本文系统回顾了PB-ROE模型的数学原理及其在A股市场的适用性,探讨了不同行业、市值规模下模型的拟合效果。基于PB-ROE预期差构建选股组合,使用分析师一致预期及历史ROE数据进行回测,结果显示大盘和小盘组合均显著跑赢基准指数,验证了模型的有效性和实用性。
| 年份 | 2010年 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年前10月 |
|---|---|---|---|---|---|---|---|---|---|
| 预期大盘组合收益 | -6.16% | -18.89% | 3.94% | -3.80% | 56.60% | 18.13% | -11.32% | 23.71% | -24.12% |
| 沪深300收益 | -12.51% | -25.01% | 7.55% | -7.65% | 51.66% | 5.58% | -11.28% | 21.78% | -21.76% |
| 超额收益 | 6.35% | 6.13% | -3.61% | 3.85% | 4.94% | 12.54% | -0.03% | 1.93% | -2.36% |
| 年份 | 2010年 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年前10月 |
|---|---|---|---|---|---|---|---|---|---|
| 历史大盘组合收益 | -14.58% | -20.28% | 7.13% | -1.84% | 61.14% | 14.97% | -8.61% | 30.99% | -21.66% |
| 沪深300收益 | -12.51% | -25.01% | 7.55% | -7.65% | 51.66% | 5.58% | -11.28% | 21.78% | -21.76% |
| 超额收益 | -2.06% | 4.73% | -0.42% | 5.81% | 9.48% | 9.38% | 2.68% | 9.22% | 0.09% |
核心论点总结:
报告聚焦于近年来A股市场广泛关注的PB-ROE模型,补充了市场上对其理论基础及适用性的讨论不足。引用Wilcox(1984)的数学推导,阐释PB(市净率)与预期ROE(净资产回报率)之间的线性关系。基于该模型,报告提出了“预期差选股”策略——即当投资者对某股预期的ROE高于市场通过回归模型预期的ROE时,该股票可能具有投资价值。回测结果显示,这一方法在大盘股与小盘股上均有显著超额收益。作者建议基于细分行业运用该模型,以增强准确性和适用性。,,,,
关键论点:
引用Wilcox(1984)对PB-ROE的数学关系推导,股价P和净资产B关联关系为P=B×(P/B),通过微分和对等式变形,表达了股价变动率由净资产增长率(g_B)、市净率变化率和分红收益率构成。忽略高阶项后,得出投资期望回报率(k)表达式涵盖分红、净资产增长与PB变化。建立了微分方程反映PB随时间变化并获得通解,最终在分红可忽略假设下,推导出了PB与预期ROE的指数函数关系。此关系说明PB与预期ROE正向变化,且其对数与预期ROE呈线性关系;同时,PB与期望回报率k(折现率)呈反向关系。在同一行业横向比较中,可用稳定的历史ROE作为预期ROE替代,便于实际操作。
关键数据及假设:
公式解析:
实际意义:
本章节为PB-ROE模型提供了坚实的数学理论基础,是后续应用和策略形成的基础。,,
关键论点:
模型假设中的参数投资期限(T)和期望收益率(k)在不同行业间存在显著差异。但基于PB与ROE的线性拟合程度,可以有效衡量模型在各行业或市值风格的适用性。作者引入均方误差(MSE)作为拟合优劣的定量指标,MSE越小模型拟合效果越好。
具体方法与数据:
关键发现:
图表解读:
本节阐明了PB-ROE模型的适用边界及细分行业的重要性。通过定量数据(MSE)佐证了细分行业与小盘股的模型更适合,用于指导后续选股策略实践。,
核心思想:
依据模型回归线(市场对股票PB与预期ROE的整体认知)评估个股,若个体投资者基于自身信息的预期ROE高于市场预期,则形成“预期差”,存在投资价值。预期差即为投资者预期ROE点与回归线上对应ROE点的差距。
操作方法:
图解说明:
预期数据选择:
本节关键在于明确模型不仅是估值工具,更可作为选股的技术方法,结合市场与投资者对ROE的预期差异挖掘投资机会。,
综合回测验证了理论模型的实际应用价值,为投资者提供了有效的量化选股策略。~12]
报告核心估值基于PB-ROE模型的数学推导,其以净资产收益率(ROE)和市净率(PB)为核心,其中投资回报折现率k、投资期限T为关键参数,通过对PB的对数处理建立其与ROE的线性关系。
报告未采用传统DCF逐笔现金流折现法,而是基于风险回报平衡的PB与ROE动态模型,适配A股市场特征与结构。
报告中未专门设置“风险因素”章节,但通过模型推导及实证结果明示了若干潜在风险:
报告中虽未明确提出风险缓解措施,但其通过行业细分、极端值剔除等措施在一定程度上控制了模型适用风险。
总体而言,报告论证严谨,但对模型的宏观适用性限制及实际操作中可能遇到的复杂情况缺乏充分述及。
本报告系统阐释了PB-ROE估值模型的数学理论基础,明确了PB作为股票估值水平、ROE作为盈利能力指标间存在的指数与线性关系,并以此为核心提出基于“预期ROE差异”的选股策略。通过细分行业和按市值分类的定量回测表明:
综合来看,报告提出的PB-ROE预期差选股模型具备坚实理论基础和市场实证支撑,有效填补了传统估值方法在A股市场中的不足,尤其适应行业细分市场和小盘股领域。该方法不仅提供估值测度,还可指导量化选股策略,适合专业投资者采纳。
然而,模型固有假设的边界、宏观环境变动以及数据偏差的潜在影响需谨慎对待,投资者在实际应用中应结合风险控制及多因子模型以优化投资决策。
| 图表编号 | 名称 | 内容摘要 | 作用 | 关键见解 |
|---|---|---|---|---|
| 图1 | 股票PB与ROE典型关系 | Ln(PB)与ROE线性回归拟合散点图 | 验证模型核心假设 | 明显线性相关,形成预期差选股的量化基础 |
| 图2 | 申万一级行业拟合效果 (MSE) | 各行业PB-ROE拟合均方误差柱状图 | 评估行业模型适用性 | 食品饮料、休闲服务拟合效果优;小盘股优于大盘股 |
| 图3 | 申万二级行业拟合效果 (MSE) | 更细行业MSE分布 | 细分行业适用性增强 | 细分带来更好拟合 |
| 图4 | 预期差选股方法示意图 | 投资者预期ROE与市场回归线的差距示意 | 形象阐述预期差选股核心原则 | 预期差量化投资价值 |
| 图5~10 | 组合表现及相对基准对比 | 大盘/小盘选股组合与指数的收益及超额曲线 | 验证实证策略有效性 | 小盘组合表现尤为突出,模型实用性高 |
| 表1~6 | 年度收益统计表 | 大盘/小盘组合与基准指数年度收益比较 | 细化收益评估 | 多数年份组合超额收益显著 |
总结: 本报告不仅清晰揭示了PB-ROE估值模型的数学内涵,也通过细致的行业适用性分析及实证回测,验证了基于ROE预期差的选股策略在A股尤其是小盘股领域的有效性。分析中的详实数据和图表为投资者提供了理论框架与操作指南,体现出较强的实用价值。未来,结合宏观经济与其他风格因子的进一步研究,将有助于模型的完善与应用拓展。
量化策略:PB-ROE估值原理与预期差选股.pdf