2026年PB_ROE模型仓位择时与交易策略

A股市场PB-ROE偏离度实证

A股市场PB-ROE模型有效性检验

我们在A股市场检验时间序列PB-ROE模型，计算残差并将其定义为PB-ROE估值偏离 度，评估在市场整体上的有效性。 在回归方程(3)中，计算中证全指的整体法历史PB、ROE(TTM)，通胀率使用CPI当月同 比，实际利率=10年期国债收益率-CPI当月变化。CPI数据使用滞后值，以确保不含未 来信息。 回归方程使用周频时间序列数据，自2010年起以固定长度的窗口数据向后滚动拟合回 归方程参数。 计算结果显示，回归方程历史平均调整后拟合优度为0.56，最高超过0.80，说明指数 PB主要由盈利、实际利率、通胀环境驱动，模型有较强的解释能力。

估值偏离度与未来涨幅相关性

接下来检验PB-ROE估值偏离度与未来涨幅的相关性，以及相关系数的显著性，以评估 是否能够用于预测未来指数回报。 在拟合回归方程时，以窗口长度=10为例，使用第t-9至第t周的窗口数据，每完成一次回 归，可以得到长度为10的残差序列，取最新日期t的残差值，作为t日的估值偏离度。 如果要评估与下周(Lag=1)指数涨幅的相关性，则统计第t+1周指数涨幅；如果要评估与 未来第5周指数涨幅的相关性，则统计第t+5周指数涨幅；以此类推。 随着回归窗口向后滚动，可以得到两个长度相等的序列：估值偏离度序列、特定Lag周 期的指数涨幅序列，计算两个数据序列的相关系数。 我们计算从Lag=1至Lag=30周的相关系数，结果显示：1. 与标普500指数相反，中证全 指的估值偏离度与未来回报正相关，即主要体现为估值动量，而不是均值回复；2.估值 偏离度与未来第1周、第2周涨幅的相关系数具有统计显著性。

估值偏离度与未来两周涨幅显著相关

估值偏离度与指数未来第1周、第2周涨幅的相关系数分别为0.08、0.06，显著性水平pvalue分别为1.97%、7.92%，相关系数具有统计显著性。

估值偏离度趋于极端时相关性明显提升

当估值偏离度远离历史均值，其与未来涨幅的相关性和显著性水平均有明显提升。 当偏离均值超过0.5倍标准差时，与指数未来第1周涨幅的相关系数为0.12，p-value为 1.10%；偏离均值超过1倍标准差时，相关系数为0.21， p-value为0.19%。

估值偏离度分组涨幅表现

尽管估值偏离度与未来第1周涨幅正相关、且具有显著性，但相关系数绝对值较低，说 明两者之间可能存在非单调或非线性的变化规律。进一步对估值偏离度分组，并从小到大排序，分别分为5组、4组和3组，计算每组样本 内指数的未来第1周平均涨幅。 组数较多时，可见收益递增但不严格单调；组数较少时，收益变化呈U型分布。

估值偏离度交易策略

不管如何分组，在对中证全指的分析中，估值偏离度最高组的涨幅都明显最高，说明市 场整体估值动量效应非常显著。当估值偏离度降低时，涨幅先降后升，呈U型分布。

过少的分组不足以提炼规律，过多的分组又可能导致过拟合，我们对中证全指的分析采 用4分组。4分组时，主要把握估值偏离度极高和极低两种状态下的市场整体投资机会。

PB-ROE模型仓位择时

PB-ROE模型仓位择时策略

根据PB-ROE估值偏离度与未来涨幅的U型分布规律，对中证全指采用以下仓位择时策 略： (1) 估值偏离度很高：残差值>均值+1倍标准差时，市场情绪高涨、估值快速扩张，处 于交易赔率最高的阶段，保持高仓位。 (2)估值偏离度较高：均值<残差值<均值+1倍标准差时，指数估值较高、并且市场没有 形成明确趋势，保持低仓位。 (3)估值偏离度较低：均值-1倍标准差<残差值<均值时，指数估值较低，具备反弹动能 ，保持中等仓位。 (4)估值偏离度很低：残差值<均值-1倍标准差时，指数估值极低、反弹动能强烈，同样 具有较高交易赔率，保持中高仓位。

仓位择时策略效果

我们设定高仓位、低仓位、中等仓位、中高仓位的具体水平分别为100%、10%、60% 、80%，回测结果显示仓位择时策略能够有效降低回撤。

2014/1/3-2026/2/27，择时组合、基准的累计涨幅分别为283.45%、122.61%，最大回 撤分别为33.04%、57.01%，年化波动率分别为16.01%、22.16%。