20160929-华泰证券-华泰多因子系列之二_华泰单因子测试之估值类因子_47页_2mb

估值因子在A股市场的实证分析总结

核心内容

本报告对A股市场中十个代表性估值因子（EP、EPcut、BP、SP、NCFP、OCFP、FCFP、DP、EV2EBITDA、PEG）进行了系统的实证分析，主要从行业差异、规模差异、因子间相关性以及单因子测试的角度出发，评估各因子在不同市场环境下的表现和有效性。

主要观点

• 估值因子的重要性：估值因子是多因子模型中重要的风格因子，能够帮助投资者判断股票估值是否合理，从而寻找被低估或高估的股票。
• 行业差异显著：不同一级行业在估值因子上的表现差异较大，如钢铁、煤炭等基础行业通常具有较高的BP、SP值，而科技类行业则具有较低的BP、SP值。
• 规模差异影响：估值因子在不同规模上市公司间表现也存在明显差异，EP、EPcut、BP、SP、OCFP、DP等因子与市值因子呈正相关，而FCFP、EV2EBITDA则与市值因子相关性较弱或不稳定。
• 因子间相关性：EP与EPcut、BP与SP之间呈极强正相关；DP与多个因子正相关；FCFP、EV2EBITDA、PEG等因子与其他因子相关性较弱或呈负相关。
• 单因子测试方法：采用分层回测、回归法、因子IC值分析等多种方法进行测试，以判断因子的有效性和稳健性。

关键信息

估值因子的选取

• EP：净利润（TTM）/总市值
• EPcut：扣非后净利润（TTM）/总市值
• BP：净资产/总市值
• SP：营业收入（TTM）/总市值
• NCFP：净现金流（TTM）/总市值
• OCFP：经营现金流（TTM）/总市值
• FCFP：自由现金流（最新年报）/总市值
• DP：近12个月现金红利（按除息日计）/总市值
• EV2EBITDA：企业价值（扣除现金）/EBITDA（最新年报）
• PEG：（总市值/净利润（TTM））/（净利润（TTM）同比增长率）

估值因子的行业间差异

• 不同行业在估值因子上的分布存在显著差异，例如银行、非银行金融等行业在EP因子上表现较强，而传媒、计算机等行业则在BP、SP因子上表现较弱。
• 通过分析不同年份的EP因子排名，发现行业轮动现象明显，如钢铁行业在2008年前后表现突出，电子元器件行业在2009年左右有所变化。

估值因子的规模差异

• EP、EPcut、BP、SP、OCFP、DP等因子与市值呈正相关，且相关性随时间增强。
• FCFP、EV2EBITDA因子与市值相关性较弱，方向不稳定。
• PEG因子与市值相关性一直很小。

因子间相关性分析

• 强正相关：EP与EPcut、BP与SP。
• 中等相关：DP与多个因子正相关，BP与EP、EPcut、SP、OCFP正相关。
• 弱相关或负相关：FCFP、EV2EBITDA、PEG与其他因子多呈弱负相关。

单因子测试结果

• BP因子表现最佳：在分层回测中，BP因子在收益、信息比率、回撤、胜率等多个维度表现优异，综合排名第一。
• NCFP因子效果突出：在分层测试中，NCFP因子在胜率方面表现最佳，适合精选排名前20%的股票。
• FCFP因子效果一般：在回归法和IC值分析中表现不佳，建议剔除。
• EP因子效果不稳定：在分层回测中，EP因子在高估值区间表现较好，但在低估值区间效果不显著。
• 其他因子各有特点：如DP因子在部分行业中表现较好，但整体效果不如BP因子。

测试框架与方法

• 分层回测：按因子值将股票分为不同组别，计算各组的绩效指标（年化收益率、夏普比率、信息比率、最大回撤、胜率等）。
• 回归法：将因子暴露度与下期股票收益进行线性回归，计算因子收益率和t值，判断因子显著性。
• 因子IC值分析：计算因子暴露度与下期收益的相关系数，评估因子的预测能力和稳定性。

因子评价指标

• t值：反映因子对收益的解释能力，绝对值大于2表示显著。
• IC值：衡量因子与下期收益的线性相关程度，值越大表示预测能力越强。
• IR比率：IC值与标准差的比值，衡量因子有效性。
• 绩效指标：包括年化收益率、夏普比率、信息比率、最大回撤、胜率等。

风险提示

• 单因子测试结果是基于历史数据的总结，可能存在失效风险，需谨慎对待。

总结

通过本报告的分析，可以得出以下结论：

• BP因子在所有估值因子中表现最优，适合构建多因子模型。
• EP、EPcut、DP等因子在不同规模公司中表现良好，但需注意其在不同行业中的有效性。
• FCFP、EV2EBITDA、PEG等因子效果一般，建议在进一步分析后决定是否保留。
• 估值因子在不同行业和规模公司中存在显著差异，需在构建模型时考虑这些因素的影响。

综上所述，本报告为投资者提供了对估值因子的全面分析，有助于在实际投资中筛选出有效的因子，提高投资决策的科学性和稳健性。