接上文

02

策略构建

1、研发费用指标

假设在每月末将股票按研发费用TTM从大到小排序，删除ST/退市/停牌股票后，选出排名前10的股票。

在每月第一个交易日开盘均仓买入，最后一个交易日收盘清仓卖出。

再重新选择符合条件的股票，并在次月第一个交易日买入，如此循环往复。

研发费用TTM：最近4个季度研发费用总和

如在2024年3月29日选出研发费用TMM最高的10只股票，并在4月1日均仓买入，持有至4月30日卖出，并重新选择符合条件的股票。

如此即构成一个简单的量化选股策略。

要验证该策略最终是赚是亏，就需要借助全部研发费用历史数据和Python代码。

相关数据和代码已经帮大家准备好了，只需打开py后缀的文件，点击运行即可。

如果你需要这份数据和代码的话，可以在评论区留言，都是可以分享给你的。

2、指标效果

代表策略的橙色曲线从1元涨至1.19，略微跑赢代表大盘的沪深300指数。

但年化收益仅3.95%，最大回撤高达31.26%，收益甚至不如存进银行。

结果尚在意料之中，毕竟此处用到的研发费用数据为绝对值，存在一定问题。

比如很容易选到规模体量较大的超大型公司，其投入的研发费用远非小公司可及。

3、研发费用占比

因此一般使用研发费用占比指标作为代替（研发费用除以主营业务收入），指标越大代表公司越注重研发。

如下图中两家公司，绝对值角度公司A研发投入远高于公司B。

但从研发费用占比看，公司A仅为1%，公司B为10%，公司B相对更注重研发投入。

若从研发转为产出，则公司B获益相对更大。

买研发占比高的公司究竟能否帮我们赚取收益？

仅需在前文代码基础上稍作修改，点击运行即可。

如果你需要这份数据和代码，可以在评论区留言，都是可以分享给你的。

策略结果令人大失所望。代表策略的橙色曲线从1元跌至0.72，年化收益-7.18%，最大回撤52.66%。

策略和沪深300指数并称卧龙凤雏

至此可以得出如下结论：不论是绝对值还是相对值，研发费用都无法作为独立的选股指标使用。

那研发费用就毫无用处了吗？

03

研发费用使用指南

1、策略改进

不妨思考如下问题：对酒店或餐饮行业而言，研发费用重要吗？

与其用一年营收的10%做研发，多开分店或许是更优解。

由点及面，研发费用对特定行业的确重要，但对许多行业却并非如此。

而前述策略均在A股所有股票中进行选择，对所有行业一概而论。更好的办法应是对行业做单独分析。

比如针对纺织服饰行业构建如下策略：

代表策略的橙色曲线翻了3倍，大幅跑赢了沪深300指数。

年化收益高达26%，而同期行业年化收益仅3.9%，实现了22%的超额收益，提升颇高。

再看建筑材料行业，年化收益23%，相比整个行业，超额收益有20%。

部分行业中研发费用占比甚至是反指，比如商贸零售行业。

年化收益-12%，最大回撤高达70%，大幅度跑输行业本身，可以说血本无归。

2、使用指南

综上所述，研发费用占比指标并非无效，而是在某些本不注重研发的行业，无法用它衡量公司好坏。

在一些特定行业，它就是一个及其优秀的财务指标。

上文仅例举了三个行业的案例，至于该指标在其他行业的表现，篇幅有限，就不做详细介绍。

结论我都整理到了Excel中，感兴趣的朋友可以在评论区留言，都是可以分享给你的。

也推荐大家去探索一番这张表格，了解研发费用可以在哪些行业发挥作用，对后续选股也会有所帮助。