20180305-广发证券-基于P_B的RRV分解_初探价值溢价来源_41页_1mb

基于P/B的RRV分解，初探价值溢价来源总结

核心内容

本文探讨了基于账面市值比（P/B）的市值账面比（M/B）分解方法，即RRV分解，旨在揭示价值溢价的来源。通过将市值账面比拆分为公司层面、行业层面和长期因素三个部分，分析了不同因素对公司价值的影响，并构建了相应的投资因子以捕捉这些因素。

主要观点

• 价值溢价现象：价值溢价广泛存在于各国证券市场，高账面市值比（BM）公司通常表现优于低BM公司，即BM效应。
• Fama & French三因子模型：该模型中HML因子解释了股票的超额收益，但在A股市场中，价值溢价也显著存在。
• RRV分解框架：将市值账面比分解为公司层面的非系统性定价偏差（FirmErr）、行业层面的短期估值偏离（SecErr）以及长期价值与账面价值的偏离（LRVB）。
• 因子构造：使用行业平均估值倍数和公司基本面特征构建短期和长期价值估计，从而得到多个因子值，如M2V、LRVB等。
• 策略构建：基于因子值进行分档，选择因子值较小的股票做多，较大的股票做空，进行等权或行业中性投资，以实现超额收益。

关键信息

因子构造方法

• 短期价值估计：使用公司基本面特征（账面价值、净利润、财务杠杆）和行业短期估值倍数进行回归，得出短期价值估计。
• 长期价值估计：对短期估值倍数取12期中值，得到行业长期估值倍数，进而估计公司长期价值。
• 因子值计算：
  • FirmErr = $\exp(m_{it} - v(\theta_{it};\alpha_{jt}))$
  • SecErr = $\exp(v(\theta_{it};\alpha_{jt}) - v(\theta_{it};\alpha_j))$
  • M2V = $\exp(m_{it} - v(\theta_{it};\alpha_j))$
  • LRVB = $\exp(v(\theta_{it};\alpha_j) - b_{it})$

回归方法改进

• 加权最小二乘回归（WLS）：为避免小市值公司对回归结果的影响，使用SQRT(公司市值)作为权重。
• 回归系数取中值：为减少市场波动对系数的影响，采用12期中值而非均值。

策略效果分析

• 因子表现：在不同指数成分股中，FirmErr因子表现较为稳定，而SecErr和LRVB因子效果较差。
• 行业差异：周期性行业拟合优度较高，说明其估值更受公司基本面影响；非周期性行业则受其他因素影响较大。
• 策略收益：
  • 在中证800指数内选股，FirmErr因子表现较好，年化对冲收益约17.10%，最大回撤约-14.96%。
  • 在中证500指数内选股，FirmErr因子年化对冲收益约13.19%，最大回撤约-9.66%。

RRV分解结构

$$
m_{it} - b_{it} = \underbrace{m_{it} - v(\theta_{it};\alpha_{jt})}{\text{公司}} + \underbrace{v(\theta{it};\alpha_{jt}) - v(\theta_{it};\alpha_j)}{\text{行业}} + \underbrace{v(\theta{it};\alpha_j) - b_{it}}_{\text{长期}}
$$

• 公司层面：衡量公司市值与短期基本面价值之间的偏差。
• 行业层面：衡量行业短期估值与长期估值之间的偏差。
• 长期层面：衡量公司长期价值与账面价值之间的偏差。

回归系数历史平均

• 行业系数值：不同行业对账面价值、净利润、财务杠杆的估值倍数差异较大，其中银行、食品饮料等行业的拟合优度较高。
• 最新一期系数值：各行业系数值有所变化，但整体趋势表明公司基本面对市值影响显著。

策略构建细节

• 选股范围：中证800、中证500成分股。
• 回测区间：2007年1月至2017年12月。
• 分档方式：按因子值分为5档，选择最小一档作为多头组合。
• 调仓周期：每月调仓。
• 股票权重：等权或行业中性。
• 交易成本：0.3%。

因子表现

• FirmErr因子：在多个指数成分股中表现较好，年化对冲收益稳定，最大回撤可控。
• M2V因子：表现次之，但受行业和市场波动影响较大。
• SecErr和LRVB因子：效果较差，可能受其他因素影响较大。

结论

• 价值溢价来源：主要由公司层面的非系统性定价偏差（FirmErr）驱动。
• 行业与长期因素：行业偏离（SecErr）和成长性机会（LRVB）对价值溢价的影响相对较小。
• 策略有效性：在A股市场中，基于RRV分解的因子策略具有一定的投资价值，但需注意市场波动和行业差异的影响。