【国盛金工】红利低波的增强方案——详尽分析报告
一、元数据与报告概览
- 报告标题:红利低波的增强方案(国盛金工“薪火”量化分析系列研究(三))
- 作者:沈芷琦,赵博文,留富兵法
- 发布机构:国盛证券金融工程团队
- 发布日期:2023年08月18日
- 研究主题:专注于红利低波指数(H30269.CSI)及其优化组合构建方法,旨在通过改进调样周期和波动率因子选股机制,提升红利低波策略的收益及稳健性,探讨估值差择时以强化风险控制。
核心内容与主要结论:
- 红利低波指数从2014年至今表现稳定,年化收益13.26%,高于沪深300的7.98%,且波动率和回撤都较低。
- 指数编制方案存在调样周期过长、使用传统波动率因子选股效果不稳等缺陷。
- 通过缩短调样周期至月度、引入高频波动率因子选股,组合年化收益从16.68%提升至20.92%,并优化波动率与回撤表现。
- 利用估值差指标对红利低波指数进行择时,发出看空信号的胜率达69.23%,可有效防御下跌风险,且在理想卖空情景下,年化收益达到23.20%。
- 研究结果基于历史回测,模型存在失效风险,报告不构成具体投资建议。,1,3,6,9,11]
二、逐节深度解读
1. 红利低波指数特性及编制分析
报告首先阐述了红利低波指数的投资价值及其设计逻辑:
-
表现优势:2014年以来红利低波全收益指数年化收益13.26%,超沪深300全收益(7.98%)超过5个百分点,且信息比率为0.63,年化波动较沪深300更低(21.08% vs 22.36%),最大回撤较少(42.49% vs 46.06%),体现了收益稳定且风险较低的特点(图表1-3)。
-
行业配置:主要集中于银行(26.2%)、传媒(10.9%)、钢铁(8.6%)、石油石化(8.3%)等行业,这些多是传统高分红行业,兼具稳定分红与防御特性(图表4)。
-
编制方法详述:
- 样本空间限定于连续三年分红且过去一年市场与成交额均位于前80%的股票。
- 选样两步:先剔除异常分红(股利支付率过高、负增长),然后筛选长期高股息率的前75名,再从中选择波动率最低的50只股票,以股息率加权构建指数。
-
存在缺陷:
- 调样周期较长且固定为每年12月第二个周五调整,难以及时剔除波动率突然升高的个股,影响风险控制的及时性。
- 采用传统波动率因子(日收益率标准差)作为低波选择因子,波动率因子的稳定性和预测能力相对不足,选股效果受市场波动影响较大。
总结,此部分为后续提出优化方案奠定了基础,强调现有指数稳定但仍有改进空间。,2,3]
2. 改进方案一:月调早动,传统波动率因子选股
基于调样周期过长的问题,提出将调样频率由年频缩短为月频:
- 保持样本空间和初选标准不变。
- 在150只红利股票池中,过去一个月计算波动率,以此替代过去一年波动率,选波动率最低的50只构建组合。
- 结果表明(图表5、图表6),从2014年以来月调组合年化收益提升至16.68%,年化波动17.94%,信息比率0.93,最大回撤26.64%,所有指标均优于原指数。
- 然而按年回报(图表7)来看,2016-2018年出现连续跑输,说明用传统波动率因子的月调选股稳定性仍不乐观,局限性突出。,4]
3. 改进方案二:高频波动率因子提升低波选股效果
鉴于传统波动率因子选股的表现不稳,研究指出:
- 传统波动率因子(基于日度收益率标准差)在红利股票池的多空对冲表现有限,月度胜率仅52.21%,年化收益3.64%,波动较大(图表8-10)。
- 提出国盛自研的高频波动率因子minute_return_volatility,基于分钟级价格波动的标准差、20日内波动率变异系数,并做市值中性化处理。
- 高频波动率因子回测结果显著优于传统波动率:在红利股票池实现16.31%年化多空收益,波动率8.35%,信息比率1.95,月度胜率71.68%,最大回撤仅10.79%(图表11-13),6]。
- 在基于高频因子的月调组合构建中,最终将波动率因子替换为高频波动率,构建流程与月调组合一致。
- 该组合自2014年起的综合表现(图表14、15)显示年化收益20.92%,最大回撤29.05%,信息比率0.96,表现较普通月调版和红利低波全收益指数均有明显提升。
- 年度表现(图表16)来看自2019年以来超额收益相对稳定,2023年上半年超额达6.65%,7]
4. 改进方案三:红利低波指数的估值差择时策略
文章进一步探讨了低波策略择时的可能性:
-
依据AQR的研究,低波策略的表现受其相对估值影响较大;在美国市场低波股票的低市荐率(B/P)高于高波股票时,策略表现优异(图表17)。
-
结合红利低波指数构建估值差指标:
- 分别计算红利低波指数成份股和非成份股的B/P数值(剔除10%极端值,取均值),差值作为择时指标BP_spread。
-
回测发现该指标能较好指示未来一个月收益,当估值差显著偏高时,红利低波指数表现往往强劲,反之亦然(图表18展示了估值差与随后月度实际收益的关联)。
-
通过布林带信号定义做多卖空时点,指标触发卖出防御信号的正确率达到69.23%(图表21逐月信号与收益对应详细列出)。
-
在择时运用上,若信号触发采用空仓策略,年化收益提升至18.45%,最大回撤显著减少至21.12%;若能理想卖空,对冲收益更高,年化收益达23.20%,风险指标均优于持有红利低波全收益指数(图表19、20),10]
5. 总结章节
报告最后对上述工作做了总结:
- 确认缩短调样周期为月度有助于提高收益和控制风险。
- 选用高频波动率因子作为低波代理变量,显著提升选股效果,并且2019年以来保持了稳定超越原红利低波指数的表现。
- 估值差择时信号可以有效防御市场下跌风险,提高整体组合的风险调整收益。
- 强调所有结论均基于历史数据,模型存在失效风险,投资者需谨慎应用。
三、图表深度解读
图表1 & 2:红利低波指数与沪深300净值走势对比
- 图表1采用净值指数方式显示两者价格表现,长期趋势红利低波指数领先,且波动更温和。
- 图表2显示全收益(包含股息)视角,差距更明显,红利低波指数的累计回报远高沪深300。
- 两图均反映出红利低波有较强的收益稳定性,且回撤幅度更小,符合防御性策略预期。
图表3:绩效指标横向对比表
| 指标 | 沪深300 | 红利低波指数 | 沪深300全收益 | 红利低波全收益 |
|---|
| 年化收益 | 5.61% | 8.36% | 7.98% | 13.26% |
| 年化波动 | 22.37% | 21.15% | 22.36% | 21.08% |
| 信息比率 | 0.25 | 0.40 | 0.36 | 0.63 |
| 最大回撤 | 46.70% | 43.62% | 46.06% | 42.49% |
- 全收益版本显示红利低波组合在收益和风险调整后表现更佳。
图表4:行业分布(截至2023年6月)
- 银行业占26.2%,最大份额。
- 传媒(10.9%)、钢铁(8.6%)、石油石化(8.3%)等行业也占比较大,体现出选取的行业偏向高分红与较稳健防御行业。
图表5 & 6:月调组合净值走势与绩效对比
- 图表5显示月调组合净值曲线明显优于红利低波指数,且波动减小体现风险下降。
- 图表6中月调组合年化收益16.68%,比原指数(13.22%)高,且最大回撤从34.48%降至26.64%,显示更佳风控。
图表7:年度绩效表现分解
- 2016-2018年连续三年月调组合跑输全收益指数,表现不稳定。
- 近年如2019-2021年恢复跑赢,显示改进空间。
图表8-13:传统波动率与高频波动率因子对比
- 传统波动率因子在红利股票池中表现不佳,月度胜率仅52.21%,且收益表现较低,信息比率仅0.20。
- 高频波动率因子胜率高达71.68%,年化收益16.31%,信息比率1.95,最大回撤显著少于传统波动率因子。
- 极速提升了波动率因子作为低波代理的稳定性和预测能力,是本报告重大突破。
图表14-16:基于高频波动率的月调组合表现
- 图表14净值展示基于高频波动率的月调组合领先普通月调组合和原指数。
- 图表15中,多项指标实现提升,年化收益20.92%,信息比率0.96,虽年化波动略高,但回撤降低明显。
- 图表16年度分解说明该组合在不同市场环境中更稳定,近几年连续超越红利低波指数。
图表17:美国市场高低波股票B/P均值及差值
- 显示低波股票估值较高时,未来低波策略表现一般,反之估值低于高波时表现较好。
- 提供了国外经验与指标设计逻辑支撑。
图表18-21:估值差择时策略表现
- 图表18映射了估值差与未来红利低波指数收益,明显的估值差峰值对应较高未来收益。
- 图表19净值走势表明,采用择时(空仓与卖空两种方式)都能提供超额收益和降低风险。
- 表20进一步量化指标,尤其卖空策略年化23.20%报酬,最大回撤21.12%,远优于基准。
- 图表21列举了所有看空信号月份及信号正确与否,误判较少,胜率69.23%。
四、估值与风险因素分析
-
估值分析:
- 报告利用高频波动率因子替代传统波动率,作为更精细的低波风险度量方式。
- 按照典型Smart Beta策略框架,通过月度调仓,结合股息率加权,提升组合动态响应能力和盈利能力。
- 估值差择时策略基于红利低波与非红利低波成份股之间市净率倒数的差异,可被视为一种相对价值择时工具,结合布林带信号提升判别效能。
- 此次估值差策略显著降低了组合回撤,提升了风险调整收益,是进一步发挥红利低波防御功能的有效手段。
-
风险提示:
- 所有改进方案基于历史数据的回测,市场结构的变化可能导致模型失效。
- 高频数据运用依赖数据质量和延迟,实际交易中存在实施难度。
- 估值择时策略假设能卖空红利低波指数,实际操作存在限制。
- 报告明确指出,结论不构成具体投资建议,投资者应结合自身风险承受能力及投资需求审慎决策。
五、批判性视角与细微差别识别
- 报告较为客观地呈现了方案的优缺点,尤其提到缩短调样周期虽有明显收益提升但存在超额收益不稳定的年份。
- 高频波动率因子虽表现优越,但报告未进一步展开其实际实施中可能面临的流动性、数据时效问题。
- 择时策略强调卖空能力,实际对多数投资者而言难度较大,操作风险未充分讨论。
- 估值差择时虽胜率较高,但也存在若干误判月份,且选用市净率倒数指标,未涉及市盈率、现金流等其他估值维度衡量的补充与比较。
- 报告多处依赖Wind、国盛证券研究所数据,外部数据有效性未涉及进一步验证。
- 指标选择和权重确定存在一定定性处理,报告未深度披露算法细节及模型参数敏感性分析。
六、结论性综合
本报告系统分析了红利低波指数的构造及其内在不足,提出并验证了三项强化方案:
- 调样周期缩短至月频,使得组合能更灵活剔除风险股票,有效提升收益表现。
- 采用国盛自研的高频波动率因子替代传统波动率,显著增强低波因子的选股稳定性和预测能力,最终构建的基于高频波动率的月调红利低波组合,实现年化收益20.92%,信息比率0.96。
- 利用估值差进行策略择时,根据红利低波成份股与非成份股的市净率倒数差值,发出有效的策略看空信号,胜率达69.23%,显著降低组合回撤,提升年化收益达到23.20%,防御效果突出。
各项图表均集中体现了上述观点:月调组合、特别是高频波动率版本,均表现出优于原指数的净值成长和风险调整后回报;估值差择时明确辅助了策略的风险管理和收益提升。
整体上,国盛金工团队以严谨量化分析展现了红利低波策略的内生优势及外部可优化路径,为投资者提供了切实可行的投资改良思路。但须注意历史数据背景与实际市场操作间可能存在的差异,宽泛披露的风险提示要求投资者慎重。
综上所述,报告强调:
- 红利低波指数为长期持有提供了稳健收益与防御优势。
- 通过调样频率调整和高频波动率因子替代,能够明显提升选股效率与组合性能。
- 结合估值差择时,则进一步提升超额收益和下行保护能力,展现了Smart Beta策略在中国市场的应用潜力。
- 建议投资者结合自身运作机制和市场条件,考虑采纳或研究这些升级方案,但应警惕历史业绩并不保障未来表现。
(全文所有内容观点、数据、图表均来自报告原文,页码溯源:[0]-[12])