程式尋寶分析年報用字
助炮製跑贏大市投資組合
蘋果日報 2019/06/08 02:20
程式哈佛恒指成份股伊利諾大學
【數碼金魚缸】運算法、大數據、程式買賣，這些聽來好high tech的術語，令人以為都是上落億億聲的投資大行與對沖基金的專利，其實隨着數據的普及，編寫程式的門檻越來越低，要掌握這些技術，都可以好平民化。
本欄旨在推廣利用數據及編程，來獲取一些另類投資心法，提供基本因素及技術分析以外的觀點，甚至一些實戰的體驗，隨着程式編寫的普及，投資的天空可以變得更廣闊。
撰文：尼奧
本欄旨在推廣利用數據及編程，來獲取一些另類投資心法，提供基本因素及技術分析以外的觀點，甚至一些實戰的體驗，隨着程式編寫的普及，投資的天空可以變得更廣闊。
撰文：尼奧
早前與IT友人閒聊，他說曾接到對沖基金基理的委託，編寫程序分析社交媒體對某隻股份的樂觀悲觀情緒，試圖從這些轉變預測股價的走勢，這類時興技術準繩度有多高不得而知，如果work的話亦只會悶聲發大財，不過，最近有學者提出看年報炒股，聲稱可以跑贏大市，就相當別開生面，而且不難操作。
投資者可睇年報炒股，隨時跑贏大市。
字眼有變多數負面
兩名哈佛商學院與一名伊利諾大學芝加哥分校學者早前發表研究＊，分析年報及季報內的管理層用字變化，發現竟然可以炮製跑贏大市的投資組合，而且有關效應不會隨着資訊公佈便即時消散，而是可以用幾個月的時間慢慢體現，認為是很多人忽略的資訊金礦。
學者認為，一般人看年報都聚焦於數字，卻少有細看文字，遑論會與去年度的業績用字比較，尋找管理層口脗變化的蛛絲螞迹。論文以一家美國生物科技公司Baxter為例，指該公司的年報年年用字差不多，但2009年的一份提到「美國食品藥品監管局（FDA）」、「回收」以及一隻產品的次數大增，幾個月後FDA果真要求公司回收該產品，導致股價急跌。
研究認為，以上事件不是個別例子，而分析年報用字變化有助尋寶。他們於是下載了1995至2014年間所有美國上市公司的季度及年度報告，並取出當中的管理層討論業務及風險因素等篇幅，然後與上一季度或年度的報告用字比較，若有突變的，86%都是傾向負面的用語，通常不是好事，千篇一律的反而是一切安好的訊號，他們選用的模擬投資策略，是摘取同期年報字眼變動最大的頭20%公司沽空，變動最少的20%公司則購入，每月調整組合，結果發現真的可以跑贏大市，甚至跑贏高達22%。
學者認為，一般人看年報都聚焦於數字，卻少有細看文字，遑論會與去年度的業績用字比較，尋找管理層口脗變化的蛛絲螞迹。論文以一家美國生物科技公司Baxter為例，指該公司的年報年年用字差不多，但2009年的一份提到「美國食品藥品監管局（FDA）」、「回收」以及一隻產品的次數大增，幾個月後FDA果真要求公司回收該產品，導致股價急跌。
研究認為，以上事件不是個別例子，而分析年報用字變化有助尋寶。他們於是下載了1995至2014年間所有美國上市公司的季度及年度報告，並取出當中的管理層討論業務及風險因素等篇幅，然後與上一季度或年度的報告用字比較，若有突變的，86%都是傾向負面的用語，通常不是好事，千篇一律的反而是一切安好的訊號，他們選用的模擬投資策略，是摘取同期年報字眼變動最大的頭20%公司沽空，變動最少的20%公司則購入，每月調整組合，結果發現真的可以跑贏大市，甚至跑贏高達22%。
pdf格式難取數據
既然這樣神奇，而論文亦將部份程式公開，我於是依樣葫蘆，到港交所下載年報，看看是否可以將這投資策略，應用在香港的上市公司身上，不過一開始便碰壁，港交所的公司中期或年度報告只有pdf格式，並非如美國般有網上文字版，於是人家可以用程式在數十萬份報告中擷取文字，我只能用最原始的copy & paste，這大大限制了我取得數據的能力，最後即使抄取30隻恒指成份股過去5年的主席報告，亦花費了不少時間，但本文主要是示範如何應用這投資策略，故此姑且用來小試牛刀。
Jaccard similarity的計算方法不理字詞在報告中出現的頻率，只要同時在兩篇文章中出現便一視同仁，而另一個量度法cosine similarity則連頻率亦考慮在內，限於篇幅，讀者可找回該論文詳看。
香港的上市公司一般在翌年的3、4月間公佈業績及發出年報，而中期報告則在同年的8、9月間，由於不少公司的中期報告均沒有主席報告，故此我只是重點抽取年報的主席報告，剔除掉不是12月結的公司以及主席報告少於1,000字的（字數越少會扭曲相似度），然後與對上一年的報告比較，計算其字眼相似度，再抽取最低的20%及最高的20%，用以製造一個模擬組合，沽空相似度低的股份、購入相似度高的，並於5月初入市計算6個月回報。
程式以Python編寫，報告均為文字檔，而股價表現則來自讀取yahoo finance提供的股價總回報（包括股息收入），程式不難編寫，有興趣的讀者可電郵在下索取原始碼，自行修改。
當然，由於我的樣本太少（僅26隻成份股5年的全年報告），雖然看起來成績好像很理想，但不可以對結果太認真。表中可見，4個年度有3個跑贏大市，而不同時期上榜買入及沽空的股份組合都出奇地相似，如買入者較多為地產股，而沽空榜則多為金融股，是否反映香港地產股的年報較千篇一律，而銀行股面對的環境多變，故此年報所用的字眼每年有較大出入？這值得進一步的探討。
香港的上市公司一般在翌年的3、4月間公佈業績及發出年報，而中期報告則在同年的8、9月間，由於不少公司的中期報告均沒有主席報告，故此我只是重點抽取年報的主席報告，剔除掉不是12月結的公司以及主席報告少於1,000字的（字數越少會扭曲相似度），然後與對上一年的報告比較，計算其字眼相似度，再抽取最低的20%及最高的20%，用以製造一個模擬組合，沽空相似度低的股份、購入相似度高的，並於5月初入市計算6個月回報。
程式以Python編寫，報告均為文字檔，而股價表現則來自讀取yahoo finance提供的股價總回報（包括股息收入），程式不難編寫，有興趣的讀者可電郵在下索取原始碼，自行修改。
當然，由於我的樣本太少（僅26隻成份股5年的全年報告），雖然看起來成績好像很理想，但不可以對結果太認真。表中可見，4個年度有3個跑贏大市，而不同時期上榜買入及沽空的股份組合都出奇地相似，如買入者較多為地產股，而沽空榜則多為金融股，是否反映香港地產股的年報較千篇一律，而銀行股面對的環境多變，故此年報所用的字眼每年有較大出入？這值得進一步的探討。
主席報告篇幅較少
當中不乏股份的主席報告出現字眼突變，如長和2015年度的年報，便較2014年度差了一截，引用上述研究提供的情緒字眼分析★，長和該年度的主席報告英文版的正面用語，由對上一年的3.5%下降至2.1%，而負面字眼則由0.74%上升至1.24%，涉及前景不確定的用語，亦由0.39%上升至0.5%，故此被納入沽空名單之中。結果如何，在5月至10月間長實股份回報率為7.8%，並不算差，這亦可能與公司該年宣佈架構重組，由長實分拆出長和及長江地產有關。
另一項要留意的是，與上述的研究不同，主席報告的篇幅一般較管理層討論的字數少得多，意味可供分析的字數較少，而我的感覺是內容越長越好，樣本太少反而會扭曲相似度。
同時，美國公司有集體訴訟，管理層生怕日後出事會被股東指控隱瞞，因此總會在年報中為公司面對的風險漏些少口風，留作日後傍身之用，香港公司似乎便沒有這種需要，或會因而影響輸出的結果。
無論如何，這是以程式分析年報內容來訂定投資策略的一個嘗試，若能有整個港股的數據作輸入，結果應會更有趣。不可不提的是，港交所上刊載的公司年報仍然是pdf格式，這對於從事這類大數據的研究，絕對是一個障礙，希望口口聲聲重視金融科技的李小加，能改善這問題。
作者簡介：一個有IT背景的交易員，遇上由財經轉戰編程的IT初哥，大家都信投資的未來要靠科技，人機合一必有所得。
作者電郵：mailto:[email protected]
＊Cohen, Lauren and Malloy, Christopher J. and Nguyen, Quoc, Lazy Prices (September 2018). NBER Working Paper No. w25084.
★ https://sraf.nd.edu/textual-analysis/resources/
另一項要留意的是，與上述的研究不同，主席報告的篇幅一般較管理層討論的字數少得多，意味可供分析的字數較少，而我的感覺是內容越長越好，樣本太少反而會扭曲相似度。
同時，美國公司有集體訴訟，管理層生怕日後出事會被股東指控隱瞞，因此總會在年報中為公司面對的風險漏些少口風，留作日後傍身之用，香港公司似乎便沒有這種需要，或會因而影響輸出的結果。
無論如何，這是以程式分析年報內容來訂定投資策略的一個嘗試，若能有整個港股的數據作輸入，結果應會更有趣。不可不提的是，港交所上刊載的公司年報仍然是pdf格式，這對於從事這類大數據的研究，絕對是一個障礙，希望口口聲聲重視金融科技的李小加，能改善這問題。
作者簡介：一個有IT背景的交易員，遇上由財經轉戰編程的IT初哥，大家都信投資的未來要靠科技，人機合一必有所得。
作者電郵：mailto:[email protected]
＊Cohen, Lauren and Malloy, Christopher J. and Nguyen, Quoc, Lazy Prices (September 2018). NBER Working Paper No. w25084.
★ https://sraf.nd.edu/textual-analysis/resources/
按年報字眼設定的投資組合中，工行成為沽空行列。