20180702-天风证券-天风金工格轮动策略之三_——_溢价追本溯源_现金流与折现率_21页_2mb

金融工程：天风金工风格轮动策略之三——溢价追本溯源：现金流与折现率

核心内容

本报告分析了A股市场中小盘溢价与价值溢价的波动根源，并提出了基于现金流与折现率变化趋势的风格轮动策略。报告指出，小盘溢价与价值溢价长期存在，但短期波动显著，这种波动源于不同股票对现金流和折现率变化的敏感度差异。通过引入two-beta模型，将市场收益率拆解为现金流影响部分与折现率影响部分，进而构建了基于ROE趋势与利率趋势的轮动策略。

主要观点

• 小盘溢价与价值溢价的长期存在：在A股市场中，小盘股和价值股长期表现出溢价效应，为量化投资提供了收益来源。
• 短期波动的根源：小盘溢价与价值溢价的短期波动源于不同股票对现金流和折现率变化的敏感度不同。
• two-beta模型的应用：通过two-beta模型，将市场收益率拆解为现金流beta和折现率beta，分别反映股票对现金流和折现率变化的敏感程度。
• 趋势指标的构建：采用ROE趋势与利率趋势作为现金流与折现率的代理指标，用于判断市场风格的轮动方向。
• 轮动策略的收益表现：该策略年化收益为26.15%，收益回撤比为1.0591；在剔除微小波动后，年化收益提升至28.24%，回撤比提升至1.1439。2018年策略表现尤为出色，收益19.01%，回撤仅为-1.84%。

关键信息

估值理论与股票定价

• 股票价格由未来现金流与折现率共同决定。
• Gordon（1963）提出的DDM模型是股票内在价值评价的基本模型。
• 通过two-beta模型，将CAPM中的beta拆解为现金流beta与折现率beta。

变量筛选与模型构建

• 采用Wind全A、CPI、国债利率、估值作为VAR模型的变量。
• 通过平稳性检验和格兰杰因果检验筛选出有效变量：CPI、国债利率、估值。
• 通过条件数检验确认CPI、国债利率、估值之间不存在多重共线性。

回归结果

• VAR模型的调整R²达到10.01%，表明模型具有一定的解释力。
• 每个变量对Wind全A收益率的预测作用不同，其中CPI和国债利率对Wind全A的预测效果较为显著。

风格收益与趋势判断

• 小盘股对现金流变化的敏感度低于大盘股，对折现率变化的敏感度高于大盘股。
• 价值股对现金流变化的敏感度高于成长股，对折现率变化的敏感度低于成长股。
• 构建趋势强弱指标 $Trend_{ROE,t} + Trend_{interest,t}$，用于判断小盘溢价与价值溢价的轮动方向。

轮动策略结果

• 策略在2005.7至2018年期间表现稳定，除了2011、2014年外，其他年份均取得正收益。
• 2018年策略收益为19.01%，回撤为-1.84%，表现优异。
• 阈值设定为0.1后，策略年化收益为28.24%，回撤比为1.1439。

阈值敏感度分析

• 不同阈值下策略表现略有差异，但整体收益表现稳定。
• 阈值为0.1时，策略表现最优，年化收益为28.24%。

风险提示

• 市场风格可能受到模型外因素影响，导致模型失效。
• 投资者应独立评估报告内容，结合自身投资目标、财务状况及需求进行决策。

图表目录

• 图1：小盘溢价
• 图2：价值溢价
• 图3：NCF与NDR移动平均
• 图4：小盘VS大盘（小盘溢价）
• 图5：价值VS成长（价值溢价）
• 图6：ROE趋势与小盘溢价
• 图7：利率趋势与小盘溢价
• 图8：ROE趋势与价值溢价
• 图9：利率趋势与价值溢价
• 图10：ROE与ROE趋势强弱指标
• 图11：轮动策略结果
• 图12：轮动策略结果（阈值为0.1）

表格目录

• 表1: VAR模型备选因素
• 表2: 平稳性检验
• 表3: 格兰杰因果检验
• 表4: VAR模型拟合结果
• 表5: 大小盘和成长价值beta
• 表6: 小盘溢价与价值溢价影响因素
• 表7: 现金流与折现率代理指标
• 表8: ROE、利率趋势与小盘溢价、价值溢价
• 表9: 策略分年净值
• 表10: 策略分年净值（阈值为0.1）
• 表11: 阈值敏感度