• 投资的本源与PB—ROE关系 [page::1][page::2]:

- 股票收益来源于净资产的增长和估值的提升，ROE决定净资产增长，估值中PB与ROE正相关。

- Wilcox提出log(P/B)和ROE线性关系验证了估值与盈利能力的深层联系。

• 主动基金因子暴露分析及估值因子应用场景 [page::3][page::4]:

- 约40.9%主动基金在BP因子上显著暴露，说明PB估值被广泛采用。
- 系统剔除新股、ST风险股、小市值股等，做好行业与市值中性化处理。

• BP因子的逻辑、剔除破净股及适用行业分析 [page::5][page::6][page::7][page::8]:

- BP因子长期表现稳定，多空收益显著，剔除市值低于净资产80%的破净股显著提升BP因子表现。

- 破净股因财务风险高，剔除比例平均约2.2%，集中在银行和钢铁行业。


- 重资产企业因会计资产稳定适用PB估值，结合固定资产比率、资本密集度、资产负债率和存货周转率四指标筛选重资产企业。


- 在重资产股票池中，BP因子及BP分位点表现最佳，轻资产池表现较差。

• PE（EP）因子的内涵、行业差异及修正 [page::9][page::10][page::11][page::12][page::13]:

- PE受盈利质量和成长贴现率影响，盈利稳定差的个股剔除可提升EP表现。


- EP估值中枢稳定性因子表现优异，是PE因子表现提升的关键。

• PCF（CFP、CFEV）因子的改良与测试 [page::14][page::15][page::16][page::17][page::18][page::19]:

- CFP因分子分母不匹配，采用经营现金流/企业价值构造CFEV因子，表现超越CFP。

• 各估值因子的融合与综合估值因子构建 [page::19][page::20][page::21][page::22]:

- BP、EP和CFEV融合因子融合构成综合估值因子，相关性低且具有更好稳定性及选股能力。

• PB-ROE因子构造及优化 [page::22][page::23][page::24]:

- PB基于ROE定价，残差项用于择股，替换PB为综合估值因子后PB-ROE因子表现显著提升。

• 基于PB-ROE框架的系统选股策略设计与绩效 [page::25][page::26][page::27][page::28][page::29][page::30][page::31]:

- 策略涵盖样本筛选、估值盈利质量筛选及多因子增强，回测表现稳健，年化收益23.92%，超额收益21.95%。

• 策略持仓结构与行业分布 [page::31]:

• 策略风格暴露及基金相关性 [page::31]:

- 策略低估值、高盈利，风格稳定，相关基金包括华夏智胜价值成长A和嘉实量化精选等多只知名基金。

金融研究报告详尽分析报告

报告标题：《估值因子的内涵与逻辑 基本面量化系列研究之一》
作者及团队：招商定量任瞳团队
发布时间及地点：2024年12月12日，北京
研究主题：基本面量化投资，重点聚焦股票估值因子的内涵、逻辑、优化改进以及基于PB-ROE框架的选股策略构建
---

1. 报告概览及核心论点

该报告属于招商证券基本面量化系列的首篇，核心聚焦于市净率（PB）、市盈率（PE）和市现率（PCF）三大传统估值因子的内在经济逻辑、适用范围以及存在的误区。基于此，团队通过深度剖析和系统优化这些估值因子，构建出“综合估值因子”，并进一步将该因子应用于PB-ROE框架下的选股因子构建和策略开发。报告强调，投资收益的本源是“净资产增长”和“估值提升”两个关键驱动力，股本回报率（ROE）作为反映公司盈利能力转化为净资产效率的重要指标，与估值水平（PB）共同驱动投资回报。

报告最终提出基于综合估值因子的PB-ROE选股策略，自2010年以来，策略实现了显著的超额收益和优异的风险调整表现，年化超额收益相对于中证800指数达21.95%，信息比2.45，并在主动权益基金中长期居于领先地位，展现了较强的投资价值。[page::0,22,24,30,32]

---

2. 逐节章节详解

2.1 投资本源：PB与ROE的经济逻辑

报告从数学推导入手，揭示股票价格收益（资本利得，∆P/P）可以拆解为净资产增长率（∆B/B）和估值变化（∆PB/PB）之和，从而阐明估值和ROE共同决定股票投资回报。ROE作为盈利能力的净资产转化效率成为净资产增长的核心驱动力。此逻辑是整个估值因子体系构建的理论基础。图1形象展示了股票价格由净资产和估值两个部分构成及其变动贡献[page::1]。

紧接着，报告借助Wilcox 1984年的资本定价理论及DDM模型，推导得出log(P/B)与ROE存在显著的线性正相关关系，并通过中证800成分股实证散点图（图2）验证了该理论。DDM模型中PB=ROE×d/(r-g)明确显示估值水平与盈利能力ROE的正相关性[page::2]。

此基础上，进一步提出经典的PB-ROE和PB-dROE投资框架，用以平衡价值和成长投资，实务中被大量主动股票基金采用。例如，报告统计40.90%的主动基金对BP因子暴露显著，23.08%对ROE显著，表明该策略体系因子实用性和广泛认同[page::3,4]。

2.2 估值因子内涵及行业适用性

报告细致区分了PB、PE、PCF三大估值指标源自资产负债表、利润表和现金流量表的不同会计来源，指出传统市值和行业中性化后直接使用存在的逻辑缺陷，强调必须考虑行业属性与指标本身性质。

• PB因子优化：

基于1934年《证券分析》的理论基础，构造BP因子及其分位点，实证显示BP分组收益呈较好线性，但极端低估（破净）股票导致末档收益异常波动(如表2)[page::5]。对破净企业通过市值<0.8净资产剔除筛选，减少污染，提升因子表现（Rank IC均值由4.65%升至4.73%，多空收益提高），反映该因子适用于重资产行业，报告通过固定资产比率、资产负债率、资本密集度、存货周转率四个指标界定重资产企业（图8），并测试确认其因子表现更优[page::6-8,14]。

• PE因子逻辑和波动性：

通过永续增长模型拆解，PE=PB/ROE，受到盈利质量和成长折现双重作用[page::9]。实证发现PE波动性大来源于FCFE/Profit波动，钢铁与纺织服装行业FCFE/Profit统计图（图9、10）揭示不同商业模式带来的指标波动差异。
EP（单季度）因子表现优于EP（TTM），且剔除盈利缺乏稳定性（如净利润为负或营业收入低于3亿元的个股）股票后，EP因子表现进一步提升（Rank IC由6.40%升至6.87%），因子更稳定且线性增强[page::10-12]。
提出估值中枢稳定性指标，即过去3年EP均值除以标准差，作为补充因子增强选股效果（图13、14）[page::12-13]。

• PCF估值因子：

出发点是消除PE中FCFE/Profit波动影响，因此转而使用纯成长折现率相关的PCF（市现率）指标。报告详细阐述了多种自由现金流（FCFF）计算方法及CFP因子构造。
CFP表现整体不及EP因子，但剔除CF<0负现金流公司后，因子表现显著改善（Rank IC由2.33%提升至3.08%），体现现金流安全性对估值因子的稳定性关键性[page::14-17]。
针对CFP分子现金流与市值分母存在匹配性问题，改用企业价值EV替代市值P构造CFEV因子，使得分子分母覆盖股权和债权整体视角（图21），实证显示CFEV相对于CFP提升明显（表12、13），且构造其估值中枢稳定性因子同样提升了表现[page::17-19]。

2.3 估值因子的融合

基于BP、EP和CFEV三个大类估值因子分别融合其分位点和估值中枢稳定性因子，构建BP融合因子、EP融合因子和CFEV融合因子。各融合因子在剔除对应异常标的后表现均优于单一因子，且组合因子进一步提高了Rank IC均值、Rank ICIR及多空收益（表14-16）[page::19-20]。

融合三个因子构建综合估值因子，考虑三个因子股票池的联合，相关性较低（相关系数均不足0.25），采用等权加权方法对不同股票池内的因子值进行平均，构成综合估值因子（图24-25）。综合估值因子表现优异，Rank IC均值6.89%，多空收益22.8%，显著领先单一融合因子[page::21-22]。

2.4 基于PB-ROE框架的选股因子与策略

• PB-ROE因子构造：

利用DDM模型推导，PB=ROE*d/(r-g)，可通过回归模型BP=α+βROE+ε，拟合ROE对BP的定价能力，回归残差ε代表估值偏离，作为PB-ROE选股因子。并加入市值与行业控制实现中性化。通过中证800数据实证，显示BP与ROE显著负相关，PB-ROE因子表现稳定，年化多空收益14.62%，Rank IC 5.44%（图26-28）[page::22-23]。

• 改进PB-ROE因子：

以综合估值因子替换单一BP，提高了因子信息含量，显著提升了Rank IC均值、年化多空收益（多空收益19.11%）和Rank ICIR，使得十档分组超额收益线性效应更强（图29-31）。
构建多头组合并统计其与中证800的净值比，展现出持续且显著的超额回报（图32），年化超额收益15%，信息比2.13，月度胜率72.63%，回撤表现良好（表19）[page::23-24]。

• 基于PB-ROE的系统化选股策略：

具体操作流程分三步：（1）确定样本空间，规则包括剔除新股、ST股票，高风险股票，大股东质押高、商誉过高，财务稳健性差及流动性不足股票[page::25]；（2）估值与盈利质量双维度初筛，构建估值-盈利质量股票池，股票数量约460只，集中于医药等行业[page::26-27]；（3）利用估值、成长、分红、动量、流动性五大类因子增强股票池，通过加权Rank ICIR构建复合因子选股，权重限制避免个别因子或行业过度集中（表21，图38）[page::28-29]。

策略表现出色：年化收益23.92%，相对中证800超额21.95%，信息比2.45，回撤比1.42，领先多数主动权益基金，资金容量2.5亿元，调仓频率较低且换手率64%，行业和指数权重分布均衡（图39-45，表22-23）[page::29-31]。

---

3. 图表深度解读

• 图1示意股票收益分拆：清晰地将股票收益拆分为净资产增长和估值变化的贡献，是整个投资收益来源分析的核心图示[page::1]。

- 图2和图26：分别展示了中证800全市场的PB(对数)与ROE及标准化BP与ROE散点，支持理论推断PB与ROE相关且BP能由ROE定价[page::2,23]。

• 表2、7、14至16、18-20：多次展示分组收益统计及Rank IC指标，佐证各估值因子及融合因子切实具备选股能力，且剔除异常标的显著提升表现，图文并茂展示因子性能总体稳健。

- 图8评判重资产企业指标：通过固定资产比率、资本密集度、资产负债率和存货周转率界定重资产企业，合理对应了PB因子的适用场景[page::7-8]。

• 图9-10钢铁纺织行业FCFE/Profit波动分析：展示行业差异性与财务指标波动关系，是理解估值因子行业适用性的基础。

- 图11-12、19-20、35-36等行业分布和剔除股票统计图：详尽展示各类风险剔除个股的数量、行业聚集，体现对异常样本的控制和风险控制策略。

• 图30-31 PB-ROE因子分组净值曲线和超额收益柱状图：直观反映因子在投资组合上的分层效果和收益优势。

- 图39-45 展示策略净值走势、行业分布、市值中位数及风格因子暴露，配套说明策略的投资风格和规模特征，保证了投资组合的科学合理配置和稳健性。

---

4. 估值分析

报告核心采用了经典DDM模型推导估值指标的理论逻辑。以PB为例，市净率受ROE、股息率、风险贴现率和持续增长率共同影响，拆解成表现更具指导意义的BP以及盈利质量因子。
报告采用了三个具体估值指标的倒数形式作为因子：B/P、E/P、CF/P，以保证因子结构的正向性，避免了负利润等异常值对PE等指标的误判。
估值因子采用多层次融合方式，包括分位点标准化和估值中枢（3年均值除以标准差）稳定性考量，构造综合表现卓越的融合因子。
此外，为切合不同企业特点，引入了剔除破净股、盈利不稳定股、现金流负股等处理流程，有效提升估值因子稳定性。
基于企业价值(EV)替代市值(P)，进一步提升了现金流估值因子的逻辑合理性和适用广泛性。
PB、EP、CFEV三大因子融合后的综合估值指标在经典的市值中性化和行业中性化股票池内获得验证表现优异，Rank IC超6%，多空收益接近23%[page::19-22]。

---

5. 风险因素评估

• 模型风险及市场环境依赖：报告明确指出基于历史数据和模型构建，面对政策变化和市场环境剧烈变化时模型可能失效，提示最终投资决策风险[page::0,32]。

- 样本选择偏差风险: 因为采用剔除破净、财务异常个股，以提升因子表现，可能削减市场覆盖度，带来样本选择偏误。

• 行业和市值中性可能不完全剔除系统性风险：估值因子表现受宏观经济和行业周期影响。

- 流动性与容量风险：尽管策略资金容量达2.5亿元，但换手率约64%，存在交易成本和流动性风险，特别在极端市场。

• 估值修正假设风险：PB-ROE因子基于均值回归，假设市场会修正估值偏离，现实可能因市场非理性导致延续误判。[page::24-31]

---

6. 审慎视角及细节提示

• 报告系招商定量研究团队原创，研究充分基于数据实证和理论逻辑，体现出较强的工程可操作性和投资实用性。

- 报告在采用因子剔除策略时虽提升因子表现，但可能忽略少数长期价值股或成长股，存在一定的稳健性和包容性偏差。

• 各因子融合处理充分，但因子权重均为等权，未考虑多因子优化定价模型，不排除结构优化空间。

- 报告使用滚动Rank IC及其累计曲线反映因子稳定性，但Rank IC数值均在中低单数字百分比，预示实际应用中需结合其他风险控制。

• 报告中涉及多个技术指标具体计算细节较为简略，投资者实际应用仍需根据数据可获得性和频率调整。

- 报告充分强调估值中枢稳定性因子的重要性，体现对跨周期因子表现波动的洞察。

• 投资策略阶段调仓相对固定（1、4、7、8、10月后交易日首个交易日），体现对减少频繁操作及交易成本的实用考虑。

---

7. 结论与综合评价

本报告系统呈现了基于PB、PE、PCF三大估值指标的内涵与演进逻辑，揭示股票投资收益来自净资产增厚与估值提升双因子驱动的本质。结合经典DDM模型和历史统计，确认PB与ROE之间的正向关系，提出以残差作为PB-ROE因子度量市场估值偏离，形成选股信号。针对估值因子中的极端异常和行业差异，报告采用多重剔除标准及估值中枢稳定性度量指标，有针对性地优化提升因子效果。报告进一步通过因子分位点、估值中枢稳定性等子因子融合，提高了估值因子的稳健性和预测能力。

最核心贡献是构建综合估值因子，结合PB融合、EP融合及CFEV融合三个维度，通过等权加权融合实现较低相关性，强化信息含量。基于该综合估值因子，报告开发并实证了基于PB-ROE框架的选股因子。该因子在全市场范围内展示出稳定优异的风险调整后收益能力及较强的选股线性分层效应。最终以该因子为核心设计系统化投资策略，结合估值、盈利质量、成长、分红、动量及流动性等五大因子多维增强投资组合构建，策略自2010年以来实现年化收益近24%，超额收益超过21%，表现持续优于基准与主流基金，行业与市值配置合理，资金容量及换手率适中，风险控制得当。

图表横纵的逻辑支持清晰、数据详实，因子性能与策略实现水平均显示招商定量团队在基本面因子量化研究领域的领先深厚实力，成果具备较强实践参考价值和推广应用潜力。

---

重要附录

• 风险提示：模型依赖历史数据，受政策和市场环境冲击影响；报告不构成投资建议[page::0,32]。

- 申明及分析师承诺：分析师个人观点真实准确，薪酬与观点无直接关联[page::33]。

• 报告版权声明：内容版权归招商证券所有，禁止无授权复制和转载[page::33]。

---

总结

报告以资讯理论和历史实证为依据，系统研究并优化传统估值因子，进而构建高效的综合估值指标体系。围绕PB-ROE框架开发选股因子和量化策略，策略成果经验证有效且具有行业领先的投资性能。报告严谨细致，兼顾理论深度和应用广度，风险与局限声明明确，为投资者理解估值因子及其运用提供了极具价值的参考。

---

（完）

报告