## 背景 小市值一直是社区研究的热门，各种改版的小市值策略也层出不穷，那么小市值的超额对比其他到底如何呢？这篇文章希望通过定量化的分析来弄清楚这个问题。 ## 市值与收益的关系 首先，取过去10年每个月的所有股票，按照该月的市值大小排序，分为5组，分别是 - top20%组 - top20-40%组 - top40-60%组 - top60-80%组 - top80-100%组 注意，这里的topx%指的是市值从小到大排序的前20%，每个月取到的股票数是不一样的，因为每个月上市公司不一样。比如2014年1月取到的2471只股票，top0市值8亿，top494（20%分位）市值20亿。而2024年1月一共5096只股票，top0市值2亿，top1019市值31亿。可以看到20%分位点的股票数一共增长了一倍多。 然后，针对某月的市值的top n%股票，计算本月的收益率（月末-月初），绘制出每个月的收益分布情况，示意如下，表示2014年1月到2024年10月每个月的top20%的股票的总和收益率  对5个市值区间的股票分别统计可得到如下数据  | 组别 | 累计收益 | | --- | --- | --- | | top20% | 327% | | top40% | 65% | | top60% | 45% | | top80% | 51% | | top100% | 74% |  从分组数据看，top20%的收益确实远高于后面4组，不过4组中是头尾稍好一点，中间组别稍差一些，看来头尾效应还是有的。 既然小市值组效果如此拔尖，那再细分展开看看，依次绘制top1%，top5%，top10%，top15%四组的收益情况，注意这里的top5%就是0~5%，而不是前面的那种不包含分组。 从效果来看，top1%组别的收益遥遥领先，果然，小市值是越小收益越明显！  让我们来直观的感受一下：  果然小市值YYDS！！ --- ## 数据筛选 上面的数据是直接取的当月全部数据，在实际使用时可能会有问题，实际一般会对数据做一些筛选，比如过滤科创板、创业板、三板、ST、退市等等股票，进一步还可能针对市值、盈利等作进一步限制来控制风险，那么加上这些条件之后效果如何呢，我们来验证一下。 这里有一点需要注意，当我在市值数据查询表中添加了查询数据字段但没有进行任何筛选时，获取到的数据同样会导致收益数据从20倍降低到11倍，影响很大，难道是因为查表的时候没有数据的部分导致过滤掉了很多股票？这个原因暂未清楚，因为这里主要探索不同过滤因子的影响，因此暂不去深究原因，以下都是以这个基准来进行对比。  **ST和退市股**：从下表看，基准收益为1150%，剔除ST、退市股票后，收益率变为了950%，看来ST对收益贡献不小？ **新旧三板**的剔除对收益没什么影响，应该是这个筛选体系下没有相对应的板块数据？ **科创板与创业板**，这两个板块表现不尽一致，剔除科创板之后收益下降到862%，看来科创板对收益的贡献较大；而剔除创业板之后收益反而上升了（980%），看来创业板会有负收益，应该剔除，但科创板还是值得保留。 **次新股**的表现有点出乎意料，事实上剔除之后对收益影响很小，可剔除可保留。 **市值千亿内**这个条件基本没作用，应该是1%的条件股票都达不到千亿要求。 **pe>0，pb>0**，pe条件筛选会对结果造成**大幅影响**，这个条件值得再斟酌，不确定是空值太多导致筛选过滤掉了太多数据还是数据条件得影响；而pb>0仅有微小的负收益影响。 **归母净利润>0、净利润>0、营收>1亿**有一点影响，但是都较弱。 **每股净收益(eps)>0、roe>-10**同样有微弱的负收益影响。  --- 好了，今天到此结束，后续可以对上述影响较大的**ST、科创、pe**这三个因子做进一步的探究！