市盈率是常用来评估股价水平是否合理的指标之一,也是基本面投资分析中的一个基础指标。在实践中,基本市盈率通常通过专家的主观意见来估计。本文基于动态贝叶斯网络(dynamic Bayesian network,DBN)的相关理论,研究基于DBN的市盈率波动模型,并基于模型设计2个择时策略。文章的主要工作是基于市盈率DBN模型的择时策略在个股以及投资组合上的应用研究。由本文模型估计出的基本市盈率,既可以作为投资者投资决策时的参考指标,也可以与实际的市盈率结合设计量化择时策略。基于贝叶斯推断的市盈率(股价)估值模型具有以下优点:1)具有金融理论支撑:股价异常波动的行为因素与价值回归理论;2)对于所有股票,贝叶斯框架相同;3)可以将专家知识以先验分布的方式融入到模型中;4)交易操作简单,具有一定实用性。模型的应用过程为:1)搭建贝叶斯模型:建立描述市盈率波动的动态贝叶斯网络,使用前向后向算法推导滤波公式与平滑公式;2)模型参数学习:采用基于最大后验估计的期望最大化算法学习模型参数;3)推断问题:得到模型参数后,运用模型的平滑公式与滤波公式估计股票的基本市盈率;4)在线滤波:使用移动窗口对中期噪音状态在线滤波,结合估计的基本市盈率设计并执行2种择时策略。本文选取了上交所与深交所共计15只股票进行实证应用分析。模拟交易过程主要包括:模型参数估计、滤波和择时交易三个步骤。实证中的择时策略不仅应用于单只股票,也可以应用于用等权重和市值加权方法构建的投资组合,并且验证择时策略在投资组合上的绩效表现。实证结果表明,基于贝叶斯推断的两种择时策略在个股上的表现均优于持有策略。在个股上应用两种择时策略均能够提高收益水平同时降低投资风险,中期策略比较长期策略能触发更多次交易,但盈利的稳定性低于长期策略。实证中还构建了两种投资组合:等权重组合与市值加权组合。实证结果表明运用市盈率DBN网络构建的择时策略能够获得优于市场组合的收益水平、风险水平以及风险调整收益水平。等权重组合具有更高收益水平,市值加权组合具有更优风险水平。