股价的变动和估值的变动密切相关
我们可以把股价的涨跌幅近似拆分成两部分,一部分是估值变动的部分,另一部分是基本面变动的部分。其中,基本面数据的更新频率相对较低,市场预期在一段时期内通常波动不会太大,股价的变动中很大一部分可以归因为估值的变动。
相比于因子与股价涨跌幅的关系,估值逻辑持续时间更长
传统因子模型在评价因子是否有效时多以IC和IC信息比率为依据,但是我们观察到很多因子的IC具有趋势性有效和无效的特点,原因是IC系数本身不包含股票估值的信息,当因子信息被充分pricein时,其有效性就会打一定的折扣。这意味着单因子的有效期相对是比较短的。短期股价的涨跌反映的是市场的风格偏好,而市场整体估值逻辑的有效性相对来讲持续时间更长。
建立模型分解因子与估值的kendall相关系数
我们将因子与估值的kendall相关系数进行拆分,并引入一个概率函数,用来衡量已知两只股票基本面存在差异时,它们之间估值相对大小的概率。从这一角度看,高相关系数意味着高概率,当某个事件的概率足够大时,我们可以从那些不符合普遍规律的小概率样本上挖掘套利机会。
在概率模型的基础上估计股票未来估值的提升幅度
我们对估值概率函数的形式做出假设,然后利用统计学方法进行参数估计,由此得到每两只股票之间估值相对大小概率的估计值。接下来可以计算样本中每只股票未来估值排序的期望,再与当前它实际估值序数相减得到其未来估值提升的预期幅度。我们认为估值提升幅度越大,股票未来上涨空间越大,alpha越大。
新因子在市值前1/3样本中效果较好
从全市场测试结果来看,PB|ROE因子相对于简单PB因子在IC绝对值上没有提升,仅在净资产中性的情况下IR有一定的改善,但又不及ROE和PB的等权因子。而在市值排名前1/3的样本中,新因子的边际贡献是十分显著的。净资产中性下PB|ROE因子相对PB因子的月均IC从0.038提升至0.044,IR从1.08提升至2.356,加入净利润增速和毛利率因子后,IC进一步提升至0.053,IR提升至3.255。年化多空收益差相比于简单PB因子从10.81%提升至16.45%。