价值投资专题研究：价值策略表现分析与结合动量的优化

一、价值投资“危机”：价值风格近年来整体偏弱

在投资界，价值投资无疑是经久不衰的热点话题。纵观历史上的价值投资传奇，无论是格 雷厄姆的经典“安全边际”理论、巴菲特将企业质量与价值结合的长期投资，还是芒格在 “水尽鱼出”时对优质潜力股的把握、费雪对成长股的价值刻画，大师们对价值投资策略 的成功演绎无不令人神往，也带给无数投资者持续的深刻影响。

但从量化投资的视角来看，价值是典型的风格因子，价值因子收益在长期具有较明显的波 动性和周期性。尤其在近年来，价值风格在海内外市场的整体表现并不尽如人意，甚至不少投资者提出“价值已死”的论调，认为价值风格的走弱不可逆，给价值投资的未来蒙上 一层迷雾。下文首先从两个维度回顾价值策略在不同时间段的表现情况。

从指数看价值成长溢价：价值近年来表现不及成长

作为量化价值策略的典型应用场景，以风格较稳定的 Smart Beta 指数为例观察美国 S&P500 价值及成长策略指数相对基准的表现情况。S&P500 风格指数采用 EP（市盈率倒 数）、BP（市净率倒数）和 SP（市销率倒数）三个典型估值因子刻画价值得分 V，用净利 润同比、营收同比和动量刻画成长得分 G，并按照 S=V-G 的相对风格得分，按照市值占比 将样本空间的股票池三等分。

自基日以来，S&P500 价值指数相对基准指数的超额收益并不明显，2007 年之后整体呈现 缓慢走弱的趋势；进一步和成长指数对比，S&P500 价值指数的劣势更加突出，自基日以来 价值指数的单位净值已不足成长指数的 40%。可以认为，价值因子在美国市场的大盘成分 股中持续了较长时间的低迷。

与美股相对的，价值策略在 A 股市场整体仍有不错的历史表现，2011 年之后保持了较长的 强势期；尤其在 2015 年泡沫破灭后，估值回归的价值股占据市场主导，低估值蓝筹股表现 强劲，价值指数呈现明显的优势。

2019 年之前的价值因子表现出较明显的长期稳定性，相对成长风格呈现震荡走强的趋势； 但随后，价值指数出现了持续两年多的断崖式下行，在科技牛市与抱团股主导的强动量行，价值风格经历了前所未有的“滑铁卢”。从相对基准的走势来看，中证 500 价值指数 的相对回撤约 20%，而沪深 300 价值指数的最大相对回撤达到 30%左右。直至 2021 年后， 牛市行情下挫，价值指数才重现一定程度的反弹。

价值因子跟踪：近期表现弱于成长因子，沪深 300 是“重灾区”

进一步基于风格因子模型的定义，通过 IC 法分析价值因子的表现趋势并对比成长因子 的同期表现，风格因子定义见附录。测试的窗口期分别选用 2021 年以来、2019 年以来以及 2011 年以来的区间。整体上价值和成长因子在各个区间内均呈现正向的收益相关性，体现出长期 的有效性。但 2019 年和 2021 年以来，成长因子在沪深 300 股票池内呈现负收益，其中 2019 年以来，价值因子在沪深 300 成分股票池中的平均 Rank IC 低于-3%。

横向对比来看，2011 年以来价值因子在中证 500 以外的股票池中表现均优于成长因子，但 在2019年和2021年以来的的区间内相对优势下滑明显，其中2021年以来成长因子的Rank IC 均值全面低于成长因子；近年来，沪深 300 成分股票池仍旧是价值因子的重灾区。

A 股市场价值因子长期存在 Alpha，但 2019 年以来表现大幅下滑，相对成长因子呈现明显弱势；而其中，作为大盘股代表的沪深 300 成分股票池内，价值因子的劣势最为明显。但目前为止，价值策略的环境仍未出现明显改善。

作为经典的风格因子，价值因子的有效性与方向性会随时间发生变化，但 A 股的价值因子在近年来的大幅波动与回撤难免让投资者产生担忧，而美股市场中价值因子更是经历了超 过 10 年的长期萎靡；价值策略在量化投资中的长期可行性与优化方法值得深入探讨。

二、价值投资的影响因素与长期趋势

利率因素：与海外市场相异，国内市场未体现主导性影响

宏观环境是影响市场的重要因素，其中利率与市场的资金面直接相关，利率水平的波动也 会导致市场风险偏好的变化。AB Bernstein 的投资组合策略团队负责人 Inigo Fraser Jenkins 认为，央行的调控即是影响价值投资表现的主要原因之一；价值策略的表现需要相 对高利率的市场环境，此时投资者更加关注下行风险低、赔率更高的价值股，从而推动持 续的估值回归。

作为实证检验选取美国市场 S&P500 价值和成长指数作为海外市场代表，观察价值 成长溢价与利率的关系；相应的，我们选取沪深 300 价值和成长指数作为 A 股市场的表征。 可以看到，美国市场的价值成长溢价与 10 年期国债收益率的整体走势较为契合；两者的环比相关系数为 4.29%，呈现出一定的长期正相关性。

相对的，以沪深 300 为作为代表的数据显示，A 股市场的价值成长溢价与利率并未呈现明 显的正相关性，两条曲线在长期波动中契合度不高。从环比相关性上看，溢价与 10 年期国 债利率的相关系数仅为-8.44%；另一方面，国内利率水平呈现长期震荡，未呈现明显的持 续下行趋势。整体来看，低利率因素并非是影响国内价值成长溢价的主导因素。

科技变革：当前处在新科技变革转折点，或造成持续冲击

另一方面，技术的革新促成了大量高新科技公司，对传统行业造成颠覆性的冲击，其主导地位破坏了许多老牌企业的产业护城河，在吸纳资金的同时对传统企业的生存空间造成挤压。这类在产业变革中不占优的企业，其劣势也反映在估值的下滑上，但这种冲击性可能是持续性且不可逆的。

科技革命的两大阶段分别呈现出不同的经济发展和市场环境特征：

1. 在新科技革命的安装阶段，前一次革命的盈利潜能几乎耗尽，而新兴的概念开始促成新 的经济与社会格局；当概念逐渐成型，市场认识到新概念的发展潜力并为其进一步推广而 铺建基础设施。在安装阶段，新标准逐渐取代前一代革命中的旧标准，对旧产业的生态造 成冲击与破坏；而参与科技创新的投资者则获得了蓝海扩张时期的高回报。

2. 当新技术转变为既成的格局，科技革命转进到部署阶段，利用已经建设完成的基础设施 进行扩张，技术革命也在整个经济体系中快速扩散。在这个过程中，经济活动转移到顶层 的应用层面，市场进入激烈的竞争格局；赢家最终实现寡头或垄断，而伴随着相关行业步 入成熟期，新市场的增长也进入尾声。

回过头审视科技变革的历程，与对应第四次革新转折点的 1926-1941 阶段相似，正处 于信息技术革新的转折点；在这个阶段，新兴技术相关的产业吸纳主流资金并以实现快速 扩张，而传统行业则受到冲击与估值压力，在与新技术协整过程中处于弱势的企业尤其面 临较大压力。也因此，成长性强的股票能够受到持续的推动，而市场对处于相对低估值的 弱势股的偏好则在降低，从而表现为价值-成长风格溢价的收窄或反转。

从市场表现上看，当前阶段的海外市场和前一转折点相似，即价值股相对成长股呈现较明显的劣势。在整个长达 92 年的区间内，价值组合拥有优于成长组合的长期收益，体现出一 定的历史有效性；但从分区段来看，从 1926 年 7 月到 1941 年的科技革命阶段转折点，与 成长风格主导的阶段吻合；而与如今相似，当时的价值投资也处于艰难挣扎的时期。反观 当下的市场，新兴科技的驱动力同样风头正盛。美国市场的代表性科技企业 FAANG 带动了 美国成长股的持续兴盛，而国内新能源、5G 通信、高端医疗等行业也呈现出较高的热度， 与科技革新的阶段较为吻合。

从这个角度上看，科技革新的周期会对市场风格造成持续性的影响；而技术变革本身是一 个漫长的过程，其具体历程及转折点是相对后验的。因此，就科技变革引发的产业链影响 而言，其因素是存在周期性的；科技革新对价值投资的影响也许会在未来发生转变。

基于市净率的价值成长溢价三因素拆解：重估和迁移效应影响较大

以 HML 组合为例（参照 Fama-French 的定义，HML 组合是通过做多价值股、做空成长股 构建的投资组合），第一项 Revaluation 代表多空组合相对估值水平变化导致的收益影响； 第二项代表则是权益组合成分股盈利驱动的收益，包括净值增长和分红；第三项 Migration 则代表价值股和成长股成分估值特征的迁移， HML 组合中的股票因估值水平的均值回复而在价值、成长组合之间迁移，并且该部分贡献了价值因子中较大的收益比重。

进一步的，盈利收益、迁移收益是结构性的（Structural Component），而第一项重估收益则是非结构性的“估值泡沫”，而长期 来看价值和成长组合的相对估值应当在一定的区间内波动。

HML 组合的主要回撤出现在 2007 年之后，但在长期仍旧有正向收益。从具体分解维度上看，重估效应对美股 HML 组合的影响相对较小，而盈利效应与迁移效应的影响在数值上明显更大；在 2007 年后重估收益由微弱的正收益转为较明显的负收益，表明近十年来价值重估的方向与早年发生了变化。

同时可以看到，盈利效应长期明显为负，可以认为美股市场的价值股盈利水平不及成长股， 高盈利为成长股的估值以及近年来反超价值股的溢价起到重要支撑；而同时，迁移效应则 贡献了较大比重的正收益，即部分价值股的风格特征在发生变化，并产生较可观的收益。

进一步从时间维度上看，作为两个最大比重的印象因素在综合效应，结构性因素在方向上 维持不变，相对收益水平上的平均变动也较小（-4.8%）；而导致 2007-2020 年价值成长溢 价回撤的主因，则是重估效应的转变（-7.4%）。从收益数值来看，三个因素的溢价都在下 滑，其中价值回归的效果减弱的影响则最为明显。

进一步以沪深 300 价值与沪深 300 成长指数作为价值成长组合，构建价值-成长多空组合，并基于 AQR 的三因素分解框架，计算价值成长组合以及多空组合在各个因素上的 贡献程度。可以看到，以两只风格指数构建的多空组合在三个因素上分化较大；其中迁移效应相对外两个因素而言影响程度偏小，在该组合中风格迁移相对不明显。另一方面，重估效应和 盈利效应贡献的收益比重则较为明显，其中盈利收益长期为正，即价值组合的整体盈利水 平长期高于成长组合，但该溢价在大多数时间内被重估效应冲淡；尤其在 2016 年后，重估 收益对多空组合的负向贡献明显，并成为随后溢价回撤的主要因素。

横向对比来看，沪深 300 成长价值多空组合和美股 HML 组合在该分解框架下呈现出较明显 的特征差异。从方向性上看，沪深 300 成长价值多空组合和美股的盈利效应贡献恰好相反， 其成长股的估值在盈利面支撑上弱于美股。从贡献比重上看，其重估效应影响明显高于美 股市场，估值泡沫较美股更为严重；而盈利效应则起到相反的贡献；同时，HML 组合价值 成长多空组合的迁移效应贡献高于沪深 300 的多空组合。

进一步对中证 500 风格指数进行拆解；由于中证 500 风格指数发布较晚，可获得成分 股起始于 2015 年，因此相对区间更短。可以看到价值策略在中证 500 内的各因素特征与沪 深 300 有较高的相似度，即盈利效应明显、迁移效应影响偏低、重估收益导致较大回撤。 同时，中证 500 风格多空组合的重估收益在 2019-2020 年大幅回撤，但在 2021 年首次翻 为正收益。

三、价值因子有效性跟踪：IC 分析与分层测试

作为 Fama-French 三因子模型中的解释因子之一，HML 被定义为低高 BP 组合与低 BP 组合 的收益率差值；低估值组合在 1963-1990 年间收益水平显著优 于高估值组合。尽管 PB（市净率）指标在主动分析中非常常见，但考虑到少数净资产为负的净资产会影响 PB 因子在零点附近的保序性，BP（市净率倒数）更适合在因子体系中表征个股的相对价值。

与 BP 的思路相近，常用的相对估值因子还包括 EP（市盈率倒数）、SP（市销率倒数）、 CFP（市现率倒数）等。相对估值因子的立足点在于以基本面要素作为价值的锚点，净利 润、营业收入等基本面要素能够一定程度上反映个股的内在价值，与个股的市价具有较强 的线性相关性，因而市值与基本面指标的比值分布拥有相对稳定的中枢；相对估值水平偏 低的股票可能被市场低估，并有望在未来获得价格的回归。

估值因子 Rank IC 测试：市盈率指标表现相对较好

Rank IC 测试计算个股第 T 期的因子暴露度与 T+1 期收益率的 Spearman 相关系数，能够 反映个股下期收益率和本期因子暴露度的线性相关程度，同时 Rank 排序处理使测试能够免 疫因子极端值的干扰，对收益率预测的稳健性有所提高。

在股票池的选择上，分别对全 A 股以及沪深 300、中证 500 等重要宽基指数成分股进 行测试。回测区间上统一从 2011 年开始统计；由于 Rank IC 存在较明显的波动性，为增强 可视化效果，用计算累积 Rank IC 以呈现结果。在测试参数设置上，由于估值指标对 价格有较强的敏感度，频率较一般的报告期指标更高，基于月度调整对因子进行测试； 此外，考虑因子的方向性，估值因子全部取倒数（如市盈率 PE 转换为 EP）。

从长区间来看，估值因子的累积 Rank IC 区间整体呈较明显的正斜率，但 2019 年以来斜率 相对放缓；其中沪深 300 指数内的估值因子在行业中性化后几乎呈现负收益，而其他宽基 股票池中的估值因子也出现较明显的震荡和回撤。

分股票池来看，PE 因子（估值因子均为负向指标）在沪深 300 和中证 500 成分股中长期表 现优于其他指标，而 PB 因子在全 A 股中表现更强；市销率 PS 因子在各个股票池中表现均 落后于其他指标，单一 PS 指标选股能力可能有限，需要增量信息进行辅助。另外，沪深 300 和中证 500 成分股中 PE 因子的累积 Rank IC 较高，中证 500 和全 A 股票池中各指标 的稳定性均较好，累积曲线回撤相对偏小。

同时可以看到，行业中性化后的估值因子淡化了板块 Beta 的影响，在稳定性和整体表现上 优于非行业中性的组合；尤其在 2018 年以来，行业中性化因子的累积 IC 回撤水平明显低 于未中性化的估值因子。

进一步对区间内 Rank IC 表现进行统计。行业中性化后，指标在分布标准差上明显小 于非中性化的指标，从结合稳定性的 IC_IR 来看，行业中性化给指标表现带来较大的提升。

在沪深 300 和中证 500 两只主流宽基指数的成分股中，PE 因子明显优于其余指标；作为融入了业绩指标的估值因子，市盈率仍旧相对可靠。同时，市现率 PCF 尽管在 Rank IC 的绝 对数值上低于 PE，但稳定性为所有指标最高，IC_IR 仅次于 PE。

相对估值因子分层测试

分层测试依照因子值对股票进行打分，构建投资组合回测，是较为直观的衡量指标优劣的 手段。具体来说，在某个截面期上，可以根据一个或几个因子值对个股进行打分，将所有 个股依照分数进行排序，然后分为 N 个投资组合并进行回测。

与 IC 测试相似，基于两种调整方案在各截面基于估值因子对给定股票池进行五等分， 并采用较为朴素的等权重方式构建分层组合，以更好地表征个股的整体收益水平。在前文 Rank IC 测试中，PE_TTM 和 PCF_TTM 指标表现相对较好。

从基于等权配置构建的分层效果来看，因子有效性最强的 PE_TTM 指标在三个主要股票池 中均有明显的区分效果，低估值组合拥有明显的长期累积优势。其中全 A 股中估值最低的 分层表现明显优于其他分层，头部组合的收益从长期来看优于其余股票池，而沪深 300 和 中证 500 股票池的各层间区分效果则更加均匀。

进一步观察多空组合表现，尽管每条曲线均呈现明显的长期正斜率，但全 A 股中多空组合 的波动性较大，而沪深 300 多空组合则在 2018 年以来出现明显放缓甚至回撤；中证 500 中 PE 指标多空组合表现相对较为稳定。

对比市净率 PE_TTM 指标 ，市现率 PCF_TTM 指标在长期的分层区分度相对偏低，尤其 在沪深 300 股票池中难以区分头部分层；从多空组合上看，PCF_TTM 指标的总体趋势与 PE_TTM 接近，但长期累积收益略低于 PE_TTM 指标分层的多空组合。

作为因子有效性的直接体现，持仓组合收益分布的特征能够较为直观地反映估值因子的收益机理。采用最具代表性的 PE_TTM 作为估值指标，在每个截面选取相对估值位于最低 20%的成分股作为低估组，统计成分股区间收益率的各个分位点，并对应样本空间的分位点计算相对收益；为控制行业等因素的暴露偏差，对估值因子采用行业中性化处理。对组合的收益率计算偏度以表征收益率分布的倾斜情况，并同样以样本空间的水平作为参照计算相对偏差。

月频构建截面组合基于截面计算相对基准指数的收益和偏度差值；收益观测窗口采取 1 个月。由于相对差值通常在零点附近波动，统一用累积值呈现统计结果，以 更直观地展示分布特征在时间维度上的变化。其中，成分股百分位越小代表收益率越靠前。 值得注意的是，分位数的对比仅用于反映分布的整体特征，不一定能泛化到全部个股。

对于月度收益率，累积相对收益曲线出现明显分化。沪深 300 低估值组合中收 益靠后（分位数较大）的成分股整体领先于母指数沪深 300 的对应点位，直至收益中位数 （50%点位）在长期仍有较为明显的累积优势，表明沪深 300 低估值组合相较基准指数收 益中枢更高，具有较明显的保护性能；但另一方面，处于组合头部分位数的个股则并未呈 现出优势，组合可能在高收益成分上较为匮乏。

从具体分位数上看，曲线组中只有 10%分位点的累积收益曲线在长期跑输基准指数的对应 分位数，作为收益靠前的“先锋”表现不及基准指数的对应分位点；而 50%-90%的分位数 曲线则具有明显的累积优势，且呈现严格的保序性，表明沪深 300 低估值组合的 Alpha 来 源更多是下侧成分股的防御能力。同时注意到，2019 年以来上侧的曲线趋于平缓，而 10% 和 25%分位点曲线则出现下滑拐点，表明收益中枢出现整体下移，进一步降低了组合的超 额收益。

进一步统计 300 低估值组合相对基准指数的偏度，偏度越高表明收益分布右侧（高收 益）的长尾现象越明显，而偏度越低则代表左侧收益（低收益）相对长尾而稀疏。从相对 偏度的累积曲线来看，2010 年至 2016 年间低估值组合的偏度明显低于基准，尾部低收益 的个股分布稀疏，右侧分布更加集中，但收益突出的高收益成分可能较少；而 2016 年上半 年和 2018 年底曲线出现两次明显的拐点，低估值组合相对基准指数呈现右偏态，收益率重 心移向左侧，与超额收益的下滑较为吻合。

中证 500 低估值组与母指数收益分布差异

中证 500 内低估值组合在收益率分布上长期与沪深 300 接近，但其靠前 成分股的超额收益突出，能够长期填补尾部分位数的回撤并获得超额收益；同时可以看到， 与 2019 年之后沪深 300 超额收益分位数曲线的整体斜率下行不同，中证 500 内不同分位 数的表现进一步分化，在尾部成分股优势更加明显的同时，而头部成分则劣势放大。

与沪深 300 股票池不同的是，作为中盘股票池的代表，中证 500 低估值组合近年来基本没 有受到收益中枢下滑的影响，其相对偏度情况较沪深 300 也更加稳定；从相对偏度来看， 中证 500 低估值组合相对基准组合稳定左偏，分布形态上可能变化较小。

五、基于动量因子的估值优化策略：跟随市场的指引

在各个股票池中，不同分位数曲线的超额收益有着较明显的区分 度和良好的保序性，意味着低估值股票池中长期存在拥有理想潜力的个股，能够在价值重 估中获得较好的收益。但另一方面，尽管低估值组合有较大比重的成分获得超额收益，尾 部的成分股仍旧存在长期的劣势，从而对超额收益产生拖累。因此，价值策略存在着进一 步“去芜存菁”的空间与价值。

采用基本面指标进行风险剔除和优选是最为直观的思路之一，即根据披露的财务数据及衍 生指标对个股进行评价并选取优质的成分股；但基本面策略通常对财务报告披露有较大的 依赖，而不同企业报告披露存在时间差异，往往迫使截面量化策略牺牲信息的时效性，在 大部分报告披露之后再做决策，这是量化基本面策略相对主观策略难以克服的缺陷。

另一方面，如果市场能够对新信息进行评估并反馈到定价上，那么提前应用这些“处理 过”的信息或许是可行的思路。典型的，动量因子被认为是价值因子的理想搭档，也常被学界和业界提及；估值因子和动量因子的负相关性以及截面选股上互补的特性；强调单一的价值因子难以起到持续的选股优势，同时认为价值因子和动量因子具有较低的相关性，两者的结合具有较为 理想的选股效果。

估值因子与常规因子的相关性检验

关于价值和动量在流动性风险方面相反行为的一个直观想法是，动量代表了投资者热衷于 参与的流行交易，而价值可以被视为一种逆势投资策略，两者在思路上是较为对立的。而 从多因子的维度来看，高相关性的因子在合成时增量信息较少，而低相关性因子能够更好 地实现互补效果。

首先从因子相关性的视角，对其他指标和估值指标的互补潜力进行检验。以市盈率倒 数 EP_TTM 为例，按月末截面滚动，统计不同股票池中因子估值指标与其他常规因 子的相关性。出于降低极端值影响的考虑，同样使用秩相关系数（Spearman’s Rank Correlation Coefficient）来衡量相关性。

估值因子和市值、ROE、毛利率有相对显著的正相关性；而以同比增速为代表 的成长因子则与估值因子的相关性偏低，且相关性方向并不明确。整体来看，以历史区间 收益率定义的动量指标与估值因子的 Rank IC 绝对值最低，而时间维度的波动性则相对最 大，整体来看与 PE_TTM 指标相关性较低。

价值动量基础策略回测及业绩分析

其中对于动量因子参考 Barra 因子模型的经典定义，以过去一段时间的收益率表征 动量，同时跳过最近的窗口以降低反转效应的影响；例如 N 个月的窗口期，则采用 T（- N+1） 到 T-1 个月的收益率作为动量指标。此外，策略回测的主要参数选择与理由如下：

1. 股票池选用中证 800 指数成分股，即沪深 300 与中证 500 指数的并集，在保证较良好 的个股质地及可投资性的同时，提供较充盈的标的选择；

2. 基于月度频率进行调仓，截面选为每个月末，以更好地发挥估值因子和动量指标的市 场信息时效性；

3. 根据测试结果，选用表现最好的市盈率倒数 EP_TTM 作为估值指标；

4. 根据测试结果，对估值指标均进行行业中性处理，以维持较好的稳定性；

5. 加权方式采用等权重，淡化市值等因素的影响，体现组合整体水平并降低过拟合风险。

基于价值动量策略对策略进行回测并归一化，绘制如上所示的单位净值曲线以及相对基准的走势。从历史表现上看，策略相对主要宽基指数和沪深 800 价值指数 的超额收益明显，但在 2018 年出现了较为明显的回撤；2020 年后重新恢复优势。从相对 基准指数的走势来看，策略相对走势曲线整体呈现正斜率，但在 2018 年附近相对中证 800 和中证 800 价值均出现一定回撤。

从区间统计上看，基础策略的收益率远超其余可比指数，但波动性高于其余指数，与中证 500 的水平接近；从夏普比率上看，策略的风险调整收益突出。同时可以看到，策略的回撤 水平最低，价值因子和动量因子的结合进一步强化了回撤控制能力，增强了策略的泛用性。

分年度来看，在 11 个统计区段内，策略在 7 个区段战胜中证 800 指数，年度最大相对回撤 为 6.22%，年度最大超额收益为 38.86%；相对纯价值策略的中证 800 价值指数，策略同样 取得 7 个区段的优势，年度最大相对回撤为 9.42%，年度最大超额收益为 46.23%。可以认为策略的胜率较高，且拥有理想的回撤控制与出色的收益潜力。

价值动量策略优化：从“被错过的月份”中挖掘信息

从基础策略的表现来看，可以认为动量对价值策略起到良好的补足作用，引入动量因子有效提升了价值组合的收益弹性；另一方面，两者的对冲效应明显降低了组合的整体回撤风 险。但同时，作为基于价格信息的标量，动量指标无法描述区间内部价格的趋势，同时难以识别估值拐点的出现，组合容易引入部分存在定价争议、价格波动严重的个股。

参考经典 Barra 框架的思路，短期动量具有较明显的反转效应，高动量股票容易出现所谓 的“冲高回落”；因此，原指标的处理方法直接跳过了最近的一个月，而由其后的区间完全决定动量水平。但直观上看，最近的区间同样包含了重要的信息，能够反映市场的实时态度，可能仍有进一步挖掘信息的价值。

观察基础策略的尾部成分，部分个股在截面附近达到价格尖峰，随后出现拐点向下的反转现象；同时，也有部分个股在近月份中转为下行，并且存在趋势延续的情况。基 于这个思路，进一步以近一个月的收益率作为指标，同时剔除收益率过高（潜在反转 风险）和最低（趋势下行）的成分股，对动量策略股票池进行提纯。

优化后的策略相对基础策略收益明显提升，在整个回测区间内获得超过 150%的收益提升。从相对基准策略的走势来看，优化策略对原策略的提升较为稳定，相对走势曲 线呈现明显的正斜率。我们进一步分析各项收益风险指标。

优化后的策略除了收益明显提升外，年化波动率相比基础策略有所降低，夏普比率显著提高；同时，区间内回撤水平略微高于原策略，仍旧低于其他相关指数。同时从分年度表现中注意到，新策略仅有两个年份跑输中证 800 指数，最大相对回撤为 3.83%； 三个年份跑输中证 800 价值策略指数，最大相对回撤 8.93%，新策略相对两只指数的胜率 和回撤控制均进一步提升。新的优化策略在几乎未增加风险水平的前提下，大 幅提升了策略表现，且增强了策略在时间维度上的稳定性。

优化策略参数敏感性分析：组合表现对成分股敏感性较低

在策略的构建中，为了提高对市场动态的自适应性，主要应用百分位参数而非绝对值 参数作为筛选条件。进一步的，为了观察策略内各个参数的影响程度对策略的可调 参数进行敏感性分析。在实践上将所有参数进行全组合，构建参数网格；对每一类目标参数逐一固定各个子指标遍历其他指标组合，并横向对比策略收益风险水平及均值。

基于最近一个月动量过滤参数分析

作为价值动量策略优化的核心，近一个月动量极端值剔除的引入具有较强的普适 性。从收益率上看，指标的引入对区间内所有参数组合均有提升；进一步结合风险指标， 我们发现该指标的引入既强化了收益，也降低了波动率和回撤水平，对策略有全面提升的 效果，引入指标较为有效。

回溯期是动量因子定义中最主要的定义参量，其中中期和长期动量均被用于实践中。从收 益率上看，6 个月回溯期的动量指标优势较大，在 16 个不同组合中胜率达到 87.5%；仅有 两个组合结合 12 个月动量表现更好。

结合风险指标来看，12 个月动量相比 6 个月动量在波动率上略低，但整体差距不大；同时， 6 个月动量指标在回撤控制上有较明显的提升。

动量指标对最近一个月的收益率进行剔除，主要是对短期内容易出现的反转效应进行规避；这也是 Barra 等成熟体系所采纳的定义标准。值得说明的是，这一参数与是否引入最近一个月动量剔除的参数呈平行关系，两者互不矛盾。

从收益率分布上可以看到，跳过一个月的组合在收益率上整体占优，胜率为 70.83%，表明 其对组合表现有一定的提升作用。进一步结合风险指标，在波动率均值上两者较为接近， 但剔除最近一个月的动量指标对回撤控制有明显的优势。

成分股的数量主要影响到组合分散度，也是实际投资实践的重要考量之一；一般而言，当 因子有效性较强的时候，较少的成分股数量能够提升组合的 Alpha 收益，但也会放大波动 性。从测试得到的收益上看，30 只成分股占优的比例较高，有 58.33%的比率位列第一， 但同时也有 33.33%的比率处于最后，表现波动性较大。

结合风险指标来看，较少成分股的组合拥有更高的收益，但波动率和最大回撤水平则与成 分股数呈现负相关；从夏普比率上看，50 只成分股的组合在平均水平上稍胜一筹。总体来看，30-60 的成分股范围对最终策略表现影响较小，都具有较好的可实践性。

策略组合行业分布特征和集中度

在计算估值因子时，行业中性化降低了行业因素的干扰，但动量指标仍然受到行业 Beta 的 影响，从而影响最终组合的行业分布。下列为组合在 2010.12-2021.7 每个月末截面上的分 布情况；由于数据维度较大，统计各个行业权重位居第一和进入前三的次数，以及排 名靠前行业的集中度。

在 127 个截面期中，26 个行业进入过权重前三，综合、消费者服务、农林牧渔和综合金融 四个行业权重在区间内未进入前三。行业分布仍存在一定差距，医药行业和房地产行业在 回测区间内优势明显，其后的行业分布相对均匀。从集中度上看，权重前五的行业占比约 为 55%，前十行业占比约为 85%，相对集中度较高。

换手率与交易费用

月频调仓的策略在基本面选股策略中相对偏高频，而动量因子通常也具有高换手的特点； 从实际投资的角度来看，策略的换手率和交易成本值得重视。

策略的换手率相对稳定且整体较高；单截面的双边换手率平均为 1.004 倍，年 化双边换手率为 12.053 倍。进一步设定交易费率网格，观察交易成本对策略最终受益 的影响。可以看到，在较低费率（0.4‰/1.4‰）的交易成本假设下，策略的年化收益仍要损失约 1.31%； 在较高费率（1‰/2‰）的情况下，策略年化收益预计受损 2.18%。

六、总结

作为投资策略中的经典理念，价值投资立足于低估值的安全边际，并在市场未来重估中获 取个股均值回复的收益。从市场的历史统计来看，低估值策略拥有长期的有效性，如经典 的 Fama-French HML 因子在数十年间获得显著的 Alpha 收益。但就近年来看，价值因子 在海内外市场的表现均有所下滑，尤其相对成长策略呈现劣势；其中，价值策略在美国市 场已经低迷超过 10 年，而 A 股市场则是在 2019 年之后出现价值因子表现走弱的情况。该 现象引起不少海内外投资者对价值投资的担忧。

进一步针对价值投资表现的潜在影响因素进行分析，以探究价值因子表现波动的原因 以及未来可能的趋势。从宏观环境来看，利率因素直接影响的资金面环境与投资者的风险 偏好，低利率环境一般被认为更适于价值因子的发挥；就实证结果来看，21 世纪后美国市 场的利率下行与价值因子表现较为契合，但在 A 股市场该现象并不明显，利率因素可能不 是影响 A 股市场价值因子有效性的主导因素。

另一重要因素可能是科技革新导致的周期性变化。新科技在由新兴转向成熟的过渡阶段时，高成长企业的吸引力会高于传统价值型企业，从而导致估值出现两端分化而非均值回复，使得价值因子相对弱势。当前我们可能正处在第五次革新周期的中间段，该因素可能对价值因子的表现造成了持续性的影响，但 在未来也许会出现转折。

基于 AQR 的组合收益三因素拆解框架，美国市场 HML 收益的主要影响因素是盈利效应和 迁移效应，但导致近十年来价值成长溢价下滑的主因却是代表估值泡沫的重估效应；而 A 股市场的主因在于重估效应和盈利效应，其中重估效应的负向影响也在近年来迅速放大， 从而降低了市场的价值成长溢价。从这个角度来看，估值体系的变化可能是影响海内外市 场价值因子表现的共同因素。

因子有效性测试显示，估值指标在国内市场长期具有有效性；其中市盈率因子表现最佳， 具有突出的长期 Alpha 收益与良好的分层效果。从股票池来看，价值因子在沪深 300 和中 证 500 成分股票池均长期表现良好，但价值因子表现沪深 300 在近年来受到较大影响。另 外我们发现，行业中性对估值因子的应用较为必要，能够明显提升因子的稳定性。

进一步对基于市盈率倒数构建的低估值组合进行分析，低估值组合的大部分成分股具有超额收益，但主要源于相对低收益成分股的防御性优势，而收益靠前的成分股则表 现偏弱；分布相对基准指数呈现相对的左重尾，但在 2019 年沪深 300 股票池的分布发生变 化，收益中枢可能发生左侧平移，导致股票池内价值策略整体走弱。

在如何提升价值策略的表现上提出用动量因子结合价值因子的方案。测试显示，动 量指标与价值指标呈现较低的负相关性，对多因子策略具有良好的适应性。结合动量的价 值策略在历史表现上明显超过基准指数和单纯的价值策略指数，同时明显降低的回撤水平， 起到对冲互补的效果。进一步挖掘动量因子的信息，基于最近一个月收益率进行风险剔除看，从而对基础策略进行优化；优化后的策略在收益层面进一步提升，波动率有所降低。同时相对基准指数和纯价值策略指数的胜率提高，收益稳定性进一步提升。

七、风险提示

因子测试结果是历史经验的总结，若市场规律改变，存在失效的可能；策略表现仅代表回 测结果，无法保证在未来持续有效。

报告链接：价值投资专题研究：价值策略表现分析与结合动量的优化

（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。）