2024年PB~ROE策略框架系列之一：估值指标再审视

1.PB 估值的逻辑

1.1.市净率（PB）

随着现代股票市场的形成，投资者和分析师开始关注公司资产负债表上的信息。净资产 （Book Value）作为一个关键财务指标，反映了公司净资产的价值。在 1934 年出版的经典 著作《证券分析》（Security Analysis）中，本杰明·格雷厄姆和戴维·多德提出了通过分析公 司净资产和市场价值来评估股票投资价值的方法。这一理论为市净率（PB）的应用奠定了 基础。格雷厄姆的价值投资理论强调购买那些市场价值低于净资产的股票，因为这些股票 被市场低估，具有较高的投资安全边际，市净率成为实现这一理论的重要工具。 如今，市净率在现代金融市场中继续发挥着至关重要的作用。它不仅被广泛应用于实时数 据分析和价值投资中，而且在风险评估和行业比较中提供了深刻的见解。PB 的有效应用可 以让投资者在不断变化的市场环境中制定更加准确的投资策略。

1.2.破净企业处理方法

我们注意到 BP 因子的第 10 组相比第 9 组出现了超额收益下滑的现象，这可能是由于第 10 组中包含了破净企业（股票价格跌破公司每股净资产值，B>P）。 2024 年 9 月 24 日，证监会发布《上市公司监管指引第 10 号——市值管理（征求意见稿）》。 其中要求，长期破净公司应当披露估值提升计划，包括目标、期限及具体措施，并在年度 业绩说明会中就估值提升计划执行情况进行专项说明。 在某些情况下，公司的净资产可能高于其市场价值，导致估值指标BP超过1。这种情况可能由以下三个主要因素引起：

（1） 净资产被高估（公司可能存在财务造假行为）。公司可能通过虚增资产或隐瞒负债等 方式，使净资产虚高。例如，夸大应收账款或库存价值，低估坏账，虚报固定资产 等。这种财务报表上的操纵会导致净资产被高估，而市场通常会对这些操纵持怀疑 态度，从而导致市场价值低于净资产。

（2） 委托代理问题导致过高的成本支出，从而削弱了公司的未来价值。由于信息不对称 和利益不一致，管理层可能采取损害股东利益的行为，例如过度支出、投资无效项 目、私自挪用公司资源等。这些行为会增加公司的运营成本，降低未来的盈利能力， 从而导致市场对公司的估值低于净资产。

（3） 市场对权益的回报要求过高，然而公司运营效率低下。市场对公司的未来前景和盈 利能力持悲观态度，认为公司无法实现预期的回报。 例如，市场可能认为公司所在 行业的前景不佳，或者公司在市场竞争中处于不利地位，这些因素都会导致市场降 低对公司的估值。

当企业出现上述三种情况时，尽管估值低（BP 高），但公司却存在潜在问题。接下来，我 们将对这类公司进行剔除。 在剔除时，我们允许定价的短期偏离，并认为市值略微低于净资产可能是一种投资机会。 因此在剔除过程中，我们不采取过于严格的标准，仅剔除市值低于净资产 80%的公司。

P<0.8B 的股票多属于银行与钢铁行业，原因如下： （1） 行业周期性和市场供需关系： 银行和钢铁行业通常受到市场供需关系和行业周期性 的影响较大。钢铁行业在市场供应过剩或需求下降时，可能面临销售价格下降和利 润率压力，导致市场对其未来盈利能力持谨慎态度，从而使其市值低于净资产。银 行的信贷需求、利率水平、资产质量、竞争格局和客户行为等方面都会受到行业周 期性和市场供需关系的影响，从而影响其盈利能力和风险状况。 （2） 资产负债结构和资产质量问题： 银行和钢铁行业可能存在资产负债结构不佳或者资 产质量问题。银行的资产负债表如果过度依赖短期债务来支持长期资产，可能导致 流动性风险增加，而高比例的不良贷款会直接影响银行的利润和资本充足率，进而 影响投资者对银行未来盈利能力的信心。对于钢铁行业而言，资产质量问题可能表 现为固定资产的过时、维护不当或技术落后，这不仅降低了生产效率，也增加了生 产成本，影响企业的竞争力和盈利前景。

1.3.重资产企业的估值

重资产企业是指在有形资产上拥有大量投资的企业，如制造业、房地产行业等，它们依赖 于物理设备、设施和房地产来运营业务。这类企业的特征包括资产负债表上显著的有形资 产比例，以及对资本支出的持续需求以维持和扩展其运营能力。在对重资产企业估值时， 我们通常使用 PB 估值法，具体原因如下：

（1） 会计资产贴近真实资产：重资产企业拥有大量有形资产。相较于无形资产，有形资 产更容易刻画，且能在会计资产中直接、准确地体现出来。因此，重资产企业价值 往往与其资产负债表上的资产紧密相关。此外，企业为了实现业务扩张通常需要增 加其资产负债表上的资产，这可能包括购买新设备、扩建厂房以及增加库存等。因 此，企业的扩张往往伴随着资产负债表的扩张。对于这些重资产企业来说，市净率 （PB）能够提供相对合理的市场价值评估。 （2） 会计资产具有长期稳定性：重资产企业通常拥有大量固定资产，如厂房、机械设备 等。这些固定资产的价值通常较为稳定，不容易受到市场短期波动的影响。这种稳 定性使得重资产企业在资产负债表上的资产表现相对平稳，波动性较小。因此，在 进行企业估值时，运用市盈率（PB）可以提供一个相对稳定的估值基础，更准确地 反映资产的长期价值。

我们使用固定资产比率、资产负债率、资本密集度和存货周转率来区分重资 产企业和其他企业。

（1） 固定资产比率 = 固定资产 / 总资产：固定资产包括长期使用的物理资产，如土地、 建筑物、设备和机械等。这些资产在企业的生产运营中起到关键作用，通常需要大 量的初始投资，并且有较长的使用寿命。重资产企业的一个主要特征是需要大量的 固定资产来支持其业务运营，因此在资产负债表上，固定资产占比较高。 （2） 资本密集度 = 总资产 / 营业收入：资本密集度越高，表明企业在总资产上的投资相 对于其营业收入越大。这通常是重资产企业的特征，因为这些企业需要大量的资产 投入，如工厂、设备和基础设施。此外，这些企业在扩大生产能力或进行技术升级 时，往往需要大量的资本支出。 （3） 资产负债率 = 总负债 / 总资产：重资产企业通常需要大量的资金来购买和维护资产， 由于成本过高，企业往往需要通过举债来获得足够的资金。此外，由于重资产企业 的项目建设和投产周期较长，企业需要长期的资金支持，因此这类企业会保持长期 债务融资。重资产企业通常拥有较为稳定的现金流，能够支持较高的负债水平，因 此债权人也愿意为其提供资金。 （4） 存货周转率 = 营业总收入 / [(期初存货+期末存货 / 2)]：重资产企业通常涉及复杂的 生产流程和较长的制造周期，这导致存货在生产过程中的停留时间较长。因此，存 货从原材料转化为成品并最终销售的时间较长，降低了存货周转率。此外，为了确 保生产连续性和应对潜在的供应链中断，重资产企业通常会维持较高的存货水平。 这种策略虽然有助于提升生产的稳定性，但也意味着存货在仓库中的停留时间更长， 进一步降低了存货周转率。

我们使用以上四个指标等权合成重资产企业评判指标，并对全市场股票进行打分，将得分 前 50%的股票纳入重资产企业股票池。在合成指标之前，我们需要先对指标方向进行统一 处理。具体来说，固定资产比率、资本密集度和资产负债率的方向为正向，而存货周转率 的方向为负向。我们统一将所有指标的方向调整为正向。

2.PE 估值的逻辑

微利股的处理方法

在对 EP 因子的测试过程中，我们发现 EP 十档分组第一组（EP 最小）的超额收益高于 EP 相对较高的第二组，这一异常现象可能是微利股所造成的。 微利股的财务状况往往不稳定，且其利润基数较小，容易受到一次性收益和非经常性损益 等因素的影响，导致企业利润波动较大。剔除这些企业有助于增强 EP 因子信号的稳定性， 从而提高估值结果的可靠性。除此之外，微利股通常财务健康度较差，盈利能力弱，可能 面临更高的经营风险。剔除这些股票可以降低投资组合的风险，提高整体投资组合的安全 性。 我们将归母净利润（TTM）低于 1000 万元的个股定义为微利股，并予以剔除。

EP 估值因子融合

最后，我们将 EP、EP 分位点以及 EP 估值中枢稳定性三个因子进行融合。具体做法是，在 剔除微利股后，对这三个因子进行等权平均，构建 EP 融合因子。

首先，我们统计了三个因子在股票池中的历史秩相关系数。可以看出 EP 截面估值因子（EP）与 EP 时序估值因子（EP 分位点）之间的相关性较高，而 EP 与 EP 估 值中枢稳定性、EP 分位点与 EP 估值中枢稳定性因子之间的相关性较低。

BP 估值因子融合

同样地，我们也构建了 BP 融合因子。具体方法是，在剔除市值低于净资产 80%的股票后， 并在重资产股票池中，对 BP 因子、BP 分位点和 BP 估值中枢稳定性三个因子进行等权平 均，从而形成 BP 融合因子。

3.PCF 估值的逻辑

股权自由现金流（FCFE）

FCFF（Free Cash Flow to Firm，企业自由现金流）指的是企业在满足其再投资需求后， 不影响企业的持续运营并且可以被企业的资本提供者或利益相关者（如股东和债权人等） 进行分配的现金。

股权自由现金流为负企业的处理方法

在上一节的测试中，我们发现全市场股票池下，CFP 因子的十档分组超额收益在前几个分 组中表现不佳，这可能与部分公司的股权自由现金流（FCFE）为负有关。负 FCFE 通常反 映公司在财务上可能存在问题，如过度支出、盈利能力低下或高负债等。因此 CFP 为负的 部分会对因子分析产生扭曲效果，影响结果的准确性。 下面我们对 FCFE 小于 0 的公司进行剔除。

CFP 估值中枢稳定性

与 BP 和 EP 类似，CFP 估值中枢也具有稳定性。为了刻画这种稳定性，我们用个股过去 n 年（本篇 n 取 3）的 CFP 均值除以 CFP 标准差构造 CFP 估值中枢稳定性因子。

CFP 估值因子融合

最后，我们对 CFP、CFP 分位点以及 CFP 估值中枢稳定性进行融合。具体方法是，在剔除 FCFE<0 的个股后，对这三因子进行等权平均，作为 CFP 融合因子。

4.基于 PB-ROE 框架的选股策略

基于 PB-ROE 框架的选股策略构建方法

Jarrod Wilcox 在 The P/B-ROE Valuation Model（1984）一文中提出了 PB-ROE 定价模型， 并且推导出 ln（P/B）与 ROE 之间存在线性关系。随着对该模型的深入研究，PB-ROE 现已 成为一种广泛应用的投资策略。该策略通过识别估值低且盈利能力强的公司，实现低估值与 高回报潜力的结合。 我们将设计基于 PB-ROE 框架的选股策略。

估值层面筛选

在前三章中，我们对 BP、EP、CFP 因子进行了深入分析，并分别对三个指标的截面估值、 时序估值、估值中枢稳定性进行融合，最终形成 BP 融合因子、EP 融合因子以及 CFP 融合 因子。通过测试，三个融合估值因子在 Rank IC 均值、Rank ICIR 以及多空收益等方面均优 于单一细分因子，展现出融合因子的显著有效性。 我们计划对 BP 融合因子、EP 融合因子和 CFP 融合因子进行进一步融合，构建最终的综合 估值因子。首先，我们对三个融合因子的相关性进行分析。

盈利质量筛选

构建基于 PB-ROE 框架的选股策略，还需将盈利质量作为重要考量因素。我们筛选出在过 去九个报告期内 ROE（TTM）均保持在 8%以上的个股，构建高盈利质量股票池。假设当前时间点为 2024 年 9 月初，那么所考察的过去九个报告期则从 2022 年半年 报开始至 2024 年半年报截止。只有在该时间区间内所有报告期的 ROE（TTM）均大于 8% 的个股，才能通过筛选标准，进入最终的高盈利质量股票池。由于 ROE（TTM）的计算需 要用到 4 个季度的数据，因此该算法考量了个股过去 3 年的 ROE 水平。

估值-盈利质量股票池的构建

在本章前三节中，我们从多个角度对股票池进行了筛选与限制，现将这些要点进行系统总结。

（1）样本空间：剔除新股及风险警示股、质量风险排查、流动性剔除、财务稳健筛查。 （2）估值：由 BP 融合因子股票池、EP 融合因子股票池、CFP 融合因子股票池取并集构 成。 （3）盈利质量：筛选在过去九个报告期内 ROE（TTM）均保持在 8%以上的个股。 每年的 1 月、4 月、7 月、8 月和 10 月月末之后的第一个交易日，我们筛选出满足要求的股 票，构建估值-盈利质量股票池。

如何对估值盈利质量股票池进行增强

鉴于估值-盈利质量股票池的个股数量较多，我们将借助多因子模型进一步精挑细选，以优 化组合构建。我们希望从基本面与技术面两个维度对估值-盈利质量股票池进 行增强。基本面分析有助于评估公司的内在价值和盈利能力，而技术面分析则提供了市场情 绪和价格走势的视角。结合两者，投资者能够更准确地识别潜在的投资机会，提高投资决策 的有效性。

5.总结

在投资领域，市净率（PB）、市盈率（PE）和市现率（PCF）是广泛应用于股票筛选和投资 组合构建的估值指标。通常，投资者在对这些估值指标进行市值行业中性化处理后便直接使 用，但是这种处理方式未能充分考虑估值指标背后的潜在逻辑，导致这些因子的作用未能得 到最大化利用。因此，我们需要探讨这些指标在什么情况下使用？适用于哪些行业？以及它 们存在哪些问题？ 市净率（PB）通过分析公司净资产与市场价值来评估股票的投资价值。在 BP 因子十档分组 超额收益统计时，我们发现第十组的超额收益相较于第九组有所下滑。为了解决这一问题， 我们剔除了 P<0.8B 的股票，结果显示，剔除后 BP 因子的十档分组超额收益的线性特征更加 明显。我们还发现了 BP 估值法在重资产股票池中的适用性明显优于轻资产股票池。同时，我 们注意到 BP 估值中枢具有稳定性，因此我们构建了 BP 估值中枢稳定性因子，该因子显示出 良好的选股能力。最后，我们将 BP、BP 分位点和 BP 估值中枢稳定性这三个因子进行等权 融合，形成了 BP 融合因子。实证结果表明，BP 融合因子在 Rank IC 均值、Rank ICIR 和多 空收益等关键指标上均优于单一细分因子。

市现率（PCF）仅与成长贴现率相关，相比于 PE，PCF 估值因子更加纯粹。我们通过测试发 现 CFP 因子的十档分组超额收益在前几个分组表现不佳，这可能与部分公司股权自由现金流 FCFE 为负相关。在剔除了 FCFE<0 的公司之后，CFP 和 CFP 分位点的表现得到了显著提升。 最后，我们将 CFP、CFP 分位点和 CFP 估值中枢稳定性这三个因子进行等权融合，形成了 CFP 融合因子。结果发现，CFP 融合因子在 Rank IC 均值、Rank ICIR 和多空收益等关键指 标上均优于单一细分因子。 我们将 BP 融合因子，EP 融合因子和 CFP 融合因子进一步融合，构建综合估值因子，该因 子的整体表现得到明显提升。最后我们设计了基于 PB-ROE 框架的选股策略。该策略的实施 包括以下四个阶段（1）确定样本空间（2）基于估值层面进行筛选（3）在盈利质量维度进一 步筛选（4）结合多因子模型，构建最终投资组合。自 2010 年以来，基于 PB-ROE 框架的选 股策略年化收益 25.64%，相对于中证 800 等权的年化超额收益 25.41%，信息比 2.62，相对 收益回撤比 2.36。相对于偏股混合型基金指数而言，2010 年以来策略实现了 20.97%的年化 超额收益，信息比为 1.85，相对收益回撤比为 1.22。该策略在大多数年份的表现均位居主动 权益基金前列，自 2010 年以来，其平均排名分位点为 11.86%，显示出优异的业绩表现。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）