多组合5月与近期超额收益表现概览 [page::0][page::1]

• 5月，AEG估值潜力组合回报7.05%，超越基准4.66%；竞争优势组合回报4.47%，超额2.92%。

- 多组合表现均位于股票型公募基金中位数以上，具备明显的相对优势。

• 量化组合涵盖不同选股策略，提供多元化配置机会。

量化组合月度、季度及年度表现及排名 [page::1][page::2]

| 策略名称 | 基准指数 | 本月回报 | 本月超额 | 本季度回报 | 本季度超额 | 最近一年回报 | 最近一年超额 | 本年回报 | 本年超额 |
|----------------|------------|---------|---------|---------|---------|---------|---------|---------|---------|
| 竞争优势组合 | 中证800 | 4.47% | 2.92% | 3.38% | 5.11% | 15.98% | 10.04% | 5.98% | 8.02% |
| 安全边际组合 | wind全A | 3.79% | 1.40% | -2.41% | -1.57% | 7.79% | -5.47% | 2.06% | 1.02% |
| 红利低波季调组合 | 中证红利低波50 | 4.07% | -0.02% | 4.72% | 1.27% | 9.60% | 7.99% | 3.32% | 1.27% |
| AEG估值潜力组合 | wind全A | 7.05% | 4.66% | 3.77% | 4.61% | 27.10% | 13.84% | 10.23% | 9.19% |
| 中证800现金牛组合 | 中证800 | 1.99% | 0.44% | -4.06% | -2.33% | 11.62% | 4.78% | -0.01% | 2.03% |
| 大模型AI选股组合 | 中证800 | 2.42% | 0.87% | -2.62% | -0.89% | 18.19% | 11.35% | 3.50% | 5.54% |
| 中证800治理能效组合 | 中证800 | 3.44% | 1.89% | -0.25% | 1.48% | 27.12% | 20.28% | 1.71% | 3.75% |

• 多策略兼顾收益与风险控制，部分组合稳定性突出。

- 各策略的基金表现分位均优于平均水平，显示有效选股能力。

竞争优势组合：竞争壁垒视角多类别行业选股策略 [page::2][page::3]

• 行业分为壁垒护盾型、竞争激烈型、稳中求进型和寻求突破型，专注“唯一主导”、“合作共赢”及“高效运营”型企业。

- 2019年以来年化收益21.73%，夏普比率0.98，最大回撤19.32%。

• 持仓分散覆盖银行、电子、机械等行业，体现多元化优质企业精选。

安全边际组合：基于ROIC与股息加权的价值防守策略 [page::4][page::5]

• 利用ROIC>WACC识别竞争优势，结合盈利能力安全边际衡量。

- 股息率与成长率加权选股，确保安全边际最大化。

• 2019年以来年化收益20.77%，夏普比率1.03，最大回撤16.89%。

红利低波季调组合：规避高股息陷阱、平衡收益与波动 [page::5][page::6]

• 通过剔除股价极端、负债异常等负向清单降低陷阱风险。

- 2014年以来年化收益20.27%，夏普比率0.94，聚焦股息的持续性与安全性。

AEG估值潜力组合：基于超额收益增长的PE估值方法 [page::6][page::7]

• 结合AEG_EP因子筛选TOP100，公司增长潜力市场未完全反映。

- 最终选取股利再投资/P比率高的TOP50股票构建组合。

• 2014年以来年化收益高达29.29%，夏普比率1.11。

大模型AI选股组合：多维度金融文本解析驱动选股 [page::10][page::11]

• 采用FinLLM融合思维链推理（COT）、对比分析和反事实推理形成三角验证体系。

- 提升非结构化金融文本语义整合能力，捕捉市场隐含信号。

• 2019年以来年化收益16.53%，夏普比率0.71。

治理能效组合：MD&A深度挖掘管理逻辑与财务同步性 [page::12][page::13]

• 结合管理层讨论与分析文本的经营逻辑一致性与透明度，提升治理效能判别。

- 选股基于短期利润指引与财务一致性因子选出50优质个股。

• 2020年以来年化收益11.00%，夏普比率0.51。

民生证券研究院《AEG估值组合5月实现4.66%超额收益》报告详尽解析

---

1. 元数据与概览

报告标题： AEG估值组合5月实现4.66%超额收益
作者及机构： 叶尔乐；尔乐量化团队；民生证券研究院
发布日期： 2025年6月19日
主题： 量化选股组合的月度绩效回顾及策略回顾，重点围绕AEG估值潜力组合及多个基础因子驱动组合的表现及构建逻辑。

报告核心论点在于：2025年5月，AEG估值潜力组合实现了7.05%的月度回报，远超基准Wind全A指数4.66个百分点，整体表现强劲。同时，竞争优势、红利低波、安全边际等系列量化组合基本位居股票型公募基金中位数以上，展现了较好的稳健超额收益能力。作者意图突出基于超额收益增长模型（AEG）及多维因子组合框架的选股优势，强调多维度量化框架对投资效益的贡献。[page::0,1,2]

---

2. 逐节深度解读

2.1 量化组合近期表现概览

• 关键论点： 5月AEG估值潜力组合和竞争优势组合分别实现7.05%和4.47%的回报，均显著超越对应基准指数，分别创造4.66%和2.92%的超额收益；其它组合表现也均衡良好。

- 数据支撑： 表1披露八个量化策略不同时间维度的收益和超额收益，AEG估值潜力组合本年累计回报10.23%，超额近9.2%；竞争优势组合本年累计回报5.98%，相对于基准中证800高出8%。股票型公募基金整体中位数本月为1.82%，本年2.49%，远低于多个策略表现，说明策略相对基金业绩有优越性。

• 逻辑与假设： 利用系统化量化逻辑，通过多策略并行满足不同市场环境和风格轮动，以提升整体稳健超额收益。统计于公募基金表现中排名位于上层，体现其策略优势和量化选股能力。

本节支撑了整份报告以量化策略为核心的投资论断和实证回报基础。[page::1,2]

2.2 竞争优势组合

• 策略框架： 细分行业竞争特性，基于竞争壁垒和企业战略地位，划分为“壁垒护盾型”“竞争激烈型”“稳中求进型”“寻求突破型”行业。

- 选股逻辑： 核心关注“唯一主导”企业和“合作共赢”企业来形成屏障护城河，非壁垒行业则选高效运营企业作为竞争优势标的。将以上列组合为“竞争优势”组合。

• 业绩表现： 自2019年起年化收益21.73%，夏普0.98，最大回撤19.32%，表现稳健且回撤控制较好（图2）。

- 持仓分析： 持仓涵盖银行、电子、机械设备、有色金属等行业，强调多元化及具备护城河标的（表4）。

• 假设核心： 认为护城河是竞争优势的本质，且企业战略地位的识别是选股关键，依靠细致行业分类和管理效能判断，能够提升股票池质量。

此章完整展现竞争优势量化框架的理论依据、构建逻辑及业绩验证。[page::2,3]

2.3 安全边际组合

• 理论背景： 强调波特产业组织理论的不足，指出企业内生进入壁垒即ROIC高于WACC的重要性。

- 选股逻辑： 通过盈利能力价值衡量安全边际，精选ROIC大于资本成本且盈利稳定的股票，采用股息率加权最大化边际安全（图3）。

• 业绩呈现： 2019年以来年化20.77%，夏普比率1.03，最大回撤16.89%（图4），显示风险调整后表现优良。

- 持仓结构： 持股分布涵盖医药、机械设备、有色金属等领域，体现行业分布较为均衡，也包含具竞争优势的高安全边际标的（表5）。

• 假设细节： 认为合理估值区间内，安全边际提供投资的防守层面，是估值合理与风险控制的关键。组合通过内在价值与市场价值差距构建，有助于捕捉价格错配。

该章节透彻说明安全边际定义、度量及构建方法，并结合统计数据验证有效性。[page::4,5]

2.4 红利低波季调组合

• 核心观点： 反对简单追求高股息率的“高股息陷阱”，强调盈利持续性和价值支撑。

- 策略设计： 结合股息率及盈利可预测性剔除质量偏低的高股息股票，应用负面筛选和股息预测，防范陷阱（图5）。

• 业绩表现： 2014年以来年化收益20.27%，最大回撤43.06%，夏普0.94 表现较为优秀（表6）。

- 关键理解： 股息率作为价值信号但需结合质量和波动性，稳中求进避免收益陷阱。
章节强化了量化组合中价值与质量的结合逻辑，为投资者警示陷阱及优化理论基础。[page::5,6]

2.5 AEG估值潜力组合

• 理论基础： 引入超额收益增长（Abnormal Earnings Growth，AEG）模型，将带息收益的超额增长作为价值体现，扩展传统PE市盈率定义，市盈率为机会成本加上超额增长溢价。

- 公式解释： 详述了AEG公式，包括未来利润和分红的折现计算（公式页6），并将AEG作为远期市盈率的关键附加值部分。

• 策略执行： 先用AEG_EP因子筛选TOP100，再从中挑选股利再投资率与PE比例优选TOP50股票，目的是捕捉市场尚未充分认可的成长潜力股（图6、图7）。

- 业绩展现： 自2014年起年化28.72%-29.29%，夏普1.11，最大回撤44.34%，表现最为突出（表7-8）。

• 投资启示： 该策略基于对超额收益的深刻理解，因而能够在成长与价值之间实现平衡，捕获长期溢价。

此节为报告的理论核心，完善地搭建了AEG模型的投资逻辑与实证验证。[page::6,7,8]

2.6 现金牛组合

• 创新点： 引入自由现金流回报率（CFOR）体系，拆解经营现金流转化、净利润稳定性与资产周转效率，弥补杜邦模型不足（图8）。

- 选股范围： 仅含非金融全A股，重点关注中证800。

• 业绩表现： 2014年以来年化收益18.38%，夏普0.80，最大回撤36.42% （图9、表8）。

- 逻辑梳理： 现金流稳定且高效转化预示企业高盈利质量和财务稳健，适合稳定现金流需求投资者。
章节丰富了盈利质量的指标体系，强化现金流在投资判断的角色。 [page::8,9]

2.7 大模型AI选股组合

• 痛点识别： 传统投研模型依赖结构化数据，难以整合非结构化文本，导致信息丢失及逻辑断裂。

- 创新应用： FinLLM预训练大规模金融文本（研报、公告、调研纪要），具备理解金融语言上下文、多任务学习和可解释性（图10、图11）。

• 核心技术： 结合思维链推理（COT）、对比分析、反事实推理构建三角验证体系，提升模型决策透明度与稳定性。

- 策略表现： 2019年以来年化16.53%，夏普0.71，最大回撤33.01% （图12、表9）。

• 投资价值： 以先进自然语言处理技术补充数据信息鸿沟，为投资决策带来全新维度的洞察。

章节体现了结合AI和机器学习的前沿金融研究，具有较强的理论和技术创新价值。[page::9,10,11]

2.8 治理效能组合

• 理论依据： 基于MD&A文本结构，透视财务与业务逻辑，如何通过管理层讨论揭示公司经营理念和治理水平。

- 巴菲特投资思想： 强调管理层的坦诚、业务财务逻辑一致性及长期价值创造，以护城河+治理+安全边际形成投资闭环（图13）。

• 构建逻辑： 先选出短期利润指引与财务一致性强的中证800成分股，再利用PB与ROE排名差筛选估值合理且盈利能力强的个股，构建治理效能TOP50（图14）（表10）。

- 策略表现： 2020年以来年化11%，夏普比率0.51，最大回撤23.74%。

• 重点解析： 治理水平影响企业运作质量和价值发掘，是量化选股不可忽视的非财务维度。

本节深化了投资的管理视角和行为金融维度，丰富传统财务因子的补充。 [page::12,13]

---

3. 图表深度解读

• 表1至3（第1-2页）：量化组合不同维度回报与基准对比，显示AEG估值潜力与竞争优势组合持续领先，且在公募基金中排名较优。体现了策略优异的风险调整表现和超额收益。

- 图1（第2页）：竞争壁垒行业与企业战略地位的分层逻辑，强调护城河和运营效率的量化划分，为后续竞争优势组合基础。

• 图2与表4（第3页）：竞争优势组合净值曲线明显跑赢中证800，且超额收益累计增长，持仓多为行业龙头和具备护城河的企业。

- 图3与图4（第4页）：安全边际组合策略框架和净值曲线，突出用ROIC超资本成本选股及股息加权实现安全边际最大化，表现优于Wind全A。

• 图5与表6（第5-6页）：红利低波季调组合净值及持仓，展示通过剔除“高股息陷阱”股票的稳健收益。

- 图6与图7（第6-7页）：AEG模型权益价值计算流程图及净值曲线，体现AEG超额收益成长带来的估值溢价逻辑。

• 表7-8（第7-8页）：AEG估值潜力组合持仓结构，囊括多个新兴成长行业及价值稳定板块。

- 图8-9与表8（第8-9页）：现金牛组合选股流程与净值表现，强化现金流回报率与盈利稳定性的选股标准。

• 图10-11（第10页）：FinLLM模型功能与三角验证体系，突出AI模型的上下文理解、逻辑验证与多任务结合优势。

- 图12与表9（第11页）：大模型AI选股净值与持仓，说明AI解析非结构化数据选股的实际效果及行业分布。

• 图13-14与表10（第12-13页）：治理效能组合构建理念与净值走势，背靠MD&A文本分析及巴菲特选股思想，持仓覆盖管理优秀企业。

- 表格与图表源数据均引用ichoice与Wind及民生证券研究院自主统计，保证数据的权威性和准确性。

以上图表紧密支持文本内容，解释了量化策略的构建逻辑、行业分布、业绩表现和风险控制特征。

---

4. 估值分析

报告核心估值方法为基于超额收益增长模型（AEG）的价值评估框架。AEG补充了传统市盈率(P/E)的不足，将投资价值划分为机会成本（正常收益）与超额收益（带息收益增长）的加和。

• 关键输入与假设：

- 未来盈利E预测，包括携息带息利润及分红再投资。
- 折现率r（资本成本）。
- 超额收益增长期数及增长预测。

• 估值方法：

- 利用折现模型将未来各期AEG收益折现后加总，结合第一期盈利折现，计算权益价值。
- 远期市盈率=1/r + AEG增长溢价，是基于带息收益整合下的市盈率内涵。

• 敏感性分析： 报告未详述，但根据AEG模型特点，估值对折现率和超额收益增长预测极其敏感，轻微假设变化将显著影响估值。

除AEG模型外，报告兼用安全边际及现金流回报率等估值修正手段，形成多重价值得分支撑，体现估值多维化与稳健性。[page::6,7]

---

5. 风险因素评估

• 模型假设的稳定性风险： 量化结论基于历史统计，未来环境变化时模型可能失效；非结构化数据解释存在误读风险。

- 市场环境风险： 大类宏观波动、流动性变化可能瞬间改变量化策略表现，尤其在大衰退或剧烈波动时。

• 估值风险： 尤其在AEG模型中，折现率及增长预测错误可能导致高估或低估。

- 数据质量风险： 输入数据若错误或更新延迟（例如财务报表、MD&A文本、非结构化数据），模型判断可能出现偏差。

• 策略集中风险： 多个组合均有部分行业集中，如基建、金融、机械等，可能面对行业周期带来的风险敞口。

报告虽未详尽风险缓释措施，但通过多策略并行及严谨数据分析，力求分散单一风险。投资者需结合宏观判断与策略量化输出综合考量。[page::14]

---

6. 批判性视角与细微差别

• 报告中多处策略均依赖历史表现明显的统计学优势，然而在市场结构剧变或新法规冲击时，存在回测与实盘差异的风险。

- AE光模型等依赖盈利与增长预测的估值方法，对财务业绩的准确预测要求较高，行业内突变技术风险和宏观监管风险需特别警惕。

• AI大模型尽管提升了非结构化数据解析能力，但其模型黑箱问题尚存，且训练数据偏差或者过拟合同样可能系统性影响判断。

- 多组合策略仍存在一定的行业重合，可能降低整体组合的分散效果。以银行（申万）为例，在多个组合中均出现较高权重。

• 报告强调超额收益的可捕获性，但忽视了市场情绪突变及非理性波动对模型影响。

- 细节上，个别持仓表中存在部分字段空白或格式不一致，提示在数据整理上仍有优化空间。

总体而言，报告系统完整严谨，但任何量化模型均需动态监控与定期验证以适应市场变革。

---

7. 结论性综合

该份报告系统详细地梳理了民生证券研究院叶尔乐及量化团队构建的多款量化选股组合，涉及竞争优势、安全边际、红利策略优化、AEG超额收益估值、现金流效率、AI大模型解析以及治理效能等多个维度。

重点在于：

• AEG估值潜力组合凭借深厚的理论模型支撑和成长溢价捕捉，自2014年以来实现了约29%的年化收益，表现居各组合首位，5月超额收益高达4.66%，体现了精确估值和成长潜力识别能力。

- 竞争优势组合长期稳定表现优异（年化21.73%，夏普0.98），依托明确竞争壁垒的细分行业策略，注重护城河企业和高效运营标的，有效规避恶性竞争。

• 安全边际组合及红利低波组合分别强调防御性估值安全和股息红利的质量与波动控制，结合ROIC及盈利稳定性，有助于风险调控。

- 现金牛组合强化现金流视角，补充传统盈利能力分析，帮助识别财务稳健性较好的企业。

• 大模型AI选股组合代表前沿技术结合金融投研，突破非结构化文本分析瓶颈，增强信息获取与逻辑验证能力，提升投资决策质量。

- 治理效能组合引入管理层讨论分析（MD&A）语言解析，为投资注入治理质地和行为透明度的维度，兼顾财务与非财务要素。

所有组合均有较强的实证绩效，夏普比率均处于较好区间，最大回撤控制合适，表明这些量化策略在追求超额收益的同时注重风险防范。

图表内容具体展示了策略净值走势、回报率比较、持仓结构及行业分布，辅助说明策略构建的科学性和业绩的可靠性。

综上，报告充分体现了以第一性原理驱动量化投资的深度，并结合传统估值理论与现代人工智能技术，打造多维稳定超额收益体系。该系列组合为专业机构投资者提供了系统参考工具，兼具理论深度与实用价值。[page::0-14]

---

（全文完）

报告