价值风格在望如何优化估值因子

1、7 月因子观点：看好估值与量价类因子综合内生变量、外生变量、因子周期与日历效应等视角，7 月看好估值与量价类因子。内 生变量视角短期看好换手率、波动率、估值因子，不看好财务质量、Beta 因子。外生变量 视角看好估值、换手率、波动率因子，不看好小市值、Beta 因子。因子时钟视角长期看好 小市值、反转、技术、波动率、换手率因子，因子周期拟合结果显示估值、小市值、反转、换手率、技术因子较为优势。日历效应 7 月看好估值、成长、换手率、技术因子。图表1： 内生变量和外生变量对风格因子 7 月表现的预测内生变量得分外生变量预测（右轴）22.4%17.7%17.2%0.890.770.600.439.

2、7%0.400.460.530.53 8.6%0.250.352.6%2.0%2.2%-0.3%-0.9%1.51.20.90.60.30.0(0.3)25%23%21%19%17%15%13%11%9%7%5%3%1%-1%-3%Beta-5%估成盈财小值长利务市质值量反波换技转动手术率率资料来源：，华泰研究预测内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现，因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值；因子拥挤度反映因 子是否处于拥挤状态。内生变量对大类风格因子 7 月表现预测结果如下：看好换手率、波 动率、估值因子，不看好财务质量、Beta

3、 因子。其中，波动率和换手率因子在因子动量 与拥挤度维度均相对突出；换手率因子离散度占优，被忽视程度可能较高；估值因子各维 度较为均衡，在因子动量维度上相对优势更大。外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛选出具备预测能力的外生变量，使用线性回归预测未来一个月的 Rank IC 值。外生变量对大类风格因子 7 月 Rank IC 预测结果如下：估值、换手率、波动率因子 Rank IC 预测值超过 10%，可能较为有效，建议短期看多上述因子表现；不看好小市值和 Beta 因子未来一个月的表现，因子表现可能受宏观环境制约。因子周期视角将华泰金工经济周期研

4、究成果应用于风格配置，自上而下构建经济系统周期运行状态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势。库兹涅茨周期已处于顶端，即将迎来拐点进入下行区间；朱格拉周期向下，流动性趋于宽松。当前周期运行状态即将进入第三象限，长期建议配置小市值、反转、技术因子。另外，波动率、换手率因子在不同的宏观环境下表现都较好，这两个因子建议长期配置。综合来看，预测未来一年小市值、反转、技术、波动率、换手率因子有效。进一步结合因子周期拟合的结果，估值、小市值、反转、换手率、技术因子处于上行轨道；盈利、财务质量因子已经处于下行周期末端；成长因子从底部进入回升阶段；波动率因子 上行趋缓

5、，可能接近顶部；Beta 因子由顶部进入下行区间。图表2： 各风格因子在各自然月份因子胜率（2006 年 1 月2022 年 6 月）风格因子1 月2 月3 月4 月5 月6 月7 月8 月9 月10 月11 月12 月Rank IC 为正概率76.5%55.6%72.2%77.8%44.4%61.1%76.5%64.7%70.6%76.5%82.4%82.4%82.4%55.6%66.7%44.4%77.8%88.9%82.4%64.7%41.2%88.2%41.2%82.4%70.6%44.4%55.6%55.6%77.8%88.9%64.7%41.2%35.3%94.1%47.1%76.

6、5%58.8%33.3%61.1%72.2%77.8%77.8%47.1%47.1%29.4%88.2%47.1%70.6%52.9%88.9%77.8%33.3%77.8%44.4%52.9%82.4%64.7%52.9%70.6%52.9%82.4%88.9%83.3%72.2%72.2%83.3%82.4%82.4%100.0%88.2%88.2%94.1%82.4%44.4%72.2%88.9%61.1%72.2%70.6%64.7%100.0%70.6%76.5%76.5%88.2%50.0%72.2%94.4%83.3%66.7%82.4%88.2%94.1%82.4%82.4%8

7、2.4%64.7%44.4%61.1%83.3%55.6%55.6%52.9%64.7%70.6%52.9%41.2%64.7%64.7%88.9%66.7%66.7%72.2%66.7%76.5%70.6%70.6%76.5%82.4%94.1%估值成长盈利财务质量小市值 反转波动率换手率 Beta 技术因子收益率为正概率估值70.6%50.0%50.0%66.7%38.9%55.6%82.4%41.2%70.6%64.7%64.7%82.4%成长88.2%55.6%77.8%55.6%83.3%88.9%88.2%47.1%52.9%70.6%35.3%82.4%盈利70.6%50.0%5

8、0.0%61.1%72.2%100.0%76.5%41.2%47.1%47.1%52.9%82.4%财务质量58.8%33.3%50.0%77.8%66.7%88.9%47.1%41.2%29.4%58.8%47.1%70.6%小市值47.1%88.9%77.8%27.8%66.7%27.8%52.9%64.7%35.3%47.1%58.8%52.9%反转82.4%72.2%50.0%72.2%61.1%55.6%70.6%64.7%82.4%64.7%82.4%64.7%波动率76.5%38.9%66.7%66.7%55.6%50.0%70.6%70.6%76.5%58.8%76.5%58.

9、8%换手率76.5%38.9%72.2%72.2%72.2%61.1%76.5%82.4%82.4%70.6%88.2%64.7%Beta52.9%50.0%61.1%61.1%44.4%50.0%41.2%64.7%58.8%52.9%41.2%58.8%技术47.1%77.8%50.0%44.4%61.1%66.7%76.5%52.9%47.1%70.6%70.6%70.6%，华泰研究进一步观察各风格因子在各自然月份胜率，根据历史经验，7 月估值、成长、反转、换手率、技术因子的 Rank IC 为正概率较高；估值、成长、盈利、换手率、技术因子收益率为正概率较高。通过加总的方式综合来看，估值

10、、成长、换手率、技术因子 7 月相对较优，财务质量、Beta 因子胜率较低。基于基本面亏损的估值指标调整思路就前文多维度的分析来看，未来价值风格具有相对可观的潜力。对于量化投资实践，估值 指标是价值投资的核心度量，包括应用最为广泛的市净率 PB 与市盈率 PE，以及 PS、PD、 PCF 等结构相似的比率型估值指标。以本报告为例，我们对估值因子的构建采用 PE、PB、 PS、PD 四个指标的倒数进行合成，对不同维度的基本面信息起到一定的聚合作用。一般逻辑来看，低估值的股票拥有更大的回升空间，具备更好的投资价值；但在市场实践中，“低估值陷阱”并不鲜见，低估值的个股容易面临进一步的股价下滑。常见估

11、值指标的分母端立足历史的横截面信息，而低估值个股可能具有相对更低的增长预期或增长性风险，常规估值指标难以充分解释市场的定价。特别的，估值指标处于极端值的个股可能包含更多的未考虑因素，从而对因子的有效性产生干扰。参考海外文献，Macquarie Research 在 Quantamentals Anatomy of Value（2021）一文中对估值因子的应用进行了剖析；其中对于 BP（市净率倒数），文章发现指标与收益率的线性特征偏弱，指标尾部组合的稳定性偏低。图表3： 估值指标分层等权组合超额收益（MSCI World 指数成分股）Macquarie Research，MSCI，华泰研究文章基

12、于 MSCI World 成分股票池的分层测试显示，BP 分层组合的收益保序性弱于 EP 指标，头尾两端胜率和超额收益率明显偏高，而高估值部分分层与收益的相关性与直观逻辑相反，BP 估值越贵的组合在收益水平上反而有所提升。此外，BP 分层组合在尾端（低估值）组的跟踪误差也明显更大。整体而言，EP 指标的保序性和稳定性较 BP 更强。对于该现象，文章认为由以下原因导致：1. BP 不含有经营与利润相关的动态信息，无法 反映企业的盈利效率；2. 会计价值不等价于内在价值，可能还收到无形资产等因素的影响；3. 不同性质企业的会计科目与处理方法存在差异；4. 低 BP 企业往往有着更高的增长不确定性。

13、基于以上想法，文章提出了针对基本面亏损股票（Lossmaker）的调整思路，即当个股的基本面（包括净利润和经营性净现金流）出现负值时，对该股票的估值指标值进行降级。其计算方法如下图所示：当股票出现单一层面的亏损时，将对应指标降低 1.5 倍的标准差；当股票在两个层面均呈现负值时，则将指标降低 3 倍的标准差。图表4： 基本面亏损股票（Lossmaker）的数量及指标处理方法示意Macquarie Research，华泰研究A 股估值指标的尾部偏移情况分析作为参考，我们在 A 股中对该思路进行初步检验。首先对 BP 和 EP 的指标进行类似的分层回测；由于没有明确的基准，我们采用横向 Rank

14、化的方式将单期收益转化为 1-10 分，以重点观察分层之间的横向关系；其中，分值越高代表收益越靠前。进一步的，我们观察中信一级行业中性化后指标的表现情况，并基于 Rank IC 统计因子间的表现差异。图表5： BP_LF 分层等权组合收益排序 Rank 值（中证全指样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020133.504.084.926.505.005.677.005.427.005.924.505.675.834.176.425.176.586.335.674.6720145.506.006.

15、255.256.756.504.926.253.584.006.176.586.675.425.836.675.834.833.753.2520153.424.755.755.585.836.505.836.426.004.924.675.755.506.175.086.426.584.925.674.2520166.836.756.507.425.505.836.084.083.582.427.007.256.335.336.254.336.005.424.083.0020177.676.676.335.754.585.176.335.084.003.427.425.836.925.675.

16、675.255.835.834.082.5020186.175.505.924.926.175.675.254.835.924.676.006.255.925.336.084.926.505.755.003.2520194.835.085.585.175.006.584.926.425.426.003.505.256.835.757.755.505.675.835.253.6720204.675.085.255.504.835.925.586.006.086.085.005.833.835.175.175.585.257.175.926.0820214.675.925.085.426.005.

17、336.005.505.675.425.585.585.925.676.085.504.675.255.425.3320226.335.676.676.504.835.675.175.834.174.176.176.176.336.335.174.676.334.334.505.00均值5.365.555.835.805.455.885.715.585.144.705.606.026.015.505.955.405.935.574.934.10标准差3.943.212.352.052.112.142.322.833.433.523.622.982.602.132.232.362.472.843

18、.253.37，华泰研究图表6： EP_TTM 分层等权组合收益排序 Rank 值（中证全指样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020133.334.585.086.927.006.757.676.003.833.833.585.006.506.336.676.755.675.585.083.8320145.334.925.504.674.834.926.256.175.676.754.675.334.755.004.585.925.086.506.177.0020153.424.925.835

19、.335.756.676.505.675.505.424.084.925.675.755.086.426.505.085.675.8320165.175.336.755.835.584.254.504.256.087.255.585.336.506.255.004.835.834.254.756.6720177.837.427.336.426.254.424.753.253.174.178.677.676.926.676.084.334.672.833.673.5020186.426.424.926.426.006.834.925.004.253.835.675.926.927.335.755

20、.505.674.253.674.3320195.175.756.175.676.755.836.175.254.423.835.336.336.836.585.584.926.085.423.674.2520204.426.086.087.505.506.586.254.673.334.585.506.256.425.425.255.425.586.334.254.5820215.005.756.176.085.335.425.425.835.084.925.505.675.925.584.925.755.175.925.085.5020227.006.336.507.174.834.833

21、.334.335.335.336.506.335.334.676.334.835.334.335.505.83均值标准差5.315.756.032.256.202.015.785.655.585.044.674.995.515.886.182.385.965.535.475.565.054.755.133.373.913.122.352.512.952.862.823.213.713.052.292.712.522.702.722.76，华泰研究图表7： BP_LF 与 EP_TTM 月度 Rank IC 统计（2012.12.31-2022.6.30，中证全指样本）BP_LF（非行业中性）B

22、P_LF（行业中性） EP_TTM（非行业中性） EP_TTM（行业中性）平均值4.45%4.83%3.85%3.89%标准差16.65%11.13%12.86%9.35%IC_IR0.270.430.300.42，华泰研究基于中证全指样本池的分层测试可以较明显的看出，估值指标的低估值端有较明显的非线性特征，最低估层的表现整体弱于次低估层；而在 EP 指标中，高估端组合同时出现了反常的表现提升。同时，两种指标的头尾端组合的排名标准差明显高于其余分层，与原文的结果较为吻合。横向对比 BP 与 EP 指标，在同样的行业中性化处理场景下，EP 指标的 IC标准差低于 BP 因子，在稳定性上可能相对更

23、佳。我们同时在整体流动性和市值更高的中证 800 指数成分股票池中进行验证。图表8： BP_LF 分层等权组合收益排序 Rank 值（中证 800 样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020133.504.334.254.835.675.336.926.177.256.754.175.425.175.335.006.424.836.506.755.4220146.176.256.335.835.086.334.754.754.754.756.677.257.505.427.083.584.335

24、.334.083.7520154.755.424.756.675.755.584.926.585.505.085.835.425.505.926.255.675.004.675.675.0820167.337.006.835.835.425.255.585.004.172.587.337.257.086.926.255.174.173.254.583.0020176.925.835.254.084.335.085.426.506.085.506.925.675.504.505.584.585.835.756.084.5820186.506.505.086.085.504.834.674.755

25、.175.926.585.585.335.505.255.085.005.676.834.1720194.424.255.255.834.505.004.836.506.927.503.174.755.175.676.006.426.674.507.085.5820204.254.924.505.505.084.676.335.677.256.834.084.504.254.675.505.836.176.176.926.9220214.676.255.176.005.256.176.174.674.925.755.926.756.335.425.754.924.085.005.585.252

26、0226.006.335.506.176.505.505.335.174.174.335.335.676.006.173.836.676.174.504.835.83均值5.455.715.295.685.315.385.495.585.625.505.605.835.785.555.655.435.235.135.844.96标准差3.663.112.662.352.162.272.372.883.233.633.352.982.592.572.422.382.673.013.353.14，华泰研究图表9： EP_TTM 分层等权组合收益排序 Rank 值（中证 800 样本，2012.12

27、.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020133.753.675.086.086.426.506.587.504.754.674.255.834.005.583.676.337.255.756.505.8320145.675.754.834.926.334.584.505.755.677.005.584.585.085.925.585.005.755.335.177.0020155.175.586.176.176.675.834.505.834.834.256.505.005.425.676.175.085.677

28、.003.584.9220166.336.006.675.835.925.504.673.334.506.256.428.006.756.084.584.754.923.834.175.5020177.506.506.925.086.005.504.583.334.924.677.427.507.006.425.504.174.504.004.084.4220186.925.336.675.424.675.424.925.585.674.425.675.256.336.176.334.676.335.755.503.0020196.085.175.174.506.836.426.005.505

29、.004.335.005.675.587.256.755.175.676.423.583.9220204.005.005.004.926.676.426.086.176.254.504.585.506.084.675.924.927.256.586.083.4220214.005.175.425.756.585.505.335.586.585.084.924.836.255.835.585.675.175.836.424.5020225.676.836.176.005.675.004.674.504.675.835.176.835.837.003.835.005.174.506.675.00均

30、值5.515.505.815.476.185.675.185.315.285.105.555.905.836.065.395.085.775.505.184.75标准差3.812.812.442.282.122.642.822.973.273.133.442.982.642.582.522.622.652.783.193.03Wind，华泰研究图表10： BP_LF 与 EP_TTM 月度 Rank IC 统计（2012.12.31-2022.6.30，中证 800 样本）BP_LF（非行业中性）BP_LF（行业中性） EP_TTM（非行业中性） EP_TTM（行业中性）平均值2.31%2.8

31、6%3.97%4.10%标准差22.06%13.29%17.27%10.72%IC_IR0.100.220.230.38，华泰研究可以看到，在 Rank 均值分布上，估值指标在中证 800 指数成分股中呈现类似的现象，即低估端的表现相对偏弱，标准差则明显偏高。同时注意到，行业中性化对于指标的整体保序性和稳定性有所提升，且对于 BP 指标的效果更加明显。基于基本面亏损的指标调整验证下一步，我们基于基本面亏损指标对估值因子进行调整，观察该方法是否能够在 A 股市场中对因子起到优化效果。在对于基本面亏损的指标处理上，我们按照原文的思路，分别选择最近报告期的净利润 TTM 与自由现金流 TTM 指标，

32、以反映近一年以来个股的基本面状况。我们首先对中证全指和中证 800 股票池中的 Lossmaker 比例进行统计，并比较海外市场的分布情况。图表11： 中证全指基本面亏损股票比例（2012.12.31-2022.6.30）图表12： 中证 800 基本面亏损股票比例（2012.12.31-2022.6.30）35%30%25%20%15%10%5%30%净利润为负双指标为负经营性净现金流为负25%20%15%10%5%净利润为负双指标为负经营性净现金流为负2012/12/312013/6/302013/12/312014/6/302014/12/312015/6/302015/12/31201

33、6/6/302016/12/312017/6/302017/12/312018/6/302018/12/312019/6/302019/12/312020/6/302020/12/312021/6/302021/12/312012/12/312013/5/312013/10/312014/3/312014/8/312015/1/312015/6/302015/11/302016/4/302016/9/302017/2/282017/7/312017/12/312018/5/312018/10/312019/3/312019/8/312020/1/312020/6/302020/11/30202

34、1/4/302021/9/302022/2/280%0%，华泰研究，华泰研究图表13： 不同指标 Lossmaker 在样本池中的占比（S&P/ASX300）Macquarie Research，S&P，华泰研究与文章中的统计结果对比来看，A 股与 S&P ASX300 股票池的净利润和经营性净现金流亏损比例相对接近，大部分区间在 30%以内波动；同时可以发现，A 股中净利润亏损的比例整体低于经营性净现金流亏损比例，但海外样例市场则相反。图表14： BP_LF 分层等权组合收益排序 Rank 值（基本面亏损调整，中证全指样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非

35、行业中性行业中性分层123456789101234567891020133.674.255.424.836.755.757.256.426.174.505.254.925.086.255.427.005.676.255.753.4220145.755.925.756.006.425.333.755.256.334.506.586.006.086.586.504.674.173.506.504.4220153.925.334.835.506.255.585.256.756.674.924.585.425.925.835.505.586.584.086.425.0820167.006.426.58

36、5.927.004.173.754.584.674.926.926.085.835.337.504.255.083.754.925.3320177.926.506.505.506.086.174.584.335.002.427.587.256.506.175.586.754.174.004.672.3320186.336.176.006.755.586.255.425.254.502.757.006.755.586.335.086.756.174.424.672.2520194.425.425.505.835.836.676.585.925.503.334.586.085.337.255.92

37、5.756.006.084.833.1720204.585.586.255.426.175.675.926.674.833.925.675.504.756.085.256.426.586.006.172.5820215.175.086.085.586.085.005.255.085.586.085.925.005.926.505.424.085.584.676.085.8320226.176.676.335.175.334.673.675.175.176.676.506.176.005.334.334.833.674.836.506.83均值 标准差5.495.735.932.385.656.

38、152.125.535.145.545.444.406.065.925.706.172.195.655.615.374.763.165.654.133.933.072.032.423.453.072.462.923.582.882.312.332.722.922.703.07，华泰研究图表15： EP_TTM 分层等权组合收益排序 Rank 值（基本面亏损调整，中证全指样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020133.255.585.926.676.837.254.506.175.083.753

39、.755.085.926.427.007.086.006.004.503.2520145.424.835.255.084.756.006.084.506.176.924.255.584.255.086.086.085.755.505.756.6720154.004.585.675.425.586.585.427.255.005.504.335.085.005.425.756.005.426.675.505.8320165.255.756.255.503.675.175.335.425.427.255.175.585.835.585.335.333.755.585.757.0820178.007

40、.587.176.424.423.833.085.674.084.758.927.427.175.834.174.502.925.334.584.1720186.676.085.587.086.675.585.004.334.083.925.926.927.426.926.004.754.834.833.503.9220195.005.676.756.586.176.425.503.835.333.755.756.337.676.255.005.424.754.925.253.6720205.005.926.926.086.427.005.424.503.174.585.926.586.256

41、.085.676.006.673.753.754.3320215.175.755.835.925.175.585.754.754.926.175.425.675.755.006.334.926.004.835.006.0820227.006.506.836.004.173.833.504.506.336.336.835.335.674.675.505.333.674.506.177.33均值5.485.836.226.085.385.734.965.094.965.295.635.966.095.735.685.544.985.194.985.23标准差3.953.072.222.192.60

42、2.912.702.472.643.323.832.872.532.582.262.512.732.752.763.42，华泰研究图表16： BP_LF 与 EP_TTM 月度 Rank IC 统计（基本面亏损调整，2012.12.31-2022.6.30，中证全指样本）BP_LF（非行业中性）BP_LF（行业中性）EP_TTM（非行业中性）EP_TTM（行业中性）平均值4.28%4.77%3.81%3.91%标准差12.55%8.44%11.45%9.11%IC_IR0.340.570.330.43，华泰研究预测从结果来看，基于基本面亏损调整后的 BP 指标在整体线性特征及尾部保序性上均有所

43、提升，在结合行业中性化后效果较为理想，但尾部组合的标准差仍旧偏高；对于 EP 指标，处理后的效果相对弱于 BP 指标，可能由于 EP 指标本身含有盈利相关的信息，进一步调整反而对原分布造成干扰。从 IC 统计上看，该处理对 BP 因子的稳定性和 IC_IR 有较显著的提升，在中证全指样本内均超过 EP。图表17： BP_LF 分层等权组合收益排序 Rank 值（基于基本面亏损调整，中证 800 样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020134.504.584.505.255.087.086.50

44、6.925.505.086.174.755.504.586.086.336.336.335.083.8320146.006.676.425.086.175.333.925.005.425.006.677.256.506.334.425.255.173.505.254.6720154.504.425.925.836.006.335.674.835.925.585.425.505.507.006.083.506.086.005.504.4220166.927.086.675.675.586.175.174.173.833.756.837.336.677.255.835.173.755.173.58

45、3.4220176.926.084.335.585.756.256.586.333.753.426.255.675.257.005.426.257.004.674.253.2520187.086.085.755.584.835.676.335.675.252.756.926.425.675.425.924.836.256.334.922.3320195.004.085.334.925.504.677.426.177.004.923.674.756.006.256.006.754.926.925.334.4220204.334.835.084.835.006.255.337.587.084.67

46、4.334.504.754.925.505.336.506.587.005.5820215.755.505.506.584.927.004.924.925.424.506.255.836.505.425.504.505.336.085.424.1720226.175.836.006.335.335.336.174.834.174.835.005.676.335.005.505.675.005.177.174.50均值5.725.525.555.575.426.015.805.645.334.455.755.775.875.925.635.365.635.685.354.06标准差3.643.2

47、62.602.142.212.382.903.173.002.893.242.792.642.552.362.662.973.132.962.94，华泰研究图表18： EP_TTM 分层等权组合收益排序 Rank 值（基于基本面亏损调整，中证 800 样本，2012.12.31-2022.6.30）低估中间高估低估中间高估非行业中性行业中性分层123456789101234567891020134.254.586.426.336.506.335.755.175.504.174.756.085.004.676.257.425.836.254.084.6720145.675.834.835.585

48、.174.425.506.085.926.005.754.255.176.005.084.925.256.085.756.7520155.005.835.585.675.925.335.925.336.084.336.255.755.335.925.335.425.585.256.253.9220166.255.927.255.675.424.673.924.335.176.426.927.336.505.085.585.583.254.254.256.2520176.837.177.085.926.084.334.254.174.175.008.177.336.426.504.675.084

49、.673.753.834.5820186.586.426.005.335.255.926.006.083.753.675.586.256.426.925.756.086.424.923.673.0020195.835.674.176.006.177.085.925.504.504.175.255.925.837.425.834.676.255.004.754.0820204.255.004.585.676.676.336.256.925.174.175.255.085.085.835.506.087.255.835.253.8320214.085.835.835.926.085.835.176

50、.336.423.504.675.256.085.925.176.085.926.425.753.7520225.676.336.836.506.334.835.003.006.334.175.336.177.334.675.335.835.005.336.833.17均值5.445.865.865.865.965.515.375.295.304.565.795.945.925.895.455.725.545.315.044.40标准差3.732.822.722.352.432.722.873.052.822.863.323.022.542.442.732.502.792.893.053.07

51、，华泰研究图表19： BP_LF 与 EP_TTM 月度 Rank IC 统计（基本面亏损调整，2012.12.31-2022.6.30，中证 800 样本）BP_LF（非行业中性）BP_LF（行业中性）EP_TTM（非行业中性）EP_TTM（行业中性）平均值3.64%3.89%4.47%4.56%标准差17.54%10.05%15.32%10.09%IC_IR0.210.390.290.45，华泰研究相似的，在中证 800 成分股票池中我们得到了近似的结论，基于基本面亏损的调整对 BP指标的收益线性相关性、尾部保序性和稳定性均有所提升；对于 EP 指标影响相对较小。对比处理前的表现，BP 指

52、标的稳定性与 IC_IR 均有较大提升。图表20： BP_LF 与 EP_TTM 月度 IC_IR 汇总（2012.12.31-2022.6.30）调整处理样本池BP_LF（非行业中性）BP_LF（行业中性）EP_TTM（非行业中性）EP_TTM（行业中性）无调整中证全指0.270.430.300.42中证 8000.100.220.230.38基本面中证全指0.340.570.330.43亏损调整中证 8000.210.390.290.45，华泰研究小结从统计结果来看，常规估值指标的形式较为简洁，难以充分涵盖定价因素；而处在头尾端的股票样本稳定性明显更低。Macquarie Research

53、 提出了基于基本面亏损特征对估值指标的调整思路，针对净利润和经营性净现金流的亏损，相应调低估值，并发现该方法对 BP 指标较为有效。从 A 股市场的实证来看，经过基本面亏损指标调整后，BP 指标的稳定性提升明显，IC_IR有较显著的提高，该方法具有一定的可行性与普适性。同时，相比于直接剔除极端样本，纯数值层面的处理方案样本信息损失较小，对于多因子模型或具有一定的优势该方法的立意是引入多维信息，对常规估值指标进行补正，是值得参考的思路。但与此同时，该方法在亏损特征选取、参数设置上较为主观和朴素，也并未给出优化过程或相对严格的关系推导。在实际应用层面，该方法或有进一步优化的空间。因子表现回顾6 月

54、大类风格因子表现大类风格因子 6 月在全 A 股票池的 Rank IC 值和因子收益率如下图所示。反转因子表现较 好，Rank IC 超过 10%；成长、盈利、换手率因子均呈现正向的 Rank IC 和收益率；财务 质量、波动率因子同样呈现正向 Rank IC，但收益率出现一定背离。估值、小市值、技术、 beta 等因子均呈现回撤。图表21： 6 月大类风格因子表现因子Rank IC因子收益率（右轴）13.10%1.38% 6.02%7.31%4.27%2.10%0.60%5.46%0.46%0.04%-0.28%-0.66%-0.59%-1.89%-0.85%-2.39%-12.01%-7.

55、27%-2.84%30%25%20%15%10%5%0%-5%-10%-15%6%5%4%3%2%1%0%-1%-2%Beta-3%估成盈值长利资料来源：，华泰研究财小反波换技务市转动手术质值率率量近 1 年大类风格因子表现我们对大类风格因子近 12 个月的 Rank IC 值做累加，得到各月累计 Rank IC 值，如下图所示。总的来看，波动率、反转、换手率因子近 1 年整体表现良好；估值与小市值因子在整个区间内表现较好，但近两个月有所走弱。技术因子 2021 年下半年表现相对较好，但2022 年以来整体平庸。成长、Beta、盈利、财务质量等因子近一年来均未呈现明显优势。图表22： 近 1

56、年大类风格因子累计 Rank IC 值估值成长盈利财务质量小市值反转波动率换手率Beta技术160%140%120%100%80%60%40%20%0%-20%2021-06-302021-07-302021-08-312021-09-302021-10-292021-11-302021-12-312022-01-282022-02-282022-03-312022-04-292022-05-312022-06-30-40%资料来源：，华泰研究近 1 年细分因子表现计算 34 个细分因子 9 月 Rank IC 值，以及近 12 个月的月频 Rank IC 值。将近 12 个月Rank IC

57、的均值除以标准差，得到近 1 年 IC_IR。近期细分因子表现如下图所示。图表23： 近 1 年细分因子表现30%上月Rank IC近1年IC_IR（右轴）1.520%1.010%0.50%0.0-10%(0.5)EP BP SP DPSales_G_q Profit_G_q ROE_G_qROE ROAgrossprofitmargin netprofitmargin assetturnover debttoassetscurrent ocftoassets ln_capital return_1m return_3m exp_wgt_return_3m exp_wgt_return_6ms

58、td_1m std_3m IVR_FF3factor_1m IVR_FF3factor_3mturn_1m turn_3m bias_turn_1mBeta macd dea difrsi psy bias-20%(1.0)资料来源：，华泰研究因子表现计算方法因子 T 月表现的计算方法可以简要描述为：以 T-1 月最后一个交易日为截面期，以全 A 股为股票池，计算附录一中 10 大类共 34个细分因子值。对每一大类风格因子内部各细分因子做去极值、标准化预处理及因子方向调整，再等权合成，得到截面期大类风格因子值。计算 T 月股票池内个股区间收益。对大类风格因子或细分因子做去极值、标准化和行业市值

59、中性化预处理，计算 T-1 月 预处理后因子与 T 月个股区间收益的 Spearman 秩相关系数，即 T 月因子 Rank IC 值。对大类风格因子值、个股总市值做去极值和标准化预处理，以 T-1 月预处理后大类风格因子值、预处理后个股总市值、中信一级行业哑变量为自变量，以 T 月个股区间收益为因变量，以流通市值平方根为权重，做加权线性回归，大类风格因子值对应的回归系数即为 T 月大类风格因子收益率。详细计算方法请参见附录二。内生变量视角内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现。因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值，高因子离散度反

60、映 因子被过度忽视，低因子离散度反映因子被过度投资；因子拥挤度反映因子是否处于拥挤 状态。一般看好高因子动量、高因子离散度、低因子拥挤度因子短期表现，三项指标在截 面和时序上均有预测效果。内生变量综合预测结果基于因子动量、因子离散度、因子拥挤度三类指标，分别从截面和时序角度，对大类风格因子 7 月的表现进行打分预测，综合预测结果如下表所示。总体来看，看好换手率、波动率、估值因子，不看好财务质量、Beta 因子。其中，波动率和换手率因子在因子动量与拥挤度维度均相对突出；换手率因子离散度占优，被忽视程度可能较高；估值因子各维度较为均衡，在因子动量维度上相对优势更大。图表24： 内生变量预测大类风格