股票实证研究--A股中有哪些伟大的公司?
背景和理论
2019年5月4日, 第54届伯克希尔·哈撒韦股东大会在美国中部小镇奥马哈市举行。至少有3万人参加了此次大会，盛况空前，举世瞩目。89岁的巴菲特与95岁芒格，两位当今世上的伟大的智者仍然头脑清楚、反应迅速，让人叹为观止、深受感动！
两位老人对中国市场仍然十分看好，但投了哪些股票我们不得而知。但从以前透露的信息来看，他们对中国公司的选股标准是“连续10年每年的净资产收益率不低于20%，而且能稳定增长的企业才能进入其研究范畴”
A股有哪些伟大的公司？
能够连续10年净资产收益率>20%的公司足以称为伟大的公司。究竟是哪些A股公司能够如此优秀可以完全满足这些条件呢？我们可以利用聚宽量化交易平台的数据来进行实证研究找到答案（原代码见最后面）。我们可以得知，能够满足条件的A股公司只有8家，分属于3个行业。日常消费行业4家，分别是贵州茅台，洋河股份，伊利股份，承德露露。 医疗行业3家，分别是华东医药、恒瑞医药、信立泰。可选消费行业只有1家，格力电器。 (有媒体报道说有9家满足条件，他们肯定是错了）。
A股最伟大的公司
假设一：穿越回10年前
如果我们在10年前于2009年5月，投入10万元，平均投入到这几只股票，不止损和不止盈，当有分红，第二个月5号继续买入这几只股票，现在是什么情况呢？ 这种策略从2009年5月到2019年5月，年化收益为25%，总收益近800%，同期沪深300指数收益为49%，妥妥跑赢大盘。但回报率和北上广深的房价涨幅差好象不多，所以过去10年还是买房划算。当然这种穿越设想是不现实的，策略包含有未来函数，人不可能有时空穿越的能力。
image.png
假设二 定投模式。
如果我们采取定投模式，每个月5号发工资后，定投4000元，用于平均购买满足“连续10年每年的净资产收益率不低于20%”的公司股票。结果会怎么样呢？对不起，这个策略只有从2015年5月起才能够买。为什么？因为之前没有公司能满足条件。2015年中国A股首先满足条件的只有两只股票：万华化学，贵州茅台。 无论从哪个角度年地，贵州茅台真不愧是中国第一股。
该策略从2015年5月大股灾时进入到2019年5月，策略年化收益为15.93%， 总收益为78.06%，同其沪深300指数是-17.61%，妥妥跑赢大盘指数。当然，要能执行此策略，投入的钱必须是判死刑的闲钱，投资人需要有非一般人的定力，因为一是最大回撤39.85%，一般人是扛不下来的。 二是从2015年5月到2017年5月，长达两的的持续亏损，一般人也熬不住的。
从这个测试中，我们也可以看到，沪深300指数在过去4年的回报是-17.6%。国内有人鼓吹不用脑闭着眼睛采用股指定投就一定妥妥赚钱是不成立的，是片面的理解巴菲特和芒格的话。美国的标普500是十年连续上升，而中国A股不是这样的。未来如果有时间，我们可以在量化平台，采用股指定投策略回测加以实证检验。
image.png
附Python代码：
#看看A股有哪些公司的ROE连续10年20%以上
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import datetime
from jqdata import *
#---------1. 设置参数----------------------
n=10 #连续几年
r=20 #roe要求
today = datetime.date.today() #今天
thisyear=today.year #今年
thismonth=today.month
if int(thismonth) >= 5: #5月以后，去年的财报全都出来了
years=range(thisyear-n,thisyear,1) #过去10年list
else:
years=range(thisyear-n-1,thisyear-1,1)
#---------2. 查找符合条件（连续n年ROE>r)的股票代码清单-----------
stocklist=[] #用于存放股票代码
i=1 #用于判断是否是第一年
for y in years:
if i==1:
pdt= get_fundamentals(query(
balance.code,
indicator.roe, #净资产收益率ROE(%)
).filter(indicator.roe >r
),statDate=y)
else:
pdt= get_fundamentals(query(
balance.code,
indicator.roe, #净资产收益率ROE(%)
).filter(indicator.roe >r,
balance.code.in_(stocklist)
),statDate=y)
i+=1
stocklist=list(pdt.code) # 获取股票代码
stocklist
#---------3.获取这个股票当年的主要财报数据-----------
pdt= get_fundamentals(query(
balance.code,
income.operating_revenue, #营业收入
income.operating_profit, #营业利润
income.net_profit, #净利润
indicator.net_profit_margin, #销售净利率(%)
indicator.roe, #净资产收益率ROE(%)
indicator.eps, #每股收益EPS(元)
).filter(balance.code.in_(stocklist)
),statDate=str(thisyear-1)) #StateDate1是今年
#pdt=pdt[pdt.net_profit > 1e+10] #查看10亿以上利润的企业
pdt.index=pdt.code
#---------4. 加上股票的中文公司名称---------------
b=get_all_securities(types=['stock'])
b['code']=b.index
b=b[b['code'].isin(stocklist)]
b=b[['display_name']]
pdt=pd.concat([pdt,b],axis=1)
#---------5. 加上股票的行业名称-------------
mm=get_industry(security=stocklist, date=today) #获取股票的行业信息，生成dick类型数据
nn=[(x,mm[x]['jq_l1']['industry_name']) for x in mm.keys()] #按聚宽1类行业分类取数据
df=pd.DataFrame(nn,columns=['code','industry'])
df.index=df.code
pdt=pd.concat([pdt,df],axis=1)
#---------6.整理下数据，按ROE降序排列-----------
pdt=pdt[['display_name','industry','roe','eps','operating_revenue','net_profit_margin']]
pdt=pdt.sort_values(by='roe',ascending=False)
pdt=pdt.head(40)
pdt
