华泰价值选股系列之相对市盈率选股模型 A 股市场实证研究
创建于 更新于
摘要
本报告系统研究了市盈率及其相对指标相对市盈率在A股市场的估值及选股效果。通过历史数据和行业分析,验证了相对市盈率的估值有效性,构建了华泰相对市盈率估值选股模型。模型在2005年至2016年回测期内取得年化收益37.72%,夏普比率1.19,显著优于沪深300与中证500指数表现。模型基于过去42个月相对市盈率均值与当前值比较,并结合盈利预测,筛选出估值合理且成长性良好的股票,同时行业和市值分层分析增强了模型的适用性和稳定性[page::0][page::3][page::14][page::19]。
速读内容
- 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]。
深度阅读
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。