华创金工基本面研究（三）估值因子研究：拙能胜巧

估值因子的特性 本研究以中证1000、中证800及全A为样本，从预测能力上来看，EP因子、BP因子和SP因子表现较好，PEG因子表现较差。回归法下，EP因子的显著性较好，其次是SP和BP。从因子收益来看，EP因子表现较好。 从分组表现上来看，EP因子、BP因子和SP因子在不同样本池中具备一定的单调性，EP因子不同分组的收益差距较大。CFP因子和PEG因子的分组单调性较差。 分行业来看，EP因子在大部分行业表现较好，BP因子在公用事业、金融行业这类重资产行业中表现较好。SP因子在TMT行业表现较好。 估值因子的收益来源 估值和基本面之间的错误定价是估值因子的收益来源。我们构建了估值-基本面双特征的投资组合，在每个月月末按照估值和基本面将投资组合划分为P1（低估）-P5（高估）和 F1 （弱基本面）-F5（强基本面）。高估值-弱基本面组合产生显著的负向收益（|T|>2），低估值-强基本面产生显著的正向收益（|T|>2），而估值和基本面相对吻合的高估值-强基本面和低估值-弱基本面不产生显著不为0的收益（|T|<2）。 估值因子效果长期有效但可能边际下滑 从美国的经验来看，价值因子有可能会出现较长失效时间，目前A股市场估值因子依然有效。但随着A股投资者的结构进一步机构化，可能会导致错误定价产生的估值因子收益下降。 基于错误定价构建的组合 在中证800股票池和中证1000股票池中，利用BP因子、EP因子、净利润增长率因子和ROE因子构建组合进行回测。 中证800精选组合取得年化14.87%回报，31.65%的最大回撤和26.6%的年化波动，相对基准超额13.54%，组合在大部分年份可以取得超额收益，组合月度相对指数的胜率为63.13%。 中证1000精选组合取得年化19.11%回报，27.23%的最大回撤和28.72%的年化波动，相对基准超额16.81%，组合在回测的任一年份均可以取得超额收益，组合月度相对指数的胜率为70.5%。 从长期视角下，利用错误定价构建的精选组合长期有效。当市场情绪波动、信息不对称或短期行为干扰定价时，部分优质资产的估值就会被压低。而估值因子正是利用这种“错价”进行布局，等到价格回归其合理水平。同时，为了规避出现估值陷阱，我们通过公司的净利润增长率因子和ROE因子对公司基本面进行筛选。 投资建议： 估值因子应该长期被重视 风险提示： 研究基于历史数据未来可能失效 投资主题 报告亮点 本报告从三个方面研究了估值因子，取得了如下结论，一、从实证角度，不同估值因子在不同股票池、不同行业、不同市场环境下的表现存在差异。二、估值因子的收益来源为基本面的错误定价，估值面会向基本面的回归。估值因子在A股市场可能会长期有效，但效果会边际下滑。三、利用估值会向着基本面靠拢这一特性，分别在中证800股票池和中证1000股票池内筛选“便宜”的“好”股票构建组合。通过历史数据回测，组合在中证800内取得了14.87%的年化回报，在中证1000样本内取得了年化19.11%的年化回报。 投资逻辑 曾国藩在阐述自己带兵作战的特点时用了“结硬寨、打呆仗”来概括，其中一个重要的思想就是把进攻变成防守，先让自己处于不败之地。这一思想和估值因子的收益来源不谋而合，当组合股票估值相对便宜，在这个基础上增加对股票基本面的考察，从长期来看可以取得较好的表现。“拙能胜巧”意味着即便策略简单、方法朴素，只要建立在扎实的数据基础和长期逻辑上，也常常能跑赢看似复杂精巧的模型。 一、概述 估值因子（Valuation Factors）作为衡量资产价格合理性的核心工具，始终是投资者构建策略、优化组合的关键依据。经典的估值指标如市盈率（P/E）、市净率（P/B）、市销率（P/S）等，通过量化企业内在价值与市场价格的偏离程度，帮助投资者识别潜在的投资机会与风险。尤金·法玛在1993年发表的论文中，发现美国资本市场的账面市值比效应，即高账面市值比的股票（价值股）比低账面市值比的股票（成长股）的期望收益率表现更好。在我国资本市场中，价值股同样长期跑赢成长股。 关于估值因子的收益来源主要有两种假说，其一是有效市场假说下，认为价值股（低PB）比成长股有更高的预期收益，是因为价值股更“危险”（如财务状况不佳、破产概率更高等）、其二是从行为金融学角度、投资者存在过度悲观、羊群效应等行为偏差，导致价值股被低估，估值因子的超额收益反映的是行为金融学中的修正回归过程。 本报告研究主要集中在以下几个方面： 研究了估值因子在不同股票池、不同行业、不同市场环境下的表现差异。 研究了估值因子的收益来源。 研究了利用估值因子构建的投资组合。 通过研究取得了如下结论： 估值因子在不同股票池的表现有明显差异。在机构覆盖率较高的中证800的表现弱于全市场。估值因子在不同行业的表现存在差异，在周期行业和金融业的表现弱于制造业。 本文通过构建不同估值水平和不同成长能力的组合表明，估值因子的收益来源的重要逻辑是估值和基本面之间的错误定价。 基于以上，本文利用估值和基本面之间的错误定价构建了不同样本池的投资组合。通过历史数据回测，组合在中证800股票池中取得年化14.87%回报，31.65%的最大回撤和26.6%的年化波动，相对基准超额13.54%，组合在大部分年份可以取得相对指数的超额收益，组合月度相对指数的胜率为63.13%。 组合在中证1000股票池取得年化19.11%回报，27.23%的最大回撤和28.72%的年化波动，相对基准超额16.81%，组合在回测的任一年份均可以取得相对指数的超额收益，组合月度相对指数的胜率为70.5%。 二、估值因子 有一种说法称股票的估值是科学更是一门艺术。从实践来看，相对估值法是较为常见和实用的估值方法。例如PE法用于盈利较为稳定，周期性较弱的行业，而PB法适用于拥有大量固定资产并且账面价值较为稳定的行业。 总的来看，估值因子包含以下几种： 图表1估值因子汇总 本章首先研究了不同估值因子在不同股票池、不同行业的表现。估值因子的表现存在周期性，本文也研究了估值因子在不同市场环境下的表现。 如无特殊说明，因子均进行了行业和市值中性化处理。 （一）因子IC分析 因子IC表征了因子在截面上对未来股票收益预测能力的强弱和方向，ICIR是IC均值与IC标准差的比值表征了因子预测能力的稳定性。 从IC来看，EP、BP表现较好，从ICIR来看，EP因子表现较好。 分股票池来看，EP、BP、SP、CFP的IC和ICIR在全A、中证1000和中证800中递减。 而PEG的IC和ICIR则在中证800和中证1000中高于全A，这可能与中证800和中证1000股票池中股票的净利润增长率相对稳定和估值相对合理有关，其计算得到的PEG更具有可比性。 图表2估值因子IC 图表3估值因子ICIR （二）因子回归法分析 股票的|T|大于2比例表征了回归法下因子在多个截面中统计显著的频率，其越大越可以说明因子对于个股收益解释越稳定越显著，因子收益率表征了一单位的因子暴露对应的因子收益。 从|T|大于2比例的结果来看EP因子的显著性较好，其次是SP和BP。从因子收益来看，EP因子表现较好。 图表5因子收益率 图表4|T|大于2比例 （三）因子分层测试分析 从分组超额收益（组合相对全样本等权收益的超额收益）的表现来看： EP因子在中证800、中证1000和全A的范围中都具备较好的单调性，且不同分组的收益差距较大。这说明，EP因子作为最常用的估值因子有其自身的独特优势。 BP因子在全A范围内分组效果较好，具备单调性，在中证800内部分组表现一般，在中证1000内部分组效果尚可。 SP因子在中证800和全A范围内分组效果较好，在中证1000内部分组效果尚可。 CFP因子在全A范围内分组效果尚可，在中证800和中证1000内部的分组效果不好。 其可能是全市场覆盖了从大市值蓝筹到小盘题材股，行业、风格、成长性差异巨大。而中证800和中证1000的企业盈利和现金流本身就更稳健，估值中枢较低导致区分效果不明显。 PEG因子的分组收益呈现出中间高两端低的特点。PEG最低组（即估值看似最低，增长最快）和PEG最高组（估值高、增长慢）都表现不佳。可能原因是PEG极端值存在质量陷阱。PEG低可能是由于盈利预期被高估，或当前股价低是因为基本面差、风险高等负面因素。高PEG股票（比如高成长但暂时亏损的科技公司）实际上未来成长潜力巨大，只是当前估值看起来贵。 图表6 EP分组表现 图表7 BP分组表现 图表8 SP分组表现 图表9 CFP分组表现 图表10 PEG分组表现 （四）不同行业的因子预测效果 总的来看，不同种类的估值因子有不同适合的行业类型。我们按照如下大类分类： 图表11不同大类行业的IC 结果显示，EP因子在大部分行业表现较好，BP因子在公用事业、金融行业这类重资产行业中表现较好。SP因子在TMT行业表现较好。 图表12 IC均值在不同大类行业中的表现 三、估值因子的收益来源是估值和基本面之间的错误定价 估值因子的收益来源为估值和基本面之间的错误定价。由于投资者的精力有限，当未来信息不断释放时，估值会向着和基本面吻合的方向进行修复。 我们构建了估值-基本面双特征的投资组合，在每个月月末按照估值和基本面将投资组合划分为P1（高估）-P5（低估）和 F1 （弱基本面）-F5（强基本面）。这里，我们分别测试了利用EP和净利润增长率作为估值和基本面代理指标，利用BP和ROE作为估值和基本面代理指标，结果均稳健。 具体而言，基于月末的数据按照估值和基本面指标将A股上市公司按照估值从高到低划分为五组，按照基本面排序划分为五组，获得25组投资组合。组合在每个月月初计算收益，持有到月末再进行平仓。 为了避免市值因子对投资组合的影响，本文利用DGTW特征模型消除市值因子的影响。 具体而言，在每个月月末将股票的市值按照从大到小分为10组，构成市值特征基准组合，在下一期计算基准组合的平均收益率，作为市值特征组合的基准收益率，对任意一个股票，按照上一期对应的市值特征分组获得当期的基准收益，将股票的收益率减去当期的基准特征组合收益，即为该股票的当期超额收益。 图表13 EP和净利润增长率组合超额收益 图表14 BP和ROE组合超额收益 结果显示，高估值-弱基本面组合产生显著的负向收益（|T|>2），低估值-强基本面产生显著的正向收益（|T|>2），而估值和基本面相对吻合的高估值-强基本面和低估值-弱基本面不产生显著不为0的收益（|T|<2）。 这表明，估值因子的收益来源为估值和基本面之间的偏离，高估值弱基本面组合产生显著负收益，而低估值强基本面组合产生显著正收益。如果估值因子溢价来源在低估值股票的财务相对于高估值更差，投资者需要更多的风险补偿，那么控制基本面变量后，低估值组合应该比高估值组合显著获得alpha，但实际上并没有发现这一点。 四、估值因子效果长期有效但可能边际下滑 除PEG因子外，EP、BP、SP和CFP因子的长期IC累加均呈现出上行的趋势，这表明估值因子在截面的预测作用长期有效，但估值因子会呈现出阶段性的预测能力下降。 图表15 EP因子IC累加 图表16 BP因子IC累加 图表17 SP因子IC累加 图表18 CFP因子IC累加 图表19 PEG因子IC累加 从实证的结果来看，并未发现估值因子出现明显失效，随着市场环境变化发生了结构性变化。一、EP因子的预测能力从2017年有所下降，2020年至2024年稳定在一定中枢。 二、BP因子、SP因子、CFP因子的预测能力自从2021年开始探底回升。其中一个可能的原因是市场的结构性变化导致，比如22年-24年，背景是险资边际增量资金推动红利类资产走强，导致BP因子表现较好。 图表20全A样本池IC滚动12期平均 从美国市场来看，美股自2007年到2020年中旬，价值因子经历了至暗时刻，Fama和