价值因子实操:从PE/PB到EP、EBIT/EV
我的掌握程度:
先掌握这个答案
谱系与动机:①BM(账面市值比,HML正统):稳妥但对轻资产公司失真(账面≠价值);②EP(盈利市值比=1/PE):解决"亏损股的PB失真"(亏损公司PE为负被丢弃,EP可保留为强负值信号);③EBIT/EV( enterprise视角):剔除资本结构与税的差异,巴菲特偏爱口径("所有者收益/收购总价");④复合价值:多口径排名取平均——单口径各有盲区,复合后盲区互补、更抗单一行业的结构性偏差。A股本土性:纯BM偏弱,EP与低PB复合更强;价值因子与红利高度相关(高分红公司常低估)——注意因子库内的冗余(q-459)。
先读结论,再核对下方使用边界;数字例题为教学情景,涉及实际行情与规则时请核对原始来源。
从理解到使用
先确认分母口径
静态PE、TTM PE、动态PE不可混用。“动态市盈率”字段不能直接重命名TTM。利润为负或接近零时PE解释力很弱;PE倍数也不是投资者收回本金的承诺年数。
核对来源:AKShare字段说明 ↗本阶段实战方法 · 让一个因子经历完整的样本外检验
从一个投资直觉构造信号时,先验证预测关系,再验证能否交易。
- 写出经济假设、股票池、因子方向、可用时点、持有期和评价指标;用历史成分与退市样本。
- 在每个时点用可得数据计算因子,检验截面IC、分层收益、换手和行业市值暴露。
- 锁定参数做样本外验证,扣除成本并做不同市场阶段与参数敏感性分析。
使用边界
- IC没有通用合格线;股票池、频率、持有期与成本不同,数值不可直接横比。
- 多空分组收益不是个人可直接实现的收益,还要考虑融券、对冲与资金约束。
背景 · 从一个困惑说起
教科书说价值因子=买低PB。实操者很快发现:低PB组合常年重仓银行地产(价值陷阱聚集地)、而在成长股牛市里被碾压。学界与业界于是发展出一整族改进版价值度量。
由此产生的问题
价值度量的家族谱系(BM/EP/EBIT-EV/复合)各自解决什么问题?为什么复合价值更稳?A股价值因子的本土特点?
核心概念
谱系与动机:①BM(账面市值比,HML正统):稳妥但对轻资产公司失真(账面≠价值);②EP(盈利市值比=1/PE):解决"亏损股的PB失真"(亏损公司PE为负被丢弃,EP可保留为强负值信号);③EBIT/EV( enterprise视角):剔除资本结构与税的差异,巴菲特偏爱口径("所有者收益/收购总价");④复合价值:多口径排名取平均——单口径各有盲区,复合后盲区互补、更抗单一行业的结构性偏差。A股本土性:纯BM偏弱,EP与低PB复合更强;价值因子与红利高度相关(高分红公司常低估)——注意因子库内的冗余(q-459)。
为什么需要它
①度量=因子:同一个"价值思想"用不同尺子量出的组合截然不同——研究因子的第一课其实是研究"怎么量";②价值陷阱的防御:低估值+基本面恶化=陷阱——复合价值(要求多口径同时便宜)天然过滤单一口径的畸形便宜;③长期主义的数学:价值因子换手低、容量大、衰减慢——是策略组合的"压舱石"型因子(与量价因子的快形成互补,q-040双层世界的落地)。
实际应用场景
构造:value=(rank(EP)+rank(BM)+rank(EBIT/EV))/3,行业中性化后月度调仓;检验按q-426/431标准全流程。
与之前知识的联系
q-103/102(阶段2的PE/PB)是尺子的基础知识;q-402的HML是BM的学术版;q-476(因子合成)的等权思想在"复合价值"里预演。
⚠ 常见误解
- 价值因子就是低PB:单一口径的时代已过——机构的价值定义普遍是多口径复合
- 价值因子死了(成长牛市的哀嚎):价值因子的周期以十年计——2010-2020美股价值黑暗期后于2022年暴力回归;风物长宜放眼量
- 便宜就有安全边际:便宜可能反映真实恶化(陷阱);价值投资=便宜×质量两腿走路(q-411质量因子正是另一条腿)
🛠 本题实践任务
用你的财务数据构造复合价值(EP+BM+EBIT/EV排名平均),对比单口径BM的行业分布与IC。回答:复合后IC变化多少?行业集中度下降多少?
💡 提示(先自己想5分钟再看)
EBIT=营业利润近似;EV=市值+净负债(无负债数据时先用市值近似并标注);行业集中度用Top组合的行业HHI。
✅ 验收标准
单口径vs复合的IC与行业分布对照。你掌握的是机构版价值定义。
在你的浏览器内运行。首次需联网下载 Python;支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词,不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识(PE/PB、HML、因子检验),再用案例、公式和代码帮助理解。此功能需要先启用服务。