近两年超预期策略回撤主因：估值负贡献显著 [page::3][page::4]

• 超预期Plus 2.0版本虽修正盈利与估值端，但估值负贡献导致2022年以来表现不佳。

- PB因子十分组多头近两年依然有正的估值贡献，表现相对优异。

低估价值股票池构建：改进PB-ROE残差因子及分域提升效果显著 [page::5][page::6][page::7][page::8]

| 因子名称 | RANKICIR | 年化收益 | 信息比率 | 最大回撤 | 胜率 |
|----------------------|----------|----------|----------|----------|---------|
| PB | -1.43 | 9.27% | 0.70 | 24.35% | 55.15% |
| PB-ROE残差 | -1.72 | 14.10% | 1.02 | 19.89% | 60.00% |
| 结合行业分域的PB-ROE残差 | -1.88 | 15.54% | 1.16 | 19.08% | 63.03% |
| 结合PEM分域的PB-ROE残差 | -2.20 | 18.09% | 1.67 | 10.13% | 66.67% |
| 结合PEM和行业分域的PB-ROE残差 | -2.30 | 18.70% | 1.68 | 10.65% | 67.88% |

• 结合行业及PEM（过去250天PE中位数）分组进行分域，显著提升PB-ROE残差因子的拟合度和多空对冲绩效。

规避价值陷阱：综合盈利及分红筛选优质低估股票池 [page::9][page::10][page::11]

• 单季度ROE同比因子在低估股票池内分组效果较优，稳定性强于ROE绝对值。

- DivdendTTM分红因子也表现出正向选股能力。

• 将低估股票池分为高成长高股息型、低成长低股息型等四象限，剔除低成长低股息类股票，获得“优质低估股票池”。

| 组合名称 | 年化收益 | 信息比率 | 最大回撤 | 胜率 |
|--------------|------------|----------|-----------|----------|
| 高成长高股息 | 18.39% | 0.72 | 32.32% | 59.39% |
| 高成长低股息 | 15.24% | 0.56 | 38.13% | 57.58% |
| 低成长高股息 | 10.11% | 0.26 | 41.91% | 54.55% |
| 低成长低股息 | 6.57% | 0.24 | 55.50% | 53.33% |

价值增强 Plus 组合构建：四大因子等权合成，净值及绩效优异 [page::12][page::13][page::14]

• 因子包含：改进PB-ROE残差因子、净利润同比的环比、预期股息率、长端动量。

- 组合规模30只股票，绝对收益28.93%，收益波动比1.15，信息比率稳定。

• 各年份均录得正超额，具备稳健的长期投资价值。

| 年度 | 年化收益率 | 收益波动比 | 最大回撤 | 胜率 |
|--------|------------|------------|----------|--------|
| 全区间 | 28.93% | 1.15 | 28.46% | 63.38% |
| 2023 | 24.00% | 1.54 | 7.67% | 80.00% |

宏观择时轮盘及多策略融合提升投资表现 [page::15][page::16]

• 宏观择时逻辑基于盈利状态、估值压力、动量判断成长与价值风格，构建月度轮动模型。

- 轮动多头组合年化超额收益6.85%，信息比率0.51，月度胜率56.3%

• 多策略融合（超预期Plus组合和价值增强Plus组合），其中宏观择时加权策略信息比率最高达1.46，实现收益稳健提升。

| 组合 | 年化收益率 | 信息比率 | 最大回撤 | 胜率 |
|-----------------|------------|----------|----------|--------|
| 超预期 plus 组合 | 38.55% | 1.40 | 33.90% | 68.31% |
| 价值增强 plus 组合| 28.93% | 1.15 | 28.46% | 63.38% |
| 宏观择时轮动w=1 | 36.27% | 1.46 | 30.29% | 68.31% |
| 简单双权重w=0.5 | 34.00% | 1.35 | 30.86% | 69.72% |

价值增强 Plus 组合特征与敏感性分析 [page::17]

• 组合偏中小市值，市值中位数63亿元左右。

- 行业分布均衡，房地产、交通运输、公用事业等偏价值行业持仓较多。
| 股票只数 | 年化收益率 | 信息比率 | 最大回撤 | 胜率 |
|----------|------------|----------|----------|--------|
| 20 | 28.02% | 1.08 | 30.18% | 60.56% |
| 30 | 28.93% | 1.15 | 28.46% | 63.38% |
| 40 | 27.79% | 1.12 | 29.49% | 63.38% |

困境反转组合尝试及表现 [page::18]

• 困境反转组合筛选历史业绩差但最新盈利收入改善的股票，年化收益23.33%，收益波动比0.82，表现优异。

金融研究报告详尽分析报告

---

一、元数据与报告概览

• 报告标题：“价值增强 Plus 组合构建与多策略融合实践”

- 作者与团队：金融工程研究团队，首席分析师魏建榕，及多名分析师和研究员参与

• 发布机构：开源证券研究所

- 发布日期：2023年11月21日

• 报告主题：围绕A股市场的价值投资因子改进，低估股票池构建，以及价值增强Plus组合构建，结合多策略融合，实现对成长和价值风格轮动的优化配置。

报告核心观点：

• 当前超预期策略近两年业绩回撤，主要因估值维度负贡献放大。

- 价值因子基于PB-ROE模型构建低估股票池，通过分域和因子改进提升效率。

• 避免“价值陷阱”需结合盈利与分红表现，剔除低成长低分红股票。

- 价值增强Plus组合结合改进PB-ROE残差、盈利增长、预期股息率与动量因子构建，实现全区间超额收益。

• 结合宏观择时风格轮动模型，实现成长与价值多策略融合，提升组合稳健性及信息比率。

---

二、逐章深度解读

1. 低估类策略：超预期策略的互补策略

1.1 超预期策略回撤的估值负贡献

• 研究发现自2010至2021年，超预期策略受益于戴维斯双击效应（盈利与估值提升双重驱动），但2022年以来估值维度出现明显负贡献，导致策略回撤明显（图1、图2）。比如2022-2023年估值贡献为-25.18%，盈利贡献仍正向（15.21%），但整体回撤-9.97%。

- 超预期策略善于赚取“景气周期”的盈利增长红利，但当前估值压力大。

1.2 PB因子的相对优异表现

• PB十分位多头组合近两年估值贡献保持正向（图3、图4），全区间估值贡献稳定，反映低估值策略更依赖估值修复来实现超额收益。

- 结论：超预期策略赚盈利，低估策略赚估值，二者天然互补，融合有潜力提升效果。

1.3 PB因子本身局限与PB-ROE改进框架

• 单一PB因子多空对冲净值波动较大，选股效果不稳定（图5、图6，IR=0.71）。

- 引入Wilcox(1984)的PB-ROE线性关系框架，基于估值水平与盈利水平的关系优化估值因子，通过残差进行选股。

• 但在A股，整体拟合度不佳（图7），尤其ROE预测未来表现能力有限。单季度ROE残差因子表现较好（IR=1.02），分析师预测ROE拟合度高但因子稳定性差（表1）。

- 促使后续采取“分域”方法以提升模型，解决不同股票股东要求回报率（k）不一致及盈利预期不一问题。

2. 低估价值股票池的构建

2.1 分域策略的设计与效果提升

• 通过行业分域将PB-ROE残差因子内分，2/3行业拟合优度高于整体市场，整体因素绩效提升（图9，表2），年化收益+15.54%，IR=1.16。

- 考察散点图，发现Ln(PB)与ROE分布分散（图10），采用R指标（Rank(Ln(PB))/Rank(ROE)）进行分域，区分两种异质趋势，拟合度升至40%（图11）。

• 通过历史PE中位数PEM（三分组）进一步实现分域，PEM基于永续增长模型且符合基本面逻辑（表3，图12）。结合行业与PEM双重分域，PB-ROE残差因子表现最佳，年化收益达18.7%，信息比率1.68，明显优于原始PB因子（图13）。

2.2 构建低估股票池与价值陷阱风险防控

• 以改进PB-ROE残差因子市值行业中性后的1/2分位以下股票组成低估池，对比高估池有显著超额收益（图14）。

- 低估池内PB和ROE中位数均较低，但大量低PB低ROE股票存在较大价值陷阱风险（图15）。

2.3 价值陷阱规避策略

• 仅以ROE因子剔除低质量股票效果一般，尤其近年表现不稳（图16）。

- 综合测试多个财务因子及同比/环比分析，ROE同比因子稳定性最好（图17，18，19）。

• 分红（DividendTTM）因子高分组表现优于低分组，分红视为价值保护信号（图20）。

- 根据盈利与分红双维度划分四象限，高成长高股息表现最好，低成长低股息表现最差。剔除后构建“优质低估股票池”（图21，表4）。

3. 价值增强Plus组合的构建

3.1 因子选择

• 优质低估池中继续验证改进PB-ROE残差因子，依然具备分组选股能力，三分组多空IR=1.26（图22）。

- 净利润同比的环比因子稳定性好，三分组IR=1.17，且近两年仍保持优异（图23）。

• 预期股息率简易模型构建，考虑净利润累计增长与股息支付率稳定，亦具备选股能力，IR=1.21（图24）。

- 长端经过去除高振幅日修正的动量因子显著体现A股动量效应，选股能力优异，IR=1.46（图25）。

3.2 组合构建与表现

• 选用改进PB-ROE残差、净利润同比环比、预期股息率、长端动量4因子等权综合评分，选取30只股票构建价值增强Plus组合。

- 该组合自2012年起全区间绝对收益28.93%，收益波动比1.15，超额中证500年化收益22.97%，超额波动比2.31（图26，表5）。

• 各年度均录得正超额，信息比率水平良好。

4. 多策略融合实践

4.1 宏观择时轮动模型回顾

• 基于盈利状态（上行/下行）、估值压力（正负）及动量，构建成长/价值风格择时轮盘，动态判断偏好风格（图27）。

- 策略从2012年至今，多头组合年化超额收益6.85%，信息比率0.51，月胜率56.3%（表6）。

4.2 多策略融合表现

• 试验两种融合模式：简单等权（w=0.5）和基于宏观择时权重轮动（w=1）。

- 融合策略相较单一超预期Plus组合表现更稳健，近两年回撤更小（图28）。

• 基于宏观择时轮动的多策略融合组合信息比率最高达到1.46，尽管收益并非绝对最高，长期看成长策略alpha空间受压缩，预期融合策略优势会逐步显现（表7）。

5. 其他重要讨论

5.1 组合市值和行业分布

• 价值增强Plus组合偏向中小市值，中位数市值约63亿元（图29）。

- 行业分布较为均衡，房地产、交通运输、公用事业等偏价值行业权重较多（图30）。

5.2 组合选股敏感性

• 选股数量变化与收益呈单调关系，30只股票时整体表现最佳，年化收益28.93%，IR=1.15（表8）。

5.3 困境反转组合尝试

• 建立低估且最近一季度盈利、收入环比正增长且过去4季度大半为亏损的困境反转组合。

- 该组合表现亮眼，绝对收益23.33%，收益波动比0.82（图31，表9），证明困境反转思路具有一定选股价值。

6. 风险提示

• 报告模型基于历史数据，市场可能发生重大变化，风险需警惕。

---

三、图表深度解读

• 图1 & 图2：修正超预期2.0策略自2010年增长至2021年显著盈利，但2022年起估值贡献急剧下降至-25.18%，导致整体收益负回撤，盈利贡献仍正，但无法抵消估值下滑，表明超预期策略风险主要来自估值压力。[page::4]
• 图3 & 图4：PB因子选股的十分组多头组合展现了相对稳健的估值贡献，尤其2022年以来估值贡献仍维持正值12%左右，盈利贡献小负但总贡献仍为正，验证估值因子的持续有效性。[page::4]
• 图5 & 图6：PB原生因子多空对冲净值波动较大，IR仅0.71，说明其波动和不稳定性较高，选股单调性一般，传统PB因子效果有限。[page::5]
• 图7 & 图8：PB-ROE残差因子整体拟合度较低但略优于PB，回归残差波动依旧较大，表明PB-ROE模型未完全解决选股波动问题，存在进一步提升空间。[page::6]
• 图9 & 表2：行业分域显著提升PB-ROE残差因子拟合度，2/3行业拟合优度超过整体市场，带来IR由1.02提升至1.16，年化收益增至15.54%。[page::6]
• 图10 & 图11 & 图12：通过R指标切分Ln(PB)与ROE散点图，分域拟合拟合优度升至40%，结合PEM中位数分组进行3分段分域，提升RANKICIR至-2.30，优化残差因子性能并提高收益稳定性。[page::7,8]
• 图13 & 表3：结合行业与PEM双层分域的PB-ROE残差因子超越了原始PB因子，展现持续上升的多空净值曲线，IR达到1.68，最大回撤显著降低至10.65%，胜率达67.88%.[page::8]
• 图14 & 图15：低估股票池净值明显优于高估股票池，但内含大量低PB低ROE股票，提示存在价值陷阱风险，需结合盈利和分红做进一步筛选。[page::9]
• 图16：ROE单独作为筛选因子在低估池表现不佳，尤其近年来收益波动大，说明盈利质量剔除价值陷阱效果有限。[page::9]
• 图17至19：单季度ROE同比因子在不同板块稳定性优势明显，在低估池内分组表现强劲，支撑用盈利增长筛除价值陷阱。[page::10]
• 图20：股息率DividendTTM因子分组效果良好，高分红股票池收益显著高于低分组，体现分红维度的重要性。[page::11]
• 图21 & 表4：盈利与分红组合筛选，高成长高分红象限表现最好，低成长低分红表现最差。剔除低成长低股息股票构建优质低估池，有效规避价值陷阱。[page::11]
• 图22至25：价值增强Plus组合因子分组整体表现良好，改进PB-ROE残差、净利润同比环比、预期股息率与长端动量因子均展现稳定的多空对冲收益与较高信息比率，动量因子的构建基于剔除过度反应高振幅涨跌幅数据。[page::12,13]
• 图26 & 表5：组合净值稳步上升，整体年化收益28.93%，超额中证500 22.97%，波动比和信息比率均优良，验证组合构建有效性。[page::14]
• 图27 & 表6：宏观择时模型清晰定义盈利和估值压力状态下成长与价值择时逻辑，年化超额收益6.85%，信息比率0.51，提高组合择时准确性。[page::15,16]
• 图28 & 表7：多策略融合表现优于单一策略，信息比率最高达1.46，轮动权重根据宏观择时模型动态调整，增强了组合稳健性和抗跌能力。[page::16]
• 图29 & 图30 & 表8：价值增强Plus组合偏中小市值，行业分布均衡，选股数30只时表现最优，组合结构合理。[page::17]
• 图31 & 表9：困境反转组合自下而上捕获反转个股，绝对收益23.33%，充分体现多维选股和策略多元化价值。[page::18]

---

四、估值分析

本报告主要围绕价值因子改进与组合构建，估值分析采用PB-ROE框架：

• 基础模型：$\ln(PB) = (ROE - k) \times T$，理论上PB应与ROE成线性正相关，k为股东要求收益率，T为未来持续时间。

- 分域处理：考虑不同股票k不同及盈利未来波动，采用行业分域及PEM（历史中位PE）分组细分回归，提升拟合度和因子稳定性。

• 因子残差作为价值的改进指标，用于低估股票筛选。

- 组合构建通过多因子等权合成（PB-ROE残差、净利润同比环比、预期股息率、长端动量）实现更精准估值与质量筛选。

估值改进有效提升年化超额收益至$18.7\%$，IR达到1.68，降低了最大回撤风险。同时，结合宏观择时测算成长、价值风格动态轮动，实现风险调整后收益最大化。

---

五、风险因素评估

• 历史数据局限：模型基于历史样本，未来市场结构、政策等重大变化可能使得模型失效。

- 估值陷阱风险：低估股票池中低成长低股息股票存在陷阱，需结合盈利增长与分红预测剔除。

• 因子稳定性风险：部分因子如ROE等去年部分时期表现不稳，存在短期波动及周期性衰退。

- 策略轮动风险：宏观择时依赖宏观指标准确性，择时错误可能导致风格配置失误。

• 市场风险：A股市场波动性大，个股风险和流动性风险需关注。

风险提示明确指出，模型基于历史测算，未来市场重大变化风险不可忽视。

---

六、审慎视角与细微差别

• PB-ROE模型拟合度有限：单一PB-ROE模型在A股表现一般，需分域和多因子改进，提示模型假设（如统一股东要求收益率k）可能不符合A股复杂多样的市场特征。

- 因子效果波动：部分如ROE同比因子近年波动加大，风险和收益需动态管理。

• 动量因子创新性：通过剔除高振幅交易日改善动量表现，但短期有效性和稳定性仍需持续验证。

- 策略融合权衡：简单等权与择时权重融合各有优势，择时模型信息比率提升但综合收益未必最高，提示模型可能更偏稳健风险管理而非激进收益最大化。

• 价值陷阱剔除依赖历史财务因子，部分公司财务数据可能因行业环境或会计政策变动失真，需持续跟踪和调整。

---

七、结论性综合

本报告全面系统地阐述了A股市场价值因子改进和低估股票池构建的全流程，重点提出：

• 在超预期策略2022年以来因估值负贡献导致回撤的背景下，低估类策略依托估值提升坚定表现出长期投资价值。

- 基于Wilcox PB-ROE理论框架，结合行业和PE分域有效提升估值因子选股能力，显著增强估值因子信息比率和稳定性。

• 结合盈利增长（特别是单季度ROE同比）、分红意愿（股息率因子）与创新动量指标，有效避开“价值陷阱”，构建优质低估股票池。

- 由此衍生的价值增强Plus组合实现28.93%的年化收益率，相较基准收益率具显著超额，且信息比率达1.15显示风险调整后表现优良。

• 结合成熟的宏观择时成长/价值轮动模型，实现成长与价值策略的动态配置，多策略融合进一步提升组合稳健性，净值回撤风险降低，信息比率提升至1.46。

- 补充提供困境反转组合，通过捕捉盈利修复股，获得良好收益波动特征，强化策略多样性。

综上，价值增强Plus组合及其与超预期Plus组合的多策略融合，基于严谨因子研究和宏观择时逻辑，不仅提升超额收益的稳定性，也增强适应复杂市场环境的多元化投资能力，值得高度关注和持续跟踪。

---

参考文献与数据溯源

• 本文报告数据全部来自Wind数据库与开源证券研究所原始研究，所有财务因子和组合净值均基于2010年至2023年10月底数据统计。[page::0,3-18]

- 图表数据详见报告原文对应页码，确保分析和解读的准确性与追踪。[page::4-18]

---

总结

该报告深度探讨了A股价值投资因子创新、低估股票池构建、价值陷阱识别与规避、以及基于多维因子的价值增强组合构建方法，适时结合成熟的成长价值风格宏观择时模型，构筑多策略融合投资框架。其研究体系严密，数据翔实，模型改进合理，投资组合表现突出且稳健，具备较强实操和理论参考价值，为投资者在复杂多变的市场环境中寻找稳健超额收益提供了科学方法论和有力工具。

---

附：主要图表与分析示例

> 图1：修正超预期股票池2.0近两年回撤明显

说明：红线为修正超预期股票池净值，2022年以来走势下滑，右轴灰色估值贡献明显为负，表明估值压力巨大。[page::4]

> 图4：PB因子十分组多头组合赚估值提升的钱

说明：各时期估值贡献均为正，表明低PB组合受益于估值修复，整体多头表现优异，支撑低估策略的可持续性。[page::4]

> 图14：低估股票池显著优于高估股票池

说明：低估股票池净值长期高于高估池，显示PB-ROE残差因子筛选价值显著。[page::9]

> 图30：价值增强Plus组合行业分布均衡

说明：组合在房地产、交通运输、公用事业等偏价值行业权重较大，分散风险的同时精准捕获价值成长机会。[page::17]

---

本文严格按照报告结构逐节解析，结合所有关键图表数据，详尽说明报告的核心思想、模型创新、数据展示及策略效果，旨在为专业投资人提供深入、科学、具有实证支撑的价值投资方法论。[page::0,3-18]

# 完毕

报告