量化模型与构建方式 1. 模型名称：时间序列PB-ROE模型[1][8] * 模型构建思路： 基于Wilcox & Philips(2005)的时间序列PB-ROE模型，用于分析指数的时间序列回报。该模型旨在通过基本面变量（ROE、实际利率、通胀）解释市场估值（PB），其回归残差代表了市场实际估值相对于基本面合理估值的偏离，即估值情绪部分[8][14][15]。 * 模型具体构建过程： 1. 模型设定：使用对数市净率（Ln(P/B)）作为被解释变量，以净资产收益率（ROE）、实际利率（RealInterest）和通货膨胀率（Inflation）作为解释变量，构建线性回归模型[8][15]。 2. 模型公式： $Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$[8][15] 其中，a为截距项，b、c、d分别为对应变量的回归系数。 3. 计算残差：使用历史数据（报告中为A股市场周度数据）对上述模型进行回归，得到拟合的合理估值。将实际观测到的Ln(P/B)值减去模型拟合值，所得残差即为“PB-ROE估值偏离度”[1][8][15]。 4. 信号定义：根据估值偏离度的历史均值（μ）和标准差（σ）设定仓位信号阈值[2][10]。 * 当 偏离度 > μ + 1σ 时，为高仓位信号。 * 当 μ < 偏离度 < μ + 1σ 时，为低仓位信号。 * 当 μ - 1σ < 偏离度 < μ 时，为中等仓位信号。 * 当 偏离度 < μ - 1σ 时，为中高仓位信号[19]。 2. 模型名称：横截面PB-ROE模型[14] * 模型构建思路： 基于Wilcox (1984)的横截面模型，在公司无分红和干净盈余假设前提下，认为对数市净率（Ln(P/B)）与净资产收益率（ROE）之间存在线性关系，用于横截面（跨公司）的比较[14]。 * 模型具体构建过程： 1. 模型假设：公司无分红，且满足干净盈余假设（即除与所有者交易外，所有者权益的所有变动均计入利润）[14]。 2. 模型公式： $Ln(P/B)=-k\cdot T+T\cdot ROE$[14] 其中，T代表公司保持异常利润的时间窗口，k代表股东要求回报率[14]。 模型的回测效果 1. 时间序列PB-ROE模型（估值偏离度），与未来第1周指数涨幅正相关，且具有统计显著性[9][15]。 2. 时间序列PB-ROE模型（估值偏离度），按偏离度升序分为4组，其中估值偏离度最高的组未来涨幅显著最高[18]。 3. 基于时间序列PB-ROE模型构建的仓位择时策略，历史回测显示能够有效降低回撤、提高收益[19]。 量化因子与构建方式 1. 因子名称：PB-ROE估值偏离度[1][8] * 因子的构建思路： 该因子是时间序列PB-ROE模型的回归残差，代表了市场整体估值中无法被基本面（ROE、利率、通胀）解释的部分，即市场情绪或估值偏离度[1][8][15]。 * 因子具体构建过程： 1. 采用时间序列PB-ROE模型：$Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$[8][15]。 2. 使用历史数据对模型进行回归，得到每个时间点（报告中为每周）的回归残差。 3. 该残差即为PB-ROE估值偏离度因子值。计算公式为：估值偏离度 = 实际 Ln(P/B) - 模型预测的 Ln(P/B)[1][8]。 * 因子评价： 当偏离度大于0时，表明实际估值高于基本面合理值，市场情绪高涨；小于0时，表明实际估值低于基本面合理值，市场情绪低迷[1][9][15]。该因子与未来短期市场收益存在正相关性，但关系非线性，在极高和极低值时均可能预示投资机会[18]。 因子的回测效果 1. PB-ROE估值偏离度因子，截至2026年4月3日，取值为0.0807[3][11]。 2. PB-ROE估值偏离度因子，截至2026年4月3日，其标准差倍数（即（当前值-历史均值）/历史标准差）为-0.2549[3][11]。