2024年完整股票组合构建指南（分步详解）

（原标题：Picking a Complete Stock Portfolio for 2024 (Step-by-Step)）

📊 股票筛选标准与财务指标设定

• 市值门槛：为确保公司具备独立生存能力并避免过度依赖单一创始人或关键人物，筛选条件设定为公司市值必须大于3000万美元。过小的公司往往存在流动性风险且股权结构高度集中。
• 营收增长基准：选取2016年、2017年及最近12个月（LTM）的总营收数据作为核心指标。要求2016年和2017年的营收均大于500万美元，而最近12个月的营收需大于1000万美元。这一设定旨在排除规模过小的企业，并建立长期的增长对比基准。
• 盈利质量筛选：使用营业利润（Operating Income）而非净利润作为核心盈利指标。这是因为净利润受减值、重组等非经常性损益影响较大，噪音较多；营业利润更接近经营性现金流，能更真实地反映业务本身的造血能力。要求2016年的营业利润必须大于零，以剔除长期亏损企业。
• 抗波动处理机制：鉴于盈利数据比营收数据波动更大，在计算当前盈利能力时，不直接采用最近12个月的数据，而是取2021年（疫情特殊时期）与最近12个月营业利润中的较高值作为“调整后营业利润”。这种方法旨在平滑周期性波动，更准确地估算公司的常态化盈利水平。
• 资本效率考量：引入净资产收益率或投入资本回报率的概念，偏好那些无需大量再投资即可实现增长的公司。例如，软件公司（如谷歌）相比重资产行业（如埃克森美孚、卡特彼勒），在实现20%增长时所需的资本支出更少，从而能将更多自由现金流分配给股东。

📈 复合年均增长率与利润率正常化计算

• CAGR计算方法：通过对比当前营收/利润与历史基准年（2016年或2017年）的数据来计算复合年均增长率（CAGR）。具体公式为将当前值除以历史值，再开方（年份数），最后减去1。例如，从2006年至今约16年的长期增长，以及从2017年至今约6-7年的中期增长。
• 利润率正常化逻辑：不直接对营业利润进行平滑处理，而是分别计算历史各期的营业利润率（Operating Margin）。由于营收相对稳定而利润率波动剧烈，通过估算“正常化营收”与“正常化利润率”的乘积来推导正常化盈利。这种方法能更稳健地剔除极端年份对估值的影响。
• 数据清洗与格式统一：从Ticker数据库导出的原始数据包含货币符号（$）和千位分隔符（逗号），在Excel中需通过查找替换功能移除这些字符，以确保公式计算的正确性。同时，需处理公司名称后缀不一致的问题（如Ticker中的“Inc.”与Insider Screener中的命名差异），以提高VLOOKUP等匹配函数的成功率。

🏭 投入资本回报率的具体构成要素

• 核心计算公式：投入资本回报率（Return on Invested Capital, ROIC）被定义为营业利润除以净有形资产（Net Tangible Assets）。这里的分母并非简单的账面净资产，而是经过调整的营运资本需求总和。
• 资产端构成：计算所需占用的资本时，累加以下资产负债表项目：应收账款（Receivables）、存货（Inventory）以及净物业、厂房和设备（Net PP&E）。这些项目代表了公司为维持当前业务规模必须锁定的现金或资源。
• 负债端抵扣：从上述资产总和中扣除应付账款（Accounts Payable）。应付账款被视为一种无息融资来源，能够抵消部分营运资本需求，从而更准确地反映股东实际投入的有效资本。
• 估值指标关联：在计算企业价值倍数时，使用企业价值（Enterprise Value）除以EBIT（息税前利润）。由于此前已提取了营业利润数据，且EBIT与营业利润高度相似，可直接利用现有数据进行估值筛选，无需额外抓取字段。

🛠️ 数据获取流程与Excel处理步骤

• 数据库筛选执行：在Ticker平台中应用上述所有筛选条件（市值、营收阈值、盈利正负号等），从约67,000家上市公司中初步筛选出约1200家符合条件的公司。
• 分批导出策略：由于单次导出限制，将结果分为三批（每批500行或剩余部分）复制并粘贴至Excel表格中。随后合并数据，删除重复的表头行及无关列，形成完整的分析数据集。
• 公式批量应用：在Excel中建立辅助列，编写公式以自动计算CAGR、正常化利润率以及ROIC等衍生指标。通过填充柄将公式应用于所有1200家公司，实现自动化初步排序。
• 数据源整合：除了Ticker提供的财务数据外，还引入了Insider Screener的数据以获取内部人交易信息。由于两个平台的公司命名规范存在细微差异（如标点符号、后缀），需进行文本清洗以确保数据能正确关联匹配。

🏢 个股案例深度分析与风险排除

• Shift Group案例分析：该公司从事商用及休闲车辆制造，业务具有强周期性。尽管其当前利润率接近历史峰值（约8.6%），但考虑到全周期波动，保守估计正常化利润率仅为4.5%-5%，且营收需下调10%以反映潜在衰退风险。这种高资本密集度和低正常化回报导致其在筛选中被淘汰。
• Altria Group排除理由：作为烟草巨头（万宝路母公司），其业务高度依赖卷烟产品，面临严格的监管风险和长期需求萎缩压力。由于组合中已包含另一家具有更多新型尼古丁产品占比的烟草公司，为避免行业过度集中及监管风险叠加，Altria被主动剔除。
• Gray Television风险警示：该股空头比例高达17%，属于极端做空标的。虽然可能存在轧空机会，但极高的空头仓位暗示了市场对其基本面或治理结构的严重质疑，因此基于风险控制原则予以排除。
• Bellfuse初步评估：该公司从事网络、电信及工业数据传输产品制造，业务涵盖航空航天与移动行业。尽管其财务表现稳定且周期性可控，但其技术细分领域可能超出部分投资者的能力圈（Circle of Competence），需进一步深入调研以确认是否纳入最终组合。

📉 内部人交易数据匹配与清洗细节

• 命名不一致问题：在整合Ticker财务数据与Insider Screener内部人购买数据时，发现大量匹配失败。主要原因在于公司名称格式差异，例如Ticker使用“Apple Inc.”而另一数据源可能省略后缀或使用不同标点。
• 文本标准化处理：通过Excel的查找替换功能，批量移除公司名称中的句点（.）和其他特殊字符，使名称格式趋于统一。这一操作将内部人交易数据的匹配成功率从最初的0.26%提升至4.61%，显著提高了数据完整性。
• 数据量级校正：原始导出的内部人购买金额单位为美元，而财务数据单位为百万美元。在计算内部人购买比例时，需对金额进行除以1,000,000的标准化处理，以确保比率计算的准确性。