抹茶iswian
返回首页

PB-ROE 策略的因子化

2026-07-21 因子选股 未标签
500 字 3 分钟
目录 ⌄

来源: 长江证券《如何匹配盈利与估值？PB-ROE策略的因子化——基础因子研究（十二）》，2020.03 标签: #PB-ROE #估值盈利匹配 #错配套利 #因子化

单维度因子表现#

因子特点
PB有一定选股能力，行业中性后显著提升（多空11.21%）
ROE选股能力弱，行业中性后反而下降

ROE因子选股收益部分来自于行业偏离（高ROE行业有溢价）。

PB-ROE 匹配逻辑#

股利贴现模型推导出 PB 与 ROE 的关系： PB=ROE×d×(1+g)k−gPB = ROE \times \frac{d \times (1+g)}{k-g}

高盈利能力个股市场倾向于给予高估值，单纯追求低估值易陷入”低估值陷阱”。

匹配因子构建方式#

1. 分位数因子#

因子值=ROE分位数−PB分位数因子值 = ROE分位数 - PB分位数

  • 全市场行业中性后：超额2.53%，多空9.43%
  • 中证800行业中性后：超额3.86%，多空9.94%
2. 回归匹配因子#

截面回归 ROE=α+β×PB+εROE = \alpha + \beta \times PB + \varepsilon，取残差。

  • 全市场行业中性后：超额4.92%，多空11.95%

核心洞察：错期匹配#

PB与ROE的真正匹配应为当期估值匹配未来ROE。

原因：

  • 从盈利角度看：当前估值应匹配当前盈利能力（即未来短期盈利）
  • 从估值角度看：当前估值反映市场对未来盈利预期

错期PB-ROE回归因子#

每季度末以当前 PB 和下季度 ROE 回归取残差：

  • 全市场行业中性：超额7.11%，多空17.73%
  • IC_IR: 1.46

错配套利因子#

从价格变动角度构建： P=PB×E=PE×ROE×EP = PB \times E = PE \times ROE \times E

以 PB×EPB \times E 和 ROEROE 为自变量预测未来收益：

  • 全市场行业中性：超额10.05%，多空14.38%
  • IC_IR: 1.93
  • Fama-MacBeth t值: 3.70（Smart Beta因子）

因子相关性#

  • 错配套利因子与 PB/ROE 因子相关性仅 4-5%
  • 分位数/回归匹配因子与 PB 相关性较高（82-94%）

参考#