量化价值投资真的管用吗？（二）

由polll创建，最终由polll更新于2023-06-14 03:02 被浏览 5 用户

本文主要取材于Kok U-Wen, Jason Ribando和Richard Sloan发表在Financial Analyst Journal上的文章"Facts about formulaic value investing"。由于篇幅长度分成两篇。

本篇的主题是简单的价值比率（如净市率）并不能有效地鉴别被市场错误估值的股票，事实上，它们常常筛选出的是那些暂时性地拥有亮眼会计数字的公司。

高净市率（book to market ratio)筛选出的常常是那些有着虚高的净值而之后又不得不需要进行净值减记的公司
高盈市率(earnings to market ratio)筛出的常常是那些有着不可持续的短期高盈利的公司
高预期盈市率（forward earnings to market ratio)筛出的常常是被卖方研究员过于乐观估计盈利的公司

量化价值投资都依靠某种价值比率对股票池中的股票进行排序筛选。这些价值比率一般是公司会计数据与股票价格的比率，那些拥有较高价值比率的公司的股票被认为是低估的，有升值的潜力。**量化价值投资的基础是价值比率的均值回归。以净市率为例，**高净市率的股票会逐渐变为平均净市率的股票，这存在两种可能性：

股票的价格上升。市场发现了被低估的股票，而新增的需求推高了股价。这对应估值修复，是大部分价值投资追求的目标。
公司的净资产减少。这对应了《证券分析》中经常提到的会计手段对估值的影响，比如公司面临破产重组而固定资产的清算价值被严重高估。在这种情况下，之前的高净市率并不代表公司的股价被低估，恰恰相反，精明的投资者早已了解了公司的真正价值并在公开市场给出了合理的股价。

不管如何，我们应该先确定这样的均值回归是否存在。下图展示了三个常见的价值比率的均值回归。从左上开始按顺时针，分别对应：净市率，盈市率，和预期盈市率。每年对股票按照价值比率进行排序，一年后，高价值比率（绿线)的股票的价值比率都出现了不同程度的下降。图中展现的是样本内的平均情况。

![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='672' height='1082'></svg>)

价值比率的均值回归。从左上开始顺时针分别为：净市率、盈市率、预期盈市率。

在明确了价值比率的均值回归确实存在的情况下，接下来就是鉴别到底是价格变化还是会计数据变化主导了价值比率的均值回归，作为投资者我们追求的是价格的变化带来的资本利得。为此我们需要把价值比率的变化进行分解。（类似的推导可以参考我的另一篇文章：股价变动的分解公式：估值 + 经济状况 + 企业盈利水平）让我们用 $F_t$ 表示企业在时间点 $t$ 的会计数据，而 $P_t$ 表示当时的股价。那么下面的恒等式成立：

$F_{t+1} /P_{t+1} = (F_t / P_{t})times(F_{t+1}/F_t)times(P_{t}/P_{t+1})$

对等式两端同取自然对数可得

$overbrace{log (F_{t+1} /P_{t+1})}^{期末价值比率} = overbrace{log(F_t / P_{t})}^{期初价值比率} + overbrace{log(F_{t+1}/F_t)}^{会计数据变化} - overbrace{log(P_{t+1}/P_{t}) }^{价格变化}$

通过这个公式我们可以对价值比率的均值回归按照不同影响的贡献度进行拆分。下图展现了我们之前探讨的3个价值比率均值回归的情况。从上到下分别对应：净市率，盈市率，预期盈市率。每个小图的最左边的柱子都对应了期初高价值比率的股票与平均价值比率的股票的价值比率差值，中间的两个柱子依次代表了会计数据变化和价格变化的贡献程度，最右边的柱子是期末高价值比率的股票与平均价值比率的股票的价值比率差值。

![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='688' height='1138'></svg>)

价值比率均值回归的影响因素。从上到下对应：净市率，盈市率，预期盈市率。

每一个小图，最右边的柱子都比最左边的柱子矮。这代表期末高价值比率的股票和平均价值比率的股票的价值比率的差值已经缩小，这对应了我们之前看到的均值回归。
每一个小图的中间两个柱子，都可以看到价格的影响微乎其微，甚至还抵消了一部分均值回归，而均值回归主要是由会计数据的变化驱动的。

这说明，简单的通过价值比率对股票进行排序筛选，找到的并不是被市场低估的股票，而是那些暂时性的拥有亮眼的会计数字的股票。

原文中作者对高价值比率的公司接下来的财务表现进行了5个方向的跟踪，包括：

非经常性资产价值减记
盈利变化
卖方研究员对预期盈利的修正
实际盈利与预期盈利之间的偏差
GAAP会计规范下的盈利与卖方常用的盈利数字（比如EBITDA）之间的区别，后者常常隐藏了一部分公司正常运营需要的开销（如生产设备的折旧）

他们发现：

高市净的公司接下来常常经历大幅度的净值减记
高盈市率公司的盈利往往不能持续
高预期盈市率几乎都来自于卖方研究员对于企业未来过于乐观的估计

这些正对应了《证券分析》中提到的各种各样的会计操作会造成的失真。对于传统的价值投资者来说，这些会计失真很难对他们造成负面的影响，他们接受的训练就是让他们能够通过严谨细致的分析对会计报表中的潜在问题进行识别并避开这些价值陷阱。但是他们牺牲了效率 —— 再优秀的基本面分析员也需要足够的时间才能对一个公司下定论。量化价值投资者，从另一方面来说，具备着高速大范围处理数据的能力，但是往往对公司财务知之甚少从而不可避免地购入大量并不符合价值投资标准的股票。

本文的结果并不是要否定量化价值投资，而是揭示潜在的弊端。我们有理由相信简单的价值比率股票筛选并不能带来持续稳定的超额收益。雇佣更多的基本面分析员，并尝试将传统价值投资和量化（不如说现代）价值投资结合将有可能大大的提高量化价值投资者的表现。类似的，考虑多种因子的交叉，例如将价值因子与质量因子(quality)结合，或者在资产筛选中加入更多的财务稳健性的评估也可能带来更好的结果。

在大数据时代，成千上万的投资策略被回测，它们中的一些因为表现优异而被带入生产环境。但每一个令人印象深刻的回测结果背后也许同时对应了一层被忽略了的现实中的复杂度。在变化莫测的金融市场，也许我们都应该在兴奋的时候停下来想一想。

参考文献

Daniel, Kent, and Sheridan Titman. "Market reactions to tangible and intangible information."The Journal of Finance 61, no. 4 (2006): 1605-1643.
Kok, U-Wen, Jason Ribando, and Richard Sloan. "Facts about formulaic value investing."Financial Analysts Journal 73, no. 2 (2017): 81-99.

量化价值投资真的管用吗？（二）

标签