本报告基于价值投资核心的安全边际理念,构建估值偏离度因子,通过改进的剩余收益估值模型,采用对数回归方法分行业估值偏离度因子,显著提升传统价值因子的有效性。回测显示该因子在A股市场表现优异,并且经过中性化处理后依然稳健。基于该因子构建的选股策略实现显著超额收益,凸显估值偏离度因子在量化选股中的潜力与应用价值 。
| 因子名称 | 总收益率(%) | 年化收益率(%) | 年化波动率(%) | Sharpe比率 | 最大回撤率(%) |
|---|---|---|---|---|---|
| DevFactor | 4277.17 | 37.60 | 14.69 | 2.56 | 11.14 |
| BP_LR | 206.21 | 9.91 | 19.11 | 0.52 | 28.43 |
| EP_TTM | -4.14 | -0.36 | 18.98 | -0.02 | 51.27 |
股票池为全市场A股,剔除ST股,每月末分行业选取因子表现最优个股构建等权组合。
回测区间2005年至2016年,包含交易成本测算。 | 指标 | DevFactor组合 | 中证500指数 | 超额净值 | |----------------|--------------|------------|----------| | 总收益率(%) | 4628.20 | 613.77 | 558.50 | | 年化收益率(%) | 38.49 | 18.05 | 17.25 | | 年化波动率(%) | 37.65 | 36.32 | 10.99 | | Sharpe比率 | 1.02 | 0.50 | 1.57 | | 最大回撤率(%) | 60.16 | 69.27 | 21.89 |
策略实现稳定持续超额收益,控制最大回撤能力较优秀。
报告核心论点:
总体来看,报告旨在通过理论与实证研究提升价值投资因子选股效率,提供一套较为完善的量化投资框架和应用路径。
传统价值因子有效性减弱
报告指出,自2010年后,市场环境和投资者行为变化使得传统价值因子——账面比率(BP)和收益比率(EP)的表现波动加大,整体有效性有所减弱。从图表(图片3)可见,BP因子(蓝线)累计净值显示长期稳定上升趋势,远优于EP因子(红线),但波动明显加剧,引出寻找更稳定有效估值因子的需求。
安全边际理念重申
通过格雷厄姆和巴菲特的经典语录强调安全边际是价值投资的核心。安全边际定义为资产价格相较其“内在价值”的折价程度,是风险控制和Alpha生成的基础。此处为后续估值偏离度因子提供理论依据。
理论基础 - 传统估值模型
从市值等式 M=V+Dev 出发,定义市值M由内在价值V和估值偏离部分Dev组成。传统估值用账面价值BV作为内在价值代理,进而定义BP;使用净利润和现金流得出PE、PS等。此模型暗示,偏离值Dev可能包含误判的估值信息,是Alpha来源之一。
剩余收益模型(RIM)介绍
报告引用经典RIM模型,结合净利润、账面价值、报酬率r及增长率g1,g2,在假设条件下精确估计V,得出市值M。该模型允许更合理地捕捉公司价值及偏离,而非简单账面替代,有助于构建更加精准的估值偏离因子。
因子回归模型设计
构建对数回归模型
[
\ln M_{it} = \alpha_{0t} + \alpha_{1t}\ln B_{it} + \alpha_{2t}\ln |NI_{it}| D_{(NI_{it}>0)} + \alpha_{3t}\ln |NI_{it}| D_{(NI_{it}<0)} + \alpha_{4t}LEV_{it} + \varepsilon_{it}
]
通过上述模型拟合市值,残差(估值偏离)即为因子信号。引入哑变量区分正负净利润,以捕捉非线性效应,同时考虑财务杠杆LEV对股价的调整。该回归既可整体做横截面,也可分行业计算,增强模型稳健性。
因子表现(整体回归VS行业回归)
从RankIC(收益与因子排序相关度)看,估值偏离度因子DevFactor平均IC高达8.00%,经过行业分组调整后略降至7.89%,均远高于传统因子EP_TTM(1.72%)和BP_LR(4.27%),15]。
另一方面,因子组合的总收益和年化收益均大幅优于传统因子,DevFactor总收益超4000%,年化约37%。分位数组合显示,低估股票(因子值小)表现远优于高估股票,支持Alpha生成的逻辑。
多空组合和超额收益
图表(12页)表现出Top组与Bottom组截然不同的净值轨迹,多空组合累计净值稳步上升,年化超额收益显著,且Sharpe比率达到2.56,显著优于市场的0.74,表明因子与市场无关的稳定收益能力。
与传统价值因子对比
DevFactor在IC值(0.8)和t统计(9.56)均远超BP和EP因子,且总收益、波动率及Sharpe比率均大幅优于传统因子。此外,因子呈现升序排序(低估买入),方向与BP、EP相反(降序排序),提示该因子捕捉了不同维度的投资信息。
因子换手率和相关性分析
换手率采用横截面秩相关判断,显示DevFactor换手率(约93.75%)略低于BP的96.92%,表明该因子较传统因子更稳健,换手较低可能降低交易成本与市场冲击。
相关性分析指出,DevFactor与BP_LR、EP_TTM、流通市值、短期动量等因子存在一定正相关,尤其与BP相关度较高(0.63),但仍包含独立信息。相关性来源部分归因于投资者的过度反应现象,反映市场行为基础。
因子中性化调整
通过行业和市值中性化后,DevFactor仍然表现突出,IC升至0.70,且Sharpe比率接近2。中性化减少风格暴露,提升因子纯粹alpha能力,增强实际投资可实施性。
核心方法为每月末在剔除ST股票的A股池中,从每个一级行业中选取估值偏离度因子值最低的股票构成等权组合,简洁且覆盖广泛。回测范围2005年-2016年11月,单边交易成本0.3%。
策略表现优异,累计收益超4600%,年化收益38.49%,Sharpe比率1.02,且最大回撤60.16%明显小于中证500指数69.27%,同期超额净值与回撤表现均优于市场,体现策略在系统风险控制下实现明显Alpha。
组合持仓广泛涵盖20余个行业,保证分散化与行业轮动机会,且等权配置有利于避免大市值股集中风险。
报告并非直接进行个别公司估值,而是基于剩余收益估值模型(RIM)和对数回归方法推导一个统一的估值因子(DevFactor):
整体采用实证方法,避免单一理论模型带来的过强假设,且通过回归数据拟合增强因子识别力。
报告对风险考虑较为隐含,主要风险包括:
报告未明确提出缓解措施,但从中性化调整及行业分散策略侧面降低部分风险。
积极面:
潜在不足:
兴业证券定量研究团队的本报告系统构建了基于剩余收益模型和对数回归的估值偏离度因子(DevFactor),针对传统价值因子表现波动、有效性减弱的问题进行创新改进。通过严格的实证回归和多维比较,报告显示DevFactor在预测能力、收益率、风险调整表现和稳定性方面均优于传统因子BP和EP,表现出更强的Alpha生成能力。
特别地:
整体而言,报告验证了“估值偏离度”这一指标在中国A股市场的有效性和应用价值,为价值投资领域的Alpha挖掘提供了切实工具。该因子在改进传统价值投资理念的同时,被量化实现,具备可操作性及推广前景。
报告虽对部分细节(如参数敏感性、市场周期适应性等)未深入分析,且未来仍需结合新数据源及技术方法进一步提升和验证,整体仍是价值投资因子研究的有益探索与范例。
因篇幅限制,以下为部分核心图表markdown引用示例:
传统价值因子多空组合累计净值(BP_LR与EP_TTM)
剩余收益估值模型公式
DevFactor与传统因子多空组合净值对比
因子换手率横截面秩相关
选股策略表现(累计净值及多头回撤)
综上,报告对估值偏离度因子的系统研究及实证效果展示提供了中国A股市场创新价值投资因子开发的亮点,具备理论与实证双重价值,是定量价值投资领域的重要参考文献。
猎金系列之十二:挖掘错误估值背后蕴藏的AlphaAlpha.pdf