红利策略基金系列观察（二）：透视红利效应，运用扩散思维寻找未来高分红潜力股
透视红利效应，运用扩散思维寻找未来高分红潜力股 红利策略基金系列观察（二） 2024年04月09日 证券研究报告|公募基金专题报告 分析师：孙书娜 分析师登记编码：S0890523070001电话：021-20321306 邮箱：sunshuna@cnhbstock.com 研究助理：宋怡雯 邮箱：songyiwen@cnhbstock.com 销售服务电话： 021-20515355 相关研究报告 1、《从预期股息率抬升角度寻找行业和匹配指数—红利策略基金系列观察（一）》2024-03-25 2、《如何基于产业价值链进行医药基金的定性分类？——医药主题基金研究系列（一）—公募基金专题报告》2023-12-28 3、《油气股票型基金怎么选？—兼论油气股相对原油的价格变动规律》2023-12-22 4、《哪些基金的行业轮动效果出色？—基于持仓补全遴选行业轮动型基金》2023-11-28 5、《瞄准硬科技，布局高成长——科创 100ETF投资价值分析—公募基金专题报告》2023-11-17 投资要点 作为红利主题基金系列观察的第二篇，本文将围绕红利股票筛选的基本逻辑进行探讨，并尝试分析如何运用这一方法来寻找未来的投资机会。 分析一个公司是否有强烈的分红意愿以及较强的分红能力是红利股票筛选中首要的一环。具体地，我们从基本面、现金流和红利基因三个维度考量公司的分红意愿和能力。 根据以上三维度的对应指标构建多因子选股模型，最终目的是筛选出分红意愿高且具备现金股利支付能力的一篮子股票池。根据IC/IR方法，可支配现金流历史分红率、股息率、分红稳定性、第一大股东持股和每股收益六个指标对年度现金分红率具备明显的正向影响作用，ROE稳定性、净负债率和有息负债率三个指标对年度现金分红率则呈现负向作用，这些因子对企业分红的预测能力均较强。 参考各因子与分红率的相关程度及其稳定性，我们给予各因子不同权重，以得出一个综合分红因子。每个调仓日，在所有样本中筛选出综合因子值排名前15%的标的，构成每期的高分红股票池。该多因子选股模型具备一定的参考意义，期初筛选出的股票池中，大多标的在期末呈现出高度分红意愿（次年有分红行为），且分红能力出类拔萃（次年分红率在市场中属于较高水平）。 从股票池特征看，当一个行业中高分红股票数量较多时，通常具备以下优势：1）业绩稳定、运营模式成熟；2）盈利能力较强；3）国有属性较强；4）低负债率、现金流充沛的资本结构。以上特征包括的行业有银行、煤炭、公路铁路家电等等。此外，部分涉及出版概念的国有传媒企业也有望持续带来较高分红。 风险提示：本报告不涉及股票推荐，列示的股票仅根据模型计算所得；本报告对于基金产品的研究分析均基于历史公开信息，可能受基金产品持仓股的变化而产生一定的分析偏差；此外，基金管理人的历史业绩与表现不代表未来；产品未来表现受宏观环境、市场波动、风格转换等多重因素影响，存在定波动风险；本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐。 内容目录 1.红利扩散思维下的选股范式：高分红意愿&强分红能力3 2.预测高分红，哪些因子有效？4 3.从因子视角寻找未来的高分红领域5 4.风险提示7 图表目录 图1：2024年预测的高分红股票池中入池标的占比在20%以上的行业6 图2：2024年预测的高分红股票池数量居前10的行业7 图3：2017-2024年预测的高分红股票池变动居前的行业7 表1：红利选股维度与对应指标3 表2：因子IC/IR值4 表3：历年高分红股票池次年分红情况5 表4：历年综合分红因子打分前5的股票5 随着四月份业绩验证期的来临，市场的关注焦点转向那些业绩稳健、分红政策明确且具有持续派发高额股息记录的上市公司，低估值、高股息等确定性强、投资性价比高的板块或将有所回归。另外，在这个关键时期，企业的分红比例提升预期将迎来集中验证。虽然煤炭和银行等传统行业被普遍视为高红利领域，但随着市场对这些板块的关注度提升，拥挤度日益变高，抬升的股价或将很大程度上挤占股息率的空间，我们需要超越常规的行业认知，扩展思维边界，深入挖掘各行各业中不同类型的企业，以寻找潜在的“红利明星”。作为红利主题基金系列观察的第二篇，本文将围绕红利股票筛选的基本逻辑进行探讨，并尝试分析如何运用这一方法来寻找未来的投资机会。 1.红利扩散思维下的选股范式：高分红意愿&强分红能力 正如2024年3月25日发布的《从预期股息率抬升角度寻找行业和匹配指数》一文中指出，红利投资的范围在扩大，不管是供需格局趋于稳定、盈利稳定性已经显著抬升、发展阶段进入成熟阶段的公司，还是长期盈利有韧性、具备护城河和竞争力的公司，都能作为红利投资的考虑范畴。股息率可拆分为公司股利支付率与市盈率之比（D/P=（D/E）/（P/E）），作为分子端，股利支付率越高，股息率也将具备更高的吸引力，因此，分析一个公司是否有强烈的分红意愿以及较强的分红能力就成为红利股票筛选中首要的一环。具体地，我们从以下三个维度考量公司的分红意愿和能力： 基本面：基本面良好的企业通常会有较高的分红意愿和能力，这些企业一般具有稳定的盈利水平和健康的财务状况，使它们能够承担分红的负担。此外，这些公司通常在业务上处于相较成熟的阶段业务拓展需求逐步降低、资本开支开始有所下降，也进一步提高了这些企业的分红意愿和分红能力。 现金流：现金流反映了企业生产经营的主要情况，是真正“留存”下来的现金，能够用于现金分红。自由现金流越多，可用于现金红利分配的资金额越多，企业就可能越倾向于采取高现金红利分配政策。值得说明的是，资本结构对自由现金流有重要影响，如有债务融资的公司，其部分盈利需用于偿付借款利息，可用于分红的现金流会相应减少，将影响分红的决策。 分红基因：每个企业的分红比例都是根据企业具体经营情况和战略需要来确定，这是一个动态变化的过程，不过，长久的实践使得国内高分红企业的画像越发清晰，比如惯常发放高股利的企业不会轻易停止分红或大幅降低分红比例、大股东持股比例高（特别是国有背景）的企业更倾向于通过高分红的方式回馈股东等等，一旦企业天生具备或长期呈现出了显著的红利基因，其分红延续性和实施概率也将远超其他企业。 针对以上三个维度，我们梳理出对应的一些指标，如下表所示。 表1：红利选股维度与对应指标 维度 指标 计算方式 基本面 ROE稳定性 近3年ROE同比标准差 经济相关性 近3年营收增速与GDP增速相关性 资本扩张强度 资本支出/折旧和摊销 每股收益 归属于普通股股东的当期净利润，除以发行在外普通股的加权平均数 现金流 净负债率 （带息债务-货币资金）/所有者权益*100%均值 有息负债率 带息债务/总资产*100% 可支配现金流 货币资金-带息负债 红利基因 历史分红率 近3年平均年度现金分红比例 股息率 近12个月分配给股东的股息占股价的百分比 分红稳定性 近3年实行分红的年数占比 维度 指标 计算方式 第一大股东持股 公司持股比例排名第一的股东持股数占公司总股本的比例 资料来源：Wind，iFind，华宝证券研究创新部 2.预测高分红，哪些因子有效？ 根据表1提出的指标，我们进一步构建多因子选股模型，最终目的是筛选出分红意愿高且具备现金股利支付能力的一篮子股票池。首先，采用常见的IC/IR方法对因子进行有效性检验，当IC值较高且IR值也相对稳定时，通常可以认为该因子在历史回测过程中对于寻找高分红股票是有效的。 为了综合考虑行业因素对于预测结果的影响，最大程度地结合行业层面和公司个体层面的因子有效性，我们对于明显受到行业层面影响的现金流指标和基本面维度的盈利稳定性指标（如ROE稳定性和经济相关性指标）进行因子的行业中信处理（中信二级行业），同时保留部分基本面指标以反映个股层面的差异度；而红利基因因子维度的指标本身更多地反映了公司自身的特征或市场宏观环境的变化，而不是特定行业的特性，因此其预测能力是跨行业的，在此不进行行业中性化处理。 再者，考虑到流动性和实际可投性，我们剔除了每期市值在市场后40%、正在被特别处理 （ST）和尚未盈利（U）的股票。除了初步计算时已做过多区间处理的因子，其他因子统一再进行排名的3年均值处理，统计时间区间为2017年到2022年，设置每年3月31日为调仓日，我们在每个调仓日都只采用能够获取的最新数据来计算相关因子值，避免使用未来数据。通过计算样本股票在调仓周期期初因子排名和调仓周期期末分红率排名的线性相关度，验证因子对企业分红率的预测能力，具体结果见表2。 结果显示，可支配现金流、历史分红率、股息率、分红稳定性、第一大股东持股和每股收益6个指标对年度现金分红率具备明显的正向影响作用，ROE稳定性、净负债率和有息负债率3个指标对年度现金分红率则呈现负向作用，这些因子对企业分红的预测能力均较强。而经济相关性和资本扩张强度因子却没有预想中有效，从IC和IR的数值来看，能够穿越经济周期的企业在未来或可维持相对稳定的分红，但并不一定会对应更高的分红比率。另外，企业资本经营规模的扩张程度与分红多少没有强相关联系，尤其随着监管对于上市公司的分红引导文件推出之后，不仅成熟期的公司会为股东提供更丰厚的分红，未来盈利能力较强、现金流良好、分红基因逐步提高的成长型企业也将积极地实施分红。 表2：因子IC/IR值 因子 IC均值 IR IC>0概率 Abs(IC)>0.3概率 ROE稳定性 -0.23 -5.37 0% 100% 经济相关性 0.02 0.73 66.67% 66.67% 净负债率 -0.19 -4.20 0% 100% 有息负债率 -0.19 -4.69 0% 100% 可支配现金流 0.17 3.87 100% 100% 历史分红率 0.53 14.79 100% 100% 股息率 0.53 29.80 100% 100% 分红稳定性 0.37 7.87 100% 100% 第一大股东持股 0.21 8.31 100% 100% 资本扩张强度 0.02 0.30 66.67% 66.67% 每股收益 0.30 9.58 100% 100% 资料来源：Wind，iFind，华宝证券研究创新部。统计时间区间为2017年到2022年，设置每年3月31日为 调仓日，每个调仓日都只采用能够获取的最新数据来计算相关因子值 基于因子有效性的结果，进一步构建出更为精炼和有效的高分红股票池，筛选出的标的应当是在这些有效因子的作用下分红比例突出的股票。具体地，参考各因子与分红率的相关程度及其稳定性，我们给予各因子不同权重，以得出一个综合分红因子： 综合分红因子值=4%*净负债率+4%*有息负债率+4%*可支配现金流+18%*第一大股东持股 +20%*股息率+10%*每股收益+15%*ROE稳定性+20%*分红稳定性+5%*历史分红率 其中，每个因子值为因子在样本中的排名，净负债率、有息负债率和ROE稳定性为倒序排列，即数值越小，排名越高，代表与分红率之间的反向关系，其他因子则为正序排列，代表对分红率的正向影响。 每个调仓日，在所有样本中筛选出综合因子值排名前15%的标的，构成每期高分红股票池。从统计情况看，历年综合分红因子值较高的股票次年实施分红的概率在95%左右，而次年分红率超越半数样本股票的概率均在80%以上，超越60%样本股票的概率也达到70%，说明该多因子选股模型具备一定的参考意义，期初筛选出的股票池中，大多标的在期末呈现出高分红意愿（次年有分红行为）且分红能力出类拔萃（次年分红率在市场中属于较高水平）。 表3：历年高分红股票池次年分红情况 年份 次年分红率高于50%样 本股票的数量占比 次年分红率高于60%样本股票的数量占比 次年是否分红 占比 2017年 84.75% 72.20% 96.41% 2018年 86.78% 74.79% 96.69% 2019年 84.44% 70.43% 96.50% 2020年 87.02% 72.52% 94.27% 202
