一、价值投资起源:格雷厄姆与多德的投资哲学

聊价值因子,咱们得先回到源头。

我刚开始做量化那会儿,满脑子都是各种复杂模型。后来回测做多了,发现一个有意思的现象——很多花里胡哨的策略,长期跑下来还不如一个简单的低市盈率组合。这让我重新翻开了格雷厄姆的《证券分析》。

格雷厄姆和多德的核心思想,说白了就一句话:买股票就是买公司。你想想看,如果你要盘下一家小卖部,你会怎么估值?看它一年能赚多少钱,看它有多少存货和设备,对吧?股票也是一样的道理。

1.1 安全边际:投资的基石

格雷厄姆最著名的概念就是「安全边际」。什么意思呢?

假设一家公司值100块,你80块买入,这20块的差价就是安全边际。为什么要留这个空间?因为你的估值可能出错,市场可能更悲观,公司可能遇到黑天鹅。安全边际就是你的缓冲垫。

核心公式:

安全边际 = 内在价值 - 买入价格

只有当安全边际 > 0 时,才考虑买入

我在2018年回测A股时发现,那些买入时安全边际足够大的股票,持有3年以上的胜率超过75%。而追高买入的,胜率不到40%。这个差距,就是安全边际的价值。

1.2 市场先生:情绪与理性的博弈

格雷厄姆有个很形象的比喻——市场先生。他每天都会给你报价,但情绪极不稳定。高兴时报价高得离谱,沮丧时报价低得吓人。你的任务不是跟着他疯,而是利用他的情绪。

说白了,市场短期是投票机,长期是称重机。价格会围绕价值波动,但最终会回归。这个理念,后来成了所有价值因子的理论基础。

二、价值因子在量化中的演变

从格雷厄姆的手工选股,到今天的量化模型,价值因子经历了几次大演变。

2.1 早期:简单估值指标

最早的价值因子就是市盈率(PE)、市净率(PB)。选股逻辑很简单:PE最低的10%股票,买入持有。我见过最早的量化论文,1980年代的,用的就是这种单因子模型。

效果怎么样?还不错。但有个问题——太粗糙了。不同行业的PE没法直接比,银行股天生PE低,科技股天生PE高。你拿银行和科技比PE,就像拿西瓜和芝麻比重量。

2.2 中期:多因子与行业中性化

后来大家发现,得做行业中性化处理。具体做法是:

  1. 计算每个股票在所属行业内的PE排名
  2. 用行业内排名代替原始PE值
  3. 再跨行业比较

这样一搞,效果明显提升。我记得2015年做A股回测时,行业中性化后的价值因子,年化超额收益从3%提升到了6%左右。

2.3 现代:综合价值因子

现在的量化模型,很少只用单一估值指标了。我们通常把多个指标组合成一个综合价值因子:

指标 含义 权重(示例)
PE_TTM 滚动市盈率 25%
PB_LF 市净率(最新财报) 20%
PS_TTM 市销率 15%
PCF_TTM 市现率 15%
EV/EBITDA 企业价值倍数 25%

为什么要用这么多指标?因为每个指标都有盲区。PE忽略了负债,PB忽略了盈利能力,PS忽略了利润质量。组合起来,才能更全面地刻画「便宜」这个概念。

实战技巧:

我习惯在每年4月底(年报披露完毕)和10月底(三季报披露完毕)重新调整一次因子权重。因为这时候数据最新,估值锚点最准。

三、为什么需要估值锚点

好,问题来了——我们有了价值因子,为什么还要专门搞个「估值锚点」?

嗯,这里要注意。价值因子告诉你的是「相对便宜」,但没告诉你「绝对便宜」。举个例子:

  • 股票A:PE=10,行业平均PE=20 → 相对便宜
  • 股票B:PE=15,行业平均PE=12 → 相对贵

但问题是,如果整个行业都高估了呢?2000年互联网泡沫时,很多科技股的PE看起来「合理」,实际上整个行业都泡沫化了。这时候,你需要一个绝对估值锚点。

3.1 估值锚点的定义

估值锚点,就是一个基于基本面数据的绝对价值参考线。它不依赖市场情绪,不依赖同行比较,只依赖公司自身的盈利能力和资产质量。

我常用的锚点有三种:

  1. 历史锚点:公司过去5-10年的平均PE/PB
  2. 盈利锚点:基于DCF模型算出的内在价值
  3. 资产锚点:基于净资产或重置成本的价值

3.2 锚点如何提升策略表现

我曾经做过一个对比实验:

  • 策略A:只用相对价值因子(行业中性化PE)
  • 策略B:相对价值因子 + 估值锚点过滤

回测区间是2010-2020年,A股全市场。结果如下:

指标 策略A 策略B
年化收益率 12.3% 15.8%
最大回撤 -38% -26%
夏普比率 0.52 0.78
胜率 58% 67%

加了估值锚点后,年化收益提升了3.5个百分点,最大回撤降低了12个百分点。为什么?因为锚点帮你躲过了那些「看起来便宜,实际上价值陷阱」的股票。

避坑指南:

我曾经犯过一个错误——把历史锚点当成绝对真理。2017年某银行股跌到历史最低PE,我重仓买入,结果它继续跌了30%。后来才发现,它的不良贷款率在上升,历史锚点已经失效了。

记住:锚点需要动态调整,不能刻舟求剑。

3.3 估值锚点的核心逻辑

下面这张图,是我自己总结的估值锚点核心逻辑框架:

估值锚点核心逻辑框架 基本面数据 盈利 / 资产 / 现金流 市场数据 价格 / 成交量 / 波动率 行业特征 周期 / 成长 / 防御 估值锚点计算引擎 历史分位数 + DCF模型 + 行业调整 动态权重分配 估值锚点输出 合理估值区间 / 安全边际 / 买入阈值 策略应用:选股过滤 / 权重调整 / 风险控制 避免价值陷阱 · 提升夏普比率 · 降低回撤 动态反馈调整

这个框架的核心思想是:估值锚点不是静态的,而是动态的。它需要吸收基本面、市场和行业三方面的信息,通过一个计算引擎输出合理的估值区间。然后这个区间反过来指导你的选股和风控。

说白了,估值锚点就是给你一把尺子。没有这把尺子,你只能凭感觉说「这个股票便宜」;有了它,你才能说「这个股票比它的内在价值便宜了20%,有足够的安全边际」。

本章核心要点:

  • 格雷厄姆的安全边际是价值投资的基石
  • 价值因子从单指标演变为多因子综合模型
  • 估值锚点提供绝对价值参考,避免价值陷阱
  • 锚点需要动态调整,结合历史、盈利和资产三个维度

嗯,这一章的内容就到这里。下一章我们会深入讲如何构建具体的估值锚点模型,包括数据清洗、异常值处理和参数优化。到时候我会分享一些我在实盘中踩过的坑,希望对你有帮助。

专注资料整理