基本面因子：估值、质量与成长

本课目标：掌握估值、质量、成长三大类基本面因子的构造思路，并理解财报数据特有的 Point-in-Time 陷阱与行业差异处理。

价量因子只需要行情数据，基本面因子则要引入财务报表。数据变”重”之后，因子构造的坑也随之增多——最大的坑不在公式，而在”你以为你当时知道，其实你当时不知道”的数据对齐问题。本文仅为研究方法讨论，不构成投资建议。

估值因子：为便宜付钱#

估值因子衡量”每一块钱的基本面，市场标价多少”，代表性指标：

因子	常见构造	备注
EP（市盈率倒数）	净利润 / 总市值	用倒数避免 PE 在利润趋近零时爆炸；亏损股 EP 为负仍可排序
BP（市净率倒数）	净资产 / 总市值	对金融、周期行业相对更适用
SP（市销率倒数）	营业收入 / 总市值	适合利润波动大或暂时亏损的公司
股息率	近 12 个月分红 / 总市值	隐含分红意愿与现金流质量信息

背后的直觉是价值溢价：一种解释是市场对短期坏消息反应过度，把平庸但便宜的公司打得过低，长期存在均值回归；另一种解释是便宜本身就是风险补偿——低估值公司往往经营困境更多，你赚的是承担这种风险的报酬。经验上，A 股的估值因子在不同时期表现分化明显，常出现连续数年跑输成长风格再回归的情况，单独使用体验较差，更多作为多因子组合中的一个维度。

实务上普遍用”倒数形式”（EP 而非 PE），原因有二：一是分母为市值，恒为正，不会出现除零；二是负值有明确含义（亏损），排序上可以自然处理。

质量因子：为好生意付钱#

质量因子回答”这家公司赚钱的能力和账面的干净程度”：

盈利能力：ROE（净利润/净资产）、毛利率（毛利/营收）。高且稳定的 ROE 是质量因子的核心；
盈利质量：应计项（accruals）。利润由现金流和应计项两部分构成，应计项占比高说明利润更多来自会计估计而非真金白银，经验上高应计公司后续业绩兑现往往较差：

1
# 简化示意：应计项 = 净利润 - 经营性现金流，再除以总资产
2
accruals = (net_profit - operating_cashflow) / total_assets
3
quality_score = -accruals  # 应计越低，质量越高

财务稳健：资产负债率、利息保障倍数等，衡量下行风险。

构造质量因子时要注意分母的选择和口径统一：ROE 用期初净资产还是期末净资产、净利润是否扣非，不同选择会给出不同的排序。没有唯一正确答案，但同一研究里必须从一而终，并把口径写进因子文档。

质量因子的直觉是：市场对”平稳的好”定价不足——高 ROE 的持续性经常被低估，投资者更愿意为激动人心的故事付钱。质量因子通常换手率低、容量大，与估值因子搭配（“以合理价格买好公司”）是常见做法。

成长因子：为变化率付钱#

成长因子看的是基本面的变化速度：营收同比增速、净利润同比增速、ROE 的环比改善等。构造时的注意点：

优先用同比（对比去年同期），规避财报数据天然的季节性；
低基数会制造夸张的增速（去年利润 100 万、今年 1000 万，增速 900%），需要去极值或结合利润绝对规模过滤；
单季度增速比累计增速更敏感，但也更噪声，常见做法是两者都测。

成长因子的直觉与动量类似：业绩加速改善的信息被市场逐步消化，存在”业绩惯性”。经验上，A 股市场对高增速的偏好较强，成长因子与分析师预期修正类因子往往有较高相关性。

成长与估值天然存在张力：高增速的公司通常已经不便宜，纯成长选股容易在景气反转时遭遇”戴维斯双杀”——增速下修与估值收缩同时发生。因此实务上成长因子很少单独使用，更多与估值、质量搭配，或者在构造时直接用”增速相对估值”的复合形式。

Point-in-Time：财报数据最大的坑#

财报数据有两个时间：报告期（数据描述哪个季度）和公告日（市场哪天才看到它）。年报报告期是 12 月 31 日，但公告可能拖到次年 4 月底。如果回测时在 1 月 2 日就用上了年报数据，就引入了未来函数，回测结果会系统性虚高。

正确姿势是 Point-in-Time（PIT）对齐：任一交易日只能使用”公告日不晚于当天”的最新一期财报。

1
# announcements: 每行 = (股票, 报告期, 公告日, 指标值)
2
ann = announcements.sort_values("公告日")
3
# 对每个交易日 t，取公告日 <= t 的最近一条记录
4
pit = pd.merge_asof(
5
    trade_days.sort_values("date"), ann,
6
    left_on="date", right_on="公告日", by="股票代码"
7
)

另外两个相关的坑：一是财报重述——公司事后修正历史财报，数据库若只保留修正后的值，回测就用上了当年不存在的数字，尽量使用保留原始披露版本的数据源；二是报告期错配——同一天里，有的公司已披露一季报、有的还停留在年报，截面比较时天然存在新旧掺杂，这是无法完全消除的现实，只能保持全市场统一的 PIT 规则。

行业差异：不要拿银行的 PB 和软件公司比#

基本面指标的”正常水平”因行业而异：银行天然高杠杆、低 PB；软件公司轻资产、高毛利；周期行业的 PE 在景气顶点反而最低（利润被打满）。直接在全市场比较原始估值指标，本质上是在做行业押注而非选股。

常见处理是行业内标准化：在每个行业内部把因子转成 z-score 或排名百分位，再合并到全市场截面。这样比较的就是”这只股票在自己行业里贵不贵”，而非行业间的天然差异。是否要做行业中性取决于研究目标——如果你就是想赚行业轮动的钱，那另当别论。这部分会在多因子课里系统展开。

另一个层面的行业差异是指标适用性：EP 对亏损面大的行业区分度差，SP 对金融行业意义不大，应计项因子对银行保险的报表结构基本失效。严谨的做法是在检验阶段就分行业看因子的 RankIC，对明显不适用的行业，要么剔除该行业，要么换用行业专属指标，而不是指望一个公式打遍全市场。

本课小结#

估值因子用倒数形式（EP/BP/SP）构造，避免除零并自然处理亏损股；
质量因子看盈利能力与盈利质量，应计项是识别”纸面利润”的经典视角；
成长因子用同比增速规避季节性，警惕低基数制造的伪高增长；
财报数据必须按公告日做 Point-in-Time 对齐，否则回测系统性虚高；
基本面因子多数需要行业内标准化，否则你测的是行业配置而非选股能力。

动手练习：取 EP 因子，分别用”报告期对齐”（错误做法）和”公告日 PIT 对齐”（正确做法）各跑一遍 RankIC 与分层回测，对比两者差异的大小，直观感受未来函数对财报类因子的影响程度。