估值因子的内涵与逻辑 ——基本面量化系列研究之一

创建于 2025-07-22T01:06:55.161551+08:00 更新于 2025-07-22T03:04:23.801800+08:00

摘要

本报告系统剖析了市净率（PB）、市盈率（PE）、市现率（PCF）三大估值因子的内涵与逻辑，针对行业特性和因子稳定性提出优化方案。通过因子融合构建综合估值因子，并基于PB-ROE框架设计量化选股策略。实证结果显示该策略自2010年以来年化收益23.92%，相较中证800年化超额收益达21.95%，表现卓越，体现了低估值、高盈利质量的显著优势[page::0][page::5][page::6][page::26][page::30][page::37][page::40]。

速读内容

PB-ROE框架的核心逻辑与有效性 [page::5][page::6][page::30]

股票投资收益来源于净资产增长与估值提升。

- 理论与实证均表明PB与ROE呈正相关，PB能由ROE定价。

PB-ROE回归残差定义为选股因子，有效捕捉低估与高ROE股票。

- 实践中PB-ROE因子展现稳定的选股能力和超额收益。

估值因子细分优化及融合提升因子表现 [page::9][page::13][page::16][page::21][page::24][page::26][page::27]

| 因子类别 | 因子类型 | Rank IC均值 | Rank ICIR | 多空收益 |
|----------|------------|-------------|-----------|-----------|
| BP | 融合因子 | 6.52% | 2.31 | 17.08% |
| EP | 融合因子 | 7.21% | 3.82 | 23.37% |
| CFEV | 融合因子 | 3.81% | 2.27 | 11.59% |
| 综合估值 | 融合因子 | 6.89% | 3.22 | 22.81% |

涉及剔除破净股、盈利不稳股与现金流负值股，显著提升因子稳定性和收益。

- BP、EP、CFEV逻辑及应用场景清晰，因子融合明显优于单一因子表现。

采用行业及市值中性处理，增强因子纯净度。

基于综合估值因子的PB-ROE选股因子与实证表现 [page::30][page::31][page::32]

综合估值因子替换传统PB实现选股因子升级。

- 改进PB-ROE因子Rank IC提升至6.29%，多空收益提升至19.11%。

十档分组净值曲线分层显著，表现出良好的等级收益差异。

- 多头组合自2010年起年化收益率达到16.56%，信息比2.13，风险收益表现优异。

PB-ROE框架选股策略设计及回测结果 [page::33][page::34][page::37][page::39]

策略基于样本空间筛选、估值与盈利质量双维度构建股票池，再结合估值、成长、分红、动量、流动性因子优化组合。

- 调仓频率为每年5次，持股30只，行业权重不超20%，单因子权重不超30%。

回测期间年化收益率23.92%，超额收益21.95%，信息比2.45，表现稳定领先基准。

- 换手率均值64%，资金容量达2.1亿元，体现良好的实操性。

组合风格显示低估值、高盈利质量特征，行业分布以医药、房地产、传媒为主。

量化因子构建方法与筛选规则 [page::33][page::36]

样本空间排除新股、风险警示、财务非稳健及流动性差股票。

- 盈利质量要求过去3年ROE（TTM）持续高于8%。

估值因子股票池由剔除破净股的BP融合、剔除盈利不稳股的EP融合及剔除现金流负股的CFEV融合并集构成。

- 使用滚动Rank ICIR加权构建复合因子，实现动态因子加权。

大类因子涵盖估值、成长、分红、动量及流动性各维度，优化决策效果。

深度阅读

估值因子的内涵与逻辑——详尽分析报告

---

1. 元数据与报告概览

本报告题为《估值因子的内涵与逻辑——基本面量化系列研究之一》，由招商证券任瞳、刘凯编写，关注股票市场中三大传统估值因子——市净率（PB）、市盈率（PE）和市现率（PCF）的内在逻辑、行业适用性以及优化改进方法。报告首次系统挖掘这三个因子的经济学基础与应用误区，提出因子融合框架，并构建基于PB—ROE的综合选股因子及策略，显著提升因子有效性与投资组合表现，显示其研究成果具备较强实操价值。

核心观点为：“股票投资者收益来源于估值提升和净资产增长，这两者分别由估值因子和ROE驱动，二者深层关系决定了选股因子的强弱”。基于此逻辑，报告依次解析估值因子，调整样本选择，设计多层次筛选体系，构建融合因子，并通过实证检验和优化后策略显著优于市场基准。[page::0,1]

---

2. 逐节深度解读

2.1 PB—ROE框架有效性

2.1.1 投资本源解析

报告指出投资者的无风险资本利得可分为两部分：净资产增长率$\Delta B / B$和估值变动率$\Delta PB / PB$。数学表达式为：

$$
\frac{\Delta P}{P} = \frac{\Delta B}{B} + \frac{\Delta PB}{PB}
$$

其中$P$为股价，$B$为账面净资产，$PB$为市净率。ROE定义为盈利能力转化为净资产的效率，因此净资产增长主要由ROE驱动。图1展示从时间$T$到$T+1$股价增长对应净资产与估值的双重贡献，强调投资收益内涵并非单一指标可解释，必须结合ROE才能完整把控股票价值演变过程。

2.1.2 PB与ROE的线性关系

基于1984年Wilcox的研究，报告截取中证800中样本数据(2024年三季度)进行散点图描绘（图2），结果证实$\log(PB)$与ROE存在线性正相关：

$$
\log\left(\frac{P}{B}\right) = a + b \cdot ROE
$$

基于股利贴现（DDM）模型推导，也能够证明市净率PB与ROE正相关，数学公式为：

$$
\frac{P}{B} = \frac{ROE \times d}{r - g}
$$

其中$d$为股息支付率，$r$为期望回报率，$g$为持续增长率。这说明高ROE的企业对应更高的合理市净率。该逻辑奠定了PB—ROE策略基础。[page::5,6,7]

2.1.3 策略实践与因子暴露

PB—ROE策略经过大量实践检验，结合成长因子（如ROE变化率$dROE$）形成GARP策略体系，平衡增长与价值。本报告通过截面回归和时间序列分析33个月主动股票型基金的因子暴露显著性，发现40.90%的基金在BP因子上暴露显著，23.08%在ROE显著，14.17%在dROE显著，说明市场对此策略的高度认可和关注度，验证了策略广泛适用性。[page::7,8]

---

2.2 估值因子的内涵与逻辑

三大估值指标PB、PE、PCF来源于三大财务报表（资产负债表、利润表、现金流量表）逐步演进背景（图4）。为避免传统P/E因负盈等造成的逻辑偏差，报告统一使用指标倒数形式（B/P、E/P、CF/P），实现正向因子表达，更便于回测和解读。[page::8,9]

2.2.1 PB估值因子逻辑分析

BP分位点因子绩效：BP因子自2010年以来展示了4.65%平均Rank IC，多空年化收益11.42%，其分位点因子表现更优（Rank IC均值4.82%，多空收益12.66%），体现其有效选股能力（表2）。
处理破净股票（P<0.8B）：破净企业往往因净资产虚高、代理成本、市场悲观预期而市值偏低，单纯指标可能误判其投资价值。剔除P<0.8B的股票流水化操作后，BP指标表现更优（Rank IC均值提升至4.73%，年化收益提升至12.96%，见表3）。被剔除股票主要集中银行和钢铁（图7），此举有效保证估值因子的稳定性与科学性。
重资产企业定义：以固定资产比率、资本密集度、资产负债率和存货周转等指标区分重资产行业（图8）。在重资产企业中，BP因子表现最优，验证PB估值法适合重资产企业（表4）。股票池划分明确提升因子预测效力。

2.2.2 PE估值因子逻辑分析

PE指标因受盈利质量（ROE）和成长贴现率影响双重波动显著，且$\frac{FCFE}{Profit}$在各行业间差异突出（图9、图10）。报告采集单季度和TTM EP因子，单季度更稳定且表现优（表5）。剔除盈利不稳定股（规则严格：9个报告期利润持续正且收入>3亿），提升EP因子稳定性和解释度（表7），异常组表现得以纠正。

为了衡量因子表现的时间稳定性，引入估值中枢稳定性指标（过去三年均值与标准差比值）并构建交叉分组，结果显示估值稳定性越强，EP因子分组表现越优（表8，图13，图14），验证了增加估值因子时序稳定性约束的必要性。

2.2.3 PCF估值因子逻辑分析

PCF因除去$\frac{FCFE}{Profit}$的高波动性影响，理论上为更纯粹估值指标，定义为：

$$
PCF = \frac{Market Value}{FCFE} = \frac{1}{r - g}
$$

报告系统介绍了多版本自由现金流FCFF、FCFE计算方法，测试四种CFP因子，CFP4（经营现金流净额除市值）表现最佳。剔除现金流负值股票明显提升因子效果（表10、11，图17、18、19、20），减少了因子噪声。

分子分母不匹配问题导致CFP因子逻辑缺陷，报告用企业价值代替市值构建CFEV因子（现金流量除企业价值，分子分母均包含股权和债权），避免混淆贷款方资金影响，表现进一步提升（表12）。类似于其它指标，CFEV估值中枢稳定性因子贯穿因子分组表现提升逻辑（表13，图22，图23）。

---

2.3 估值因子融合

鉴于BP、EP、CFEV分别聚焦不同维度，报告在各自优化股票池的基础上，融合其细分因子（估值、分位点、估值中枢稳定性）构建三大融合因子（表14-16），均显著优于单一细分因子。随后融合三大融合因子（BP、EP、CFEV），构建综合估值因子，因子间相关系数较低（表17），验证了因子互补性。综合估值因子在Rank IC、ICIR和年化收益表现上均领先单因子，且分组线性更显著（表18，图24，图25）。[page::9-29]

---

2.4 基于PB—ROE的选股因子及策略构建

回到PB-ROE关键线性关系和DDM衍生，构建回归模型：

$$
BP = \alpha + \beta ROE + \varepsilon
$$

残差$\varepsilon$即为PB-ROE因子，经过行业和市值中性化处理（图26）。实证结果显示PB-ROE因子具备稳定的选股能力（Rank IC均值5.44%，年化ICIR1.99，图27，图28）。将原始BP替换为综合估值因子后，构建改进PB-ROE因子，性能进一步提升（Rank IC均值6.29%，ICIR2.84，多空收益19.11%，图29，图30），分组净值曲线表现突出（图31），多头策略显著跑赢基准（图32，表19）。

基于构建稳定、表现优异的PB-ROE因子，报告设计了系统选股策略：

样本池精选：剔除新股、风险警示、财务异常及流动性较差股票。

2. 估值-盈利质量双维度筛选：结合BP融合因子、EP融合因子、CFEV融合因子的股票池进行并集处理，构建估值因子股票池。盈利质量筛选ROE连续9期>8%（图34）。

组合构建与周期：每年1、4、7、8、10月月末调仓，五个大类因子（估值、成长、分红、动量、流动性）构建复合因子打分，选取TOP30，限行业单个权重20%，单因子权重不超过30%（图33、34、38，表21）。

投资组合自2010年以来展示了稳定且显著的超额收益（年化23.92%），相较于中证800等权指数超额21.95%，信息比2.45，回撤比1.42，且在主动权益基金中排名优势凸显（表20、22，图37、39）。组合特征明显低估值高盈利（图45），资金容量和换手率适中（图40、41、44），行业及宽基指数分布均衡合理（图42、43）。策略与多只主流权益基金收益率相关度高，验证策略市场认可度（表23）。

---

3. 重要图表分析

图1：可视化资本利得拆解为净资产增长和估值提升的贡献，为研究估值因子提供直观底层逻辑。[page::5]
图2、图26：中证800样本中$\log(PB)$与ROE散点图，线性关系清晰，支持后续模型建设。[page::6,30]
图5：净资产虚高、代理问题、市场预期悲观，揭示破净企业价格异常原因，为破净股剔除提供逻辑背景。[page::10]
图6、7：破净企业数量变化与行业分布，反映剔除操作动态与集中行业风险。[page::11]
图8：重资产企业判别指标，强化PB估值因子的行业适用性，提升因子筛选精度。[page::12]
图9、10：盈利质量波动行业差异，说明PE高波动性的行业根因。[page::15]
图11、12：盈利不稳定个股数量及行业分布，为剔除策略及因子优化提供指示。[page::16]
图13、14，图15、16，图22、23：估值中枢稳定性因子Rank IC统计及分组超额收益，体现稳定性对因子表现的实质提升效果。[page::18,19,25]
图17、18、19、20：CFP因子测试及现金流为负个股数量与分布，揭示因子性能波动来源与优化方法。[page::22]
图24、25：综合估值因子构建流程与示意，直观展示多因子融合策略设计。[page::28,29]
图27、28，图29、30：PB-ROE因子原始与改进版表现对比，清晰展现提效轨迹。[page::31]
图31、32：PB-ROE因子分组净值和多头绩效曲线，明晰分层效果和超额回报。 [page::32]
图33、34、38：选股策略流程与部分筛选标准示意，体现策略结构完整性。[page::33,34,36]
图37、39：估值-盈利质量股票池和PB-ROE策略净值对比，验证策略长期超额收益能力。[page::35,37]
图40、41：策略换手率和资金容量，辅以持仓结构限额，确保策略可操作性。[page::38]
图42、43、44、45：行业分布、权重分布、市值中位数及风格因子暴露，体现组合结构均衡、风险控制及因子特点。[page::39]

---

4. 估值分析

报告采用因子回归方式构建了PB-ROE因子，并结合DDM模型理论推导保障了估值指标的经济学合理性。

估值因子分别基于BP（账面价值倒数）、EP（盈利倒数）、CFP（自由现金流倒数）构造，融合传统因子分位点和估值中枢稳定性，显著增强因子预测效果。融合因子采用等权平均方法，实现多因子互补，降低单因子噪声。

特别重要的是：

剔除破净及经营现金流为负股票显著提高估值因子表现，有效规避风险。
估值中枢稳定性因子体现估值时间序列稳定性的辅助信息，增强因子稳健性。
企业价值替代市值地位使市现率类因子逻辑更加严谨，解决现金流与市值不匹配问题。

整个估值分析框架体系化、细致，实现从财务指标到市场特征全流程优化。

---

5. 风险因素评估

报告风险提示明确指出：

历史数据统计及模型建构结果面临政策、市场环境剧变风险，模型可能失效；
报告所列个股或基金仅为主题相关，不构成具体投资建议，避免利益冲突。

此外，从因子实操来看，剔除新股、ST股、财务指标异常股票以及流动性较低个股，是规避样本波动和异常扰动的有效措施。行业权重和单一因子权重限制为策略提供行业集中度及因子暴露风险控制。

---

6. 批判性视角与细微差别

报告逻辑严谨，实证体系完备，但需注意以下事项：

模型稳健性依赖历史数据环境，面对突发政策、市场结构或监管变化时，历史模式或失效，模型需动态调整。
剔除规则虽规避异常，但可能丢失潜在价值股，如某些成长型、行业转型期企业，简单排除存在盲区。
指标选取集中于账面净值、盈利及现金流，未充分考虑品牌、技术、市场份额等软资产因素，可能在无形资产密集行业表现不足。
复合因子等权加权方式简单易行，但未涉及因子权重的优化调整，潜在提升空间。
报告较少讨论模型在宏观经济周期变化中的表现差异，未来扩展有必要。

---

7. 结论性综合

报告系统深入剖析了市净率PB、市盈率PE、市现率PCF三大估值指标的经济内涵及应用误区，针对破净股、盈利不稳定股及现金流为负股进行了筛选优化，构建了基于指标倒数、估值中枢稳定性的多个细分因子。通过等权融合法整合BP、EP及CFEV融合因子，产生综合估值因子，该因子表现优异，远超传统单因子指标。

基于DDM和Wilcox提出PB-ROE振钢性关系，报告构建了以回归残差为核心的PB-ROE选股因子。将原因子与综合估值因子替代，性能大幅提升。以此因子为核心，再结合严格选股制度和五大类因子（估值、成长、分红、动量、流动性）构建精选股票池和复合评分权重体系，量化打造的投资组合自2010年以来年化收益达23.92%，超额收益、信息比表现卓越，且风险控制规范，组合行业分布均衡。

图表数据清晰展示了因子逻辑和策略收益的稳定性、显著性和持续性，验证了PB—ROE框架结合综合估值因子的选股策略在中国A股市场的高度有效性，具备较强的应用推广价值。

最终，报告为机构投资者提供了一套科学严格、理论与实证兼备的量化选股框架，有助于提升股票投资精准度与组合业绩表现。[page::0-41]

---