量化研究系列报告之十三：PB之变：精细分拆，新生华彩

PB之变：精细分拆，新生华彩 ——量化研究系列报告之十三 金融工程 专题报告 报告日期：2023-12-17 主要观点： 分析师：骆昱杉 执业证书号：S0010522110001邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 相关报告 1.《收益和波动共舞：非对称性理论蕴含的alpha——量化研究系列报告之十二》2023-09-11 2.ChatGPT与研报文本情绪的碰撞 ——量化研究系列报告之十一》2023-08-14 3.《股价和资金流间的引力和斥力— —量化基本面系列报告之十》2023-06-12 4.《可比公司法的量化实践：重塑价值因子——量化基本面系列报告之九》2023-03-12 5.《寻找选股策略与行业轮动策略的“舒适区”——量化基本面系列报告之八》2023-03-10 6.《个股alpha与行业beta的双剑合璧——量化基本面系列报告之七》2022-11-23 本报告通过深度拆解传统𝑷�因子，构造公司价值估计模型，剔除𝑷�中的扰动项，重塑全新的估值因子，同时捕捉公司特定估值偏差和增长潜力，新估值因子在所有指数域都有边际增量产生。 𝑷�解构：锚定精准估值，降低估值偏差 首先构建公司“真实价值”估计模型，将𝑃�分解为𝑀/𝑉（市值与真实价值比）和𝑉/𝐵（真实价值与账面价值比）。𝑀/�更准确、更全面地衡量了公司的估值水平，其因子绩效表现显著好于𝑃𝐵，且有效降低了𝑃�因子在市场盈利下行期的回撤。 𝑷�深度重构：剥离杂音，精细化重塑新估值 深入解析第二项𝑉/𝐵，有效剥离了行业时序估值波动的干扰。使得 𝑃�被细化为三部分：𝑀/�、𝑉/𝑉𝑡�和𝑉𝑡𝑠/�。其中，𝑉/𝑉𝑡�代表行业时序的估值偏差，而𝑉𝑡𝑠/�揭示了估值的增长潜力。进一步地，将𝑀/�与 𝑉𝑡𝑠/�结合，重塑了一个新的、更全面的估值因子𝑉𝐴𝐿，新因子在收益性和稳定性方面都明显超越了传统的𝑃�和𝑀/�因子。具体来看，𝑉𝐴�RankIC为-6.3%，ICIR为-2.75，多头年化收益率为23.16%，年化超额收益达到12.4%，年度胜率100%，近3年年度超额收益分别为11.4%、11.8%和12.4%。 引入𝑽𝑨�后的合成估值因子在不同指数域都有边际增量产生 在所有指数域，加入𝑉𝐴�后的合成估值因子较原始估值因子的表现都有所提高，无论收益还是稳定性，在中小市值股票池的表现尤其出色。其中，在全A中，新估值因子的RankIC提升了2.1%至-6.4%，ICIR提升了0.61至-2.81，多头年化超额提高了6.17%至12.04%，胜率增加了16.9%至79.2%，多头和多空回撤均有所降低。从指增策略的表现看，改进估值后的策略在所有指数域都有增量alpha产生，沪深300、中证500、中证1000和国证2000指增策略的年化超额收益分别提高了1.38%、3.04%、2.33%和3.33%。 风险提示 量化模型基于历史数据，过去的回测业绩不代表未来；量化模型本身存在失效的风险。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 金融工程 1传统估值因子的局限性5 2𝑷�二元解构：锚定精准估值，降低估值偏差6 2.1行业差异化视角下的公司价值的动态估计7 2.2𝑷�超额收益的核心驱动因素8 2.2.1公司价值估算模型有较好的解释力度8 2.2.2𝑷�分解因子的表现：𝑴/�与𝑽/�11 2.2.3市场对财务数据的敏感性分析15 2.2.4股价对未来盈利预期的反应程度16 2.3𝑴/�估值因子是否可以替代传统估值因子？17 3𝑷�深度重构：剥离杂音，重塑新估值18 3.1𝑽/�子成分分析20 3.2估值重构：截面估值偏差与时序增长潜力的结合22 4“估值-ROE”模型探索24 4.1基于行业分域的定价模型25 4.2基于PE分域的定价模型26 4.3ROE是否为估值-ROE模型的关键驱动因素？28 5𝑽𝑨�估值因子在不同指数域的边际贡献31 5.1𝑽𝑨�在沪深300指数增强中的边际贡献32 5.2𝑽𝑨�在中证500指数增强中的边际贡献33 5.3𝑽𝑨�在中证1000指数增强中的边际贡献34 5.4𝑽𝑨�在国证2000指数增强中的边际贡献35 6总结36 风险提示：37 敬请参阅末页重要声明及评级说明2/38证券研究报告