• 市盈率简介及重要性 [page::0][page::3]

- 市盈率(PE)作为投资估值基础，反映股价相对每股盈利的倍数，是价值选股的核心因子。
- 指数市盈率长期均值在20左右，估值回归现象明显，PE与市场长期走势高度相关。
- 上证指数的收益率倒数EP与十年期国债收益率的差值负相关，体现择时价值[page::4]。

• 不同行业市盈率特征及波动性分析 [page::5][page::6][page::7][page::8]

| 行业 | 市盈率中值均值 | 市盈率中值波动率 |
|--------------|----------------|------------------|
| 国防军工 | 71.45 | 29.51% |
| 计算机 | 58.44 | 28.87% |
| 传媒 | 57.02 | 23.26% |
| 通信 | 48.28 | 23.69% |
| 机械 | 44.69 | 19.45% |
| 钢铁 | 18.12 | 15.31% |
| 银行 | 13.69 | 11.30% |
- 高成长行业市盈率高且波动剧烈，防御性行业波动较低，中长期成长与PE呈正相关关系[page::7][page::8]。

• 市盈率分层回测及市值分层影响分析 [page::9][page::10][page::11][page::12]

- 全市场市盈率分层效果不明显，中间层表现最好，极低或负市盈率股票风险偏高。
- 市值分层后效果显著：大中市值低市盈率股票表现优异，小市值股票波动率较大但低PE亦有较高回报。
- 市值与市盈率负相关仅在大市值组显著，说明不同市值分组中估值效应需分开考察[page::9][page::12]。

• 华泰相对市盈率估值选股模型介绍与构建 [page::13][page::14][page::15][page::18]

- 基于股票市盈率与市场市盈率的比值，计算N个月移动平均相对市盈率，结合盈利预测，筛选估值偏低且成长性提升的优质股票。
- 选股标准包括过去42个月有连续正盈利，无异常市盈率，移动平均相对PE大于当前相对PE，盈利预测向好等条件。
- 模型本质是相对市盈率均线策略，具备均值回归特征并加强盈利预期筛选，适用于A股全市场[page::13][page::14][page::15][page::18]。

• 模型回测表现与效果验证 [page::19][page::20][page::21]

- 回测期2005-2016年，模型年化收益37.72%，夏普比率1.19，远超沪深300（10.63%）和中证500（17.77%）。
- 在震荡熊市（2008年11月-2014年7月）表现稳健，总收益420.36%，年化33.69%，夏普1.25，胜率显著高于指数。
- 多空对冲结果显示相对沪深300和中证500均有显著超额收益，风险调整后表现优异[page::19][page::20][page::21]。

• 量化因子策略细节及性能参数 [page::15][page::16][page::17][page::18]

- 以42个月的移动平均相对市盈率为优参数，模型对估值的高估低估进行分组，低估组表现显著优于高估组。
- 不同N值（12-60月）测试中，低估组合收益稳定且高，最高总收益近2844.6%，年化约33.5%。
- 模型兼顾收益和风险，夏普比率高，年化波动率低于高估组，显示了较好稳定性和风险控制能力[page::15][page::16][page::17][page::18]。

• 组合行业分布与结构分析 [page::22][page::23][page::24]

- 组合股票覆盖863只个股，医药、交通运输、基础化工、电力及公用事业、机械行业为主要来源，占比超过34%。
- 行业入选次数差异明显，医药行业入选次数最多且均匀，偏价值蓝筹股风格。
- 组合换手率高约68.6%，主要因持续剔除被市场修复估值的个股，动态调整频繁[page::22][page::23][page::24]。

• 最新一期持仓示例 [page::25]

- 组合涵盖电力公用、传媒、建材、机械、汽车、医药、轻工制造等多个行业，说明模型兼顾行业多样化以分散风险。
- 重点持仓股票包括凤凰传媒、南玻A、清新环境、招商银行、格力电器、万科A等具有较好基本面及估值优势的优质标的[page::25]。

金工研究报告——华泰相对市盈率估值选股模型详尽分析

---

一、元数据与概览

• 报告标题：《华泰价值选股系列之相对市盈率相对市盈率选股模型 A 股市场实证研究》

- 作者与联系方式：林晓明（执业证书编号：S0570516010001），王湘（执业证书编号：S0570516100001），华泰证券研究所，2016年12月06日发布。

• 研究机构：华泰证券研究所。

- 主要研究主题：围绕市盈率（PE）及相对市盈率展开，构建并回测了基于相对市盈率的量化选股模型，验证其在A股市场的超额收益表现及有效性。

• 核心结论：

- 市盈率作为传统估值指标，反映股价与盈利的相对关系，但单一绝对PE存在局限。
- 相对市盈率（即公司PE与市场平均PE的比值）能更有效反映公司估值相对于市场的合理性。
- 华泰证券研发的基于42个月移动平均相对市盈率的量化选股模型，在2005年至2016年间取得了超额收益4134.03%，年化37.72%，夏普比率1.19，远超沪深300和中证500指数表现。
- 模型特别适合震荡市环境，具有较强的抗风险和择时能力。

• 风险提示：模型基于历史数据，非具体投资建议，应结合其他因素判断投资决策。[page::0,19]

---

二、逐节深度解读

2.1 市盈率定义与基本分析

• 市盈率（PE）是公司股价与每股盈利（EPS）比率的绝对指标，反映投资者为单位盈利支付的价格。例：科技公司PE 100倍，意味着在股价和盈利稳定时，投资者投资100年才能回本。

- 这一定义强调了价值投资框架中的安全边际。示例中微软1999年PE高达84倍，之后股价调整至半数，体现估值回归规律。

• PE存在多种计算方式，包括最新年报(PELYR)、过去12个月(PETTM)及扣除非经常性损益调整的市盈率（PETTMDE）。

- 指数PE的长期均值为参考基准，上证综指PE均值约20倍，PE过高往往预示调整，下方则有上涨空间。

• 市盈率倒数（EBIT收益率EP）与10年国债利率存在显著负相关（相关系数-0.61），可用作市场择时指标。[page::3]

2.2 行业市盈率表现

• 不同行业市盈率差异显著，表现出周期波动与箱体震荡。

- 计算机行业PE可高达200倍，体现成长性溢价。

• 高成长行业如国防军工、传媒、通信等PE波动率较大，反映市场对成长性的高预期。

- 图表数据证明EPS增长率与行业PE中值呈正相关，符合成长股理论。

• 行业市盈率波动率排名前列的均为成长或高科技行业，估值敏感性较大。[page::5-8]

2.3 市盈率分层测试与市值影响

• 将全部股票按PE值分为6层，结果表明PE与长期收益无显著线性正相关，中间层PE组合表现最好。

- PE极高者风险大，回撤明显，PE负值多对应亏损企业，不适于价值投资。

• 按市值分组后，低PE组合收益更为显著，尤其在中大市值股票中表现突出。

- 只有大市值股票的PE与市值呈负相关（相关系数-0.186），中小市值相关不显著。

• 结论：PE与收益关系依赖于市值分组，价值投资需结合大小市值分类。

- 上述实验通过多份图表详实呈现（图表10-20），显示不同市值组中PE层次净值曲线差异。小市值低PE组合年化收益高达48.38%且夏普1.2，风险与波动较高；大市值低PE年化22.66%，波动与回撤相对较小。[page::8-12]

2.4 相对市盈率与估值方法

• 相对市盈率为公司市盈率除以市场整体市盈率，体现股票估值的市场相对位置。

- 假设公司长期增长率和风险稳定，相对市盈率围绕1波动。

• 使用N个月相对市盈率均线与当前相对市盈率比较，均线高于现值表明股票被低估。

- 计算采用PE(TTM)数据，结合盈利预期（Wind预测平均值）辅助筛选。

• 数据显示，低相对市盈率组合收益显著优于高估组合，夏普比率分别为0.74与0.38，说明估值回归效应明显，市场有效利用该指标实现择时与选股。

- 参数N取值在12到60月间测试，稳健性良好，最佳42个月左右。

• 通过复杂但合理的数学公式实现相对市盈率均线的计算与调整。[page::13-16]

2.5 华泰相对市盈率估值选股模型构建与回测

• 模型构建逻辑：

- 要求公司过去42个月EPS均为正，且无负PE或极高PE值（>100）。
- 当前相对市盈率低于过去42个月均值（相对低估）。
- 盈利预测向好：当前盈利预测高于一个月前。
- 取相对市盈率比值最高的50只股票。

• 回测条件：

- 时间区间2005-2016年，等权重，每月调仓，无交易费用。
- 对比指数基准为沪深300与中证500。

• 回测结果：

- 总收益4134.03%，年化37.72%，夏普1.19。
- 震荡市（2008-2014）表现尤佳，年化33.69%，夏普1.25。
- 超越同期沪深300 (10.99%)、中证500 (17.37%)明显。

• 胜率统计：

- 日胜率52.22%，周胜率59.77%，月胜率66.43%。
- 多阶段市场均优势明显，尤其熊市期间显著跑赢大盘。

• 多空对冲分析：

- 相对于沪深300和中证500的多空组合夏普比率分别高达1.59和0.92，回撤明显较低。

• 组合换手率较高（68.6%），因模型专注于相对低估股票，频繁调仓是其必然特征。

- 以上回测数据均以图表30-36、41形式具体呈现。[page::18-21,24]

2.6 组合行业分析与个股特征

• 入选股票多集中于医药、交通运输、基础化工、电力及公用事业、机械等防御性或蓝筹板块。

- 863只入选股票累计5178次入选，显示广泛覆盖。

• 医药行业入选次数最多且分布均匀。

- 个股风格偏价值与稳健，入选次数前30股票中包含多家主流蓝筹如格力电器、招商银行、万科和浦发银行等。

• 行业及个股归属于相对低估状态，有助于捕捉安全边际，减少突发风险。

- 该组合年度换手率波动较大，符合策略动量及均值回归特征。

• 详见图表37-40与组合构成表及换手率图表41。[page::22-25]

---

三、图表深度解读

3.1 市盈率与指数关系（图表1-3）

• 图表1、2展示上证综指与沪深300的PE走势及长期均值对比。PE峰值多次达到40-50倍，远超均值20倍，随后出现回调，验证均值回归假设。

- 图表3显示上证指数EP与10年国债收益率差异，二者负相关（-0.61），EP减国债收益率为正时，指数表现较佳，体现权益风险溢价变化。

• 这些图表强化了PE作为估值及市场情绪指标的可信度。[page::4]

3.2 行业PE中值时间序列（图表4-6）

• 纺织服装、钢铁、计算机三个行业PE均值均显示周期性波动，且在牛市（如2015年）中，计算机PE接近200倍，极高估值反映市场成长预期。

- 钢铁行业PE波动性明显，含负值，说明行业波动幅度和风险较高。

• 纺织服装PE波动介于两者之间，整体处于合理区间。

- 反映行业风险与成长性的双重影响在不同行业中的差异。[page::5-6]

3.3 行业PE波动率与相关（图表7-9）

• 图表7与8说明国防军工、计算机及传媒行业PE波动率最高（约30%以上），显示高成长行业估值敏感性和不确定性较大。

- 图表9显示大部分行业PE和EPS增长率正相关，证明市场对成长性的预期反应在估值上，体现合理的估值机制。

• 这一系列数据为相对市盈率模型的行业选择和风险控制提供基础。[page::7-8]

3.4 市盈率分层绩效（图表10-11）

• 低PE组（第一层）表现优于高PE组（第五层），但差异不非常显著，波动率较低的中层PE区间表现最佳。

- 净值曲线证实高PE股票总回报最低，且变化更剧烈。

• 结合上述市值分层说明单纯PE指标需与市值等其他指标结合使用。[page::9]

3.5 市值与PE影响（图表12-20）

• 小市值低PE组合年化收益近48%，远超大市值22%，但波动和最大回撤高。

- 大市值低PE组合最稳健，夏普比率接近0.60。

• 相关性分析证实大市值股PE负相关明显，小市值相关性薄弱。

- 净值曲线（图15-17）直观展示了不同市值组内PE层次的收益差异，为模型市值调整提供依据。[page::10-12]

3.6 相对市盈率模型绩效（图表22-33）

• 图表22显示低相对PE组合年化收益超30%，夏普比率0.71，明显优于高PE组合20%收益及0.39夏普。

- 高低估组合对比（图表24、25）验证相对PE均值回归策略效力，低估组合年化收益高至30.26%，夏普0.74，稳定性和风险调整后收益显著优于高估组合。

• 参数敏感性（图表26-29）展示42个月均线为最佳，收敛性良好且收益稳定。

- 回测期间（图表30-33）总收益率高达4134%，稳健超越沪深300和中证500，大幅提升投资组合整体表现。

• 多空组合分析（图表34-36）补充模型相对市场的风险对冲能力，夏普比率显著提高，回撤显著降低。

- 净值曲线反映出策略显著alpha生成能力，具有实用价值。[page::14-21]

3.7 组合行业分布及换手（图表37-41）

• 组合中医药和交通运输行业占比最高，分别约8%，体现市场低估的防御性行业权重明显。

- 组合换手率较高，约68.6%，符合策略针对低估股票的频繁调仓特点。

• 行业入选次数分布体现了周期性和结构性特征，兼顾价值稳健与成长潜力。

- 组合成份股涵盖蓝筹股为主，风格稳健且有选股依据的支持。[page::22-25]

---

四、估值分析

• 本报告主要采用相对市盈率均线模型，其本质是基于相对估值（公司PE/市场PE）和均值回归原理构建的量化选股法。

- 重要参数为42个月移动平均相对PE，打造“均线”效应，平滑短期波动，更稳健地捕捉相对估值异常。

• 模型辅以盈利预期改善的过滤条件，增强选股质量及未来成长预期。

- 估值信号通过比较调整后市盈率与实际市盈率判断低估或高估。

• 通过多段历史实证，确认模型收益显著超越市场，且风险调整后优势明显。

- 无显著估值倍数的区间敏感性和切换，模型内部通过数理公式对估值调整进行定量优化，强化了策略稳健性。

• 模型简明有效，利于实际组合操作与风控管理。[page::13-21,26]

---

五、风险因素评估

• 报告明确提示模型基于历史规律总结，不构成直接投资建议。

- 由于模型高换手率，可能面临较高交易成本和滑点风险，未计入相关费用可能高估收益。

• 市盈率作为估值指标本身的局限性在报告中多次被论述，如盈利波动、非经常损益影响、财务造假等均可能扭曲市盈率。

- 盈利预测依赖机构预期存在偏差与误差，盈利预测不准确将减弱模型效果。

• 市场极端行情（股灾、流动性风险）可能导致估值指标失灵，模型最大回撤虽低于市场，但回撤幅度仍较大。

- 行业和市值风格偏向价值蓝筹，成长股和新兴行业效果与适用范围未能覆盖，存在选股偏误风险。

• 未来市场结构和估值体系演变可能使历史有效模式失效。

- 缓解策略包括排除异常市盈率数据、盈利预测向好条件限制及多样化组合操控，但投资者需谨慎理解与应用模型信号。[page::0,8,26]

---

六、批判性视角与细微差别

• 报告高度依赖市盈率及相对市盈率作为核心指标，尽管阐述了PE的局限，但核心模型未纳入更多多因子（如市净率、ROE、成长性等）以增强稳健性。

- 盈利预测的主观性及数据来源未做深度说明，存在非系统性预测误差风险。

• 不考虑交易费用，特别是高换手率带来的影响，实际净收益可能较回测存在差距。

- 因市值分组方法较为粗糙（三分位区分），未评估细分市值区间交叉效应，部分中小盘股票价值效应可能被掩盖。

• 模型对极端市场（牛市或泡沫）表现不完全明朗，报告只强调熊市表现良好，可能对牛市承受力偏弱。

- 数据窗口选择（42个月）虽做敏感性测试，但对市场结构变迁的适应性和动态调整机制缺少探讨。

• 内文中个别数学公式表达异常（第13页、18页公式出现乱码），影响理解，应加强审校。

- 尽管历史收益惊人，但报告仍较注重风险提示，体现审慎态度，符合研究规范。[page::8,13,18]

---

七、结论性综合

本报告系统性研究并实证验证了“华泰相对市盈率估值选股模型”在中国A股市场的选股有效性和超额收益能力。以42个月移动平均相对市盈率为核心指标，结合盈利预期改善作为辅助条件，构建了合理的量化选股标准。历史回测从2005年至2016年收获总收益超4000%，年化收益率近38%，夏普比率达1.19，远超基准沪深300和中证500指数，体现了强劲的风险调整后收益。

报告开篇深入剖析市盈率的统计特征、行业表现及市值影响，显示单一绝对市盈率难以直接用于有效选股，而结合行业、市值和相对市盈率指标后，估值判断能力显著提升。实践中，低市盈率以及低相对市盈率组合表现优异，支持估值均值回归的经典价值投资原理。

通过丰富的图表，报告细致呈现指数PE均值回归、行业及市值分层性能、相对市盈率策略收益曲线、多空对冲效果及行业及个股层面的组合构成，呈现出相对市盈率模型的多维优势和广泛适用性。

风险控制方面，限制市盈率极端值公司，结合盈利预期改善，并强调模型仅基于历史数据，不构成投资建议，体现客观严谨。高换手率是策略的双刃剑，既保证高度时效性和抓取估值异常，也带来成本压力。

总体来看，华泰相对市盈率估值选股模型以稳健成熟的估值理论为基础，通过科学的量化方法实现了在中国A股市场稳定且持续的超额收益，具备较强实操价值和理论指导意义。投资者应用时应考虑历史局限性，结合市场环境及自身风险承受能力谨慎使用。

---

参考图表索引（部分）

• 图表1-3：上证综指与沪深300指数PE与EP走势及长期均值对比

- 图表4-8：行业市盈率中值及波动率分析（纺织服装、钢铁、计算机等）

• 图表9：行业PE与EPS增长率相关性

- 图表10-11：市盈率分层绩效与净值

• 图表12-17：在不同市值分组中市盈率分层绩效与净值比较

- 图表18-20：不同市值组中市值与市盈率相关性

• 图表22-29：相对市盈率估值组收益表现及参数敏感性分析

- 图表30-33：模型整体与区间回测性能

• 图表34-36：多空组合对冲收益

- 图表37-40：组合行业结构与个股入选次数

• 图表41：组合换手率

- 图表42：最新组合构成清单






---

总结

本报告在量化模型构建、历史回测、风险揭示和实证分析层面均具备高水准，尤其是在中国市场高度复杂和变动的环境下，证明了相对市盈率与盈利预期结合的科学价值。为主动价值投资和量化选股提供了重要参考框架和实操工具。投资者和机构可结合自身风控和资产配置需求，将该模型作为核心选股因子之一进行应用和扩展。[page::0-26]

---

以上分析全面覆盖报告所有关键内容，结合细致图表说明及模型测试，呈现严谨、专业、完整的研究结构与结论。

报告