略A叠加PEG因子后在策略收益上改善显著，最大回撤也有小幅改善。同时，超额收益在时间轴上分布也更为均衡，特别是近几年超额收益显著。
进一步思考
策略A结合PEG因子后的回测数据显示，结合PEG因子能改善基本收益，减小回撤水平，但三组策略收益的线性不强。高PEG组的综合表现较差，可以作为剔除条件来使用。