券商金股全解析
核心结论
券商金股，一般由每家券商研究所的策略组牵头，联合各行业共同推荐的股票组合，推荐频率通常是月频，多数券商的金股数量为十只，因此也称为“十大金股”。
券商金股集合了全行业的研究精华，可以理解为“皇冠上的明珠”，但由于这块数据都没有被一些通用数据库收集整理，所以基于券商金股做的一些研究测试也开展较少。本篇报告在上篇专题《券商金股下的惊喜组合》的基础上，对券商金股进行更为全面的研究。
首先，我们单独对每家券商金股的表现进行测试。考虑到各券商的数据长度不一致，且存在中间月份数据缺失的情况，我们选择用月度胜率这个统计指标来作衡量。在2018/1/8~2021/2/5回测期间，相对沪深300指数，绝大多数券商金股的胜率都高于50%；并且以海通证券金股为例，2018年以来金股组合表现也都能跑赢宽基指数。
其次，在券商金股池的基础上开展截面选股研究。基于初始金股池，分别构建行业中性下的沪深300和中证500金股组合，在2018/1/8~2021/2/5回测期间，相比各自对应基准，金股组合的年化超额收益分别为10.13%和22.02%；进一步，在初始金股池中基于常见因子构建选股组合，相比全部金股组合，年化超额收益能再提升8.67%；此外，将券商金股按照中信行业分类，多数行业内的金股相较行业指数都存在超额收益，其中机械、医药、化工、计算机等行业内金股的月均超额收益在1.5%以上。
再者，根据券商金股在时间序列上的信息尝试选股。在2018/1/8~2021/2/5回测期间，分别对当期比上期新增推荐的金股组合、当期比上期推荐券商数增多的金股组合进行了测试，相较全部金股组合，这两个金股组合都没能带来显著的超额收益。
最后，基于券商金股的推荐机制，构建行业轮动策略。截面上将金股映射到中信一级行业上进行归类，选取金股数量最多的前五个行业，等权构建行业多头组合，相比全部一级行业的等权组合，年化超额收益10.56%，信息比率1.24。
风险提示：本报告结果基于历史数据测算；未来市场结构可能发生变化，历史表现不能直接线性外推。
一、引言
券商金股，一般由每家券商研究所的策略组牵头，联合各行业共同推荐的股票组合，推荐频率通常是月频，多数券商的金股数量为十只，因此也称为“十大金股”。
以长江证券2021年1月推荐的十大金股为例，从推荐理由中可以看出，金股推荐的背后都包含了分析师对其基本面的看好，而这看好的结果又是分析师从多个维度综合考量的。对于量化投资来说，其中不少定性的分析都是较难量化的，因此，思考如何基于券商推荐的金股开展一些研究会更加可行。
券商金股集合了全行业的研究精华，可以理解为“皇冠上的明珠”，但由于这块数据都没有被一些通用数据库收集整理，所以基于券商金股做的一些研究测试也开展较少。本篇报告在上篇专题《券商金股下的惊喜组合》的基础上，对券商金股做更为全面的研究，主要内容包括：
第一，回溯各家券商金股的历史表现；
第二，基于样本券商的金股数据，开展截面选股研究；
第三，利用券商金股在时间序列上的信息，尝试选股研究；
第四，根据券商金股的推出机制，构建行业轮动策略。
在开展研究前，对我们整理的券商金股数据做些说明：
其一，样本券商池中一共纳入了23家券商，分别有海通、安信、东北、申万、方正、东吴、华创、中泰、华泰、光大、中信建投、东方、兴业、长江、国信、国盛、西部、中信、西南、国金、粤开、天风、招商；
其二，整理的券商金股数据从2017年1月到2021年1月，其中在某些时间点，有些券商没有金股数据，是空缺的；
其三，剔除了券商金股中的港股/美股，只保留A股；
其四，券商金股数据来源于券商研报、公众号、每市。
二、各券商推荐金股的历史表现
券商金股由于整合了整个研究所的成果，因此，在每个月推出的时候都受到市场广泛的关注。但由于之前没能便捷获取这块数据，所以对其历史表现，是否能长期跑赢市场，都还没一个清晰的测试。
考虑到各券商的数据长度不一致，且存在中间月份数据缺失的情况，我们选择用月度胜率这个统计指标来衡量各家券商金股的表现。由于在每个月，各家券商发布金股报告的时间稍有先后，但一般都不会晚于当月的五个日历日，因此在构建组合上，我们设定为每月初的第五个交易日进行调仓，各券商金股内等权，回测期间2018/1/8~2021/2/5。
在整个回测期间，共计37个月，多数券商的数据量达到30个月以上，最少的也有17个月数据。在月度胜率上，相对沪深300指数，绝大多数券商金股的胜率都高于50%。
此外，以历史金股数据较为完整的海通金股为例，在2018/1/8~2021/2/5期间，整体上该券商金股组合都能跑赢沪深300和中证500指数。但同时我们也看到，由于单一券商推荐的金股数量有限，直接构建组合带来的波动也较大，因此我们会集中研究券商群体推荐金股的有效性。
三、券商金股在截面上的研究测试
在截面上，每期将有金股推荐的券商汇总，形成一个初始的金股池。可以看到，2018年以来截面上的金股数量相对比较稳定，平均每期股票数量在180只左右。
基于初始的金股池，根据沪深300内和中证500内成分股之间权重的差异，我们构建两个组合：自由流通市值加权下的金股组合、等权下的金股组合。每月初第五个交易日组合调仓，回测期间2018/1/8~2021/2/5。
回测期间，构建的两个金股组合均能较好地跑赢对应基准，自由流通市值加权下的金股组合相对沪深300指数，年化超额收益10.52%，信息比率2.19，超额最大回撤5.67%；等权下的金股组合相对中证500指数，年化超额收益18.81%，信息比率2.69，超额最大回撤6.75%。
分月度来看，自由流通市值加权下的金股组合相对沪深300指数，37个月中有27个月取得正超额收益，月度胜率73%，单月超额收益最高为3.80%，最低为-3.01%；等权下的金股组合相对中证500指数，37个月中有28个月取得正超额收益，月度胜率76%，单月超额收益最高为6.37%，最低为-7.67%。
进一步，我们考虑在控制行业中性下，测试金股组合相对沪深300以及中证500指数的超额表现。基于初始的金股池，分别根据沪深300、中证500的行业权重分布设定金股组合和基准保持行业中性，行业内个股按照自由流通市值加权，每月初第五个交易日组合调仓，回测期间2018/1/8~2021/2/5。
在回测期间，金股组合均能跑赢对应基准。沪深300行业中性下构建的金股组合，累计超额收益34.84%，年化超额收益10.13%，信息比率2.49，超额最大回撤3.83%，分年度看，2018、2019、2020年的超额收益分别为6.04%、10.74%和13.37%；中证500行业中性下构建的金股组合，累计超额收益85.28%，年化超额收益22.02%，信息比率2.49，超额最大回撤8.68%，分年度看，2018、2019、2020年的超额收益分别为13.46%、17.52%和28.94%。
3.1 截面上不同共识度下的金股表现
截面上，我们将券商金股进行汇总，可以看到，有的金股被多家券商同时推荐，而有的金股只有一家券商推荐。2018年以来，重复推荐的金股数量大约占截面上全部金股的四分之一，而有接近四分之三的金股是独家推荐，这和近两年机构持仓抱团的情况有些差异，也说明券商分析师这个群体在努力挖掘潜在的价值股。
在这里，我们将金股被推荐的次数定义为“共识度”。将截面上的金股按照共识度大于1和共识度等于1分别构建组合，组合内个股等权，每月初第五个交易日调仓，回测期间2018/1/8~2021/2/5。
从回测结果中看出，这两个组合的收益表现不存在显著的差异，这在一定程度上弱化了共识度高的金股更值得关注。进一步，我们尝试用万得全A指数来刻画市场环境，在市场上涨或下跌阶段，不同共识度的金股也没有表现出稳定的差异。
3.2 券商金股在行业内的超额表现
由于每家券商每期推荐的金股数量有限，一般只覆盖几个行业，所以我们考虑在每个月把有数据的券商样本汇总起来，2018年以来，对于中信一级29个行业，绝大多数行业中都有分析师推荐的金股。
根据每期截面上汇总的券商金股，按照中信一级行业分类，我们将同一行业内的金股按照自由流通市值加权构建组合，测试其相比对应行业指数的超额表现。组合在每月初的第五个交易日进行调仓，回测期间2018/1/8~2021/2/5。
在回测期间，绝大多数行业内的金股组合都能跑赢对应行业指数，尤其像在钢铁、机械、消费者服务、医药等行业，月度平均超额收益能在2%以上，而且月度胜率均在50%以上；此外，在食品饮料、房地产、家电等行业内金股组合较难取得超额收益。
进一步分析，可以看到，不同行业内分析师推荐金股的行为存在差异。例如，在食品饮料和家电行业内，分析师推荐股票相对集中，在2017/1~2021/1共49个月中，伊利股份、贵州茅台、五粮液分别有43、42、35个月被推荐，格力电器、美的集团分别有38、33个月被推荐，推荐次数远高于行业内其他金股；而在机械和医药行业内，分析师推荐金股则更加分散。
3.3 常见选股因子在金股池中的选股表现
基于券商金股池，我们测试一些常见因子的选股表现。因子分别有短期动量因子、市值因子、估值因子、成长因子、流动性因子等（具体因子的定义可以见附录一），主要从因子IC和因子分组表现来判断因子在金股池中的选股有效性。回测期间2018/1/8~2021/2/5，组合在每月初第五个交易日调仓。
从因子IC维度上看，Earnings Yield、Residual Volatility、Book-to-Price和Liquidity因子的选股效果较为突出，并且这四个因子都是负向选股因子，这四个因子反映的是高估值、低波动、低换手因子在金股池中选股相对有效。
在因子分组测试层面，我们根据因子的升序排列将金股池分为五组，分别为组一、组二、组三、组四和组五，然后将每组收益减去同一个基准万得全A指数，用各组的超额累计表现来反映因子的单调性。可以看到，虽然Earnings Yield、Residual Volatility、Book-to-Price和Liquidity这四个因子的分组表现不是严格单调的，但是因子分组下的多头（组一、二）比空头（组四、组五）都能带来超额收益，并且因子是负向选股因子。
基于选股因子的测试研究，我们尝试每期在金股池中根据Earnings Yield、Residual Volatility、Book-to-Price和Liquidity四个因子等权来选股，因子选股方向均为负向。回测期间2018/1/8~2021/2/5，每期选取因子综合得分最高的50只股票等权构建组合，组合在每月初第五个交易日调仓，比较基准为金股池中全部金股的等权组合。
回测结果可以看到，相较全部金股组合，四因子选股下的金股组合具有一定的超额收益，但超额收益主要由2020年贡献。
由于金股历史数据长度相对有限，参考这些选股因子在全市场的选股表现，可以知道Earnings Yield和Book-to-Price因子长期表现出低估值效果，尽管2019、2020年低估值因子有所回撤。因此，考虑在上面四因子的基础上，剔除Earnings Yield和Book-to-Price因子，只用Residual Volatility和Liquidity两个因子等权在金股池中选股。
每期在金股池中根据Residual Volatility和Liquidity两个因子等权来选股，因子选股方向均为负向，回测期间2018/1/8~2021/2/5，每期选取因子综合得分最高的50只股票等权构建组合，组合在每月初第五个交易日调仓，比较基准为金股池中全部金股的等权组合。
2018/1/8~2021/2/5回测期间，相比全部金股的组合，Residual Volatility和Liquidity两个因子选股构建的多头金股组合存在超额收益，年化超额收益8.67%，信息比率1.31；分年度看，2018、2019和2020年的超额收益分别为7.80%、2.91%和12.13%。
四、券商金股在时间序列上的研究测试
券商金股是否在时间序列上隐含着一些信息，也是我们研究的重点。相比量价数据和公司财务数据，券商金股这块数据的完整性相对弱些，下图是我们截取某一段时期内8家样本券商是否有金股推荐的情况，1表示该券商在当月有推荐金股，0表示没有推荐。可以注意到两点：其一，部分券商研究所开展月度金股推荐的工作较晚；其二，尽管有些券商较早开始推荐金股，但在中间有些月份没能整理到它们的金股数据，存在缺失。
考虑到时序上的研究要求样本前后的一致性，我们作这样的处理：对于前后相邻两期，我们筛选出这两期都有金股数据的券商作为当期的研究样本。
4.1 时序上新增推荐的金股表现
单看某一家券商，其推荐的金股在前后两期一般会有较高的换手率，以安信证券推荐的金股为例，相邻前后两期金股更换的频率还是较高的，但同时又看到，有些金股在间隔了一两期之后又被再次推荐，比如，贵州茅台在2020年10月、2020年11月被推荐，2021年1月、2021年2月分析师选择了同行业内的泸州老窖作为金股推荐，在2021年3月贵州茅台被再次推荐。分析师的这一行为，背后也是一个综合考量，结合了公司基本面和市场情绪面的结果。
因此，我们把截面上样本券商推荐的金股汇总，来综合反映券商群体推荐金股在时序上的变化。2018年以来，每期新增推荐的金股和持续推荐的金股在数量上相当，股票数量平均在90只左右。
我们将新增推荐的金股和持续推荐的金股分别构建组合，组合内个股等权，每月初第五个交易日进行调仓，回测期间为2018/1/8~2021/2/5。整体上来看，新增推荐的金股组合相比持续推荐的金股组合，不存在显著的差异。
4.2 时序上推荐券商增多的金股表现
观察前后两期券商推荐的金股，可以看到，有些金股会新进推荐，有些金股会退出推荐，还有一些金股会持续推荐，但推荐的券商数发生了变化。从逻辑上来讲，当期比上期有新增的券商加入推荐同一金股，可能表征着该股票被更多的分析师所认可，这或许会在市场上形成动量效应。
对此，我们统计了前后两期持续推荐的金股中，推荐券商增多和未增多的金股数量，可以看到，推荐券商增多的金股数量相对会少些，平均每期在20只左右。
在前后两期持续推荐的金股中，我们将推荐券商增多的金股和未增多（包括持平和减少）的金股分别构建组合，组合内个股等权，每月初第五个交易日进行调仓，回测期间为2018/1/8~2021/2/5。从结果上来看，这两个组合的收益表现不存在显著差异。
五、券商金股下的行业轮动
关于行业轮动方面的研究，一直是市场的热点也是难点，对于量化统计模型来说，行业轮动上可选资产的宽度不够是一个较为关键的问题。因此，思考如何把带有逻辑的一些观点加入到行业轮动模型中，是我们研究的方向。
每家券商金股的推出，一般先由各个行业推荐本行业的几只标的，然后策略分析师会更多从宏观和中观的角度筛选未来看好的一些行业。那么从这个逻辑出发，我们可以考虑把金股中策略的观点提炼出来，构建行业轮动模型。
因此，我们设计这样一个行业轮动策略：每月初第五个交易日拿到券商金股数据，然后将股票映射到中信一级行业上进行归类，进而选取金股数量最多的前五个行业，等权构建行业多头组合，比较基准为中信一级行业的等权组合。
2018/1/8~2021/2/5回测期间，行业多头组合相比全行业等权组合，年化超额收益10.56%，年化超额波动8.53%，信息比率1.24，超额最大回撤10.91%。
进一步，统计回测期间各行业做多的次数。可以看到，食品饮料、医药、电子、计算机、机械和基础化工被做多的次数较多，比如食品饮料行业，在回溯期间37个月份中，有26次做多；相对应的，有一半以上行业被做多的次数很少，比如房地产、建材，只有2次做多，而煤炭、钢铁、纺织服装等则一次都没有做多。
此外，我们还测试过另一个行业轮动策略：根据行业内的金股数量，计算中信一级行业在截面上的排名，进一步计算当期相较上期各行业的排名变化，选取排名上升最多的前五个行业等权构建行业多头组合，比较基准为中信一级29个行业的等权组合。每月初第五个交易日组合调仓，回测期间2018/1/8~2021/2/5。
回测结果中看到，根据当期相比上期行业推荐排名变化构建的行业轮动策略，没能获得显著的超额收益。
六、总结
券商金股，一般由每家券商研究所的策略组牵头，联合各行业共同推荐的股票组合，推荐频率通常是月频，多数券商的金股数量为十只，因此也称为“十大金股”。
券商金股集合了全行业的研究精华，可以理解为“皇冠上的明珠”，但由于这块数据都没有被一些通用数据库收集整理，所以基于券商金股做的一些研究测试也开展较少。本篇报告在上篇专题《券商金股下的惊喜组合》的基础上，对券商金股进行更为全面的研究。
首先，我们单独对每家券商金股的表现进行测试。考虑到各券商的数据长度不一致，且存在中间月份数据缺失的情况，我们选择用月度胜率这个统计指标来作衡量。在2018/1/8~2021/2/5回测期间，相对沪深300指数，绝大多数券商金股的胜率都高于50%；并且以海通证券金股为例，2018年以来金股组合表现也都能跑赢宽基指数。
其次，在券商金股池的基础上开展截面选股研究。基于初始金股池，分别构建行业中性下的沪深300和中证500金股组合，在2018/1/8~2021/2/5回测期间，相比各自对应基准，金股组合的年化超额收益分别为10.13%和22.02%；进一步，在初始金股池中基于常见因子构建选股组合，相比全部金股组合，年化超额收益能再提升8.67%。此外，将券商金股按照中信行业分类，多数行业内的金股相较行业指数都存在超额收益，其中机械、医药、化工、计算机等行业内金股的月均超额收益在1.5%以上。
再者，根据券商金股在时间序列上的信息尝试选股。在2018/1/8~2021/2/5回测期间，分别对当期比上期新增推荐的金股组合、当期比上期推荐券商数增多的金股组合进行了测试，相较全部金股组合，这两个金股组合都没能带来显著的超额收益。
最后，基于券商金股的推荐机制，构建行业轮动策略。将金股映射到中信一级行业上进行归类，选取金股数量最多的前五个行业，等权构建行业多头组合，相比全部一级行业的等权组合，年化超额收益10.56%，信息比率1.24。
七、风险提示
1、本报告结果基于历史数据测算；
2、未来市场结构可能发生变化，历史表现不能直接线性外推。