來源：華寶證券研究報告

作者：張青、李亭函

價值投資是證券投資的傳統(tǒng)理念，核心思想在于尋找價格低于內在價值的股票，從而獲取未來價格修復的收益。具體來看，符合價值投資理念的標的首先要具有良好的基本面，其次要有合理的價格。PB-ROE選股模型便是價值投資中的一種經(jīng)典方法。該模型中ROE作為基本面指標，用于衡量公司質地是否優(yōu)良，PB作為估值指標，用于衡量當前價格是否低估。

本文沿用PB-ROE這一經(jīng)典框架，構建A股市場價值選股策略，以考察這一選股思路在A股是否可行，并引入一致預期指標對傳統(tǒng)PB-ROE改進。

1. 傳統(tǒng)PB-ROE選股模型構建及回測

1.1. 模型設定

傳統(tǒng)PB-ROE選股模型基于盈利和估值兩個維度。其中，盈利指標采用凈資產(chǎn)收益率(ROE)，ROE越高說明企業(yè)的盈利能力越好。A股上市公司中，ROE指標在公司每期財報中披露，但由于各公司財報的披露時間并不一致，為避免使用未來數(shù)據(jù)，我們每年僅對ROE更新3次，即每年4月30日（年報、一季報披露完畢）、8月31日（半年報披露完畢）、10月31日（三季報披露完畢）進行更新。估值指標采用PB指標，PB越低說明股票估值越低，未來價格修復的可能性越大。PB指標我們于每月更新，其中每股凈資產(chǎn)采用上市公司披露的最近一期財報中的數(shù)據(jù)。

我們采用兩種方法進行選股，一是綜合打分法，首先基于單指標進行個股排序打分，其中ROE按照降序排序，PB按照順序排序，之后對兩個指標得分進行加總求和，兩個指標權重各占50%；二是分層篩選法，首先基于ROE做基本面篩選，構建初始股票池，然后在此基礎上采用PB指標做第二層篩選，形成最終的股票組合。

按照上述思路，我們采用全部A股構建傳統(tǒng)PB-ROE模型?；販y時間設定為2007年5月8日至2017年9月4日，每月第一個交易日進行換倉（剔除當天漲停個股），配置排名最為靠前的前50或前100只個股，并采用等權配置。交易費率設為雙邊各千分之三。

1.2. 綜合打分法回測

綜合打分法回測結果如下：

從回測結果看，該方法可以跑贏基準指數(shù)，這說明PB-ROE模型在A股市場是適用的。但該模型的年化收益率偏低，僅7%左右，不甚理想。雖然今年收益可以獲得18%以上，但這是由于今年白馬股走強，特殊一九行情所產(chǎn)生的結果，長期看相對于萬得全A指數(shù)的年度勝率不到80%，配置排名前50的股票組合勝率更低，只有55%，兩個組合的Sharpe比率也較低，僅0.3左右。另外分不同市場行情看，傳統(tǒng)PB-ROE選股模型的主要超額收益主要來源于2009年、2014年及2017年，但在市場下跌的情況下未能體現(xiàn)出較好的抗跌性。

1.3. 分層篩選法回測

考慮到綜合打分法的選股績效并不特別理想，我們嘗試采用分層篩選法改進績效。在第一層基于基本面的篩選中，我們篩選那些ROE高于最近一期GDP當季同比增速的個股。之所以將GDP增速作為篩選閾值，是因為從長期看ROE與GDP增速是高度相關的，經(jīng)濟高速增長時個股ROE普遍較好，而經(jīng)濟衰退或低速增長時，上市公司的ROE水平也普遍會回落，故GDP增速是衡量當期上市公司ROE優(yōu)劣的一個較好標準。在該股票池基礎上，我們采用PB指標篩選估值最低的前50或前100只個股，作為最終的股票組合。

分層篩選法PB-ROE選股模型回測結果如下：

相比于綜合打分法，該方法在選股績效上有明顯提升，尤其是Top 50組合的年化收益率提升至12.17%，Sharpe比率提升至0.43以上，不僅優(yōu)于基準指數(shù)，還好于Top 100組合，這是充分考慮了估值因素的結果。雖然今年以來Top 100組合收益率11.71%，Top 50組合收益率16.88%，不及傳統(tǒng)PB-ROE選股模型，但長期看，無論是收益率還是收益風險比都顯著優(yōu)于綜合打分法。這說明該方法是有效的，我們認為原因可能在于分層篩選法實際上是加大了估值指標在個股篩選上的權重，而在我們前期多因子選股研究中，我們發(fā)現(xiàn)估值因子是一個長期有效且選股績效較高的因子。

2. 加入分析師一致預期的PB-ROE選股模型

從上述測試結果可以看出，價值投資長期以來能夠獲得相對穩(wěn)定的收益，但是基于傳統(tǒng)指標構建的PB-ROE模型收益率還有待提升。我們分析其中的原因，可能是因為我們采用的是公司財報中公布的數(shù)據(jù)，這些數(shù)據(jù)代表的只是公司過去的經(jīng)營情況，但對資本市場影響較大的是預期而非歷史。鑒于此，我們考慮引入分析師一致預期數(shù)據(jù)，對PB-ROE模型進行改進完善。

我們于每月第一個交易日，采用最新的分析師一致預期數(shù)據(jù)構建PB與ROE構建選股模型。為提升數(shù)據(jù)質量，我們剔除選股當日那些分析師跟蹤家數(shù)少于三家的上市公司。模型構建方法依舊采用綜合打分法和分層篩選法。

2.1. 基于一致預期PB-ROE選股模型回測

基于一致預期的PB-ROE選股模型歷史回測如下：

加入一致預期數(shù)據(jù)后，選股模型的收益得到顯著提升，不管是采用綜合打分法還是分層法，年化收益率均達到20%以上，Sharpe比率提升至0.7左右，年度勝率可達到90.91%，11年中僅有2011年未能獲得超額收益。長期來看，在市場下跌時組合具有較好的抗風險性，在牛市能顯著獲得超額收益。并且排名前50的股票的收益好于排名前100的股票，尤其是采用分層法是TOP 50與TOP 100的收益差別更加顯著，且TOP 50的最大回撤也略微減小。這進一步驗證了價值投資在A股市場的可行性與重要性，也充分說明了分析師的價值。

2.2. 模型構建的困惑，綜合打分還是分層篩選？

不過，在上述模型中，我們發(fā)現(xiàn)雖然長期看分層篩選法的選股績效好于綜合打分法，但今年以來的收益率卻不及綜合打分，在本文第一部分僅采用歷史數(shù)據(jù)構建的PB-ROE模型中，我們也發(fā)現(xiàn)存在這一問題。

我們認為，這可能是因為在分層法構建中，我們第一層的篩選條件過于寬泛了，而今年以來的行情是過度集中于較小一部分藍籌股上，故分層法績效不及綜合打分法。于是，這就產(chǎn)生了矛盾，即在實戰(zhàn)中，我們應該采用分層法還是綜合打分法構建股票池呢？為消除這種多元選擇帶來的困惑，我們考慮對模型做進一步的優(yōu)化，主要思路為在分層法的第一層篩選中，我們嘗試加入其他符合邏輯的指標，以縮小備選股票池，并提升第一層篩選出的股票池的收益。倘若改進后的分層法選股績效能有進一步提升，尤其是今年的行情中依舊能錄得好于綜合打分法的收益，那自然我們就毫無困惑的采用該方法進行選股。

3. 一致預期PB-ROE選股模型的進一步優(yōu)化與完善

3.1. 模型優(yōu)化與完善思路

我們考慮分層篩選法的第一層基本面篩選中新加入一個一致預期凈利潤增速指標。這是因為，從我們前期關于多因子選股的研究中，發(fā)現(xiàn)上市公司的成長性也是一個長期較為有效的指標，因為投資者投資股票其實看重的該公司未來的增長能力。而之所以選擇采用一致預期指標，則是為了克服歷史財務數(shù)據(jù)過于滯后的問題，以進一步提升成長性指標的選股能力。這樣以來，第一層股票池篩選變成兩個條件。一是預期ROE高于最近一期公布的GDP季度增速，二是預期凈利潤增速超過一定閾值。該閾值我們通過遍歷方法獲取。

除此之外，我們對第二層基于估值指標的篩選也做進一步改進，新加入一個預期PE指標。這是因為除PB之外，PE也是衡量上市公司估值的重要工具，且多因子選股模型研究中，顯示PE指標的長期選股績效優(yōu)異。我們把PB與PE分別設定一定權重，并以這兩個指標合成后的排序分值作為第二層選股的依據(jù)。

3.2. 優(yōu)化后的PB-ROE選股模型歷史回測

上述改進思路中，有兩個參數(shù)需要設定，即預期凈利潤增速的閾值以及PB與PE的指標權重，前者我們設定為10%～30%，以10%為步長，后者我們也設定3檔值，一是PB權重100%，此時PE權重0%，二是PB權重50%，此時PE也為50%，三是PB權重設定為0，此時PE權重則為100%。

為便于結果展示，我們僅測試Top 50組合不同參數(shù)設定下的選股績效，模型回測如下：

從測試結果看，當加入預測凈利潤增速指標之后，組合的累計收益率得以進一步顯著提升，不同參數(shù)設定下年化收益率均達到30%以上，今年以來的收益率也有所提升。

從凈利潤增速閾值參數(shù)設定上看，當凈利潤增速的閾值設置為20%時，累計收益率相對較高，可達到15倍以上，Sharpe比率也均大于0.9，且勝率較高，達到90%以上。當加入PE指標之后，累計收益率比單獨采用PB指標的有所提高，且Sharpe比率均在0.9以上。我們分析其中的原因，這可能源于分析師對于每股收益的預測比每股凈資產(chǎn)的預測更為準確，因此結合PE的預測信息以及PB指標作為綜合估值指標更為合理。

綜合考慮累計收益率、Sharpe比率、年度勝率及參數(shù)穩(wěn)定性，我們認為預期凈利潤增速閾值設定為20%，預期PB與預期PE權重配比設定為1:1時，改進后的一致預期PB-ROE選股模型績效最優(yōu)，年化收益率達到33.10%，夏普比率達到0.95，年度跑贏wind全A基準指數(shù)的勝率達到100%，且今年以來收益率提升至19.56%。

從市場適用性看，2007年、2009年以及2013年-2015年該選股策略的收益率均達到50%以上，而在市場下跌的2008年、2010年-2011年以及2016年又能獲得超額收益，具有很好的抗風險性，并且今年獲得19.56%的收益。

從最新一期選股行業(yè)分布來看，主要集中在房地產(chǎn)、鋼鐵、采掘、汽車以及輕工制造板塊，這與當下市場所普遍認可的具有價值投資的板塊是基本一致的。

綜上，我們從價值投資的角度，基于PB-ROE模型構建選股策略，其中主要采用了兩種篩選方式，綜合打分法和分層法，從測試結果來看，分層法相比于綜合打分法收益較高，這是加大了估值因素在選股權重的結果。另外我們發(fā)現(xiàn)采用財報中公布的財務指標策略收益不高，年化收益僅有8%，這是因為財報中的指標存在時滯性，代表過去一段時間公司的經(jīng)營狀況，沒有充分考慮公司當前或者未來的情況。因此我們將一致預期數(shù)據(jù)加入選股策略，采用分析師預測的PB和ROE指標進行篩選，從測試結果來看，收益得到顯著提高，年化收益率提高至20%以上，較萬得全A指數(shù)的年度勝率達到90.91%。最后我們基于分層法，在預測ROE指標的基礎上加入預測凈利潤增速指標作為公司基本面的篩選，并采用綜合估值指標進行第二層篩選，進一步優(yōu)化完善了PB-ROE模型。從測試結果看，年化收益率達到33.10%，年度勝率達到100%，Sharpe比率達到0.95，今年的收益率可以達到19.56%。

總之，一致預期數(shù)據(jù)顯著增強了PB-ROE模型的選股績效，提高了價值投資在中國市場的適用性，并且長期來看能夠獲得穩(wěn)定的超額收益。

私募工場ID：Funds-Works所載信息和資料均來源于公開渠道，對其真實性、準確性、充足性、完整性及其使用的適當性等不作任何擔保。在任何情況下，私募工場ID：Funds-Works所推送文章的信息、觀點等均不構成對任何人的投資建議，也不作為任何法律文件。一切與產(chǎn)品條款有關的信息均以產(chǎn)品合同為準。私募工場ID：Funds-Works不對任何人因使用私募工場ID：Funds-Works所推送文章/報告中的任何內容所引致的任何損失負任何責任。