赔率刻画全知道：反弹后的A股赔率还有吸引力吗？
《一、什么是赔率？源于博弈论的重要概念》
在金融投资的世界里，“赔率”这个概念最初源于著名的博弈论公式——凯利公式。在一场赌博中，赔率指的是如果下注正确，投注人的盈利倍数（不含本金）。比如说，你下注10元，如果赢了能得到30元（不含本金），那么赔率就是2倍。在资本市场中，虽然与赌博场景有很大区别，但这个概念依然有着重要意义。在资本市场里，资产持有期内的赔率和胜率都是不确定的，这就使得如何量化描述它们成为资产配置研究者的热门课题。
《二、经典的赔率指标：估值》
（一）估值指标简介
在实际的交易中，最经典的用于表示赔率的指标就是估值，像PE（市盈率）、PB（市净率）与PS（市销率）等。这些指标为我们提供了一种衡量公司价值的方式。例如，假设某公司的估值中枢是稳定的，处在10倍PE左右，而目前市场给出的估值是5倍PE。这就意味着如果买入并持有该公司股票，直至其估值修复到10倍PE，那么赔率就是1倍。这看起来似乎很简单，但实际情况却复杂得多。
（二）估值指标的局限性
这个例子中最强的假设是该公司的估值均值回复且中枢是10倍PE。但在现实中，公司的估值受到多种因素的影响，并不会稳定地均值回复。以Wind全A指数为例，2010年之前的估值明显高于2010年之后的。不同的宏观政策环境、公司处于不同的经营阶段等都会影响估值。例如，随着经济增速放缓和利率的下降，新兴市场的估值也会逐渐下降。所以，仅仅依靠传统的估值指标来刻画赔率是不够全面的。
《三、权益风险溢价：刻画赔率的新视角》
（一）权益风险溢价的计算核心
权益风险溢价在近年来逐渐成为刻画股票市场赔率的共识。其计算方式的核心是用市场隐含的权益收益率（PE_TTM的倒数或者股息率）减去债券收益率，得到投资人主动承担股市波动风险带来的溢价奖励。这一概念的出现，为我们更全面地理解市场赔率提供了新的思路。
（二）股票收益率的选择考量
在构建权益风险溢价时，对于股票收益率的选择有很多考量。估值隐含收益率（PE_TTM的倒数）是比股息率覆盖率更高的指标。根据中国上市公司协会的数据，截至2023年年底，在4022家上市满三年的沪深A股上市公司中，2181家近三年连续现金分红，占比约为54%。而且2023年相较2022年现金分红公司数量总量已经上涨超两位数。这意味着如果用股息率来衡量股票的收益率，A股覆盖度大概只有一半左右。而只要是盈利为正的公司，PE_TTM的倒数都可以用来刻画隐含收益率，这个指标在2024年中报的覆盖率是八成左右。不过，估值隐含收益率也不是完美的。对于盈利为负的标的或者估值较高的权益资产，这个指标刻画的效果就会较差。例如，某创新型行业的PE_TTM最低值是50倍，最高值是100倍，相应的估值隐含收益率波动范围大致在【1-2%】之间，而债券收益率历史区间的波动范围远大于100bps，这时权益风险溢价主要体现的就是债市的波动。
（三）债券收益率的选择考量
在计算权益风险溢价时，债券收益率的选择也很关键。目前大多数权益风险溢价计算时都参考《权益风险溢价之谜》这篇经典论文中使用的长期政府债利率（即10年期美国国债到期收益率）。但在中国市场，直接采用我国的10年期国债到期收益率作为公式中的被减数存在一些问题。因为对于投资者和融资者来说，权益收益率与长期国债之间的差异，除了权益波动带来的风险溢价，还应该包含着其主体可能破产的信用溢价。所以，在构建权益风险溢价时，可以采用信用债的收益率来更加纯粹地剥离出权益风险溢价的大小（对标宽基指数时，使用中债企业债AAA级2年期的到期收益率）。
《四、数据处理：让权益风险溢价更具参考性》
（一）HP滤波处理的必要性
在确定了权益风险溢价的计算公式之后，我们得到了Wind全A的风险溢价历史走势。从这个走势中我们可以看到，即使减去了债券收益率，A股的风险溢价也呈现出相对震荡向上的趋势。这说明中国股市隐含收益率上升（历史估值下修）的速度要快过债券收益率下降的速度。为了让这个数据更具参考性，我们需要对计算之后的ERP进行HP滤波处理。这样做的目的是过滤较长时间的趋势，使得ERP的序列更加平稳。如果不进行这样的处理，不平稳的序列理论上不存在均值回复的特征，这会让指标的可用性大打折扣。就像我们在之前的研究中讨论过的情况一样，数据的平稳性是统计分析中非常重要的前提。
（二）与其他平滑方法的对比
当然，除了HP滤波处理，也可以用滚动窗口的方法来平滑序列。但是这种方法有一个很大的代价，那就是会牺牲窗口外的数据分布，使得观察视角集中在一个更近的时间范围内，就像盲人摸象一样，只能看到局部而不能全面把握数据的特征。所以，相对而言，HP滤波处理是一种更好的数据处理方式。
（三）统计量的选择
经过处理后，我们发现无论是滤波前还是滤波后的ERP历史序列都不能满足正态分布的前提假设。在这种情况下，如果我们想要描述数据的相对高低，采用百分位数作为统计量要比Z统计量（中位数上下N倍Sigma）更好。这是因为我们熟悉的“2sigma”法则，应用的前提是样本服从正态分布，而这里并不满足这个条件。
《五、不同板块的风险溢价分析》
（一）Wind全A及宽基指数
Wind全A目前风险溢价仍高于中性，而上证50、沪深300和中证500这些市值中大的宽基指数风险溢价处在40%-50%的略低于中性的区间。这说明不同规模的指数在风险溢价方面存在差异，投资者在进行资产配置时需要考虑到这些差异。
（二）不同风格板块
从风格上来看，金融的风险溢价已经没有什么吸引力了，但消费还在极便宜的区间内（历史90%分位以上），周期和成长的风险溢价分别略低于与略高于中性。这表明在不同的风格板块中，风险溢价的情况各有不同。对于投资者来说，了解这些不同风格板块的风险溢价情况，可以帮助他们更好地进行投资决策。如果投资者更倾向于追求高赔率，那么消费板块可能是一个比较好的选择；如果投资者更注重风险控制，那么对于金融板块可能就需要谨慎对待。
《六、A股市场目前的赔率状况及展望》
（一）目前赔率状况
通过前面的分析，我们得出结论：A股目前赔率仍不算低。我们通过多种方式对赔率进行刻画，无论是从权益风险溢价的计算，还是对不同板块风险溢价的分析，都表明目前A股市场在经历了前期的反弹之后，仍然具有一定的吸引力。
（二）与历史行情对比及展望
观察滤波后的Wind全AERP历史走势，我们发现前期（9月底）ERP最为相似的高位拐点是2022年10月，同样是由于政策宽松的驱动带来的超跌反弹行情。从当时那一轮反弹的长度和高度来看，本轮行情或许还有空间。虽然节前的上涨与节后的回调很难说是理性的，但从赔率的角度来看，A股现在算不上贵。至于ERP会下修至哪里，还要看后续基本面的改善情况。未来，随着政策的落地、宏观经济环境的变化以及公司业绩的提升等因素的影响，A股市场的赔率可能会发生相应的变化。投资者需要密切关注这些因素，以便在投资决策中及时做出调整。
《七、风险提示》
在进行投资决策时，我们也要注意到一些风险因素。比如历史数据中的规律可能会失效，后续政策落地情况可能不及预期，美国大选及地缘政治风险超预期等。这些风险因素可能会对市场赔率产生影响，从而影响我们的投资收益。投资者在投资过程中不能仅仅依赖赔率这一指标，还需要综合考虑各种因素，制定合理的投资策略。
相关问答
什么是凯利公式中的赔率？
凯利公式中的赔率是指在一场赌博中，如果下注正确，投注人的盈利倍数（不含本金）。在资本市场中，虽然概念类似，但情况更为复杂，因为资产持有期内的赔率和胜率都是不确定的。
传统估值指标刻画赔率有什么问题？
传统估值指标如PE、PB、PS等在刻画赔率时有局限性。以PE为例，假设公司估值中枢稳定，但实际中公司在不同经营阶段和宏观政策环境下，估值并非稳定均值回复。如Wind全A指数2010年前后估值差异大，而且经济增速、利率变化等因素也会影响估值，所以仅靠传统估值指标不够全面。
权益风险溢价是如何计算的？
权益风险溢价的计算核心是用市场隐含的权益收益率（PE_TTM的倒数或者股息率）减去债券收益率。其中，股票收益率方面，PE_TTM的倒数覆盖率更高；债券收益率方面，为更纯粹剥离权益风险溢价，可采用信用债收益率（对标宽基指数时用中债企业债AAA级2年期的到期收益率）。
为什么要对权益风险溢价进行HP滤波处理？
对权益风险溢价进行HP滤波处理是为了让数据序列更平稳。因为从计算后的Wind全A风险溢价历史走势看，A股风险溢价震荡向上，若不处理，不平稳序列不存在均值回复特征，会使指标可用性大打折扣，而数据平稳性是统计分析的重要前提。
不同风格板块的风险溢价有何差异？
金融板块风险溢价已没什么吸引力，消费板块在极便宜区间（历史90%分位以上），周期略低于中性，成长略高于中性。这表明不同风格板块的投资吸引力不同，投资者可根据自身偏好和风险承受能力选择板块投资。
目前A股市场赔率状况如何？
目前A股市场赔率仍不算低。通过权益风险溢价计算和不同板块风险溢价分析可知，虽然经历前期反弹，但仍有一定吸引力。与2022年10月政策驱动的超跌反弹行情对比，本轮行情或许还有空间。
