BP因子即账面市值比(Book-to-Price ratio)是市净率(PB)的倒数量化最经典的价值因子之一。它既可以作为选股/配对的筛选依据也可以作为因果分析中的候选驱动变量。这里进一步探索账面市值比因子-BP以及其应用场景。1 BP因子定义BP 每股账面价值/每股市场价格 1 / PBBP值越高意味着股票相对于其账面净资产越便宜越符合价值投资的逻辑。同族的估值因子还包括EP(盈利/市值即市盈率倒数)、SP(营收/市值)、CFP(现金流/市值)等。在A股实证中BP因子综合表现优于EP、SP、OCFP等其他估值因子具备稳定显著选股能力。在各行业及不同市值股票中均有较好区分效果多空组合净值稳定上升回撤控制优于同类因子。2 BP因子角色2.1作为选股因子最直接的用法是按BP值对股票池排序做多高BP组、做空低BP组。但BP因子有一个关键特性它的分布高度依赖行业和市值。例如银行股的平均BP普遍大于1而互联网服务行业可能仅约0.1大盘股的BP通常也高于小盘股。因此直接使用原始BP值选股会导致策略严重偏向银行等重资产行业。实操中必须进行行业中性化和市值中性化处理。即在同一行业、同一市值分组的股票内部比较BP值而不是跨行业直接比较。研报还发现剔除PB0.8的“深度破净”股票后BP因子的分组收益线性特征会明显改善因为极端的破净往往隐含了基本面恶化或退市风险。2.2 因果对冲的候选变量在因果对冲框架中BP因子可以扮演两个角色1配对筛选的辅助维度在因果发现阶段除了价格序列的因果结构还可以检查候选配对的两只股票在BP因子暴露上是否处于同一量级或同一分位。如果一只银行股(高BP)和一只科技股(低BP)被因果算法错误地配成一对即使统计上存在短期联动其经济逻辑也是脆弱的。2共同驱动因子的候选BP本身可以作为“价值风格”的代理变量。如果因果图显示某两只股票的价差受到“价值因子暴露差”的显著影响那么BP暴露差可作为可观测的共同驱动因子纳入结构因果模型用于更精确地估计对冲比率。3与zpos的结合zpos是Z-score触发的仓位信号BP因子在因子择时层面可以与zpos形成互补。有研报指出对BP因子进行时序Z-score改造(BP_Z_120)后其IC和ICIR相对于原始BP因子均有提升多空年化收益上升约1.1个百分点最大回撤下降约6个百分点。这意味着可以在横截面上用BP筛选股票池再在时间序列上用BP的Z-score来判断当前价值风格是否处于极端状态从而动态调整zpos信号的阈值或仓位权重。3 关键警示BP因子并非永远有效。2019年二季度起以EP、BP为代表的估值因子在A股出现了大幅回撤便宜的股票越来越便宜的现象持续了较长时间。研报归因于两个因素一是优质公司的估值持续扩张导致量化模型反而低配了这些优质公司二是北上资金加速流入与BP因子收益呈显著负相关外资并不偏好低估值股票其流入冲击了价值因子的表现。因此在因果对冲框架中不应将BP因子暴露作为静态的对冲约束而应将其视为一个需要动态监控的因果变量。如果因果图显示北上资金流入 → BP因子收益这条路径的强度发生显著变化就意味着价值风格的对冲逻辑可能正在失效需要触发模型的重新估计。BP因子是价值风格的量化载体在zpos 因果对冲框架中它最适合承担事前配对筛选的辅助维度和因果图中的候选驱动节点两个角色而不宜作为静态的对冲比率约束。使用时必须经过行业市值中性化并持续监控其因果效应的稳定性。reference---基本面因子计算的示例分析https://blog.csdn.net/liliang199/article/details/165610859对行业市值中性化的解析和探索https://blog.csdn.net/liliang199/article/details/164995599再论估值因子因子重构OR收益预判https://stock.finance.sina.com.cn/stock/go.php/vReport_Show/kind/search/rptid/635771045833/index.phtmlPB-ROE策略框架系列之一估值指标再审视https://stock.finance.sina.com.cn/stock/view/paper.php?symbolsh000001reportid780913008972因子研究系列之四 -- 市值与行业的中性化https://zhuanlan.zhihu.com/p/25299965#1Causal Inference for Traders: Moving Beyond Correlation in Financial Marketshttps://www.storytel.com/es/books/causal-inference-for-traders-moving-beyond-correlation-in-financial-markets-13117780配对交易怎么用 Python 做价差 z-score 回测https://developer.cloud.tencent.com/article/2743044 账面市值比因子BP应用场景的探索
BP因子即账面市值比(Book-to-Price ratio)是市净率(PB)的倒数量化最经典的价值因子之一。它既可以作为选股/配对的筛选依据也可以作为因果分析中的候选驱动变量。这里进一步探索账面市值比因子-BP以及其应用场景。1 BP因子定义BP 每股账面价值/每股市场价格 1 / PBBP值越高意味着股票相对于其账面净资产越便宜越符合价值投资的逻辑。同族的估值因子还包括EP(盈利/市值即市盈率倒数)、SP(营收/市值)、CFP(现金流/市值)等。在A股实证中BP因子综合表现优于EP、SP、OCFP等其他估值因子具备稳定显著选股能力。在各行业及不同市值股票中均有较好区分效果多空组合净值稳定上升回撤控制优于同类因子。2 BP因子角色2.1作为选股因子最直接的用法是按BP值对股票池排序做多高BP组、做空低BP组。但BP因子有一个关键特性它的分布高度依赖行业和市值。例如银行股的平均BP普遍大于1而互联网服务行业可能仅约0.1大盘股的BP通常也高于小盘股。因此直接使用原始BP值选股会导致策略严重偏向银行等重资产行业。实操中必须进行行业中性化和市值中性化处理。即在同一行业、同一市值分组的股票内部比较BP值而不是跨行业直接比较。研报还发现剔除PB0.8的“深度破净”股票后BP因子的分组收益线性特征会明显改善因为极端的破净往往隐含了基本面恶化或退市风险。2.2 因果对冲的候选变量在因果对冲框架中BP因子可以扮演两个角色1配对筛选的辅助维度在因果发现阶段除了价格序列的因果结构还可以检查候选配对的两只股票在BP因子暴露上是否处于同一量级或同一分位。如果一只银行股(高BP)和一只科技股(低BP)被因果算法错误地配成一对即使统计上存在短期联动其经济逻辑也是脆弱的。2共同驱动因子的候选BP本身可以作为“价值风格”的代理变量。如果因果图显示某两只股票的价差受到“价值因子暴露差”的显著影响那么BP暴露差可作为可观测的共同驱动因子纳入结构因果模型用于更精确地估计对冲比率。3与zpos的结合zpos是Z-score触发的仓位信号BP因子在因子择时层面可以与zpos形成互补。有研报指出对BP因子进行时序Z-score改造(BP_Z_120)后其IC和ICIR相对于原始BP因子均有提升多空年化收益上升约1.1个百分点最大回撤下降约6个百分点。这意味着可以在横截面上用BP筛选股票池再在时间序列上用BP的Z-score来判断当前价值风格是否处于极端状态从而动态调整zpos信号的阈值或仓位权重。3 关键警示BP因子并非永远有效。2019年二季度起以EP、BP为代表的估值因子在A股出现了大幅回撤便宜的股票越来越便宜的现象持续了较长时间。研报归因于两个因素一是优质公司的估值持续扩张导致量化模型反而低配了这些优质公司二是北上资金加速流入与BP因子收益呈显著负相关外资并不偏好低估值股票其流入冲击了价值因子的表现。因此在因果对冲框架中不应将BP因子暴露作为静态的对冲约束而应将其视为一个需要动态监控的因果变量。如果因果图显示北上资金流入 → BP因子收益这条路径的强度发生显著变化就意味着价值风格的对冲逻辑可能正在失效需要触发模型的重新估计。BP因子是价值风格的量化载体在zpos 因果对冲框架中它最适合承担事前配对筛选的辅助维度和因果图中的候选驱动节点两个角色而不宜作为静态的对冲比率约束。使用时必须经过行业市值中性化并持续监控其因果效应的稳定性。reference---基本面因子计算的示例分析https://blog.csdn.net/liliang199/article/details/165610859对行业市值中性化的解析和探索https://blog.csdn.net/liliang199/article/details/164995599再论估值因子因子重构OR收益预判https://stock.finance.sina.com.cn/stock/go.php/vReport_Show/kind/search/rptid/635771045833/index.phtmlPB-ROE策略框架系列之一估值指标再审视https://stock.finance.sina.com.cn/stock/view/paper.php?symbolsh000001reportid780913008972因子研究系列之四 -- 市值与行业的中性化https://zhuanlan.zhihu.com/p/25299965#1Causal Inference for Traders: Moving Beyond Correlation in Financial Marketshttps://www.storytel.com/es/books/causal-inference-for-traders-moving-beyond-correlation-in-financial-markets-13117780配对交易怎么用 Python 做价差 z-score 回测https://developer.cloud.tencent.com/article/2743044