• PB-ROE模型基本理念及分组策略 [page::0][page::1]：

- PB（市净率）作为估值指标，ROE（净资产收益率）作为基本面指标，构建四种组合：高PB高ROE、高PB低ROE、低PB高ROE、低PB低ROE。
- 逻辑上预期低PB高ROE组合表现最优，但实测显示高PB高ROE组合反而表现最好，表明成长板块长期跑赢价值板块，高ROE组合整体跑赢低ROE组合。

• 量化回测结果及绩效分析 [page::1][page::2]

- 2013-2022年回测中高PB高ROE组合累计收益154.12%，年化收益9.99%，夏普比率0.31，表现优于基准中证800。
- 低PB高ROE组合累计收益94.58%，年化收益7.03%，表现较弱。
- 历年收益显示行业轮动显著，部分年份高PB组合领先，部分年份低PB组合表现防御性更好。

• 策略缺陷及改进思路 [page::2][page::3]

- 虽然高PB高ROE长期表现最优，但历年收益表现不稳定，近半年份跑输基准，不符合行业轮动策略稳定性需求。
- 认识到核心是把握价值与成长风格轮动，采用申万高低市盈率指数信号择时决定高低PB配置，再选取高ROE行业，实现策略优化。

• 改进后的PB-ROE行业轮动模型表现 [page::3][page::4]

- 改进组合高ROE-PB轮动组合累计收益达227.72%，年化收益率12.89%，夏普比率提升至0.43，表现显著优于基准和原模型。
- 历年超额收益更加平滑，回撤得到有效控制，滚动1年最大回撤平均为-16.04%。
- 选取的最新行业包括机械、电力设备及新能源、消费者服务、医药以及电子。

• 量化因子与策略总结 [page::0][page::1][page::3]

- 核心因子为PB（估值指标）与ROE（盈利指标），结合成长与价值风格轮动指数信号动态调整行业配置。
- 策略通过轮动机制在高PB和低PB组合间切换，确保在不同市场环境下捕捉成长或价值风格带来的收益机会。
- ROE因子的加入有效提升了行业筛选的基本面质量，增强策略稳定性和收益水平。

• 风险提示 [page::0][page::5]

- 策略基于历史数据，存在模型设定偏差风险。
- 投资者需谨慎对待策略表现，注意市场风险与模型适用性限制。

报告详尽分析：《如何将 PBROE 模型用于行业轮动？》——量化视点2022年第14期

---

1. 元数据与概览

• 标题：《如何将 PBROE 模型用于行业轮动？》

- 作者：余景辉

• 发布机构：华宝证券研究创新部

- 发布日期：2022年（具体日期未明）

• 主题：探讨经典价值投资框架中 PB-ROE 模型在行业轮动策略中的应用与优化，研究其投资表现及策略改进。

- 核心观点：
- 传统价值投资中，PB-ROE 模型作为基础的选股方法，将 ROE 作为基本面指标，PB 作为估值指标，衡量股票价值。
- 探索将 PB-ROE 模型应用于行业轮动，发现仅使用该模型表现不足，特别是低 PB-高 ROE（传统价值组合）效果不佳。
- 通过引入价值与成长风格轮动的信号，基于成长（高 PB）与价值（低 PB）之间的动态切换，结合 ROE 因子优化模型，显著提升策略表现并降低波动。
- 最新选取行业包括机械、电力设备及新能源、消费者服务、医药及电子行业。

• 风险提示：量化策略基于历史数据，存在模型设定偏差风险。[page::0]

---

2. 逐章深度解读

2.1 投资要点及引言

• 价值投资核心是寻找价格低于内在价值且基本面优良的标的。ROE 反映盈利能力，是基本面指标；PB 衡量估值水平，体现价格是否合理。

- 报告关注如何将该经典 PB-ROE 模型引入行业轮动策略，判断是否能捕获行业间估值修复带来的收益，以及评估收益与等待时间的性价比，期望在此基础上提出优化方案。[page::0,1]

2.2 PB-ROE 模型在行业轮动上的简单应用

• 方法：

- 基于中信一级行业，使用 PB 与 ROE 高低切分，形成四个组合：
1. 高 PB 高 ROE
2. 高 PB 低 ROE
3. 低 PB 高 ROE
4. 低 PB 低 ROE
- 按每年4月、8月和10月财报公布后进行调仓。
- 回测时间：2013年1月至2022年9月。

• 假设逻辑：

- 低 PB 高 ROE 被视为性价比最高、未来估值有修复空间，理论应表现最佳。
- 高 PB 低 ROE 预期表现最差。

• 结果展示与分析：

- 图1（历史回测净值曲线）简述：
- 净值曲线显示四组合及中证800指数表现。
- 高 PB 高 ROE（灰线）组合呈现最高的累计净值增长，领先于其他组合和基准。
- 低 PB 高 ROE（蓝线）表现不如预期，领先中证800，但落后于高 PB 高 ROE。
- 低 PB 低 ROE 组合表现最弱。

- 表1（绩效统计）核心指标：
- 累计收益率：高 PB 高 ROE 组合为154.12%，远超低 PB 高 ROE 的94.58%和中证800的55.91%。
- 年化收益率：高 PB 高 ROE 组合 9.99%，低 PB 高 ROE 组合 7.03%，均高于基准4.64%。
- 最大回撤：高 PB 高 ROE 组合最大回撤达到了-61.91%，显著风险较大。
- 年化波动率和滚动最大回撤显示，高 PB 组合整体风险与收益较高。

- 图2（历年收益统计）解读：
- 多数年份表现出强烈的风格轮动特征。
- 2015年、2019年成长（高PB）组合大幅跑赢价值（低 PB）组合。
- 2022年市场下跌时，低 PB 组合表现较好，体现防御性。

• 逻辑解释：

- 高 PB 反映市场对成长板块的预期，长期带来更好表现。
- ROE 因子长期贡献正收益，高 ROE 组合跑赢低 ROE 组合。
- 价值股虽有修复预期，但成长型板块因盈利驱动表现更佳。
- 不同组合持仓行业分布：低 PB 组合偏重周期和金融行业。

• 问题指出：

- 尽管高 PB 高 ROE 组合整体好，但在历年盈利上波动较大，约半数年份跑输基准，不利于行业轮动策略稳定性。
- 本质问题为需要准确判断成长与价值风格的切换。

• 本节结论：简单将 PB-ROE 模型用于行业轮动不够充分，需结合价值成长风格轮动来提升效果。[page::1,2]

2.3 PB-ROE 模型的改进

• 改进思路：

- 基于前期研究《价值与成长的风格轮动，该监测什么指数？》中使用申万高市盈率和低市盈率指数来判定市场价值-成长风格轮动信号。
- 利用该信号动态切换持仓：看好成长时，配置高 PB 组合；看好价值时，配置低 PB 组合。
- 同时，继续采用高 ROE 因子筛选行业，提升盈利质量。

• 回测结果：

- 图3（改进模型净值曲线）显示，改进后的高 ROE-PB 轮动组合（蓝线）明显跑赢基准及原模型，且净值曲线更平滑。

- 表2（绩效统计）主要数据：
- 累计收益率达 227.72%，远超基准55.91%和原模型最高154.12%。
- 年化收益率提升至12.89%，夏普比率0.43，均显著优于基准及原模型。
- 最大回撤虽较大（-59.36%），但滚动1年平均最大回撤有所缩小至-16.04%，保持较优风险控制。
- Calmar 比率（年化收益/最大回撤）达0.80，显示收益风险比明显改善。

• 历年收益表现（图4）：

- 优化模型多数年份均跑赢基准，回撤年份幅度及次数均有所减少。
- 表明模型稳定性增强，收益分布更均匀。

• 策略实用性：

- 通过动态捕捉价值与成长风格轮动信号，实现低估值价值股与高成长股票的动态切换，提升投资策略适应性。
- 结合盈利能力筛选行业进一步增强投资质量。

• 最新一期选股行业：

- 机械
- 电力设备及新能源
- 消费者服务
- 医药
- 电子行业

• 此方法较原PB-ROE的静态模型更符合市场节奏，有望提高行业轮动策略盈利能力与抗风险性。[page::3,4]

2.4 结论

• 传统PB-ROE模型简单二元分类在行业轮动中表现有限，原因是成长股（高 PB）长期跑赢价值股（低 PB），且高盈利能力（ROE）持续为正因子。

- 更有效的做法是在价值与成长风格轮动框架下动态配置高低 PB组合，同时筛选高 ROE 行业，提升收益稳定性和超额收益。

• 该改进模型不仅累计收益大幅提升，风险调整后的指标如夏普率和Calmar比率都显著优于基准，且年际表现更均匀，提升了实用性。

- 报告明确指出回测期间最新被选行业，便于投资者了解具体操作方向。[page::4]

2.5 风险提示

• 依赖历史数据的量化模型可能存在设定偏差，市场未来表现存在不确定性。

- 该报告信息来源公开，但不保证准确性和后续不变。

• 投资建议仅代表报告发布日期观点，投资需谨慎，风险自担。

- 仅适用于专业投资者或签署咨询协议的客户。[page::0,5]

---

3. 图表深度解读

3.1 图1：各 PB-ROE 组合历史回测净值曲线

• 显示2013年至2022年各组合净值增长。

- 高PB高ROE组合净值显著领先，反映成长股与高盈利能力结合的强劲增长潜力。

• 低PB高ROE组合表现次之，体现传统价值策略优势不足。

- 低PB低ROE组合最差，符合逻辑。

• 中证800基准表现最弱，印证策略超额收益潜力。

- 曲线显示净值波动大，特别是成长组合，风险相对较高。[page::1]

3.2 表1：各组合历史绩效数据

• 累计收益率：高PB高ROE > 低PB高ROE > 高PB低ROE > 低PB低ROE > 中证800

- 最大回撤：均较大，高PB组合尤其显著，风险控制压力大。

• 年化收益率与波动：年化收益与波动均较高，表现出成长组合高风险高收益特征。

- 夏普率及Calmar比率：高PB高ROE组合最好，风险调整后优于其他组合，但仍有波动。[page::2]

3.3 图2：各组合历年收益统计

• 明显轮动切换迹象：2015、2019年成长组合亮眼，2022年价值组合防御性强。

- 收益波动反映策略需动态调整。

• 投资者可以据此调整仓位应对市场风格变动。[page::2]

3.4 图3：改进PB-ROE模型历史回测净值曲线

• 优化策略净值明显抬升，净值成长曲线较为平滑。

- 高ROE PB轮动组合优势鲜明，累计收益增至227.72%。

• 说明动态风格轮动加盈利因子筛选改善显著。[page::3]

3.5 表2：改进模型绩效统计

• 收益与风险指标均优于原模型和基准。

- 年化收益提升，年化波动稍有增加，但风险调整后绩效提升更明显。

• 夏普比率几乎翻倍，Calmar比率改善显著，表现出风险控制和收益兼顾的优越性。[page::3]

3.6 图4：改进模型历年收益统计

• 历年收益更为均匀，较少亏损年份，尤其降低大幅相对基准的超额亏损。

- 进一步印证模型稳定性提升。

• 坚持选出高ROE行业并动态切换价值成长风格具有市场适应性。[page::4]

---

4. 估值分析

• 本报告并未采用DCF或市盈率等具体估值模型进行估值计算，而是运用PB（市净率）和ROE作为基础量化选股指标，体现估值（价格相对账面价值）和盈利能力结合的价值成长逻辑。

- 报告核心在于用PB与ROE陪衬行业成长与价值的轮动风格信号，动态配置行业，从而实现估值修复及盈利成长的投资逻辑提升，属于基于风格和财务指标的量化行为策略而非传统绝对估值模型分析。

• 报告所做的回测即为该策略的实质“估值—基本面轮动配置”表现评测。[page::1~4]

---

5. 风险因素评估

• 历史数据依赖风险：模型基于历史回测，未来市场条件或风格变化可能导致策略表现不及预期。

- 模型设定偏差：PB和ROE的划分及阈值、调仓时点等均为模型设定，可能导致偏差。

• 风格信号误判风险：价值与成长轮动信号若判断错误，将影响配置效率。

- 市场波动风险：高 PB 组合波动大，最大回撤较深，投资者需承受较大短期波动风险。

• 数据披露滞后风险：财报披露时间点限制调仓时机，可能影响时效性。

- 报告未明示具体缓解措施，提示需谨慎使用和风险识别。[page::0,5]

---

6. 批判性视角与细微差别

• 报告的一个潜在偏向是对成长股的偏好明显，尽管表面采用价值成长轮动信号，回测结果显示高PB高ROE组合表现最佳，表现出市场对成长板块的长期乐观预期，可能跟市场阶段性结构性特征有关，未来市场转变可能影响策略有效性。

- 使用PB作为估值唯一维度可能忽略其他估值相关因素（如市盈率、市销率等），简单二分方法有较大粗糙度。

• 调仓点选择固定财报披露对应月份，可能导致策略缺乏灵活性及快速响应能力。

- 缺少对交易成本与换手率的具体讨论，量化策略频繁调仓在现实中可能增加成本影响实际收益。

• 报告重点放在回测表现与简单财务指标，缺少对行业较大事件、宏观周期变化影响的深层次分析。

- 总体逻辑清晰，方法科学，但实际操作中仍需结合市场环境与更细致的估值及风险管理手段。[page::1~4]

---

7. 结论性综合

本篇报告系统地探讨了将经典价值投资的核心 PB-ROE 模型引入行业轮动策略的可行性和实效性。最初采用四象限划分的静态模型揭示，成长板块（高PB）与高盈利性（高ROE）行业表现优异，反而传统意义中低PB高ROE的价值组合表现逊色，体现了成长优势的显著性。但该方法历年收益分布不稳定、频繁跑输基准，难以作为稳定行业轮动策略依托。

为解决此局限，报告引入价值与成长风格轮动信号，动态切换高低PB配置，且保持对高盈利行业的筛选，显著提高整体策略表现和风险调整后收益。回测数据（累计收益率227.72%、夏普比率0.43等）及历年收益分布显示，调整后的模型不仅收益大幅增强且稳定性提升，最大回撤和波动率虽有所提升，但风险控制水平较前模型更优。动态策略更适应市场价值成长风格波动，提高行业轮动的实用性和投资效率。

报告图表详尽，图1-4以及多个绩效统计表提供了清晰数据支持，逻辑通顺，数据充分证实了策略的优化效果。尤其图表直观描绘了不同组合的资金曲线和收益变化，为投资决策提供了量化、历史验证的依据。最新选取的机械、电力设备及新能源、消费者服务、医药和电子行业展示了实操中的行业选择启示。

需要注意的是，量化模型基于历史数据，伴随市场和经济结构变迁，策略表现可能有差异，且报告未对交易成本等因素做深入剖析。投资时仍需结合宏观及行业基本面信息，谨慎识别和控制风险。

综上，报告明确证实了PB-ROE模型单纯应用于行业轮动的不足，强调了结合市场价值成长风格轮动动态调整策略的重要性，为行业轮动投资提供了具有实证支撑的优化思路和工具，有助于投资者在波动市场中更有效地配置行业资产，实现较稳健的超额收益。[page::0~5]

---

综述

本报告通过严谨的货币数据分析、图表展示和逻辑推理，系统阐释了PB-ROE模型在行业轮动中的应用潜力与局限，提出了结合价值成长风格轮动信号的模型优化路径，数据表现优异，风险收益兼顾，具备一定投资参考价值。报告内容翔实，结构清晰，给出了全面数据支撑，为从传统价值投资向动态行业轮动策略转变提供了宝贵依据和参考框架。

报告