量化模型与构建方式 1. **模型名称**：图表派—基本面派模型 **模型构建思路**：通过做市商与两类投机者（图表派与基本面派）的互动机制，研究股票市场信息效率的局限性，解释恒定错误定价与振荡性错误定价的共存现象[4][21][22] **模型具体构建过程**： - **价格调整规则**：做市商根据超额需求调整价格，公式为 $$P_{t+1}=P_{t}+\alpha(D_{t}^{C}+D_{t}^{F}+D_{t}^{R}-N)$$ 其中，$\alpha$为价格调整参数，$D_{t}^{C}$和$D_{t}^{F}$分别代表图表派与基本面派的需求，$D_{t}^{R}$为非投机需求，$N$为股票总供给[24][26] - **图表派需求**：基于趋势外推，公式为 $$D_{t}^{c}=\beta(P_{t}-P_{t-1})$$ $\beta$为图表派反应系数[27] - **基本面派需求**：仅在风险调整后预期利润为正时交易，分段函数为 $$D_{t}^{F}=\begin{cases}\gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}>h\\ 0&\text{if}\ \ -h\leq P_{t}-F_{t}\leq h\\ \gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}<-h\end{cases}$$ $\gamma$为基本面派反应系数，$h$为错误定价阈值[27] - **基本面价值**：服从随机游走，公式为 $$F_{t+1}=F_{t}+\delta_{t}$$ $\delta_{t}\sim N(0,\sigma_{\delta}^2)$[28] **模型评价**：兼容Fama（1970）、Grossman & Stiglitz（1980）和Lo & Farmer（1999）的理论分歧，揭示市场动态复杂性[17][21][85] 2. **模型名称**：映射F（基本面派主导模型） **模型构建思路**：假设基本面派始终活跃，研究股价收敛至基本面价值的条件[31][37] **模型具体构建过程**： - 二维线性映射： $$F\colon\begin{cases}x^{\prime}=(1+b-c)x-by\\ y^{\prime}=x\end{cases}$$ 其中$b=\alpha\beta$，$c=\alpha\gamma$，$x_t=P_t-F_t$[30][31] - 雅可比矩阵特征值分析：稳定性条件为$0<c<2(1+b)$且$0<b<1$[31][38] 3. **模型名称**：映射C（图表派主导模型） **模型构建思路**：研究仅图表派活跃时股价的非基本面固定点收敛[31][43] **模型具体构建过程**： - 二维线性映射： $$C:\begin{cases}x^{\prime}=(1+b)x-by\\ y^{\prime}=x\end{cases}$$ 固定点为45度线连续体，稳定性条件为$0<b<1$[40][43] 模型的回测效果 1. **图表派—基本面派模型**： - **区域R1**（$0<b<1$且$c<2(1-b)$）：股价收敛至非基本面固定点，错误定价恒定[21][66] - **区域R2**（$0<b<1$且$2(1-b)<c<2(1+b)$）：股价收敛至非基本面固定点或产生奇异准周期振荡[22][66] - **区域R3**（$0<b<1$且$c>2(1+b)$）：发散或收敛至非基本面固定点[66] - **区域R4**（$b>1$）：股价轨迹发散[66] 2. **映射F**： - **稳定盒S**内（$0<c<2(1+b)$）：股价收敛至基本面价值（原点）[31][37] - **稳定盒外**：动态发散[38] 3. **映射C**： - **$0<b<1$**：收敛至非基本面固定点，错误定价水平取决于初始条件[43][46] - **$b>1$**：动态发散[43] 量化因子与构建方式 （报告中未明确提及独立因子构建，仅包含模型参数如$\beta$、$\gamma$、$h$等，故跳过此部分） 因子的回测效果 （无相关内容） 关键参数与指标 - **图表派影响力参数**：$b=\alpha\beta$，测试范围$0.00<b<1.10$[53][66] - **基本面派影响力参数**：$c=\alpha\gamma$，测试范围$0.00<c<4.40$[53][66] - **错误定价阈值**：$h=0.05$（归一化后）[46][53] - **动态类型指标**：固定点收敛、奇异准周期振荡、发散[53][66]

报告核心观点 - 不同估值因子在不同股票池、行业和市场环境下表现有差异，收益源于估值与基本面的错误定价，在A股长期有效但效果或边际下滑，利用此构建的组合在中证800和中证1000股票池有较好回报 [6] 各部分总结 概述 - 估值因子是投资者构建策略和优化组合的关键依据，经典估值指标可帮助识别投资机会与风险，价值股在中美资本市场长期跑赢成长股 [10] - 关于估值因子收益来源有有效市场假说和行为金融学两种假说 [10] - 报告研究了估值因子在不同股票池、行业和市场环境下的表现差异、收益来源以及利用其构建的投资组合，并得出相关结论 [11][12][13][14] 估值因子 - 相对估值法常见实用，如PE法用于盈利稳定、周期性弱的行业，PB法适用于有大量固定资产且账面价值稳定的行业 [15] - 估值因子包括EP、BP、SP、CFP、PEG，各有优缺点和适用公司 [16] 因子IC分析 - 因子IC表征因子对未来股票收益预测能力，ICIR表征预测能力稳定性，EP、BP的IC表现较好，EP的ICIR表现较好 [18][19] - EP、BP、SP、CFP的IC和ICIR在全A、中证1000和中证800中递减，PEG的IC和ICIR在中证800和中证1000中高于全A [19] 因子回归法分析 - 股票的|T|大于2比例表征因子统计显著频率，因子收益率表征一单位因子暴露对应的收益，EP因子显著性和收益表现较好 [24] 因子分层测试分析 - EP因子在各范围具备较好单调性且分组收益差距大，BP因子在全A范围内分组效果较好，SP因子在中证800和全A范围内分组效果较好 [28][29] - CFP因子在全A范围内分组效果尚可，在中证800和中证1000内部效果不好，PEG因子分组收益中间高两端低 [29] 不同行业的因子预测效果 - EP因子在大部分行业表现较好，BP因子在公用事业、金融行业等重资产行业表现较好，SP因子在TMT行业表现较好 [1][40] 估值因子的收益来源 - 估值因子收益源于估值和基本面的错误定价，投资者精力有限，估值会向基本面吻合方向修复 [41] - 构建估值 - 基本面双特征投资组合，高估值 - 弱基本面组合产生显著负向收益，低估值 - 强基本面产生显著正向收益，估值和基本面相对吻合的组合无显著非零收益 [2][46] 估值因子效果长期有效但可能边际下滑 - 除PEG因子外，EP、BP、SP和CFP因子长期IC累加呈上行趋势，估值因子长期有效但会阶段性预测能力下降 [48] - 美国市场价值因子曾经历低迷，原因包括未反映无形资产和价值股估值水平下降，后价值因子反转产生正向收益 [60][63][67] - A股价值因子长期呈上涨态势，2021年至今加速上行，随着A股投资者结构机构化，错误定价产生的收益可能下降 [71][75] 估值陷阱 景气周期高点 - 上游周期类公司在经济扩张期利润暴涨，静态低估值但长期利润中枢低，如中远海控，周期类公司EP因子预测能力通常小于BP因子 [76][79] 结构性衰退 - 公司长远前景不确定，利润可能单边下行，如柯达衰落、光伏行业竞争格局恶化，可通过成长性和回报率筛选股票规避 [80][81][82] 利用错误定价构建的投资组合 中证800股票精选 - 每月末在中证800股票池用BP、EP、净利润增长率和ROE因子对个股等权打分取前40个个股构成组合，年化回报14.87%，最大回撤31.65%，年化波动26.6%，相对基准超额13.54%，月度胜率63.13%，选择个股数量增加，年化收益和波动下降 [85] 中证1000股票精选 - 每月末在中证1000股票池用上述因子对个股等权打分取前40个个股构成组合，年化回报19.11%，最大回撤27.23%，年化波动28.72%，相对基准超额16.81%，月度胜率70.5%，选择个股数量增加，年化收益和波动下降 [89] 总结 - 中证800样本池选股策略在18 - 20年相对逆风，中证1000样本池选股策略超额收益稳定，估值因子收益来源与“拙能胜巧”思想相符 [93]