本报告针对股息率的内涵和传统计算方法的缺陷,系统构建了基于股利政策分类、净利润预测及分析师一致预期的预期股息率计算框架。通过区分固定每股派息与固定分红比例两类股利政策,采用时序建模与线性外推等方法精确预测分红率与净利润。实证显示,预期股息率指标较传统中证红利指数在多数年份能更准确预测未来实际股息率,胜率达77.8%。以此因子构建的SmartBeta红利组合及叠加高质量、低波动风格的“红利+”组合均战胜沪深300及中证红利指数,展现了良好的风险调整后收益能力
报告标题:如何准确测算预期股息率?——量化选股系列之七
发布机构:光大证券研究所
日期:2022年8月24日
作者:祁嫣然,曲虹宇(均为持证证券分析师)
主题:金融工程,聚焦股息率的计算与预测方法,构建预期股息率指标及其在量化选股中的应用
核心论点:
报告指出传统股息率计算方法(静态与动态股息率)存在显著缺陷,缺乏对企业未来盈利、分红稳定性及估值变化的合理考虑。作者提出,股息率是一个包含丰富价值信息的因子,理想的高股息率股票应满足高盈利、高盈利预期与低估值等条件。因此,测算预期股息率需要构建一个包括分红率、净利润和市值三部分的框架。通过基于上市公司现金分红政策的分类与净利润预测(结合分析师一致预期及历史业绩),建立了更准确的预期股息率指标,并证明其预测效果优于传统指标,如中证红利指数。此外,报告利用该指标构建了多种SmartBeta红利策略组合,均表现优异。,4,6,17,22]
股息率指标富含多维信息:
高股息率不仅反映当前派息水平,还隐含企业盈利状况、未来盈利预期以及估值水平,且受到现金流状况、企业成长性和负债结构等影响。
静态股息率的缺陷:
静态股息率以历史分红金额与当前市值的比值计算,隐含“历史分红可持续”的假设。但如兖矿能源(600188.SH)案例显示,其历年分红金额波动剧烈,采用历史分红作为预测值容易导致偏差(图1和表1)。说明静态股息率不能反映企业未来分红的真实预期。
动态股息率的缺陷:
动态股息率基于过去12个月的现金股利计算,存在统计窗口问题,分红时间节点差异导致数据合计误差。例如中国神华(601088.SH)动态股息率在除权除息日前夕呈现零值,是短期统计误差反映,并非真实变化(图2和表2)。动态股息率仍缺乏预测层面合理性。
现金股利政策主要分两种核心类别:
1)固定每股派息(股利不随盈利波动)
2)固定分红比例(股利与盈利同比例变化)
实例说明:
异常分红处理:
分红比例超过100%被视为异常,剔除后仍具典型的固定分红比例特性,如南玻A(000012.SZ)案例(图10、图11,表8)。
时序建模:
通过时间序列加权回归,拟合每股派息与基本每股收益的关系,选取回归R²超过0.8的公司判定为固定分红比例公司,市场主流公司的中位数R²稳定在88%左右,表明此股利政策占绝大部分(表9)。
对剩余公司检测派息的偏离幅度,若最大偏离在50%以内则识别为固定派息政策(表10)。剩余样本分红政策不具预测性,采用上一期实际分红率作为预测。
不同股利政策占比:沪深300和中证500成分股中固定分红比例占比最大(近50%以上),固定每股派息占20%左右,其他为不确定或数据不足(图12,图13)。
报告未直接涉及传统意义上的市场估值模型(如DCF、市盈率等),而是通过“预期股息率”这一价值因子构建投资组合,侧重因子投资与量化选股的估值角度。预期股息率因子本质上结合了盈利预期与当前市值的市场估值隐含信息,进而体现估值判断:
[ \text{预期股息率} = \frac{\text{预期净利润} \times \text{预期分红率}}{\text{当前市值}} ]
市值作为分母体现现价估值水平,净利润与分红率预测体现未来盈利与派息能力。此模型避免了直接预测市值波动的不确定性,强调以分红和盈利为核心的现金流价值预期。
报告明确指出所有结论基于历史数据,未来行情、政策及企业行为可能存在不可重复性,导致预测的非可靠性。
评级体系与风险提示强调模型及数据的假设限制,提醒投资者理性判断。
对分析师一致预期数据的偏高问题有所认知,但仍判定其优于历史外推。覆盖度较低者改用较不精确方法,潜藏误差风险。
异常分红行为和企业突发财务违约风险也在模型使用时需关注。
虽然报告提出了系统化的预期股息率预测框架,充分利用企业分红政策和多角度净利润预测,显著提升了预测能力。但仍有依赖稳健假设的成分,如针对业绩稳定性和剔除异常数据的判断,在实际市场多变环境可能存在限制。
利用分析师一致预期增强预测力,但其偏向乐观、受限分析师覆盖面,也意味着预测结果可能系统性偏高。
市值不参与预测,避免预测复杂度,但可能忽略了价格非理性波动对股息率指标表现的影响。
分红政策的分类虽细致,但对政策变化频繁或者信息不透明的企业效果有限。
组合构建主要以过去表现最优的因子指标选股,缺少对市场周期变化中模型稳健性的验证数据。
整体来看,报告展现了稳健且信息丰富的股息率预测框架及其应用,并通过历史回测多次验证。其创新性在于结合分红现金政策分类、业绩稳定性、分析师预期及异常值处理,系统性强。
本报告系统分析了股息率这一多维价值因子的内涵,指出传统的静态及动态股息率指标存在显著缺陷,不能有效反映企业未来红利能力。作者创新性地基于企业现金股利政策划分,将企业分为固定分红比例和固定每股派息两大类别,针对不同类别分别设计分红率预测模型,并结合分析师一致预期及历史业绩线性外推方法,对净利润进行合理预测,构建了完整的预期股息率计算框架(图3、图19)。
通过严格划分大概率不分红的股票(净利润负增长、业绩大幅下滑及债务违约者),有效剔除扰动样本,进一步提升预测准确率。报告所构建的预期股息率指标在过去十年的实证对比中展现优越的预测能力,胜率达77.8%(图20,表11)。基于此因子构建的多种SmartBeta红利策略组合,包括纯红利、红利+高质量及红利+低波动组合,均表现出显著优于沪深300及中证红利的收益表现(图22、23、24,表13、14、15)。
总体来看,报告提供的预期股息率指标及模型框架不仅提升了股息率因子的预测准确性,还为量化选股提供了价值且可行的工具,进而助力构建更具竞争力的红利类SmartBeta策略组合,成果具备较强的现实指导意义。
报告也客观说明基于历史数据存在局限性,强烈建议投资者结合市场实际、政策环境和公司基本面,综合运用该预期股息率指标。
以上为报告全文的详尽分析解构,包含每个章节的关键点总结、图表数据详解及批判性视角。旨在为专业投资者和研究人员提供全面、深刻且清晰的报告理解支持。
20220824-光大证券-光大证券量化选股系列报告之七:如何准确测算预期股息率?.pdf