# Finlab 投稿
## 營業利益率選股
### 原理
**營收 (Revenue)** 是一間公司「做多少生意」的指標，然而做多少生意不表示賺多少錢，營收再高也不代表賺更多的錢，中間還要扣除銷貨成本得到的**營業毛利 (Gross profit)**，營業毛利扣掉費用後得到的**營業利益 (Operating profit)**，而後還有營業外支出，利息與所得稅等等，東扣西扣最後才是代表轉多少錢的指標**稅後淨利 (Net income)**。
先不論一間公司在外面做多少生意，繳多少利息與所得稅等等這些支出，衡量公司賺錢真本事的剩下營業毛利與營業利益這兩個指標。而營業毛利取決於行業類別，例如航運與鋼鐵業，毛利平均 10% 左右；晶圓代工與光學鏡頭，毛利平均在 40% 以上，難以用一個數字去衡量所有公司的好壞。而營業利益表是一間公司控管費用的能力，更能代表這間公司營運能力。
### 計算營業利益率
:::success
營業利益率 = 營業利益 / 營業收入合計
:::
使用 **Finlab API**：
```python
from finlab import data
operating_income = data.get('financial_statement:營業收入淨額')
operating_profit = data.get('financial_statement:營業利益')
operating_profit_ratio = (operating_profit / operating_income) * 100
```
其中：
```operating_income```： 營業收入合計
```operating_profit```： 營業利益
```operating_profit_ratio```： 營業利益率
### 如何評估營業利益率
了解營業利益是評估一間公司營運能力的基礎之後，希望找出營業利益穩定成長，若沒有穩定成長，至少要穩定，因此考慮到季與季之間不能下跌過大。
再來，營業利益率若長期都是負值，再怎麼穩定也是枉然。
因此，對以下條件進行量化：
:::info
1. 營業利益率連續 `seasons` 季，下跌不超過某個數值 `drop`，認為是穩定。
2. 營業利益率連續 `seasons` 季都是正值。
以上的 `seasons` 與 `drop` 都是變數。
:::
先把要量化的公式寫出來：
```python
condition1 = (((operating_profit_ratio - operating_profit_ratio.shift(1)) /
abs(operating_profit_ratio.shift(1))).rolling(seasons-1).min()) * 100 > drop
condition2 = operating_profit_ratio.rolling(seasons).min() > 0
position = condition1 & condition2
```
上式計算出連續 `seasons` 個季度，季與季之間的變化百分比(例如近 4 季就有 3 次變化)至少高於某個數值 `drop`。
```python
def get_return_by_seasons(seasons):
ret = {}
return_dataset = {}
for drop in range(-50, 10, 10):
condition1 = (((operating_profit_ratio - operating_profit_ratio.shift(1)) /
abs(operating_profit_ratio.shift(1))).rolling(seasons-1).min()) * 100 > drop
condition2 = operating_profit_ratio.rolling(seasons).min() > 0
position = condition1 & condition2
report = backtest.sim(position.loc['2014':], resample="M", upload=False)
return_series = report.creturn
return_dataset['seasons'] = seasons
return_dataset[f"{drop}"] = report.creturn
return_dataset = pd.DataFrame(return_dataset)
return return_dataset
return_season_df = pd.concat([get_return_by_seasons(s) for s in [8, 7, 6, 5, 4, 3, 2]])
```
上面程式碼分別回測連續 2 到連續 8 個季度，季與季之間變化幅度大於 `-50%, -40%, -30%, -20%, -10%, 0%` 的情形，使用 **plotly express** 模組，繪製如下：
```python
import plotly.express as px
fig = px.line(return_season_df, facet_row='seasons', height=1000, title='operating profit ratio backtest')
fig.show()
```
觀察到，`season = 4` 的圖表，較能看出一字排開的現象，表示近 4 季(3 次變化)，可以明顯地區分出各下跌百分比。且報酬率以季與季變化大於 0% 最好。
放大顯示：
### 營業利益率 v.s. 股價
有了上述的基礎之後，再來想要知道可否運用較少的資金，也就是選擇股價較低但滿足上述條件的公司買入，取得較高的報酬。
因此進一步將股價區分，對不同股價區間的公司作回測，得到最終到報酬率的柱狀圖如下：
```python
close = data.get('price:收盤價')
def get_return_by_percentage(drop):
condition1 = (((operating_profit_ratio - operating_profit_ratio.shift(1)) / abs(operating_profit_ratio.shift(1))).rolling(3).min()) * 100 > drop
condition2 = operating_profit_ratio.rolling(4).min() > 0
price_range = np.arange(0, 120, 10)
ret = []
for s,e in zip(price_range, price_range[1:]):
condition3 = (close > s) & (close < e)
position = condition1 & condition2 & condition3
r = backtest.sim(position.loc['2014':], resample="M", upload=False)
return_series = r.creturn
ret.append({'%':drop, 'price_range':f"{round(s,1)}-{round(e,1)}", 'return':return_series[-1]})
df = pd.DataFrame(ret)
return df
return_percentage_df = pd.concat([get_return_by_percentage(percentage) for percentage in [-50, -40, -30, -20, -10, -5, 0, 5, 10]])
```
看起來符合預期，在營業利益率季與季之間變化大於 5% 的族群中(倒數第二欄柱狀圖表)，股價介於 30~40 間的公司報酬率最好，代表著有機會以較低的資金取得較好的報酬。
將績效曲線繪製出來如下：
### 進一步過濾：好中選好
只是選擇營業利益穩定的中低股價公司就有不錯的報酬，是否可以進一步過濾出更好的股票呢？
嘗試加入以下兩個條件試試：
:::info
1. 這季營益率大於上季 $\Rightarrow$ 經營能力變好。
2. 近三月營收平均大於近十二月營收平均 $\Rightarrow$ 最近營收成長。
:::
回測績效如下：
結果也進一步地提升績效，看起來是個不錯的策略。
## 後續探討
* 試圖加入技術指標或其他濾網
* 使用其他指標來對營業利益率的分類：
有些資本密集的公司(晶圓代工)，由於股本較大，公司本身對費用控管能力較好，卻屬於中低股價。因此本篇用股價區間來區分難免有些偏頗。
希望可以改用其他指標(本益比、股價淨值比 …)，找出資本較小，卻有優異的營運管理能力的公司，在股價相對低點買入，以期獲得更好的報酬。
## Colab 範例程式碼
https://colab.research.google.com/drive/1Fx7NoJHHICHSXMJ2_Ny6x6ien1UpPeLs?usp=sharing
Sign in with Wallet
Connect another wallet