TARFA框架:基于目标会计区间因子分析的资产定价与估值新方法

《Entropy》:TARFA: A Novel Approach to Targeted Accounting Range Factor Analysis for Asset Allocation

【字体: 大 中 小 】 时间:2026年01月04日 来源:Entropy 2

编辑推荐:

  本文提出了一种创新的目标会计区间因子分析(TARFA)框架,通过系统识别与超额回报最相关的会计比率特定值域(如GP/TA、ITR、DPR),将传统估值模型与现代因子定价相结合。该研究基于68个常用会计指标,运用GRS(Gibbons, Ross, and Shanken)统计量评估因子效力,并引入熵值分析验证因子预测内容的集中度。回测结果显示,基于TARFA构建的投资组合年化超额收益超过39%,显著优于市场基准,为资产配置和组合优化提供了可操作的工具。

  
文献综述与理论基础
公司估值长期以来是金融分析和投资决策的基石,传统方法主要依赖市盈率(P/E)和企业价值与息税折旧摊销前利润比率(EV/EBITDA)等市场倍数。然而,传统模型往往无法充分捕捉财务报表中蕴含的全部信息内容。大量实证研究表明,财务报表包含的比率具有远超常规估值实践所采用有限集合的预测能力。因子定价文献同样面临局限性,尽管在基础估值和因子建模方面取得了广泛进展,但横截面收益变动的相当部分仍无法被标准模型解释。
TARFA框架的概念基础与动机
传统估值模型如P/E比率和贴现现金流(DCF)方法在投资分析中占据核心地位,但近期进展强调了将更细致的、基于会计的因子整合到这些框架中的重要性。TARFA框架的提出旨在解决两个持久的方法论问题:一是研究往往孤立地分析会计指标,而非将其作为结构化系统的一部分;二是大多数现有方法假设会计变量与回报之间存在均匀或单调关系。TARFA通过操作化基于区间的会计因子识别和检验,填补了识别会计指标特定值域(这些值域表现出最强的预测能力)的方法论空白。
研究方法与设计
TARFA方法学通过一系列结构化阶段进行,旨在系统地将原始会计信息转化为回报预测因子和股权信号。该过程始于识别相关的投资领域。随后,构建潜在的会计因子集合,聚焦于沃顿研究数据服务(WRDS)确定的68个最常用财务比率。每月为领域中的每只股票计算每个比率,然后根据每个会计度量的值将股票横截面分为十分位数,每月重新平衡。对于每个十分位数,计算相应的平均月回报。
因子评估阶段,将每个十分位数投资组合视为候选因子,并检验其解释横截面回报变动的能力。具体而言,通过从每个十分位数投资组合回报中减去无风险利率来计算超额回报,并将每个 resulting excess-return 系列作为额外解释因子纳入传统的Fama-French五因子模型。分析然后计算Gibbons, Ross, and Shanken (GRS) F统计量,以评估增强模型是否提高了解释能力。为确保因子间的可比性,将得到的GRS分数在该比率和投资组合内的最大值进行归一化,并对它们进行平均,以获得每个比率-十分位数组合的统一性能度量,称为平均分数(Average Score),范围在0到1之间。
评分方法学将平均分数转化为每个比率的十分位数分数(Decile Score)。然后通过识别那些十分位数对回报施加最强烈和异质性影响的变量来进行比率选择。具体而言,比较每个比率顶部和底部十分位数之间基于GRS的性能。保留利差最大的比率,因为它们在其范围内表现出最清晰的回报行为差异。一旦确定了相关的比率及其十分位数分数,就为每只股票分配一个股权分数(Equity Score)。对于每家公司,确定其属于每个选定比率的哪个十分位数,并求和相应的十分位数分数。最终的股权分数反映了由公司在关键会计维度上的位置所暗示的聚合回报预测会计信号。
方法论评估与稳健性检验
为了评估TARFA方法学是否以一致、稳定且经济上有意义的方式运行,本研究进行了多方面的评估。首先,检查了使用不同训练样本长度的影响,以验证当使用更短或更长的历史窗口估计模型时,十分位数权重和因子排名是否保持稳定。结果表明,在不同样本周期下,DPR、ITR和GP/TA十分位数的排序和大小相似,表明当数据从325个月移动到241个月时权重稳定。
其次,评估了所选比率是否相对于已建立的资产定价因子表现出可靠的解释能力。这包括评估与Fama-French五因子的多重共线性,并确认构建的比率贡献了独特的信息,而不是复制现有的因子暴露。方差膨胀因子(VIF)计算显示,大多数因子表现出中等相关性,值低于5,不需要纠正措施。
最后,引入了一种基于信息论的熵视角来补充方差基度量(GRS统计量,VIF)。熵提供了衡量每个会计比率的回报预测内容在其十分位数间是集中还是分散的紧凑方法。计算结果显示,DPR、ITR和GP/TA的归一化熵值均较高,表明它们的回报预测内容并非局限于单个极端十分位数,而是分布在多个十分位数区域。其中,DPR表现出最低的熵,与更明确定义的“偏好”支付范围集一致;ITR显示出最高的熵,表明其增量解释力在十分位数间更为分散;GP/TA介于两者之间。熵结果强化了早期的范围大小和映射诊断:TARFA识别了对回报有特定意义的比率区域,同时仍然利用了跨多个十分位数的信息,而不是将所有预测力集中在狭窄的波段内。
实证结果与分析
实证分析结果展示了所选会计比率在一般市场、公用事业部门和石油部门的十分位数水平平均分数。总体而言,一般市场情况始终显示出最广泛的分数分散,表明在广泛市场背景下评估时,跨公司的回报预测能力差异更大。相比之下,部门特定模型表现出压缩的分数范围,与行业内更紧密的财务结构同质性一致。
实验验证表明,具有较低平均分数的十分位数往往产生更高的回报,确认了所选因子是持久的回报驱动因素,而非临时性 artefacts。这种模式在两个样本周期内都是一致的,表明该方法识别了投资者偏好和公司特征中的稳定关系,而不是短期情绪效应。
理论验证通过将戈登增长模型(GGM)与杜邦分析式框架相结合进行,以理解传统可比分析背后投资者的基本原理,以及引入投资者偏好点作为回报驱动范围如何产生超额市场回报。推导出的关系与计量经济分析得出的值相对应,在一般情况下,GP/TA的最高比率值驱动回报,ITR的最高五个十分位数是比最低五个更好的回报驱动因素,而较低的DPR驱动回报。当增长投资优于价值投资时,趋势发生逆转,表明从GGM推断的假设不再适用。
回测检验与性能评估
回测评估了TARFA衍生信号是否转化为可实现的超额回报。测试了两种仅做多策略,每种策略每月选择前30只股票,持有一个月后重新平衡。第一种策略按股权分数对股票进行排名。第二种策略按归一化变体——相对股权分数(Relative Equity Score)进行排名,该分数使用公司的市账率(PTB)特征调整股权分数,以考虑横截面估值差异。
回测结果显示,基于股权分数形成的月度投资组合在大多数情况下优于部门领域和广泛指数,当更广泛的市场领域可用时,表现更强且更稳定。在样本外时期,一般模型的表现优于标准普尔500指数(16.91% 对 11.61%)。通过引入PTB对分数进行归一化,可以进一步提高回报,与使用股权分数的情况相比。这种情况发生在除公用事业外的所有实例中。
将方法论应用于标准普尔500受限领域的结果表明,一般方法优于市场和其他方法。当应用标准普尔500宽约束时,价值策略的表现不佳,这一现象先前并未发生。这强调了较早的观点:通过选择低PTB困境公司,我们可能无意中投资于表现不佳的股票。然而,如果领域很大,选择很多,平均而言,我们可以跑赢市场。在这种情况下,选择池越小,表现越差。
结论与展望
本研究通过引入TARFA框架,为可比公司估值领域做出了有意义的贡献,该框架将传统的基于会计的因子与先进的计量经济技术相结合。一般模型与相对股权分数相结合,在大多数市场背景下持续优于部门特定模型和领域回报,特别是在更广泛的市场环境中。这项研究强化了在现代投资策略中采用市场范围视角的价值,并为识别回报驱动型股票提供了强大的工具。
尽管存在一些局限性,例如部门特定模型的表现有时受到某些时期可用股票数量少的限制,以及回测框架抽象于交易成本等因素,但TARFA框架显示出改善传统和当代投资策略的强大潜力,重申了基于会计的因子在当今金融市场中的持续相关性。
未来的研究可以将TARFA框架应用于美国以外的市场,特别是金融市场动态可能显著不同的新兴经济体。还可以通过纳入PTB以外的额外财务指标(如收益收益率或现金流指标)来完善相对股权分数。此外,探索价值与增长投资的周期性,特别是响应宏观经济变化时,可以为投资者偏好如何随时间演变以及这些变化如何影响长期投资策略提供有价值的见解。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号