某金融机构用素镜科技的模型历史数据，模拟量化选股，将素镜财报辨伪评分、企业经营画像评分，作为“横向”选股条件，将符合条件的股票纳入指数成分股，计算一段时间内的指数累计收益。同时，通过指数累计收益，对比不同基准下的选股是否有效。
第一轮：素镜数据自身对照评测
一、概要——素镜模型：
素镜科技每年对企业半年报、三季度报和年报做定期模型自动评估，覆盖全部A股、三板、发债、港股、申请IPO非金融企业。企业一旦发布财报数据，系统将在数秒内完成评估。素镜科技是市场上唯一一家，不依赖监管等舆情信息，以纯量化模型，精准评估企业风险的公司。素镜模型，2018年上线至今，历经七年公开市场打磨验证和回测，模型精准度近95%。
素镜科技两个主要模型：财报辨伪模型——抓取企业财务造假信号，并量化评估爆雷风险；企业行为画像模型——从九大维度，量化评估财务数据背后企业经营风险。
二、模拟步骤（以下为某金融机构评测原文）
1、数据实际生效日：由于财报实际披露时间，较财报统计截止日期有滞后，故在素镜科技各股票报告期数据的基础上，追加报告期对应的发布日期列，实际评测中，以发布日期作为评分变动日。
2、评分数据转为日频数据：通过将财报辨伪评分以及企业行为画像评分数据，从财报发布日期当天向后填充无数据交易日的方法，将报告期节点数据转为日频数据。
3、设置财务造假对照组以及企业行为画像对照组：按照财报辨伪评分以及企业行为画像评分，划分成财报辨伪对照组（财报辨伪低风险、财报辨伪高风险）、企业行为画像对照组（企业行为画像低风险、企业行为画像高风险）、双项评分对照组（双项评分均低风险、双项评分均高风险）。
3.1.使用财报辨伪风险等级划分表，将全市场股票划分为两组：低风险（财报辨伪评分≤60）、高风险（财报辨伪评分>60）。
3.2.使用企业行为画像风险等级划分表，将全市场股票划分为两组：低风险（企业行为画像评分≥-5）、高风险（企业行为画像评分＜-5）。
3.3.使用财报辨伪风险等级划分表和企业行为画像风险等级划分表，全市场股票划分为两组：双项低风险（企业行为画像评分≥-5 & 财报辨伪评分≤60）、高风险（企业行为画像评分＜-5 & 财报辨伪评分>60）
4、计算日涨跌幅方法：由于常规市值加权法计算涨跌幅，会使得最终结果受高市值公司的股价涨跌幅影响较大，因此将当日符合条件的股票，采用等权计算的方法计算“日涨跌幅”。当日停牌股，不参与日涨跌幅的计算。
5、每日符合条件的成分股：在符合基本“评分条件”的基础上，以下两种股票做剔除处理：①京市股票由于上市时间较短，股价受非基本面影响较大——剔除；②新股上市不设涨跌幅限制，在等权计算每日涨跌幅的情况下影响过大，并且上市初期容易受炒作影响，严重偏离基本面，故新股仅在第21个交易日之后才纳入成分股。
6、设置累计收益统计起止日期：素镜科技提供的数据为2018年中报至2021年年报。2018年中报发布日期为2018年7月至9月，前期每日符合条件的股票数据较少，数据噪音较大，故起始日期定为2019年第一个交易日（2019年1月2日）。2021年年报发布日期为2022年1月至4月，由于素镜科技不评测一季报数据，故年报评分数据可沿用至2022年半年报发布日之前，故截止日期定为2022年6月30日。
7、累计收益计算方法：使用常规累计收益计算方法，区间累计收益率 = ∏（1 +日涨跌幅）- 1
8、计算每日成分股个数：由于部分长期停牌、暂停上市的股票，没有正常交易，但是仍然会披露财报，在实际计算中并不会纳入涨跌幅统计，因此统计每日成分股个数时，需要剔除这些股票。每个股票集计算平均每日正常交易成分股个数、最大每日正常交易成分股个数、最小每日正常交易成分股个数。
三、结论
从累计收益率角度看，财报辨伪、行为画像高、低风险组有明显差异：
（1）财报辨伪组：高风险组区间收益为44.57%，明显低于对照低风险组的64.55%。
（2）企业行为画像组：高风险组区间收益为29.44%，明显低于对照低风险组的79.22%。
（3）双项评分组：双项高风险组区间收益为27.59%，明显低于对照低风险组的80.24%。
每日成分股个数：
（1）财报辨伪组：高风险组每日成分股平均个数为2134（最大2540，最小1866），低风险组每日成分股平均个数为1769（最大2113，最小1471）。成分股平均数偏重较轻，成分股日度个数波动范围适中。
（2）企业行为画像组：高风险组每日成分股平均个数为2335（最大2743，最小1906），低风险组每日成分股平均个数为1568（最大2098，最小1064）。成分股平均数偏重较为明显，高风险组成分股明显多于低风险组，成分股日度个数波动较大。
（3）双项评分组：双项高风险组每日成分股平均个数为1586（最大1872，最小1293），低风险组每日成分股平均个数为1020（最大1392，最小744）。成分股平均数偏重较为明显，高风险组成分股明显多于低风险组，成分股日度个数波动较大。
总结：
（1）三项对照组低风险组收益均高于高风险组，证明素镜科技财报辨伪评分、企业行为画像评分均有效。
（2）企业行为画像评分有显著择优/排雷效果。
四、素镜点评：
1、经营与股价高度相关
以上部分为某金融机构第一轮测评，从中可以看到：行为画像评分(评估企业经营状况)与收益率强相关，行为画像分>=20区间，股价累计涨幅达100.72%；行为画像分>=0区间，股价累计涨幅达86.5%；而2018年-2021年期间，总体样本在等权基础上，涨幅为54.48%。
2、“不造假”≠“经营好”≠“股价涨“ & “造假”≠“股价跌“
以上金融机构的测评，对财报辨伪模型的理解有些偏差。
首先，素镜辨伪模型单期高风险预警线是70分，而该金融机构取了60分。素镜财报辨伪模型造假预警规则设置通常采用（单期辨伪分高低+历史预警次数）综合考虑，以排除偶然因素导致的财报调节。该机构测评时采用60分，误杀了许多造假信号尚未达预警的企业。
此外，财报辨伪识别造假信号，仅用于排除而非选择，“不造假”≠“经营好”，而经营与股价高度相关，因此单看财报辨伪意义不大。造假风险从开始造假到被发现爆雷，至少需要3-5年的风险演变，明显的造假已被市场定价，隐藏深的造假，财报诠释的经营状况优良，暂未被市场定价，“造假”≠“股价跌“。
尽管如此，可以看到综合类型中第1、2组，”财报辨伪低风险组“收益率明显高于”财报辨伪高风险组“，其中隐含的内在关系是：造假信号与经营好坏强相关，而经营又与股价强相关——也即经营好的企业通常不造假，但这个推论如果反过来却不一定成立，也即：“不造假”的企业不一定“经营好”，也不一定“股价涨“ 。
综上，行为画像直接反映企业经营状况，但其中也有noise，即造假，要剔除这部分noise，最好的方法是用素镜已有的预警规则（单期辨伪分高低+历史预警次数）剔除短期可能爆雷的成分股，而不是依据辨伪分一刀切。
第二轮：素镜数据与市场对照评测
一、概要
在第一轮评测中，已验证素镜科技财报辨伪评分、企业行为画像评分均有效，故进入第二轮深入评测。
由于最终目的为使用素镜科技评分选出优质股票，而素镜科技的评分中，剔除了金融行业股票，可能与大盘存在偏移。故在第二轮评测中，将对比两个素镜股票对照组，与全市场、主要指数之间的收益情况，评测在缺少金融行业股票的情况下，素镜低风险/高风险股票集，收益率是否高于/低于市场综合收益。
本轮评测注重点为低风险股票集，收益是否能跑赢基准，如果能跑赢基准，则认为评分强有效，进入下一轮深入评测。
二、具体步骤
1.基准设置：使用全沪深A股组合，以及沪深1800成分股合集（沪深300、中证500、中证1000）作为基准，以下简称“沪深1800”
1.1.沪深A股：沪深A股全股票作为第一项基准，为初级收益门槛。
1.2.沪深1800成分股合集：每日沪深300、中证500、中证1000的成分股合集，这三项指数涵盖了A股市场不同规模和不同行业中，大众意义上的“好标的”，为最为大众认可的业绩表现对比标杆，在此作为中级收益门槛。
2.基准计算方式：为保证收益率具有可对比性，基准也同样使用第一轮中，计算素镜收益率的计算方法。
三、结论
从上图可见，素镜各风险组合中，收益率最佳组为行为画像分>=20，与沪深A股相比，超额收益率为46.18%；与沪深1800相比，超额收益率为30.32%。风险最高组为双项评分风险高组（行为画像评分＜-5 & 财报辨伪评分>60），与沪深A股和沪深1800相比，超额收益率分别为-26.95%和-42.81%。
此外，如果财报辨伪使用方法得当，依据上一部分素镜点评建议修改，高低风险辨识度在收益率区分上会表现更加明显。
第三轮：素镜数据与“讲故事”指标结合
在A股的股价逻辑里，“讲故事能力”似乎比“经营状况”更密切影响股价，如果把这个能力简易快速量化标准化，再与素镜模型数据结合，收益率会再大大提高，例如行业权重，如半导体、芯片之类；高收入增长率、高毛利率也常常隐含未来趋势逻辑，等等。
以下简单用收入增长率结合，与沪深A股相比，最高超额收益率为61.88%；与沪深1800相比，最高超额收益率近50%，整体增加16%。
具体如何提高收益率，需要花时间在不同指标和评分区间、样本数之间多加测试，找到其中临界点，相信只要方法得当，超过沪深1800收益80%-100%以上也未尝不行。素镜科技可提供2021年以前十年，任何年份历史数据供测试，有兴趣可与客服联系获取。
添加客服微信：SujingkjService
【进入公众号】-【会员】-【申请试用】
