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 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 图表目录 图表1常见估值因子的投资逻辑与估值锚点5 图表2𝑷�因子表现（全市场，10分组）5 图表3𝑷�因子的RANKIC6 图表4𝑷�因子的多头分年度收益（%）6 图表5公司价值估计方程的T统计量和模型𝑅2（基于正式财报）9 图表6全A-PB及其子成分的时序值10 图表7分行业估值水平（2023.10.31）10 图表8𝑀/�分行业时序值11 图表9𝑷�拆解因子表现：𝑴/�、𝑽/�12 图表10𝑴/�因子的RANKIC（正式报表）12 图表11𝑴/�因子的分组年化收益（%，正式报表）12 图表12𝑷�、𝑴/�因子的分年度收益与超额收益（%）12 图表13传媒：净利润NI为负的样本占比13 图表14净利润分域模型列举13 图表15净利润分域模型结果14 图表16净利润分域模型因子检测结果14 图表17净利润分域模型因子多头净值曲线14 图表18剔除D/A项的模型和因子绩效结果14 图表19𝑴/�市值价值比因子表现（3类财报）15 图表20𝑴/�−正𝑵�因子的RANKIC15 图表21𝑷�、𝑴/�因子的多头分年度收益（%）15 图表22𝑴/�市值价值比因子表现（3类财报，非中性化）16 图表23𝑴/�−正𝑵�因子的RANKIC（非中性化）16 图表24𝑷�、𝑴/�因子的多头分年度收益（%，非中性化）16 图表25分析师预测净利润的计算说明16 图表26𝑴/�市值价值比因子表现（分析师预测盈利）17 图表27分位估值因子的表现18 图表28𝑴/�与传统估值因子的相关性18 图表29𝑴/�与𝑷�和𝑷𝑬_�的多头重叠比率（%）18 图表30剔除常规估值因子后的𝑴/�因子表现18 图表31𝑷�乘数拆解解析（三项拆解法）20 图表32𝑴/�、𝑽/𝑽𝒕�与𝑽𝒕𝒔/�的直方图（2023.10.31，T=3年）21 图表33𝑷�与子成分的相关性（T=3年）21 图表34𝑽/�子成分因子的绩效22 图表35𝑽𝒕𝒔/𝑩_𝒄𝒐𝒎�因子的多头年度收益（%）22 图表36𝑽𝒕𝒔/𝑩_𝒄𝒐𝒎�因子的分年度收益（%）22 图表37𝑽𝑨�因子的构建方法与逻辑22 图表38𝑽𝑨�因子的绩效23 图表39𝑽𝑨�因子的RANKIC序列（%）23 图表40𝑽𝑨�因子多头净值曲线23 图表41𝑽𝑨�因子的分年度收益与回撤情况（%）23 图表42𝑽𝑨�因子与𝑷�因子的时序相关系数24 图表43PB-ROE和M/V-ROE模型涉及的参数说明25 图表44PB-ROE和M/V-ROE残差因子绩效26 图表45PB-ROE和M/V-ROE残差因子多头分年度收益（%）26 图表46M/V-ROE残差因子的RANKIC26 图表47PB-ROE和M/V-ROE残差因子的多头净值曲线26 图表48PB-ROE和M/V-ROE模型的𝑅2（%）27 图表49基于PE分域后的残差因子绩效27 图表50基于PE分域后的残差因子多头分年度收益（%）28 图表51𝒍𝒏𝑷�与𝒍𝒏𝑴/�因子的绩效29 图表52𝒍𝒏𝑷�与𝒍𝒏𝑴/�因子的多头分年度收益（%）29 图表53估值-ROE因子列表与算法29 图表54估值-ROERANK因子的绩效30 图表55𝑴/𝑽_𝑹𝑶𝑬_𝒓𝒂𝒏�因子的RANKIC30 图表56𝑽𝑨𝑳_𝑹𝑶𝑬_RANK因子多头净值曲线30 图表57估值-RANK因子的多头分年度收益（%）31 图表58合成估值因子列表及构造逻辑31 图表59合成估值因子在不同指数域的表现（十分组）32 图表60沪深300指增策略业绩对比（2013.1.1-2023.10.31）33 图表61沪深300指增策略净值曲线（2013.1.1-2023.10.31）33 图表62中证500指增策略业绩对比（2013.1.1-2023.10.31）34 图表63中证500指增策略净值曲线（2013.1.1-2023.10.31）34 图表64中证1000指增策略业绩对比（2014.10.31-2023.10.31）35 图表65中证1000指增策略净值曲线（2014.10.31-2023.10.31）35 图表66国证2000指增策略业绩对比（2014.03.31-2023.10.31）36 图表67国证2000指增策略净值曲线（2014.03.31-2023.10.31）36 1传统估值因子的局限性 估值因子的核心任务是揭示市场中的定价错误，其本质在于评估目标公司的估值相对于特定估值锚的高估或低估程度。当市场高估一家公司的价值时，通常伴随着未来的估值回调，也就是股价可能会下跌；相反，如果市场低估了公司的价值，那么伴随着估值提升，投资者有可能获得超额收益的机会。 常见的估值因子如𝑃�、𝑃�、𝑃�、𝑃𝐶�等，𝑃�因子以账面价值为锚点，看重的时公司的赚钱能力；𝑃�因子以盈利为锚点，侧重的是增长；而𝑃�因子则以销售收入为锚点。它们都试图通过比较市场价值与某种基本指标之间的关系来揭示估值错误， 也就是说，他们均是以单一的估值锚点去捕捉公司的定价偏差。 图表1常见估值因子的投资逻辑与估值锚点 估值因子 投资逻辑 估值锚点 PB（Price-to-BookRatio） 衡量市值与账面价值的关系，比率越低，说明越低估 账面价值 PE（Price-to-EarningsRatio） 衡量市值与盈利的关系 盈利 PS（Price-to-SalesRatio） 衡量市值与销售收入的关系 销售收入 PCF（Price-to-Cash-FlowRatio） 衡量市值与现金流的关系 现金流 DividendYield（股息收益率） 寻找高股息收益的股票，通常是稳定的投资 股息 资料来源：华安证券研究所整理 长期来看，𝑃�是一个有效的估值因子，但存在明显的周期性，整体胜率、稳定性和多头表现并不出彩。2013.1.1-2023.10.31，行业市值中性化的𝑃�因子的RankIC为-4.2%，ICIR-1.5，RankIC月度胜率64.89%，十分组下，多头年化12.93%，多头年化超额仅2.1%，尤其是在2019年以来，出现了明显回撤，2020、2021和2022年相对等权的超额分别为-6.4%、-1.6%和-2.2%。究其原因，𝑷�以账面价值为锚点，表面上看，其驱动因素为市值/账面价值之间的比值，并未涉及到盈利指标， 因此在公司或行业或市场盈利环境恶化的情况下，锚定账面价值并不能适应所有个股、所有行业、甚至当前的市场环境。 图表2𝑷�因子表现（全市场，10分组） t均值 RankIC ICIR IC胜率 多头年化 多头年化超额 多头胜率 多头夏普 PB 4.75 -4.2% -1.50 64.89 12.93 2.13 54.6 0.39 资料来源：wind资讯，华安证券研究所 说明：单因子测试时，剔除上市不足90天、ST、*ST、停牌、ST或*ST摘帽不足30天的个股。费用：双边千三。基准为全A等权，新股上市10个交易日后纳入，剔除ST、*ST、停牌个股。如未特别说明，均进行了行业市值中性化。 多头组合 等权组合 超额收益 2013 23.6 26.7 -3.1 2014 50.5 43.6 6.9 2015 109.5 87.1 22.4 2016 -7.7 -11.1 3.4 2017 -14.5 -15.3 0.8 2018 -2