核心观点 报告将横截面PB-ROE模型扩展至时间序列分析，构建了用于A股市场（以中证全指为代表）的估值偏离度指标[11][12] 该指标与未来市场回报呈现正相关，表明A股市场整体表现出估值动量效应，而非如标普500指数般的均值回复[13][26] 基于估值偏离度与未来涨幅呈U型分布的规律，报告构建了周频仓位择时策略和行业轮动策略，回测显示均能有效创造超额收益[39][41][47][71][77] 模型构建与A股市场实证 - 模型基础：时间序列PB-ROE模型用于分析指数估值，其残差（估值偏离度）代表市场实际估值相对于基本面（由ROE、实际利率、通胀率驱动）合理估值的偏离[12][14] 当残差>0时，市场估值较高、情绪高涨；残差<0时，市场估值较低、情绪低迷[13] - A股模型有效性：应用于中证全指的模型历史平均调整后拟合优度为0.56，最高超过0.80，表明指数PB主要由盈利、实际利率和通胀环境驱动，模型解释能力较强[20] - A股市场特征：与标普500指数相反，中证全指的估值偏离度与未来回报呈正相关，主要体现为估值动量[26] 估值偏离度与未来第1周、第2周涨幅的相关系数分别为0.08和0.06，且具有统计显著性[29] 当估值偏离度远离历史均值时，相关性显著提升，例如偏离超过1倍标准差时，与未来第1周涨幅的相关系数升至0.21[35] 仓位择时策略 - 策略逻辑：根据估值偏离度与未来涨幅的U型分布规律，将市场状态分为四类并对应不同仓位[41][43] 1. 估值偏离度很高（>均值+1倍标准差）：市场情绪高涨，估值快速扩张，交易赔率最高，保持100%高仓位 2. 估值偏离度较高（均值<残差值<均值+1倍标准差）：估值较高但趋势不明，保持10%低仓位 3. 估值偏离度较低（均值-1倍标准差<残差值<均值）：估值较低，具备反弹动能，保持60%中等仓位 4. 估值偏离度很低（残差值<均值-1倍标准差）：估值极低，反弹动能强烈，保持80%中高仓位 - 策略效果：回测期间（2014/1/3-2026/2/27），择时组合累计涨幅为283.45%，远超基准的122.61%[47] 择时组合最大回撤为33.04%，年化波动率为16.01%，均显著优于基准的57.01%和22.16%[47] 历史上，高、低、中等、中高仓位天数占比分别为24%、32%、29%、15%[48] 关键交易信号分析 - 高估值偏离度区域：做多性价很高，处于估值快速扩张阶段，动量效应极强[57][59] 例如，当估值偏离度>均值+2倍标准差时，做多胜率达60.0%，赔率达2.0[53][57] 当>均值+2.5倍标准差时，胜率进一步提升至68.0%，赔率为1.9[53][59] - 中高估值偏离度区域：做空（空仓）性价比较高，市场担忧高估值压制[57][63] 例如，当估值偏离度在[均值, 均值+0.3倍标准差]区间时，做空胜率为54.9%，赔率为1.8[53][57] - 低估值偏离度区域：做多确定性次高，估值安全边际高，下跌空间有限，但赔率较低[57][61] 当估值偏离度在[均值-0.3倍标准差, 均值-1.5倍标准差]区间时，做多胜率较高[61] 若估值偏离度进一步降低，胜率会迅速下降[57] 行业轮动应用 - 行业特征差异：各行业估值偏离度与未来涨幅的相关性不同[67] 基础化工、银行、公用事业、煤炭、石油石化等低估值周期行业呈现均值回复特征（相关系数<0），而其他多数行业与中证全指一致，呈现动量特征（相关系数>0）[67] - 轮动策略构建：根据行业相关性特点动态调整仓位，对于相关系数>0的行业，随估值偏离度提升而增加仓位；对于相关系数<0的行业，则随估值偏离度提升而降低仓位[68] 每周选择仓位最高的前5个行业构成多头组合，仓位最低的前5个行业构成空头组合[68] - 策略表现：回测期间（2014/1/2-2026/2/27），多头行业组合累计收益达330.35%，显著跑赢行业等权基准的128.36%，超额收益为201.99%[71] 空头行业组合累计收益仅为14.48%，相对基准超额收益为-113.88%，显示出良好的负面排除能力[77]