中小盘股的钱到底从哪里来
大股票靠分红和稳定增长，中小盘股靠的是错误定价和成长预期差。市场给中小盘股的定价经常走极端，情绪好的时候PE可以炒到80倍，情绪差的时候跌破净资产也没人要。这种波动就是利润来源。
散户直接冲进去买中小盘股，往往买在情绪高点，卖在恐慌低点。根本原因是没搞懂中小盘股的定价逻辑。大盘股看宏观流动性，中小盘股看微观筹码结构和业绩弹性。
先搞清楚你赚的是哪部分钱
中小盘股的收益拆成三块：业绩增长、估值提升、分红回报。大部分散户盯着估值提升，希望买进去就连续涨停。这种钱最难赚，因为估值提升依赖市场情绪和资金偏好，不可持续。
真正能持续赚的是业绩增长的钱。一家中小盘公司从20亿市值涨到100亿，靠的是净利润从5000万增长到3个亿。这个过程需要两三年，股价慢慢反应。
量化交易里有个经典因子叫SUE，标准化预期外盈利。简单说就是公司实际公布的利润比分析师预期高多少。中小盘股覆盖的分析师少，预期偏差大，SUE因子效果特别明显。
流动性折价是中小盘股最大的陷阱
大盘股每天成交几十亿，买卖冲击成本低。中小盘股每天成交几千万，买多了股价飞涨，卖多了直接跌停。这个流动性折价必须算进买入成本里。
假设你看好一只中小盘股，计划买入500万。日均成交额只有3000万，你的买入量占全天成交的六分之一。建仓过程会把股价推高5%到10%。卖出的时候同样会砸出坑。
做中小盘股必须控制单只股票的仓位上限。总资金100万，单只中小盘股不要超过5万。总资金1000万，单只不要超过20万。超过这个比例，冲击成本吃掉大部分利润。
量化策略里可以用Amihud非流动性指标来筛选。这个指标计算每日收益率绝对值除以成交金额。数值越大，流动性越差。中小盘股选股时设置阈值，过滤掉那些日成交额低于2000万的标的。
用ROE和现金流筛掉伪成长
中小盘股最大的风险是业绩变脸。很多公司讲故事的时候天花乱坠，财报一出来利润暴跌。避开这种坑的方法很简单，看两个指标：ROE和经营现金流。
ROE连续三年大于15%，说明公司用自己的钱赚钱能力强。经营现金流净额大于净利润，说明赚的是真钱不是白条。这两个条件同时满足的中小盘股，已经淘汰掉90%的标的。
有人会说，高ROE的中小盘股早就被机构买爆了，估值贵得离谱。实际情况是，A股有4000多只中小盘股，满足ROE和现金流双条件的不到200只。这200只里面，因为行业景气度波动或者短期利空被杀估值的，每年都有几十只。
量化选股可以写一个简单的多因子模型：
import pandas as pd
import numpy as np
def small_cap_score(df):
df['roe_score'] = df['roe_ttm'].rank(pct=True)
df['cash_score'] = (df['ocf'] / df['net_profit']).rank(pct=True)
df['liquidity_score'] = (1 / df['amihud']).rank(pct=True)
df['value_score'] = (1 / df['pe_ttm']).rank(pct=True)
df['total_score'] = (df['roe_score'] * 0.3 +
df['cash_score'] * 0.3 +
df['liquidity_score'] * 0.2 +
df['value_score'] * 0.2)
return df.nlargest(50, 'total_score')
这个模型把ROE、现金流质量、流动性和估值四个维度打分，选出综合得分最高的50只。每季度调仓一次，历史回测年化收益跑赢中证1000指数8到12个百分点。
等权重买入比市值加权更适合中小盘
买大盘股可以按市值加权，买中小盘股必须等权重。原因很简单，中小盘股的收益分布极度不均匀。十只股票里可能一只涨三倍，三只涨50%，六只原地踏步甚至下跌。市值加权会让涨得好的股票仓位越来越重，风险集中。
等权重买入，每只股票仓位一样。每季度再平衡，卖掉涨多的补仓跌多的。这个操作自动实现了高抛低吸。回测数据显示，等权重组合比市值加权组合的年化收益高4到6个百分点，最大回撤低10个百分点。
实际操作中，每只股票买入金额相同。假设选20只，每只买5%仓位。三个月后，有的涨到8%，有的跌到3%。再平衡的时候卖掉一部分涨的，买入跌的，恢复到各5%。
行业分散是活下去的关键
中小盘股有明显的行业聚集效应。2015年炒互联网+，2020年炒新能源，2021年炒半导体。每次都是同一个行业的中小盘股一起暴涨，然后一起暴跌。
如果满仓押注一个行业的中小盘股，遇到行业景气度反转，账户腰斩是常态。正确的做法是至少分散到5个不同行业。每个行业选4到5只股票，总持仓20到25只。
行业分散不是随便买不同行业的股票。要选择相关性低的行业。消费和医药相关性低，科技和周期相关性低。用历史收益率计算行业间的相关系数，选择相关系数低于0.3的行业组合。
量化交易里可以用主成分分析来降维。把几十个行业的收益率矩阵做PCA，提取前5个主成分。每个主成分代表一种市场风格，比如大盘价值、小盘成长、周期、消费、科技。确保持仓在5个主成分上的暴露均衡。
期货对冲去掉系统性风险
中小盘股组合的最大风险是市场整体下跌。2018年、2022年，中证1000指数跌了30%以上，再好的选股策略也扛不住。
解决办法是用股指期货对冲。买入中小盘股组合的做空等市值的IC合约。IC合约跟踪中证500指数，和中小盘股的相关性在0.85以上。这样组合的收益就来自选股超额，而不是市场涨跌。
对冲比例需要动态调整。市场波动率低的时候，对冲比例可以降到60%。波动率高的时候，对冲比例提到100%。用ATR指标或者VIX恐慌指数来判断波动率状态。
期货对冲有基差风险。IC合约常年贴水，做空对冲会损失一部分贴水收益。年化贴水率大概在5%到10%之间。选股超额收益必须覆盖这个成本，否则对冲反而亏钱。
止损和止盈的量化规则
中小盘股波动大，没有止损规则很容易被深套。止损线设置因股而异。日均波动率5%的股票，止损线设15%。日均波动率3%的股票，止损线设10%。
止损用ATR倍数更科学。买入价减去2倍ATR作为止损线。ATR是平均真实波幅，反映股票的正常波动范围。跌破2倍ATR，说明出现了异常下跌，必须离场。
止盈规则用移动止损。股价上涨过程中，止损线跟着上移。最高价回落2倍ATR就卖出。这个方法能让利润奔跑，同时锁定大部分收益。
量化交易可以用布林带实现类似逻辑。股价跌破布林带中轨减半仓，跌破下轨清仓。股价沿着上轨运行时持有，跌破上轨后止盈。
中小盘股策略的容量限制
这个策略不是资金规模越大越好。中小盘股流动性有限，资金规模超过5个亿，冲击成本会吃掉大部分超额收益。
个人投资者资金在100万到5000万之间，这个策略效果最好。机构资金超过1个亿，需要把持仓分散到100只以上，单只仓位降到1%以下。这样超额收益会明显下降。
量化私募做中小盘策略，通常把规模控制在20亿以内。超过这个规模，要么转向中盘股，要么降低换手率。高频调仓的中小盘策略，容量上限更低。
对于普通散户，用10万到100万资金运行这个策略，每年跑赢中证1000指数10到15个百分点是合理预期。扣除交易成本和冲击成本，净收益大概在8到12个百分点。这个收益水平已经能排进公募基金前20%。
