相比于因子与股价涨跌幅的关系，估值逻辑持续时间更长
        传统因子模型在评价因子是否有效时多以IC  和IC  信息比率为依据，但是我们观察到很多因子的IC  具有趋势性有效和无效的特点，原因是IC  系数本身不包含股票估值的信息，当因子信息被充分pricein  时，其有效性就会打一定的折扣。这意味着单因子的有效期相对是比较短的。短期股价的涨跌反映的是市场的风格偏好，而市场整体估值逻辑的有效性相对来讲持续时间更长。
        建立模型分解因子与估值的kendall  相关系数
        我们将因子与估值的kendall  相关系数进行拆分，并引入一个概率函数，用来衡量已知两只股票基本面存在差异时，它们之间估值相对大小的概率。从这一角度看，高相关系数意味着高概率，当某个事件的概率足够大时，我们可以从那些不符合普遍规律的小概率样本上挖掘套利机会。
        在概率模型的基础上估计股票未来估值的提升幅度
        我们对估值概率函数的形式做出假设，然后利用统计学方法进行参数估计，由此得到每两只股票之间估值相对大小概率的估计值。接下来可以计算样本中每只股票未来估值排序的期望，再与当前它实际估值序数相减得到其未来估值提升的预期幅度。我们认为估值提升幅度越大，股票未来上涨空间越大，alpha  越大。
        新因子在市值前1/3  样本中效果较好
        从全市场测试结果来看，  PB。ROE  因子相对于简单PB  因子在IC  绝对值上没有提升，仅在净资产中性的情况下IR  有一定的改善，但又不及ROE  和PB  的等权因子。而在市值排名前1/3  的样本中，新因子的边际贡献是十分显著的。净资产中性下PB。ROE  因子相对PB因子的月均IC  从0.038  提升至0.044，IR  从1.08  提升至2.356，加入净利润增速和毛利率因子后，IC  进一步提升至0.053，IR  提升至3.255。年化多空收益差相比于简单PB  因子从10.81%提升至16.45%。