什么是公司基本面数据？🔍
基本面数据就像是公司的体检报告，它反映了一家公司真实的商业、财务和运营状况。这些数据主要来源于公司的财报，是评估公司内在价值和未来潜力的关键。
数据来源：三大报表 📑
公司的基本面数据主要来自以下三份核心财务报表：
- 资产负债表 (Balance Sheet)： 就像公司在某一特定日期的“快照”。它告诉你公司拥有什么（资产）、欠别人什么（负债），以及股东拥有什么（所有者权益）。
- 损益表 (Income Statement)： 展示了公司在一段时间内（比如一个季度）的盈利能力。它会告诉你公司赚了多少钱（收入），花了多少钱（费用），最终赚了多少利润。
- 现金流量表 (Cash Flow Statement)： 记录了公司在一段时间内现金的流入和流出。它能帮你了解公司的资金流动性，看它是否有足够的现金来运营、投资和偿还债务。
基本 面数据的特点 ⏰
与我们之前学过的价格/成交量（PV）数据不同，基本面数据有以下几个特点：
- 更新频率低： 它不像股价那样每天都在变，而是按季度、半年或年度更新一次。
- 更新不连续： 由于是定期发布，数据更新的时间点是不连续的。
这些特点意味着，基本面数据更适合用于长期的投资策略，而不是短期的价格预测。
基本面数据的重要性 💡
基本面数据之所以重要，是因为它能：
- 揭示真相： 帮助你了解一家公司真实的经营状况，而不仅仅是看股价的涨跌。
- 评估价值： 它是预测公司未来增长潜力的基础，也是进行公司估值的核心要素。
PV 数据与基本面数据的结合 📋
单独使用 PV 数据或基本面数据都能创建 Alpha，但将它们结合起来，你就能得到更强大、更有意义的策略。这就像同时使用一个公司的“体温计”（股价）和它的“体检报告”（财报），从而获得更全面的信息。
一个经典的例子就是将市值 （cap）（PV 数据）与营业收入（operating income）（基本面数据）结合起来。
两种数据的特性 🔍
| 数据类型 | 基本面数据 (Operating income) | PV 数据 (Market capitalization) |
|---|---|---|
| 更新频率 | 按季度或年度更新 | 每天更新 |
| 反映内容 | 公司实际的盈利能力和经营效率 | 市场对公司未来价值的估值 |
| 计算方式 | 从财务报表中提取 | 股价 × 总股本 |
Alpha 思想：用现在对比未来 💡
- 市值代表了市场对公司未来价值的预期。即使两家公司目前的盈利能力一样，市场也会因为对它们未来增长潜力的不同预期而给出不同的市值。
- 营业收入则反映了公司当下的实际盈利能力。
因此，将市值与营业收入进行比较，可以帮助我们评估：市场对公司的预期，是否与其当下的实际表现相符？ 这种比较可以帮助我们找到被市场高估或低估的公司。
比较数据的两种方法 ⚖️
有两种主要的方式来比较这两个数据点：相减和相除。
- 相减（
y - x）：- 这种方法适用于数据规模相近的情况。比如，你可以用它来比较分析师的预测值与公司实际公布的盈利值之间的差异。
- 缺点： 如果数据规模差异很大（比如市值通常比营业收入大很多），相减的结果会受公司规模影响，大公司的差值会远大于小公司，这可能导致不准确的信号。
- 相除（
y / x）：- 这是将不同规模数据进行比较的最佳方法。它能得到一个比率，从而消除公司规模带来的影响。
- 优点： 无论公司大小，这个比率都具有可比性。例如，用市值除以营业收入得到的比率，可以告诉我们市场愿意为每一美元的盈利支付多少钱。
企业价值（EV）和 EBITDA 的结合
将基本面数据与 PV 数据结合，可以创建更有意义的 Alpha。我们可以用 企业价值（EV） 和 EBITDA 这两个指标来评估公司的估值，从而找到投资机会。
数据特性 🔍
首先，让我们了解这两个指标各自的特点。
| 数据类型 | 基本面数据 (EBITDA) | PV 数据 (企业价值 EV) |
|---|---|---|
| 全称 | 税息折旧及摊销前利润 | Enterprise Value |
| 更新频率 | 按季度或年度更新 | 随股价每天更新 |
| 反映内容 | 衡量公司运营的盈利能力 | 公司总价值（包含债务） |
| 作用 | 剔除利息、税收等非经营性因素，便于不同公司比较 | 比市值更全面地衡量公司价值 |
Alpha 思路：用盈利能力评估总价值 💡
- 企业价值 (EV) 代表了市场对一家公司的总估值，这不仅包括了股票市值，还考虑了公司的债务。它是一个更全面的价值指标。
- EBITDA 则代表了公司核心业务的赚钱能力。它剔除了很多非经营性因素，因此能更好地反映公司的运营效率。
通过比较这两者，我们可以评估：公司的总价值，相对于它的核心盈利能力来说，是高估还是低估了？
比较方法：EV/EBITDA 比率 ⚖️
最常见的比较方法是计算 EV/EBITDA 比率。这个比率也被称为“企业倍数”。
- 为何用除法？➗
- 标准化： 除法可以将不同规模的公司放在一起比较，比如一个大公司和一个小公司。
- 金融分析标准： EV/EBITDA 是金融分析中广泛使用的估值指标，它代表了公司需要多少年才能通过核心利润来偿还其总价值。
- 比率解读 💭
- 较低的 EV/EBITDA 比率： 可能意味着公司被低估了。市场认为它的价值较低，但它的盈利能力却很高。
- 较高的 EV/EBITDA 比率： 可能意味着公司被高估了，或者市场对它未来的增长有很高的预期。
操作符的类型：时间序列 vs. 横截面
你可以把这两种操作符想象成两种不同的分析视角。当我们看一个数据时，可以用两种方式来评价它：是和自己过去比，还是和别人现在比。
1. 时间序列操作符 ⏰
时间序列操作符就像是和自己过去比。它关注的是一个数据在一段时间内自身的变化。
想象一个学生考试得了 80 分。如果他平时都只考 70 分，那这次考 80 分就是很大的进步。时间序列操作符就是做这种分析。它会看一只股票在过去一段时间里的表现，比如它的平均价格、波动性、或者与其他时间的对比。
常用的时间序列操作符有：
ts_mean(x, d): 计算过去d天中x值的平均值。ts_delta(x, d): 计算d天前x值与今天x值之间的差异。ts_rank(x, d): 对过去d天中x的值进行排名，然后转换成 0 到 1 的分数。
2. 横截面操作符 🌐
横截面操作符就像是和别人现在比。它关注的是一个数据在同一时间点上与其他所有数据的比较。
如果这个学生班里的平均分是 90 分，那么他这次考 80 分就不算太好。横截面操作符就是做这种分析。它会看所有股票在今天这个时间点的表现，然后进行排序或标准化。
常用的横截面操作符有：
-
rank(x): 对所有股票今天的x值进行排名，然后转换成 0 到 1 的分数。我们之前用的rank(-returns)就是一个典型的例子。 -
zscore(x): 告诉你一只股票今天的x值，相对于所有股票今天的平均值，偏离了多少个标准差。 -
winsorize(x): 把所有股票x值中特别高或特别 低的极端值都限制在一个范围内，避免它们对整体分析产生过大的影响。
通过可视化理解
下图说明了这一概念。对于基于2020年1月10日公司1的计算，红色标记区域表示用于时间序列计算的数据，而绿色标记区域表示用于横截面计算的数据。
如何选择合适的工具 🎯
选择哪种操作符，取决于你的分析目的：
- 当你需要和自己比时，用时间序列操作符。 比如，你想知道一只股票今天的价格，是否高于它过去 10 天的平均价格。
- 当你需要和别人比时，用横截面操作符。 比如，你想知道一只股票今天的涨幅，在所有股票中排名第几。
通常来说，时间序列操作符在很多情况下表现更好，因为股票价格的变化更多地是基于公司自身过去与现在的比较。然而，这并非绝对，最好的方法还是通过多次模拟来探索哪种方法更适合你的数据和策略。