2一般來說，具有多餘現金的公司用於諸如明智的資本支出，支付紅利、回購股份和消減債務這類的股權人友好型的領域會表現較好。而搞大兼並又資金短缺需要發行股票和債券的公司一般表現就不好。
3淨回購股份(考慮到股份發行的效果)與投入資本比策略效果一般，超額收益通常較低。
4一個更強的股份回購策略是一年期股份縮減(用來比較當前與四個季度前的股份)。顯著股份縮減的表現較好，大規模發行股份的表現較差
5在股份回購的過程中，與估值相關的回購行為要比忽略估值隨意回購的行為產生更多的超額收益。
6一年期股份縮減和企業價值與EBITDA比的策略融合了回購因子和估值因子，是一個表現較好且超額收益穩定的策略。
7股份回購策略與技術策略的配合效果也不錯。
8一年期長期債務縮減策略表現出一定的超額收益。可以作為與其他策略合並的基礎。
9淨債務縮減與投入資本比和淨回購與投入資本比策略雖然隻是考慮了資本分配，但是還是能產生不錯的超額收益且效果穩定。
10一年期長期債務縮減和經濟利潤策略有較好的超額收益並表現穩定。
11外部融資與資產比策略將淨債務縮減與淨股份回購策略融合為一個單獨的因子。它可以與幾乎所有的主要策略種類良好結合。尤其是它可以作為一個不錯的做空因子給予考慮。例如，它與PB策略的結合就有較好的超額收益並表現穩定；它與現金流策略結合也可以產生較好的超額收益並表現穩定；它與52周價格區間策略結合會產生較好的做空策略。
12三年平均資本支出與投入資本比策略表明相對較高的資本支出水平往往有較好的表現。如果與自由現金流對價格比策略結合，就能有不錯的超額收益且效果穩定。
13從數量化的角度來看，投資者可以通過避免大型現金商業兼並而增強收益。所以，兼並與投入資本比(注意方向)和資本支出對PP&E的比會產生穩定的不良表現。
數據來源：Quantitative Strategies For Achieving Alpha
實際上，類似的例子可以舉很多。肯尼思L費雪的《超級強勢股》一書對市銷率和市研率的闡述也可以被納入其中筆者花費如此大的篇幅來敘述這個分支，實際上是為了讓讀者能有另一個認識。如果讀者希望從基本麵的角度入手，就要明白那些天花亂墜的故事最後要落實到的指標實際上就那麼幾類。你從價值的角度走，無論繞了怎樣的圈，落腳點還是那些比率和指標。這個問題，西格爾教授在《投資者的未來》第53章節：“第一課，定價至關重要”有過論述。筆者就不再重複了。連“Quantitative Strategies For Achieving Alpha”都沒有逃開這個框架，別的自然可想而知。至於上下遊的數據分析逃不開兩個問題：（1）納入估值框架下的傳遞是否順利；（2）數值上的高相關關係或指標先行效果的挖掘。。如同本書一貫的觀點，數量化領域根本就沒有什麼本質限製。筆者建議讀者能夠在履行此類策略之前予以三思。不僅僅是因為這些公開策略的效果究竟還能維持多久這樣的應用問題，更有數據頻率帶來的操作周期問題。筆者愚以為間隔越久就越類似於賭博，無論是否采用數量化的方法，都是如此。在這一點上，筆者不站在任何投資邏輯的一邊。長時間間隔必然意味著新信息的產生影響的可能性增大，就單從這一點來說，本著固定策略不變就極端危險。一種處理思路是考慮策略結合的問題，讓這些基於基本麵的數量化策略負責一定的選股工作，而擇時問題交給基於二級市場數據的量化策略。其實，筆者在第三章第七節曾經指出過這個問題。投資者情緒可以用一些市場指標來刻畫，並設置一定的激發條件予以遵守。其在時間層麵上的靈敏程度是可調的。但另一方麵，投資者什麼時候開始不買賬一個故事卻難以監控實際上，如果認為分歧是交易存在的前提，則問題轉化為不買賬程度。很多微妙的平衡甚至就不存在一個可以清晰描述的框架，更不要說想要係統的監控了。，而且，發現往往為時已晚。從實際應用的角度出發，這兩者之間的內部不協調往往是需要忽略的問題。不過，也正如筆者在第五章第十節所講述一樣，我們不能輕易的否定此類方法在信息捕捉上可能提供的潛在作用。
2二級市場數據的量化策略：筆者一直以為這是個值得探索的領域幸運的是，2010年國信證券數量化研究團隊以總結報告的形式指出了這一點。這讓筆者知道，或許筆者的這點固執並不是完完全全的性格缺陷。。但此問題一旦擴展，細究起來就有某種程度的偏離原有定義的嫌疑。就筆者的經驗來看，想要在依靠二級市場數據建立的策略基礎上分離“擇股”與“擇時、組合管理”是極難實現的一個問題。比如，程序化識別一個形態而進行的股票選擇是否更應被納入到擇時領域都可以討論，而同一時間出現多個符合條件的個股要如何配置則是另一個不得不考慮的現實問題由於後文將倉位問題作為選點闡述，所以筆者認為此處還是有必要提及一下注意事項。估計讀者第一個閃過的念頭與筆者類似，我們完全可以通過單一指標排序，然後建立權重分配函數的方式進行日級別的調整。比如，一個非常直接的目標權重函數可以是這樣的：
Function linear_adjust(ByVal position As Variant，ByVal n As Integer，ByVal diff As Variant，ByVal i As Integer)
linear_adjust=2* position* (n-diff)/(n* (n-diff-1+diff* n))+i* 2* position* (-1+diff)/(n* (n-diff-1+diff* n))
End Function
伴隨而來的是一個不得不考慮的問題：操作次數。我們已經知道過高的交易頻率絕對是蠶食收益率的罪魁禍首，所以想要基於一個每日調整的頻率上做出一個收益率滿意的策略難度之大可以想象。一個修改方案是基於緩衝空間和現金頭寸來整理思路。當然了，這個領域的選擇並不是唯一的，我們甚至可以用包括時間在內的諸多因素來考慮修改的細節。鑒於這個領域也十分的廣闊，所以筆者認為，介紹到這裏就可以了。時刻記住，倉位調整策略的一個主要對手是操作頻率。一個良好的倉位策略也仍然有可能需要用相當比例的收益率進行“等價交換”，這也是模擬和現實拉近距離必須要考慮的一個問題。。鑒於這個原因，我們隻能將這個可能包含擇時問題的策略也一並考慮，並假設組合管理策略的收益率影響暫時不存在。
圖13基於成本均線係下無組合管理收益率情況
數據來源：宏源證券信用交易部
這是一個基於過去5年，沒有考慮自適應性的例子。按照筆者的寫作風格，這個例子肯定不僅僅隻是在講述收益率這麼一個問題。在這裏將其列舉出來的目的主要是另外兩個方麵：（1）倉位和組合管理策略的重要性；（2）非自適應環境下的模型局限。首先，組合管理策略一定是大資金要考慮的第一個問題。其對收益率的影響(往往是損耗)程度一定不可忽視。別看筆者所列舉的示例收益率有較好的表現，但千萬別忘了，筆者假設組合管理策略的收益率影響暫時不存在。一旦將此因素考慮進去，組合的收益率會大打折扣。但這個問題往往對於大資金的意義要更明確，對小資金，尤其是僅僅確定某一標的的操作方式影響甚微。鑒於大資金往往會組織力量進行此方麵的應對，所以筆者也不會將其作為重點闡述。其次，自適應效果是我們會嚐試追求的目標之一；否則，模式遷移的影響將會對算法產生較大的打擊此處，需要指出的是，即便考慮自適應性也僅僅是對此問題作出一個應對。想要得到徹底的保證基本上不可能。時刻別忘了，這是個不確定性的市場，我們隻是在為了提高勝率而付出努力。。
本節末尾，筆者想說一句題外話。如果可以，最好能以團隊合作的方式來進行此類算法的開發。筆者特意強調這一點，著實是因為這種複雜程度工作如果僅由個人來實現，將會是讓人瀕於崩潰的處境。筆者原想將本節這個示例的代碼作為附件3列於本書末尾，但長達18頁A4紙的代碼還是敗給了筆者對簡潔的要求。不過筆者還是希望讀者能大體了解一下，一個即便是如此簡單的策略實現，所要花費的時間和精力。