本报告围绕地产行业基本面量化分析,系统识别销售周期、价格周期、政策周期和利率周期四大核心周期及其代表指标,建立估值安全边际与清算价值模型,实现精准择时。同时,创新提出调整后PB估值因子,结合成长因子和行业集中度等选股因子,指导地产股的量化选股策略,验证了龙头集中度提升带来的超额收益,提供系统且有效的量化投资框架 。
地产行业量化择时核心:明确四大周期的核心指标——销售面积增速(销售周期)、房价指数(价格周期)、政策哑变量(政策周期)、个人住房贷款加权利率(利率周期),销售周期上升阶段地产行业能实现显著正超额收益,月均收益达4.3%
估值安全边际模型:基于一致预期净利润增速与PE_TTM的高度正相关模型(R²=0.76),构建估值安全边际指标。当前估值安全边际处于高位[20,+∞),对应未来6个月中位数涨幅达18%,建议超配地产行业资产。
清算价值模型:通过调整预收账款和存货隐含净利润,构建调整后PB指标作为清算价值代理变量。调整后PB接近0.9,处于历史极端低点,已触及估值绝对底部,投资价值凸显。
选股因子表现:
量化因子构建及策略逻辑:
报告标题:《地产行业基本面量化 择时与选股 | 量化专题报告》
作者:段伟良、刘富兵
发布机构:国盛证券金融工程团队
发布日期:2019年10月21日
报告主题:通过量化视角,从基本面、估值与个股三个维度分析地产行业,系统构建地产行业量化择时和选股模型。
核心论点摘要:
报告聚焦地产行业核心周期变量的量化提炼,结合估值模型和行业独特的选股策略,构建精准的择时与选股模型。具体包括:
总体,作者传达的主要信息为:地产行业存在明显的周期性量化特征,合理利用核心周期指标和创新估值模型,可以有效实现行业择时;同时通过调整后PB及成长与集中度因子,能够在个股层面捕捉优质标的和实现超额收益的持续,当前市场环境下建议超配地产行业。,1,2,3,4,5]
关键论点总结:
基于地产行业的三个主体(政府、开发商、居民),划分出销售周期、价格周期、政策周期、利率周期四个核心周期,每个周期均配备核心代理变量:
推理依据阐述:
通过分析三个主体的行为及相互作用(例如销售上涨驱动新开工和竣工,价格上涨引发政策收紧等),形成一套理顺行业内在动力机制的周期框架。该框架帮助捕捉行业的不同阶段以及政策与市场的互动关系。
关键数据点与解读:
论点总结:
基于行业一致预期净利润增长率与PE_TTM的线性关系,构建估值安全边际模型,拟合优度(R²)达到0.76,说明净利润增速对估值解释力强。
核心假设与输入:
图表22解读:
图表23与图表24解读:
结论:
当前安全边际处于较高水平([20,+∞)区间),预期行业未来将实现超额回报,建议超配地产行业。
模型思路:
参考净资产价值(NAV)估值方法,考虑低估资产如预收账款和存货的价值低估,通过将两者未来潜在净利润贡献加回净资产,得到调整后净资产价值,从而形成调整后PB估值。
图表28解读:
图表29解读:
结论:
调整后PB作为清算价值的代理,提供了行业估值的绝对底部判定,当前仍处于底部区间,提出超配行业建议。
核心论点:
根据地产行业特点,挖掘适用于地产股的独特选股因子,提供市场超额收益机会。
估值维度:
调整后PB因子的选股效果优于传统PB和PE,实证数据显示量化投资组合基于调整后PB带来的多空年化收益率约14.5%,远超PB的9.7%。
盈利增长维度:
成长因子表现强弱依赖于销售周期。销售上行期,营收增速因子表现优越,反映销售驱动盈利能力增长,进而提升股票表现。
行业集中度维度:
过去三年行业集中度显著提升,CR10由2016年19%提升至目前33%,带动龙头企业跑赢大市。集中度提升成为龙头股超额收益的重要推动力,并预计持续。
| 图表编号 | 主要内容 | 关键发现 | 支撑结论 |
|---|---|---|---|
| 图2 | 地产行业三个主体与四个周期的逻辑关系 | 销售、价格、政策、利率周期均明确代理变量 | 循环机制影响地产上下游环节,指导周期分类 |
| 图5 | 不同阶段地产行业累计超额收益率 | 销售上升期超额收益显著,下降期负收益 | 验证销售周期核心代理变量的价值 |
| 图22 | PE与一致预期净利润增速关系图 | R²=0.76,PE与利润增速高度正相关 | 估值安全边际模型可信,估值能反映盈利预期 |
| 图23 | 实际PE、合理PE与估值安全边际动态 | 安全边际正向区间对应估值低估 | 行业估值当前处于安全边际区间,适合加仓 |
| 图24 | 安全边际区间与未来涨跌幅中位数 | 安全边际越高,未来涨幅越大 | 提供明确的择时指标 |
| 图28 | 调整后PB估值计算流程 | 低估资产转化为调整净资产 | 细化估值底部判断,量化资产隐含价值 |
| 图29 | 调整后PB趋势图 | 当前接近1,历史估值底部 | 估值底部信号明确,提示买入时机 |
| 图30 | 调整后PB选股效果与传统因子对比 | 调整后PB优于pb和pe选股 | 个股层面选股因子优化 |
| 图31 | 营收增速因子与销售周期联动 | 营收增速因子表现受销售周期影响 | 季节性与周期性影响选股表现 |
| 图35 | 行业集中度提升与龙头股超额收益关系 | CR10集中度提升推动龙头股超额表现 | 龙头股选取是实现超额收益的关键 |
报告采用两种估值方法:
估值安全边际模型
基于一致预期净利润增速与PE的线性关系,R²为0.76,拟合度较高,说明盈利预期是影响估值的主要驱动。该方法通过计算实际PE与模型合理PE之间的差距(估值安全边际)来判断行业估值是否存在低估,进而预测未来收益。估值安全边际越高,后续收益越好,反之则不好。
清算价值模型(基于NAV)
通过调整净资产,考虑预收账款和存货的潜在盈利用以估值更真实反映资产低估状况。调整后PB约等于1时表示清算价值底部,当前调整后PB约0.9,表明行业估值处于极低水平。
两种方法均提示当前地产行业估值处于明显低估区间,存在较大的安全边际,适合增配配置。,3]
报告末尾明确风险提示:
报告无明显具体缓解策略,属于基于历史规律的量化模型,需持续观察市场变化并及时调整模型适用范围。
总体来看,报告基于详实量化数据和合理逻辑构建了较为系统的地产行业量化框架,但仍有部分参数设定和模型适用条件需后续跟踪验证,且当前结果主要反映既有历史趋势,未来不确定性仍较大。
通过全面分析本报告,可以得到以下最核心结论和见解:
地产行业具有明确且可量化的周期性特征,由销售、价格、政策、利率四大核心周期构成。以销售面积增速为代表的销售周期对地产的超额收益表现具有显著正向预测能力,销售上升阶段地产行业可获得显著超额收益(最高累计43%),而销售下降阶段则表现负收益。
估值安全边际模型与清算价值模型双管齐下,分别从盈利预期与资产净值角度判定行业价值底部,模型拟合度高且历史验证良好。当前估值安全边际大于20,且调整后PB约为0.9,均处于历史安全边际范围的极端区域,提示地产行业估值低位,未来存在较大战略性投资机会,建议超配此行业。
个股层面选股逻辑带有鲜明地产行业特征,调整后PB因子明显优于传统PB和PE因子,实现年化超额收益14.5%。成长因子表现与销售周期密切相关,销售上行周期成长因子(如营收增速)优异,暗示择时与因子结合的必要性。此外,行业集中度不断提升显著提升龙头股的超额收益表现,成为持续选股的重要维度。
图表数据全方位支撑上述结论,周期分阶段超额收益差异明显(图5);估值与净利润增速高度相关(图22);估值安全边际动态与后续涨跌幅正相关(图23、24);调整后PB处于历史低估区域(图29);选股因子表现优劣清晰展示(图30),且行业集中提升带动龙头股超额收益逐年提升(图35)。
风险方面需重视模型对未来政策和市场环境变化的敏感性及历史规律可能失效的可能性。
综上,报告系统地定量挖掘地产行业内在驱动因素和选股规律,结合创新估值模型提供了较为坚实的量化择时和选股框架。当前市场周期及估值位置显示地产行业具备良好的投资机会,整体建议为超配并重点关注调整后PB低估、销售周期向好、行业龙头股。~6]
以上为国盛证券《地产行业基本面量化 择时与选股 | 量化专题报告》详尽且全面的结构化分析报告,全面覆盖了报告内核心章节与图表,解释了重要的金融模型与量化指标,为投资决策提供科学依据。
地产行业基本面量化——择时与选股 | 量化专题报告.pdf