• 量化选股模型核心观点与模型结构介绍 [page::0][page::4][page::5]

- 低估值且股价动量强的股票往往能取得优越表现。
- 模型包括估值部分（PS模型、PE模型）与动量部分（股价动量、动量加速、收入预期三个子模型）。
- 采用打分体系对股票每月进行综合评分，最终选取得分最高与最低的30只股票进行超配与低配建仓。

• 估值模型构建细节介绍 [page::5][page::6]

- PS模型通过横截面回归，构建理论市销率，结合股票实际PS比率形成相对估值指标。
- PE模型则基于净利润增长率与规模等因素，构建理论市盈率，计算相对PE比率。
- 模型引入行业虚拟变量，调整行业特性对估值的影响。

• 动量模型设计及指标说明 [page::7][page::8]

- 股价动量通过过去一年收盘价对数趋势线斜率的t值衡量动量强弱。
- 动量加速模型以趋势线t值的短期绝对变化量量化动量变化速度。
- 收入预期模型基于分析师评级变动量进行打分。

• 综合模型结构与权重方案 [page::9][page::10]

- 三大综合模型：PS估值综合模型、PE估值综合模型、PS+PE估值综合模型，均结合动量三个子模型综合评分。
- 两种权重分配方式：固定权重（估值50%，动量50%）、动态权重（基于因子历史信息比调整）。

• 因子回报表现分析 [page::11][page::12]

- PE估值与收入预期因子表现较为稳定，连续五年产生正收益。
- PS估值因子于牛市表现亮眼，因子收益最高近60%以上，成功率65%。
- 股价动量因子在不同市场环境波动明显，大牛市中反而负收益。
- 动量加速因子表现平平，单独使用效果有限。

• 综合模型实证回测结果及对比分析 [page::12-19]

- PS估值综合模型固定权重回测超配组合年化收益47.0%，成功率73.3%，累计收益281%。


- 动态权重PS模型表现稍逊固定权重。


- PE估值综合模型固定权重累计收益436%，成功率近69%。
- 动态权重PE综合模型成功率提高至73.3%，累计收益377%。




- PS+PE估值综合模型表现最佳，固定权重累计收益495%，动态权重累计收益502%，胜率最高达77.8%，信息比2.34且超配胜率达80%。

• 量化选股最新信号展示 [page::19-21]

- 动态权重PS+PE综合模型最新榜单中，动量得分权重普遍高于估值得分，显示近期动量表现更突出。
- 金融服务行业股票动量强，得分靠前；医药行业动量弱，得分较低。

| 股票名称 | PS模型得分 | PE模型得分 | 股价动量得分 | 动量加速得分 | 收入预期得分 | 最终得分 | 所属行业 |
|-----------|------------|------------|--------------|--------------|--------------|----------|------------|
| 农业银行 | 0.6 | 1.0 | 3.0 | 3.0 | 2.0 | 9.6 | 金融服务 |
| 吉电股份 | 1.0 | 0.8 | 3.0 | 3.0 | 0.8 | 8.6 | 公用事业 |
| 紫江企业 | 0.8 | 0.9 | 3.0 | 3.0 | 0.8 | 8.5 | 轻工制造 |
| ... | ... | ... | ... | ... | ... | ... | ... |

• 统计对比总结 [page::19]

| 模型类型 | 正收益差成功率 | 超配胜率 | 年化收益差 | 信息比 | 超配年化收益 | 超配波动率 | 累积收益 |
|----------------|----------------|----------|------------|--------|--------------|------------|------------|
| PS固定权重 | 73.3% | 73.3% | 27.4% | 1.84 | 47.0% | 46.1% | 281% |
| PS动态权重 | 66.7% | 68.9% | 24.9% | 1.63 | 45.2% | 44.3% | 268% |
| PE固定权重 | 68.9% | 80.0% | 35.1% | 1.90 | 58.5% | 51.2% | 436% |
| PE动态权重 | 73.3% | 68.9% | 36.8% | 1.94 | 53.8% | 47.9% | 377% |
| PS+PE固定权重 | 73.3% | 82.2% | 38.1% | 2.03 | 60.9% | 49.8% | 495% |
| PS+PE动态权重 | 77.8% | 80.0% | 43.9% | 2.34 | 61.0% | 49.4% | 502% |

• 本报告由广发证券金融工程研究小组出具，涵盖模型构建、因子设计、实证回测和最新组合信号，适合量化投资者参考和实践应用。[page::22]

金融研究报告分析报告 — 《量化选股模型研究》

---

一、元数据与报告概览

• 报告标题： 量化选股模型研究——估值与动量相结合的选股模型

- 作者： 罗军、胡海涛

• 机构： 广发证券发展研究中心

- 发布日期： 报告内容涉及时间跨度2006年至2010年底，最新选股信号出自2010年11月29日

• 研究主题： 建立并实证验证基于估值（PS、PE）与动量（股价动量、动量加速、收入预期）两大因子结合的量化选股模型，寻找中国中证800成分股的优质投资组合

- 核心论点与目标： 低估值且具备强劲股价动量的股票组合优于单一估值或动量因子选股。结合两类因子采取动态权重调整的综合量化模型能有效提升选股表现，战胜市场指数。报告旨在通过模型设计、因子权重配置及历史回测，找到最优的量化选股策略，并给出实证结果支持。

• 评级与结论： 未具体给出股票评级及目标价。报告结论指出动态权重下的PS+PE综合估值模型获得最佳选股能力，年化收益率显著超越其他模型，信息比最高。

---

二、逐章深度解读

1. 选股策略理论基础（第0-4页）

• 价值选股简介： 起源于Graham和Dodd，认为市场存在低估股票，低估值股票回归中能带来超额回报。估值方法主要通过市盈率（PE）、市销率（PS）、市净率（PB）等相对估值指标与同行比较实现低估股票识别。重视盈利能力（ROE）及财务稳健性。

- 动量选股简介： 基于行为金融的“反应不足”假设，股价存在持续上涨或下跌趋势，中期（3-12个月）表现强的股票未来仍继续跑赢市场。对等风险与回报的观点支持动量效应。短期持有倾向反转策略，长期持有（3-5年）亦适用反转策略。

• 估值与动量结合： 报告提出结合低估值和动量强的股票，打造综合量化选股模型，预期优于单一因子策略。提出量化模型分为估值部分（PS模型、PE模型）和动量部分（股价动量、动量加速、收入预期），并通过打分方法筛选组合股票。

2. 量化模型结构与子模型详细介绍（第5至8页）

• 模型基本架构： 综合模型分为估值部分和动量部分，两方面分别计算得分后加权形成最终得分。最终选取得分最高的前30只股票组成超配组合，得分最低的30只为低配组合。

- PS模型： 用横截面对数回归方法估算理论市销率，回归自变量为预期营收增长率的对数和标准化市值（控制风险流动性），并引入黑色金属和金融服务两个行业虚变量调整行业效应。实际市销率与理论值的比率越小，说明股票更低估。

• PE模型： 同样以对数回归方法拟合理论市盈率，回归自变量为预期净利润增长率的对数和标准化市值，含行业虚拟变量，定义相对PE比率，低者估值更具吸引力。

- 股价动量模型： 计算过去十二个月股价对数的线性趋势斜率t值，t值越高股价动量越强，负值说明动量疲弱。

• 动量加速模型： 以月度趋势线t值的差绝对值衡量短期动量变化，越大表示动量变化越强，具有预示后续趋势(加速或减速)的能力。

- 收入预期模型： 采集分析师评级变动数据，评级提升视为正向信号，以此给股票打分。

• 子模型打分规则： 所有模型均按指标等分打分10分制，排名越靠前得分越高（1-10分），统一打分使不同因子得分具备可比性。

3. 综合模型设计与权重配置（第9-10页）

• 三大综合模型：

1. PS估值综合模型 = PS模型 + 动量子模型
2. PE估值综合模型 = PE模型 + 动量子模型
3. PS+PE综合模型 = PS模型 + PE模型 + 动量子模型

• 权重配置体系：

- 固定权重：估值（50%）和动量（50%）固定，估值内的子模型权重分配见表1，动量各子模型权重固定（如股价动量16.67%）。
- 动态权重：根据过去12个月因子回报信息比动态调整权重，信息比高因子权重更高，此方法应对因子表现周期波动，避免固定权重导致优劣表现权重错配。

4. 因子历史回报与模型实证分析（第11-19页）

• 因子回报分析（图5-6）：

- PE估值和收入预期因子5年内持续正收益，成功率较高（PE约62%，收入预期70%）。
- PS估值因子在07、09牛市表现尤佳，成功率65%。
- 股价动量因子表现时段依赖明显，牛市表现不佳但熊市和震荡市有一定优势。
- 动量加速因子表现最弱，单独用效果有限。
综合显示估值因子在本市场中表现更稳定优异，但动量因子补充性能提升策略表现。

• 投资组合实证（07年1月至10年10月）：

- PS估值模型：固定权重成功率73.3%，平均收益差2.28%，超配组合累计收益281%，远超中证800的58%。动态权重稍逊固定权重（成功率66.7%，收益略降低）。
- PE估值模型：成功率68.8%，动态权重优于固定权重成功率（73.3% vs 68.8%），累计收益分别为377%（动）和436%（定），均显著优于指数。
- PS+PE综合模型：固定权重和动态权重下，成功率均约73%，年化收益差最高（38.1%-43.9%），超配组合累计收益分别约495%（定权）、502%（动权），为所有模型中最优。

• 图表支持（图7-19）：

- 各模型收益差及累计收益图明显表明估值与动量因子的组合有效提升选股能力。
- 动态权重结合过去表现调整模型，在捕获正收益概率方面更优。
- PS+PE双估值模型优势明显，尤其在收益规模和信息比方面体现。

5. 风险提示与免责声明（第22页）

• 强调模型和报告中数据来源及观点为机构可信赖，但不保证准确完整。

- 报告内容仅供参考，不构成交易建议。

• 模型或数据会有变动，投资需谨慎。

---

三、重要图表深度解读

1. 图1：综合模型基本结构图（第5页）

• 描述： 展示综合模型分为估值部分（PS、PE模型）与动量部分（股价动量、动量加速、收入预期）的层级结构。

- 解读： 清晰展现模型构成逻辑，说明动量和估值是互补的兩大选股逻辑。各子模型分数权重合成最终股票得分。

• 联系文本： 直观支持了报告关于模型架构的介绍，明晰不同因子的划分与作用。

2. 图2、图3（第7-8页）

• 描述： 以“深发展A”为例，展示股价动量和动量加速的趋势线分析。

- 趋势与数据： 图2显示趋势线斜率为下降趋势，动量疲软，符合价格趋势定义。图3对比当月与上月趋势线，显示动量加速指标。

• 意义： 说明模型计算方法的实际应用与动态特征衡量效果。

3. 图5 & 图6：因子年回报及累计回报分析（第11-12页）

• 描述： 分析5个子因子在06-10年间的年度收益及长期积累表现。

- 解读与趋势： PS模型和收入预期模型表现最佳，表现稳定且收益波动较低；动量加速因子最弱；股价动量表现依市场阶段调整。此分析体现不同因子适用性和轮动性。

• 联系文本： 支撑权重动态调整的必要性。

4. 图7-图19：不同模型及权重体系实证投资组合表现（第12-18页）

• 描述： 收益差柱状图（超配低配组合收益差）与收益曲线（组合vs指数）对比。

- 趋势： 固定权重PS模型表现出最高的平均收益差，但动态调整权重的PS+PE模型整体收益和成功率最高。

• 意义： 数据验证模型有效性及动态权重优势，尤其组合收益远超中证800指数，彰显选股模型优异的选股能力。

- 局限讨论： 一些月份仍有负收益差凸显市场偶发风险，模型表现非绝对连续稳定。

5. 表3：综合模型统计数据（第19页）

• 关键数据：

- 正收益差成功率：动态权重PS+PE最高77.8%
- 超配战胜指数胜率：80%
- 年化收益差：43.9%
- 信息比：2.34（代表风险调整收益优异）
- 累积收益：502%

• 意义： 综合指标体现该模型多维度优越性，证实其为最佳选股方案。

---

四、估值分析

• 估值主要依赖横截面对数回归方法构建理论市销率和市盈率，基于预期营收增长率和净利润增长率，对标行业及市值因素进行调节。

- PS模型与PE模型分别衡量市场对销售和利润增长的预期估价差异，估值较低者潜在投资价值更高。

• 估值与动量模型分数结合，通过权重叠加整合为最终选股评分。

- 权重采用固定与动态两种方式，动态权重基于过去因子回报的“信息比”量化，合理反映因子表现的变化性，从而构建更优化的组合。

---

五、风险因素评估

• 报告内风险提示较为简略，主要来自于：

- 模型基于历史数据和特定市场环境，未来市场变化可能导致模型有效性下降。
- 股票市场存在极端事件和突变风险，模型及信号可能短期失效。
- 财务预期数据和分析师评级变动可能存在错误或滞后。
- 行业虚拟变量调整虽缓解行业特性偏差，但可能无法完整规避行业结构性风险。

• 缓解策略侧重于动态权重调整及多因子叠加，有助于分散和缓冲单一因子失效风险。

---

六、批判性视角与细微差别

• 报告视角客观，但模型过度依赖历史表现，尤其部分回测期包括牛市阶段，未来市场结构或无此支撑时效果存疑。

- 动量加速模型效果不佳，若无限依赖该因子恐带来选股不稳。

• 对行业调整仅限于两行业虚变量，其他行业可能存在低估风险未被充分考虑。

- 动态权重分配逻辑合理，但未涉及交易成本对模型整体净收益的可能冲击。

• 模型的选股周期固定为月度，缺少对更高频率交易及市场微观结构的兼容讨论。

- 部分图表标注和表格展示稍显混乱，可能影响初次阅读的理解。

---

七、结论性综合

综上，本报告系统构建了基于中国市场中证800成分股的估值（PS、PE）与动量（股价动量、动量加速、收入预期）相结合的综合量化选股模型。通过横截面对数回归以动态方式得到理论估值基准，并结合股价动量趋势及分析师评级变化对股票进行多维度评分。评分采用固定权重和动态权重两种策略调整子模型权重，进而建立综合得分，选出高分股票组成超配组合。

实证数据显示：

• 所有模型均能显著超越中证800基准指数，表现出较强的选股能力；

- PS+PE综合估值模型在动态权重调节下表现最佳，成功捕获正收益差概率接近78%，年化超额收益达43.9%，信息比2.34，累计收益率达到502%；

• 动态权重机制有效优化因子表现权重，增强组合稳定性和收益表现；

- 单一因子如动量加速模型表现较弱，强调多因子组合必要性；

• 最新选股名单显示金融服务行业动量表现较好，而医药行业部分股票动量低迷，体现行业轮动特征。

图表与表格的深度分析强化了报告结论，在多年的历史数据支持下，模型的科学性与实践有效性被验证。该研究为中国股票市场的量化投资策略提供了有力的理论基础与实证支持，明显提升选股效率和超额收益水平。

报告表明，结合估值合理性与动量连续性，采用动态因子权重调整的量化模型，是未来策略优化的有效路径。

---

附：重要图表参考（部分）

• 综合模型结构图。

- 各因子历年收益图。

• 固定权重PS+PE超配组合收益对比。

- 动态权重PS+PE超配组合收益对比。

• 表3（第19页）列示各模型关键数值指标，支持结论的严谨性。

---

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]

报告