基于DCF贴现模型的传统PE估值难以解释相同增速下的不同估值问题。基于阶段DCF模型，给出一定的增速假设和持续时间，便可给出不同的理论PE，高PE的公司，估值的贡献主要源自于远期的增速。但在实际投资中经常发现相同增速但是估值不同的个股，因此需要寻找一个更加合理和逻辑自洽的估值模型。
　　收益并非价值流量的完美度量，AEG模型的核心在于其综合考量了包括股利再投资在内的全收益和机会成本。AEG模型不仅捕捉了公司当前的盈利能力，还要求还原公司股利再投资下的全收益，尤其是那些超出股东要求回报率的收益增长部分。与DCF模型相比，更全面的考察了收益的来源和机会成本，如果忽略了某一部分就会导致相应的定价偏误，产生难以理解的估值异象。对比表明，AEG估值模型较DCF模型定价更加准确。
　　基于全收益估值下的红利择时表现更加稳定。从理论估值来看，实际交易的PE中枢基本围绕理论PE中枢进行波动，结果表明中证红利指数的PE仍有上行的空间。红利类资产由于股息发放较多，因此存在更多的定价偏误，因而构建全收益下的估值：P/全收益。P/全收益下的值为5.8，低于传统的7.2市盈率。通过计算P/全收益，AEG模型能够更准确地反映红利资产的估值，从而优化择时策略年化收益达到8.8%，夏普比率为0.77，最大回撤-11%，周度胜率为55%，相较于传统方法有显著提升。
　　带息收益下的估值因子表现较传统EP得到显著提升。通过优化传统的EP因子，报告提出了AEG_EP因子，不仅考虑了公司的盈利，还通过分析师一致预期的EPS和历史派息计算股利再投资部分的价值，从而还原了带息收益。AEG_EP因子的IC从原始因子的0.051提升至0.06，因子多头端分层效果好。在组合构建方面，基于AEG_EP因子的TOP100组合，在月度调仓下实现了年化收益22.7%，夏普比率达到0.94，相比原始EP因子的组合，风险调整后的收益得到了显著提升。
　　两步筛选法得到“AEG估值潜力组合”，近十年年化收益接近30%。首先用AEG_EP因子选取TOP100，然后选择股利再投资/P比率高的TOP50股票，这意味着我们投资于那些市场尚未充分认识到其增长潜力的公司。该组合在近十年内实现了近30%的年化收益，相对于wind全A的年化超额收益达到了22.93%，信息比率达到1.82。组合的风格归因结果显示，它偏好中盘偏大的价值型股票，具有较低的市场波动性和风险敞口，同时对高盈利收益率和价值因子有显著正向暴露，显示出其专注于寻找市场上被低估的股票。
　　风险提示：再投资效率风险；股利政策变动风险；模型假设风险；量化结论基于历史统计，如若未来市场环境发生变化不排除失效可能。