“学海拾珠”系列之二百四十四：异常值稳健回归控制下的EP因子有效性重估-华安证券

敬请参阅末页重要声明及评级说明 证券研究报告 异常值稳健回归控制下的 EP 因子有效性重估 ——“学海拾珠”系列之二百四十四 [Table_RptDate] 报告日期：2025-08-05 [Table_Author] 分析师：吴正宇 执业证书号：S0010522090001 邮箱：wuzy@hazq.com 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com [Table_CompanyReport] 相关报告 1. 《 基 于 贝 塔 质 量 的 多 空 因 子 策 略（BABB）——“学海拾珠”系列之二百四十三》 2. 《资产间相关性的时变与机制切换研究——“学海拾珠”系列之二百四十二》 3. 《基于大语言模型的新型风险评估与波动率预测——“学海拾珠”系列之二百四十一》 4. 《高阶矩视角下的投资组合优化：基于偏度与峰度的马科维茨模型拓展——“学海拾珠”系列之二百四十》 5. 《基于相关性最小生成树边缘节点的分层风险平价策略——“学海拾珠”系列之二百三十九》 6. 《高维环境下的最优因子择时——“学海拾珠”系列之二百三十八》 主要观点： [Table_Summary] 本篇是学海拾珠系列第二百四十四篇。本文作者使用一种理论依据充分的稳健横截面回归方法来控制异常值，以证明当用于单因子和多因子模型时，盈利价格比因子（EP）以及一个基于盈利预测、预测修正和广度的复合因子（CTEF），在 1980-2007 年和 2008-2020 年期间，对于 CRSP®、R3000 和 R2000 股票池具有统计显著性。由于异常值的不利影响，采用标准 1%缩尾处理的最小二乘（LS）回归未能表明 EP 和 CTEF 是显著因子。 ⚫ 引入 mOpt 稳健回归解决因子显著性误判问题 针对传统最小二乘法（LS）在横截面回归中易受异常值干扰、导致因子（如 EP）显著性被低估的问题，本文应用 mOpt 稳健回归方法。该方法通过其特定的权重函数自动识别并剔除回报与因子暴露的联合异常值（平均剔除率约 3.2%-5.2%），有效克服了 LS 对异常值的脆弱性，并兼具诊断 LS 结果是否受异常值污染的强大功能。 ⚫ mOpt 证实 EP 是持续显著的价值因子，并揭示 BP 的失效 应用 mOpt 于 Fama-MacBeth 回归分析显著扭转了结论：对于CRSP®、Russell3000 和 Russell2000 股票池，在 1980-2007 和 2008-2020 两个时间段，盈利价格比（EP）因子均被明确识别为高度显著的价值因子（t-statistics 常>6.0），其重要性此前被 LSwin 的异常值偏误所掩盖。同时，mOpt 和 LSwin 共同确认了账面市值比（BP）因子在 2007 年后作为价值因子的失效。 核心内容摘选自 Martin R D , Guerard J B , Xia D Z .于 2024 年在Journal of Portfolio Management 上的文章《Resurrecting Earnings-to-Price with Robust Control for Outliers》。 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 20 证券研究报告 正文目录 1 引言 ...................................................................................................................................................................................................... 4 2 数据与异常值生成模型 ..................................................................................................................................................................... 6 2.1 四个数据样本空间 ..................................................................................................................................................................... 6 2.2 回报和 EP 暴露的非正态性与异常值生成 ............................................................................................................................. 7 2.3 基于因子模型的数据分布模型 .............................................................................................................................................. 10 2.4 MOPT 稳健回归估计量 .......................................................................................................................................................... 11 2.5 EP 和 BP 因子：单独与联合分析 .......................................................................................................................................... 14 2.6 异常值剔除统计 .......................................................................................................................