20220114-德邦证券-德邦金工文献精译第二期_不可知的基本面分析是可行的_32页_3mb

报告摘要

金融工程专题总结：不可知的基本面分析是可行的

核心内容

本报告探讨了不可知的基本面分析是否可以作为有效的投资策略，即通过使用统计学家视角下的基本面分析方法，利用会计数据构建错误定价信号，从而识别被低估或高估的股票并进行交易。这种方法不依赖于对金融变量的主动筛选，而是通过线性回归来估算公司的同行隐含公允价值，进而衡量其与实际市场价值的偏差。

主要观点

不可知基本面分析：
- 基本面分析的核心假设是股票具有内在公允价值，而市场价格偏离公允价值时，可以产生超额收益。
- 统计学家可以使用OLS方法，将公司市场价值与会计变量进行横截面回归，从而得到同行隐含公允价值。
- 该方法降低了主观性，避免了传统基本面分析中对会计变量的主观选择。
错误定价信号：
- 错误定价信号定义为：$M_{j,t} = \frac{P_{j,t} - V_{j,t}}{V_{j,t}}$，其中$P_{j,t}$为同行隐含公允价值，$V_{j,t}$为实际市场价值。
- 该信号的有效性来自于价格向公允价值趋同，而非风险差异。
- 定价过低的股票（$M_{j,t}$较大）通常具有更高的盈利能力和账面市值比，而定价过高的股票（$M_{j,t}$较小）则相反。
信号有效性与衰减：
- 错误定价信号的预测能力在控制了行业、风险因子和公司特征后仍然显著。
- 信号的预测效力随时间衰减，在34个月后趋于零。
- 使用TS估计量（Theil-Sen方法）相比OLS估计量，可以更稳健地捕捉错误定价信号。
投资组合收益：
- 基于错误定价信号构建的等权和价值加权投资组合可以获得显著的正α收益，年化收益率在4%至10%之间。
- 多空对冲组合的月度收益约为0.42%（等权）和0.48%（价值加权），年化收益分别为5.0%和6.6%。
与传统因子模型的对比：
- 错误定价信号在Fama-MacBeth横截面回归和因子模型时间序列回归中均表现出显著的超额收益。
- 该信号无法被六因子或八因子模型解释，表明其具有独立的风险调整后的收益。

关键信息

样本区间：1987年3月至2012年12月，共310个月。
数据来源：使用CRSP数据库，数据包括会计报表和市场交易数据。
变量选择：
- 28个会计变量，涵盖资产负债表（16项）、利润表（11项）和现金流量表（1项）。
- 包括公司规模、贝塔系数、账面市值比、动量、短期和长期反转、应计利润、未预期盈余、盈利能力和盈利市值比等。
方法：
- 使用OLS和TS估计量进行回归。
- 对信号进行五分位数排序，构建多空对冲投资组合。
- 通过Fama-MacBeth横截面回归和因子模型时间序列回归验证信号的有效性。

主要发现

错误定价信号在控制了多个风险因子和公司特征后，仍然能显著预测未来收益。
信号的预测能力随时间衰减，但在短期内（如34个月内）仍具有显著的经济意义。
使用TS方法构建的信号比OLS方法更稳健，且在多个模型中表现出更好的表现。
该方法无需复杂的模型设定，仅依赖线性回归，因此易于实施。

风险提示

市场波动风险：市场可能在短期内发生剧烈波动，影响信号的预测效果。
数据可用性风险：会计数据的缺失或不准确会影响模型的可靠性。
模型失效风险：模型可能在某些市场环境下失效。
国内外市场差异风险：该方法主要基于美国市场，可能不适用于其他市场。

结论

不可知的基本面分析是一种可行且有效的投资策略，通过统计方法估算同行隐含公允价值并构建错误定价信号，可以在不依赖主观判断的情况下，获得显著的超额收益。尽管存在信号衰减和模型风险，但该方法在控制了已知异象后仍表现出较强的盈利能力。此外，这种方法提供了对基本面分析的另一种视角，为投资者提供了新的思路。