量化研究中的估值体系尚存缺陷，价值因子亟待改进
　　主动研究常用绝对估值法和相对估值法进行企业内在价值的评估，面对不同行业、公司时会采用不同的估值模型。然而，量化从业者在处理“价值”类指标时稍显简单粗暴，直接以相对估值乘数作为因子，忽略了相对估值法背后的逻辑假设和意义。另一方面，价值因子虽长期仍能提供正向贡献，但稳定性欠佳。本篇报告中，尝试借鉴可比公司法，基于财务数据寻找目标企业的可比公司，全方位对价值因子进行重构。
　　定量化寻找可比公司，全方位重构价值因子
　　从生命周期、公司规模、盈利能力、资产结构和运营效率五个维度定义可比公司，通过余弦相似度计算可比公司间的相似程度。从基准、空间和时间三个维度重塑价值因子：基准类因子直接以可比公司的估值定义标的价值，并构造了个性度加权的价值因子；空间类因子通过计算目标公司和可比公司估值间的距离表征赛道空间大小以及成长溢价；时间类因子通过计算当前估值空间在过去1年中的位置定义目标公司的相对估值性价比。
　　关联价值因子预测能力显著，相较于原价值因子有明显提升
　　关联EP因子在全市场内表现十分出色，自2013年1月1日至2023年1月31日，行业市值中性后的关联EP因子Rank IC均值为4.87%，年化ICIR分别为3.49，IC月胜率达85.12%，分十组收益呈现严格单调，且多头和多空组合的超额收益和回撤改善幅度明显。可比公司框架下的改进方法对于不同类别的价值因子适用性较强，合成后的大类关联价值因子的选股效果有显著提升，相比原价值因子ICIR由2.47提升至3.75，IC月胜率从74.4%提升至86.8%，多空年化收益提升3.3%，且在不同指数域和板块中几乎都有较为明显的改善。为考察关联价值因子对多因子模型的边际贡献，以沪深300和中证500指数增强为例，将原价值因子替换为关联价值因子提升组合收益和稳定性。其中，中证500增强组合的年化超额收益由17.31%提升至19.04%，且跟踪误差和相对回撤均有明显改善，信息比由2.94提高到3.38，超额收益风险比有显著提升。
　　风险提示
　　本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha因子可能失效，本文内容仅供参考。
　　

研究报告全文：TableStockNameRptType金融工程专题报告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TableRptDate报告日期2023-03-10主要观点TableSummary量化研究中的估值体系尚存缺陷价值因子亟待改进分析师严佳炜TableAuthor执业证书号S0010520070001主动研究常用绝对估值法和相对估值法进行企业内在价值的评估面对邮箱yanjwhazqcom不同行业公司时会采用不同的估值模型然而量化从业者在处理价值类指标时稍显简单粗暴直接以相对估值乘数作为因子忽略分析师吴正宇了相对估值法背后的逻辑假设和意义另一方面价值因子虽长期仍能执业证书号S0010522090001提供正向贡献但稳定性欠佳本篇报告中尝试借鉴可比公司法基邮箱wuzyhazqcom于财务数据寻找目标企业的可比公司全方位对价值因子进行重构定量化寻找可比公司全方位重构价值因子从生命周期公司规模盈利能力资产结构和运营效率五个维度定义可比公司通过余弦相似度计算可比公司间的相似程度从基准空间和时间三个维度重塑价值因子基准类因子直接以可比公司的估值定义标的价值并构造了个性度加权的价值因子空间类因子通过计算目标公司和可比公司估值间的距离表征赛道空间大小以及成长溢价时间类因子通过计算当前估值空间在过去1年中的位置定义目标公司的相对相关报告TableCompanyReport估值性价比1行业轮动逻辑的标签化应用重构轮动框架中观量化系列报告之关联价值因子预测能力显著相较于原价值因子有明显提升四2022-12-12关联EP因子在全市场内表现十分出色自2013年1月1日至20232个股alpha与行业beta的双剑合年1月31日行业市值中性后的关联EP因子RankIC均值为璧量化基本面系列报告之七487年化ICIR分别为349IC月胜率达8512分十组收益呈2022-11-22现严格单调且多头和多空组合的超额收益和回撤改善幅度明显3固收组合构建白皮书大时代的可比公司框架下的改进方法对于不同类别的价值因子适用性较强合成小尝试下量化绝对收益之路后的大类关联价值因子的选股效果有显著提升相比原价值因子ICIR系列之四2022-7-20由247提升至375IC月胜率从744提升至868多空年化收4固收组合构建白皮书大时代的益提升33且在不同指数域和板块中几乎都有较为明显的改善小尝试中量化绝对收益之路为考察关联价值因子对多因子模型的边际贡献以沪深300和中证系列之三2022-5-29500指数增强为例将原价值因子替换为关联价值因子提升组合收益和5FOF赋能绝对收益基金组合构稳定性其中中证500增强组合的年化超额收益由1731提升至建实战上量化绝对收益之路1904且跟踪误差和相对回撤均有明显改善信息比由294提高到系列之二2022-5-28338超额收益风险比有显著提升6固收组合构建白皮书大时代的小尝试上量化绝对收益之路风险提示系列之一2022-5-28本报告基于历史个股数据进行测试历史回测结果不代表未来收益未来市场风格可能切换Alpha因子可能失效本文内容仅供参考敬请参阅末页重要声明及评级说明证券研究报告TableCommonRptType金融工程正文目录1量化估值体系尚存缺陷价值因子亟待改进52如何寻找可比公司如何定义关联价值621可比公司具有哪些相似特征7211生命周期7212公司规模8213盈利能力运营效率9214经营结构1022如何定量化表征公司间的相似程度1123如何利用可比公司的估值信息构建新价值因子16231基准类因子16232空间类因子18233时间类因子183关联价值因子在不同样本域的选股能力如何1931关联EP因子在全市场中预测能力显著改进效果明显2032关联价值因子在不同指数域均有明显提升2433关联价值因子在不同板块中均有提升医药周期制造改善幅度明显254关联价值因子在指数增强模型中的应用2641沪深300指数增强2642中证500指数增强285总结29风险提示30敬请参阅末页重要声明及评级说明231证券研究报告TableCommonRptType金融工程图表目录图表1绝对估值法VS相对估值法5图表2BP因子全市场内分时期IC及多空收益表现6图表3BP因子多空净值走势6图表4可比公司估值法流程图7图表5DICKINSON现金流法划分企业生命周期7图表6不同生命周期企业的市盈率TTM均值8图表7不同生命周期企业的市净率均值8图表8沪深300和中证1000指数市盈率TTM时序变化9图表9毛利率和市盈率TTM存在正向关联截止至2022Q39图表10部分上市公司研发强度所属行业和市盈率汇总截止至2022Q310图表11相似特征指标汇总11图表12不同相似度衡量方法示意图12图表13不同度量方法对比公司数据示例12图表14不同度量方法对比相似度计算结果13图表15距离指标与余弦相似度效果对比示意图14图表16全市场相似度均值时序变化15图表17个股层面不同相似度组占比分布2022123015图表18行业层面不同相似度组占比分布2022123016图表19贵州茅台的部分可比公司示例2022123016图表20可比公司估值区间示意图17图表21基准类因子明细以EP为例带的表示取相似度最高的前6家计算因子17图表22可比公司估值空间示意图18图表23空间类因子明细以EP为例带的表示取相似度最高的前6家计算因子18图表24可比公司法估值性价比示意图19图表25时间类因子明细以EP为例带的表示取相似度最高的前6家计算因子19图表26关联EP因子汇总带的表示取相似度最高的前6家计算因子19图表27细分因子在全市场中的表现汇总201311-202313120图表28行业市值中性化后的细分因子值秩相关性分析201311-202313121图表29EPCOMP因子IC序列22图表30EPCOMP因子分十组年化超额收益22图表31改进前后EP因子多空净值走势对比22图表32改进前后EP因子多空组合分年度收益对比22图表33改进前后EP因子多头超额净值走势对比23图表34改进前后EP因子多头组合分年度超额收益对比23图表35正交前后EP因子表现23图表36不同参数下关联EP因子IC均值23图表37不同参数下关联EP因子ICIR23图表38价值因子明细24图表39不同关联价值因子全市场有效性汇总24图表40关联价值因子在不同指数域中的表现25图表41关联价值因子与其他大类因子的相关性25图表42关联估值因子在不同板块中的表现26敬请参阅末页重要声明及评级说明331证券研究报告TableCommonRptType金融工程图表43沪深300指数增强策略历史净值走势201311-202313127图表44沪深300指数增强模型业绩对比201311-202313127图表45中证500指数增强策略历史净值走势201311-202313129图表46中证500指数增强模型业绩对比201311-202313129敬请参阅末页重要声明及评级说明431证券研究报告TableCommonRptType金融工程1量化估值体系尚存缺陷价值因子亟待改进长久以来如何对企业进行合理估值是投研人员的核心命题之一无论是对于机构还是个人投资者立足于公司的财务数据对企业的内在价值进行评估不仅是重要的研究手段也是从业者的必备技能合理的估值有助于理解企业和其所处赛道的价值和空间进而对投资决策形成参考亦是确定买入或卖出时点的依据传统而言主动研究常用的估值方法分为两类分别是绝对估值法和相对估值法绝对估值法是指通过对证券的基本财务要素的计算和处理得到该证券的绝对金额各类基于现金流贴现的方法均属此类常见模型包括现金流贴现模型股息贴现模型资本现金流模型等绝对估值具有广泛的实践性能更准确地反映公司的内在价值但由于模型涉及参数多主观性较强导致结果对参数相对敏感相对估值法主要采用乘数方法将目标企业与其它可比公司进行对比从静态的角度分析某一股票是否具有投资价值市值是否有上升空间常见乘数如市盈率市净率市销率等当然主动研究人员在面对不同行业不同赛道不同公司时会采用不同的估值模型参数假设和细节处理充分反映了研究人员的经验和技术然而量化从业者在处理价值类指标时稍显简单粗暴直接以相对估值乘数作为因子暗含可比公司的思想通过横截面比较来找到被低估的个股等同于假设全市场的其它标的均是可比公司秉承均值回复的思路来赚取超额收益但实际上这种相对估值法的运用一定程度上被曲解由于企业本身的估值存在定价偏差因而才有价值重估的意义现金流折现法或者可比公司法直接使用被扭曲的估值指标去择股自然缺乏稳定性且违背了可比公司法的逻辑假设图表1绝对估值法vs相对估值法资料来源wind资讯华安证券研究所另一方面当前传统价值因子虽然在多因子模型中仍占据一席之地但自2019年之后其稳定性已大不如前以BP因子为例可以看到以2019年为分界线前后选股能力呈现较大的差异性2019年以前因子RankIC均值达51年化ICIR为157但近4年来IC均值降至383年化ICIR为123多空收益也下滑明显尤其是在2019和2020年大盘成长风格强势期间价值因子对组合几乎是一种拖累逐渐的价值因子在投资实践中更多地充当安全垫的作用甚至有从业人员开始放弃或降低价值因子的权重虽说在市场下行期间例如2022年价值因子仍有一定发挥但其溢价长期呈现收敛的趋势敬请参阅末页重要声明及评级说明531证券研究报告TableCommonRptType金融工程图表2BP因子全市场内分时期IC及多空收益表现时间RankIC均值年化ICIRIC月胜率多空月均收益全区间45914403619809120131-20181251015715625011120191-20231383123096122061资料来源wind资讯华安证券研究所图表3BP因子多空净值走势资料来源wind资讯华安证券研究所由此可见当前量化从业者面临价值困境价值因子已然成为了食之无味弃之可惜的一类因子长期仍能提供正向贡献但稳定性欠佳在本篇报告中我们尝试借鉴主动研究中常用的可比公司法结合主动的思考模式和量化的模型工具尝试寻找目标企业的可比公司并从多维度对价值因子进行重构2如何寻找可比公司如何定义关联价值本章节中我们参考可比公司法借助量化模型模拟主动研究员的估值过程通过以下几个步骤构造因子1选取合适的可比公司2选取合适的指标3估算目标企业的价值在选择可比公司时主动研究人员往往根据业务类型和商业模式主观挑选企业一般为处于同一细分行业的公司但从量化的角度只挑选处于同一行业的企业去进行比较不是一个好的选择一方面这与因子行业中性化的处理方式重复且行业内个股估值变动的同步性较强大概率会同涨同跌无法带来增量信息另一方面部分公司业务繁多如果框定在同一行业内进行估值可能缺少对不同业务分步估值的过程从而损失有效信息因此后文在寻找可比公司时不纳入行业变量敬请参阅末页重要声明及评级说明631证券研究报告TableCommonRptType金融工程图表4可比公司估值法流程图资料来源wind资讯华安证券研究所下面我们针对如何寻找可比公司如何充分利用可比公司的估值信息以及因子具体的构造逻辑展开深入讨论21可比公司具有哪些相似特征可比公司为我们评估目标企业的市场价值提供参照但可靠性依赖于其它上市公司的可比程度因此后续分析的前提是找到业务类型产品规模盈利能力等方面相似可比的公司集合下文主要从生命周期公司规模盈利能力资产结构和运营效率五个维度定义可比公司211生命周期我们曾在20211121发布的企业生命周期理论如何运用在选股中引入生命周期这一概念把公司视作多种产品的集合依据经营投资和融资现金流TTM数据的正负性将企业划分至初创期成长期成熟期动荡期和衰退期其中现金流出现0或缺失值的情况以行业中位数进行填充银行非银行金融行业视为成熟期图表5Dickinson现金流法划分企业生命周期资料来源wind资讯华安证券研究所在探讨不同生命周期股票特征的过程中我们发现所处不同生命周期的企业具有截然不同的定价逻辑和估值特征对于成长期企业而言大多处于经营规模快速扩张的阶段追求的是规模价值通常具有较高的估值成熟期企业处于资本扩张阶段营收增长会受到一定程度的抑制企业通过协同效应使财务数据结构得到优化守住甚至扩大市场份额因此投资者一般不会给予成熟期企业过高的估值而衰退期则是由于新技术或新产品的进入使得需求偏好的改变导致公司产品的市场需求逐渐减少企业的业绩增速也随之下滑因而估值也处于较低水平市盈率分布呈敬请参阅末页重要声明及评级说明731证券研究报告TableCommonRptType金融工程现出跷跷板现象是由于衰退期企业的微利效应图表6不同生命周期企业的市盈率TTM均值图表7不同生命周期企业的市净率均值资料来源wind资讯华安证券研究所资料来源wind资讯华安证券研究所212公司规模长期以来A股市场中大盘价值小盘成长的说法揭示了投资者对于不同市值企业的定价逻辑截然不同大市值股盈利相对稳定成长性有限分析师覆盖度高且业绩透明性强从而导致了其上行空间有限估值一般不会过高相比之下小市值股具有较大的增长潜力上升空间广阔成长性可期另一方面估值高低也与行业属性相关以沪深300代表大盘股中证1000为小盘股一般而言弱周期属性行业的估值会高于强周期属性行业而沪深300成分股中金融地产的占比仍居于高位反观中证1000指数医药基础化工新能源电子等成长性行业由于拥有各自的产业周期估值通常比银行地产等行业高从大盘股和小盘股估值的历史变化趋势来看得到几点有趣的结论首先从相对的角度来看大盘价值小盘成长现象长期存在至今亦是如此第二大盘股和小盘股的估值差处于收敛趋势差距不断缩小一方面宏观经济环境发生了较大的变化国内经济增速开始放缓大盘股承压能力相较于小盘股更强另一方面行业结构也发生了一定的转变沪深300成分股中食品饮料和新能源成为权重最高的两个行业一定程度上也加剧了沪深300内部的估值分化并缩小了大盘股和小盘股间的估值差距第三小盘股估值波动显著高于大盘股这与前文的逻辑一致大盘股业绩透明且基本面表现相对稳定因此估值稳定而小盘股受外部环境影响较大盈利波动高导致了其定价偏差较大敬请参阅末页重要声明及评级说明831证券研究报告TableCommonRptType金融工程图表8沪深300和中证1000指数市盈率TTM时序变化资料来源wind资讯华安证券研究所213盈利能力运营效率盈利是企业的生存和发展的根本盈利能力差别较大的企业应有不同的估值逻辑一方面盈利能力强的企业资产利用效率高能源源不断地创造价值从而提升企业效益另一方面盈利能力反映了企业所处赛道或所涉业务的商业模式的优劣以中信一级行业为例从毛利率和市盈率的关系可以看出赚钱能力较强的企业往往会给予更高的估值食品饮料医药行业公司具有较强的利润率从而获得较高的估值图表9毛利率和市盈率TTM存在正向关联截止至2022Q3资料来源wind资讯华安证券研究所除此之外企业运营的效率对于盈利能力的提升起到不小的作用运营效率主敬请参阅末页重要声明及评级说明931证券研究报告TableCommonRptType金融工程要指企业运营资产的效率和效益反映了企业利用掌控的资产产生经济效益的能力即投入产出或成本收益比的最佳状态其中资产周转速度是衡量企业营运效率的主要指标资产周转速度越快表明资产可供运用的机会越多使用效率越高反之则表示资产利用效率越差企业通过优化内部结构提升运营效率使利润赚取效率最大化从而间接达到提升估值的目的214经营结构上一节提到一家企业的估值市盈率往往和其盈利能力呈正向关系但众所周知银行股ROE长期表现稳定在行业中处于中上游水平但银行板块整体估值偏低事实上这一定程度上归结于它的资产结构由于特殊的商业模式决定了银行是高负债行业存在发生系统风险的可能性当出现一些极端事件时可能会引发大规模坏账从而严重到影响银行未来的经营可持续性普遍而言负债率较高的企业经营灵活性差风险性高不宜给较高的估值此外固定资产占比过高的公司也受到较大的制约此类公司多为上游无明显技术壁垒竞争格局较差若企业无法有效利用资产创造收益会导致资金效率低下引起巨大的折旧成本最后促使毛利净利率大幅降低因此固定资产占比高的企业往往估值偏低另外研发强度同样是区分产业性质的重要标志部分行业例如计算机是典型的研发投入密集型行业通过高研发强度来获得科技附加值往往具有较高成长性以及估值相比之下银行白酒家电这类行业几乎没有研发投入其业务属性不具备科技创新能力因此加入研发类指标可以将盈利能力相近所处同一大类板块或行业但商业逻辑业务性质差异较大的企业有效区分开来图表10部分上市公司研发强度所属行业和市盈率汇总截止至2022Q3证券代码股票简称所属中信一级行业研发费用亿元营业收入亿元研发强度市盈率TTM002230SZ科大讯飞计算机23311266118415386300750SZ宁德时代电力设备及新能源105772103405034988002475SZ立讯精密电子61951452524272683000333SZ美的集团家电89172703673301167300015SZ爱尔眼科医药202130521558081601899SH紫金矿业有色金属799204191039953000858SZ五粮液食品饮料162557800292599600519SH贵州茅台食品饮料115871600134084600036SH招商银行银行000264833000662601888SH中国中免消费者服务000393640004982资料来源wind资讯华安证券研究所综上从生命周期公司规模盈利能力经营效率以及经营结构五个维度找寻可比公司具体指标汇总如下敬请参阅末页重要声明及评级说明1031证券研究报告TableCommonRptType金融工程图表11相似特征指标汇总特征指标生命周期现金流符号法总市值公司规模总资产营业收入TTMROETTM盈利能力ROATTMROICTTM总资产周转率运营效率应收账款周转率存货周转率杠杆率经营结构固定资产占比研发强度TTM资料来源wind资讯华安证券研究所22如何定量化表征公司间的相似程度在确定可比公司的相似特征后如何度量公司间的相似程度呢一般来讲衡量相似度的方法主要有距离和夹角常用的方法有如下几种欧几里得距离EuclideanDistance欧几里得距离反映了两点在n维空间中的绝对距离描述个体间的绝对差异强调个体特征的相同程度当n2或3时即为日常生活中最常接触的直线距离但是欧几里得距离不能根据个体各维度或指标的重要程度区别处理同时对特征进行缩放或转换单位后的结果可能出现较大变动因此欧氏距离适合在量纲一致的情况下使用对于n维向量12和n维向量12欧几里得距离计算公式如下21曼哈顿距离ManhattanDistance曼哈顿距离又称L1-距离或城市区块距离反映两个点上在标准坐标系上的绝对轴距之总和曼哈顿距离适用于个体各维度或属性是离散的情况适用于物体移动路线规划情景对于n维向量12和n维向量12其曼哈顿距离计算公式如下1切比雪夫距离ChebyshevDistance切比雪夫距离又称L度量在这种距离定义下两点之间的距离即各类特征差值绝对值的最大值常用于仓储物流管理具体来说对于n维向量12和n维向量12其切比雪夫距离计算公式如下闵可夫斯基距离MinkowskiDistance敬请参阅末页重要声明及评级说明1131证券研究报告TableCommonRptType金融工程闵可夫斯基距离是一组距离的定义包括以上介绍的欧几里得距离曼哈顿距离以及切比雪夫距离等对于n维向量12和n维向量12其闵可夫斯基距离计算公式如下1在闵可夫斯基距离表达式中p为可变参数当p1时即为曼哈顿距离当p2时即欧几里得距离当p趋于无穷即切比雪夫距离余弦相似度Cosinesimilarity除了距离夹角余弦也常用于衡量个体间的相似程度即余弦相似度夹角余弦越接近1个体间的相似程度越高夹角余弦越接近-1个体间越是相互背离相比欧几里得距离余弦相似度更加侧重相似程度注重各维度间的一致性对特征数据缩放或转换单位后对结果影响不大对于n维向量12和n维向量12其夹角余弦计算公式如下12211图表12不同相似度衡量方法示意图资料来源华安证券研究所整理举例来看不同相似度计算方法的区别下表为ABC三家公司研发投入公司规模固定资产占比净资产收益率以及总资产周转率现以B公司为目标公司从AC两家公司中找到与B相似度最高的一家图表13不同度量方法对比公司数据示例研发投入占总资产固定资产占公司净资产收益率总资产周转率比万元比敬请参阅末页重要声明及评级说明1231证券研究报告TableCommonRptType金融工程T期A1503100510009103054B6002300056011003800C7002000050013004100T1期A0503206010509003000B6302503850011503750C7302005049014004150资料来源华安证券研究所整理直觉上A公司研发投入占比偏低规模相对较大固定资产占比高ROE相对较低综合来看属于一家资本密集型公司B公司和C公司研发投入与ROE显著高于A公司而公司规模和固定资产占比低于A公司整体来看是成长型的科技类公司所以相比A公司C公司与公司B相似度更高对原特征值进行极值缩尾标准化处理计算各项相似度指标结果如下表所示图表14不同度量方法对比相似度计算结果公司欧几里得距离曼哈顿距离切比雪夫距离余弦相似度T期A与B383847197-089B与C165327126079T1期A与B376826210-082B与C183345122066变化量A与B-007-021013007B与C018018-003-013资料来源华安证券研究所整理结果表明各类度量指标均能做出正确判断A与B夹角余弦显著小于B与C表明两者在特征空间的位置差别显著距离类指标整体上也能计算得出B公司与C公司距离更近相似度更高然而不同时期中各类指标对特征值变动的敏感程度有所不同相比距离类指标余弦相似度总体波动较小对同类型公司的判断结果更稳定此外由于余弦相似度的取值区间为-11因此还具有可操作性上的优势一方面由于距离指标取值范围为0且运算结果对数据敏感难以设定某一明确的距离值来筛选可比公司若直接以距离小于d或取排名前n的公司作为可比对敬请参阅末页重要声明及评级说明1331证券研究报告TableCommonRptType金融工程象很可能引入干扰样本实际不可比使得基于可比公司估计出来的估值偏离真实情况然而使用余弦相似度时直接设定阈值可以剔除明显不可比的公司从而增强了可比公司的可信度另一方面基于可比公司法构建因子时需根据公司间相似程度对可比公司的估值信息进行线性组合利用余弦相似度无需进行过多处理有效减少了信息损失结合以上特点本文选取余弦相似度指标衡量公司间的相似程度图表15距离指标与余弦相似度效果对比示意图资料来源华安证券研究所整理在计算余弦相似度前对可比公司的13个特征值在每个截面进行标准化以及缺失值填充处理生命周期设置为哑变量特别的由于生命周期变量的定义尚无结论且处于动荡期企业的生命周期特征变动较快可能会影响整体结果的稳定性因此通过对其乘05适当降低该维度权重对相似度的计算结果进行分析首先从全市场相似度均值的时序变化来看中枢处于305左右总体波动较小说明余弦相似度作为度量指标的稳定性较强最高点出现在2017年4月相似度均值为3103最低点出现在2015年7月相似度均值为3016敬请参阅末页重要声明及评级说明1431证券研究报告TableCommonRptType金融工程图表16全市场相似度均值时序变化资料来源wind资讯华安证券研究所进一步的定义相似度大于09的为高相似度公司处于05-09范围的为中等相似度公司低于05为低相似度公司统计2022年12月30日每只个股的相似度分布再进行汇总总体来看对于目标企业而言绝大部分企业均为低相似度公司平均值和中位数约7820的企业为中等相似度公司而高相似度企业仅在1左右再次侧面印证了传统价值因子用法的不合理性图表17个股层面不同相似度组占比分布20221230资料来源wind资讯华安证券研究所从行业层面来看对于银行非银行金融这一类业务模式相对固化单一的行业高相似度企业占比较高高技术制造类行业的高相似度占比整体处于中上游而周期消费类行业的高相似度企业占比偏低我们猜想一方面与行业股票数有关另一方面对于周期性行业可能是行业的产业周期与经济周期的关联度较高而各公敬请参阅末页重要声明及评级说明1531证券研究报告TableCommonRptType金融工程司间景气度存在错峰最终反映在财务指标在同一时期存在较大差异而消费类行业内部的商业逻辑各异较难一概而论图表18行业层面不同相似度组占比分布20221230中信一级行业高相似度中相似度低相似度中信一级行业高相似度中相似度低相似度银行34226740基础化工11221768机械23208769家电11230760计算机21181798煤炭11232758国防军工20183797钢铁09223768通信19208773传媒09181810建筑17179804有色金属09214778电力设备及新能源17206777农林牧渔08192800非银行金融16150834综合08173819汽车15220765石油石化07208784电子14215771消费者服务07170823医药13216771食品饮料07204790建材13214773综合金融07163831电力及公用事业12178811房地产06146848纺织服装12210779交通运输06184810轻工制造11222767商贸零售05165830资料来源wind资讯华安证券研究所为更直观地了解可比公司的计算结果以贵州茅台为例可以看到与贵州茅台相似度最高的五家公司中同行占比达80仅片仔癀属于其它行业而片仔癀也一度被称为药中茅台不少投资者认为由于两者提价特点产量限制以及愈久弥珍的共性两者的定价逻辑是相似的图表19贵州茅台的部分可比公司示例20221230股票代码股票简称中信一级行业总市值亿元相似度000858SZ五粮液食品饮料7013689956603369SH今世缘食品饮料638549935002304SZ洋河股份食品饮料2418729894000568SZ泸州老窖食品饮料3301179872600436SH片仔癀医药1740339792资料来源wind资讯华安证券研究所总结而言我们通过计算公司在生命周期公司规模盈利能力运营效率和经营结构特征上的余弦相似度衡量公司间的相似程度将余弦相似度在09以上的定义为可比公司后文不再赘述23如何利用可比公司的估值信息构建新价值因子在主动研究的估值步骤中确定可比公司后须选择合适的估值乘数来估算标的价值不同的是量化研究能更灵活地追求信息的全面性因此在估值乘数的选择上可对所有价值因子在同一框架下进行重构另外对于可比公司估值信息的提取也可从不同的角度进行因子构造全方位表征目标企业的估值231基准类因子首先由于可比公司与目标公司的业务和估值逻辑相似可作为目标公司的估值基准进行参考因此标的公司的估值可通过可比公司的估值直接定义其中中敬请参阅末页重要声明及评级说明1631证券研究报告TableCommonRptType金融工程位数平均值相似度加权平均反映了目标公司所处赛道的估值中枢水平可比公司估值的最大值反映了行业天花板即赛道估值的上限相应的可比企业中估值的最小值反映了赛道估值下限图表20可比公司估值区间示意图资料来源wind资讯华安证券研究所此外我们发现部分公司的可比公司的数量较少且与可比公司的平均相似程度较低在估值逻辑上极具个性这一类公司业务层级复杂或者业务模式独此一家在市场中鲜有同行因而较难通过可比公司法进行估值总之无论是何原因对此类公司进行估值时都不该直接使用可比公司的估值信息而是综合应用可比公司的估值和目标公司的估值信息这里我们的处理方式是构造估值个性度加权的价值因子其中个性度指代目标公司估值能被可比公司解释的程度或者说可比公司估值的可信度分别用可比公司的估值离散度以及可比公司家数表示估值离散度的定义参考离差的构建方式表示为可比公司中EP的最小值EP最大值再乘以相似度的均值来计算个性度权重由于可比公司家数的区间是0我们通过sigmoid函数对可比公司家数进行非线性转换压缩到01的区间内再乘相似度均值来计算估值个性度具体公式如下公式的左半部分表示目标公司的估值中能被可比公司解释的部分右半部分表示无法被可比公司估值解释的部分即对于目标公司而言可比公司估值的离散度越大或可比公司数量越少说明可比公司的估值信息越不可信难以为目标公司的估值提供参考应给予较低的权重COMPCOMPsimavg1simavgsimavgCOMP1simavg66图表21基准类因子明细以EP为例带的表示取相似度最高的前6家计算因子类别符号含义MED关联EP中位数AVG关联EP算术平均WEIGHTED关联EP相似度加权平均基准MAX关联EP最大值MIN关联EP最小值WGT个性度最小值最大值相似度均值加权平均WGT2个性度可比公司家数sigmoid非线性转换相似度均值加权平均资料来源wind资讯华安证券研究所敬请参阅末页重要声明及评级说明1731证券研究报告TableCommonRptType金融工程232空间类因子除了基准估值这类绝对意义上的指标外判断目标公司的估值便宜与否还需将目标公司的当前估值和基准估值进行对比反映其相对估值水平实际上目标公司估值与基准估值的差距衡量的是一家企业的估值空间可比企业估值如同锚定的中枢若目标企业的估值低于可比基准说明存在上升空间未来大概率会上涨相反若目标企业估值高于估值中枢一定程度上说明目标企业当前估值偏高未来大概率会下跌因此定义目标公司价值乘数与可比公司价值乘数中位数的差为价值距离因子记为DST定义目标公司价值乘数相对于可比公司乘数中位数的溢价比例为价值溢价因子记为PRM图表22可比公司估值空间示意图资料来源wind资讯华安证券研究所另外考虑到如果目标公司商业模式优质未来成长性强当前时点确实值得被给予较高的估值那么上述定义方法可能会错失一些热门赛道的投资机会因此亦可直接通过可比公司的估值区间宽度定义赛道的成长性溢价以目标公司的成长性为锚可比公司中成长性较高的公司估值代表了市场对于这类赛道中业绩快速增长企业的估值兑现情况而对于成长性较低的可比公司估值理应处于较低水平也就是说两组公司之间的估值差距代表了市场对于这类赛道成长性所给予的估值溢价数值越大目标公司未来更有可能获得由估值提升或业绩兑现带来的超额收益具体而言根据WIND分析师一致预期复合增速CAGR作为未来成长性的代理变量缺失值用最近一期归母净利润TTM同比增速填充将可比公司根据预期增速大小分为两组其中预期增速高于目标公司的可比公司视为高成长组低于目标公司的为低成长组计算高增速组和低增速组的估值差作为因子用均值定义各组的估值是较为保守的做法而分别取低增速组的价值乘数最大值和高增速组价值乘数最小值是更为激进的做法能最大限度地表征赛道成长性带来的估值溢价图表23空间类因子明细以EP为例带的表示取相似度最高的前6家计算因子DST原EP-关联EP中位数PRM原EP-关联EP中位数关联EP中位数空间GAPAVG低增速组EP均值-高增速组EP均值GAPMMM低增速组EP最大值-高增速组EP最小值资料来源wind资讯华安证券研究所233时间类因子敬请参阅末页重要声明及评级说明1831证券研究报告TableCommonRptType金融工程最后从时间的维度评判目标公司的估值亦是考察估值性价比的一个角度对此我们对价值溢价和距离类因子采用时间序列Z-SCORE的处理方式定义时间类因子其中分子部分表示当前标的溢价程度与过去一年平均情况的对比分母部分则是溢价程度的标准差衡量其稳定性这样构造的好处在于对于周期性较强的公司业绩爆发期间往往利润快速释放但溢价部分往往波动较大既保留了布局的可能性又降低在右侧高点买入的风险图表24可比公司法估值性价比示意图资料来源wind资讯华安证券研究所图表25时间类因子明细以EP为例带的表示取相似度最高的前6家计算因子DSTZSCOREDST的12个月时序标准分时间PRMZSCOREPRM的12个月时序标准分资料来源wind资讯华安证券研究所综上所述我们从基准空间和时间三个维度定义了价值因子充分利用可比公司的估值信息饱满了目标公司的估值逻辑需要注意的是计算细节上对于中位数MED最大值MAX最小值MIN距离DST和溢价PRM类因子为保证基准估值的精确性取可比公司中相似度最高的前6家进行计算对于其它因子取所有可比公司相似度大于09数据进行计算图表26关联EP因子汇总带的表示取相似度最高的前6家计算因子类别符号含义MED关联EP中位数AVG关联EP算术平均WEIGHTED关联EP相似度加权平均基准MAX关联EP最大值MIN关联EP最小值WGT个性度最小值最大值相似度均值加权平均WGT2个性度可比公司家数sigmoid非线性转换相似度均值加权平均DST原EP-关联EP中位数PRM原EP-关联EP中位数关联EP中位数空间GAPAVG低增速组EP均值-高增速组EP均值GAPMMM低增速组EP最大值-高增速组EP最小值DSTZSCOREDST的12个月时序标准分时间PRMZSCOREPRM的12个月时序标准分资料来源wind资讯华安证券研究所3关联价值因子在不同样本域的选股能力如何敬请参阅末页重要声明及评级说明1931证券研究报告TableCommonRptType金融工程从这一章开始我们将转向实战考察可比公司法下的新价值因子在选股中的应用从因子有效性和策略角度探讨在选股中的作用具体的先以EP因子为例分别测试行业市值中性化后的细分因子在全市场中的表现回测时间为2013年1月1日-2023年1月31日通过RankIC年化ICIR以及分十组年化收益超额收益比较基准为成分股等权来判断因子的有效性进一步的考察合成价值因子在不同选股域中的表现以及是否能带来信息增量31关联EP因子在全市场中预测能力显著改进效果明显下图展示了13个细分因子在全市场中的绩效表现所有单因子的RankIC均值超过了2年化ICIR在15以上其中时间类因子表现最为出色IC均值接近3年化ICIR分别为396和385具有极强的稳定性除此之外因子的多空收益和多头超额收益同样表现出色空间类因子表现紧随其后溢价PRM和距离DST因子有效性同样不俗而GAP类因子低增速组EP-高增速组EP虽然收益预测能力稳定但多头超额收益十分有限最后是基准类因子整体表现相对一般通过个性度加权改进后的因子表现相对更优WGT因子最小值最大值相似度均值加权RankIC均值达428年化ICIR达213多空年化收益494多头年化超额为221有趣的是MAX因子多头超额收益为-18我们猜想也许是对于部分赛道而言估值下限越低可比企业EP最大值越高说明这一类赛道的商业模式不被看好前景有限因此对于崇尚低估值的投资者而言实质上是落入了价值陷阱需对此保持警惕图表27细分因子在全市场中的表现汇总201311-2023131因子简称RankIC年化ICIRIC月胜率多空年化收益多头年化超额空头年化超额EPCOMPDSTZSCORE28939618926983476-576EPCOMPPRMZSCORE292385386781164588-671EPCOMPPRM34128627851535259-405EPCOMPGAPAVG24126247769272027-341EPCOMPDST29824707438576190-486EPCOMPWGT42821257273494221-459EPCOMPGAPMMM20420137438293-026-406EPCOMPWGT238020057273558225-564EPCOMPMED29218527355336007-503EPCOMPMAX29618367190311-179-620EPCOMPAVG29418277107289-009-477EPCOMPWEIGHTED29418267107278-020-475EPCOMPMIN24316736529202089-280资料来源wind资讯华安证券研究所从因子间的相关性来看时间类因子和空间类因子的特异性强与其它类别因子的相关系数处于较低水平且与EP因子和EP分位数因子亦保持相对较低的相关性另外与直觉相符的是基准类因子不仅内部相关性较高且与EP因子也具有较高的相关性敬请参阅末页重要声明及评级说明2031证券研究报告