基于一致预期的pb-roe选股模型构建与优化金融工程专题报告

基于一致预期的PB-ROE选股模型构建与优化——金融工价值投资是证券投资的传统理念，核心思想在于寻找价格低于内在价值的股票，从而获取未来价格修复的收益。具体来看，符合价值投资理念的标的首先要具有良好的基本面，其次要有合理的本文沿用PB-ROE这一经典框架，构建A股市场价值选股策略，以考察这一选股思路在A股是否可行，并引入一致预期指标利指标采用净资产收益率（ROEROE越高说明企业的盈利露，但由于各公司财报的披露时间并不一致，为避免使用未来数指标我们于每月更新，其中每股净资产采用上市公司披露的最近本面筛选，构建初始股票池，然后在此基础上采用PB指标做第二层筛选，形成最终的股票组合。按照上述思路，我们采用全部A股构建传统PB-ROE模型。回测时间设定为2007年5月看，该方法可以跑赢基准指数，这说明PB-ROE模型在A股市场走强，特殊一九行情所产生的结果，长期看相对于万得全A指数打分法的选股绩效并不特别理想，我们尝试采用分层筛选法改进绩效。在第一层基于基本面的筛选中，我们筛选那些ROE高于经济高速增长时个股ROE普遍较好，而经济衰退或低速增长选股模型，但长期看，无论是收益率还是收益风险比都显著优于综合打分法。这说明该方法是有效的，我们认为原因可能在于分层筛选法实际上是加大了估值指标在个股筛选上的权重，而在我们前期多因子选股研究中，我们发现估值因子是一个长期有效且模型从上述测试结果可以看出，价值投资长期以来能够获得相对有待提升。我们分析其中的原因，可能是因为我们采用的是公司但对资本市场影响较大的是预期而非历史。鉴于此，我们考虑引们于每月第一个交易日，采用最新的分析师一致预期数据构建PB与ROE构建选股模型。为提升数据质那些分析师跟踪家数少于三家的上市公司。模型构建方法依旧采2.1.基于一致预期PB-ROE选股模型回测基于一致预期的PB-益。长期来看，在市场下跌时组合具有较好的抗风险性，在牛市TOP50的最大回撤也略微减小。这进一步验证了价值投资在A型中，我们发现虽然长期看分层筛选法的选股绩效好于综合打分法，但今年以来的收益率却不及综合打分，在本文第一部分仅采选条件过于宽泛了，而今年以来的行情是过度集中于较小一部分蓝筹股上，故分层法绩效不及综合打分法。于是，这就产生了矛盾，即在实战中，我们应该采用分层法还是综合打分法构建股票池呢？为消除这种多元选择带来的困惑，我们考虑对模型做进一步的优化，主要思路为在分层法的第一层筛选中，我们尝试加入其他符合逻辑的指标，以缩小备选股票池，并提升第一层筛选出的股票池的收益。倘若改进后的分层法选股绩效能有进一步提升，尤其是今年的行情中依旧能录得好于综合打分法的收益，那3.一致预期PB-ROE选股模型的进一步优化与完善3.1.模型优化与完善思路我们考虑分层筛选法的第一层基本面筛选中新加入一个一致预期净利润增速指标。这是因为，从我们前期关于多因子选股的研究中，发现上市公司的成长性也是一个长期较为有效的指标，因为投资者投资股票其实看重的该公司未来的增长能力。而之所以选择采用一致预期指标，则是为了克服历史财务数据过于滞后的问题，以进一步提升成长性指标的选股能们对第二层基于估值指标的筛选也做进一步改进，新加入一个预3.2.优化后的PB-ROE选股模型历史回测上述改进思路中，有指标权重，前者我们设定为便于结果展示，我们仅测试Top50组合不同参数设定下的选股绩效，模型回测如下：从测试结果看，当加入预测净利润数设定下年化收益率均达到30%以上，今年以来源于分析师对于每股收益的预测比每股净资产的预测更为准确，因此结合PE的预测信息以及PB指标作为综合估股模型绩效最优，年化收益率达到33.10%，夏普比率达到年以来收益率提升至19.56%。板块，这与当下市场所普遍认可的具有价值投资的板块是法，从测试结果来看，分层法相比于综合打分法收益较高加大了估值因素在选股权重的结果。另外我们发现采用财中的指标存在时滞性，代表过去一段时间公司的经营状况充分考虑公司当前或者未来的情况。因此我们将一致预期分层法，在预测ROE指标的基础上加入预测净利润增速指标作为公司基本面的筛选，并采用综合估值指标进行第二层筛选，进私募工场