传统估值因子表现持续走弱 [page::2]

• A股市场EP和BP估值因子收益自2018年起明显回撤，滚动12个月收益转为负值，显示估值因子失效迹象。

- 传统估值因子更多体现静态价值投资理念，关注当前估值低的股票。

估值变动因子dEP定义与优越性 [page::3][page::4]

• dEP因子基于EP因子60日变化量，结合了盈利与股价的变动速度，体现动态价值投资理念。

- 市值行业中性化后dEP因子IC均值0.043，ICIR达2.70，多空对冲年化收益22.9%，显著优于EP因子。

• 不同时间间隔测试确认60日为合适窗口期，部分盈利更新频率不均导致dEP与动量因子存相关，但剔除后仍具显著收益。

dEP因子在收益结构与行业选股能力上优于EP [page::5]

• dEP因子多头与空头收益更显著，收益分组结构更单调。

• 除银行业外dEP选股能力在所有一级行业均优于EP因子，部分行业EP表现为负。

dEP与EP因子的市值、BP、ROE暴露差异 [page::6]

• dEP多头组合拥有相比EP更大的平均市值、更高的市净率且ROE相对较低，增加因子实用性和适用范围。

估值变动因子在重点细分行业表现优异 [page::7][page::8]

• 半导体行业：dEP多头组合自2018年10月起超额收益达13.1%。

- 生物医药行业：dEP多头组合超额收益达18.3%；两者持仓存在明显差异。

• 白酒行业：dEP因子多头组合表现优于EP，超额收益达10.8%。

- 各行业dEP的动态价值理念在细分子行业选股中更具优势。

总结与风险提示 [page::0][page::8]

• dEP因子基于估值变化提供了动态的价值投资视角，显著提升了因子收益与稳定性。

- 模型基于历史数据构建，市场条件若发生根本变化则可能影响因子表现，投资者需注意风险。

报告分析：《估值因子坏了怎么修？》——开源量化评论（1）

---

1. 元数据与概览

报告标题：《估值因子坏了怎么修？》

作者及团队：金融工程研究团队，首席分析师魏建榕，联系人傅开波、高鹏、苏俊豪、胡亮勇

发布机构：开源证券研究所

发布日期：2020年6月16日

主题及研究议题：
本报告聚焦于价值投资中的核心工具—估值因子，特别是在A股市场环境下传统估值因子（如EP、BP）近年表现持续走弱的现象。报告探讨了传统估值因子失效的事实，提出并实证了一种替代指标「估值变动因子dEP」，并详细比较其相较传统估值因子的优势及应用，为投资者寻找可行的量化因子改进方案提供思路。

主要论点及结论：

• 传统的估值因子在A股近几年表现不佳，因子收益出现显著回撤，甚至转为负值。

- 估值变动因子dEP（定义为EP的60日变动量）表现优异，明显超过了传统的EP因子。

• dEP 因子融合了价值与动态变化的考量，动态捕捉估值的变化趋势，优于传统价值因子对“当前估值水平”的静态判断。

- dEP 因子在收益结构、行业适用性、分组暴露等方面都显示出明显的比较优势。

• 在半导体、生物医药、白酒等细分行业应用中，dEP 因子选股效果明显优于传统EP因子，获得了显著的超额收益。

- 该模型基于历史数据测试，存在未来市场环境变动的风险。

---

2. 逐节深度解读

2.1 传统估值因子近期表现不佳

总结：
价值投资理念强调买入价值低估的股票，传统估值因子如EP（收益收益率）和BP（账面市值比）在历史上长期表现良好，是判断股票是否便宜的重要依据。但最近两年，这两类估值因子在A股市场的表现大幅下滑，收益回撤甚至破零，传统估值因子的有效性正遭遇挑战。

推理和数据支持：
通过2010年至2020年期间因子收益的时序曲线（图1），可见EP因子（红线）和BP因子（黄线）2018年前整体收益稳定增长，2018年以来两者跌落，特别是EP和BP的滚动12个月收益（蓝色和青色曲线）迅速下滑至负值区间，反映出估值因子失效的迹象。

金融概念解析：

• EP（Earnings-to-Price Ratio）：股票年化盈利与价格比值，低EP对应高估值，高EP对应低估值。

- BP（Book-to-Price Ratio）：账面净资产与价格比，反映净资产被低估程度。

• 因子收益指因子排序股票后多头做多高分组，空头卖空低分组的组合收益。

---

2.2 估值变动因子是优质的替代指标

总结：
为克服传统估值因子的失效，报告引入“估值变动因子” dEP，定义为EP的60日变化：
\[ dEP = EP(t) - EP(t - 60) \]
即关注股票估值水平的动态变化，而非单一时点的估值。

推理、公式细则及逻辑：
以公式：
\[
dEP = EP(t) \times \left(1 - \frac{R}{G}\right)
\]
其中，\(
R = \frac{P(t)}{P(t-60)}
\) 为价格变动比率，\(
G = \frac{E(t)}{E(t-60)}
\) 为盈利变动比率。

解读：

• 当价格增长率低于盈利增长率 \((R

- 反之，若价格增速快于盈利，则调节系数为负，dEP降低。

实证结果：

• 图2显示dEP因子多空净值曲线明显优于EP因子，多空年化收益22.9%，2019年后仍保持21.9%的正收益，远超同期EP的-3.4%收益。

- 表1的IC(信息系数)均值和ICIR（信息比率）均较EP明显提高，表示dEP因子具有更强的预测性和稳定性。

解释专业术语：

• IC均值：因子值与未来回报的相关系数均值，数值越大表示预测准确性越高。

- ICIR：IC的平均值与标准差之比，衡量因子稳定性和收益风险比。

其他观点：
该因子体现了动态价值投资理念，聚焦“哪些股票的估值正在变得更便宜”，区别于传统EP静态考虑“当前估值便宜的股票”。

---

2.3 估值变动因子的构造及相关性分析

总结：
报告进一步分析dEP因子的计算频率及其与动量因子、估值因子的关系。考虑盈利数据更新频次与股价变动频率的差异，选用60交易日（一个季度左右）作为考察窗口，使得变动估值更具代表性（图3和图4证实60日的合理性）；此外，dEP与估值因子和动量因子存在一定相关性（相关系数分别为0.26和-0.28）。

理论简化：
若股票盈利在60日内未变（G=1）时，
\[
dEP = EP(t) \times (1 - R) = - EP \times MOM
\]
其中MOM是60日区间收益率（动量因子），显示dEP因子在此情形下等同于估值因子与动量因子的乘积。

实证结果：
图5说明即使剔除动量与估值因子影响，dEP仍有显著多空收益，证明dEP因子含有独特的量化信号，不单纯依赖两者。

---

2.4 估值变动因子的比较优势

分组收益结构：
图6显示，在将股票按因子分成10组时，dEP因子多头与空头组合的收益差异更大，表现出更好的单调关系和更强套利能力，优于EP因子。

行业表现：
图7指出，除银行外，几乎所有一级行业dEP因子的选股IC均高于EP因子。EP因子在部分行业（石油石化、基础化工、医药）选股能力不佳甚至为负，而dEP均保持正向有效。

因子与常见指标暴露对比：
图8至图10揭示，dEP多头组合偏向更大市值（实用性强）、市净率（BP）较低和相对较低ROE，这与EP因子的高ROE、高BP暴露有所不同，表明dEP关注的市场特征更为动态和需求广泛。

---

2.5 估值变动因子在细分行业的应用

选取半导体、生物医药、白酒三个近期热门细分行业，测试dEP与EP因子多头组合收益。

• 半导体行业（图11）：dEP多头组合自2018年10月起跑赢EP组合，累计超额收益13.1%。持仓名单显示两者选股有较大差异（图12）。

- 生物医药行业（图13）：dEP多头组合累计跑赢EP组合，超额收益18.3%。持仓名单亦显示明显不同（图14）。

• 白酒行业（图15）：dEP多头组合领先EP组合约10.8%，持仓前8大股不同（图16）。

整体体现dEP因子在细分领域也具备优于传统估值因子的选股能力。

---

2.6 风险提示

报告明确指出，模型基于历史数据测试，未来市场可能变化导致模型表现变化，存在模型失效风险。

---

3. 图表深度解读

• 图1（估值因子表现）：呈现EP/BP因子从2018年起收益趋势下滑，12个月滚动收益跌至负区间，说明传统因子失效。

- 图2（dEP与EP表现对比）：dEP曲线持续上升，多空净值累积远高于EP，体现了dEP因子长期有效。

• 图3（报告披露时间）：显示盈利数据披露时间集中分布，非均匀，影响盈利变动的检测频度。

- 图4（不同窗口表现）：实证不同区间dEP因子IC及ICIR，60日窗口取得最好平衡。

• 图5（剔除估值和动量后的dEP）：剔除相关因子后dEP仍能显著获利，显示独特信号。

- 图6（收益分组结构）：dEP多头空头收益差更大且单调性更好，表明更有效的分层选股功能。

• 图7（各行业IC均值）：除银行，dEP在所有行业均取得正向显著的选股能力，优于EP因子。

- 图8-10（因子暴露）：dEP多头组市值更大、BP略低、ROE较低，反映选股风格略有差别。

• 图11-15（细分行业多头收益）：均显示dEP收益超越EP，且有明显超额收益。

- 图12,14,16（行业持仓对比）：两个因子的持仓差异大，说明选股逻辑有较大分异。

---

4. 估值分析

报告未涉及传统估值模型（DCF、PE等）的应用，而是基于量化投资中的因子表现对比。核心估值方法是因子投资及多空组合收益比对，采用信息系数（IC）、年化多空收益和IC信息比率（ICIR）衡量因子有效性。该方法关注的是风险调整后的超额收益，而非企业估值本身。该方法较适合量化投资者建设因子池和选股模型。

---

5. 风险因素评估

唯一明确风险提示是“模型基于历史数据，未来市场可能变化”。这反映量化因子研究的共性风险，即历史表现未必代表未来，市场结构、宏观环境、政策变动等都可能使因子失效。

报告未具体展开缓释策略或因子组合多样化的风险管理方法，但隐含地通过多行业、多因子剔除测试来验证因子的稳健性。

---

6. 批判性视角与细微差别

• 强势结论存在历史依赖风险：报告强调dEP因子优于传统估值因子，但其适用仍以过去十多年历史为基础，未来是否可持续表现仍存在不确定性。

- 盈利数据滞后与统计噪声：盈利数据季报披露分布不均，导致dEP实质上与动量因子相关性引发对收益来源的思考，也提示数据更新频率限制了因子运用。

• 持仓流动性与实操风险未详述：dEP多头组合倾向于大市值股票，但相较EP因子持仓相对更高市值，实际执行成本与市场冲击需要进一步考量。

- 估值变动因子覆盖面：虽然报告涵盖多个行业和细分行业，银行等特例行业效果不佳，暗示因子并非全市场通用。

• 缺乏与其他主流因子综合评估：报告主要聚焦EP、BP和dEP三因子，没有结合其他知名因子（如质量、成长、动量等）进行多维度复合分析。

---

7. 结论性综合

综合来看，本报告深入分析了A股市场传统估值因子失效的现象，提出并阐释了估值变动因子dEP这一动态价值投资理念下的量化信号。通过严密的数学拆解、系统的数据测试和多维度的横向对比，报告显示dEP因子在：

• 多空收益及IC表现显著优于EP因子，尤其在2019年后传统价值因子失效背景下仍然有效，达到22.9%年化收益率。

- 分行业选股能力广泛优于传统EP，负面表现行业仅银行，体现了更强的行业适应性。

• 在半导体、生物医药、白酒等细分高关注行业均实现超额收益，显示因子对行业热点的良好捕捉能力。

- 分析了估值变动因子与动量因子及静态估值因子相关性，显示dEP的独特信息内容。

• 估值变动因子多头组合平均拥有更大市值和更高市净率，因子对实操层面更友好。

报告细致剖析了因子失效原因、改进路径及实证效果，对价值投资量化模型的研发具有重要启示价值。风险提示清晰，表明模型过度依赖历史数据特征，未来需动态调整。整体评价，报告呈现了丰富的理论与实证结合内容，具备较强的专业水准和市场指导意义。

---

全文参考页码

[page::0,1,2,3,4,5,6,7,8]

报告