• 超预期策略近两年回撤较大，主要因估值维度贡献显著为负 [page::1][page::2]。

• PB因子十分组多头组合表现相对优异，近两年估值贡献仍为正，说明低估策略赚的是估值提升的钱，且与超预期策略互补 [page::2]

• PB-ROE框架原始应用拟合度较低，单季度ROE残差因子效果优于分析师预期ROE，行业及PE中位数分域显著提升因子表现，信息比率从0.70提升至1.68 [page::3][page::4][page::5]

• 低估股票池内仍以低PB及低ROE股票为主，存在价值陷阱风险，需规避低成长低股息股票 [page::6][page::8]

| 象限类别 | 绩效表现 |
|-------------|--------------|
| 高成长高股息 | 表现最好 |
| 低成长低股息 | 表现最差 |

• 在规避价值陷阱中，单季度ROE同比、预期股息率和长端动量因子在低估股票池内具备较佳分组能力 [page::7][page::8][page::9][page::10]

• 价值增强Plus组合构建：基于剔除价值陷阱的优质低估股票池，等权合成改进PB-ROE残差、净利润同比环比、预期股息率及长端动量4因子，选择30只股票，历史绝对收益28.93%，信息比率1.15，超额中证500年化22.97%，波动比2.31 [page::11]

• 多策略融合：结合成长型超预期Plus组合与价值增强Plus组合，依据宏观择时模型切换持仓，轮动策略较单一策略更稳健，信息比率达1.46，体现价值-成长策略的互补优势 [page::12][page::13]

• 价值增强Plus组合偏向中小市值且行业分布均衡，包含房地产、公用事业、交通运输等偏价值行业，优选股票数量30只较优 [page::13][page::14]

• 困境反转组合探索：低估且历史业绩较差但最近盈利增长显著股票，表现稳健，绝对收益23.33%，提供另一路径构建价值策略 [page::14]

基本面量化：价值Plus组合构建与多策略融合实践 | 开源证券金融工程研究报告详解

---

1. 元数据与概览

报告标题： 《基本面量化：价值Plus组合构建与多策略融合实践》
作者及发布机构： 开源证券金融工程团队，首席分析师魏建榕主笔，盛少成协助
发布日期： 2023年11月21日
研究主题：

• 基于A股市场构建低估价值股票池

- 改进估值因子构建及避免价值陷阱的策略

• 创新价值增强Plus组合的设计

- 结合宏观择时框架实现超预期+价值策略的多策略融合

核心论点与评级信息：
报告通过定量拆解超预期策略和低估策略的收益结构，发现超预期策略近两年受估值压力负贡献较大而表现不佳，而低估策略受益于估值提升，二者互补。基于改进的PB-ROE残差因子构建低估股票池，并结合盈利及分红因子规避价值陷阱，最终构建价值增强Plus组合。报告强调该组合历史绝对收益显著，且结合成长超预期组合以宏观择时风格轮动，多策略融合显著提升绩效稳定性和信息比率，适合作为市场波动和风格转换期的稳健配置方案。[page::0,1]

---

2. 逐节深度解读

2.1 低估类策略与超预期策略的互补

• 关键论点：

2022年以来，超预期策略因估值负贡献明显且扩大，导致回撤较大。换言之，尽管盈利贡献仍在，但估值收缩压制收益。反观依赖估值因子的价值策略（如PB因子）在近年依然保持估值正贡献，表现相对稳健。两者经济本质不同：超预期策略更依赖景气及盈利增长，价值策略则更多赚估值修复的钱，因此互为补充。

• 数据与图表说明：

图1显示超预期股票池2.0净值表现自2021年起波动加大、回撤显著；图2对数收益拆解明确揭示2022-2023年估值贡献从2010~2021年8.92%正转为-25.18%的剧烈负贡献；而图3与图4则显示PB因子十分组多头策略近两年估值贡献依然为正，且全区间累计收益核心来源也是估值提升。

• 支撑逻辑与推断：

由图和收益拆解看，超预期策略表现受宏观经济衰退、盈利下滑和高估值压制，但低估值因子策略收益受估值修复驱动，故在震荡及下行周期中抗跌更好。作者基于此确认价值策略与成长策略构建多策略组合的合理性。[page::1,2]

2.2 低估价值股票池构建

• 关键论点：

PB因子虽常用，但单独作为低估筛选因子在A股效果有限，波动大且选股单调性不佳，信息比率（IR）仅0.71。为改进，引入Wilcox(1984)的PB-ROE枢纽模型，尝试通过扩展估值模型解释力来提升因子效力。

• 方法论与数据细节：

PB-ROE框架假设：
\[
\ln(PB) = (ROE - k) \times T
\]
k为股东要求回报率，ROE作为未来盈利的代理。

由于实际市场中不同股票要求回报率k差异大，导致拟合度低。以回归残差代替PB实际因子更科学，但整体在A股表现平平（图7），波动大（图8）。
为改善，采用“分域”策略，即按行业或PE水平对股票分组回归，高效拟合区段内的估值逻辑。行业分域提高拟合R²，大约2/3行业内部优于市场整体(图9)。

引入基于历史PE中位数（PEM）3分组，再结合行业分域，残差因子信息比率大幅提升（表3），10年多空对冲复合收益率由9.27%提至18.70%。PB-ROE残差因子由此称为“改进PB-ROE残差因子”。

• 数据图表重点：

图5-6呈现PB因子波动和单调性差，图7-8展示PB-ROE残差因子仍有提升空间，图9-11说明行业和PEM分域对提升拟合度的显著作用，图13则清晰对比改进后因子优异表现。[page::2,3,4,5]

2.3 规避价值陷阱

• 问题背景：

筛选的低估股票池大多为低PB且低ROE，存在价值陷阱风险（即股票股价低是因为业绩持续不佳而非被低估）。

• 盈利与分红指标筛选：

简单剔除低ROE股票效果有限，ROE因子本身分组效果近年走弱（图16）。
通过扩展财务多因子测评（营运效率、偿债能力、盈利质量等），发现单季度ROE同比指标具备较优选股效力（图17-19），可作为避免陷阱的优选条件。

分红维度的“股息率”（DividendTTM）也有分组能力，高分红组表现优于低分红组（图20）。
盈利和分红双维度分四象限分析显示，低成长低股息组表现最差（图21，表4），剔除该组后剩余组成“优质低估股票池”，有效规避价值陷阱。

• 结论推断：

价值陷阱的规避需要结合盈利增长趋势和分红稳定性，单一指标不足。双维度结合细分优化股票池，增强后续组合的稳健性和收益。[page::6,7,8]

2.4 价值增强Plus组合构建

• 选股思路：

基于优质低估股票池，重点选股因子涵盖：改进PB-ROE残差因子、净利润同比的环比、预期股息率、长端（低噪声）动量因子。
各因子等权线性合成，选出股票30只。

• 因子具体表现：

改进PB-ROE残差因子在优质低估池内有有效分组能力，三分组多空对冲年化收益率6.21%，IR 1.26（图22）。
净利润同比环比因子表现稳定（图23），IR 1.17。
预期股息率因子依据净利润增长预测股息，IR 1.21（图24）。
动量因子采用弃高振幅交易日涨跌幅拟合长端动量，捕捉A股独有动量效应，年化收益8.01%，IR 1.46（图25）。

• 组合业绩：

价值增强Plus组合全区间绝对年化收益28.93%，信息比率1.15，超额中证500年化22.97%，信息比率2.31（图26，表5）。
组合偏中小市值（市值中位数63亿，图29）且行业分布均衡，尤其偏价值风格如房地产、交通运输、公用事业占比较高（图30）。
构建股票数敏感性分析显示最佳选股数为30只。（表8）

• 附加思路：困境反转组合

低估且此前历史盈利差但近期盈利与营收改善的组合，总体收益波动比较低（图31，表9），可作为补充策略框架。

[page::8,9,10,11,14]

2.5 多策略融合实践

• 策略逻辑：

结合成长与价值的轮动择时框架（盈利状态+估值压力+动量），宏观择时信号决定当期持仓策略：
- 看多成长，持超预期Plus组合
- 看多价值，持价值增强Plus组合

• 宏观择时模型细节：

详细分类盈利和估值压力组合，应用动量判断风格强弱（图27）。
风格轮动策略年化多空对冲超额6.85%，信息比率0.51（表6）。

• 融合策略表现：

以两种权重配置试验：简单等权（w=0.5）和择时权重（w=1）。
择时权重方式表现更为优异，信息比率高达1.46（表7），尤其近两年表现稳健，明显优于单一超预期组合（图28）。
作者强调由于超预期策略alpha空间压缩，未来多策略轮动更具优势。

[page::12,13]

---

3. 图表深度解读

• 图1~4：

展示超预期2.0策略回撤及估值负贡献，以及PB因子近两年仍保持正估值贡献，揭示策略两极分化的背后逻辑。

• 图5~6：

PB因子十分类多空回报曲线波动大，且单调性弱，说明该因子本身稳定性不足，需要改进。

• 图7~11：

PB-ROE残差模型在整体市场拟合差，行业与PEM分域显著提升拟合优度，具体行业内部拟合优度如图9所示。

• 图13：

改进PB-ROE残差因子多空对冲净值曲线大幅优于纯PB因子，且最大回撤更小，IR提升显著。

• 图14~15：

构建低估股票池后，低估组在净值及PB、ROE中位水平均显著低于高估组，但潜藏陷阱风险。

• 图16~21：

分组测试盈利、分红因子，最终将低成长低分红群体剔除，低成长低股息表现最差，策略防范价值陷阱有效。

• 图22~26：

多因子在优质低估股票池中均表现有效，组合净值表现优异，特别是长端动量的创新净化动量捕捉带来稳定贡献。

• 图27~28：

宏观择时模型逻辑及基于择时的多策略融合净值曲线展现，轮动策略提升整体信息比率，兼顾稳健与收益。

• 图29~30：

价值增强Plus组合的市值与行业分布，显示组合偏中小市值，行业较均衡，符合一般价值风格特征。

• 图31：

困境反转组合净值曲线及收益波动比，作为另类思路的补充具有实用价值。

总体而言，图表系统验证了改进因子构建、价值陷阱规避以及多维因子融合策略的有效性，也清晰展现了多策略搭配的协同效应。[page::2-15]

---

4. 估值分析

• 估值方法：

基于Wilcox(1984) PB-ROE框架的残差因子量化估值方法，创新在于：

- 利用单季度ROE（优于TTM与分析师预期ROE）
- 采用行业与PEM二重分域提升拟合度
- 残差因子替代原始PB因子，更好刻画估值偏差

• 参数选择与敏感性分析：

PEM取过去250交易日的中位数划分为3组，平衡稳定性与划分细致度（图12），行业分域赋予哑变量增强拟合，残差因子效果提升显著（表3）。
优选因子选股数30只收益表现最优（表8）。

• 估值风险提示：

报告也指出k（股东回报率）对模型简单假设同质性，但实际差异显著，同时当前ROE无法精准预测未来ROE，导致模型限制，须结合多因子及后续方法缓释。

• 结论：

基于扩展PB-ROE残差因子构建的低估组合相比单一PB因子更稳定、收益更可观，搭配盈利及股息等财务因子避免陷阱，从估值角度看更具投资价值。[page::3-5,9-11]

---

5. 风险因素评估

• 历史数据依赖与市场结构风险：

报告提醒所有模型均基于历史数据，未来市场可能会出现重大改变，导致策略失效。

• 模型假设风险：

PB-ROE模型假设统一k值、未来ROE用当期替代，可能导致估值误差和拟合不足。

• 价值陷阱识别风险：

盈利和分红因子的选股效果亦非绝对稳健，单指标信号存在偏差，需要多维度综合判断。

• 宏观择时风险：

风格轮动机制依赖盈利和估值压力识别，宏观经济、政策变化使信号波动加大。

• 策略组合波动风险：

组合本身存在波动率风险，尤其在极端市场环境下，可能遭遇较大回撤。

报告未对缓解这些风险提出具体对冲措施，但通过多策略融合提升组合稳健性间接起到部分缓释作用。[page::15]

---

6. 批判性视角与细微差别

• 假设局限性：

使用简单统一的股东回报率k，未来ROE用当期ROE代替可能过于粗糙，分域虽改进但未必完全解决异质性问题。
分析师预期ROE的证伪与否，实际交易中该因子可能被市场广泛关注导致超额收益难实现。

• 盈余质量因子剔除的潜在影响：

报告中营收、盈利等不同指标的选择存在权衡，ROE同比虽然优于原ROE，但也未深入解释财务造假等盈余质量因素。

• 模型前瞻性不足：

基于历史财务数据规律构建，可能忽略宏观结构性变化对估值和盈利模式的深刻影响。

• 多策略融合权重简化：

轮动融合仅采用简单等权或择时单一权重，未涉及动态优化或外部风险调整，后续仍有提升空间。

• 组合集中度和行业暴露：

组合偏中小市值且行业分布均衡，但房地产、交通运输暴露偏大，可能带来特定行业风险。

综合看，报告在数据和模型层面做了充分验证和改进，但仍需关注实际策略实施中的环境变化和数据质量限制。[page::3,4,15]

---

7. 结论性综合

本报告系统地剖析了A股市场超预期成长策略与低估价值策略的收益结构，指出二者天然互补，特别是在近年来成长策略因估值收缩遭遇明显回撤的背景下，价值策略展现稳定估值贡献。基于Wilcox的PB-ROE估值框架，结合行业和PEM分域创新改进残差因子，显著提升估值因子稳定性和收益表现。

通过引入盈利增长趋势（单季度ROE同比、净利润同比环比）、分红（预期股息率）及低噪声长端动量因子，构建出剔除价值陷阱的优质低估股票池，最终设计了价值增强Plus组合。该组合在全区间表现优异，年化收益近29%，信息比率1.15，且行业分布均衡，偏中小市值。

结合前期构建的超预期Plus成长组合，利用宏观择时信号进行风格轮动，实现成长与价值的多策略融合，显著提高了收益的稳健性和整体信息比率（最高达1.46），特别是在近两年成长策略回撤加剧的环境下，展现出优越的风险调整表现。

报告通过详尽的数据拆解和多维因子研究，提出了具有实操价值的Quantitative投资框架，强调了组合构建和风险管理的重要性。图表数据系统支持了报告核心论断，充分证明了价值增强策略在当前市场环境下的必要性和有效性[page::0-15]。

---

附件（部分重要图表）

（图1）


（图2）


（图3）


（图7）


（图13）


（图14）


（图21）


（图26）


（图28）

---

结语

本报告在理论与实证结合上结构严谨，数据详实，创新性地丰富了A股基本面量化价值选股框架，并适时引入宏观择时风格轮动，为投资者提供了构建稳健价值增强组合的成熟路径与应用范例。未来随着市场环境演变，进一步验证与优化此类多维因子及策略融合模型，将有助于提升量化组合的适应性和超额表现能力。[page::0-16]

报告