• 因子估值体系在业界存在争议，国外不同机构对其有效性看法不一，Arnott支持，Asness反对，MSCI和J.P.Morgan尝试结合估值与动量等多因子策略进行择时 [page::0][page::1]

- A股市场基于PB因子的因子估值负相关于未来收益，越低估算的因子未来表现越好，尤其是在价值、换手和波动因子中表现明显，且一个月的时间维度因子估值对未来收益具有预测能力
[page::4]

• 大类因子内基于因子估值的择时效果多变：成长、价值、质量因子择时提升年化收益和信息比率，反转、换手、波动因子则不如等权组合

| 类别 | 因子估值择时 IR | 等权组合 IR | 因子估值择时 年化收益 | 等权组合 年化收益 |
|--------|----------------|------------|------------------------|------------------|
| 价值 | 0.15 | — | 1.39% | 1.01% |
| 成长 | 1.94 | 1.72 | 10.45% | 9.14% |
| 质量 | 0.6 | 0.59 | 4.13% | 3.22% |
| 反转 | 0.84 | 1.29 | 12.25% | 17.70% |
| 换手 | 1.61 | 1.7 | 21.33% | 22.38% |
| 波动率 | 1.11 | 1.2 | 15.58% | 17.12% |
[page::6][page::7]

• 因子相关性是造成因子估值择时效果差异的主要原因，PB与价值、成长、质量因子负相关，反转、换手、波动因子正相关

| 因子类别 | 与PB的秩相关性 |
|----------|----------------|
| 价值 | -19.94% |
| 成长 | -10.92% |
| 质量 | -2.35% |
| 反转 | 21.81% |
| 换手 | 26.82% |
| 波动 | 39.42% |
[page::8]

• 在因子估值择时中引入相关性阈值（0.2），剔除与PB因子高相关的因子，将其权重设为等权，改善择时策略的风险收益特征，提升信息比率并降低最大回撤，但整体年化收益仍不及等权组合

| 策略 | 年化收益率 | 年化波动率 | 信息比率 | 最大回撤 |
|----------------|------------|------------|----------|-----------|
| 因子估值择时 | 26.92% | 12.33% | 2.18 | -11.01% |
| 加入相关性阈值 | 25.70% | 10.91% | 2.36 | -9.45% |
| 等权组合 | 28.50% | 10.73% | 2.66 | -7.86% |
[page::9]

• 因子估值择时的长期有效性依赖于估值因子PB因子的有效性，PB因子自2016年起显著正收益，与复合因子收益相关性高达75%，说明择时效果实质上是加大了PB因子暴露

| 因子类别 | 与PB因子收益相似率 |
|----------|---------------------|
| 价值 | 62.16% |
| 成长 | 48.65% |
| 质量 | 60.36% |
| 反转 | 66.67% |
| 换手 | 48.65% |
| 波动 | 42.34% |
| 综合择时 | 74.77% |
| 等权 | 59.46% |
[page::10]

• 报告提出改进策略：任何长期有效因子均可作为衡量因子，且应设置相关性阈值，避免高相关性因子权重过高，从而提升因子择时效果[page::11]

- 换手率因子在A股市场长期有效，2010年以来月度多空收益均为正，历史胜率高达74.34%，2016年月度多空收益达3.06%

[page::11]

• 因子换手率定义为多头组合换手率与空头组合换手率的比值对数，衡量多空换手率差异，各类别因子换手率均符合均值回归特性，但因子换手率与未来收益的相关性分歧显著：价值、成长等负相关，反转、换手率因子正相关

[page::12][page::13]

• 基于因子换手率的择时策略的核心：

- 将15个长期有效因子分类为负相关组（换手率越低权重越大）和正相关组（换手率越高权重越大）
- 对换手率因子相关度较高的因子做等权处理以避免过度暴露
- 通过组合打分筛选前20%多头与后20%空头，月度调仓

- 负相关组包含主要成长和估值因子，正相关组主要为技术和交易类因子 [page::14]

• 因子换手率择时策略表现优异：

- 多空组合年化收益33.58%，信息比率3.46，最大回撤仅-4.09%，显著优于等权组合28.68%、2.67及-7.86%；2019年1-5月收益13.13% >7.58%
- 全市场多头组合年化超额收益12.57%，最大回撤仅-1.93%，信息比率2.45，胜率76.24%，均优于等权组合

| 指标 | 因子换手率择时 | 等权组合 |
|------------|----------------|----------|
| 年化收益率 | 33.58% | 28.68% |
| 年化波动率 | 9.71% | 10.74% |
| 信息比率 | 3.46 | 2.67 |
| 最大回撤 | -4.09% | -7.86% |
| 2019年1-5月| 13.13% | 7.58% |
[page::14][page::15]

• 剥离换手率因子暴露后，择时策略仍显著优于剥离后的等权组合，说明超额收益并非单纯放大换手率因子暴露，而是基于其他因子换手率特征形成，兼具持续性和分散化优势

| 指标 | 剥离换手率择时 | 剥离换手率等权 |
|----------|-----------------|----------------|
| 年化收益 | 8.12% | 6.07% |
| 信息比率 | 1.62 | 1.25 |
| 最大回撤 | -5.44% | -5.37% |
| 2019年1-5月 | 5.13% | 1.91% |
| 与换手率相关性| 0.97% | 1.74% |
[page::17]

• 结论：

- 因子估值择时在A股有效，因子估值与未来收益负相关，尤其针对价值、换手与波动因子明显
- 大类因子内择时效果差异源于因子相关性及估值因子有效性，剔除高相关因子后效果显著提升
- 估值因子PB在2016年后成为决定择时策略有效性的关键因素，提升收益但加大了PB暴露风险
- 基于换手率构建的因子择时策略，因子换手率特征区分不同因子，取得明显超额收益和更优风险指标
- 该择时策略剥离换手率因子后仍有效，表明非单一因子暴露驱动策略成功
[page::0][page::4][page::7][page::10][page::14][page::17]

【建投金工丁鲁明团队】深度专题74报告详解：

《因子估值在A股市场是否有效？从估值到换手率的因子择时》

---

一、元数据与报告概览

• 报告标题：《因子估值在A股市场是否有效？从估值到换手率的因子择时》

- 作者团队：丁鲁明、胡一江

• 发布机构：中信建投证券研究部金融工程团队

- 发布日期：2019年8月1日

• 研究主题：因子估值方法在A股市场的有效性验证，因子择时策略的改进，特别是基于PB因子的估值逻辑与因子换手率相关性的研究

- 核心论点：
- 因子估值体系是否有效在业界有争议，因子估值择时方法以因子估值低时增配因子权重为核心策略。
- 在A股市场，基于PB因子的因子估值对未来收益具有预测能力，但择时效果差异明显，且更多依赖PB因子自身的有效性和因子间的相关性。
- 采用换手率因子作为择时衡量基准，构建基于换手率的择时策略，显著优于等权组合，多头策略超额收益达12.57%，最大回撤较小。
- 剥离换手率因子暴露后，择时策略依然有效，说明超额收益不是单一换手率因子贡献，而是换手率特性在不同因子间的体现。

---

二、逐节深度解读

1. 引言 (第1页)

• 研究背景聚焦于“因子择时”，分为基于外生变量和因子自身数据两大体系。

- 传统因子择时多用因子收益率或IC作为赋权依据。

• 因子估值作为一种直观并具争议的择时方法，以因子当前“估值”判断因子是否便宜，从而决定权重。

- 海外机构如ResearchAffiliates支持因子估值择时，认为其具有“买低卖高”逻辑；而AQR则持否定态度，认为因子估值易导致对估值因子的过多暴露，带来不稳定风险。[page::1]

2. 因子估值的定义与历史表现 (第2-4页)

• 因子估值定义：以因子多头与空头组合的估值价差（如PB多空中位数）的对数差表示，体现因子整体的“便宜”与否。

- 因子估值符合均值回归特点，波动基本限定在±2倍标准差内。

• 以盈利、成长、质量、反转、换手、波动六大类因子为例，盈利因子的估值在2018-2019年一度显著升高，但因其持续有效更多依赖估值抬升而非内生增长。

- 反转因子估值在2015年7月市场顶部时创低点，当时多配反转因子效果好，而估值反弹后，反转表现失效直至2018年才重新有效。

• 相关性实证显示：几乎所有大类因子的“因子估值”与未来收益负相关，即估值低时未来收益较高，尤其是价值、换手、波动因子表现明显（盈利因子未来2年负相关达-57.15%）。

- 即使是1个月视角，所有大类因子均呈负相关，表明因子估值在短期内具备一定预测能力。[page::2][page::3][page::4]

3. 因子估值择时效果实证分析 (第5-10页)

• 核心择时逻辑：因子估值越低权重越大；赋权前先归一化处理。

- 盈利因子择时（ROA、ROE、EPS等）：择时策略提升有限，年化收益率1.39% vs 等权1.01%；信息比率和最大回撤改善有限，权重波动未有效转化超额收益。

• 成长因子择时：表现较好，年化收益由9.14%提升至10.45%，信息比率与最大回撤同样改进明显，权重波动较大，反映有效调仓。

- 反转因子择时：择时不佳，年化收益率反而低于等权（12.25% vs 17.70%），原因是择时误选6个月反转（估值偏低）但其表现不佳，权重异常集中。

• 质量、换手、波动因子择时：质量因子略优于等权组合；换手和波动因子择时效果不如等权，因其原始有效性较高。

- 总体看，价值、成长、质量因子适合用因子估值择时，技术类因子如反转、换手、波动则表现不佳。

• 因子相关性解释择时效果差异：

- PB因子与价值、成长、质量因子呈负相关；
- 与反转、换手、波动因子呈正相关；
- 反转内部与PB相关性最高的是6个月反转，因此容易被误选。

• 因子估值择时改进：

- 设定因子间相关性阈值（0.2），高于阈值则赋等权防止集中暴露；
- 加入相关性筛选后，策略波动率下降，信息比率提升，最大回撤减少；
- 但依然不及单纯等权组合的年化收益28.5%，且等权组合更早期收益优于估值择时，2016年以后估值择时才开始超越。[page::5][page::6][page::7][page::8][page::9][page::10]

4. 因子估值有效性依赖PB因子本身 (第10-11页)

• PB因子历史表现不稳定，2010~2015年仅2011、2014年相对有效，2016年以来持续有效且表现稳健。

- PB因子有效性周期影响因子估值择时策略有效性，因该择时策略本质上是加大PB因子的暴露。

• 通过胜率测算，因子估值择时策略与PB因子收益相似度达74.77%，远高于等权59.46%，进一步验证因子估值择时依赖PB因子自身。

- 因此，报告建议：
- 采用长期有效的因子进行衡量，非必然是估值因子；
- 始终注意因子相关性，避免过度集中。[page::10]

5. 因子估值择时的改进思路及基于换手率因子的策略构建 (第11-17页)

• A股市场1个月换手率因子长期有效，月均多空收益达1.89%，胜率74.34%，2016年更是大幅提升，显示换手率因子作为衡量因子具备持续有效性。

- 因子换手率定义为多头与空头组合换手率的对数差，衡量换手率特性差异，科学地反映多空组合成交活跃程度。

• 各大类因子的换手率均呈现明显均值回复特点，但不具备所有换手率均负相关未来收益的规律。例如：

- 盈利、成长、波动、估值类因子换手率与未来收益负相关（换手率低估计未来表现更好）；
- 反转、换手因子换手率与未来收益正相关，反映技术类因子多头换手率高时表现更佳。

• 换手率择时策略将15个稳定有效因子按换手率与未来收益相关性分为两类，分别采用“换手率低权重高”和“换手率高权重高”策略，并设置因子相关性阈值（0.2）防止集中暴露。

- 策略通过选股前20%多头与20%空头构建多空组合，月度调仓，回测区间2011年至今。

• 换手率因子择时策略无论多空收益还是全市场多头收益均显著跑赢等权组合：

- 多空收益年化33.58%对比28.68%，信息比率3.46对比2.67，最大回撤4.09%对比7.86%；
- 多头全市场超额收益12.57%，信息比率2.45，胜率76.24%，均优于等权组合。

• 相关性分析表明复合因子与换手率因子相关性低于等权组合，说明择时收益不是仅靠换手率因子暴露实现。

- 剥离换手率因子后，择时策略年化收益仍然优于等权组合（8.12% vs 6.07%），信息比率1.62对1.25，最大回撤持平，表明择时策略超额收益不是仅由换手率因子直接贡献，而是因子间换手率特性的有效利用。[page::11][page::12][page::13][page::14][page::15][page::16][page::17]

---

三、图表深度解读

• 图1与图2（第3页）：展示盈利、成长、质量因子与反转、换手、波动因子的历史因子估值波动。盈利因子估值自2018年起明显抬升至2倍标准差以上，反转因子估值于2015年7月最低，对应当期实证有效，之后估值反弹与反转效应弱化相吻合。

- 图3（第4页）：不同大类因子估值与未来1、3、6、12、24月收益的相关性柱状图，显示普遍负相关，尤其是盈利因子24月负相关率达-57.15%。

• 表2-5与图4-8（第5-7页）：各大因子类内因子估值择时收益与等权对比，揭示成长因子择时显著优于等权配置，反转因子择时不如等权，质量因子择时略优，换手和波动择时不及等权，反映估值择时适用范围有限。

- 表6-7（第8页）：展示各大类因子及反转细分因子与PB因子的秩相关，反转、换手、波动因子与PB正相关显著解释了择时失效的内因。

• 图9与表9（第9页）：标明加入相关性阈值后择时策略资产累积值曲线及统计指标改进，波动率和最大回撤下行，信息比率提升，但年化收益仍落后于等权。

- 图10与表10（第10页）：PB因子业绩曲线与年度收益，反映PB因子历史不稳定；及PB与其他因子收益相似性，说明因子估值择时过度依赖PB因子的表现。

• 图11（第11页）：总结改进思路，强调任何因子均可作为衡量因子前提是长效且考虑因子相关性。

- 图12与表11（第11页）：换手率因子月度累计收益和IC历史，彰显其长期稳定表现。

• 图13-15（第12-13页）：各因子类换手率历史表现及换手率与未来收益相关性，发现不同因子换手率表现分化，不全是负相关，技术类因子呈正相关，体现不同因子换手率特性。

- 图16与表13（第14页）：基于换手率的择时策略多空组合净值曲线与统计，年化收益提升4.9个百分点，风险指标均改善。

• 表14（第14页）：复合因子与等权组合变量与换手率因子相关性显著下降，说明多因子换手率择时超额收益非单一换手率因子贡献。

- 图17与表15（第15页）：全市场多头净值曲线和统计数据，择时多头年化超额2.38%，胜率提升5个百分点。

• 图18（第16页）：各大类因子权重波动，动态反映择时针对不同环境对因子权重调整的合理性。

- 图19与表16（第17页）：剥离换手率因子后择时组合表现和统计指标，依然显著优于剥离换手率因子后的等权组合，确认择时效果非单因子暴露。[page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17]

---

四、估值分析

• 采用的估值方法为“因子估值”体系，即根据因子多头与空头组合估值（主要是PB）价差作度量，依据估值判断因子便宜或昂贵，从而调整因子权重。

- 核心输入为各因子多空组合的PB中位数（或PE负值情况下为估值差异的差值）。

• 估值择时策略权重赋予依据估值的归一化值，负相关即估值低权重大。

- 进行阈值控制，剔除与衡量因子PB高相关因子，避免集中暴露。

• 后续延伸至换手率因子作为衡量基准，再结合因子换手率与未来收益相关性的符号调整赋权。

- 敏感性体现于相关性阈值0.2的设定，周期设置24个月滚动计量，保证择时稳定性和分散化投资。

• 该估值择时实证反映，基于PB因子估值的择时收益受PB因子本身有效性影响显著，非长期稳定有效，且存在对PB因子的隐含超暴露风险。

---

五、风险因素评估

• 因子相关性风险：因子间高相关性会导致择时策略过度集中于少数主导因子（如PB因子），降低投资组合分散性，增加风险。如反转类因子与PB相关性高，择时反而选出表现差的细分因子，影响整体收益。

- 估值因子本身失效风险：因子估值择时的有效性高度依赖估值因子的稳定有效，PB因子历史上非持续有效，导致估值择时在不同时间区间表现反复。

• 择时策略反转风险：过度自信基于历史因子估值的择时可能出现风格迅速转换时被套，特别是对技术型因子估值择时无效可能导致损失。

- 估值极端波动风险：当因子估值处于极端高或低位时，快速均值回复资产配置调整可能促使交易成本与调整风险上升。

• 换手率择时潜在风险：换手率因子本身具有人为操纵空间，高换手率可能释放市场情绪波动风险，择时过度依赖换手率可能引入市场短期波动风险。

- 交易成本风险：由于策略为月度调仓，频繁调仓可能导致实际执行成本提高，影响净收益。

• 报告对此提出缓解策略：

- 设置相关性阈值，保证投资多元化；
- 选取长期有效因子作为衡量，避免因因子失效带来损失；
- 剥离单一因子暴露验证组合收益稳定性；
- 关注因子换手率分布特征，分类赋权避免单边风险集中。

---

六、批判性视角与细微差别

• 报告对因子估值择时的回顾和改进较为系统，揭示出估值择时依赖单一估值因子(如PB)的局限，具有较好理论与实证基础。

- 但从结果看，因子估值择时整体未能持续跑赢等权组合，且存在较强的因子暴露集中风险，说明择时收益来源的稳定性和普适性尚不足。

• 对换手率择时的推广虽显著提升策略效果，但是否受换手率因子本身有效驱动尚存资本市场环境依赖问题，尤其近期市场结构变动可能影响换手率因子的稳定性，报告对此已有剥离验证尝试，仍需持续跟踪。

- 报告中反转因子择时失效的实证案例充分体现估值择时在实际应用中需配合因子差异化认知，否则可能导致误判。

• 因模型和数据局限，报告未对交易成本、滑点影响及流动性约束进行深入讨论，实际落地可能面临挑战。

- 报告存在一定的“择时有效”预设倾向，建议投资者结合其他宏观或市场指标进行综合判断，谨慎对待因子估值策略。

• 经验证，报告整体逻辑严谨、数据充分，结论稳健，但不同因子特性及市场阶段的差异导致结论有一定条件限制。

---

七、结论性综合

本报告对A股市场因子估值的有效性进行了全面深入剖析，通过基于PB因子构建的因子估值体系检验与择时回测，显示：

• 因子估值具备均值回复和负相关未来收益特征，短期（一月）尤为明显，因子估值越低未来收益越好。

- 因子估值择时对基本面因子（价值、成长、质量）更有效，技术类因子（反转、换手、波动）择时表现不佳，背后主因是因子间与PB因子的相关性差异。

• 相关性阈值纳入显著提升因子估值择时的稳定性和抗风险能力，但择时策略整体仍未战胜等权组合，且择时效果与PB因子本身有效性高度挂钩。

- 基于上述问题，借鉴Factor on Factor理念，报告突破传统估值因子限定，提出以长期有效的换手率因子作为衡量基准，计算因子换手率并按照其与未来收益的相关性特点分类赋权的择时策略。

• 基于因子换手率择时策略回测在多空组合和纯多头组合均显著优于等权组合，年化超额收益约为12.57%，最大回撤和波动率均有改善，验证了这一改进的有效性。

- 剥离换手率因子暴露后策略依然稳健，说明择时超额收益非单因子驱动，而是因子换手率特性的多维利用。

结合对图表的详细解析，我们看到：

• 盈利因子估值与历年表现的对应关系，反转因子估值周期波动与策略表现的显著相关；

- 换手率因子自2010年以来月度多空收益的持续走高表现出因子长期稳定性；

• 因子换手率分别对不同因子收益展现异质性相关模式，支持多维择时分类赋权；

- 优化过的换手率择时策略表现全方位优于传统因子估值择时和等权配置。

总体来看，该报告不仅系统验证了因子估值择时在A股市场的实际效果与局限，且创新提出融合换手率特性的择时理念，提供了较为有效的实际操作方案，具有较强的理论与实践意义，对量化投资因子择时策略的构建者及资产管理者具有重要参考价值。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17]

---

报告引用主要页面索引：

• 综述与引言：page 0-1

- 因子估值定义和表现：page 2-4

• 因子估值择时实证及各大类因子分析：page 5-10

- PB因子限制及择时改进思路：page 10-11

• 换手率因子作为衡量因子分析与策略：page 11-17

- 策略表现与风险：page 14-17

• 总结观点：page 17

此详尽解读兼顾了基本数据分析、策略构建、因子交叉影响及实证测试，体现了报告的金融工程严谨性与深度。

报告