量化专题报告:择时与选股,券商行业基本面量化

报告主要解决三个问题。基本面层面,影响券商行业业绩的核心高频指标有哪些以及如何根据这些指标建立券商行业业绩增速预测模型;估值层面,如何建立券商行业估值安全边际模型以及根据模型去对券商行业做择时;个股层面,从券商行业本身的逻辑出发可以找到哪些独特的选股因子以及这些因子的适用范围。

    基本面层面,我们基于3个核心高频指标建立了券商行业业绩增速预测模型。券商行业主要有五大业务:经纪业务、投行业务、资管业务、自营业务、利息收入,每个业务我们都能够找到高频指标作为代理变量。最终我们筛选出来估算佣金收入、股权融资增速、上证综指表现这三个核心指标并构建了券商行业的业绩增速预测模型。模型可以做到月频实时更新并且解释力度非常高,Rsquare高达0.93。最新模型预测数据显示2019Q1 券商行业的业绩已经大幅改善。

    估值层面,我们基于PB-ROE思路建立了券商行业的估值安全边际模型。我们发现券商行业PB和同期ROE水平存在明显的正相关关系,高ROE时期市场会给予券商板块更高的估值。因此,我们同样基于上述核心高频指标建立券商ROE的实时预测模型,模型解释力度可以达到0.8以上。然后再基于PB-ROE的关系建立券商的估值安全边际模型。模型计算出来的估值安全边际越高,未来估值修复的幅度越大。最新数据显示当前安全边际大于20%,依然值得配置!

    个股层面,我们从基本面、估值和情绪三个维度找到了券商行业内一些独特的因子。基本面层面,我们基于净资产规模大小将券商分为龙头券商和非龙头券商,历史复盘发现市场进入熊市筑底或者牛市阶段建议配置非龙头券商,原因在于后者的业绩弹性更高,最新这波券商行情下非龙头券商已经跑出15%以上的超额收益;估值层面,券商AH估值溢价率和其自由流通市值存在明显的负相关关系,自由流通市值突然变大的券商股会使得AH股估值溢价率收敛,建议规避;情绪层面,我们找到了融资余额占比和低股价这两个情绪因子,这两个因子过去这段行情分别获得了大约8%和20%的超额收益,并且可以解释最近市场表现的一些异象,值得关注。

    风险提示:模型根据历史数据规律总结,未来存在失效的风险。