同行业两家公司估值差异巨大，因子排序法可以从因子暴露差异的角度提供系统性解释。该方法通过将股票按特定因子（如价值、成长）排序分组，比较不同组别的长期收益率差异，从而揭示哪些因子在驱动估值分化。
因子排序法的基本原理
因子排序法是一种非参数统计方法，不依赖复杂的模型假设。具体步骤是：先选定一个因子（如市盈率倒数作为价值因子），将行业内所有公司按该因子值从小到大排序，然后等分为若干组（如5组或10组）。每组作为一个投资组合，计算其后续一段时间的收益率。如果各组收益率出现单调趋势（如价值因子最高组收益率显著高于最低组），就说明该因子能系统性地解释估值差异。
例如，在消费电子行业，若A公司市盈率低（价值因子暴露高），B公司市盈率高（成长因子暴露高），通过排序法可观察到历史上低市盈率组与高市盈率组的收益差距。这种差距的大小和方向，直接量化了价值因子对估值差异的解释力度。
因子暴露差异如何导致估值分歧
估值差异的根本原因是不同公司在多个因子上的暴露不同。常见因子包括：
- 价值因子：以低市盈率、低市净率为特征，通常对应成熟、现金流稳定的公司。
- 成长因子：以高营收增长率、高盈利增速为特征，对应扩张期公司。
- 规模因子：小公司通常有更高风险溢价，估值可能更低。
排序法通过构建多空组合（做多高暴露组、做空低暴露组）来剥离单一因子的影响。例如，若价值因子的多空组合年化收益率为5%，说明价值因子每单位暴露能解释约5%的估值差异。当行业两家公司在价值、成长因子上暴露差异极大时，排序法能清晰显示这些差异在历史上如何转化为估值分歧。
持续存在的估值差异与定价偏差
即使因子排序法解释了部分差异，行业内仍可能存在无法被常见因子解释的定价偏差。原因包括：
- 市场情绪：短期资金偏好导致某公司被高估或低估。
- 信息不对称：机构投资者可能掌握了未公开的运营数据。
- 流动性差异：小市值公司流动性不足，折价更明显。
因子排序法能区分哪些差异是系统性因子回报（可预期），哪些是噪音或套利机会。若某公司估值偏离因子模型预测值超过两个标准差，历史上常被视为潜在定价偏差，但需结合基本面分析确认。
简短总结
因子排序法通过分组比较收益率，能系统性地将同行业估值差异拆解为因子暴露差异和剩余偏差两部分。价值因子、成长因子是常见解释变量，但情绪与信息不对称可能导致持续偏离。
常见问题
因子排序法需要多少样本才能有效？
通常需要至少30只股票构成一组，才能获得统计上稳定的结果。在行业分析中，若公司数量不足，可放宽到全市场股票后再按行业筛选，但需注意行业集中度风险。
多空组合的收益率如何计算？
多空组合收益率 = 做多组（如价值因子最高组）平均收益率 − 做空组（如价值因子最低组）平均收益率。正收益说明该因子能正向解释估值溢价，负收益则说明该因子在当前行业失效。
如果两家公司因子暴露几乎相同但估值差异大怎么办？
这种情况说明因子排序法无法解释该差异，可能源于非因子因素，如管理层能力、专利壁垒或市场情绪。此时需结合定性分析，或检查数据是否遗漏了特定因子（如质量因子、动量因子）。