金融工程专题报告：股息率因子全解析-20181207-天风证券-19页-1mb
报告摘要
金融工程：股息率因子全解析总结
核心内容
本文围绕股息率因子的改进展开研究，提出了一种基于预期的股息率因子构建方法。该因子不仅能够更好地反映上市公司未来分红的变化，还能显著提升对未来收益的预测能力。研究重点在于构建预期股息率因子，分析其有效性，并应用于Smart Beta指数构建中。
主要观点
- 股息率因子是衡量股票收益的重要指标，它由股息收入和资本利得共同构成。
- 常见的股息率因子（LYR和TTM）虽然在选股上有效，但存在因子突变和历史分红不能准确预测未来分红的问题。
- 预期股息率因子通过预测未来分红，能够更好地捕捉分红变化，提升选股效果。
- 预期股息率因子在IC均值、ICIR和胜率上均优于传统股息率因子，其月度IC均值为0.0619，年化ICIR为4.1093，胜率为87.85%。
- 预期股息率因子还包含了历史股息率因子的全部信息，并有显著的增量信息。
- 预期股息率因子与常见多因子的相关性较低，能够带来额外的选股信息。
关键信息
预期股息率因子的构建
- 预期净利润：根据公司的季度盈利分布，分为盈利分布稳定和不稳定两类。稳定公司使用历史比例外推，不稳定公司使用上年同期净利润。
- 预期分红比例：根据公司的盈利或亏损情况判断是否分红。若盈利则使用历史股息支付率；若亏损则使用历史未分配利润支付率。
- 预期股息率计算：将预期净利润乘以预期股息支付率，或预期未分配利润乘以未分配利润支付率，再除以市值，得到预期股息率。
预期股息率因子的检验
- 因子表现：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%。
- 信息增量：在剔除历史股息率因子后，预期股息率因子仍具有显著的IC值，说明其包含增量信息。
- 相关系数：预期股息率因子与估值因子、盈利因子相关性较高，但与价量类因子相关性较低，说明其具有独立的信息价值。
Smart Beta指数构建
- 红利成长低波指数：通过预期股息率因子筛选出具有高预期股息率且波动较小的股票，构建指数。
- 指数表现：在回测期内，该指数每年都能战胜沪深300指数和中证红利指数，年化超额收益率分别为16.59%和14.39%。
因子构建与检验结果
| 因子 | IC均值 | 年化ICIR | 胜率 |
|---|---|---|---|
| 股息率LYR | 0.0484 | 3.3602 | 81.31% |
| 股息率TTM | 0.0445 | 3.4168 | 82.24% |
| 预期股息率(已知分红) | 0.0653 | 4.4720 | 90.10% |
| 预期股息率 | 0.0619 | 4.1093 | 87.85% |
预期股息率因子的信息增量
| 待剥离因子集合X | IC均值 | 年化ICIR | 胜率 |
|---|---|---|---|
| EPTTM | 0.0327 | 2.9575 | 82.24% |
| 一致预期EP | 0.0326 | 2.5558 | 76.64% |
| 单季度净资产收益率 | 0.0479 | 3.7608 | 85.05% |
| EPTTM、一致预期EP、单季度净资产收益率 | 0.0267 | 2.3087 | 76.64% |
Smart Beta指数表现
| 年份 | 红利成长低波策略 | 沪深300 | 相对沪深300超额 | 中证红利 | 相对中证红利超额 |
|---|---|---|---|---|---|
| 2010 | 18.71% | -12.51% | 31.22% | -13.28% | 31.99% |
| 2011 | -14.02% | -25.01% | 10.99% | -23.57% | 9.54% |
| 2012 | 10.96% | 7.55% | 3.41% | 7.06% | 3.91% |
| 2013 | 8.28% | -7.65% | 15.92% | -10.15% | 18.43% |
| 2014 | 78.62% | 51.66% | 26.96% | 51.68% | 26.93% |
| 2015 | 36.36% | 5.58% | 30.77% | 26.86% | 9.50% |
| 2016 | 4.52% | -11.28% | 15.80% | -7.64% | 12.16% |
| 2017 | 24.63% | 21.78% | 2.85% | 17.57% | 7.06% |
| 20181130 | -9.80% | -21.29% | 11.49% | -19.03% | 9.23% |
| 全样本期 | 15.25% | -1.34% | 16.59% | 0.86% | 14.39% |
风险提示
- 市场系统风险
- 因子失效风险
作者信息
- 吴先兴：分析师，SAC执业证书编号：S1110516120001
- 张欣慰：分析师，SAC执业证书编号：S1110517010003
- 韩谨阳：联系人
相关报告
- 《金融工程：基于机构风格追随的业绩增强策略》2018-10-11
- 《金融工程：基本面量化视角下的电子行业选股研究》2018-09-20
- 《金融工程：基本面量化视角下的食品饮料行业选股研究》2018-08-03
- 《金融工程：基于自适应风险控制的指数增强策略》2018-07-05
- 《金融工程：基本面量化视角下的医药行业选股研究》2018-06-15
- 《金融工程：基于基础数据的分析师一致预期指标构建》2018-04-10
- 《金融工程：多因子模型的业绩归因评价体系》2018-04-10
- 《金融工程：风险预算与组合优化》2018-03-05
- 《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》2018-02-23
- 《金融工程：协方差矩阵的常用估计和评价方法》2017-11-16
- 《金融工程：因子正交全攻略——理论、框架与实践》2017-10-30
- 《金融工程：基于动态风险控制的组合优化模型》2017-09-21
- 《金融工程：专题报告-MHKQ因子择时模型在A股中的应用》2017-08-15
- 《金融工程：专题报告-利用组合优化构建投资组合》2017-08-14
- 《金融工程：专题报告-半衰IC加权在多因子选股中的应用》2017-07-22
- 《金融工程：专题报告-反转现象的选择性交易策略》2017-05-31
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
