王劍,CFA
國信證券經(jīng)濟研究所 金融業(yè)首席分析師
中國人民大學(xué)國際貨幣研究所 特聘研究員
國家金融與發(fā)展實驗室銀行業(yè)研究中心 特聘研究員
中國人民銀行鄭州培訓(xùn)學(xué)院 客座教授
本文為金融業(yè)研究方法探討。本文不是證券研究報告,不構(gòu)成任何投資建議,涉及個股也僅為舉例或陳述事實之用,不代表我們對他們的證券或產(chǎn)品的推薦。具體投資建議請參考我們的研究報告。
全世界銀行股的估值都是偏低的,這不難理解,但我國銀行股估值尤其低,這就得說說了。難道我們銀行比起他們的真的特別爛嗎?
一、估值變化回顧
我國A股銀行股低估值的故事,一般是從2013年底開始說的。大約這個時間前后,銀行股整體PB跌破1倍,而后常年在低位徘徊。2014年底迎來大牛市,事后證明是一次“大水牛”,然后又跌回原形,我們可直接把這段牛市中的估值大起大落直接當異常值剔除掉。
2011年底以來的銀行股PB變化,大致就是四個階段:
(1)2011-2013年估值下行
2010年開始,銀行PB就開始下行,而且降得特別猛烈,2011年底還有1.38倍,2013年底已經(jīng)破1倍了,為0.94倍。降幅達到30%以上。
但如果這段時間你持有了銀行指數(shù),倒也沒虧錢,銀行指標幾乎橫盤一動不動,都在2000點左右。這是因為當時銀行股ROE還特別高,每年達到21%左右,因此,兩年下來,BPS就上升了44%以上。PB估值掉了30%多,BPS漲了44%多,兩者一乘,(1-0.3)(1+0.44)=1,股價幾乎一動不動。
在絕對的盈利實力面前,不得不服。
(2)2013-2016年低位徘徊(中間經(jīng)歷了一次大水牛)
然后,從2013年底開始,到2016年,PB就在低位徘徊了,除中間一個大水牛外,估值未見修復(fù)。但這段時間ROE還是很高,處于18-20%間,所以,即使估值跌回原形,但股價卻隨著ROE在漲,沒再跌回原形。
(3)2016-2017年回升,最高時回到1倍以上
行業(yè)PB在2016年中期見底,大概在0.85倍左右,然后開始回升,最終在2018年初達到高位,全行業(yè)回到了1倍以上。這期間,PB的漲幅就接近了20%,同時還要考慮到銀行ROE還有15%以上,形成“戴維斯雙擊”,最終部分個股的股價收益率達到百分之好幾十。
(4)2018年開始又回落
2018年初開始,PB見頂回落,持續(xù)下行。2019年底時,已經(jīng)創(chuàng)出歷史新低了。結(jié)果2020年初受疫情打擊,從新低基礎(chǔ)上再度下探,現(xiàn)在處于一個前所未聞的極低估值水平,全行業(yè)已在0.7倍左右,部分個股甚至低至0.5倍左右(這期間銀行指數(shù)表現(xiàn)不錯,主要是幾個權(quán)重股在漲)。
換言之,我們整個銀行業(yè)七折出售,部分個股對折出售,這是什么情況?對照下西方,美國、日本、歐洲基本上都是次貸危機之后,銀行業(yè)深陷其中,好多銀行瀕臨破產(chǎn),行業(yè)PB先后跌到0.7倍左右的水平。換言之,這就是個金融危機的銀行股估值水平,瀕臨破產(chǎn)時的估值水平。
反觀我們國內(nèi),確實面臨一些困難,但壓根沒發(fā)生金融危機啊……
更令人不解的是,日本即使是1990年房地產(chǎn)泡沫破裂后,進入所謂的“失去的十年”,銀行股PB竟然都還在2倍上下(次貸危機后才進入長期低估值)。而且,美國銀行股PB跌到這個低水平的時間非常短,后來很快就恢復(fù)了。
二、PB的解釋
顯然,我國銀行股這種極低估值是非常異常的。有必要從一些角度去解釋為什么我們銀行股PB低到這個水平。
一般來說,銀行股習(xí)慣用PB估值,分析時,PB習(xí)慣與ROE對應(yīng),因為ROE是PB分母(BPS)的增速。不難理解,ROE越高,PB越高。但這個思路馬上被否決了,因為在現(xiàn)實中沒什么操作意義,這是一個只能用來解釋長期中樞的思路,即ROE中樞決定PB中樞,比如ROE緩慢下降,那么PB也理應(yīng)下降,但這無法解釋PB在下行過程中的階段性起落。
(ROE為老16家A股銀行的整體數(shù))
短期內(nèi),影響PB變化還是盈利增速(g)為主,至少用肉眼觀察,PB變化與g變化有一定的同步性,但有些時段也不同步。
(盈利增速為老16家A股銀行的整體數(shù))
理論上,g和ROE之間是有鉤稽關(guān)系的,就是著名的戈登公式:
g=ROE(1-分紅率)
在分紅率不變、無股權(quán)再融資的情況下,g和ROE是同步的。但現(xiàn)實中,假設(shè)前提不成立,分紅率經(jīng)常會變,而且銀行這期間經(jīng)常再融資,所以g和ROE不但不同步,在2016-2018年甚至出現(xiàn)了兩者反向變化的奇觀……而這期間,PB先升后降,沒有發(fā)現(xiàn)與g或ROE的必然相關(guān)性。
結(jié)論便是:PB短期變化無法用ROE解釋,反而與g關(guān)系更明顯,但也不是非常精確的關(guān)系,有些時段也不明顯,甚至反向的。拿盈利增速預(yù)測去做投資實戰(zhàn),有時候能賺錢(比如2016年),但你首先會錯過2014年以來的上漲(即使水牛結(jié)束后,銀行股價也是高于牛市啟動前的,而這段時間g在快速下行),然后會在2018年虧損(g還在上行,但PB卻是降的)。
所以,g與PB間的關(guān)系也不太靠譜。
三、回到經(jīng)濟周期
其實,我們從歷史中提煉出的經(jīng)驗,便是銀行PB變化與宏觀周期(以名義GDP增速表示)是最為相關(guān)的。這其實是周期股的應(yīng)有之義。
理論上,銀行業(yè)是典型的周期性行業(yè),其經(jīng)營情況與宏觀經(jīng)濟周期高度綁定,因此,其盈利表現(xiàn)應(yīng)該與名義GDP周期較為同步。但現(xiàn)實中,存在一些因素導(dǎo)致兩者也不會精準同步。
最為重要的一個因此是資產(chǎn)質(zhì)量。由于銀行過去不良資產(chǎn)暴露較為滯后,而不良暴露又會嚴重影響業(yè)績,所以就會體現(xiàn)為盈利變化滯后于經(jīng)濟周期。這最為明顯的是體現(xiàn)在2014-2015年,業(yè)績增速快速下滑,但此時名義GDP其實已經(jīng)慢慢筑底了,業(yè)績周期明顯滯后于宏觀周期。
其背后發(fā)生的事情是:2012-2018年(最為集中是在2014-2015年)這一輪不良資產(chǎn)滯后暴露,原因是“四萬億”刺激后的低質(zhì)量信貸在2011年之后開始集中進入風(fēng)險暴露期,銀行不可能快速消化這些不良,所以通過各種手段粉飾報表,掩蓋不良,然后讓不良在未來的幾年內(nèi)慢慢暴露消化,以此來平滑業(yè)績。
所以,不良是宏觀周期的滯后反映。市場是聰明的,估值提前反映了,所以估值基本上跟宏觀周期同步。
如果不是這種短期內(nèi)大量集中暴露不良,那么銀行沒必要粉飾掩蓋,暴露后就按流程處理即可。因此,后續(xù)只要不再發(fā)生這種大規(guī)模爆發(fā)不良,那么應(yīng)該不會出現(xiàn)類似2014-2015年這種大幅偏離宏觀周期的情況。
然后,2017年開始名義GDP下行,但銀行業(yè)績增速還繼續(xù)上行了一段時間,這是由于“四萬億”時留下的歷史包袱已經(jīng)在2017年前后基本處置完畢了,銀行各方面經(jīng)營情況好轉(zhuǎn),前期投放的資產(chǎn)還在正常收取利息,所以增速向好。這時宏觀經(jīng)濟雖然開始有壓力顯現(xiàn),但還沒有嚴重到使銀行大量產(chǎn)生新的不良。
可值得注意的是,這時候的PB已經(jīng)開始回落了,所以也是市場提前反映了宏觀周期的變化。
還有,GDP每單位變化所帶來的PB變化幅度(即PB對GDP的彈性)也不是一成不變的。以前,曾有學(xué)者提出過類似“GDP每下降多少,不良就會生成多少”的分析判斷,但這種判斷可能很不可靠。因為不同時期,銀行的信貸投向、借款人杠桿水平、抵押物價格水平或流動性等因素都是不同的。比如我們現(xiàn)在企業(yè)的杠桿水平就遠低于去杠桿之前,因此“四萬億”那次冒不良的情形,跟現(xiàn)在肯定不一樣。
所以,我們不建議采納類似這種彈性分析,只要關(guān)注好GDP、業(yè)績增速的變化方向即可。
四、小結(jié)
所以,最終幾個初步結(jié)論:
(1)銀行股PB主要由宏觀經(jīng)濟周期決定;
(2)銀行的盈利周期與宏觀周期理論上大致同步,但現(xiàn)實中存在滯后,有時甚至滯后很嚴重;
(3)只要經(jīng)濟不再下行,那么PB能夠穩(wěn)定,那么至少你可以賺到ROE的錢。
短期看后續(xù),我國一季度受疫情影響,GDP大幅下滑,能夠一定程度上解釋低估值。但這屬于短期沖擊,后續(xù)隨著GDP增速回升,我們相信銀行股估值也會回升。因此,這是一個事件沖擊下的暫時現(xiàn)象。
再從更長期展望后續(xù),有一個重要的因素,就是我國宏觀經(jīng)濟是否能夠穩(wěn)定在“中速增長平臺”。即,東亞的一些發(fā)達經(jīng)濟體,在經(jīng)歷很長時間的高速增長期(“東亞奇跡”)后,增速回落一個臺階,但實現(xiàn)了經(jīng)濟發(fā)展模式的轉(zhuǎn)型升級,然后又在5%上下的位置又維持了較長一段時間。這就是中速增長平臺。
比如以下是中國臺灣的數(shù)據(jù),可以明顯看到,“臺灣奇跡”之后,經(jīng)過幾年的換檔期,然后穩(wěn)在了中速增長平臺:
(中國臺灣GDP變化。數(shù)據(jù)來源:WIND)
聯(lián)系客服