价值投资低估值策略有效性分析 [page::3][page::4]

• PB指标在不同市值股票中选股效果优于PE和PS，特别适合全市场股票筛选。

- PB指标波动较PE低，更适合低频调仓，稳定持续性更强。

• 商誉占比较大的公司存在风险，采用扣除商誉后的PB进行估值判断。

价值策略收益拆解与风险控制 [page::5][page::6][page::7]

• 低PB组合收益主要来自估值水平提升，ROE贡献有限，低PB组合ROE显著低于市场均值。

- 低PB组合估值在市场弱势下下行空间受限，表现防御性，估值振幅较全市场小。

• 剔除周期性行业避免业绩反复波动带来的风险。

营收增长及现金流指标提升价值选股模型预测准确度 [page::7][page::8][page::9]

| 营收增长率持续性分析（各分组下一年营收增长占比） | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|----------------------------------------------------|------|------|------|------|------|------|------|------|------|------|
| 1 | 23.94%|12.25%|8.75% |6.18% |6.50% |5.55% |5.45% |7.13% |7.78% |16.47%|
| 10 | 14.05%|7.45% |5.42% |6.29% |5.99% |7.18% |9.00% |9.89% |14.59%|20.14%|

• 营收增长指标较净利润增长具有更强的持续性，适合作为成长预测因子。

- 结合现金流与净利润比率指标，现金流充足组营收增长的持续性更强，有助识别真实成长公司。

• M-score等财务造假检测模型与现金流指标为风险控制增添保障。

选股策略构建与回测表现 [page::9][page::10][page::11]

• 策略2012.5-2019.9期间累积收益4.26倍，年化超额收益达15.69%，同期沪深300年化收益5.67%。

- 各年度超额收益稳定且大多数年份为正，月胜率68.18%。

• 超额收益最大回撤18.72%，表现稳健。

策略提升ROE水平及估值空间验证 [page::11]

• 策略持仓组合ROE均值及增幅均明显高于单纯低PB组合。

- 说明营收增长和现金流财务指标能有效识别估值修复潜力与盈利改善空间。

模型在周期行业的表现及限制 [page::12]

• 周期行业内策略效果一般，且低PB组合偶尔表现优于模型。

- 预期数据和基本面持续性差异影响财务指标在周期股中的预测效果。

• 策略周期行业超额收益波动较大，部分时间段模型贡献有限。

总结与投资建议 [page::13]

• 结合低估值、市值增长及现金流因子构建的价值选股模型显著优于沪深300基准且稳健。

- 跨周期行业表现差异明显，建议投资者重点聚焦非周期行业中价值挖掘。

• 财务稳健性指标有效提升了选股的成长性预测准确度，降低风险暴露。

金融工程专题研究报告详尽分析报告

---

一、元数据与概览

• 报告标题：《金融工程—数量化投资专题报告》

- 报告作者：黄志文

• 发布机构：国信证券经济研究所

- 发布日期：2019年9月23日

• 报告主题：围绕价值投资与量化投资，通过剖析市净率（PB）、营收增长率、现金流指标，构建高效选股模型并验证其超额收益表现，旨在发掘股市中“隐藏的优质资产”。

核心论点及目标：
该报告主张价值投资超额收益主要来源于估值水平的修复（估值提升），而非仅仅依靠企业的盈利能力（ROE）增长。通过加入营收增长及现金流指标在剔除周期行业基础上的低PB筛选，能够更好识别估值提升潜力更大且盈利能力持续提升的优质资产。附带构建的策略模型在2012.5至2019.9年取得了4.26倍的收益，年化超额收益达15.69%，远超同期沪深300表现，展现了较强的选股有效性和稳健性。

报告主要传递的信息是：坚持价值投资理念，从底层财务指标出发，合理选取低估值资产，同时考量盈利及现金流质量，可以有效捕获市场中的超额收益机会。

---

二、逐节深度解读

2.1 前言与价值投资收益拆解

报告发端于对价值投资超额收益来源的精细拆解，指出超额收益主要来自估值的修复，而非纯粹的账面价值（BPS）增长（与ROE相关）。将ROE与估值两部分分离，一方面确认估值提升是超额收益的主因，另一方面引入对营收及现金流指标的分析，旨在提高对盈利能力提升的预测准确度。

投资策略因此基于对估值修复机遇的把握，同时利用营收及现金流指标来辨识未来ROE可能增长的优质个股。

2.2 市场估值耐久性与技术选股分析

在“这次没什么不一样”章节，作者用霍华德·马克思的市场钟摆理论强调市场估值具有明显均值回归特征，极端低估值阶段的股票投资从长期看具有积极预期。换言之，“没有什么特别不同”，低估机会依然存在，应坚定信念进行价值投资。

通过2006-2018年数据回测，低估值股票（PB、PE、PS）整体可获得正超额收益，尤其PB组合在不同市值区间均展现较好表现（对应图1），显示PB作为估值指标兼具更低波动性和持续有效性，这与PE等指标形成对比得出。

结论强调，PB作为选股指标的优越性，特别适合于低频调仓的策略中（图2对比沪深300PB与PE表现），PB波动较小，估值稳定性更高。

2.3 PB指标使用的技术细节

• 商誉因素：商誉在账面资产中占比不小，且未来可能遭遇减值风险。报告采用扣除商誉后的净资产（扣除商誉的PB）来降低盲目低估的可能。图3显示了A股大量公司商誉占比较大，需要谨慎处理商誉这一非现金资产的估值影响。

• 剔除周期行业：采掘、钢铁、有色、银行、非银金融、房地产等周期行业因为生命周期及行业特征估值偏低且波动大，可能会干扰低PB策略的准确性，并长期“低估”致使资金效率低下。策略因此从选股池中排除。
• 行业中性：在剔除周期股后，进一步对其他行业进行中性化处理，确保行业间估值差异不影响选股效果。

2.4 低PB策略收益来源分解

PB = BPS × PB，策略收益拆分为：

• 一是BPS（账面净资产每股值）增长；

- 二是PB（估值）的提升。

图4显示低PB组合绝对净值明显优于全市场等权组合。进一步通过图5对比，低PB组合在强势市场中估值提升幅度低于全市场，但在弱市或震荡市中估值下跌幅度小于全市场，估值上行空间远大于下行空间，因此估值提升是超额收益的主要驱动力。

图6则展示低PB组合ROE显著低于全市场，说明其账面价值增长驱动力较弱，不支持超额收益来自于ROE增长。

2.5 预测ROE提升的财务因子建立

引入两大基本面模型来预测ROE增长：

• 资产周转率模型：关注总资产周转率改善、营业收入和利润增长。

- 高毛利模型：筛选销售毛利率高于行业平均、毛利率改善、营收增长持续、费用低于行业均值等。

营收增长率作为两模型的交叉验证指标，且持续性优于利润增长指标（见图7营收增长率持续性表，营收增长率未来一年依旧保持高分组的概率远高于利润增长的持续性，利润有明显反转）。

2.6 现金流指标增强预测能力

为避免被低估值中潜藏的财务造假公司误导，采用M-score等财务造假识别模型启发，重点关注现金流对利润的支持。现金流/净利润比 >1的企业营收增长持续性显著高于低于1的企业（表2）。现金流为收付实现制确认，操控难度大，加入现金流指标提高了成长性的可靠度，从而提升未来营收增长的预测胜率。

2.7 综合选股策略回测及其卓越业绩

结合低PB、营收持续增长及现金流充裕的指标构造选股模型，选取中证800成份股（剔除周期股），并每年5月调仓。2012.5-2019.9回测结果显示：

• 累计收益4.26倍，年化收益22.26%，大幅优于同期沪深300的5.67%，年化超额收益达15.69%。

- 各年超额收益除了起始年2012年略为负值外，均为正值，月度胜率达到68.18%。

• 最大回撤达到18.72%，主要由于剔除周期股而导致风险特征变化（图9至图12）。

模型另对比了仅低PB组合，发现在ROE水平及ROE的增长幅度均明显不及加入营收及现金流筛选的策略组合（图13、14），佐证了指标选择的合理性。

2.8 模型在周期行业的表现说明

报告附录中指出，周期行业基本面数据持续性较差，且预期数据对选股更重要。在周期行业股票池中，模型未能显著提升选股效果，甚至简单低PB策略优于含营收现金流条件的组合（图15、16），这也是报告在主策略中剔除周期行业的原因。

---

三、图表深度解读

图1（PB、PE、PS不同市值选股效果）

此图比较不同市值分档中采用PB、PE、PS指标低估股票的超额收益情况。显示PB指标在大市值股票中表现稳定，且综合表现优于PE和PS，明确了PB的广泛适用性，为报告后续选择PB为核心指标奠定了数据基础。

图2（沪深300 PB与PE对比）

展示2006-2016年沪深300指数整体PB与PE走势，PB波动幅度较PE略小且更平滑，反映出PB作为估值指标在调仓频率较低时稳定性更强，有利于长期策略。

图3（商誉占资产比例分布）

呈现A股商誉占比分布，显示大量企业商誉较高，验证报告扣除商誉影响以避免高商誉带来估值误判的必要性。

图4（低PB策略绝对净值）

低PB组合净值较全市场等权上涨更快，直接体现投资价值。

图5（ΔPB全市场与低PB组合）

细分年度估值增减差异，显示低PB组合在市场上涨时估值涨幅小，下降时跌幅也小，具备下行保护的“防御性”特质。

图6（全市场及低PB组合ROE均值）

低PB组合ROE明显低于市场平均，显示其盈利增长动力不足，支持估值提升为主要超额收益来源的观点。

图7（营收增长持续性）

表格展示不同营收增长分档的下一年分布，数据沿对角线呈高概率，表明营收增长具有较强持续性。

图8（净利润增长持续性）

净利润增长的持续性明显较差，甚至显示反转特征，反映利润指标稳健性不足。

表2（现金净利润比对营收持续增长）

现金流支持充足(现金/净利>1)的企业营收增长持续比例远高于现金流不足组，加强了现金流在选股中的重要作用。

图9-12（策略净值与超额收益）

图9显示策略净值远超沪深300；图10-12具体展现策略的超额收益走向及年度绝对收益，整体表现稳定、领先并较少负收益年份。

图13-14（低PB组合与策略组合ROE及ΔROE）

策略组合ROE均高于低PB组合，且ROE提升幅度也更大，凸显营收增长与现金流筛选机制有效提升盈利质量与成长性。

图15-16（周期行业内模型表现）

模型在周期行业表现不佳，甚至被简单低PB策略超越，显示对周期行业的特殊性及基本面指标的不足，从而验证周期行业剔除合理。

---

四、估值分析

本报告核心采用市净率（PB）作为估值指标，剔除商誉及周期行业公司以修正PB指标的偏差。PB的选择理由基于其波动性较低、持续性更强的特征，使其成为低频调仓下理想的估值工具。报告中未具体运用DCF等复杂估值模型，而是侧重于指标驱动的组合构建。

估值提升空间作为超额收益的关键变量，测算了低PB股票后续估值变化（ΔPB），结合ROE变化验证组合成长潜力，形成定量驱动的价值选股框架。

报告中的估值期望基于均值回归假设，强调在市场极端低估时的估值修复潜力及上行空间。

---

五、风险因素评估

报告指出主要风险包括：

• 周期行业排除可能带来的超额收益损失和回撤风险：周期行业本质波动大但利润可能突发，剔除造成超额收益回撤上升。

- 商誉减值风险：高商誉企业可能负面冲击业绩，影响组合。

• 模型依赖历史财务数据与均值回归假设不成立时风险：市场极端情况可能导致预测失效。

- 财务造假风险：虽然引入现金流指标降低风险，但仍无法完全避免财务操纵带来的误判。

• 宏观与政策风险：市场整体波动、政策调整均可能影响估值水平和组合表现。

报告未详述具体的风险缓释策略，但通过周期行业剔除及现金流筛选已在一定程度上规避了周期性和造假风险。

---

六、批判性视角与细微差别

报告对估值及财务指标使用有严谨度，但部分假设存在内生性风险：

• 关于PB估值修复为超额收益主因的结论，未充分探讨宏观经济及行业趋势对PB的影响，可能低估其他外生变量。

- 周期行业剔除固然降低组合波动，但也可能错失周期上行阶段的爆发收益，对市场阶段判断要求较高。

• 现金流与营收增长的持续性虽强，但未来进入经营环境突变（如政策收紧、行业结构性转变）可能导致模型失效。

- 数据频率与调仓频率较低，未考虑更短期市场事件及波动, 对高频交易者不适用。

• 以会计数据为核心，用于判断成长潜力有一定滞后性，虽然现金流调整减少延迟，但市场定价对预期已前瞻反应，存在滞后风险。

- 报告的风险提示部分较为官方，缺乏对量化模型系统性风险、流动性风险的深入讨论，投资者仍需谨慎。

---

七、结论性综合

本报告系统地从价值投资的经典指标市净率（PB）入手，结合营收增长以及现金流三大维度构建选股模型，剖析价值投资超额收益的主要来源是估值提升，且通过营收及现金流指标辅助识别隐藏优质资产。报告利用大量历史数据及模型回测，证明了低PB策略在剔除周期行业后的有效性，并通过加入财务指标显著提升了选股质量与盈利能力预测。

关键图表展现的深刻见解包括：

• 图1-2展示PB作为估值指标较PE、PS更稳定和有效，尤其适合中大型市值股票；

- 图4-6明确低PB组合的估值提升超过盈利能力增长，是超额收益主因；

• 图7-8显示营收增长率具备较强的持续性，优于净利润增长支持成长预测；

- 表2验证现金流指标提升营收增长预测准确率，有效剔除潜在财务风险公司；

• 图9-14回测表现及ROE对比明确了结合营收与现金流的低PB策略表现优于单纯低PB策略；

- 图15-16说明模型在周期行业有效性有限，合理排除相关行业降低组合风险。

综上，报告持有积极观点，表明依托深度财务指标选股，再加上价值投资理念下的估值修复，构造的量化策略具备持续超越市场的能力。报告未具体给出明确买入评级，但通过国信证券评级体系的说明，可推断推荐对“买入”或“增持”持开放态度，建议投资者关注低PB且具备成长潜力且现金流良好的股票，防范周期行业及潜在财务风险。

---

参考文献与出处

本分析严格基于国信证券2019年《金融工程专题研究—数量化投资专题报告》全文内容，引用出处均严格注明页码，确保溯源完整。[page::0-15]

报告