本报告从低估视角出发,通过改进PB-ROE残差因子结合行业与PE分域方法提升选股效果,构建优质低估股票池,剔除价值陷阱后以盈利增长、预期股息率和长端动量等因子构成价值增强Plus组合,实现超额收益稳定提升。同时结合成长型超预期Plus组合,通过宏观择时模型实现多策略融合,近两年表现更稳健,信息比率达1.46,为量化价值投资策略提供实践路径与理论支撑 .
| 象限类别 | 绩效表现 |
|---|---|
| 高成长高股息 | 表现最好 |
| 低成长低股息 | 表现最差 |
报告标题: 《基本面量化:价值Plus组合构建与多策略融合实践》
作者及发布机构: 开源证券金融工程团队,首席分析师魏建榕主笔,盛少成协助
发布日期: 2023年11月21日
研究主题:
核心论点与评级信息:
报告通过定量拆解超预期策略和低估策略的收益结构,发现超预期策略近两年受估值压力负贡献较大而表现不佳,而低估策略受益于估值提升,二者互补。基于改进的PB-ROE残差因子构建低估股票池,并结合盈利及分红因子规避价值陷阱,最终构建价值增强Plus组合。报告强调该组合历史绝对收益显著,且结合成长超预期组合以宏观择时风格轮动,多策略融合显著提升绩效稳定性和信息比率,适合作为市场波动和风格转换期的稳健配置方案。,1]
关键论点:
2022年以来,超预期策略因估值负贡献明显且扩大,导致回撤较大。换言之,尽管盈利贡献仍在,但估值收缩压制收益。反观依赖估值因子的价值策略(如PB因子)在近年依然保持估值正贡献,表现相对稳健。两者经济本质不同:超预期策略更依赖景气及盈利增长,价值策略则更多赚估值修复的钱,因此互为补充。
数据与图表说明:
图1显示超预期股票池2.0净值表现自2021年起波动加大、回撤显著;图2对数收益拆解明确揭示2022-2023年估值贡献从2010~2021年8.92%正转为-25.18%的剧烈负贡献;而图3与图4则显示PB因子十分组多头策略近两年估值贡献依然为正,且全区间累计收益核心来源也是估值提升。
支撑逻辑与推断:
由图和收益拆解看,超预期策略表现受宏观经济衰退、盈利下滑和高估值压制,但低估值因子策略收益受估值修复驱动,故在震荡及下行周期中抗跌更好。作者基于此确认价值策略与成长策略构建多策略组合的合理性。,2]
关键论点:
PB因子虽常用,但单独作为低估筛选因子在A股效果有限,波动大且选股单调性不佳,信息比率(IR)仅0.71。为改进,引入Wilcox(1984)的PB-ROE枢纽模型,尝试通过扩展估值模型解释力来提升因子效力。
方法论与数据细节:
PB-ROE框架假设:
[
\ln(PB) = (ROE - k) \times T
]
k为股东要求回报率,ROE作为未来盈利的代理。
由于实际市场中不同股票要求回报率k差异大,导致拟合度低。以回归残差代替PB实际因子更科学,但整体在A股表现平平(图7),波动大(图8)。
为改善,采用“分域”策略,即按行业或PE水平对股票分组回归,高效拟合区段内的估值逻辑。行业分域提高拟合R²,大约2/3行业内部优于市场整体(图9)。
引入基于历史PE中位数(PE_M)3分组,再结合行业分域,残差因子信息比率大幅提升(表3),10年多空对冲复合收益率由9.27%提至18.70%。PB-ROE残差因子由此称为“改进PB-ROE残差因子”。
问题背景:
筛选的低估股票池大多为低PB且低ROE,存在价值陷阱风险(即股票股价低是因为业绩持续不佳而非被低估)。
盈利与分红指标筛选:
简单剔除低ROE股票效果有限,ROE因子本身分组效果近年走弱(图16)。
通过扩展财务多因子测评(营运效率、偿债能力、盈利质量等),发现单季度ROE同比指标具备较优选股效力(图17-19),可作为避免陷阱的优选条件。
分红维度的“股息率”(Dividend_TTM)也有分组能力,高分红组表现优于低分红组(图20)。
盈利和分红双维度分四象限分析显示,低成长低股息组表现最差(图21,表4),剔除该组后剩余组成“优质低估股票池”,有效规避价值陷阱。
选股思路:
基于优质低估股票池,重点选股因子涵盖:改进PB-ROE残差因子、净利润同比的环比、预期股息率、长端(低噪声)动量因子。
各因子等权线性合成,选出股票30只。
因子具体表现:
改进PB-ROE残差因子在优质低估池内有有效分组能力,三分组多空对冲年化收益率6.21%,IR 1.26(图22)。
净利润同比环比因子表现稳定(图23),IR 1.17。
预期股息率因子依据净利润增长预测股息,IR 1.21(图24)。
动量因子采用弃高振幅交易日涨跌幅拟合长端动量,捕捉A股独有动量效应,年化收益8.01%,IR 1.46(图25)。
组合业绩:
价值增强Plus组合全区间绝对年化收益28.93%,信息比率1.15,超额中证500年化22.97%,信息比率2.31(图26,表5)。
组合偏中小市值(市值中位数63亿,图29)且行业分布均衡,尤其偏价值风格如房地产、交通运输、公用事业占比较高(图30)。
构建股票数敏感性分析显示最佳选股数为30只。(表8)
附加思路:困境反转组合
低估且此前历史盈利差但近期盈利与营收改善的组合,总体收益波动比较低(图31,表9),可作为补充策略框架。
,9,10,11,14]
策略逻辑:
结合成长与价值的轮动择时框架(盈利状态+估值压力+动量),宏观择时信号决定当期持仓策略:
宏观择时模型细节:
详细分类盈利和估值压力组合,应用动量判断风格强弱(图27)。
风格轮动策略年化多空对冲超额6.85%,信息比率0.51(表6)。
融合策略表现:
以两种权重配置试验:简单等权(w=0.5)和择时权重(w=1)。
择时权重方式表现更为优异,信息比率高达1.46(表7),尤其近两年表现稳健,明显优于单一超预期组合(图28)。
作者强调由于超预期策略alpha空间压缩,未来多策略轮动更具优势。
,13]
图1~4:
展示超预期2.0策略回撤及估值负贡献,以及PB因子近两年仍保持正估值贡献,揭示策略两极分化的背后逻辑。
图5~6:
PB因子十分类多空回报曲线波动大,且单调性弱,说明该因子本身稳定性不足,需要改进。
图7~11:
PB-ROE残差模型在整体市场拟合差,行业与PE_M分域显著提升拟合优度,具体行业内部拟合优度如图9所示。
图13:
改进PB-ROE残差因子多空对冲净值曲线大幅优于纯PB因子,且最大回撤更小,IR提升显著。
图14~15:
构建低估股票池后,低估组在净值及PB、ROE中位水平均显著低于高估组,但潜藏陷阱风险。
图16~21:
分组测试盈利、分红因子,最终将低成长低分红群体剔除,低成长低股息表现最差,策略防范价值陷阱有效。
图22~26:
多因子在优质低估股票池中均表现有效,组合净值表现优异,特别是长端动量的创新净化动量捕捉带来稳定贡献。
图27~28:
宏观择时模型逻辑及基于择时的多策略融合净值曲线展现,轮动策略提升整体信息比率,兼顾稳健与收益。
图29~30:
价值增强Plus组合的市值与行业分布,显示组合偏中小市值,行业较均衡,符合一般价值风格特征。
图31:
困境反转组合净值曲线及收益波动比,作为另类思路的补充具有实用价值。
总体而言,图表系统验证了改进因子构建、价值陷阱规避以及多维因子融合策略的有效性,也清晰展现了多策略搭配的协同效应。
估值方法:
基于Wilcox(1984) PB-ROE框架的残差因子量化估值方法,创新在于:
参数选择与敏感性分析:
PE_M取过去250交易日的中位数划分为3组,平衡稳定性与划分细致度(图12),行业分域赋予哑变量增强拟合,残差因子效果提升显著(表3)。
优选因子选股数30只收益表现最优(表8)。
估值风险提示:
报告也指出k(股东回报率)对模型简单假设同质性,但实际差异显著,同时当前ROE无法精准预测未来ROE,导致模型限制,须结合多因子及后续方法缓释。
结论:
基于扩展PB-ROE残差因子构建的低估组合相比单一PB因子更稳定、收益更可观,搭配盈利及股息等财务因子避免陷阱,从估值角度看更具投资价值。,9-11]
历史数据依赖与市场结构风险:
报告提醒所有模型均基于历史数据,未来市场可能会出现重大改变,导致策略失效。
模型假设风险:
PB-ROE模型假设统一k值、未来ROE用当期替代,可能导致估值误差和拟合不足。
价值陷阱识别风险:
盈利和分红因子的选股效果亦非绝对稳健,单指标信号存在偏差,需要多维度综合判断。
宏观择时风险:
风格轮动机制依赖盈利和估值压力识别,宏观经济、政策变化使信号波动加大。
策略组合波动风险:
组合本身存在波动率风险,尤其在极端市场环境下,可能遭遇较大回撤。
报告未对缓解这些风险提出具体对冲措施,但通过多策略融合提升组合稳健性间接起到部分缓释作用。
假设局限性:
使用简单统一的股东回报率k,未来ROE用当期ROE代替可能过于粗糙,分域虽改进但未必完全解决异质性问题。
分析师预期ROE的证伪与否,实际交易中该因子可能被市场广泛关注导致超额收益难实现。
盈余质量因子剔除的潜在影响:
报告中营收、盈利等不同指标的选择存在权衡,ROE同比虽然优于原ROE,但也未深入解释财务造假等盈余质量因素。
模型前瞻性不足:
基于历史财务数据规律构建,可能忽略宏观结构性变化对估值和盈利模式的深刻影响。
多策略融合权重简化:
轮动融合仅采用简单等权或择时单一权重,未涉及动态优化或外部风险调整,后续仍有提升空间。
组合集中度和行业暴露:
组合偏中小市值且行业分布均衡,但房地产、交通运输暴露偏大,可能带来特定行业风险。
综合看,报告在数据和模型层面做了充分验证和改进,但仍需关注实际策略实施中的环境变化和数据质量限制。,4,15]
本报告系统地剖析了A股市场超预期成长策略与低估价值策略的收益结构,指出二者天然互补,特别是在近年来成长策略因估值收缩遭遇明显回撤的背景下,价值策略展现稳定估值贡献。基于Wilcox的PB-ROE估值框架,结合行业和PE_M分域创新改进残差因子,显著提升估值因子稳定性和收益表现。
通过引入盈利增长趋势(单季度ROE同比、净利润同比环比)、分红(预期股息率)及低噪声长端动量因子,构建出剔除价值陷阱的优质低估股票池,最终设计了价值增强Plus组合。该组合在全区间表现优异,年化收益近29%,信息比率1.15,且行业分布均衡,偏中小市值。
结合前期构建的超预期Plus成长组合,利用宏观择时信号进行风格轮动,实现成长与价值的多策略融合,显著提高了收益的稳健性和整体信息比率(最高达1.46),特别是在近两年成长策略回撤加剧的环境下,展现出优越的风险调整表现。
报告通过详尽的数据拆解和多维因子研究,提出了具有实操价值的Quantitative投资框架,强调了组合构建和风险管理的重要性。图表数据系统支持了报告核心论断,充分证明了价值增强策略在当前市场环境下的必要性和有效性。
(图1)
(图2)
(图3)
(图7)
(图13)
(图14)
(图21)
(图26)
(图28)
本报告在理论与实证结合上结构严谨,数据详实,创新性地丰富了A股基本面量化价值选股框架,并适时引入宏观择时风格轮动,为投资者提供了构建稳健价值增强组合的成熟路径与应用范例。未来随着市场环境演变,进一步验证与优化此类多维因子及策略融合模型,将有助于提升量化组合的适应性和超额表现能力。
基本面量化:价值Plus组合构建与多策略融合实践 | 开源金工.pdf