巴菲特价值投资策略

前言

华伦．巴菲特 Warren E. Buffett 是全世界有史以来，靠股票赚最多钱的人，1956年回到奥玛哈以100美元起家，至1999年8月为止，个人资产总额已达360亿美元以上，成为全美第二富有的人。巴菲特的投资法则非常简单，首先不理会股价每日的涨跌，其次，不去担心总体经济情势的变化；再者，以买下一家公司的心态投资而非投资股票，而其方法中有四大原则：

• 企业原则：
  a.这家企业是简单而且可以了解的吗？
  b.这家企业的营运历史是否稳定？
  c.这家企业长期发展前景是否看好？
• 经营原则：
  a.经营者是否理性？
  b.经营者对他的股东是否诚实坦白？
  c.经营者是否会盲从其他法人机构的行为？
• 财务原则：
  a.把重点集中在股东权益报酬率(ROE)，而非每股盈余
  b.计算出自由现金流量折现(DCF)
  c.寻找高毛利率的公司
  d.对于每一元的保留盈余，确定公司至少已经创造了1元以上的市场价值
• 市场原则：
  a.这家企业的价值是什么？
  b.这家企业是否能以显著的价值折扣购得，亦即取得安全边际。

编辑环境及模组需求

本文章使用 Mac OS 并以 Jupyter Notebook 作为编辑器

import tejapi
import pandas as pd
import numpy as np

Note: tejapi 安装以命令提示字元 (Windows)/终端机 (Mac)，输入 pip install tejapi

tejapi.ApiConfig.api_key = 'Your Key'
tejapi.ApiConfig.ignoretz = True

本文重点概要

• 将投资原则量化
• 资料库的搜寻
• 资料的筛选：「栏位 loc 」、「分群 groupby 」、「枢纽 pivot_table 」

量化指标

由于巴菲特的原则中，部份是无法量化的，因此只选取可数量化的原则，其原则背后的原理皆为，公司能帮股东赚钱的能力高，方法如下：

1. 最近年度股东权益报酬率 ＞ 产业平均值：存 set_1
2. 三年平均股东权益报酬率 ＞ 15%：存 set_2
3. 最近年度毛利率 ＞ 产业平均值：存 set_3
4. 7 年内市值增加值 / 7 年内保留盈余增加值 > 1：存 set_4
5. (最近年度自由现金流量 / 7 年前自由现金流量) — 1 > 1：存 set_5
6. 目前市值 / 未来10年自由现金流量折现值 < 1 ：存 set_6

投资策略

我们选择 2019/12/31 符合条件的股票，在 2020/1/1 买入并持有至 2020/12/31。每个一条件都会做一个 set ，最后取交集得到符合条件的标的。

比较每一元保留盈余是否创造超过一元的市场价值时，由于牵涉到公司上市年限是否够久，故筛选2020还活著的公司，且上市时间大于7年公司，并去除银行证券业，因为依据 ROE 公式，可以靠举债来提升，所以在负债比例高的产业(如: 银行业28、金控业30)则不适合用 ROE 来判断。

股票池

Step 1. 搜寻上市日的资料库

tejapi.search_table("上市日")

Step 2. 依据搜寻结果，我们使用 TWN/AIND 资料库，并选择上市日早于 2013 ，且去除产业 28、29。

comp_data = tejapi.get('TWN/AIND',
                   elist_day1 ={'lt':'2013-01-01'},
                   ind = {'ne':('28', '30')},
                   mkt = 'TSE',
                   opts = {'columns':['coid', 'elist_day1', 
                           'ind']},
                   chinese_column_name=True,
                   paginate=True
                  )

取得符合条件的公司列表，用于之后制作产业平均的数据

comp_list = list(comp_data['公司简称'])

Step 3. 制作产业群组字典

将股票池有的产业全部列出并转成为 list

industry_list = comp_data["TEJ 产业别"].unique().tolist()

将产业内所有公司，制作产业 ROE 字典 dict

industry_data = tejapi.get('TWN/AIND',
                    ind = industry_list,
                    mkt = 'TSE',
                    opts = {'columns':['coid', 'ind']},      
                    chinese_column_name=True,
                    paginate=True
                   ).reset_index(drop=True)

将资料库转换成 key 产业别，value 为公司列表

industry_dict = {}
for i in industry_list:
    industry_dict[i] = industry_data[industry_data['TEJ 产业别'] == 
    i]['公司简称'].tolist()

例如要查询产业 13 的所有公司

industry_dict["13"]

1. 最近年度股东权益报酬率 ＞ 产业平均值

• 以合并为主简表(累计) TWN/AIM1A

后续的选股方法都与此类似，故在这段会加以著墨，内容会较为复杂，读者遇到不理解的部分可以先查看完整程式码。

Step 1. 个股 ROE(A)－税后

ROE_data = tejapi.get('TWN/AIM1A',
                  coid = comp_list,
                  mdate= '2019-12-01',
                  opts={'pivot':True,
                        'columns':['coid', 'mdate', 'R103']},
                  chinese_column_name=True,
                  paginate=True)

Step 2. 迭代产业别转换成字典，制作产业 2019 平均 ROE 字典

industry_roe = {}
for i in industry_list:
    data = tejapi.get('TWN/AIM1A',
                  coid = industry_dict[i],
                  mdate='2019-12-01',
                  opts={'pivot':True,
                        'columns':['coid', 'mdate', 'R103']},
                  chinese_column_name=True,
                  paginate=True).reset_index(drop=True)
    industry_roe[i] = data.groupby('公司代码').mean().mean()[0]

Step 3. 将产业别对应上述的字典，替换成产业平均 ROE

ROE_data['产业净值报酬%'] = ROE_data['TEJ 产业别'].apply(lambda x: industry_roe[x])

Step 5. 符合条件的公司储存到 set_1

set_1 = set(ROE_data[ROE_data['ROE(A)－税后'] > ROE_data['产业净值报酬%']]['公司简称'])

2. 3年平均股东权益报酬率＞15%

选取三个年度的资料，操作方法如同第一点的公司分组 groupby，数值做平均 mean 并将资料存进 set_2

ROE_data_3Y = tejapi.get('TWN/AIM1A',
                      coid=comp_list,
                      mdate=['2017-12-01','2018-12-01','2019-12-
                              01'],
                      opts={'pivot':True,
                            'columns':['coid', 'mdate', 'R103']},
                      paginate=True,
                      chinese_column_name=True,
                     )

3. 最近年度毛利率 ＞ 产业平均值

操作方法同第一点，完整程式码请详见此连结，并将资料存进 set_3

4. 7 年内市值增加值 / 7 年内保留盈余增加值 > 1

Step 1. 获得市值、保留盈余资料

MV_RE_data = tejapi.get('TWN/AIM1A',
                coid = comp_list,
                mdate= ['2019/12/01','2013/03/01'],
                opts={'pivot':True,
                        'columns':['coid', 'mdate','MV','2341']},
                chinese_column_name=True,
                paginate=True
               ).reset_index(drop=True)

Step 2. 将资料转置 pivot_table

MV_RE_data.pivot_table(index='公司代码', columns='财报年月').reset_index()

Step 3. 再将两个栏位相减即可得到增加值

MV_RE_data['保留盈余增加值'] = MV_RE_data.iloc[:,2] - MV_RE_data.iloc[:,1]

MV_RE_data['市值增加值'] = MV_RE_data.iloc[:,4] - MV_RE_data.iloc[:,3]

Step 4.计算指标

MV_RE_data['指标'] = MV_RE_data['市值增加值'] / MV_RE_data['保留盈余增加值']

Step 5. 将符合条件的股票存到 set_4

set_4 = set(MV_RE_data[MV_RE_data['指标']>1]['公司代码'])

5. (最近年度自由现金流量 / 7年前自由现金流量) -1 > 1

Step 1. 获得自由现金流量资料

cash_data = tejapi.get('TWN/AIM1A',
                  coid= comp_list,
                  mdate=['2013-12-01', '2019-12-01'],
                  opts={'pivot':True,
                        'columns':['coid', 'mdate', 'R69B']},
                  paginate=True,
                  chinese_column_name=True,
                 )

Step 2. 操作方法如第四点资料枢纽转置，栏位相减获得指标

Step 3. 储存到 set_5

set_5 = set(cash_data[cash_data['指标'] > 1].index)

6. 目前市值/未来10年自由现金流量折现值<1，资料库 TWN/AIM1A，代号R69B

• 计算 现/终值 在 python 我们可以导入已经写好的模组 numpy_financial其模组说明文件点此连结，在终端机输入 pip install numpy_financial

import numpy_financial as npf

这里举一个例子，某公司的四年现金流量为 100 / -150 / -200 / 400，我们要计算他的净现值可以利用 NPV 法，使用贴现率 10% 和未来各期支出(负值) 和收入(正值) 来计算投资的净现值

cash_flows = np.array([100, -150, -200, 400])
npf.npv(0.1, cash_flows)

• 使用的二阶段折现模型，第一阶段(前3年)成长率预设为 15%，第二阶段成长率为 5%、假设贴现率不变预设为 9%。以下先定义未来十年现金流量，y0 为 2019 现金流量。

def Cashflows(y0):
    y1 = y0 * 1.15
    y2 = y1 * 1.15
    y3 = y2 * 1.15
    y4 = y3 * 1.05
    y5 = y4 * 1.05
    y6 = y5 * 1.05
    y7 = y6 * 1.05
    y8 = y7 * 1.05
    y9 = y8 * 1.05
    y10 = y9 * 1.05
    
    cashflows = np.array([y1,y2,y3,y4,y5,y6,y7,y8,y9,y10])
    
    return cashflows

Step 1. 获取 2019 年度自由现金流量资料和市值

MV_cash_data = tejapi.get('TWN/AIM1A',
                  coid= comp_list,
                  mdate='2019-12-01',
                  opts={'pivot':True,
                        'columns':['coid', 'mdate', 'R69B', 
                                   'MV']},
                  paginate=True,
                  chinese_column_name=True,
                 ).reset_index(drop=True)

Step 2. 现金流转换成现值

MV_cash_data['自由现金流量(D)'].apply(lambda x: npf.npv(0.09, Cashflows(x)))

Step 3. 计算指标

MV_cash_data['指标'] = MV_cash_data['季底普通股市值'] / MV_cash_data['自由现金流量(D)'].apply(lambda x: npf.npv(0.09, Cashflows(x)))

Step 3. 符合条件的股票储存为 set_6

set_6 = set(MV_cash_data[(MV_cash_data['指标']<1) & (MV_cash_data['指标']>0)]['公司代码'])

检视投资组合绩效

来到我们最期待的最后阶段，将各个 set 取交集获得我们的投资组合

set_1 & set_2 & set_3 & set_4 & set_5 & set_6

参考 模组化回测系统 ，我们将此投组代入系统，由于投资组合的价格落差过大，我们采用等权重买入持有，2020 获得的报酬率%为

结论

如果能熟练的操作资料库，股票的筛选设计可以非常客制化，也可以去实测坊间各式各样的选股策略，而此篇的内容较为复杂，需多花点心力研读，若读者有兴趣制作更多选股策略，可以前往我们的官方网站，里面有提供更多财务、交易等财金资料，来帮助您制作更好的选股策略！

本文仅供参考之用，并不构成要约、招揽或邀请、诱使、任何不论种类或形式之申述或订立任何建议及推荐，读者务请运用个人独立思考能力，自行作出投资决定，如因相关建议招致损失，概与作者无涉。

完整程式码

• 点此连结Github

延伸阅读

• 开始体验TEJ免费资料库
• 财务数据捞取

相关连结

• TEJ API 资料库首页
• TEJ E-Shop 完整资料库购买