发展绿色金融需精准量化碳减排效果

       央行11月8日宣布创设推出碳减排支持工具，以稳步有序、精准直达方式，支持清洁能源、节能环保、碳减排技术等重点领域的发展，并撬动更多社会资金促进碳减排。这是央行首次推出结构化货币政策工具，引导金融精准支持企业绿色转型发展。

       在“碳达峰、碳中和”目标引领下，高质量发展成为各界共识，绿色金融迎来重要发展契机。9月25日，中国金融学会绿色金融专业委员会主任马骏表示，按2018年不变价计算，在碳中和背景下，中国未来三十年的绿色低碳投资累计需求将达487万亿元。

       投资需要评估。央行要求，金融机构公开披露发放碳减排贷款的情况以及贷款带动的碳减排数量等信息，并由第三方专业机构对这些信息进行核实验证，接受社会公众监督。

       不过，碳减排量核算体系尚未明确，而生态环境部也暂未明确专业机构名单和相关验证资质。第三方评估机构如何量化、评估绿色项目的碳减排量，如何将碳排放量金融化？为此，时代周报专访了第三方评估机构绿融（广州）信息科技有限公司(下称“绿融科技”)总经理张涵。

       绿融科技成立于2018年，是中国首家绿色金融科技服务商，致力于运用区块链、大数据等数字技术提供绿色金融与碳中和解决方案。目前，绿融科技正为南方电网、兴业银行、浦发银行等企业提供绿色金融、碳中和相关数字技术服务。

       “碳减排”如何与金融结合？

       绿色金融产品范围广泛，覆盖绿色债券、绿色信贷、绿色股票、绿色投资基金、绿色担保和碳信用，以及绿色保险、租赁和金融衍生品，还包括向发展中国家提供的双边和多边气候资金。碳减排大背景下，金融业务如何展开？

       张涵向时代周报记者分析指出，目前金融机构面临两个问题：一是如何实事求是地做好碳核算，二是如何真正发挥绿色金融的“影响力”与“额外性”。“以规模最大的绿色信贷来说，绿色信贷是服务绿色发展的信贷，一笔贷款减少了多少碳排放，数值需要科学、精确地计量，这就是央行等监管一直强调的‘可操作、可计算、可验证’。”张涵表示，这也与国际国内碳市场所通行的MRV原则（Monitoring监测、Reporting报告与Verification核查）不谋而合。

       央行货币政策司司长孙国峰也指出，碳减排支持工具的设计按市场化、法治化、国际化原则，充分体现公开透明，做到“可操作、可计算、可验证”，确保工具的精准性和直达性。

       碳减排支持工具只是绿色金融的组成部分之一，但央行定调该货币工具的“可操作、可计算、可验证”定位，对所有绿色金融工具都有启示意义。这意味着，要做好碳核算，金融机构需和第三方评估机构合作，利用数字评估系统解决企业碳排放量的测算问题。

       评估机构根据不同场景研发服务债券、融资租赁与信贷等金融产品的评估认证及碳核算工具、平台，以提高绿色金融产品的碳核算效率，使成本显著下降。“比如我们建立数字化的‘碳-绿色金融’信用模式，替代人工碳核算，以应对人工认证低效高价、道德风险、标准性差等顽疾，解决绿色金融产品的碳核算问题。”张涵说。

       时代周报记者了解到，绿融科技研发出绿色金融智能评估认证系统“绿色金融共识”，利用区块链分布式记账、可追溯等技术特性构建金融信用体系；同时发挥区块链共识机制作用，结合大数据应用，以实现绿色金融产品的智能化认证与ESG风险管理。

       “绿色金融共识”属于智能数字化认证与量化管理系统，利用区块链技术手段确保相关信息、数据的真实、高效、不可纂改、可追溯并规避道德风险；同时，利用智能合约技术实现自动、半自动化认证，从而构建高效、低成本的碳中和绿色金融服务体系。

       金融科技是金融助力碳达峰、碳中和目标的重要力量。比如，科技公司联合金融机构，共同探索基于碳属性的金融产品的风险定价模型，并将碳属性评估嵌入到各类金融产品的发行和交易过程。

       绿融科技与浦发银行合作推出全国首笔碳中和挂钩贷款，基于区块链提供的认证信用基础，设立与碳减排量挂钩的差异化利率机制，信贷申请方光伏发电企业减排量越大，享受的利率也将更低。金融机构利用利率杠杆形成激励机制，推动企业减排。

       绿色金融要充分发挥效力，就要创设与绿色属性、环境效益挂钩的金融定价机制，把环境因素纳入金融投资决策。“利用金融手段正向引导企业重视环境效益，构建影响力，这就实现环境外部性的内部化。”张涵认为，金融机构支持绿色项目的信贷必须体现差异，“如果没有差异，绿色信贷就没有‘影响力’或‘额外性’。”

       “比如，央行推出碳减排支持工具，向商业银行提供1.75%的低成本资金专项支持碳减排项目，这就体现出金融工具给碳减排项目带来‘额外性’，也意味着支持碳减排项目的绿色信贷存在‘影响力’。”张涵进一步表示。

绿色金融科技方兴未艾

       通过海量碳核算认证经验，第三方评估机构构建数字化碳核算系统，以实现碳排放数据的“可操作、可计算、可验证”。

       “任何绿色金融产品的评估认证核心都与绿色债券的‘四大基石’一致，即资金是否用于绿色产业项目、是否建立了适当的绿色项目评估与选择程序、募集资金的跟踪管理是否合格以及信息披露是否合格。”张涵表示，对服务“双碳”的绿色金融，更需要对碳减排效果进行精准量化。

       现实情况是，企业污染排放数据填报并不规范，存在异常数值或空值现象，中小企业排污数据更流于表面。比如，企业能源消耗数据总体披露比例过低，空气质量数据和污染排放数据披露时间过短等。金融机构难以精确识别“漂绿”项目。

       而金融机构较难建立专业团队进行有效评估碳排放量，需要专业机构或专业技术工具的支持。绿色信贷规模大，且碳减排核算、验证的精度要求较高，因此，人工认证难以提供适当的性价比。“绿色金融发展需要新的技术、模式，为企业提供新的解决方案。”张涵说。

       在张涵看来，数字技术的最大作用就是降低成本、提高效率。绿色金融领域已出现数字技术的应用方向，但绿色金融发展尚处初期阶段，绿色金融科技方兴未艾，未来发展空间不可限量。

       金融科技具有场景、渠道、数据和技术优势，能高效形成规范化的绿色信息披露报告，助力企业绿色项目符合监管要求，同时降低企业信息披露成本。

       “金融科技重构信用体系。”他认为，金融机构利用科技实现去中介化，增加直接融资，以进一步降低中小微企业融资成本。绿色金融的普惠性将愈加浓厚，这也将进一步推动绿色低碳转型。另一方面，金融科技将聚焦‘如何更好地将环境外部性内部化’，建立绿色信用体系，用绿色信用来影响金融决策与定价。

       张涵还认为ESG等非财务风险的识别与管理同样不能依靠“人工打分”，这需要基于数字科学搭建适当的方法与体系。环境效益核算要求科学、精确，数字技术比人工更具优势。

来源：时代周报

阿牛智投服务会员 推出“超强大脑”

       股票市场波诡云谲，大量信息让人无所适从。普通股民在投资过程中，往往有四大痛点：选股、择时、仓位、情绪。为了帮助投资者解决投资痛点，阿牛智投服务会员，推出了“名师+大数据”的“超强大脑”产品。

       阿牛智投负责人周凡表示，“超强大脑”具有百人专家团队、大数据研究中心、24小时热点监控、智能风控系统的特性；可以为投资者提供“六个服务”：个股账户诊断、VIP投资周刊、个股买卖提示、仓位风险管控、1对1专属客服、股票大户室。

       在选股阶段，“超强大脑”产品用大数据选股模型初选股票池，资深投顾团队结合实战经验，根据业绩拐点、市场热点、行业风口等选股策略进行二次筛选。在择时方面，根据消息面、资金面、筹码面、技术面、情绪面，五维一体，结合大数据策略参考，选择最佳个股买卖点。在仓位配置上，“超强大脑”采用智能仓位配比，针对不同个股风险收益比不同，合理配置仓位。降低持股过于集中的潜在风险，分散投资，均衡组合收益。同时，“超强大脑”首创股票大户室互动节目，帮助投资者抛开情绪，理性看待当下市场环境，做到该买时不恐惧，该卖时不贪婪。

       阿牛智投，聚焦金融科技及智能投资，致力于为中国亿万普通投资者打造”有温度“的智能投顾平台。公司获中国证监会颁发的《经营证券期货业务许可证（证券投资咨询）》，是中国证监会核准开展证券投资咨询业务的83家证券投资咨询公司之一，也是山东省内仅有的三家合格证券投资咨询机构之一。

基于动态因子调整的可持续量化选股策略

       在开发量化投资策略时，海外优秀论文往往能够提供新的思路和方法，为了能够让各位投资者更有效率地吸收海外的经验，东兴金工团队推出海外文献速览系列报告。我们将定期从海外文献中筛选思路较为新颖且有潜力应用于国内市场投资的文章，以速览的形式呈现给各位投资者，内容涵盖资产配置、量化选股、基金评价以及衍生品投资等多个方面。

　　量化选股是一个热门的学术研究领域。尽管在量化模型和过程方面已经做了很多工作，但仍有一些地方可以改进。首先，在预测目标的设定上，以往的研究往往以股票收益率或价格是上涨还是下跌作为预测目标，但收益率往往包含一些噪声，而两种分类(上涨还是下跌)的设定并没有捕捉到很多现有信息。其次，在因子选择方面，以往的研究往往是静态地选择因子，但因子通常在一段时间内是有效的，之后可能不再有效。在本文中，作者提出了一种可持续的量化选股策略，它能在长期内在熊市、牛市和波动市场上运作良好。

　　在本文中，作者使用随机森林模型为训练集在每个时期动态选择因子，以确保每个时期可以选择的因子是当期的最优因子。

　　同时，对股票收益进行分类概率预测(CPP)。该方法可以有效兼顾收益预测的准确性，避免噪声对收益率的干扰。

　　CPP 量化选股策略设计的基本思路可简单概括为如下几步：第一步，将每只股票按月收益率分入5 个区间，通过随机森林(RF)模型将因子筛选到模型中；第二步，通过重新组合每个时期的因子和收益率区间来构建训练集和测试集；第三步，使用RF 模型来预测每个训练集的因子的重要性，并按重要性降序排列，采用动态因子选择法来选择当期最重要的因子；第四步，使用XGBoost CPP 方法进行分类预测，将每只股票分入5 个收益率区间并按概率降序排列，将概率最高的前20 只股票纳入股票池，调整仓位时卖出股票池之外的股票并买入池中的新股票。

　　作者指出，拟合选股方法容错性相对较低，并且收益中的噪声通常很大，回归错误的概率通常很高，容易造成较大的最大回撤。多类概率预测选股策略不是选择预测收益率最高的股票，而是要在确定预期收益率的区间之后，选择该区间内收益率最高的股票，这种方式使得选股准确率和容错率都得到了提高。历史回测表明，基于动态因子调整的CPP 量化选股策略表现优于传统的机器学习选股方法，在大部分回测期内均能跑赢同期的沪深300 指数。

　　作者对量化选股策略的研究方法值得我们学习和借鉴。作者运用机器学习方法在因子动态调整方面的创新值得我们关注。

　　风险提示：

　　本报告内容来源于相关文献，不构成投资建议。文中的结果基于原作者对历史数据的回测，当市场环境发生变化的时候，存在模型失效的风险。

来源：天天基金网

量化投资不可“神化” 专家支招如何客观看待量化投资优点和风险

       央视网消息：今年市场反复震荡，机构投资者的业绩也出现较大波动。今年发展迅猛的量化私募基金，9月份以来出现一波明显的业绩回撤。近日，幻方、明汯等多家百亿级量化私募通告，将不再向客户提供预估净值推送服务。理由是，预估净值在准确性和完整性等方面存在瑕疵，这进一步引发了业内对其业绩波动的关注。

       今年前3个季度，在市场风格和行业轮动加快的背景下，量化策略投资基金业绩亮丽，规模扩容提速，不仅量化私募总规模在三季度已达1.45万亿，同期末公募量化产品规模也达近2500亿元。但从9月中旬开始到11月中旬，大部分公募基金和私募基金的量化策略投资都出现了不同程度的波动和回撤。

       而近期量化私募基金更是处在风口浪尖，回撤压力之下，年内已经有近10家量化私募发布暂停募集的公告。

业内人士解释称，量化策略有策略容量限制，规模的快速增长使得部分模型短期承受较大压力，在缺乏稳定对冲工具的背景下，量化对冲产品较难获取“低回撤”风险回报。

新闻链接：量化投资

       量化投资，是指通过数量化模型，建立科学投资体系以获取收益。量化投资最鲜明特征就是模型，也就是说，所有决策都是依据模型做出的。比如，按照行业配置模型确定超配或低配的行业、依靠股票模型挑选股票。每一次决策，都要通过数字程序运行模型，而不是凭感觉。这样有助于克服人性的弱点，比如投资中易犯的贪婪、恐惧、侥幸等心理。

       量化投资，在海外已经占据极大比例规模，最近几年也逐步为中国投资者所熟悉。但是，模型并不是万能的，专业人士认为，量化投资不可“神化”，那么应该怎样客观看待量化投资的优点和风险呢？

       周倓是北京一家中小型量化私募的创始人，公司最早为金融机构搭建场内期权的交易平台，随后逐步研发自己的策略模型后才开始发行产品，他认为量化行业和技术的发展本身会对金融市场的定价有效性做出贡献。

       自2010年沪深300股指期货推出以来，量化投资在中国已有超10年的历史，国内百亿以上量化私募目前已有26家。宋星驰所在的机构去年跻身百亿量化私募序列后，规模在今年进一步扩张。但他认为去年中国量化私募平均超额收益在20%左右只是一个阶段性的历史红利，超额收益下滑是不可避免的，聚焦于少数策略一味追逐业绩并不可取，只有长期主义者才能长存。

来源：央视网

为什么越来越多的人使用量化投资？量化到底有何独特的魅力？

       为什么越来越多的人使用量化投资？量化到底有何独特的魅力，让人念念不忘，甚至不惜改变原有的交易策略。量化这个听起来高大上词汇，听我慢慢揭开神秘面纱，您也会为这个伟大的策略深深折服。

       量化投资策略的五大方面的特点，主要包括纪律性、系统性、及时性、准确性、分散化。下面进行详细介绍：

       1.纪律性。投资模型的建议是需要投资者严格执行的，而不是随着人的情绪变化而更改。

       2.系统性。此特征包括多层次量化模型、多角度观察、及海量数据观察。

       3.及时性。能够根据市场的变化，不断发现新的统计模型，寻找新的交易机会。

       4.准确性。能够克服主观情绪，妥善运用套利思想。

       5.分散化。利用历史数据，依据筛选选出股票组合来取胜。也可以说是靠概率取胜。

量化投资的主要运用

       1.估值与选股。

       估值是对上市公司基本面分析的重要方法，在"价值分析"的基本逻辑下，对上市公司二级市场股价的偏离值，进而找出高估与低估的票，作为投资参考。

       选股分为基本面选股、多因素选股、动量、反向选股。在此仅仅详细介绍动量、反向选股。动量选股策略是指分析股票在以往的短期表现，事先对股票的收益和交易量设定条件，主要表现为购买过去几个月表现较好的票和卖掉不好的票。反向选股，其行为表现为买进过去表现差的而卖出过去表现好的股票。前一阵子的市场就是一个很好的例子，业绩很好的大白马跌跌不休，业绩差的反而涨幅惊人。

       2.股价预测。通过历史以往数据，进行预测股价。

       3.绩效评估。对基金的全面评估能够提供较好的视角和方法。

       4.程序化交易与算法交易策略。

       程序化交易主要是大机构的工具，他们同时买进或卖出整个股票组合。而买进和卖出的程序可以用来实现不同的目标。

       算法交易，也叫自动交易，简单点说就是通过机器利用某个公式进行计算。

来源：丛股倒金

阿牛智投周凡：如何防止陷入虚假宣传骗局？

       随着股票市场的蓬勃发展，“无证荐股”、“误导性宣传”等乱象屡有发生。不法分子通过网络推广、电话营销散播“无收益不收费”“收益率保证翻倍”等夸张性宣传术语，鼓吹过往炒股“业绩”，以承诺收益招揽客户。一些投资者被这些充满诱惑的词语迷失了心智，跟随所谓的“专家”、“牛散”炒股，最终导致财产受到严重损失。

       这些投资者就是受到了虚假宣传的影响。那么，什么是虚假宣传？虚假宣传是指在商业活动中经营者利用广告或其他方法对商品或者服务做出与实际内容不相符的虚假信息，导致客户或消费者误解的行为。《证券投资顾问业务暂行规定》中指出，证券公司、证券投资咨询机构应当规范证券投资顾问业务推广和客户招揽行为，禁止对服务能力和过往业绩进行虚假、不实、误导性的营销宣传，禁止以任何方式承诺或者保证投资收益。在证券投资咨询服务中，一些人利用承诺收益、夸大收益效果、伪造收益证据招揽客户，就是虚假宣传的行为。

       近年来，各地证监局都加大了对持牌证券咨询公司的监管力度，一旦发现虛假、误导性宣传，证监会将依法予以严厉打击。目前，以虚假宣传招揽客户的，往往是没有牌照的非法投顾；他们不仅做误导性宣传，还往往冒充持牌机构行骗。

       阿牛智投负责人周凡表示，虚假宣传抓住了人们期待“一夜暴富”的侥幸心理，投资者在投资过程中要树立长期投资、理性投资、价值投资的理念，不给不法分子可乘之机。同时，证券投资咨询服务也要从尊重投资者、保护投资者的角度出发，以专业、敬畏的态度对待每一位投资者。

为什么越来越多的人使用量化投资？量化到底有何独特的魅力？

       为什么越来越多的人使用量化投资？量化到底有何独特的魅力，让人念念不忘，甚至不惜改变原有的交易策略。量化这个听起来高大上词汇，听我慢慢揭开神秘面纱，您也会为这个伟大的策略深深折服。

       量化投资策略的五大方面的特点，主要包括纪律性、系统性、及时性、准确性、分散化。下面进行详细介绍：

1.纪律性。投资模型的建议是需要投资者严格执行的，而不是随着人的情绪变化而更改。

2.系统性。此特征包括多层次量化模型、多角度观察、及海量数据观察。

3.及时性。能够根据市场的变化，不断发现新的统计模型，寻找新的交易机会。

4.准确性。能够克服主观情绪，妥善运用套利思想。

5.分散化。利用历史数据，依据筛选选出股票组合来取胜。也可以说是靠概率取胜。

量化投资的主要运用

       1.估值与选股。

       估值是对上市公司基本面分析的重要方法，在"价值分析"的基本逻辑下，对上市公司二级市场股价的偏离值，进而找出高估与低估的票，作为投资参考。

       选股分为基本面选股、多因素选股、动量、反向选股。在此仅仅详细介绍动量、反向选股。动量选股策略是指分析股票在以往的短期表现，事先对股票的收益和交易量设定条件，主要表现为购买过去几个月表现较好的票和卖掉不好的票。反向选股，其行为表现为买进过去表现差的而卖出过去表现好的股票。前一阵子的市场就是一个很好的例子，业绩很好的大白马跌跌不休，业绩差的反而涨幅惊人。

       2.股价预测。通过历史以往数据，进行预测股价。

       3.绩效评估。对基金的全面评估能够提供较好的视角和方法。

       4.程序化交易与算法交易策略。

       程序化交易主要是大机构的工具，他们同时买进或卖出整个股票组合。而买进和卖出的程序可以用来实现不同的目标。

       算法交易，也叫自动交易，简单点说就是通过机器利用某个公式进行计算。

来源：腾讯网

量化因子对投资股票，回报有帮助！

       现在凡是买了基金或者股票的朋友，最关心的话题就是它的收益程度了，那么什么是收益增长呢，一般来说这部分的收入和指数涨跌挂钩，而增强部分，是在指数基础上做增强收入的操作，目的就是为了跑赢指数的表现。

收益指数的问题

       如果还是不了解朋友，下面小编就具体给大家讲一讲收入数值的问题，数值增强等同于β市场收入+α超额收入，Beta收入表示被动复制指数获得的收入，也就是说赚的是大盘上涨的钱，这也是收入来源的核心部分，Alpha收入可以理解为增强部分，拿出15%到20%左右的仓位，由基金经理通过主动选股，量化模型等多种方式调整投资组合，来争取获得比跟踪指数更多的加强收入阿尔法收入，如果把指数基金比作开车，跟踪的指标就像是导航路线，普通数值基金只需要沿着既定指数自动驾驶，速度快不快完全看路况，但指数增强基金则可以在一定范围内，由司机根据路况调整引擎速度，并个性优化路线，这类金融设立的初衷是奔着比指数本身上涨时多涨一些，下跌时少跌一些目的去的。

情绪因子等构建选股系统

       这个问题和很多的企业直接挂钩，所以基本面增强，通常需要基金公司自己有比较强的个股实力，就是公司的经营情况，选股主要通过对宏观，行业，企业及其他影响个股价格的因素进行分析，主观决策超配或低配哪些股票，量化选股主要是利用企业财务基本面因子，价量因子，情绪因子等构建选股系统，模型预测超配或低配哪些股票，金融公司构建出量化模型，如果研究发现有的量化因子对投资股票的回报有帮助，就会加入到模型，一般不是只靠一个金融经理，而是要依靠一个团队来做，比较考验金融团队整体的能力，上面两种增强策略，目前采用量化增强的基金公司多一些。因为从当下市场环境和特征来看，个股分化程度大幅提升，市场风格切换愈发频繁，在这种背景下，量化选股的宽度持股，行业分散等优势更加凸现。

基金公司量化团队整体的能力

       增长值的数据不是根据一天的收益决定的，是要看这几年这个产业的发展，还有未来企业的发展前景在决定，一边量子和分子达到平衡点以后，那么就很容知道这个问题了。

来源：腾讯网

量化投资中偏博弈型策略有效期较短

       随着业绩和规模的双双爆发，量化投资成了2021年最火热的焦点之一。如何理解量化投资的逻辑？量化投资在操作时考虑哪些因素？对于量化投资，有哪些常见的策略呢？

　因子不能涵盖量化投资门类

       我们经常会在量化产品或量化基金经理的路演报告中看到“因子”一词，其之所以出现频率如此之高，最主要的原因是多因子模型是所有做量化投资的鼻祖。

       众所周知，量化投资是用程序化交易，进行机器选股投资，比如指数增强，就是除了赚贝塔收益(β，即市场收益)以外，还追求阿尔法收益(α，即超额收益)。

       我们把市场上所有构成阿尔法的因素，抽象成了一个个因子，比如说它的估值高还是低，业绩增速快还是慢？股价的波动率是高还是低？这些都可以把它因子化，也就是标准化。随后我们就可以按照这一标准对市场上的股票进行排序，择优购买，所以三因子模型本质上是一个排序模型。

       但事实上，因子并不能涵盖所有量化投资的门类。例如一些偏程序化交易，更有赖于用机器学习的偏中高频交易的模型，它们往往因为不同指标的组合方式产生极大变化。而且很多时候，该模型关注的是发掘某一支股票的买点和卖点，本质上是一种时间序列的模型，而多因子模型是在一个时间截面上做横向比较的模型，所以这两者之间存在着很大差异。因此，在实际操作中会使用到多因子模型，但很多时候，更多考虑到的是基本面的数据，判断这家公司未来半年到一年，基本面的趋势是向上还是向下。

       总体而言，多因子模型其实更主要用于公募基金中的指数增强，但私募基金和一些选股比较集中的偏混合型基金，可能并不是以多因子模型为主。

       持股较为分散的指数增强型基金，以及在某些股票上持仓较高的基金，也属于量化的范畴，其做法也被称为“基本面量化”。它的具体逻辑是：首先，基金管理者已经形成一套已经比较固定或者成熟的投资理念，就像我们会先选择抓取基本面趋势向上的公司，这就是一个理念。在持股比较集中的情况下，然后再去了解数据背后的故事、企业的商业逻辑、影响业绩的原因、对长期趋势的判断等等。通过上面这些定性信息，再结合模型当中的定量信息，就可以相对更完整地了解一家公司，然后再来判断它是否符合我们所要求的基本面趋势向上，这整个过程就是主动加量化。

　筛选公司要考虑四因素

       首先需要关注的是公司的财务数据，包括利润增速、毛利增速、收入增速等，包括财务质量方面的指标、现金流方面的指标等等，这些都属于财务报告相关的数据。

       其次，结合所处行业的一些特殊相关数据，也可以帮助我们判断它所处的行业集中度是向上还是向下。

       此外，就是另类数据，比如说很多互联网上的数据，也可以帮助我们去了解某些上市公司的基本面变化趋势。

       掌握了这些数据之后，可以再搭建一个模型。比如在操作的时候可能会使用基于机器学习的分类模型，判断它的增速是会提高还是会下降，或者现金流的增速是会上升还是会下降等。

       最后，在面对不同类型的成长股时，选择的侧重点也有所差异。简而言之，对于大白马，追求的是它增速的提升，对于潜在的小黑马，更看重它整体的稳定性，当然这些侧重点在模型当中会有一些体现。

       由于金融行业周期属性比较强，如果在偏成长的方向上去寻找指标，那筛选出来的标的一般会有类似特征，或者说风格比较集中。从实际情况来看，在近几年的经济环境中，筛出来的或者说最终敢于下手买入的大多数都是白马型的成长股。

       另外，由于这两年行业的景气度相对低迷，预测小盘成长股真正能成长起来的概率是很低的，所以相对而言对小盘成长股的配置也会比较少，大盘成长股则更多一些。总体来看，整体持仓就会集中在医药大白马、计算机白马中。

港股具备配置价值？

       我们看到不少优质的公司在香港上市，比如银行、地产、生物医药、云计算、互联网等，这其中存在很多优质或者是稀缺标的，可供选择。

       与此同时，港股和A股又是各自独立的估值体系，可以有效地规避掉单一估值体系市场下的系统性风险。

       另外，港股已经走弱两年多了，目前已经具备了配置的价值，未来两年优质个股的性价比会越来越高。

       需要补充的是，在我看来，估值在筛选个股时是一个相对比较次要的因素。因为我们希望获取的收益是上市公司成长或者说它基本面趋势向上的利润，无论估值贵贱。当然，如果某公司在没有太多现实因素的基础下，估值达到历史上90%以上的中位数，会选择卖出。

       同时，我认为博弈、情绪、量价这些因素都不是目前主要关注的点。从个人在2013年-2017年的投资经验看，技术面的因子，或者基于量价情绪或博弈这方面的因子，基本上有效期都会比较短，每过半年到一年，甚至每过一个季度可能会失效。因为从本质上看，这些因子赚的都是博弈的钱，A赚B的钱，但是B赔多了策略自然会变，那么A的策略也会失效。即使B的策略不变，钱赔完后A的策略也会失效。因此所有偏博弈类型的策略，有效期都会非常的短。市场涨到什么时候是一个头，博弈或者说情绪发酵的转变点是哪儿，这些都是很难提前做判断的。我认为，主要的关注点还集中在它是不是一个好公司，未来的趋势是否向上。

来源：中新经纬