Barra模型专题报告（三）：价值因子

1、一. Earning Yield，收益率1. Earnings-to-Price，收益价格比以滚动最近 12 个月的净利润，除以当前的市值，即可得到当前的因子数值。该因子更常见的是其倒数形式市盈率，市盈率 PE 是 P 除以 E，P 是股价 price，E 是每股收益 EPS（earning per share）。该因子的市值即股价乘以股本，净利润即每股收益乘以股本。因此净利润除以市值，同时约去股本，即每股收益除以股价，正是市盈率的倒数。以市盈率公式的字面意思理解，10 倍市盈率是指每年以每股收益 EPS 累积 10 年之后，可以达到股价 P，即投入的资金 10 年之后可以回收成本，因此我们希

2、望回收成本的年限越短越好，能够选择 10 年回收成本，绝不选择 20 年回收成本。但是我们通常的认知是，市盈率较高的股票未必就不好，这不是与公式的字面意思相悖了吗？矛盾的核心在于按公式理解，我们是以当前的每股收益为定值，计算未来能够回收成本的年限，这是一种静态的思维方式。动态的来看，如果每股收益在未来几年翻倍增长，那么回收成本的年限就会缩短一半。因此如果单从估值角度来看，放弃 10 倍市盈率的公司，而选择 20 倍市盈率的公司，代表了看好公司未来每股收益的增长，能够以少于 10 年的时间回收成本，这是一种动态的思维方式。从价值投资的思路来说，每股收益的增长通常也会伴随股价的增长，两者增长的相对

3、快慢会决定市盈率的增大或减小。如果每股收益增长了 1 倍，而股价增长了 2 倍，则市盈率会增大，同时股价的过快增长也对应于高估的可能。如果每股收益还是增长 1 倍，而股价只增长了 0.5 倍，则市盈率会减小，同时股价的缓慢增长也存在潜力未完全释放的可能。因此不仅要看股价，还要看股价的增长，更要看股价增长的快慢，就像位移、速度、加速度三者的关系，这是一种更加动态的思维方式。市盈率作为一个估值指标，给予更高的估值，即估计在未来具有更高的价值，给予较低的估值，即潜力还没有被发现，高估还是低估，都是相对于内在价值而言，内在价值是无法观测到的，因此市盈率没有确定性的越高越好还是越低越好。ETOP 因子作

4、为资产定价体系下的因子，因此选择数值更大的股票，对应于市盈率更小的情形。图 1：不同行业市盈率对比实际操作中，首先，市盈率为负的应该排除在外，无法稳定盈利的公司是无从谈起回收成本的。其次，市盈率与行业的经营特征有关，如图 1 所示，从部分申万一级行业的股票在最近一年内的平均市盈率来看，银行和钢铁成长性有限，市盈率较低，电子和计算机想象空间较大，市盈率较高。最后，市盈率可以在同行业内横向对比，也可以与自身历史纵向对比。2. Cash Earnings-to-Price，现金收益价格比以滚动最近 12 个月的现金净流量，除以当前的市值，即可得到当前的因子数值。在计算财务指标时，有时会用滚动 12

5、个月的计算方式，即 Trailing Twelve Months，缩写为 ttm，意思是取最近 4 个季度的财务指标，而非只看当前季度。以 2022 年一季报为例，净利润_ttm 等于 2022 年一季报净利润加上 2021 年年报净利润再减去 2021 年一季报净利润。那么，为什么要在原有数据上多做一层处理呢？一个原因是季节性差异。对于某些行业或者某些公司，其经营特征会出现季节性差别，销售旺季车水马龙，到了淡季人烟稀少。只看当前季度，会出现旺季过高而淡季过低的现象，与自身历史纵向比较时增加无谓的波动性。每个行业的旺季与淡季又各不相同，与其他公司横向比较时也有失公平公正。因此取一个完整的春夏秋

6、冬循环，平滑数据，优化指标。另一个原因是美股的财务制度。A 股一个完整的财年是从每年的 1 月 1 日到 12 月31 日，美股财年的截止时间可由上市公司自行决定，如表 1 所示，虽然大多数公司财年是截止 12 月 31 日，但是仍有一部分公司的财年为 6 月 30 日、1 月 31 日等等，对横向比较增加了难度。因此美股财务指标的统计口径主要有滚动 12 个月ttm、最近季度（mrq， most recent quarter）、财年结束（lfy，last fiscal year），不像 A 股有统一的财务周期和发布时间段。股票代码股票简称财年截止日AAPL.O苹果09-25MSFT.O微软0

7、6-30AMZN.O亚马逊12-31TSLA.O特斯拉12-31GOOG.O谷歌-C12-31FB.OMeta Platforms12-31NVDA.O英伟达01-30TSM.N台积电12-31JPM.N摩根大通12-31表 1：主要美股的财年截止日最后，比较适用 ttm 处理的主要是流量型数据，比如营收和利润，财报公布的数据都是从年初开始累计的，营收一定随时间的累计而增大，利润除去少数亏损的情况也会逐渐增大。而存量型数据，比如资产和负债，财务报表的原始数据和 ttm 处理后的数据则差异不大。图 2 万科 A 净利润 ttm 和 mrq如图 2 所示，红线为财报公布的净利润，首先表现出一定的季

8、节性，每个年度的前半年曲线较为平缓，后半年曲线较为陡峭，全年曲线呈折线。其次表现出流量型年末最高，年初清零的特点。蓝线为 ttm 处理后的数据，在年报时与原始数据重合，在其他时间较为平滑的增长，而且在 2020 年年中有略微下降的表现，这些在原始数据中都是很难发现的。3. Enterprise Multiple (EBIT to EV) ，企业价值倍数的倒数以最近财年的息税前利润，除以当前的企业价值，即可得到当前的因子数值。息税前利润 EBIT，是得到净利润路径中的一个中间节点，即先不减去利息支出和所得税支出，也就是剔除资本结构和税率影响，这样可以距离营业收入、营业成本等经营相关数据更近。企业

9、价值 EV，是市值加上负债再减去现金的结果，是市值的近义词，更偏重于收购的价值，因为收购企业后需要承担企业负债，同时继承企业现金。还可能会资本重组或者更换市场，因此使用息税前利润 EBIT 也是考虑了收购后企业经营方式的改变。上述三个收益率因子使用了三大财务报表中利润表和现金流量表的主要科目。图 3 利润表主要科目利润表主要描述了营业收入经过各个科目的抽丝剥茧转化为净利润的过程，如图 3所示，主线路径包括营业成本、销售费用、管理费用、财务费用、所得税费用，支线路径包括融资利息支出和投资收益收入、营业外收入和支出等。最终净利润又会被分解为母公司收益和少数股东收益。现金流量表主要描述了其他两张表中

10、的科目的现金流状况，对其他两张表有连接作用。现金作为企业的血液，其流动的驱动力自然来自于经营，经营一方面按成果分解为净利润，另一方面按方式反应在资产负债表中，其中营运资本建立起了净利润和现金流的桥梁，主要包括预收预付款项、应收应付款项、融资投资损益等。如果一家企业的预收账款和应付账款比较充裕，说明其在产业链中的主导地位和议价能力。反之，如果有较多的预付账款和应收账款，那么净利润也会有一部分停留在纸面，无法真正入袋为安，转化为实际收益。因子名称分子分母ETOP净利润市值CETOP净利润+运营资金市值EM净利润+利息+所得税市值+负债-现金表 2：收益率三因子对比由此可见，上述三个收益率因子所使用

11、的净利润、现金流、息税前利润，都是殊途同归，从盈利的角度给出企业的估值，因此用法与市盈率因子原理相同，在此不再赘述。4. 因子回测结果因子名称ICIRRankICRankIC_IR因子收益率ETOP-0.014%-0.072%-0.001%-0.005%-0.030%CETOP-0.010%-0.078%-0.003%-0.023%-0.021%EM-0.006%-0.035%-0.004%-0.019%-0.012%表 3：Earning Yield 因子回测结果图 4：Earning Yield 因子累计收益率如图 4 所示，从因子收益曲线来看，三个收益率因子趋势比较一致。在 2018-2

12、019年，指数探底回升的过程中，因子表现比较平稳，整体收益与指数持平。2020 年指数拉升向上时，因子反而一路向下。直到 2021 年指数调整时才止住下跌趋势。总体来看，收益率因子的抗跌性优秀，但是会在某段时间完全失效。二. Book-to-Price，账面市值比1. Book-to-Price，账面市值比以最新公布的净资产，除以当前的市值，即可得到当前的因子数值。净资产是三大财务报表中资产负债表的最终一项科目，等于总资产减去总负债，也称为股东权益。与市盈率类似，净资产等于每股净资产乘以股本，市值等于股价乘以股本，那么该因子的倒数即市净率 PB，即股价除以每股净资产，可以理解为购买 1 元账

13、面净资产所支付的价格。净资产作为存量数据，需要净利润年复一年的不断积累才能逐渐增加，增长相对缓慢，因此净资产主要作为规模和风险抵抗力的度量。一旦企业经营不善，进入破产清偿程序时，越低的市净率，意味着当初的投入越小，如今的亏损越少。市盈率是从盈利的角度给出股票的估值，侧重企业的成长性。市净率是从风险的角度衡量股票的价值，侧重企业的稳定性。因此有投资者说，市盈率是进攻的矛，市净率是防守的盾。图 5：不同行业市净率对比市净率同样与行业的经营特征有关，如图 5 所示，银行、钢铁、房地产等行业市净率较低，这些行业属于重资产行业，具有比较明显的规模效应，账面净资产也比较接近于企业有形资产价值。医药生物、电

14、子等行业，虽然市净率较高，但并不意味着很高的风险，主要与行业本身轻资产运营有关，这样的企业同样具有价值，因此每 1 元账面净资产对应的价格也较高。2. 因子回测结果因子名称ICIRRankICRankIC_IR因子收益率BTOP-0.017%-0.084%-0.007%-0.029%-0.035%表 4：Book-to-Price 因子回测结果图 6：Book-to-Price 因子累计收益率如图 6 所示，从因子收益曲线来看，账面市值比因子表现出和收益率因子同样的特征。在 2018-2019 年，指数探底回升的过程中，因子回撤较小，收益持平零线。2020 年指数拉升向上时，因子开启了漫长的黑

15、夜。直到 2021 年指数调整时才重现曙光。从回测结果来看，没有出现理论中市盈率进攻、市净率防守的效果，而且两者走势十分相似。主要是因为市盈率和市净率与行业经营特征有关，银行、钢铁、房地产行业普遍较低，如图 7 所示，申万一级行业指数从 2018 年至今走势，这三个行业又相对弱势，房地产行业几近腰斩，银行、钢铁仅仅维持在零线附近，均跑输同期指数。因子选择买多这些低市盈率低市净率的行业，卖空其他行业，尤其在指数大幅拉升时，形成了与指数背道而驰的惨剧。图 7：银行、钢铁、房地产行业累计收益率由此可见，市盈率和市净率因子具有很强的行业特征，实际操作中应该在同行业中对比，才可能有较好的结果。三. Di

16、vidend Yield，分红收益率1. DTOP，Dividend-to-Price，分红价格比以滚动最近 12 个月的每股分红，除以上月月末的股价，即可得到当前的因子数值。企业在经营过程中获得净利润后，通常会留存一部分收益用于扩大规模、研发投入、拓展业务等，将其余收益通过分红的方式回馈给股东。可见净利润除了留存后积累净资产，还有一部分会用于分红。分红是 2018 年公布的 CNE6 模型中新增的二级因子，填补了净利润和净资产之间的空缺，在逻辑结构上更加完整和合理。DTOP 因子与股息率比较接近，都是每股分红除以股价，区别在于 DTOP 因子使用每股分红_ttm，股息率使用当前年度的每股分红

17、；另外，DTOP 因子使用上月月末的股价，股息率使用当前股价。两者都是越大越好，首先分红对于投资者是直接收益，享受到了公司成长的红利，其次分红的基础是净利润，说明公司的盈利能力出众。2. 因子回测结果因子名称ICIRRankICRankIC_IR因子收益率DTOP-0.010%-0.060%0.002%0.011%-0.022%表 5：Dividend Yield 因子回测结果图 8：Dividend Yield 因子累计收益率如图 8 所示，从因子收益曲线来看，分红因子延续了前两个价值因子的走势。在指数震荡时可以维持收益，在指数快速上攻时完全失效。究其原因，财报和分红的公布周期都是季度或半年

18、度，而股价却是每日变动，那么市盈率、市净率、股息率等每日更新，会随着股价的上涨而增加。因子选择市盈率等较低的股票，实际是选择股价上涨较慢的股票，卖空股价上涨较快的股票。而指数拉升时最简单的策略是追涨，因子恰恰反其道而行之，由此招致收益率下跌。由此可见，价值因子对股价的变动较为敏感，应该以更长期的视角评价其表现。附录 1Barra 因子结构Barra 模型是 MSCI 明晟公司研发的金融风控模型，把个股收益分解为市场（国家）因素、行业因素、风格因素，其中风格因素即描述个股特征的风险因子，主要应用于多因子选股分析和结构化风险因子分析。第一个为美国市场设计的多因子模型于 1975 年发布，称为 Ba

19、rra US Equity Model1（USE1），USE2 于 1985 年发布，USE3 于 1997 年发布， USE4 于 2011 年发布。Barra 模型经受了众多金融机构的实证检验，经久不衰，生机蓬勃。2012 年 7 月明晟公司终于发布了针对中国市场的模型 Barra China Equity Model（CNE5），包括 10 个大类因子、21 个小类因子。2018 年 8 月发布的 CNE6，将因子进一步细分和扩充，包括 9 个一级因子、21 个二级因子、46 个三级因子，9 个一级因子分别是波动率（Volatility）、动量（Momentum）、价值（Value）、规

20、模（Size）、流动性（Liquidity）、质量（Quality）、成长（Growth）、分红（Dividend Yield）、情绪（Sentiment）。图 9：CNE6 因子结构附录 2因子评价指标一IC（Information Coefficient，信息系数）IC 值是指对于一揽子股票和某一个因子，当期的因子值序列与下期的收益率序列之间的 Pearson 线性相关系数，正相关性越高，说明该因子的数值对于股票收益率的预测能力越好，因子的有效性越强。当然，如果呈负相关性，绝对值越大越好，即该因子是反向因子，对股票收益率同样具有良好的预测能力。日度更新因子在历史上的每一天都有一个IC 值，

21、在回测区间的若干天内对若干个 IC值取平均数，可以得到因子的 IC 均值，用来描述该因子在回测区间内的有效性，通常认为IC 均值大于 3%或者小于-3%时因子比较有效。由于 IC 值直接使用数值计算相关系数，就难免受到异常值和量纲的影响，因此需要对原始的因子值进行缩尾化和标准化。缩尾化是指以均值加减三倍标准差为边界，截断边界以外的部分，保留边界以内的部分，即将异常值用边界值替代。标准化通常将原序列减去均值再除以标准差，使新序列的均值为 0 且标准差为 1。这样不同因子间就排除了异常、统一了量纲，可以在同一水平下进行比较。 另外，因子原始数值的缩尾化和标准化，是以日期为截面，即对同一日期不同股票

22、的因子值进行数值变换，这样可以保证当期的因子风险敞口为 0。由于 Pearson 相关系数，假设序列服从正态分布，而很多情况下的数据难以满足这个假设。而且 Pearson 相关系数只能描述线性相关性，对于高度非线性相关的序列也只能得到较低的线性相关性。基于以上两点局限性，Spearman 相关系数先将数值排序，再计算排名之间的相关性，可以得到很好的结果。图 10：完全相关时的相关系数图 11：微小扰动时的相关系数如图 10 所示，逻辑曲线在中间缓慢增长，在两边迅速增长，符合很多事物分阶段变化的规律。图中曲线序列Y 完全由序列X 决定，是完全相关的关系，但是 Pearson 相关系数只有 0.9

23、22，而 Spearman 相关系数为 1，准确描述了这种完全相关关系。如图 11 所示，在图 10 完全决定的关系上施加微小的随机扰动后，Spearman 相关系数仍然高达 0.993，说明在更加真实的环境中，Spearman 相关系数也能得到符合客观规律的结果。Rank_IC 值是指在 IC 值的计算中用排序代替数值，即因子值的排序和收益率的排序之间的相关关系，更准确的说是因子值和收益率的 Spearman 秩相关系数，是对 IC 值的一种改进。二. IR（Information Ratio，信息比率）IR 值是指回测区间内的 IC 均值除以 IC 标准差，即在原有的 IC 均值评价基础上，对于 IC 值波动较大的因子增加惩罚，提高 IC 值较为稳定因子的评价。因此可以看做考虑了风险因素后，对 IC 均值的优化。然而由于 IC 值大于 3%或者小于-3%都说明因子比较有效，IC 值的绝对值较大直观上会导致波动较大，而 IR 值又会惩罚波动较大的因子，似乎 IR 值会将有效的因子变的平庸。其实不然，IR 值只是会惩罚 IC