开源量化评论（82）：价值增强Plus组合构建与多策略融合实践

金融工程专题 2023年11月21日 价值增强Plus组合构建与多策略融合实践 金融工程研究团队 ——开源量化评论（82） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 shengshaocheng@kysec.cn 证书编号：S0790523060003 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 苏良（分析师） 证书编号：S0790523060004 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 低估类策略：超预期策略的互补策略 通过对超预期策略收益来源进行估值和盈利维度的拆解，可以发现：2022年以来估值维度的负贡献明显放大，导致这类策略表现不佳。相反，以常见的估值因子PB为例，十分组多头组合近两年估值维度依旧呈现正贡献。从全区间来看，超预期策略更多赚的是景气的钱，而低估类策略更多赚的是估值提升的钱，二者有天然的互补性。 价值因子改进及低估价值股票池的构建 相较于表现一般的估值因子PB而言，我们使用了Wilcox(1984)提出的PB-ROE框架，但是该框架应用在A股时效果一般，拟合度较低，解决这一问题有效方法即分域。该部分讨论了不同分域方案对于因子效果的影响，最后经过分域修正的PB-ROE残差因子相较于PB因子而言，RANKICIR从-1.43提升至-2.30。对于利用改进PB-ROE残差因子筛选出的低估股票池而言，基本上还是偏低PB和低ROE为主，这种情况是极有可能落到“价值陷阱”中，我们需要对其进一步地精筛。 “价值陷阱”的避免 从组合收益的拆解出发，我们多维度讨论了盈利和分红相关因子在低估股票池的测试效果，最终将低估股票池内分为四大象限：高成长高股息、高成长低股息、低成长高股息、低成长低股息，其中高成长高股息表现最好，低成长低股息表现最差。为了防止“价值陷阱”，我们将位于低成长低股息现象的股票进行剔除， 并将剔除“价值陷阱”的低估股票池称为：优质低估股票池。 价值增强Plus组合的构建及多策略融合实践 进一步的精选思路我们还是回到：组合收益=估值提升+盈利+分红，旨在寻找盈 利边际提升、预期分红较高以及股价呈现强趋势的股票。 我们最终在剔除“价值陷阱”的优质低估股票池中，将改进PB-ROE残差、净利润同比的环比、预期股息率、长端动量4大因子进行等权合成，优选股票30只， 相关研究报告 将其称为价值增强Plus组合。该组合全区间绝对收益为28.93%，收益波动比 1.15，其超额中证500全区间年化收益22.97%，收益波动比为2.31。 最终，我们结合宏观择时模型形成多策略融合。当宏观择时看多成长，持有超预 《业绩超预期Plus组合2.0：基于预期 调整的修正—开源量化评论（72）》 -2023.3.3 《宏观择时：风格、行业及大类资产配置—开源量化评论（75）》-2023.6.11 期Plus组合；宏观择时看多价值，持有价值增强Plus组合。相较于仅持有超预期Plus组合，多策略融合净值近两年明显更加稳健，信息比率达到了1.46。 风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、低估类策略：超预期策略的互补策略4 1.1、超预期近两年回撤主因：估值负贡献4 1.2、PB因子十分组多头：近两年表现相对优异5 2、低估价值股票池的构建5 2.1、PB-ROE框架在A股的拟合度较低5 2.2、结合行业分域后的PB-ROE残差因子效果有所提升7 2.3、其他维度分域：从散点图出发到PE_M分域的思考8 2.4、维度的综合：结合PE_M和行业分域9 2.5、低估股票池的构建：基于改进PB-ROE残差因子9 3、规避“价值陷阱”10 3.1、规避“价值陷阱”：盈利维度10 3.2、规避“价值陷阱”：分红维度11 3.3、规避“价值陷阱”：盈利和分红维度综合12 4、价值增强Plus组合的构建13 4.1、改进PB－ROE残差因子具备一定的分组效果13 4.2、净利润同比的环比因子具备较稳定的选股效果13 4.3、预期股息率因子具备一定的选股效果14 4.4、长端动量因子具备一定的选股能力14 4.5、组合的构建15 5、多策略融合实践16 5.1、宏观择时轮盘回顾16 5.2、多策略融合表现17 6、其他重要讨论18 6.1、价值增强Plus组合的市值和行业分布18 6.2、价值增强Plus组合选股敏感性分析18 6.3、困境反转组合的尝试18 7、风险提示19 图表目录 图1：修正超预期股票池2.0近两年回撤较大5 图2：估值负贡献是近两年超预期类策略回撤的主因(对数收益拆解)5 图3：PB因子十分组多头净值近两年表现相对优异5 图4：PB因子十分组多头组合赚的是估值提升的钱(对数收益拆解)5 图5：PB因子十分组多空净值波动较大6 图6：PB因子十分组单调性一般6 图7：PB-ROE框架在A股拟合度较低7 图8：PB-ROE残差因子多空对冲波动依旧较大7 图9：近2/3的行业内部拟合优度高于全市场拟合优度7 图10：Ln(PB)和ROE的散点图过于分散8 图11：高R和低R的拟合优度都在40%左右8 图12：PE回看过去250天，3分组效果较为稳定8 图13：相较于PB因子，改进PB-ROE残差因子十分组多空对冲表现更优异9 图14：低估相较于高估股票池，超额明显10 图15：低估股票池内的PB分位和ROE分位较低10 图16：ROE在低估股票池的分组效果近年来表现一般10 图17：常见财务指标在低估股票池的表现：单季度ROE同比指标相对较为优秀11 图18：单季度ROE同比在低估股票池具备分组能力11 图19：低估股票池中单季度ROE同比效果相对更好11 图20：Divdend_TTM因子在低估股票池具备一定分组能力12 图21：低成长低股息股票池净值最低12 图22：在优质低估股票池中，改进PB-ROE残差因子分组效果较好13 图23：在优质低估股票池中，净利润同比的环比因子具备较稳定的选股效果13 图24：在优质低估股票池中，预期股息率因子分组效果较好14 图25：在优质低估股票池中，长端动量因子分组效果较好14 图26：价值增强Plus组合的净值表现强劲15 图27：宏观择时的模型16 图28：相较于超预期Plus组合，多策略融合净值近两年明显更加稳健17 图29：价值增强Plus组合偏中小市值18 图30：价值增强Plus组合行业分布较为均衡18 图31：困境反转组合的净值表现强劲19 表1：不同ROE对应的拟合效果对比：单季度ROE为最终选择6 表2：结合行业分域后的PB-ROE残差因子效果有所提升7 表3：结合PE_M和行业分域的PB-ROE残差因子绩效相对最优9 表4：低成长低股息股票池表现最差12 表5：价值增强Plus组合所有年份都录得了正超额15 表6：宏观择时模型多空对冲年化收益6.85%17 表7：基于宏观择时轮动的信息比率最高，达到了1.4617 表8：价值增强Plus组合选取股票只数的敏感性分析18 表9：困境反转全区间收益波动比为0.8219 近两年偏成长类的超预期策略回撤较大，究其原因是估值维度呈现明显的负贡献。我们在《业绩超预期Plus组合2.0：基于预期调整的修正》里对超预期股票池从盈利端和估值端作了修正，提出了一个关于超预期策略的回撤改进方案。本篇报告我们将目光转向另一个思路：从低估角度出发，构建价值增强Plus组合，并结合宏观择时中成长和价值的轮动模型，最终形成多策略的融合。 在第一部分，我们将超预期策略的收益来源进行估值和盈利维度的拆解，可以发现：2022年以来估值维度的负贡献明显放大，导致这类策略的表现不佳。相反，以常见的估值因子PB为例，十分组多头组合近两年估值维度依旧呈现正贡献。从全区间来看，超预期策略更多赚的是景气的钱，而低估类策略更多赚的是估值提升的钱，二者有天然的互补性。 在第二部分，我们探讨了低估价值股票池的构建。相较于表现一般的估值因子PB而言，我们使用了Wilcox(1984)提出的PB-ROE框架，但是该框架应用在A股时效果一般，拟合度较低，解决这一问题有效方法即分域。该部分讨论了不同分域方案对于因子效果的影响，最后经过分域修正的PB-ROE残差因子绩效有明显提升。 在第三部分，我们探讨了PB-ROE框架中“价值陷阱”的预防。从组合收益拆解中的盈利和分红维度切入，我们将低盈利增速和低分红的股票进行剔除，组合绩效有一定程度的提升。 在第四部分，我们探讨了价值增强Plus组合的构建。在剔除“价值陷阱”的低估股票池中，我们寻找盈利边际提升、预期分红较高以及股价呈现强趋势的股票，最终形成价值增强Plus组合，该组合全区间年化收益率28.93%，信息比率1.15，近两年绩效表现依旧较为优异。 在第五部分，我们结合在《宏观择时：风格、行业及大类资产配置》中构建的成长/价值轮动模型，将超预期plus组合和价值增强Plus组合进行融合，融合后的组合相较于单一组合而言，信息比率更优，尤其是在近两年超预期等成长类策略回撤的大背景下，这种多策略轮动的意义更加凸显。 1、低估类策略：超预期策略的互补策略 1.1、超预期近两年回撤主因：估值负贡献 对于超预期策略而言，我们做了一系列研究，其中在《业绩超预期Plus组合的构建》和《业绩超预期Plus组合2.0：基于预期调整的修正》先后推出超预期Plus1.0和2.0，其中2.0版本相较于1.0版本而言在盈利端和估值端做了修正，但是改变不了整体回撤的趋势。 为了进一步分析超预期类策略回撤的原因，我们选取了经过分析师行为和交易行为修正后的超预期股票池2.0，对其进行组合收益拆解后可以发现：在2010~2021年之间，其算是戴维斯双击的策略，但是就近两年看，估值的负贡献非常明显，导致整体产生较大的回撤。 图1：修正超预期股票池2.0近两年回撤较大图2：估值负贡献是近两年超预期类策略回撤的主因(对 数收益拆解) 数据来源：Wind、开源证券研究所数据来源：Wind、开源证券研究所（截至20231031，对数收益） 1.2、PB因子十分组多头：近两年表现相对优异 反观PB因子而言，我们将其市值行业中性化后，选取因子值较小的1/10股票，并进行绩效测算，可以发现：该组合近两年估值贡献依旧为正。从全区间来看，超预期策略更多赚的是景气的钱，而低估类策略赚的是估值提升的钱，二者有天然的互补性。 图3：PB因子十分组多头净值近两年表现相对优异图4：PB因子十分组多头组合赚的是估值提升的钱(对 数收益拆解) 数据来源：Wind、开源证券研究所数据来源：Wind、开源证券研究所（截至20231031，对数收益） 就目前的市场而言，仅仅凭借超预期这种单一策略，就能获得较稳定超额alpha的空间在逐渐被压缩，所以构建多策略的融合是非常必要的。本文接下来的内容将围绕着如何构建优质的价值增强组合，以及如何与超预期策略进行融合而展开。 2、低估价值股票池的构建 2.1、PB-ROE框架在A股的拟合度较低 在本部分，我们探讨了低估价值股票池的构建。最常见的做法即使用PB因子进行分组，选取因子值较低的股票域。但对于PB因子而言，其选股效果一般，10分组的多空净值如图5所示，波动