量化模型与构建方式 1. 模型名称：红利超额收益择时模型 - 模型构建思路：基于宏观流动性（美债收益率、国内M2同比）、经济预期（M1-M2同比剪刀差）等指标，构建中证红利相对于万得全A的超额收益择时策略[5] - 模型具体构建过程： 1. 选取全球流动性指标：10年期美债收益率，观察其60日均线与250日均线的交叉情况[5] 2. 选取国内流动性指标：M2同比增速，结合其历史趋势分析[7] 3. 选取国内经济预期指标：M1-M2同比剪刀差，分析其变化趋势[7] 4. 综合以上指标，构建择时信号，判断红利风格的超额收益潜力[5][7] - 模型评价：模型自2010年以来的超额收益择时年化收益为9.94%，今年超额择时收益为17.53%，表现较为优异[5] 2. 模型名称：回归估值模型（PETTM与DP） - 模型构建思路：通过回归分析中证红利的估值指标（PETTM、DP）与未来收益的关系，预测未来一年绝对收益和超额收益[13][16] - 模型具体构建过程： 1. PETTM维度： - 计算中证红利的绝对PETTM百分位，并与未来一年绝对收益进行回归分析，公式为： 其中，为未来一年绝对收益，为近三年绝对PETTM百分位[15] - 计算中证红利的相对PETTM（中证红利PETTM/万得全A PETTM），并与未来一年超额收益进行回归分析，公式为： 其中，为未来一年超额收益，为近三年相对PETTM百分位[19] 2. DP维度： - 计算中证红利的绝对DP百分位，并与未来一年绝对收益进行回归分析，公式为： 其中，为未来一年绝对收益，为近三年绝对DP百分位[21] - 计算中证红利的相对DP（中证红利DP/万得全A DP），并与未来一年超额收益进行回归分析，公式为： 其中，为未来一年超额收益，为近三年相对DP百分位[24] - 模型评价：PETTM与收益的相关性为负，DP与收益的相关性为正，模型能较好地捕捉估值与收益的关系[13][16] 3. 模型名称：价量模型 - 模型构建思路：通过成分股权重与成交额的历史分布，分析中证红利未来收益的反转风险和交易拥挤度[22][27] - 模型具体构建过程： 1. 成分股权重： - 统计中证红利成分股中位于120日均线以上的权重合计，并与未来一年绝对收益进行回归分析，公式为： 其中，为未来一年绝对收益，为120日均线上权重合计[26] 2. 成交额百分位： - 计算中证红利成交额的近三年百分位，并与未来一年绝对收益进行回归分析，公式为： 其中，为未来一年绝对收益，为成交额百分位[31] - 模型评价：模型能有效捕捉短期反转效应和交易拥挤度对收益的影响[22][27] 4. 模型名称：红利50优选组合 - 模型构建思路：在高股息收益的基础上，叠加线性多因子模型和Barra风格因子约束，进一步增强组合资本利得收益[43] - 模型具体构建过程： 1. 选取高股息收益的成分股作为基础组合[43] 2. 叠加线性多因子模型，优化组合的资本利得收益[43] 3. 采用Barra风格因子约束，控制组合的风格漂移[43] 4. 结合三维红利超额择时模型，动态调整红利风格暴露度[43] - 模型评价：组合在不同时间区间内均表现出较好的超额收益能力[43] --- 模型的回测效果 1. 红利超额收益择时模型 - 年化超额收益：9.94%[5] - 2023年超额收益：17.53%[5] 2. 回归估值模型（PETTM与DP） - PETTM维度： - 近三年绝对PETTM百分位：53.40%[13] - 近三年相对PETTM百分位：91.32%[14] - 未来一年绝对收益预测：11.81%[13] - 未来一年超额收益预测：0.06%[14] - DP维度： - 近三年绝对DP百分位：30.04%[16] - 近三年相对DP百分位：3.74%[17] - 未来一年绝对收益预测：6.52%[16] - 未来一年超额收益预测：3.67%[17] 3. 价量模型 - 120日均线上权重合计：40.43%[22] - 成交额近三年百分位：15.62%[27] - 未来一年绝对收益预测：11.38%（权重合计）[22] - 未来一年绝对收益预测：29.48%（成交额百分位）[27] 4. 红利50优选组合 - 近一年绝对收益：6.37%[43] - 近一年超额收益：3.60%[43] - 近三月绝对收益：-6.98%[43] - 近三月超额收益：-1.25%[43] - 2022年以来累计超额收益：16.00%[43]
红利风格投资价值跟踪（2024W31）：美债收益率步入下行区间，北向资金开始回补红利
信达证券·2024-08-10 16:47