导读
1、传统的估值因子更多从截面维度进行研究。鉴于一些公司的估值水平虽然在截面上处于低位，但是在时间序列上不断提升，我们研究时序维度的估值因子有效性。从时序角度来看，将其拆分成估值趋势项与短期偏离项，运用误差修正模型进行建模，并进一步定义估值趋势偏离度因子。估值趋势偏离度越大，意味着未来有更大的空间。
2、基于市净率、市盈率、市销率三个因子的倒数（BP_TTM、EP_TTM、SP_TTM）构建估值趋势偏离度因子（EP_DR、BP_DR、SP_DR）， IC以及分位数组合测试验证了估值趋势偏离度因子的有效性。以BP_DR为例，IC为0.043、T值达到6.8、分位数多空年化收益率14.7%、夏普率1.39，有效性显著；另外我们发现在大多数中信一级行业以及宽基指数范围内这种规律依然成立。
3、相较于传统估值因子，估值趋势偏离度因子更加稳健，即便将传统估值因子从估值趋势偏离度因子中剥离，剥离后的因子依然非常有效。以剥离了BP_LR后的BP_DR为例，IC为0.035，T值达到6.1。这说明，股票时间维度和截面维度的估值信息是不同的。
4、将基于BP_LR、EP_TTM、SP_TTM三个维度构建的传统估值因子以及估值趋势偏离度因子等权合成，称之为EV。EV因子IC、T值分别为0.056、6.9，分位数多空年化收益、夏普率分别达到21.7%，1.58，均优于将BP_LR、EP_TTM、SP_TTM合成的因子表现。
风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。
1、估值因子选股——从截面到时序
估值因子一直是量化投资领域非常重要的一类选股指标。常见的估值因子有市盈率、市净率、市销率等。我们通常在截面上将所有股票依据其估值因子的高低进行排序，选择估值最低的一部分构建多头股票组合。一般来说，投资者会认为这部分股票可能被市场过分低估（与同时点的其他股票相比），所以持有低估值股票大概率能跑赢市场平均收益。但同时我们也发现由这种方式构建的策略的波动性在不断加大，有效性不断遭遇挑战。
那么除了在截面上进行估值高低的相对比较，估值因子是否还有其他的运用方式呢？众所周知，我们可以从横纵两个维度去认知事物，对于估值因子也是如此。传统的选股逻辑，强调的是对截面上不同股票估值水平的比较；而我们则转换了观察视角，尝试通过对个股估值的历史时间序列的分析去寻找新的投资思路。
具体来说，我们认为股票在每个时点的估值水平可以由其长期趋势项和短期偏离项叠加而成，估值在时间序列上呈现出一种围绕长期趋势上下波动的走势特征。当估值位于其长期趋势之上时，说明股票被阶段性高估，可以选择卖出回避；反之，当估值位于其长期趋势之下时，说明股票被阶段性低估，可以选择买入持有。注意，这里的低估或高估，与价值投资中估值与内在价值间的比较不同，反映的主要是估值与其长期趋势项之间的关系。
这里要注意的是，上述投资逻辑要在实践中得以应用，有两个问题需要特别注意。首先要解决的就是如何刻画估值的长期趋势项，这也是后续因子构建中的核心问题。其次，短期偏离项往往是由投资者的非理性行为或信息传导不畅而产生的，从理论上来讲应该具有均值回复的基本特征，而其在A股市场究竟呈现出怎样的规律，该如何衡量？这也是我们将要在后文中重点探讨的。接下来，我们将完整地给出本文对上述两个问题的回答，并对由此构建的估值趋势偏离度因子进行全面的测试和分析。
2、估值趋势偏离度因子构建
2.1
因子构建方法
从定义式（5）不难发现，估值趋势偏离度因子的绝对值越大，说明当期估值对长期趋势的偏离越明显，潜在的投资获益空间也越大；而该因子大于或小于0，则代表着估值水平相较于当前趋势来说是低估还是高估，这决定了我们投资的方向。后续我们将使用DR（DivergenceRate缩略）表示相应因子的估值趋势偏离度。
我们分别选择了BP_LR、EP_TTM、SP_TTM、OCFP_TTM（分别是市净率、市盈率、市销率、市现率四个因子的倒数）四个估值因子作为研究对象，利用过去36个月的数据（每日计算，用于估计的样本为每间隔20个交易日的36个样本点）去估计偏离度因子，生成的指标分别称之为BP_DR、EP_DR、SP_DR、OCFP_DR。注意，在计算上述因子时，忽略四个原始估值因子
2.2
因子覆盖度研究
我们首先统计了各估值趋势偏离度因子的覆盖度。自2008年以来，BP_DR、SP_DR对A股的覆盖度非常高，接近100%，而EP_DR、OCFP_DR对A股的覆盖度略微小一些，这是由于原始的EP_TTM、OCFP_TTM负数占比过多所致。OCFP_TTM为例，近年来该因子为负的占比达到25%左右，由于覆盖度相对较低，我们在后续研究中不再对基于OCFP_TTM所构建的偏离度因子进行测试分析。
2.3
估值趋势偏离度因子历史走势
对估值趋势偏离度因子取绝对值，观察因子截面中位数的20日均线，可以发现：
1、三个偏离度因子的历史走势较为一致。在2008年初、2015年中分别出现两个高点，对应着两次不同的系统性动荡。2015年以后，偏离度的绝对水平一直在不断下行；
2、从近期走势来看，偏离度因子绝对值在2019年初出现较大幅度的下行，而后在历史低位处震荡。
偏离度绝对值的降低，在一定程度上表明获利空间在收窄，因子表现可能会出现一定程度的衰减。不过从历史上看，偏离度水平的变化也呈现一定的周期性，目前我们正处在历史低位，后面来看，偏离水平再次扩大的可能性在提升。
2.4
基于估值趋势偏离度的均值回复周期统计
以本研究为例，我们在这里以月频探讨问题，若T=2，则表示回复周期为2个月。我们分别统计了三个估值趋势偏离度因子的回复周期，并进一步观察了截面回复周期的中位数。从结果来看：三个因子的回复周期近年来均有一定程度的上升，尤其是2016年以后，呈现较为明显的单边上行态势（期间经历了2019年初的短期下行）。换言之，估值偏离之后要回复到均衡水平的时间在变长。
3、估值趋势偏离度因子有效性测试
我们以2008年1月-2020年2月为测试区间，在全市场范围内对上文中构建所得到的估值趋势偏离度因子进行测试。同时为了衡量因子有效性，我们对比了传统的BP_LR、EP_TTM、SP_TTM三个因子的表现。为了考虑风格的影响，我们也测试了行业市值中性化后（通过回归的方式进行剥离）因子的表现。
3.1
估值趋势偏离度因子表现分析
首先我们测试了三个估值趋势偏离度因子和流通市值的相关性，结果显示三个因子和流通市值因子的相关性很低，均处在0左右的水平。
我们研究三个估值趋势偏离度因子的表现。三个因子的IC基本在0.04左右，T值稳定在7左右，有效性比较显著。
进一步地，我们对原始因子和行业市值中性化后的指标也进行了全面的测试分析。我们发现三个原始因子的IC基本在0.04左右，T值稳定在7左右，有效性比较显著。而行业市值中性化后，因子表现依然稳健，差异不大。这可能是由于在估值趋势偏离度因子构建时，我们用行业平均估值作为个股估值长期趋势项，这种方法某种程度上起到了行业中性的作用（由于表现非常接近，我们在后文中统一使用行业市值中性后的因子，且依然记作BP_DR、EP_DR、SP_DR）。
3.2
与传统估值因子对比分析—更胜一筹
估值趋势偏离度因子与传统估值因子相比表现如何？从测试结果看，在统一进行了行业市值中性处理的情况下，偏离度因子在因子IC的T值、多空组合夏普比率和最大回撤等指标上优势明显，有效地提升了样本区间上估值类因子的表现。
3.3
剥离传统估值因子后的估值趋势偏离度因子表现
估值趋势偏离度因子主要是从时序的角度捕捉投资机会，但其毕竟脱胎于传统估值因子。两者之间的相关性如何？剥离传统估值因子后的表现又如何呢？
从相关性来看，BP_DR与BP_LR相关性均值为0.24、EP_DR和EP_TTM相关性均值为0.29、SP_DR与SP_TTM相关性均值为0.16，整体相关性并不高。在通过正交化将传统估值因子从估值趋势偏离度因子中剥离后，偏离度因子仍然具有较强的选股能力。以SP_DR为例，剥离了原始的SP_TTM后形成的SP_DR的IC仍然有0.036，T值达到7.4，分位数多空年化收益率11.2%，夏普率1.46，最大回撤4.2%，有效性依然很强。
这进一步说明，估值趋势偏离度因子能捕捉到与传统估值因子不同的选股信息。很多公司在截面上的估值因子可能处于低位，但是从时间维度来看，公司估值一直处于上升通道,通过估值趋势偏离度因子可以捕捉到这类股票的投资机会。
3.4
不同宽基股票池的测试结果分析
我们进一步研究上述因子在不同宽基股票池内的选股有效性（这里主要考察沪深300股票池、中证500股票池、中证800股票池）。从结果来看，在三个宽基指数范围内规律较为一致，这里仅以中证800为例进行给出结果。
估值趋势偏离度因子在中证800内仍然非常有效，同时其表现也均优于相应传统估值因子。
3.5
中信一级行业内测试结果分析
为了比较估值趋势偏离度因子在不同行业内的表现，我们针对截面宽度在100只股票以上的17个行业（从食品饮料开始）展开因子测试研究（17个行业股票总数占全市场股票的80.9%）。
从结果来看各偏离度因子在大部分行业均呈现较高的有效性：BP_DR在有色金属、交运、汽车、通信、电子等行业有效性很强；EP_DR在建筑、通信、商贸零售、机械、有色金属等行业很强；SP_DR在商贸零售、轻工制造、有色金属、汽车、通信、机械等行业很强。
4、基于截面－时序增强的估值因子
4.1
两者结合，相得益彰
通过前面的分析，我们已经知道到估值偏离度因子与传统估值因子利用信息的角度是有差异的。那么如果将两者进行合成，会有怎样的效果呢？我们这里进行了简单的尝试，直接将对应的估值和偏离度因子等权合成（分别称之为BP_Eql、EP_Eql、SP_Eql）。从结果来看合成因子的选股能力全面优于单独的估值偏离度或者传统估值因子。以BP为例，合成后的因子IC为0.053，T值达到6.9，十分位多空组合年化收益率达到20.9%、夏普率高达1.59，均优于单独的BP_LR以及BP_DR表现。
此外，合成因子分位数组合的单调性也有所改善。我们仍然以BP为例，从分位数表现来看，各组别严格单调。
4.2
不同维度，终极增强
最后，与估值大类因子的构建想法一致，这里我们将上一小节得到的三个合成因子BP_Eql、EP_Eql、SP_Eql进一步等权合成为一个因子，我们称其为增强版价值大类因子（EnhancedValueFactor，EV Factor）。同时我们将BP_LR、EP_TTM、SP_TTM(均是中性化后)等权合成作为对比基准（Traditional ValueFactor,TV Factor），以观察CSV的效果。
从测试结果来看，EV因子的选股能力非常强， IC达到0.056、T值为6.9，分位数多空年化收益率为21.7，夏普率1.58。
即便我们将股票池限制在中证800内，EV因子仍然具有稳健的预测能力：因子IC达到0.044、T值达到4.5，十分位多空年化收益16.9%，夏普比达到1.18。
5、结语
在本文中，我们从传统估值因子出发，另辟蹊径，将估值因子拆分成长期趋势项与短期偏离项，通过误差修正模型构建了估值趋势偏离度因子。因子测试结果验证了该因子的选股有效性，同时结果也表明估值趋势偏离度因子比传统估值因子的预测能力更强。最后我们利用截面和时序两个维度的信息，构建了更加稳健有效的增强版价值大类因子EV。希望本次的研究能够给您的量化投资武器库增添新的有效工具，同时也欢迎大家继续关注兴业证券金融工程团队在量化选股策略方面的后续研究！
6、附录
6.1
不同行业的估值趋势偏离度因子
估值趋势偏离度因子是在不同行业得到的结果，我们分别统计不同行业三个估值趋势偏离度因子中位数大小。同时为了更好的观察时间序列上的变动，我们统计了每年年底不同行业的中位数偏离度排名大小，以捕捉具体行业偏离水准在所有行业的分布，具体参见图表27-29（偏离度最高的两个行业为红色；天蓝色以及浅褐色代表第三、第四的行业）。从结果来看：
1、在BP_DR方面，计算机、通信等属于在当下及历史上偏离度均较高的行业；国防军工、食品饮料、传媒、钢铁历史偏离度高而当下偏离度相对较为适中；电子行业当下偏离度居高不下（历史相对较低）；
2、在EP_DR方面，钢铁、石油石化属于在当下及历史上偏离度均较高的行业；而房地产、国防军工、煤炭历史偏离度高而当下偏离度较为适中；通信以及电力设备新能源当下偏离度居高不下（历史相对较低）；
3、在SP_DR方面，国防军工属于在当下及历史上偏离度均较高的行业；非银、房地产、钢铁历史偏离度高而当下偏离度相对较为适中；电子当下偏离度居高不下（历史相对较低）。
6.2
基于中信二级行业构建因子表现分析
在误差修正模型中，我们利用行业中枢作为个股长期趋势项。实际上，对于很多截面较宽的行业，行业内差异非常大。我们以医药行业为例，中成药和创新药实际上有着非常显著的差异，如果仅仅用医药行业的估值中枢去衡量中成药和创新药实际上可能并不能反应真实的情况。所以我们进一步测试用中信二级行业中枢作为个股长期趋势项，将前面的所有研究进行了复现。从结果来看，表现和基于一级行业的结果差异甚小。这说明，虽然部分行业内细分领域确实存在差异，但对于大部分行业而言，一级行业的中枢能代表整个行业的长期趋势。
6.3
其他利用时序信息的估值因子构建方法
基于这种方法，我们进一步针对于BP_LR、EP_TTM、SP_TTM三个因子构建新的估值偏离度衡量方式，同时为了保证可比性，对新构建的因子分别作了行业市值中性化，三个因子分别称之为BP_Time_Ser、EP_Time_Ser、SPTime_Ser。从结果来看，三个因子的选股有效性较弱，和运用误差修正模型的结果相差甚远。
我们认为这种差异主要是由两种方法的机理、细节不同所导致：
1、基于误差修正模型的估值趋势偏离度因子构建思路是从因子的协整关系出发，为了找到长期趋势中的短期偏离衍生出来的结果；而时序偏离度仅仅是一种因子处理方式，虽然其本身也体现了对时间序列信息的利用；
2、趋势项不同。对于误差修正模型，我们利用行业中位数作为衡量的标准和依据；而对于时序偏离度方法，我们利用的是过去一段时间的均值；
3、对偏离的惩罚不同。对于误差修正模型，当上一期因子偏离趋势项过大，那么下一期通过修正会让当期的偏离更小，且这种偏离是时间序列指数衰减的（当期的影响更大）；时序偏离的方法则通过均值项体现这种修正，分母也起到一定的调整作用；且在本文中，我们对过去一段时间的偏离是等权处理的，两者有一定的差异。
风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。
注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《基于误差修正模型的估值趋势偏离度因子研究》。
对外发布时间：2020年3月20日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
--------------------------------------
分析师：徐寅
SAC执业证书编号：S0190514070004
电话：18602155387
E-mail: xuyinsh@xyzq.com.cn
--------------------------------------
联系人：郑兆磊
电话：13918491550
E-mail: zhengzhaolei@xyzq.com.cn
更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYZQ-QUANT）！
