开源量化评论（93）：红利增强Plus组合构建：价值优选续篇

金融工程专题 2024年04月29日 红利增强Plus组合构建：价值优选续篇 金融工程研究团队 ——开源量化评论（93） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 shengshaocheng@kysec.cn 证书编号：S0790523060003 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 苏良（分析师） 证书编号：S0790523060004 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《盈利预期调整优选组合的构建—开源量化评论（60）》-2022.8.6 《业绩超预期Plus组合2.0：基于预期调整的修正—开源量化评论（72）》 -2023.3.23 《价值增强Plus组合构建与多策略融合实践—开源量化评论（82）》 -2023.11.21 价值Plus组合2024年2月回撤较大 价值Plus组合在2024年2月份产生较大回撤，原因在于该组合市值整体偏小。除此之外，价值增强Plus组合第二个问题即：并不是纯粹意义上的价值组合，更像是低估增强组合。我们发现分红维度可以进一步进行“价值提纯”。另外，红利类指数2024年表现亮眼，例如中证红利指数录得了10.71%的绝对收益（截至20240426）。本篇报告尝试对价值Plus组合稍作修改，构建红利Plus组合。 优质红利池的构建 构建优质红利池具体步骤如下： 1、确定高分红股票池。参照中证红利编制方式，具体规则为：（1）过去一年日均总市值排名在前80%；（2）过去一年日均成交金额排名在前80%；（3）过去三年连续现金分红且过去三年股利支付率的均值和过去一年股利支付率均大于0且小于1；（4）将Divdend_TTM比较高的1/3取出，定义为高分红股票池。 2、将高分红股票池与优质低估池取交集。 通过测算发现，低估高分红股票池表现明显优于高估高分红股票池，后续我们将低估高分红股票池称之为优质红利池。 红利Plus组合的构建 在增强部分，对于基本面因子，我们使用预期股息率因子。相较于中证红利而言，我们还加入了技术因子，其中长端动量效果较好。 在优质红利池中，预期股息率因子三分组多空对冲年化收益6.59%、信息比率1.38。长端动量因子三分组多空对冲年化收益5.46%、信息比率1.03。 最终，在优质红利池中，我们将预期股息率、长端动量因子进行等权合成，优选股票50只，使用过去12个月股息率Divdend_TTM加权，将其称为红利Plus组合。该组合全区间绝对收益为19.47%，收益波动比0.92，超额中证红利全收益 年化收益7.44%，收益波动比为1.10，所有年份都录得了正超额。 其他重要讨论 市值行业分布：1、红利Plus组合的市值中位数全区间均值为213亿，偏中大市值；2、组合整体偏向价值风格，占比前5大的行业为：银行、交通运输、汽车、公用事业、房地产。 股票只数敏感性分析：随着入选股票只数的增加，绩效基本呈现单调递减规律，最优入选股票个数为50只，此时年化收益为19.47%，信息比率为0.92。 Wind的PMS名称：【开源金工】红利Plus。 风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、价值Plus组合样本外跟踪3 1.1、价值Plus组合2024年以来回撤较大3 2、优质红利池的构建4 2.1、优质低估池绩效回顾4 2.2、优质红利池构建5 3、红利Plus组合的构建6 3.1、基本面因子的选择：预期股息率效果较好6 3.2、技术指标的筛选：长端动量因子效果优异7 3.3、红利Plus组合的构建7 4、其他重要讨论8 4.1、红利Plus组合的市值和行业分布8 4.2、红利Plus组合选股敏感性分析9 4.3、红利Plus组合绩效跟踪平台9 5、风险提示10 图表目录 图1：围绕着收益拆解公式，衍生出的基本面选股框架3 图2：价值Plus组合2024年以来回撤较大，主要因为组合整体市值偏小4 图3：改进PB-ROE残差因子表现明显优于PB因子4 图4：在低估股票池中，低成长低股息股票池净值最低5 图5：低估高分红股票池表现明显优于高估高分红股票池6 图6：在优质红利池中，预期股息率因子分组效果较好6 图7：在优质红利池中，长端动量因子分组效果较好7 图8：红利Plus组合的净值表现优异7 图9：红利Plus组合偏中大市值9 图10：红利Plus组合行业分布偏价值板块9 图11：Wind的PMS跟踪：【开源金工】红利Plus10 表1：红利Plus组合所有年份都录得了正超额8 表2：红利Plus组合选取股票只数的敏感性分析9 对于基本面选股而言，开源金融工程团队围绕着股票收益拆解的公式，即“收益=估值提升+盈利+分红”出发，构建了一系列组合，整体流程如图1所示。 在《盈利预期调整优选组合的构建》和《业绩超预期Plus组合2.0：基于预期调整的修正》中，我们从盈利维度出发，结合分析师预期数据，构建了预期调整Plus和超预期Plus组合。但是这两个组合都是偏成长风格，近两年有所回撤，主因在于估值维度的负贡献较大。为了解决这一问题，我们在《价值增强Plus组合构建与多策略融合实践》中直接从估值维度出发，使用改进PB-ROE残差因子界定低估与否，剔除“价值陷阱”后构建了优质低估池，并在此基础上构建了价值Plus组合。 除了估值维度和盈利维度，本篇报告尝试从红利维度出发构建组合。在红利组合的构建中，不同于超预期和预期调整组合，估值维度为较好的联合维度。以改进PB-ROE残差因子为例，其在超预期股票池的三分组多空收益波动比仅为0.90，而在高分红（过去12个月股息率较高的1/5）股票池中，其三分组多空收益波动比提升至1.81，效果明显更佳。所以，本篇报告中红利Plus组合构建主要分为三步：（1）界定优质低估池；（2）结合分红维度界定优质红利池；（3）因子增强。 图1：围绕着收益拆解公式，衍生出的基本面选股框架 资料来源：开源证券研究所(金融工程团队) 1、价值Plus组合样本外跟踪 1.1、价值Plus组合2024年以来回撤较大 在《价值增强Plus组合构建与多策略融合实践》中，我们分三步建立了价值Plus组合：1、改进PB-ROE残差因子，并使用其界定低估股票池；2、从分红和盈利两大维度出发，进行“价值陷阱”的剔除，构建了优质低估池；3、在优质低估池中，使用改进PB-ROE残差因子、单季度净利润同比的环比、预期股息率和长端动量综合打分，优选30只股票。但该组合在2024年2月份产生较大回撤，原因在于该组 合市值整体偏小，在原始报告中我们测算其市值中位数为63亿。 除了整体市值较小之外，价值Plus组合第二个问题即：并不是纯粹意义上的价值组合，更像是低估增强组合。我们发现分红维度可以进一步进行“价值提纯”。除 此之外，红利类指数2024年表现亮眼，例如中证红利录得了10.71%的绝对收益（截至20240426）。所以本篇报告尝试对价值Plus组合稍作修改，构建红利Plus组合。 图2：价值Plus组合2024年以来回撤较大，主要因为组合整体市值偏小 数据来源：Wind、开源证券研究所 2、优质红利池的构建 2.1、优质低估池绩效回顾 在价值Plus组合的构建中，我们构建了优质低估池，思路主要有以下两步：1、改进PB-ROE残差因子，并使用其界定低估股票池；2、从分红和盈利两大维度出发，进行“价值陷阱”的剔除。这里我们对两个步骤做简单的绩效回顾。 改进PB-ROE残差因子10分组多空表现如图3所示，收益波动比为1.68，明显优于PB因子的0.70。 图3：改进PB-ROE残差因子表现明显优于PB因子 数据来源：Wind、开源证券研究所 在“价值陷阱”剔除中，盈利维度我们使用的是单季度ROE同比，分红维度使 用的是过去12个月股息率（Divdend_TTM）。结合盈利和分红，我们将低估股票池内分为四大象限：高成长高股息、高成长低股息、低成长高股息、低成长低股息。高成长高股息表现最好，低成长低股息表现最差，结果如图4所示。最后，我们将位于低成长低股息象限的股票进行剔除，并将剔除“价值陷阱”的低估股票池称为：优质低估池。 图4：在低估股票池中，低成长低股息股票池净值最低 数据来源：Wind、开源证券研究所 2.2、优质红利池构建 在构建优质红利池中，具体步骤如下所示： 1、确定高分红股票池。参照中证红利编制方式，具体规则为：（1）过去一年日均总市值排名在前80%；（2）过去一年日均成交金额排名在前80%；（3）过去三年连续现金分红且过去三年股利支付率的均值和过去一年股利支付率均大于0且小于1；（4）将Divdend_TTM比较高的1/3取出，定义为高分红股票池。 2、将高分红股票池与优质低估股票池取交集。 从图5中我们可以明显看出，低估高分红股票池表现明显优于高估高分红股票池，后续我们将低估高分红股票池称之为优质红利池。这里需要说明的是，由于Divdend_TTM的定义方式，导致该因子和估值因子天然高相关，其和PB相关性为 -41.9%，和PE_TTM相关性为-58.5%。但是其和改进PB-ROE残差因子相关性只有 -19.7%，所以使用改进PB-ROE残差可以一定程度增强高分红股票池。 图5：低估高分红股票池表现明显优于高估高分红股票池 数据来源：Wind、开源证券研究所 3、红利Plus组合的构建 在增强部分，对于基本面因子，我们使用预期股息率因子。相较于中证红利而言，我们还加入了技术因子，其中长端动量效果较好。 3.1、基本面因子的选择：预期股息率效果较好 对于预期股息率因子的构建而言，其需要预测净利润和股息支付率，但二者的预测难度较大且效果不一定好，本文采取简版做法，即假设股息支付率不变，分红的增长率等于净利润的累计增长率。预期股息率因子在优质红利股票池内依旧具备一定的分组能力，三分组多空对冲年化收益6.59%、信息比率1.38。 图6：在优质红利池中，预期股息率因子分组效果较好 数据来源：Wind、开源证券研究所（注：Group_1为因子值最小的一组） 3.2、技术指标的筛选：长端动量因子效果优异 长端动量因子在优质红利股票池内依旧具备一定的分组能力，三分组多空对冲年化收益5.46%、信息比率1.03。在A股市场中，动量效应难寻踪迹。无论是长端涨跌幅还是短端涨跌幅，在A股市场中均呈现显著的反转效应。由于高振幅交易日中，投资者过度反应的概率更高，反转效应更强，并且直接导致长端涨跌幅总体呈现反转效应，开源金融工程团队在报告《A股市场中如何构造动量因子》中，通过振幅切割的方式，剔除高振幅交易日的涨跌幅，从而剔除过度反应的涨跌数据，去伪存真，构建长端动量因子，有效捕捉A股市场中的动量效应。 图7：在优质红利池中，长端动量因子分组效果较好 数据来源：Wind、开源证券研究所（注：Group_1为因子值最小的一组） 3.3、红利Plus组合的构建 结合上述的分析，我们最终在优质红利股票池中，将预期股息率、长端动量因子进行等权合成，优选股票50只，使用过去12个月股息率Divdend_TTM加权，将其称为红利Plus组