QVT（质量、价值、趋势）选股的基本逻辑及模拟效果可参考5月31日文章：QVT选股有效性测试。从2014年以来回测数据看，复合年化收益率为16.18%,期间最高回撤为29%。
栏目主要根据QVT的选股逻进行筛选股票，然后对每个个股进行分析解读，主要是从财报等角度看公司的业务开展、财务稳定性等状况。核心关注两点：盈利能力的稳定性及估值高低。应用研发的现金流折现估值模型观察股票的估值变动情况。
从栏目改版开始，陆陆续续根据QVT的逻辑进行了筛选，但由于并没有按照组合的方式动态跟踪以及调仓，所以更多时在质量和估值的筛选，对T（趋势）的干预较少。即使按照静态股票池的方式，以质量、估值来筛选，也应该获得一定的超额收益，才能说明选股的逻辑具有价值。今天主要对之前筛选的股票池进行跟踪，看看效果如何，同时介绍了关于估值模型本身优化后对于构造QVT策略优化进展。
一、历史筛选跟踪
从2023年5月开始，陆陆续续筛选了一些个股，并且对个股进行逐个的年报跟踪，有的在年报解读中发现部分股票可能并不是具有很稳定的盈利能力，或者有其他从定量筛选角度没有关注到的一些不利因素，也有的股票在年报跟踪解读中发现确实是比较不错的标的。
第一期筛选是在2023年5月5日，筛选的股票累计到当前盈亏情况如下：
从筛选的结果来看，多数股票是盈利的，胜率是65%，平均盈利是5.39%，最高盈利36.4%，最低盈利是（-24.0%），期间沪深300指数涨幅（-9.93%），在沪深300%大幅下跌的情况下，大幅跑赢指数，并且获得了正收益。
第二期筛选是在2023年7月20日，筛选的股票表现如下：
累计到当前最高收益是48.2%，最低收益是（-28.6%），平均盈利是2.36%，胜率是42.9%；对应期间沪深300指数涨幅为（-5.73%），同样跑赢了沪深300并且能够获得正收益。
第三次筛选是2023年8月21日，具体如下：
累计到当前，对应选择的股票最高收益为68.5%，最低收益为（-47.1%），平均收益为7.46%，胜率为60%，对应期间沪深300指数涨幅为（-4.06%），大幅跑赢了沪深300，并且获得了正收益。
第四次筛选是2023年12月1日，具体如下：
筛选的个股中，最高收益为25.5%，最低收益为(-28.5%),平均收益为1.04%，胜率为45%，期间对应沪深300指数涨幅为3.83%，获得了正收益，但尚未跑赢沪深300指数。
从以上四次筛选的结果来看，有的个股涨幅较大，有的也跌幅较大，主要是以筛选股票池的方式，并没有根据市场的走势做择时或趋势筛选等。但整体上，四次筛选的结果都是正收益，除了最后一期，都跑赢了沪深300指数。
二、选股逻辑优化
QVT（质量、估值、趋势）的选股逻辑是在质量筛选的前提下，对个股进行现金流折现的估值，在现金流折现后的内在收益率较高的情况下再结合个股的趋势进行交易，在趋势筛选方面目前干预较少。
前面一直对个股的现金流折现估值模型进行持续优化，整体来说，与去年的模型相比，有了较大的改进，主要是对一些异常的ROA、ROE进行兼容，因为很多公司会遇到收购、重组等各种情况，这个时候往往当前的ROE可能出现不正常的数据，对个股的估值造成影响，但实际上这并不是企业的实际盈利能力，从单个个股人工观察分析的时候，我们很容易发现，但用量化批量筛选的时候比较难以剔除，因此对估值模型进行了持续的优化以更好的适应这种状况。同时，以盈利实现概率的方式对风险的识别进行了一些优化。
优化后重建了QVT的选股策略，在优化后由于对个股异常的适应性更好，因此，对质量的筛选条件更加宽松，之前质量筛选中一部分是为了识别异常的盈利变化，整体来说，对策略的构建更加宽泛的条件，降低了过拟合的概率，适应性更好。
从回测的结果来看，也获得了更好的效果，之前年化收益16%，优化后年化收益达到了21.37%，回撤维持了29.08%。
策略收益以及超额收益如下：
（蓝色为策略收益、黄色为沪深300，绿色为超额收益）
每年的收益情况如下：
由于是以价值选股，基本都是满仓的，只有找不到足够价值的股票时才会降低仓位，仓位变化具体情况如下：
（蓝色为策略收益、黄色为沪深300收益，绿色为仓位）
最大回撤发生在2015年，期间回撤情况如下：
（蓝色为策略回撤、绿色为为沪深300收益，黄色为策略收益）
市场有风险、投资须谨慎！
文中包含的各类数据及模型估计均可能存在严重缺陷，而且睡着研究的进行可能不断进行迭代优化，前后模型可能存在差异等，请谨慎求证，仅供参考。