一種行業(yè)輪動增強策略探索和二種低估選股思路驗證

1、引言-深化本文為東北金工行業(yè)輪動系列報告第四篇，繼續(xù)探究基本面研究可被量化分析挖掘的內(nèi)容。本文以 2022/05/16 發(fā)表的報告行業(yè)生命周期&動態(tài)估值下的成長價值選股為依據(jù)，再次利用賽道的營收拆分和動態(tài)估值進行選股和行業(yè)輪動策略增強，尋找 beta 中的 alpha。本文的主要如下：第二章介紹了兩種低估選股方法。第一種方法為根據(jù)上市公司賽道布局情況進行估值重構，并與預測估值進行對比，選擇重構估值低于預測估值的股票構建組合；第二種方法延續(xù)行業(yè)生命周期&動態(tài)估值下的成長價值選股中使用的剩余收益估值模型，更新了權益成本的估計方法，采用“無風險利率+風險溢價”作為必要報酬率，其中“風險溢價=1/公允

2、市盈率”，并選擇低估值股票構建組合。這兩種方法充分考慮了行業(yè)和個股特性，以財務信息和行業(yè)屬性為依據(jù)，分組結果較靜態(tài)估值分組有較明顯提升；第三章介紹了在非市場上漲帶來的被動的“利潤增速預期上修”為基礎的行業(yè)選擇策略中，疊加動態(tài)估值下行業(yè)估值狀態(tài)，可相對使用靜態(tài)估值有更好的增強作用。結果顯示，由于低估選股方法在邏輯上跟貼近基本面研究思路，也因此無論是通過 橫向比較并根據(jù)業(yè)務構成進行估值重構還是通過“公允市盈率”法計算不同股票合 適的折現(xiàn)率進而計算權益價值都比起傳統(tǒng)靜態(tài)估值進行選股的效果有所提升。而在 將低估策略拓展到行業(yè)中時，為了克服傳統(tǒng)低估指標線性疊加到行業(yè)選擇中效果不 突出的問題，我們選擇了第

3、二章計算的動態(tài)估值基礎上的低估指標并將其作為以盈 利上修作為行業(yè)景氣判斷的輪動策略的增強策略，在最終效果上，比起基礎策略有 了較高提升。其中，估值重構方法下的全市場低估選股第一組年化收益為 18.61%，年化波動 27.08%，多空年化收益 14.46%，年化波動 10.95%，最大回撤 8.35%；動 態(tài)估值方法下的全市場低估選股第一組年化收益為 16.10%，年化波動 27.4%，多空 年化收益 13.49%，年化波動 7.90%，最大回撤 11.17%；兩者結合選擇 100 只股票風 險收益比更客觀。行業(yè)輪動增強策略中，第一組年化收益為20.22%，年化波動26.72%，多空年化收益 9

4、.19%，年化波動 8.83%，最大回撤 9.77%兩種低估選股思路驗證根據(jù)業(yè)務構成對估值進行重構同行業(yè)成分股估值差異除了受到財務穩(wěn)健性等因素影響外，還可能源自于賽道和業(yè)務布局多樣化帶來的估值重構。容易理解，“傳統(tǒng)+新興”模式相比起完全“傳統(tǒng)”模式可享有更高的估值，也因此無論是橫向或縱向進行估值對比時，需要將上市公司布局的業(yè)務情況納入估值考量中。如圖 1 所示，東方財富和中信證券均為非銀行業(yè)龍頭，兩者市值規(guī)模相當，均為 3000 億左右，歷史和預測盈利增速雖有高低但仍較難完全解釋估值接近 3 倍的差異。但從收入構成上，可以教清晰看出，相較于中信證券大部分收入來源于傳統(tǒng)券商業(yè)務的情況，東方財富有

5、近 40%收入來源于線上基金代銷和互聯(lián)網(wǎng)金融服務，也因此“券商+互聯(lián)網(wǎng)”雙重特性下具備更高的估值空間。圖 1：業(yè)務構成帶來估值差異(數(shù)據(jù)日期:2022/8/15，報告期:2021 年報)數(shù)據(jù)來源：Wind,數(shù)庫,估值重構流程在估值重構過程中，需要獲取上市公司在年度報告和半年度報告中披露的業(yè)務構成和各部分營收收入拆分數(shù)據(jù)，由于半年度報告數(shù)據(jù)披露的顆粒度較高，本文僅使用年度報告披露信息作為未來一年業(yè)務拆分比例的依據(jù)。在估值數(shù)據(jù)的選擇上，本文選擇了預測 PE(未來 12 個月)數(shù)據(jù)，而非 PE_TTM，以未來定價的合理性作為判斷依據(jù)。如圖 2，重構流程如下：圖 2：估值重構流程數(shù)據(jù)來源：在每個賽道中

6、，篩選出該賽道部分收入占上市公司營業(yè)總收入 60%以上的成分股作為該賽道的基礎池，并以各賽道基礎池的 PE_fwd 估值中位數(shù)作為該賽道的合理估值；根據(jù)上市公司營收構成比例，與賽道合理估值乘積求和，作為該上市公司的合理估值 PE_fair；計算各上市公司 PE_fair 與其 PE_fwd 的偏離程度，即sign(PE_fwd)*(PE_fair-PE_fwd)/abs(PE_fwd)作為指標，在同行業(yè)內(nèi)進行排序分組，并構建各組等權組合；每年度更新營收占比信息，每月度計算排序。結果展示營業(yè)收入拆分數(shù)據(jù)起點為 2008 年年報，為了與 2.2 回溯周期匹配，本節(jié)回溯起點為2011/04/30，終

7、點為 2022/08/12。根據(jù)以上流程，各組分組回溯結果如下：圖 3：估值重構分組回溯結果數(shù)據(jù)來源：Wind,數(shù)庫,表 1：估值重構分組回溯統(tǒng)計指標年化收益年化波動最大回撤累計凈值第 1 組18.61%27.08%33.24%6.906第 2 組14.93%27.80%33.02%4.816第 3 組13.08%28.29%37.87%4.008第 2 組8.73%28.79%53.90%2.572第 3 組2.23%29.58%67.15%1.279萬得全 A5.67%23.77%48.44%1.894多空14.46%10.95%8.35%4.627數(shù)據(jù)來源：Wind,數(shù)庫,動態(tài)估值我們在

8、 2022/05/31 發(fā)表的報告行業(yè)生命周期&動態(tài)估值下的成長價值選股中提出了使用剩余收益估值模型對股票進行動態(tài)估值，在該報告中使用的權益資本回報率統(tǒng)一為上證綜指自 1990/12/19 至估值日的年化回報水平，雖然避免了 CAPM 方法確定各股票折現(xiàn)率時引入的新的敏感性和風險測量的不合理性，但也未針對股票的行業(yè)和風險特性區(qū)別計算必要報酬率。在本文中，我們參考部分業(yè)內(nèi)人士提出的“無風險利率+風險溢價”的方法，其中“風險溢價=1/公允市盈率”，對各股票分別計算相應的權益資本回報率，重新根據(jù)剩余收益估值模型計算各股票的合理價值，并進行低估選股。風險溢價的計算在個股分析角度，上市公司財務穩(wěn)定性、產(chǎn)

9、業(yè)鏈地位、所在行業(yè)增長前景、公司獨特性等均影響該公司的折現(xiàn)率水平，也因此，公允市盈率的提出也以這些內(nèi)容為基石。在參考資料中，作者使用標普 500 歷史上的 PE 底線作為所有股票公允市盈率的起點(78 倍)，分配給各基本面信息不同程度的市盈率溢價，最終確定各公司的公允市盈率。例如，作者給與谷歌公司的最終公允市盈率構成為：基礎市盈率 8+財務穩(wěn)定性 2+卓越的市場地位(根據(jù)類波特五力分析方法)和盈利能力 9.8+優(yōu)異的成長能力 3=22.8 倍。在本文中，我們對以上計算方法進行了一定調(diào)整，具體地，我們對權益資本回報率的計算選擇以下方法：取風險溢價最低 6%，折算成約 16 倍PE，按 2)-5)

10、進行分配；基礎市盈率：根據(jù)各行業(yè)歷史最低 PE 作為基礎市盈率，并調(diào)整到(0,10倍范圍；財務穩(wěn)定性：根據(jù)資產(chǎn)負債率、現(xiàn)金流穩(wěn)定性和利潤率穩(wěn)定性進行判斷，各指標同行業(yè)中排序進行(0,1之間打分，最終總分映射到(0,2倍范圍；盈利能力：根據(jù) ROE 進行判斷，各指標同行業(yè)中排序進行(0,1之間打分，最終總分映射到(0,2倍范圍；成長能力：根據(jù)預測兩年復合凈利潤增速進行判斷，各指標同行業(yè)中排序進行(0,1之間打分，最終總分映射到(0,2倍范圍；對 2)-5)求和，并計算風險溢價；在無風險收益的選擇上，我們根據(jù)一年期定存的歷史一般水平選擇了固定的2%，并在計算完成風險溢價后，即可求得每只股票每個截面

11、的權益資本回報率。圖 4：風險溢價構成數(shù)據(jù)來源：回顧一下剩余收益估值模型的形式：00V B RE1RE22RENCVN(1 rE )(1 rE )(1 rE )(1 rE )NNREn Earnn rE * Bn1其中B 為賬面價值，REn 為第 n 期的剩余價值，即當期利潤中超過股東必要報酬率之外的溢價，CVN 為最終的持續(xù)價值，而rE 即為通過根據(jù)上述步驟計算的權益資本回報率。在上篇報告中，我們根據(jù)上市公司所處的賽道生命周期決定選擇 2 階或3 階估值方法，在本文中，我們不再借助賽道生命周期信息，在計算完前三年的剩 余收益增速后，依據(jù)增速是否大于 10%作為是否進行增速下降的判斷，若大于則

12、在 第 4-5 年均勻下降，并在第 6 年達到長期均衡增速水平，若小于則第 4 年開始以長 期均衡增速永續(xù)增加。在數(shù)據(jù)可得的股票池中計算完截面的股東權益價值后，使用 該價值與市場價格的比值進行排序分組。由于在折現(xiàn)率中已經(jīng)考慮了行業(yè)估值差異，因此本小節(jié)回溯未在行業(yè)內(nèi)部進行分組處理，而是選擇根據(jù)數(shù)據(jù)可得性在股票池中 統(tǒng)一排序分組。圖 5：一年期定存利率4.003.503.002.502.001.501.000.500.00定期存款利率:1年(整存整取)定期存款利率:1年(零存整取、整存零取、存本取息)數(shù)據(jù)來源：Wind,結果展示營業(yè)收入拆分數(shù)據(jù)起點為 2008 年年報，由于現(xiàn)金流和利潤率穩(wěn)定性計算

13、中使用了 8個截面的 TTM 數(shù)據(jù)，因此有效財務數(shù)據(jù)起點為 2010 年年報，也即回溯起點為 2011/04/30，終點為 2022/08/08。根據(jù)以上流程，各組分組回溯結果如下：圖 6：動態(tài)估值分組回溯結果數(shù)據(jù)來源：Wind,數(shù)庫,表 2：動態(tài)估值分組回溯統(tǒng)計指標年化收益年化波動最大回撤累計凈值第 1 組16.10%27.14%36.35%5.583第 2 組12.11%25.51%36.12%3.694第 3 組10.13%26.95%47.18%2.998第 2 組5.23%27.62%58.08%1.775第 3 組1.65%28.07%63.13%1.207萬得全 A5.67%23

14、.77%48.44%1.894多空13.49%7.90%11.17%4.304數(shù)據(jù)來源：Wind,數(shù)庫,兩組對比結果作為“股東權益內(nèi)含價值/市場價格”選股的對比指標，我們在相同股票池中使用 BP在各行業(yè)排序分組，并進行了回溯。凈值及風險收益指標如下所示。圖 7：BP 分組回溯結果數(shù)據(jù)來源：Wind,數(shù)庫,表 3：BP 分組回溯統(tǒng)計指標年化收益年化波動最大回撤累計凈值第 1 組12.06%25.61%34.36%3.599第 2 組11.54%27.11%40.71%3.405第 3 組8.43%27.44%51.58%2.483第 2 組6.88%28.01%53.29%2.118第 3 組4

15、.96%28.05%64.38%1.728萬得全 A5.67%23.77%48.44%1.894多空5.20%12.99%31.36%1.761數(shù)據(jù)來源：Wind,數(shù)庫,從圖 6 和圖 7 的分組情況來看，雖然 BP 也保持了一定的區(qū)分度，但多空組合的穩(wěn)定性相對較差，而根據(jù)動態(tài)估值選股的分組凈值得到了提升，同時多空超額穩(wěn)定性也較好。另外，我們同時沿襲了上篇報告中對所有股票使用上證綜指年化回報作為折現(xiàn)率的方法，對同股票池計算了剩余收益估值結果，并在行業(yè)內(nèi)部進行排序和組合。凈值曲線及統(tǒng)計指標如以下圖表所示。很明顯，對股票使用同一的折現(xiàn)率效果也是不錯的，雖然相對于使用風險溢價的方法收益略低，但超額穩(wěn)

16、定性較 BP 估值方法仍有一定提升。雖然無論在權益價值還是企業(yè)價值的計算中，折現(xiàn)率對折現(xiàn)模型的影響較高，但對于絕對排序的影響相對可控，可以作為未來估值選股的考慮方案。圖 8：使用上證綜指年化回報作為折現(xiàn)率回溯結果數(shù)據(jù)來源：Wind,數(shù)庫,表 4：使用上證綜指年化回報作為折現(xiàn)率回溯統(tǒng)計指標年化收益年化波動最大回撤累計凈值第 1 組15.02%26.50%35.73%4.924第 2 組10.67%25.82%41.83%3.189第 3 組8.89%26.91%47.38%2.644第 2 組6.36%27.63%57.14%2.026第 3 組4.08%28.34%63.20%1.589萬得全

17、 A5.67%23.77%48.44%1.894多空9.60%7.92%9.70%2.822數(shù)據(jù)來源：Wind,數(shù)庫,兩種估值方法結合由于動態(tài)估值中使用到較多的預期數(shù)據(jù)，因此信息相對完整的股票數(shù)量較為有限，為了將兩部分的方法進行結合，我們選擇了兩種方法下股票池的交集，并進行打分，將排序前 100 的股票等權組合結果進行展示，也因此本小節(jié)的凈值結果與前兩小節(jié)第一組的結果不完全一致。圖 9：兩種方法結合回溯結果數(shù)據(jù)來源：Wind,數(shù)庫,表 5：兩種方法結合回溯統(tǒng)計指標年化收益年化波動最大回撤累計凈值估值重構13.98%26.03%33.57%4.455動態(tài)估值17.50%29.36%39.35%6

18、.303兩者結合16.42%26.95%37.67%5.670萬得全 A5.67%23.77%48.44%1.894數(shù)據(jù)來源：Wind,數(shù)庫,從對比結果來看，兩種方法各有短長，雖然均為合理價值的度量方法，但考量維度不完全相同，因此不同市場場景中表現(xiàn)有可能不完全一致，但通過兩者的結合，可以得到更為可觀的風險收益比。補充內(nèi)容由于市場較關注特定指數(shù)成分股內(nèi)選股效果以及指數(shù)增強效果，我們在滬深 300 指數(shù)上進行了一些測試。圖 10 和圖 11 分別為估值重構方法和動態(tài)估值方法在滬深 300內(nèi)進行測試的分組效果，圖 12 為按照滬深 300 成分股在各行業(yè)中成分數(shù)量等比例縮量至 1/3 并按照行業(yè)內(nèi)部

19、等權/行業(yè)間遵從滬深 300 的行業(yè)權重和全部 100 只股票簡單等權的兩種回溯結果。從結果來看，以滬深 300 為股票池進行分組測試雖然具有一定的區(qū)分度，但多空超額在 2019 年之后波動較大；若按照滬深 300 在各行業(yè)分布的數(shù)量和權重進行選股和加權，比起滬深 300 指數(shù)本身有較高的累計超額，但是同樣的，在 2019 年進入大盤成長風格主導的階段后，超額波動幅度加大。但總體來看，作為 beta，以上兩種方法在小范圍內(nèi)選股也仍有一定的效果。圖 10：滬深 300 成分股內(nèi)進行估值重構回溯圖 11：滬深 300 成分股內(nèi)進行動態(tài)估值回溯數(shù)據(jù)來源：Wind,數(shù)庫,數(shù)據(jù)來源：Wind,數(shù)庫,圖

20、12：按滬深 300 行業(yè)數(shù)量和權重分布選股回溯數(shù)據(jù)來源：Wind,數(shù)庫,一種行業(yè)輪動增強策略探索在提出了股票估值方法并進行回溯驗證后，會比較自然希望將個體表現(xiàn)規(guī)律擴展到群體變化趨勢中。但國內(nèi)權益市場往往出現(xiàn)個體因子特性與行業(yè)因子特性背離的情況，其中最典型的即為動量-個股的短期反轉效應較強，而行業(yè)的中短期動量效應較強，也因此作為動量策略負相關的低估策略較難在行業(yè)輪動中發(fā)揮效果。關于個股因子和行業(yè)因子表現(xiàn)背離的原因，本文不贅述，讀者可在市場有效性學派和行為金融學派的研究中找到多種理論。但行業(yè)估值本身的參考意義也是非常重要的。在當前各行業(yè)、策略或金工研究中，也非常重視行業(yè)估值合理性，因此，本文將景

21、氣輪動策略與估值水平結合，提出了行業(yè)輪動增強策略。具體地，我們首先設計了基礎的行業(yè)景氣度輪動策略-根據(jù)分析師一致預期盈利增速的上修判斷行業(yè)是否存在景氣修復或景氣持續(xù)狀態(tài)中，同時由于可能存在由于市場上漲帶來的分析師“被動”或“過度樂觀”而不斷上修盈利預期的可能性，我們對比了將近期上漲行業(yè)剔除后重新排序的行業(yè)輪動結果。在這之后，我們結合了第二章計算的估值指標，來判斷各行業(yè)當前是否處于合理估值，與增速上修結合打分進行輪動增強策略的回溯。過程中，我們同時對比了使用常用估值做結合的回溯結果，以強調(diào)第二章估值指標的確具備更好的增強效果?；A策略在行業(yè)景氣判斷中，常會用到對行業(yè)未來增速預期和增速的邊際變化等

22、指標。考慮到增速自身有較大的行業(yè)屬性，我們更關注增速的變價變化所顯示的反轉可能或加速情形。因此作為基礎策略，我們首先測試了行業(yè)增速預期邊際變化的分組排序結果，進而在此基礎上不斷增加增強方案。本文選定行業(yè)文類為中信一級行業(yè)，未納入綜合和綜合金融，行業(yè)增速預期是根據(jù)各行業(yè)成分股按照市值加權計算得來，邊際變化即近兩月的增速差。作為最終方案的引言，我們使用簡略的篇幅將準備工作和對比結果進行展示。如下 4 圖分別為：根據(jù)增速差進行排序分組；為了避免由于成份股上漲帶來的被動上調(diào)預期或情緒過度樂觀而不斷上修增速的現(xiàn)象，在剩余 28 個行業(yè)中剔除上月漲幅最大的 3 個行業(yè)后按照增速差排序分組；使用行業(yè) PB，

23、增速差+行業(yè) PB 歷史分位數(shù)排序，并剔除上月漲幅最大的 3 各行業(yè)后按增速差排序分組；使用成分股市值加權計算行業(yè) PB，增速差+行業(yè) PB 歷史分位數(shù)排序，并剔除上月漲幅最大的 3 各行業(yè)后按增速差排序分組。數(shù)據(jù)起點仍未 2011/04/30，PB 分位數(shù)的計算選擇 30 個月起的擴展窗口，因此凈值范圍為 2013/07/31 至 2022/08/12。四張圖結果顯示，早期階段使用盈利預期上調(diào)進行行業(yè)選擇并非十分有效，尤其是在估值增長迅速和小市值表現(xiàn)優(yōu)越的年份，但在回撤控制上，盈利預期向上變化的行業(yè)相對排名較差的行業(yè)是有一定優(yōu)勢的。在剔除掉近期的強勢行業(yè)后，盈利預期上調(diào)的結果輪動結果有所提升。若進一步疊加行業(yè)靜態(tài)估值，雖然收益上未得到答復改善，但第一組的表現(xiàn)領先性上更加突出。圖 13：行業(yè)輪動基礎策略圖 14：行業(yè)輪動-景氣上修+剔除高動量數(shù)據(jù)來源：Wind,數(shù)庫,數(shù)據(jù)來源：Wind,數(shù)庫,圖 15：行業(yè)輪動-景氣上修+行業(yè) PB+剔除高動量圖 16：行業(yè)輪動-景氣上修+成分股 PB+剔除高動量數(shù)據(jù)來源：Wind,數(shù)庫,數(shù)據(jù)來源：Wind,數(shù)庫,增強策略如 3.1 中結果所示，結合行業(yè)估值水平，收益水平未有更好的改善，部分年份多空超額也出現(xiàn)了較大回撤，說明了將一般估值指標線性疊加到行業(yè)輪動策略中不一定