源达：市净率因子整体呈负向选股能力，低市净率的公司未来收益更高

来源：源达

投资要点

市净率因子的定义

本文选取市净率作为因子构建选股策略，其定义为：市净率=总市值÷归属于母公司普通股股东权益（LF）=股价÷每股净资产。市净率反映投资者为公司每1元净资产所支付的价格，低市净率意味着以接近甚至低于账面价值的价格买入资产，从而提供较厚的安全边际。

市净率因子的特点

①因子整体呈负向选股能力，低市净率的公司未来收益更高，价值溢价在各主要宽基指数中普遍有效。因子整体平均RankIC为-0.0755，RankICIR达-0.7263，负向预测的稳定性较好；分指数看，因子在中证1000中ICIR绝对值最高（-0.6771），中小盘中的价值溢价更为显著。

②因子在全部申万一级行业中均呈负向选股能力，交通运输、采掘、非银金融等行业的负向效果最强。交通运输的RankIC均值达-0.2025、IC>0比例仅0.12；采掘（-0.1487）、非银金融（-0.1384）、公用事业（-0.1341）次之；银行（-0.0286）、食品饮料（-0.0536）相对最弱但仍为负，体现出价值溢价的全行业普遍性。

③因子在各市值组均呈负向选股能力，有效性分布均衡，中等市值组强度略高，不依赖市值风格。市值组1至组5的RankIC均值介于-0.0795至-0.1027，方向一致、幅度接近；从时间维度上看，因子在2014H1—2026H1整体呈负向，有效性依赖市场风格。

因子组合策略构建

低市净率选股需解决两大问题：一是价值陷阱，低估值标的中或混杂着基本面真实恶化的公司；二是估值口径干扰，行业属性与市值风格使原始市净率难以直接比较。本文股票池为中证全指成分股（剔除银行股），首先剖析破净成因，剔除深度破净（PB<0.8）的相关标的；接着通过行业与市值中性化提取纯粹估值信号；最后设定筛选与调仓规则，完成组合构建。组合于每年4月30日及10月31日调仓，非交易日顺延，按中性化因子值从小到大排序，选取前5只股票等权持有构建组合。2014.04.30-2026.10.28该策略组合实现了1005.13%的总回报，年化收益率为21.10%。相较于沪深300指数，该组合实现了916.24%的超额收益。

风险提示

历史收益表现不代表未来；回测模型未考虑实际交易费用率；其他数据统计误差

一、市净率因子的IC检测

1．市净率因子的定义

市净率（PB）是衡量股票估值水平的经典因子，其理论基础源于价值溢价（Value Premium）现象。自Graham & Dodd（1934）提出安全边际思想以来，大量研究表明低估值股票的长期收益系统性优于高估值股票，Fama-French三因子模型中的HML（High Minus Low）因子即以账面市值比（市净率的倒数）构建，正是对该效应的刻画。本文选取的市净率因子定义如下：

市净率 = 总市值 ÷ 归属于母公司普通股股东权益（LF） = 股价 ÷ 每股净资产

其中：归属母公司普通股股东权益（LF）=归属母公司股东权益-其他权益工具（优先股、永续债）

市净率反映投资者为公司每1元净资产所支付的价格。低市净率意味着以接近甚至低于账面价值的价格买入资产，估值提供了较厚的安全边际；高市净率则隐含市场对公司未来成长性的乐观预期，一旦业绩不及预期，估值回落的杀伤力更大。

市净率因子即对市场定价偏离程度的度量。低估值股票长期跑赢高估值股票的价值溢价，在各国市场中均被反复验证。由于不同行业的资产结构差异较大，银行、钢铁等重资产行业天然低市净率，计算机、医药等轻资产行业天然高市净率，直接比较市净率水平容易受行业属性干扰；同时市值风格也会显著影响估值因子的信号。故本文对市净率因子进行市值及行业中性化处理。

图1：2026年不同行业的市净率中位数

资料来源：Wind，源达信息证券研究所

2．市净率因子的 IC检测分析

考虑到定期报告的披露时间，我们对中证全指成分股，采用半年度频率数据，对2014-2026年期间4月30日及10月31日的数据进行IC检测，可以发现市净率因子的主要特征如下：

（1）市净率因子整体呈负向选股能力，低市净率的公司未来收益更高，价值溢价在各主要宽基指数中普遍有效。因子整体平均RankIC为-0.0755，RankICIR达-0.7263，IC>0比例仅24%，负向预测的稳定性较好；分指数看，因子在中证1000中ICIR绝对值最高（-0.6771），中小盘中的价值溢价更为显著。

（2）市净率因子在全部申万一级行业中均呈负向选股能力，其中交通运输、采掘、非银金融等行业的负向效果最强。交通运输行业的RankIC均值达-0.2025，负向预测能力最强；采掘（-0.1487）、非银金融（-0.1384）、公用事业（-0.1341）等行业的负向强度也较高；与之相对，银行（-0.0286）、食品饮料（-0.0536）等行业因子的负向效果相对最弱，但仍为负值，体现出价值溢价的全行业普遍性。

（3）市净率因子在各市值组均呈负向选股能力，有效性分布较为均衡，在中等市值组中强度略高。市值组1至市值组5的RankIC均值依次为-0.0795、-0.0921、-0.1027、-0.0965、-0.0925，均为负值且幅度接近；从稳定性看，各市值组信号方向一致。因子有效性整体不依赖于市值风格，价值溢价在不同市值层中普遍存在。

分指数对市净率因子进行IC检测，因子整体呈现负向选股能力，平均RankIC为-0.0755，RankICIR为-0.7263，体现出A股市场整体的因子有效特征。分指数来看，因子在沪深300中的负向强度相对较弱（RankIC为-0.0518，IC>0比例为52%），而在中证500、中证800、中证1000等中小盘宽基中负向强度与稳定性更高，中小盘股票中的低估值溢价更为充分。整体来看，因子在各宽基指数中方向一致、稳定性较好。

表1：不同指数市净率因子 IC 检测情况（市值及行业中性化之后）

数据来源：Wind，源达信息证券研究所

我们对市净率因子分行业进行IC检测。从行业表现数据来看，该因子在所有申万一级行业中均呈负向选股能力，价值溢价的普遍性突出，其中交通运输的负向预测能力最强，RankIC均值达-0.2025、IC>0比例仅0.12；采掘、非银金融、公用事业等行业的RankIC均值也都在-0.13以下；与之相对，因子在银行、食品饮料等行业的负向强度相对最弱，但方向仍为负。周期性较强、重资产行业中的低估值溢价更为显著。

表2：不同行业市净率因子 IC检测情况

数据来源：Wind，源达信息证券研究所

接着，我们对不同市值的股票分组进行IC检测，市净率因子在各市值组均呈负向选股能力，有效性分布较为均衡：市值组1至市值组5的RankIC均值依次为-0.0795、-0.0921、-0.1027、-0.0965、-0.0925，均为负值且幅度接近，在市值组3负向强度最高，低估值溢价在中等市值区间最为显著；市值组5的RankIC均值为-0.0925，IC>0比例为0.40，大市值组同样有效且稳定性尚可。综上，市净率因子在不同市值区间均有效，在中等市值区间强度略高。

表3：不同市值市净率因子 IC检测情况

数据来源：Wind，源达信息证券研究所

行业市值中性化后的市净率因子在2014H1—2026H1整体呈负向，有效性依赖市场风格。2014—2016年小盘成长与蓝筹低估值修复下RankIC显著为负，2017—2019年大盘优质龙头溢价主导，因子反转或失效，2020—2023年风格轮动加快，因子2021H2、2023H1负向极强但年内翻转；2024—2026H1小盘/主题风格延续，RankIC持续显著为负。

表4：不同年份市净率因子 IC检测情况（行业市值中性化后）

数据来源：Wind，源达信息证券研究所

市净率较低组跑赢市净率较高组，将市净率因子从小到大分为10组，计算累计平均收益率曲线，剔除极端值组，可以发现因子较低组的收益表现整体优于较高组。

图2：市净率因子的分组平均累计收益

资料来源：Wind，源达信息证券研究所

二、组合策略构建

1．策略构建思路

本文第一部分的IC检测表明，市净率因子在A股市场呈稳定的负向选股能力——低市净率股票的未来收益系统性优于高市净率股票，价值溢价在各主要宽基指数、全部申万一级行业及各市值组中普遍存在，这为构建低估值选股组合提供了直接的因子基础。

然而，直接买入低市净率股票面临两个突出问题。其一为价值陷阱，低估值标的中或混杂着基本面真实恶化的公司。其二为估值口径的天然干扰：不同行业的资产结构与盈利模式迥异，市净率中枢差异悬殊。本文首先将股票池中的银行行业剔除，接着剖析公司破净成因并剔除PB小于0.8的标的，后续通过行业与市值中性化提取纯粹估值信号，最后设定筛选与调仓规则完成组合构建。

（1）破净现象与问题标的剔除（不包含银行股）

当公司市值低于其账面净资产时，估值指标市净率（PB）小于1，即出现“破净”现象。破净既可能意味着估值具备充足的安全边际，也可能是基本面存在潜在风险的信号。导致破净的因素主要有以下三类：

表5：三种破净的因素

数据来源：Wind，源达信息证券研究所

当企业存在上述情形时，尽管估值低廉，但低估值更多反映潜在风险而非投资机会，需在组合构建中予以剔除。与此同时，市场定价可能存在短期偏离，本文仅剔除深度破净（PB<0.8）的标的，保留轻度破净个股。

（2）行业市值中性化

本文对市净率（PB）因子在每个调仓日截面上进行行业与市值联合中性化处理。因子行业市值中性化定义：通过将原始因子值对个股市值与行业变量进行OLS回归取残差方式来构建中性化因子，回归所得残差需进行截面Z-score处理得到最终中性化因子。具体公式如下：

上式中，mv为个股总市值，取对数用以刻画估值水平随市值规模的非线性变化；Industry为申万一级行业虚拟变量；回归残差ε经截面Z-score标准化后即为最终的中性化因子。中性化处理的经济学含义在于剥离行业属性与市值风格对估值的系统性影响后，残差刻画的是个股相对于同行业、同市值公司的纯估值偏离度，使不同行业、不同市值的股票在同一口径下可比。

2．筛选与回测

本文筛选的样本空间为中证全指成分股（剔除银行股），调仓频率设为半年度，与定期报告披露节奏相匹配。持股数量设定为5只并采取等权配置，旨在使组合充分暴露于因子信号最强的标的以放大超额收益。

具体筛选流程如下：

1．剔除ST、退市的公司

2．剔除PB<0.8的公司

3．剔除机构持股家数小于5的公司

4．对因子进行行业及市值中性化处理

根据定期报告披露日期，在每年的4月30日及10月31日调仓，非交易日则顺延，根据行业及市值中性化处理的因子从小到大排序，选取前5只等权重持有构建策略。

2014.04.30-2026．10．28该策略组合实现了1005.13%的总回报，年化收益率为21.10%。相较于沪深300指数，该组合实现了916.24%的超额收益。

图3：市净率因子选股策略（2014.04.30-2026．10．28）

资料来源：Wind，源达信息证券研究所

表6：市净率因子选股组合表现

数据来源：Wind，源达信息证券研究所

三、风险提示

历史收益表现不代表未来；

回测模型未考虑实际交易费用率；

其他数据统计误差

责任编辑：刘万里 SF014