基于高斯秩的估值因子改进-240926-东北证券-35页_3mb

基于高斯秩的估值因子改进

传统估值因子的局限性

常见的估值因子包括市盈率(PE)、市净率(PB)等，尤其是PE因子最受关注。传统以比值表达的估值因子存在明显弊端：

1. 除数效应：分母接近零时因子值异常，波动性大
2. 非线性问题：分式函数不连续，导致负净利润处理粗暴，错失潜在被低估困境反转的优质股票
   传统PE_TTM因子表现不稳定，回测期间年化超额收益仅1.36%，RankIC月均值为-3.08%

改进方案综述

为解决上述问题，报告提出四种方法：

1. OLS回归：OLS回归版本因子表现未明显提升，对数化后的净利润TTM数据呈双峰分布导致模型偏差
2. 分段回归：将净利润为正负样本分别回归，改进后IC均值达-5.24%，超额收益达3.06%
3. 混合高斯回归：适用多峰分布数据，改进后IC均值达-5.25%，超额收益3.57%
4. 高斯秩方法：将数据秩转换至正态分布，显著提升因子性能，改进后IC均值-6.74%，超额收益达4.45%

高斯秩方法应用效果

高斯秩方法被证实为最有效的改进技术，通过五步转换：

1. 排序分配秩值
2. 归一化至[-1,1]区间
3. 调整极端值
4. 应用逆误差函数转换
5. 进行OLS回归得残差作为新因子

双变量估值因子表现

将净利润TTM与净资产结合，采用高斯秩改进后，双变量估值因子表现优异：

• 月均RankIC:-7.73%，ICIR:-0.84%
• 年化超额收益率：5.29%
• 超额夏普比率：1.60
  该因子在中小市值股票池及建筑、家电、电力等行业内表现突出，与传统价值因子相关性虽高，但选股能力明显增强

方法推广与结论

高斯秩方法不仅适用于PE类因子，也可用于现金流收入比、净利润增速等比值因子。结论显示：

1. 高斯秩方法能有效解决传统估值因子缺陷
2. 分段回归、混合高斯回归、高斯秩方法均有改进效果，以高斯秩方法最优
3. 双变量估值因子具备显著的信息增量，不同市值、行业中表现优异

风险提示

模型失效风险与市场变化风险不可忽视，所有因子均应结合实际市场环境使用