金工定期报告：估值异常因子绩效月报

金工定期报告20240229 证券研究报告金融工程金工定期报告 估值异常因子绩效月报202402292024年02月29日 报告要点 估值偏离EPD因子多空对冲绩效（全市场）：2010年2月至今，估值偏离EPD因子在全体A股（剔除北交所股票）中，5分组多空对冲的年化收益为1826，年化波动为993，信息比率为184，月度胜率为7160，月度最大回撤为893。 缓慢偏离EPDS因子多空对冲绩效（全市场）：2010年2月至今，缓慢偏离EPDS因子在全体A股（剔除北交所股票）中，5分组多空对冲的年化收益为1650，年化波动为566，信息比率为292，月度胜率为7929，月度最大回撤为310。 估值异常EPA因子多空对冲绩效（全市场）：2010年2月至今，估值异常EPA因子在全体A股（剔除北交所股票）中，5分组多空对冲的年化收益为1703，年化波动为513，信息比率为332，月度胜率为8047，月度最大回撤为312。 2月份估值异常因子收益统计：在全体A股（剔除北交所股票）中，1月份估值异常EPA因子分组多头组合的收益率为663，分组空头组合的收益率为702，分组多空对冲的收益率为039。 估值异常EPA因子选股模型简介：我们将CTA领域常用的布林带均值回复策略与基本面的估值修复的逻辑相结合，利用估值指标PE存在的均值回复特性构建了估值偏离EPD因子；为了剔除个股估值逻辑变化带来的影响，我们在截面上用EPD剔除个股估值逻辑被改变的概率（由 个股信息比率代理），构造缓慢偏离因子EPDS；最后剔除影响“估值异常”逻辑的Beta、成长与价值风格，最终得到估值异常EPA因子。在回测期201001202205内，以全体A股为研究样本，EPA因子的月度RankIC均值为0061，RankICIR为475，5分组多空对冲的年化收益为1829，信息比率376，胜率为8699，最大回撤为153。 风险提示：本报告所有统计结果均基于历史数据，未来时长可能发生重大变化；单因子的收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法。 证券分析师高子剑 执业证书：S0600518010001 02160199793 gaozjdwzqcomcn 研究助理庞格致 执业证书：S0600122090090 panggzdwzqcomcn 相关研究 《从布林带到估值异常因子》 20220617 《估值异常因子绩效月报20240131》 20240131 117 东吴证券研究所 内容目录 1估值异常因子绩效回顾4 2附录：估值异常EPA因子选股模型简介7 21引言7 211经典均值回复布林带策略7 212布林带策略风险收益特征7 22估值偏离因子构建8 221估值存在均值回复性8 222估值布林带模型8 223估值偏离因子的构建10 23估值偏离因子的优化11 231剔除个股估值逻辑变动带来的影响11 232剔除Barra风格的影响12 233估值异常因子构建14 3风险提示16 217 东吴证券研究所 图表目录 图1：估值偏离EPD因子5分组及多空对冲净值走势（201002202402）4 图2：缓慢偏离EPDS因子5分组及多空对冲净值走势（201002202402）5 图3：估值异常EPA因子5分组及多空对冲净值走势（201002202402）5 图4：估值异常EPA因子多头净值2月走势6 图5：经典均值回复布林带策略7 图6：基于估值的布林带模型结构9 图7：估值偏离EPD因子的5分组及多空对冲净值走势10 图8：缓慢偏离EPDS因子的5分组及多空对冲净值走势12 图9：纯净EPD因子的5分组及多空对冲净值走势13 图10：纯净EPDS因子的5分组及多空对冲净值走势14 图11：估值异常EPA因子的5分组及多空对冲净值走势16 表1：估值异常系列因子5分组多空对冲绩效指标（201002202402）5 表2：估值偏离EPD因子的5分组多空对冲绩效指标（201001202205）11 表3：缓慢偏离EPDS因子的5分组多空对冲绩效指标（201001202205）12 表4：EPD、EPDS因子与常用Barra风格因子的相关系数13 表5：纯净EPD、纯净EPDS因子的5分组多空对冲绩效指标14 表6：剔除各个Barra风格因子前后缓慢偏离因子RankIC变化15 表7：EPD、EPDS、EPA因子的5分组多空对冲绩效指标16 317 东吴证券研究所 1估值异常因子绩效回顾 作为东吴金工“基本面选股因子”系列研究的第一篇，我们在2022年6月发布的 《从布林带到估值异常因子》中，将CTA领域常用的布林带均值回复策略与基本面的估值修复的逻辑相结合，利用估值指标PE存在的均值回复特性构建了估值偏离EPD因子；为了剔除个股估值逻辑变化带来的影响，我们在截面上用EPD剔除个股估值逻辑被改变的概率（由个股信息比率代理），构造缓慢偏离因子EPDS；最后剔除影响“估值异常”逻辑的Beta、成长与价值风格，最终得到估值异常EPA因子。 2010年2月至2024年2月，估值偏离EPD因子在全体A股（剔除北交所股票，下同）中，5分组多空对冲的年化收益为1826，年化波动为993，信息比率为184，月度胜率为7160，月度最大回撤为893；缓慢偏离EPDS因子在全体A股中，5分组多空对冲的年化收益为1650，年化波动为566，信息比率为292，月度胜率为7929，月度最大回撤为310；估值异常EPA因子在全体A股中，5分组多空对冲的年化收益为1703，年化波动为513，信息比率为332，月度胜率为8047，月度最大回撤为312。 图1：估值偏离EPD因子5分组及多空对冲净值走势（201002202402） 12 1 10 8 6 4 2 0 23455 2 数据来源：Wind资讯，东吴证券研究所 417 图2：缓慢偏离EPDS因子5分组及多空对冲净值走势（201002202402） 数据来源：Wind资讯，东吴证券研究所 图3：估值异常EPA因子5分组及多空对冲净值走势（201002202402） 1 2 3 4 551 10 9 8 7 6 5 4 3 2 1 0 201020112012201320142015201620172018201920202021202220232024 数据来源：Wind资讯，东吴证券研究所 表1：估值异常系列因子5分组多空对冲绩效指标（201002202402） 估值偏离EPD 缓慢偏离EPDS 估值异常EPA 年化收益率 1826 1650 1703 年化波动率 993 566 513 信息比率 184 292 332 月度胜率 7160 7929 8047 最大回撤率 893 310 312 数据来源：Wind资讯，东吴证券研究所 在全体A股（剔除北交所股票）中，2月份估值异常EPA因子分组多头组合的收 517 东吴证券研究所 益率为663，分组空头组合的收益率为702，分组多空对冲的收益率为039。 在全体A股中，选取EPA因子值最大的10，等权重构成“估值异常”组合。该组合在2月的净值走势如图4所示。 图4：估值异常EPA因子多头净值2月走势 “估值异常EPD”合Wind全A指数 115 11 105 1 095 09 085 08 0131020702220229 数据来源：Wind资讯，东吴证券研究所 617 东吴证券研究所 2附录：估值异常EPA因子选股模型简介 21引言 本篇报告利用CTA研究领域常用的布林带均值回复策略，结合基本面的估值修复的逻辑，构建了效果不错的选股因子。在引入该因子的构造方法前，我们首先从布林带策略讲起。 211经典均值回复布林带策略 布林带是经典的均值回复策略，使用价格的滚动均值作为中枢，2倍滚动标准差作为带宽，用中枢加减带宽分别构筑上轨、下轨。股价突破上轨时为卖出信号、突破下轨时为买入信号、回归中枢时为平仓信号。 图5：经典均值回复布林带策略 数据来源：Wind资讯，东吴证券研究所 212布林带策略风险收益特征 布林带策略是一个高胜率、低赔率的策略，预期股价具有均值回复特性。假设资产收益率服从几何布朗运动： 东吴证券研究所 其中为资产价格、为漂移率项、为波动率项，均值回复类策略受益于波动率（即越大越好），而受制于漂移率（即的绝对值越小越好）。这一类策略的盈利来源：非理性冲击导致价格偏离中枢，期望未来价格向中枢回复，利用震荡高抛低吸获利，而一旦出现趋势突破导致中枢改变，将造成损失。评价一个资产是否适合均值回复，必须 同时考虑和，业界普遍认为资产的信息比率是一个优秀的评价指标，当信息比率的 绝对值较小时，该资产比较适合均值回复策略。 717 22估值偏离因子构建 在上一节的布林带策略中，我们认为部分资产的价格存在均值回复的特性，而在选股研究领域，我们发现有一个指标也存在类似的属性股票的估值PE。在这一章中，我们将探讨估值的均值回复特性，并利用这一特性构建估值偏离因子。 221估值存在均值回复性 PE的本质是DCF模型的简化版本，为了说明这一点，我们从经典的DCF模型开 始： 1 1 其中是企业的内在价值，是企业在t时刻的现金流，r是折现率。假设公司现金流状态良好，使用净利润代替现金流，并采用永续增长模式推导，可以得到： 1 11 111 1 方程两边同时除以初始时刻净利润1，得到DCF模型下合理估值水平的表达VE： 1 1 1 1 东吴证券研究所 实际投资中，投资者常使用市盈率PE对公司估值，短期内情绪的冲击可能使市场估值偏离合理水平，但长期来看，PE将以VE为中枢震荡，具有均值回复的性质。当估值偏离合理水平过多时，会出现估值修复，逐步回归合理水平。 由DCF模型推导PE的过程中我们知道，当使用净利润代替现金流时，公司价值是对未来净利润的贴现。此处隐含净利润（或现金流）大于0的假设。若净利润为负，通过DCF模型折现得出的企业价值为负，与实际不符，模型失效。因此在构造因子过程中，我们剔除净利润为负的样本。 此外，在接下来的章节中，我们会使用PE的倒数EP作为估值的代理变量，这是因为PE的分母EPS会跨越0点，在EPS趋向0时，PE的数值会趋向无限大。 222估值布林带模型 在这一节中，我们仿照经典均值回复布林带的构造方法，构造估值布林带模型，用过去一段时间EP的均值、标准差分别构造估值中枢、带宽与上、下轨，如果某只股票当前的EP位于上轨以上或者下轨以下的部分，我们认为该股票的估值处于异常区间，如果其基本面不发生大的变化，未来的EP有很大概率回归正常区间。 817 东吴证券研究所 图6：基于估值的布林带模型结构 数据来源：东吴证券研究所金融工程团队整理 当股票处在估值异常区间时存在两种假设，一是基本面估值逻辑不变，即未来估值中枢不变；二是基本面估值逻辑发生变化，即未来估值中枢改变。 1估值逻辑不变的两种情况： a价格异动 股票的基本面没有任何变化，估值的偏离仅仅由价格异动引起，估值中枢不变。 b盈利漂移 股票的估值逻辑不变，但短期盈利数据发生改变，例如财报披露，盈利大幅改善。由于盈利漂移现象（PEAD）的存在，价格的变动往往滞后于基本面，在短期内会引起估值的偏离，但长期来看往往估值中枢不会改变。 2估值逻辑改变的三个层面： a市场层面 全市场的估值中枢发生了变动，例如牛市、熊市中大部分股票的估值中枢会发生同向的变动。可以通过横截面选股的方法规避市场层面估值逻辑改变带来的影响。如图4所示，股票A相对于历史中枢的距离是1倍标准差，股票B相对历史中枢的距离是3倍标准差，股票B相对股票A距离中枢的距离更远。将截面上选择距离中枢最远的股票视为处于“异常区间”做多空，可以规避市场层面估值逻辑变化带来的影响。 b行业层面 部分行业的估值中枢发生了变动，例如白酒、新能源行业，由行业层面的利好、利空引发。可以通过行业中性化剔除行业层面