基于量化视角的个股估值提升概率模型研究

研究了一种估值提升概率模型，用于衡量个股估值提升的确定性。该模型将股价波动拆分为估值变动和基本面变动两部分，通过分析估值变动部分预测股票估值提升的概率。

模型构建

  1. 估值变动拆解: 将股价涨跌幅分解为估值变动和基本面变动，分别量化分析。
  2. Kendall 相关系数: 利用 Kendall 相关系数衡量因子与估值之间的相关性，高相关系数预示高概率套利机会。
  3. 估值概率函数: 通过对估值概率函数的形式假设和参数估计，计算每两只股票估值相对大小的概率，进而推算股票未来估值排序的期望和预期幅度。

模型有效性分析

研究发现，新因子 (PB|ROE) 在市值前 1/3 样本中表现优于简单 PB 因子。在净资产中性条件下，新因子显著改善了信息比率 (IR)，证明了模型的有效性。

结论

本研究提出的估值提升概率模型，为投资者提供了一种量化评估个股估值提升确定性的方法，有助于做出更科学的投资决策。