报告详尽分析报告:基于无形资产调整的 PB 因子选股效果研究
1. 元数据与概览
- 报告标题:《选股因子系列研究(八十二)——不可忽视的无形资产》
- 分析师:冯佳睿、罗蕾
- 发布机构:海通证券研究所金融工程团队
- 发布日期:2022年7月
- 研究主题:本文聚焦于无形资产在公司估值中的重要作用,尤其提出基于无形资产调整后的市净率(PB_INT)因子,系统评估该因子在A股市场的选股效能。
- 核心论点:近年来,无形资产成为企业资本的重要组成部分,传统PB因子因未考虑内部创造的无形资产(员工、品牌、知识资本投资)而可能导致估值偏高。通过将无形资产纳入资产负债表,调整市净率(PB_INT)后,可以更准确地反映企业价值。
- 主要结论:PB_INT因子在捕捉市场“价值效应”方面表现与传统PB因子相似,但其稳定性更高,波动率更低,且在价值风格失效时期回撤更小。同时,与常见的PE、股息率因子相比,PB_INT在多因子模型中仍具有显著alpha,具备较强的选股能力。基于PB_INT构建的多种选股组合表现优异,尤其在高科技及品牌价值较大板块展现出持续超额收益。
- 风险提示:模型设定风险,历史统计规律失效风险。
总结来看,报告旨在通过纳入无形资产因素,完善传统价值因子的估值逻辑,提供一种更合理、更稳定的选股方式,对投资者构建组合具有重要指导价值。,4,15]
2. 逐节深度解读
2.1 企业的无形资产(第1章,page 4-5)
-
关键论点:
企业内部创造的无形资产(知识资本与组织资本)被企业支出化,未计入资产负债表,导致账面价值偏低。
-
推理依据和假设:
依照Dion Bongaerts等(2022)文献,内部无形资产通过资本化研发支出和30%销售管理费用(SG&A)估计,剔除商誉避免重复计量。
-
无形资产计算公式及解释:
账面价值调整公式:
[
B_{i,t}^{INT} = B_{i,t} - GDWL_{i,t} + INT_{i,t}
]
其中 (GDWL) 为商誉, (INT = KC + OC),知识资本(KC)和组织资本(OC)分别通过摊销折现后累计研发支出和30% SG&A支出计算。
-
数据结论:
2021年A股无形资产占总资本13.8%,技术和消费行业(家电、计算机、医药、消费者服务)无形资产占比显著高,而周期行业(煤炭、有色金属等)较低。
整体意义:无形资产的重要性日益提升,忽视导致对高研发、高品牌投入企业估值偏低,影响投资决策。,5]
2.2 无形资产调整后的PB因子选股效果(第2章,page 6-9)
-
单因子选股表现:
- 将A股分为10组,以PB_INT排序,因子IC月均-0.027,统计显著,且累计IC走势与传统PB因子高度相关(相关系数0.95),但PB_INT因子波动更低,信息比更高。
- PB_INT因子高值组对应股票回报较低,因子与收益显著负相关,年化多空收益差约10.9%。
- 在价值风格行情(PB表现良好阶段),PB_INT因子收益更优且稳定;在成长风格行情(PB表现弱)时,PB_INT回撤小于PB因子。
-
正交分析:
- 剔除PB因子和市值、基本面、价量等因子后,PB_INT仍保持稳定显著的选股能力(月均IC -0.02,月胜率72.6%),且走势更平稳。
- PB_INT对参数(增长率、折现率)较为稳健,不同设置下IC波动不大。
- 分别对知识资本(KC)和组织资本(OC)做调整的因子表现略逊于综合PB_INT因子,相关性高。
-
与其他估值因子比较:
- 常见估值因子(PB、PE、股息率)IC值走势相近,股息率在多头收益上表现最优,但多因子剥离影响后除PB_INT外均不显著。
- PB_INT因子体现了超越传统估值因子的alpha,且在剥离市值和其他因子后依然有效。
- 在大盘股中PB_INT选股效果最佳,中盘股PE、股息率表现较优,小盘股表现一般。
总结:PB_INT通过将无形资产因素纳入,更为准确反映股票价值,具备更高的稳定性与选股能力,尤其在价值风格主导市场时优势明显。
2.3 基于无形资产的选股组合(第3章,page 10-14)
-
无形资产投入高的股票组合:
- 选取无形资产占比最高的个股构建组合,尤其在消费和TMT板块表现优异,年均超额收益超过10%。
- 2019年以来该策略显著跑赢大盘,体现出无形资产投入规模与未来收益的良好正相关。
-
低估值组合:
- PB_INT top100组合在行业分布上更为均衡,增加了汽车、机械、电子等无形资产密集行业持仓,减少金融和周期性行业比重。
- 2013-2022年,PB_INT top100组合年化收益16.6%,较PB top100组合提高了2%,表现更稳定。
-
价值组合(PB_ROE):
- 以PB_INT替代传统PB构建PB_INT-ROE优选组合,相较传统PB-ROE组合,行业覆盖更多高新科技与广告密集行业。
- PB_INT-ROE组合2013-2022年年化收益37.6%,高于PB-ROE的31.7%,优异表现突出。
- 在价值风格回撤期,PB_INT-ROE组合相对回撤显著低于传统组合,提升组合稳定性。
-
指数增强组合:
- 加入PB_INT因子到沪深300和中证500指数增强模型,提升超额收益率(沪深300提升0.6%),减少波动率,提高信息比和收益回撤比。
- 多年份增持PB_INT因子后模型表现优于原模型,体现其alpha贡献和风险调控效果。
整体来看,基于无形资产的PB_INT因子构建的多种策略组合均表现出更优的收益稳定性和风险调整后回报,尤其适用于高研发、高品牌的科技和消费板块。
3. 图表深度解读
图1:不同行业无形资产占比(2021年年报)
- 内容及趋势:家电行业最高,无形资产占比达35%以上;计算机、消费者服务、医药、汽车等行业均超过20%;而煤炭、钢铁、银行等周期及金融行业占比较低约5%以下。
- 说明:无形资产投入显著行业差异,科技与消费行业无形资产贡献明显,强调这些行业传统账面价值低估风险。
图2:无形资产占比与PB因子交集组合年化超额收益(2013.01-2022.05)
- 内容:矩阵表格展示不同PB分组与无形资产占比分组的交叉年化超额收益。
- 解读:在PB最高(D5)组内,无形资产占比最高的个股收益领先无形资产最低者超7.8%。显示传统PB划分高估了高无形资产公司估值。
- 意义:强化无形资产调整的必要性,有效避免误判企业估值。
图3:PB_INT与传统PB截面相关系数(2013-2021)
- 展示:二者相关系数约70%左右,有较强一致性。
- 说明:PB_INT依旧继承了PB的价值风格属性,但调整了估值偏差。
图4 & 图5:PB_INT分组的风格暴露与基本面暴露(2013-2022)
- 图4显示PB_INT因子分组中,高组对应较高PB和市值暴露;
- 图5显示高PB_INT组的ROE、意外收益(SUE)和预期净利润调整均呈正暴露。
- 说明高PB_INT组基本面较强,符合价值逻辑。
图6 & 图7:PB_INT分组收益与多空收益差累计曲线
- 图6:PB_INT因子多头组收益高于PB因子,空头组收益亦低,综合多空差更大。
- 图7:累计收益差显示PB_INT因子相比PB因子收益提升明显,空头部表现改善。
- 强调PB_INT具备更好的选股能力和多空分辨力。
图8 & 图9:PB_INT与PB累计IC及正交IC(2013-2022)
- 图8显示累计IC曲线中PB_INT始终优于PB,表现更突出。
- 图9正交关键因子后,PB_INT波动更平稳且更高,统计显著性强,验证无形资产带来的信息增量。
图10 & 图11:常见估值因子累计IC及相关系数
- 图10累计IC显示PB_INT领先PB、PE、股息率因子;
- 图11相关矩阵表明PB_INT与PB相关度最高,次为股息率,PE相关度较低;
- 说明PB_INT是价值风格核心因子,有较强独立信息价值。
图12 & 图13:无形资产占比因子收益及累计超额表现(2013-2022)
- 图12显示无形资产占比因子分组收益,消费+TMT板块明显优于全市场;
- 图13累计超额收益也显著高于全市场,突破度强。
- 印证选择高无形资产投入行业组合针对未来增长潜力的有效捕捉。
图14 至 16:PB_INT与PB因子Top100组合行业/板块分布对比(2019-2022)
- 图14显示PB_INT组合在机械、汽车、电子等无形资产密集行业个股占比更高;而PB组合金融地产业权重过高。
- 图15与图16进一步显示PB_INT组合在周期和金融地产板块比重较低,板块配置更均衡。
- 反映PB_INT调整带来估值比较上的公平性。
图17 & 图18:PB_INT-ROE与PB-ROE组合行业分布及相对超额收益
- 图17展示PB_INT-ROE组合更倾向医药、电子、计算机等科技行业,PB-ROE更偏房地产、非银金融等传统行业;
- 图18累计超额收益显示PB_INT-ROE组合整体跑赢PB-ROE组合,且在价值风格回撤期相对回撤较小。
- 强调无形资产调整增强了价值组合的成长潜力捕捉及风险缓释。
4. 估值分析
报告核心创新在于对PB因子进行无形资产调整。具体如下:
-
估值模型:
[
PB_{INT} = \frac{市值}{账面净资产 + 无形资产价值 - 商誉}
]
其中,无形资产价值通过知识资本(基于研发支出资本化)与组织资本(基于销售管理费用的30%资本化)估算。核心参数包括研发支出的折现率30%、年增长率20%等。
-
关键假设:
- 研发投入和销售管理费用的30%代表未来的无形资产贡献;
- 商誉剔除,减少并购导致的账面价值扭曲;
- 无形资产折旧和增长假设贴近历史数据。
-
敏感性分析:调整增长率和折现率后,因子IC表现稳健,说明模型适用性强。
-
估值意义:利用PB_INT更公允评价研发与品牌密集型企业估值,回避传统PB高估此类公司的误判,有利于构建合理的价值组合。
简言之,PB_INT通过会计与经济双重视角重塑账面价值,为价值投资提供了新的基础。,8]
5. 风险因素评估
- 模型误设风险:无形资产估计基于会计数据及固定比例假设(例如SG&A的30%计入组织资本),实际内部无形资产价值可能存在偏差,从而影响PB_INT准确性。
- 历史规律失效风险:选股因子和alpha的历史有效期有限,市场条件变化可能导致PB_INT因子的未来表现与历史不符。
- 行业或经济结构转变风险:无形资产对不同产业及阶段的贡献变化,若未来经济结构或行业政策发生重大变化,模型相关性可能削弱。
- 数据可得性和准确性风险:研发投入和销售费用数据质量影响估算,特别在非标或中小企业中或受影响。
报告直言上述风险均需警惕,且未提出具体缓释策略,投资需结合风险管理严格把控。,15]
6. 批判性视角与细微差别
- 对无形资产估算的简化假设:模型采用固定折现率和增长率,且假设30%的SG&A资本化,可能过于粗糙,忽略行业间和企业间的差异,存在一定的估计误差风险。
- beta估计和风险溢价未体现:模型未深入说明无形资产带来的风险调整影响,如高研发企业可能面临更大不确定性,收益和风险的均衡尚未充分讨论。
- 与其他因子共线性与信息交叉:虽报告剔除多因子后PB_INT仍显著,但PB_INT与PB因子相关系数极高(0.95),是否真正构成增加全因子模型信息量值得进一步探讨。
- 投资组合实际执行问题:报告未详细讨论交易成本、流动性影响及持仓集中度等实操问题,尤其高无形资产企业可能集中度较高,存在组合风险。
- 价值风格回撤阶段的表现:PB_INT表现更稳健,但回撤仍存在,不能消除价值投资的周期性风险,反映估值因子本身的固有限制。
总体而言,报告较为谨慎,数据充分,创新合理,但受限于估值模型的规范与市场假设,现实应用中需谨慎平衡。
7. 结论性综合
海通证券的本研究报告通过系统梳理无形资产对企业估值的影响,创新性地提出了无形资产调整后的市净率因子(PB_INT),通过大量实证分析显示:
- 无形资产在A股市场占比较高(约14%),技术、消费板块尤为显著,反映了当前经济向知识和品牌驱动转型趋势。
- 传统市净率因子在未考虑无形资产情况下,对研发密集及品牌密集型企业估值偏高;通过PB_INT调整后,估值更合理,行业覆盖更均衡。
- PB_INT因子选股效果稳健,月均信息系数IC稳定在-0.02左右,统计显著,表现优于传统PB因子,波动率低且信息比更高。
- 相较PE、股息率等常见估值因子,PB_INT在多因子剥离后依旧保持独立alpha,体现出独特的选股能力。
- 基于PB_INT构建的4大选股组合——高无形资产投入组合、低估值组合、价值组合(PB_INT-ROE)、以及指数增强组合均实现超额收益,稳定性和信息比均有提升。
- 价值组合在价值风格失效期表现尤其稳定,回撤风险较传统组合大幅降低。
图表如图1行业无形资产占比、图6 PB_INT分组收益、图14-16组合行业分布差异,以及图17-18价值组合收益表现,有力支撑上述结论,体现PB_INT因子的实证有效性及应用潜力。
报告客观指出风险,提示模型及历史规律可能失效,提醒投资者结合实际进行理性运用。
综上,报告明确表达观点:无形资产是企业估值不可忽视的重要因素,纳入无形资产调整的PB因子PB_INT显著改善了估值的准确性与投资表现,为投资者提供了更完善的价值投资工具和策略方案,具有较强的市场应用价值和学术贡献。
参考图表展示(部分重点图示)
图1:不同行业无形资产占比(2021年年报)
图6:PB_INT因子的分组收益(2013.01-2022.05)
图8:PB_INT因子的累计IC(2013.01-2022.05)
图14:PB_INT和PB因子top100组合行业个股数分布(2019.01-2022.05)
图17:PB_INT-ROE优选与PB-ROE优选组合的行业个股数分布(2019.01-2022.05)
图18:PB_INT-ROE优选组合相对普通股票型基金指数累计超额收益
综上所述
本报告系统地阐述了无形资产调整对PB因子的改进及其显著选股价值,提出了新的估值因子PB_INT,并通过严谨的实证及策略构建验证了该因子的有效性和实用性。不仅丰富了价值投资理论,也为实务操作提供了实用工具,展示了无形资产在中国资本市场的重要投资价值。