20181207-天风证券-金融工程专题报告_股息率因子全解析_19页_1mb

金融工程：股息率因子全解析总结

核心内容

本文主要围绕股息率因子展开研究，探讨了传统股息率因子的局限性，并提出了预期股息率因子作为改进方案。股息率因子用于衡量股票的收益来源，包括股息收入和资本利得。传统股息率因子如LYR和TTM虽有一定效果，但存在信息滞后和因子值突变的问题。预期股息率因子通过预测未来分红，显著提升了对未来收益的预测能力，并在实证中展现出更高的有效性。

主要观点

1. 股息率因子的局限性：

   • 历史股息率因子（如LYR和TTM）在计算时可能因分红时间窗口的变动导致因子值突变，影响因子的稳定性。
   • 历史分红不能准确反映未来分红趋势，尤其是对业绩波动较大的公司，如周期股。

2. 预期股息率因子的构建逻辑：

   • 预期股息率因子通过预测净利润和分红比例来估算未来分红，从而构建更合理的股息率。
   • 对于盈利为正的公司，使用股息支付率（历史分红占净利润的比例）进行预测。
   • 对于盈利为负的公司，若未分配利润为正，则使用未分配利润支付率（历史分红占未分配利润的比例）进行预测。

3. 预期股息率因子的检验结果：

   • 预期股息率因子的月度IC均值为0.0619，年化ICIR为4.1093，胜率为87.85%，显著优于传统股息率因子。
   • 预期股息率因子在剔除历史股息率因子后，残差的IC均值仍为0.0487，说明其具有显著的信息增量。
   • 预期股息率因子在剔除常见多因子后，仍然表现出稳健的选股能力，具有独立的信息价值。

4. Smart Beta指数的应用：

   • 使用预期股息率因子构建了红利成长低波指数，该指数在回测期内每年均能跑赢沪深300和中证红利指数。
   • 年化超额收益率分别为16.59%和14.39%，显示预期股息率因子在实际投资中的有效性。

关键信息

• 预期股息率因子构建方法：

  • 盈利分布稳定性判断：根据过去三年前n季度的净利润占比，判断公司是否具有稳定的盈利分布。
  • 预期净利润计算：对于盈利稳定的公司，使用历史比例外推；对于不稳定或净利润增长异常的公司，使用上年同期净利润预测。
  • 预期分红比例计算：根据净利润是否为正，使用股息支付率或未分配利润支付率进行预测。

• 因子表现：

  • 预期股息率因子在不同样本空间（如沪深300、中证500、中证1000）中均表现出显著的选股能力。
  • 与常见因子（如账面市值比、单季度净资产收益率等）相比，预期股息率因子具有较低的共线性，在多因子模型中具备增量信息。

• Smart Beta指数表现：

  • 红利成长低波指数在2010-2018年期间，年化超额收益率稳定在16.59%左右，显著优于沪深300和中证红利指数。
  • 该指数构建规则包括：
    • 剔除ST股及上市不满6个月的股票。
    • 剔除过去一年净利润为负的股票。
    • 按预期股息率降序选取前50%股票。
    • 按ROE增速波动率升序选取股票。
    • 最终选取前50只股票作为成分股，权重不超过10%。

风险提示

• 市场系统风险：投资市场存在系统性风险，可能影响因子表现。
• 因子失效风险：在特定市场环境下，预期股息率因子可能失效，需持续关注。

作者信息

• 吴先兴（分析师）：SAC执业证书编号S1110516120001，邮箱：wuxianxing@tfzq.com，电话：18616029821。
• 张欣慰（分析师）：SAC执业证书编号S1110517010003，邮箱：zhangxinwei@tfzzq.com。
• 韩谨阳（联系人）：邮箱：hanjinyang@tfzq.com。

相关报告

• 本文参考了多个金融工程相关报告，包括但不限于：
  1. 《金融工程：基于机构风格追随的业绩增强策略》
  2. 《金融工程：基本面量化视角下的电子行业选股研究》
  3. 《金融工程：基本面量化视角下的食品饮料行业选股研究》
  4. 《金融工程：基于自适应风险控制的指数增强策略》
  5. 《金融工程：基本面量化视角下的医药行业选股研究》
  6. 《金融工程：基于基础数据的分析师一致预期指标构建》
  7. 《金融工程：多因子模型的业绩归因评价体系》
  8. 《金融工程：风险预算与组合优化》
  9. 《金融工程：哪些行业应该单独选股？——基于动态因子筛选的行业内选股实证研究》
  10. 《金融工程：协方差矩阵的常用估计和评价方法》
  11. 《金融工程：因子正交全攻略——理论、框架与实践》
  12. 《金融工程：基于动态风险控制的组合优化模型》
  13. 《金融工程：专题报告-MHKQ因子择时模型在A股中的应用》
  14. 《金融工程：专题报告-利用组合优化构建投资组合》
  15. 《金融工程：专题报告-半衰IC加权在多因子选股中的应用》
  16. 《金融工程：专题报告-反转现象的选择性交易策略》

图表目录

• 图1：股息率LYR月度IC序列（20091231-20181031）
• 图2：股息率TTM月度IC序列（20091231-20181031）
• 图3：贵州茅台的股息率TTM（20091231-20181130）
• 图4：中煤能源历年现金分红总额（2008-2017）
• 图5：已知未来分红的预期股息计算示意图
• 图6：预期股息率(已知分红)因子的IC序列（20091231-20180427）
• 图7：预期股息率(已知分红)因子分组的年化超额收益
• 图8：盈利分布稳定性判断
• 图9：根据盈利分布稳定性预测净利润
• 图10：预期股息率因子计算示意图
• 图11：各月度分红除息完成比例（2007-2017）
• 图12：预期股息率因子的IC序列（20091231-20181031）
• 图13：预期股息率因子分组的年化超额收益
• 图14：相关系数比较
• 图15：各月度平均相关系数
• 图16：因子值相关系数均值与因子IC序列相关系数
• 图17：红利成长低波策略相对沪深300净值
• 图18：红利成长低波策略相对中证红利净值

表格目录

• 表1：常见股息率因子IC统计（20091231-20181031）
• 表2：贵州茅台除息日
• 表3：预期股息率(已知分红)因子的IC及其比较
• 表4：金地集团2015-2017年业绩
• 表5：预期股息率因子的IC及其比较
• 表6：不同样本空间内预期股息率因子的表现
• 表7：预期股息率相对历史股息率的信息含量
• 表8：预期股息率相对常见多因子的信息增量
• 表9：红利成长低波策略各年度收益（2010年-2018年）

总结

本文提出了一种预期股息率因子，通过预测未来分红，克服了传统股息率因子在信息滞后和因子突变方面的缺陷。该因子在多个样本空间中均表现出显著的选股能力，并在Smart Beta指数构建中展现出良好的超额收益。其构建方法包括对净利润和分红比例的预测，能够较好地反映公司分红能力的动态变化。未来研究可进一步探索该因子在不同市场环境下的稳健性及与其他因子的组合效应。