◆价值优选策略的逻辑推演
　　低波动+反转实现价值兑现的高胜率路径：单纯的价值股投资存在收益兑现期限不确定的情况，其兑现速度与其过去时间段的交易形态有关。配置个股估值处于下降阶段中的低位、个股股价同时处于下降阶段、前期缩量下跌的个股胜率更高，即通过低波动+反转实现价值发现的周转率，提升收益兑现斜率。四类增强因子中，技术和反转因子提高价值选股策略胜率，但持有期限收益衰减较快；利用成长和质量因子提高策略盈亏比，同时延长收益快速兑现的期限。
　　◆赔率：PB-ROE定价模型
　　低估值与反转本质上趋同。我们总结了基础赔率估值模型（即PB-ROE模型）的基本特征，并且在此基础上做了时序、截面等优化。采用时间序列上的百分位处理以及行业中性化之后的估值模型较原始模型更优，但是原本的低估值股票的胜率还有提升空间。
　　◆价值选股策略的胜率提升路径
　　基础赔率估值模型的增强路径：通过成长、反转、技术、质量因子对低估值股票的聚类进行优化，以寻求更精细的解释因子。风格上，截面残差与波动、杠杆、流动性、市值风格因子双维度分组均有单调线性；反转增强因子刻画估值在过去的变化趋势，期限较短的反转因子更能有效提升选股收益；成长增强因子刻画公司营收、盈利增速、一致预期增速；技术增强因子刻画交易活跃度、成交量、成交金额等信息；质量增强因子刻画公司资产、债务、周转率等经营状况。
　　四类增强因子选股效果对比：技术、质量类增强因子的收益增强效果更优。在低估值选股失效的2019和2020年，反转、技术和质量增强因子表现相对稳定，在2022年震荡市中，反转和技术类增强因子贡献优秀的正向收益。
　　低估值组叠加复合增强因子构建价值优选策略：价值优选策略较基础赔率模型收益增强效果显著，且各分组收益呈现显著单调性、多空收益平滑。策略在市场价值风格占优的阶段较国证价值指数有更高的收益弹性。2016年起多空年化超额收益18.17%，信息比1.74，年换手率为3.89倍。价值优选策略前30的股票池较原始多头组合收益进一步提升，2016年期年化超额收益为14.72%。
　　◆价值优选策略的持仓结构
　　价值优选策略的历史持仓特点：统计2016年至2023年1月，价值优选策略的月度持仓结构特征。从风格暴露上，价值优选策略选股偏重小市值、低杠杆、反转、低波动的个股；板块上，策略侧重周期、制造、消费板块的个股；行业上，月度持仓行业入选数量排名前五的行业为基础化工、电力及公用事业、交通运输、商贸零售和汽车行业。
　　◆风险提示
　　本报告所有分析均基于公开信息，不构成任何投资建议；报告中采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；报告中结论均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现。

研究报告全文：证券研究报告金融工程2023年02月12日价值选股策略的高胜率兑现路径李杨分析师熊颖瑜分析师S0350522070001S0350522030002liy19ghzqcomcnxiongyyghzqcomcn核心提要价值优选策略的逻辑推演低波动反转实现价值兑现的高胜率路径单纯的价值股投资存在收益兑现期限不确定的情况其兑现速度与其过去时间段的交易形态有关配置个股估值处于下降阶段中的低位个股股价同时处于下降阶段前期缩量下跌的个股胜率更高即通过低波动反转实现价值发现的周转率提升收益兑现斜率四类增强因子中技术和反转因子提高价值选股策略胜率但持有期限收益衰减较快利用成长和质量因子提高策略盈亏比同时延长收益快速兑现的期限赔率PB-ROE定价模型低估值与反转本质上趋同我们总结了基础赔率估值模型即PB-ROE模型的基本特征并且在此基础上做了时序截面等优化采用时间序列上的百分位处理以及行业中性化之后的估值模型较原始模型更优但是原本的低估值股票的胜率还有提升空间价值选股策略的胜率提升路径基础赔率估值模型的增强路径通过成长反转技术质量因子对低估值股票的聚类进行优化以寻求更精细的解释因子风格上截面残差与波动杠杆流动性市值风格因子双维度分组均有单调线性反转增强因子刻画估值在过去的变化趋势期限较短的反转因子更能有效提升选股收益成长增强因子刻画公司营收盈利增速一致预期增速技术增强因子刻画交易活跃度成交量成交金额等信息质量增强因子刻画公司资产债务周转率等经营状况四类增强因子选股效果对比技术质量类增强因子的收益增强效果更优在低估值选股失效的2019和2020年反转技术和质量增强因子表现相对稳定在2022年震荡市中反转和技术类增强因子贡献优秀的正向收益低估值组叠加复合增强因子构建价值优选策略价值优选策略较基础赔率模型收益增强效果显著且各分组收益呈现显著单调性多空收益平滑策略在市场价值风格占优的阶段较国证价值指数有更高的收益弹性2016年起多空年化超额收益1817信息比174年换手率为389倍价值优选策略前30的股票池较原始多头组合收益进一步提升2016年期年化超额收益为1472价值优选策略的持仓结构价值优选策略的历史持仓特点统计2016年至2023年1月价值优选策略的月度持仓结构特征从风格暴露上价值优选策略选股偏重小市值低杠杆反转低波动的个股板块上策略侧重周期制造消费板块的个股行业上月度持仓行业入选数量排名前五的行业为基础化工电力及公用事业交通运输商贸零售和汽车行业风险提示本报告所有分析均基于公开信息不构成任何投资建议报告中采用的样本数据有限存在样本不足以代表整体市场的风险且数据处理统计方式可能存在误差报告中结论均基于对历史客观数据的统计和分析但过往数据并不代表未来表现请务必阅读报告附注中的风险提示和免责声明2引言价值选股策略的高胜率兑现路径对比2010年起国证成长指数与国证价值指数相对收益四个阶段20101022至2015427201676至2018262021210至20224152022811至2023117市场价值风格占优本报告将研究什么条件下低估值股票的收益能够加快兑现价值优选策略模型将以赔率估值模型为基础通过反转低波及基本面因子提升模型边际提升价值股的胜率和盈亏比加速低估值个股收益兑现速率价值占优时间段价值选股策略的胜率提升路径PB-ROE基础赔率模型定价模型赔率提升收益兑现速率胜率盈亏比提升胜率提升反转因子技术因子成长因子成长指数与价值指数区间收益差盈亏比提升质量因子资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明3赔率PB-ROE定价模型价值选股策略的胜率提升路径价值优选策略的逻辑推演及持仓结构请务必阅读报告附注中的风险提示和免责声明4PB-ROE定价模型数据选取与模型解释运用PB-ROE定价模型构建截面ROE对截面估值水平的解释关系在LnPB与ROE的二维平面上形成一条平价曲线直观上看PB-ROE定价模型给出了价格与基本面在横截面上的直接关系切实反应个股的高估或低估情况数据上我们取最新季报期的ROE-TTM滚动年化以提高ROE稳健性或预期ROE作为ROE指标并以最近月末的PBLF作为市净率指标在截面上对LnPB和ROE进行线性回归得到截面上的价格与基本面的直接关系当残差为负时个股处于低估状态残差为正时个股处于高估状态从截面和时序两个维度构建赔率选股因子分析因子及改进后的选股效果最后我们讨论模型的兑现周期即持有多长的时间周期能更好的兑现低估值股票的收益选股效果评价月末PBLFLnPB分组收益表现截面回归多空全部A股12月1月2月3月4月5月6月7月8月9月10月11月12月1月LnPB对ROE求残差ICRankIC等季报ROETTM四季报二季报一季报三季报年报半年报模型优化因子构建截面行业中性化优化有效截面模型时序时序60天120天百分位时序模型时序时序平滑优化无效资料来源国海证券研究所请务必阅读报告附注中的风险提示和免责声明5PB-ROE定价模型基础模型的参数分布分析与指标调整思路线性回归模型中指标的离群值会对回归结果与效果产生干扰加之模型中PBROE指标均为比值形式对分母与分子的取值较为敏感因此我们先对PBROE参数进行分布分析以近期报告截面为例观察LnPB和ROETTM指标的分布情况发现LnPB分布整体偏稳定中位数在1附近波动但仍有部分极端离群样本超出内外限以上侧外限为主ROETTM指标的离群现象较LnPB更为明显极差较大且离群值主要集中在小于0的下侧外限由于盈利对ROE的不对称性干扰使下侧离群值影响较大我们对LnPBROETTM做5-Winsorize的缩尾处理即将变量中小于5的数值替换为5分位数值将变量中大于95的数值替换为95分位数值5-Winsorize的缩尾处理将高于95的值替换为95分位数值离群样本对回归结果产生干扰95盈利对ROE的不对称性干扰下使下侧离群值影响较大75资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明6PB-ROE定价模型时序模型根据时序PB估值选股时序百分位较时序平滑效果更优时序百分位处理考虑个股在长时间内PB估值水平并不会发生大幅度的变动我们将PB在时序上进行3612个月时序平滑和60波动突出时序上动量波动变化信息天120天240天的时序百分位处理以反映估值相对长期的变化趋势仅考虑个股PB估值进行选股分析分组及多空收益发现根据PB过去时序百分位进行选组多空收益更明显波时序平滑处理而3612个月移动平均PB估值进行选股效果较差动降低波动去除拐点信息时序PB过去120天百分位选股分组收益表现PB过去6个月移动平均选股分组收益表现注月度截面因子值排序将全市场A股划分为5组第5组为因子值越高股票组合第1组为因子值越低的股票组合下同资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明7PB-ROE定价模型截面模型LnPB对ROE求残差估值因子在2019年和2020年失效首先我们用LnPB对ROE求残差残差为负值的股票为低估值股票根据月度截面残差值正序将全市场A股划分为5组从分组收益上看2015年底至2023年1月第五组的年化收益为501多空年化收益为1561IC均值为394RankIC均值608但第二二四组在前期的累计收益区分并不明显且分年度收益上看低估值因子在20192020年相对失效多空在这两年的收益为负后续我们将基于此模型对残差进行时序和截面上的处理以优化残差的选股效果LnPB对ROE求残差分组收益表现LnPB对ROE求残差多空年度收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明8PB-ROE定价模型截面行业中性化模型LnPB对ROE求残差行业中性化分组收益区分明显多空夏普提升波动降低显著在截面回归得到残差的基础上我们对股票池做行业中性化处理即根据残差划分的五组股票池内各行业选取残差排名后20的股票残差中性化后五组的累计收益年化收益表现区分明显多空组的年化收益夏普比率显著提升同时年化波动下降明显LnPB对ROE求残差后中性化分组收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明9PB-ROE定价模型截面时序模型LnPB对ROE求残差残差时序平滑选股效果不佳残差过去3个月移动平均选股分组收益表现在截面回归得到残差的基础上我们叠加时序模型对残差进行不同时间段的移动平滑处理对比基础截面赔率模型根据LnPB对ROE求残差选股在对残差时序平滑后并未提升模型选股效果且分组收益及多空表现不佳模型分组和多空收益表现均呈现明显的下滑残差过去6个月移动平均选股分组收益表现残差过去12个月移动平均选股分组收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明10PB-ROE定价模型截面时序模型LnPB对ROE求残差残差求时序百分位多头收益多空夏普表现变优除考虑时序平滑外我们同样对残差求滚动一年时序百分位再根据截面残差百分位对股票池进行选股分析考虑残差时序信息后选股多头累计收益年化收益表现相较于基础残差选股有所上升同时多空组夏普比率表现更优LnPB对ROE求残差后对残差求时序百分位分组收益表现LnPB对ROE求残差后对残差求时序百分位第五组分年度收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明11PB-ROE定价模型截面时序行业中性化模型LnPB对ROE求残差残差时序百分位行业中性化较残差时序百分位收益表现未提升基于前文分析结果结合残差时序百分位和行业中性化以加强模型选股效果选股模型效果在综合残差时序百分位和行业中性化后的优点降低多空波动提升多空夏普的同时但相较于LnPB对ROE求残差残差时序百分位模型加入行业中性化后分组多空收益未有提升LnPB对ROE求残差残差时序百分位行业中性化分组收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明12PB-ROE定价模型换仓周期分析月度换仓较季度换仓能获取更高的选股收益延长月度持股时间至季度持仓后发现月度换仓较季度换仓选股累计收益及年度收益表现略优而拉长持有周期并未获取更高的收益回报说明赔率模型的换仓周期并不用太长从估值因子的持有衰减结构看随着持有天数的上升前60天累计收益快速增加但整体衰减曲线持续上升期比较短拉长持仓周期并不会相应增强收益效果衰减曲线持续VS上升期较短LnPB对ROE求残差分组收益表现LnPB对ROE求残差季度换仓分组收益表现资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明13赔率模型PB-ROE定价模型总结本节对从截面和时序两个维度构建赔率模型从单维度看基础赔率模型LnPB对ROE求残差选股效果较好将截面时序模型相结合发现残差叠加时序平滑时序百分位选股效果不佳而残差加入截面行业行业中性化后分组收益区分明显多空收益表现提升拉长持有周期并未获取更高的收益回报赔率模型的换仓周期并不用太长PB时序模型时序平滑时序截面模型行业中性化结合分组多空收益表现差1残差行业中性化2残差时序平滑时序百分位保留时序动量波动信息多空收益更优分组收益区分明显并未提升模型选股效果多空收益夏普提升波动下降分组及多空收益均表现不佳3残差时序百分位4残差时序百分位行业中性化基础赔率模型LnPB对ROE求残差多头累计收益年化收益表现增加相较于模型1残差中性化加入行业中多头多空收益较好多空组夏普比率表现更优性化后分组多空收益未有提升中间三组分组收益区分不显著资料来源国海证券研究所请务必阅读报告附注中的风险提示和免责声明14赔率PB-ROE定价模型价值选股策略的胜率提升路径价值优选策略的逻辑推演及持仓结构请务必阅读报告附注中的风险提示和免责声明15赔率模型高胜率兑现路径通过成长反转技术质量因子边际提高赔率模型的胜率通过成长反转技术质量因子对不同估值分组的股票分组进一步分析对低估值股票的聚类进行优化以寻求更精细的解释因子将不同种类的增强因子组合以增强基本赔率模型收益构建多头收益显著多空收益和夏普提升的赔率增强选股策略残差风格较差分组收益呈单调线性变化波动率技术类增强因子杠杆流动性质量类增强因子边际提升赔率模型胜率风格因子复合增强因子多头收益显著交叉分组收益分化不明显多空收益提升多空夏普提升Beta动量反转类增强因子成长成长类增强因子资料来源国海证券研究所请务必阅读报告附注中的风险提示和免责声明16PB-ROE残差与风格因子暴露交叉分组残差与波动杠杆流动性市值风格因子双维度分组均有单调线性将个股截面回归残差与风格因子暴露在月度截面上进行组合分组对比各组的月均收益大致将风格因子归位两类残差和风格因子交叉分组收益均呈单调线性变化交叉分组收益分化不显著其中纵轴按照残差的分组第五组为残差越小的低估值组第一组为残差越大的高估值组而横轴按照不同barra因子暴露程度的分组第五组为barra因子高暴露第一组为barra因子低暴露低估值叠加小市值低波动低杠杆低流动性的分组个股月均收益更优这些风格因子暴露与残差交叉分组的收益呈现较为统一的单调性变化残差与波动率交叉分组月均收益残差与市值交叉分组月均收益低估值残差与流动性交叉分组月均收益残差残差与杠杆交叉分组月均收益残差与中市值交叉分组月均收益高估值低暴露因子暴露高暴露资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明17PB-ROE残差与风格因子暴露交叉分组Beta动量盈利估值成长在残差分组中月均收益差距相对较小各残差分组下Beta动量盈利估值成长分组的月均收益差距相对较小由于动量风格因子为长动量且选股分化效果较差后续我们将对动量因子期限进行拆分对比分析不同期限动量选股的效果同样我们将寻找其他解释力度更高分化效果更明显的成长类alpha因子低估值残差与成长交叉分组月均收益残差与动量交叉分组月均收益残差与Beta交叉分组月均收益残差残差与盈利交叉分组月均收益残差与估值交叉分组月均收益高估值低暴露因子暴露高暴露资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明18反转因子拆分反转类因子有效增强低估值组收益我们将动量因子进行拆分将短动量与长动量与残差做交叉分组发现低估值组叠加反转20日能有效提升收益且与其他分组分化明显较低的动量暴露说明前期较大的跌幅或较小的涨幅能更快兑现低估值股票的后续正向收益聚焦低估值组对比反转N日N204060120240分组下各低估值分组股票的持有月度收益结构收益衰减曲线发现反转20日因子能更有效的增强低估值组收益单纯使用反转因子的收益衰减较快在14交易日之后就有波动低估值组叠加反转N日因子分组月均收益残差与短动量交叉分组月均收益低估值较低估值更低估值残差残差与长动量交叉分组月均收益高估值低暴露因子暴露高暴露资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明19反转类因子增强赔率模型收益价值股的反转逻辑由于Barra中的动量因子分组效果差距不明显我们选取4个在低估值中解释力度更高的反转因子即估值本身过去一段时间的变化趋势以增强低估值选股效果将反转因子做同向处理后等权组合构建复合反转因子相较于基础赔率模型低估值叠加复合反转因子多头收益显著提升多头年化超额收益670多空年化收益813信息比090值得注意的是反转类因子在2022年贡献了较高收益低估值复合反转因子分组收益表现低估值复合反转因子多空年度收益表现反转因子分组多空及IC资料来源Wind国海证券研究所请务必阅读报告附注中的风险提示和免责声明20