本报告深入剖析了市净率(PB)、市盈率(PE)和市现率(PCF)三大估值因子的内涵与逻辑,针对不同行业的适用性及因子存在的问题,提出破净股剔除、盈利稳定性与现金流状况等预处理方法,构建了BP、EP和CFEV融合因子,并进一步融合形成综合估值因子。基于此因子,构建PB—ROE因子及框架,结合多因子策略,设计了系统的估值—盈利质量选股策略。该策略自2010年以来年化收益达23.92%,信息比2.45,显示出显著的选股及超额收益能力。
该报告属于招商证券基本面量化系列的首篇,核心聚焦于市净率(PB)、市盈率(PE)和市现率(PCF)三大传统估值因子的内在经济逻辑、适用范围以及存在的误区。基于此,团队通过深度剖析和系统优化这些估值因子,构建出“综合估值因子”,并进一步将该因子应用于PB-ROE框架下的选股因子构建和策略开发。报告强调,投资收益的本源是“净资产增长”和“估值提升”两个关键驱动力,股本回报率(ROE)作为反映公司盈利能力转化为净资产效率的重要指标,与估值水平(PB)共同驱动投资回报。
报告最终提出基于综合估值因子的PB-ROE选股策略,自2010年以来,策略实现了显著的超额收益和优异的风险调整表现,年化超额收益相对于中证800指数达21.95%,信息比2.45,并在主动权益基金中长期居于领先地位,展现了较强的投资价值。,22,24,30,32]
报告从数学推导入手,揭示股票价格收益(资本利得,∆P/P)可以拆解为净资产增长率(∆B/B)和估值变化(∆PB/PB)之和,从而阐明估值和ROE共同决定股票投资回报。ROE作为盈利能力的净资产转化效率成为净资产增长的核心驱动力。此逻辑是整个估值因子体系构建的理论基础。图1形象展示了股票价格由净资产和估值两个部分构成及其变动贡献。
紧接着,报告借助Wilcox 1984年的资本定价理论及DDM模型,推导得出log(P/B)与ROE存在显著的线性正相关关系,并通过中证800成分股实证散点图(图2)验证了该理论。DDM模型中PB=ROE×d/(r-g)明确显示估值水平与盈利能力ROE的正相关性。
此基础上,进一步提出经典的PB-ROE和PB-dROE投资框架,用以平衡价值和成长投资,实务中被大量主动股票基金采用。例如,报告统计40.90%的主动基金对BP因子暴露显著,23.08%对ROE显著,表明该策略体系因子实用性和广泛认同,4]。
报告细致区分了PB、PE、PCF三大估值指标源自资产负债表、利润表和现金流量表的不同会计来源,指出传统市值和行业中性化后直接使用存在的逻辑缺陷,强调必须考虑行业属性与指标本身性质。
PB因子优化:
基于1934年《证券分析》的理论基础,构造BP因子及其分位点,实证显示BP分组收益呈较好线性,但极端低估(破净)股票导致末档收益异常波动(如表2)。对破净企业通过市值<0.8净资产剔除筛选,减少污染,提升因子表现(Rank IC均值由4.65%升至4.73%,多空收益提高),反映该因子适用于重资产行业,报告通过固定资产比率、资产负债率、资本密集度、存货周转率四个指标界定重资产企业(图8),并测试确认其因子表现更优,14]。
PE因子逻辑和波动性:
通过永续增长模型拆解,PE=PB/ROE,受到盈利质量和成长折现双重作用。实证发现PE波动性大来源于FCFE/Profit波动,钢铁与纺织服装行业FCFE/Profit统计图(图9、10)揭示不同商业模式带来的指标波动差异。
EP(单季度)因子表现优于EP(TTM),且剔除盈利缺乏稳定性(如净利润为负或营业收入低于3亿元的个股)股票后,EP因子表现进一步提升(Rank IC由6.40%升至6.87%),因子更稳定且线性增强。
提出估值中枢稳定性指标,即过去3年EP均值除以标准差,作为补充因子增强选股效果(图13、14)。
PCF估值因子:
出发点是消除PE中FCFE/Profit波动影响,因此转而使用纯成长折现率相关的PCF(市现率)指标。报告详细阐述了多种自由现金流(FCFF)计算方法及CFP因子构造。
CFP表现整体不及EP因子,但剔除CF<0负现金流公司后,因子表现显著改善(Rank IC由2.33%提升至3.08%),体现现金流安全性对估值因子的稳定性关键性。
针对CFP分子现金流与市值分母存在匹配性问题,改用企业价值EV替代市值P构造CFEV因子,使得分子分母覆盖股权和债权整体视角(图21),实证显示CFEV相对于CFP提升明显(表12、13),且构造其估值中枢稳定性因子同样提升了表现。
基于BP、EP和CFEV三个大类估值因子分别融合其分位点和估值中枢稳定性因子,构建BP融合因子、EP融合因子和CFEV融合因子。各融合因子在剔除对应异常标的后表现均优于单一因子,且组合因子进一步提高了Rank IC均值、Rank ICIR及多空收益(表14-16)。
融合三个因子构建综合估值因子,考虑三个因子股票池的联合,相关性较低(相关系数均不足0.25),采用等权加权方法对不同股票池内的因子值进行平均,构成综合估值因子(图24-25)。综合估值因子表现优异,Rank IC均值6.89%,多空收益22.8%,显著领先单一融合因子。
PB-ROE因子构造:
利用DDM模型推导,PB=ROE*d/(r-g),可通过回归模型BP=α+βROE+ε,拟合ROE对BP的定价能力,回归残差ε代表估值偏离,作为PB-ROE选股因子。并加入市值与行业控制实现中性化。通过中证800数据实证,显示BP与ROE显著负相关,PB-ROE因子表现稳定,年化多空收益14.62%,Rank IC 5.44%(图26-28)。
改进PB-ROE因子:
以综合估值因子替换单一BP,提高了因子信息含量,显著提升了Rank IC均值、年化多空收益(多空收益19.11%)和Rank ICIR,使得十档分组超额收益线性效应更强(图29-31)。
构建多头组合并统计其与中证800的净值比,展现出持续且显著的超额回报(图32),年化超额收益15%,信息比2.13,月度胜率72.63%,回撤表现良好(表19)。
基于PB-ROE的系统化选股策略:
具体操作流程分三步:(1)确定样本空间,规则包括剔除新股、ST股票,高风险股票,大股东质押高、商誉过高,财务稳健性差及流动性不足股票;(2)估值与盈利质量双维度初筛,构建估值-盈利质量股票池,股票数量约460只,集中于医药等行业;(3)利用估值、成长、分红、动量、流动性五大类因子增强股票池,通过加权Rank ICIR构建复合因子选股,权重限制避免个别因子或行业过度集中(表21,图38)。
策略表现出色:年化收益23.92%,相对中证800超额21.95%,信息比2.45,回撤比1.42,领先多数主动权益基金,资金容量2.5亿元,调仓频率较低且换手率64%,行业和指数权重分布均衡(图39-45,表22-23)。
报告核心采用了经典DDM模型推导估值指标的理论逻辑。以PB为例,市净率受ROE、股息率、风险贴现率和持续增长率共同影响,拆解成表现更具指导意义的BP以及盈利质量因子。
报告采用了三个具体估值指标的倒数形式作为因子:B/P、E/P、CF/P,以保证因子结构的正向性,避免了负利润等异常值对PE等指标的误判。
估值因子采用多层次融合方式,包括分位点标准化和估值中枢(3年均值除以标准差)稳定性考量,构造综合表现卓越的融合因子。
此外,为切合不同企业特点,引入了剔除破净股、盈利不稳定股、现金流负股等处理流程,有效提升估值因子稳定性。
基于企业价值(EV)替代市值(P),进一步提升了现金流估值因子的逻辑合理性和适用广泛性。
PB、EP、CFEV三大因子融合后的综合估值指标在经典的市值中性化和行业中性化股票池内获得验证表现优异,Rank IC超6%,多空收益接近23%。
本报告系统呈现了基于PB、PE、PCF三大估值指标的内涵与演进逻辑,揭示股票投资收益来自净资产增厚与估值提升双因子驱动的本质。结合经典DDM模型和历史统计,确认PB与ROE之间的正向关系,提出以残差作为PB-ROE因子度量市场估值偏离,形成选股信号。针对估值因子中的极端异常和行业差异,报告采用多重剔除标准及估值中枢稳定性度量指标,有针对性地优化提升因子效果。报告进一步通过因子分位点、估值中枢稳定性等子因子融合,提高了估值因子的稳健性和预测能力。
最核心贡献是构建综合估值因子,结合PB融合、EP融合及CFEV融合三个维度,通过等权加权融合实现较低相关性,强化信息含量。基于该综合估值因子,报告开发并实证了基于PB-ROE框架的选股因子。该因子在全市场范围内展示出稳定优异的风险调整后收益能力及较强的选股线性分层效应。最终以该因子为核心设计系统化投资策略,结合估值、盈利质量、成长、分红、动量及流动性等五大因子多维增强投资组合构建,策略自2010年以来实现年化收益近24%,超额收益超过21%,表现持续优于基准与主流基金,行业与市值配置合理,资金容量及换手率适中,风险控制得当。
图表横纵的逻辑支持清晰、数据详实,因子性能与策略实现水平均显示招商定量团队在基本面因子量化研究领域的领先深厚实力,成果具备较强实践参考价值和推广应用潜力。
报告以资讯理论和历史实证为依据,系统研究并优化传统估值因子,进而构建高效的综合估值指标体系。围绕PB-ROE框架开发选股因子和量化策略,策略成果经验证有效且具有行业领先的投资性能。报告严谨细致,兼顾理论深度和应用广度,风险与局限声明明确,为投资者理解估值因子及其运用提供了极具价值的参考。
(完)
估值因子的内涵与逻辑——基本面量化系列研究之一.pdf