3. 估值因子（上）：市盈率(PE)、市净率(PB)的计算逻辑、行业中性化处理、因子有效性初步检验
各位同学，今天我们来聊聊估值因子。说实话，估值因子是我个人在量化实战中最先接触、也最常用的一类因子。为什么？因为它逻辑清晰，数据好拿，而且效果稳定。你想想看，买股票不就是想买便宜货吗？PE、PB这些指标，说白了就是帮我们判断「这玩意儿到底贵不贵」。
3.1 市盈率（PE）的计算逻辑
市盈率，全称Price to Earnings Ratio。公式很简单：
PE = 股价 / 每股收益（EPS）但这里有个坑——每股收益用哪个？
我刚开始做因子研究时，直接拿最新财报的EPS去算PE。结果回测效果一塌糊涂。后来才发现，我用的EPS是「过去四个季度」的滚动数据，而市场定价用的是「未来预期」的EPS。这就是静态PE和动态PE的区别。
关键点：
- 静态PE（TTM）：用过去12个月的EPS。数据稳定，但滞后。
- 动态PE（Forward）：用未来12个月的预测EPS。前瞻性强，但预测不准。
我个人习惯在因子构建中优先使用TTM PE。原因很简单——预测数据容易有偏差，而历史数据至少是「真实发生」的。
嗯，这里要注意：PE为负值怎么办？比如亏损企业。我的做法是直接剔除或赋一个极大值。你想想看，负PE在逻辑上没法解释「便宜」还是「贵」。
3.2 市净率（PB）的计算逻辑
PB = 股价 / 每股净资产（BVPS）
PB适用于重资产行业，比如银行、地产。为什么？因为这些公司的资产容易估值，净资产相对靠谱。
我曾经在分析科技公司时用过PB，结果发现这些公司的净资产主要是无形资产和商誉，账面价值跟实际价值差得远。所以PB在科技股上基本失效。
实战技巧：
PB小于1不一定就是「破净」机会。你得看看公司的资产质量。比如某地产公司PB=0.8，但它的存货（土地）可能已经贬值了。这时候PB低反而是价值陷阱。
3.3 行业中性化处理
为什么要做行业中性化？我举个例子：
银行股的平均PE是6倍，科技股的平均PE是30倍。如果你直接用PE排序，选出来的全是银行股。这合理吗？不合理。因为不同行业的估值中枢天然不同。
行业中性化的核心思想：在同一行业内比较估值。
具体做法分两步：
- 计算行业内的相对估值：比如用个股PE减去行业平均PE，再除以行业标准差。
- 得到行业中性化后的Z-score：这个值表示「该股票在行业内是贵了还是便宜了」。
# Python伪代码示例
import pandas as pd
def industry_neutralize(df, factor_col='pe_ttm', industry_col='industry'):
# 计算行业均值和标准差
industry_stats = df.groupby(industry_col)[factor_col].agg(['mean', 'std']).reset_index()
df = df.merge(industry_stats, on=industry_col, how='left')
# 计算Z-score
df['pe_neutral'] = (df[factor_col] - df['mean']) / df['std']
return df注意：
行业分类不能太粗也不能太细。太粗（比如只分金融和非金融）会丢失行业特性；太细（比如申万三级行业）会导致样本量不足，统计结果不稳定。我个人推荐使用申万一级行业分类，28个行业刚刚好。
3.4 因子有效性初步检验
因子构建完了，怎么知道它有没有用？我一般做三个检验：
3.4.1 IC（信息系数）分析
IC就是因子值与未来收益的相关系数。简单说：因子值越高，未来收益是不是也越高？
| IC值范围 | 含义 |
|---|---|
| IC > 0.05 | 因子有效，正向选股 |
| IC < -0.05 | 因子有效，反向选股 |
| |IC| < 0.02 | 因子基本无效 |
我见过很多新手只看IC均值，不看IC的稳定性。其实IC的IR（信息比率）更重要——IC均值除以IC标准差。IR大于0.5才算靠谱。
3.4.2 分层回测
把股票按因子值分成10组（Decile），看每组未来的收益表现。理想情况是：第1组（最便宜）收益最高，第10组（最贵）收益最低，单调递减。
我曾经做过一个PE因子的分层回测，结果发现第1组和第10组收益差异很大，但中间几组乱成一团。这说明PE因子在极端值上有效，但在中间区域区分度不够。这时候我会考虑做一下极值处理（比如MAD去极值）。
3.4.3 多空组合收益
做多因子值最低的10%股票，做空因子值最高的10%股票。看这个多空组合的累计收益曲线。如果曲线平稳向上，说明因子有稳定的选股能力。
我的经验：
PE和PB因子单独使用时，效果一般。但把它们组合成「综合估值因子」，效果会好很多。比如：
综合估值 = 0.5 * Z(PE_neutral) + 0.5 * Z(PB_neutral)
这样既能捕捉盈利估值，又能捕捉资产估值，互补性很强。
3.5 本章知识体系
下面这张图是我自己画的，把本章的核心逻辑串起来了：
这张图把PE、PB的计算逻辑、行业中性化处理、以及因子有效性检验串在了一起。你可以把它当作一个检查清单——每做一个因子，都按这个流程走一遍。
最后说一句：
估值因子不是万能的。我见过很多人在牛市里用PE选股，结果跑不赢指数。为什么？因为牛市里大家不看估值，看的是「故事」和「情绪」。但拉长到3年以上的周期，估值因子的有效性就会显现出来。所以，别因为短期失效就放弃一个逻辑上正确的因子。
公众号:蓝海资料掘金营，微信deep3321