估值因子（Valuation Factors）作为衡量资产价格合理性的核心工具，始终是投资者构建 策略、优化组合的关键依据。经典的估值指标如市盈率（P/E）、市净率（P/B）、市销率 （P/S）等，通过量化企业内在价值与市场价格的偏离程度，帮助投资者识别潜在的投资 机会与风险。尤金·法玛在 1993 年发表的论文中，发现美国资本市场的账面市值比效应， 即高账面市值比的股票（价值股）比低账面市值比的股票（成长股）的期望收益率表现更 好。在我国资本市场中，价值股同样长期跑赢成长股。 关于估值因子的收益来源主要有两种假说，其一是有效市场假说下，认为价值股（低 PB） 比成长股有更高的预期收益，是因为价值股更“危险”（如财务状况不佳、破产概率更高 等）、其二是从行为金融学角度、投资者存在过度悲观、羊群效应等行为偏差，导致价值 股被低估，估值因子的超额收益反映的是行为金融学中的修正回归过程。
本报告研究主要集中在以下几个方面： 研究了估值因子在不同股票池、不同行业、不同市场环境下的表现差异。 研究了估值因子的收益来源。 研究了利用估值因子构建的投资组合。 通过研究取得了如下结论： 估值因子在不同股票池的表现有明显差异。在机构覆盖率较高的中证 800 的表现弱于全 市场。估值因子在不同行业的表现存在差异，在周期行业和金融业的表现弱于制造业。 本文通过构建不同估值水平和不同成长能力的组合表明，估值因子的收益来源的重要逻 辑是估值和基本面之间的错误定价。 基于以上，本文利用估值和基本面之间的错误定价构建了不同样本池的投资组合。通过 历史数据回测，组合在中证 800 股票池中取得年化 14.87%回报，31.65%的最大回撤和 26.6%的年化波动，相对基准超额 13.54%，组合在大部分年份可以取得相对指数的超额 收益，组合月度相对指数的胜率为 63.13%。 组合在中证1000股票池取得年化19.11%回报，27.23%的最大回撤和28.72%的年化波动， 相对基准超额 16.81%，组合在回测的任一年份均可以取得相对指数的超额收益，组合月 度相对指数的胜率为 70.5%。
有一种说法称股票的估值是科学更是一门艺术。从实践来看，相对估值法是较为常见和 实用的估值方法。例如 PE 法用于盈利较为稳定，周期性较弱的行业，而 PB 法适用于拥 有大量固定资产并且账面价值较为稳定的行业。
本章首先研究了不同估值因子在不同股票池、不同行业的表现。估值因子的表现存在周 期性，本文也研究了估值因子在不同市场环境下的表现。 如无特殊说明，因子均进行了行业和市值中性化处理。
（一）因子 IC 分析
因子 IC 表征了因子在截面上对未来股票收益预测能力的强弱和方向，ICIR 是 IC 均值与 IC 标准差的比值表征了因子预测能力的稳定性。 从 IC 来看，EP、BP 表现较好，从 ICIR 来看，EP 因子表现较好。 分股票池来看，EP、BP、SP、CFP 的 IC 和 ICIR 在全 A、中证 1000 和中证 800 中递减。 而 PEG 的 IC 和 ICIR 则在中证 800 和中证 1000 中高于全 A，这可能与中证 800 和中证 1000 股票池中股票的净利润增长率相对稳定和估值相对合理有关，其计算得到的 PEG 更 具有可比性。
（二）因子回归法分析
股票的|T|大于 2 比例表征了回归法下因子在多个截面中统计显著的频率，其越大越可以 说明因子对于个股收益解释越稳定越显著，因子收益率表征了一单位的因子暴露对应的 因子收益。 从|T|大于 2 比例的结果来看 EP 因子的显著性较好，其次是 SP 和 BP。从因子收益来看， EP 因子表现较好。
（三）因子分层测试分析
从分组超额收益（组合相对全样本等权收益的超额收益）的表现来看： EP 因子在中证 800、中证 1000 和全 A 的范围中都具备较好的单调性，且不同分组的收 益差距较大。这说明，EP 因子作为最常用的估值因子有其自身的独特优势。 BP 因子在全 A 范围内分组效果较好，具备单调性，在中证 800 内部分组表现一般，在中 证 1000 内部分组效果尚可。
SP 因子在中证 800 和全 A 范围内分组效果较好，在中证 1000 内部分组效果尚可。 CFP 因子在全 A 范围内分组效果尚可，在中证 800 和中证 1000 内部的分组效果不好。 其可能是全市场覆盖了从大市值蓝筹到小盘题材股，行业、风格、成长性差异巨大。而 中证 800 和中证 1000 的企业盈利和现金流本身就更稳健，估值中枢较低导致区分效果不 明显。 PEG 因子的分组收益呈现出中间高两端低的特点。PEG 最低组（即估值看似最低，增长 最快）和 PEG 最高组（估值高、增长慢）都表现不佳。可能原因是 PEG 极端值存在质量 陷阱。PEG 低可能是由于盈利预期被高估，或当前股价低是因为基本面差、风险高等负 面因素。高 PEG 股票（比如高成长但暂时亏损的科技公司）实际上未来成长潜力巨大， 只是当前估值看起来贵。
（四）不同行业的因子预测效果
总的来看，不同种类的估值因子有不同适合的行业类型。
结果显示，EP 因子在大部分行业表现较好，BP 因子在公用事业、金融行业这类重资产 行业中表现较好。SP 因子在 TMT 行业表现较好。
估值因子的收益来源为估值和基本面之间的错误定价。由于投资者的精力有限，当未来 信息不断释放时，估值会向着和基本面吻合的方向进行修复。 我们构建了估值-基本面双特征的投资组合，在每个月月末按照估值和基本面将投资组合 划分为 P1（高估）-P5（低估）和 F1（弱基本面）-F5（强基本面）。这里，我们分别测试 了利用 EP 和净利润增长率作为估值和基本面代理指标，利用 BP 和 ROE 作为估值和基 本面代理指标，结果均稳健。
具体而言，基于月末的数据按照估值和基本面指标将 A 股上市公司按照估值从高到低划 分为五组，按照基本面排序划分为五组，获得 25 组投资组合。组合在每个月月初计算收 益，持有到月末再进行平仓。 为了避免市值因子对投资组合的影响，本文利用 DGTW 特征模型消除市值因子的影响。 具体而言，在每个月月末将股票的市值按照从大到小分为 10 组，构成市值特征基准组合， 在下一期计算基准组合的平均收益率，作为市值特征组合的基准收益率，对任意一个股 票，按照上一期对应的市值特征分组获得当期的基准收益，将股票的收益率减去当期的 基准特征组合收益，即为该股票的当期超额收益。
结果显示，高估值-弱基本面组合产生显著的负向收益（|T|>2），低估值-强基本面产生显 著的正向收益（|T|>2），而估值和基本面相对吻合的高估值-强基本面和低估值-弱基本面 不产生显著不为 0 的收益（|T|<2）。 这表明，估值因子的收益来源为估值和基本面之间的偏离，高估值弱基本面组合产生显 著负收益，而低估值强基本面组合产生显著正收益。如果估值因子溢价来源在低估值股 票的财务相对于高估值更差，投资者需要更多的风险补偿，那么控制基本面变量后，低 估值组合应该比高估值组合显著获得 alpha，但实际上并没有发现这一点。
除 PEG 因子外，EP、BP、SP 和 CFP 因子的长期 IC 累加均呈现出上行的趋势，这表明 估值因子在截面的预测作用长期有效，但估值因子会呈现出阶段性的预测能力下降。
从实证的结果来看，并未发现估值因子出现明显失效，随着市场环境变化发生了结构性 变化。一、EP 因子的预测能力从 2017 年有所下降，2020 年至 2024 年稳定在一定中枢。 二、BP 因子、SP 因子、CFP 因子的预测能力自从 2021 年开始探底回升。其中一个可能 的原因是市场的结构性变化导致，比如 22 年-24 年，背景是险资边际增量资金推动红利 类资产走强，导致 BP 因子表现较好。
从美国市场来看，美股自 2007 年到 2020 年中旬，价值因子经历了至暗时刻，Fama 和 French 中代表估值的 HML 因子，经历了较大的回撤。Arnott, R. D.等人在“Reports ofValue’s Death May Be Greatly Exaggerated. ”中分析讨论了价值因子低迷的原因1。价值投 资表现不佳的原因主要有两个：（1）HML 因子中以账面价值与市价的比值来定义价值， 未能反映日益重要的无形资产；（2）价值股相对于成长股的估值水平大幅下降。具体来 说，其将任意投资组合的收益率分成了三部分，分别为短期估值的变化（Revaluation，“估 值泡沫”）、盈利（Income Yield）、以及个股估值水平的均值回复（Migration）。其中，估 值变化导致回报波动，近年拖累表现。盈利部分成长股盈利更强，抵消部分迁移收益。 个股估值水平的均值回复指的是股票在价值/成长间迁移带来的收益（如价值股上涨后移 出组合），长期利好价值。
结果显示，成长股与价值股之间估值差距（“估值泡沫”）的变化可以完全解释价值策略的 回撤，从 2007 年初至 2020 年 6 月，价值因子的相对估值水平从历史分布的前四分之一 下降到了最底层的百分位。 这篇文章发表不久后，2020 年至 2022 年美股价值因子发生反转，价值因子产生大幅正 向收益。
从长期来看，A 股的价值因子呈现上涨态势，且从 2021 年至今价值因子呈现出加速上行 的趋势。
任意基本面因子都暗含着对截面预期收益的某种假设，短期甚至中期视角下，任意因子 都有失效的可能。
从长期视角下，买的“便宜”是估值因子的长期收益来源。投资中所谓的“便宜”，其实 是指那些市场暂时低估的资产。估值因子之所以能够带来超额收益，关键就在于它抓住 了这种低估。当市场情绪波动、信息不对称或短期行为干扰定价时，部分优质资产的估 值就会被压低。而估值因子正是利用这种“错价”进行布局，等到价格回归其合理水平， 投资者就能从中获利。这种基于价值回归的逻辑，正是价值因子长期有效性的理论基础。 根据上一章的结论，估值和基本面之间的错误定价可能是估值因子的收益来源，但随着 A 股投资者的结构进一步机构化，可能会导致错误定价产生的收益下降。
（一）景气周期高点
从截面上来看，常见的上游行业（一般是石油、有色、煤炭、海运）都具备周期属性，这 类公司的行业需求与 GDP 增速、基建投资、制造业活动等强关联，经济扩张期利润暴涨， 但长期利润中枢低于当前利润水平的静态低估值。
以中远海控为例，公司的 PE 在 2021 年 10 月快速下行至 5 倍以下，但股价持续阴跌到 22 年 10 月。 从截面上来看，周期类公司的 EP 因子预测能力通常小于 BP 因子，例如房地产行业的 EP 因子 IC 为 3.85%小于 BP 因子的 4.78%，交通运输的 EP 因子 IC 为 7.38%小于 BP 因子 的 7.75%。
（二）结构性衰退
公司的结构性衰退主要是指公司的长远前景出现较为明显的不确定性，公司的领先优势 是暂时的，从长期来看，利润可能会呈现出单边下行趋势。 1、快速衰退的行业需求或企业的产品生命周期步入衰退，例如柯达的衰落；2、行业竞争格局恶化，企业为争夺市场份额主动降价，例如光伏行业。 这类情况或许需要具体公司具体分析。为了规避这类情况，本文后续通过成长性和回报 率对股票进行筛选，通常成长能力高和资本回报率高的公司属于较为明显的成长股，被 形象的称之为“发电厂”。
（一）中证 800 股票精选
每个月月末，在中证 800 股票池中，利用 BP 因子、EP 因子、净利润增长率因子和 ROE 因子对个股等权打分取前 40 个个股构成组合，次日以开盘价交易，持有 1 月。交易费用 为双边千三，回测区间为 2010 年 1 月 1 日至 2024 年 12 月 31 日。 组合取得年化14.87%回报，31.65%的最大回撤和26.6%的年化波动，相对基准超额13.54%， 组合在大部分年份可以取得相对指数的超额收益，组合月度相对指数的胜率为 63.13%。 这种方法对于选择的个股数量不敏感，随着选择的个数数量增加，年化收益和波动均呈 现下降趋势。
（二）中证 1000 股票精选
每个月月末，在中证 1000 股票池中，利用 BP 因子、EP 因子、净利润增长率因子和 ROE 因子对个股等权打分取前 40 个个股构成组合，次日以开盘价买入，持有 1 月。交易费用 为双边千三，回测区间为 2014 年 11 月 28 日至 2024 年 12 月 31 日。 组合取得年化 19.11%回报，27.23%的最大回撤和 28.72%的年化波动，相对基准超额 16.81%，组合在回测的任一年份均可以取得相对指数的超额收益，组合月度相对指数的 胜率为 70.5%。 这种方法对于选择的个股数量不敏感，随着选择的个数数量增加，年化收益和波动均呈 现下降趋势。
（三）总结
从回测的结果来看，在中证 800 样本池的选股策略在 18 年到 20 年相对逆风，这段时间 市场呈现出较为明显的公募基金抱团现象，推动龙头风格估值走高。从中证 1000 的样本 池选股策略来看，该策略的超额收益始终较为稳定。 曾国藩在阐述自己带兵作战的特点时用了“结硬寨、打呆仗”来概括，其中一个重要的 做法就是把进攻变成防守，先让自己处于不败之地，这种战术思想包含着“拙能胜巧” 思想。这一思想和估值因子的收益来源不谋而合，当组合选择股票估值相对便宜的股票， 在这个基础上增加对股票基本面的考察，长期可以取得较好的表现。 “拙能胜巧”意味着即便策略简单、方法朴素，只要建立在扎实的数据基础和长期逻辑上， 也常常能跑赢看似复杂精巧的模型。估值因子正是如此——如市盈率（PE）、市净率（PB） 等传统指标虽简单直白，却历经时间考验，常在长期投资中展现出超额收益的能力。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
