相对收益解决方案：红利指数增强

证券研究报告 金融工程|专题报告 相对收益解决方案：红利指数增强 请务必阅读报告末页的重要声明 2024年08月24日 证券研究报告 |报告要点 本研究基于中证红利指数选股池构建了指数增强模型，并通过组合优化提升了策略表现。在选股方面，通过单因子测试和Fama-Macbeth回归检验确定了六个有效因子，根据纯因子收益率加权得到的复合因子年化超额收益率为9.08%；采用均值方差模型进行组合优化，优化后组合年化超额收益率达9.36%，信息比率显著提升至2.52。同时，通过潜伏高股息策略，在5月至7月期间进一步提升收益，最终中证红利指数增强策略实现年化超额收益率13.63%，夏普率1.01，信息比率1.71。 |分析师及联系人 陆豪 康作宁 SAC：S0590523070001SAC：S0590524010003 请务必阅读报告末页的重要声明1/15 金融工程|专题报告 2024年08月24日 金融工程专题 相对收益解决方案：红利指数增强 相关报告 1、《市场情绪由空转多，行业轮动表现优异 —周报2024年8月16日》2024.08.18 2、《量价因子表现回暖，市场空头情绪减弱 —周报2024年8月9日》2024.08.12 扫码查看更多 中证红利指数增强选股池：高股息、稳定 参考中证红利指数编制方案，选取了一部分现金股息率高、分红较为稳定，并且具有一定规模及流动性的上市公司作为指数样本。同时剔除了派发特别股息的异常情况和经营质量不佳的股票。 选股因子：多维度 我们从价值、流动性、波动性、反转、股息这五个角度分别选取了一些因子，从多个维度切入，在红利选股池中寻找有效的因子。通过单因子测试和Fama-Macbeth回归检验，最终确定了PB-ROE、60日均换手率、10日波动率、60日成交量波动率、5日均线/60日均线和股息率TTM作为选股因子，并根据纯因子收益率加权得到复合因子。复合因子年化超额9.08%，信息比率0.95。 组合优化：信息比率2.52 基于马可维兹的均值方差模型，我们构建了组合优化器对指数增强组合进行了权重二次优化，目标函数设置为最大化经风险调整后组合预期收益。约束方面，我们设置了权重约束、主动风险约束、风格因子约束、行业因子约束、成分股约束。组合优化效果显著，年化超额9.36%，信息比率2.52。 潜伏高股息策略：平均超额5.93% 我们构建了一个从分红方案发布日到除息除权日的潜伏高股息策略：在5月的第一个交易日买入出一批高股息、高股息支付率成长的股票，并在除权除息日前一个交易日卖出，直到8月第一个交易日清仓。潜伏高股息策略表现优异，每年仅持仓三个月的前提下，实现了平均5.93%的超额。 中证红利指数增强策略：年化超额13.63% 以组合优化后的复合因子选股模型为基底，在每年的5-7月用潜伏高股息的持仓进行替换，构建中证红利指数增强组合。年化收益率16.14%，年化超额13.63%，夏普率1.01，信息比率1.71，超额最大回撤8.71% 风险提示：量化模型存在失效风险，信息仅供参考，不构成投资建议。市场存在波动性和不确定性，投资需谨慎。过去的业绩表现不能保证未来的收益，投资者应根据自身的风险承受能力和投资目标独立判断并做出决策。 正文目录 1.选股池构建4 1.1中证红利指数编制方案4 1.2中证红利指数增强选股池构建4 2.选股因子测试5 2.1单因子测试5 2.2选股模型绩效表现5 3.组合优化7 3.1组合优化器原理7 3.2组合优化绩效表现7 4.潜伏高股息策略9 4.1潜伏高股息选股池构建9 4.2潜伏高股息策略10 4.3潜伏高股息绩效表现11 5.中证红利指数增强策略13 5.1中证红利指数增强绩效表现13 6.风险提示14 图表目录 图表1：单因子测试5 图表2：选股模型净值曲线（左轴：净值，右侧：超额累计收益）6 图表3：选股模型绩效统计6 图表4：组合优化选股模型净值曲线（左轴：净值，右侧：超额累计收益）8 图表5：组合优化绩效统计8 图表6：选股池股票数量分布（单位：只）9 图表7：调仓规则流程图10 图表8：仓位变化11 图表9：潜伏高股息净值曲线（左轴：净值，右侧：超额累计收益）11 图表10：潜伏高股息净值曲线（拼接）（左轴：净值，右侧：超额累计收益）.12 图表11：潜伏高股息绩效统计12 图表12：中证红利指数增强净值曲线（左轴：净值，右侧：超额累计收益）13 图表13：中证红利指数增强绩效统计13 1.选股池构建 1.1中证红利指数编制方案 中证红利指数样本空间选取方法如下： （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。 中证红利指数选取了一部分现金股息率高、分红较为稳定，并且具有一定规模及流动性的上市公司作为指数样本；同时限制股利支付率小于1，排除了由于派发特别股息导致的股利支付率异常高的情况。 1.2中证红利指数增强选股池构建 在中证红利指数编制方案的基础上，我们剔除了一部分经营质量不佳的样本，构建了指数增强选股池： （1）中证红利指数样本空间； （2）剔除PE_LF（市净率）和PE_TTM（市盈率）小于0的样本； （3）剔除ST和ST*样本； （4）剔除上市不足90天的样本； （5）时间区间为2017年至今。 2.选股因子测试 2.1单因子测试 我们从价值、流动性、波动性、反转、股息这五个角度分别选取了一些因子，在常规的去极值、标准化、行业市值中性化后，在红利增强选股池中进行了单因子测试，并在正交化后进行了Fama-Macbeth回归检验，保留了统计意义上显著的因子。 图表1：单因子测试 PB_ROE 60日均换手率 10日波动率 60日成交量波动率 5日均线/60日均股息 RankIC年化超额信息比率t-检验值(绝对 -0.0427 7.93% -0.0659 7.71% -0.0583 4 0.76 -0.0 资料来源：wind，国联证券研究所整理 其中，PB-ROE因子为加入了PE中位数三分域和行业分域得到的改进因子。 2.2选股模型绩效表现 我们使用Fama-Macbeth对正交化因子回归得到的纯因子收益率作为权重，加权得到复合因子。调仓频率月频，手续费双边千分之一，每期选出100只股票。复合因子选股组合年化收益率11.96%，年化超额9.08%，夏普率0.72，信息比率0.95，超额最大回撤19.00%。 选股模型净值曲线如下所示： 图表2：选股模型净值曲线（左轴：净值，右侧：超额累计收益） 资料来源：uqer，国联证券研究所整理（注：截至2024年7月31日） 选股模型绩效统计如下所示： 图表3：选股模型绩效统计 组合收益率基准收益率超额收益率组合波动率跟踪误差信息比率最大回撤超额最大回撤组合夏普率 2017 4.73% 14.26% -9.53% 9.57% 6.64% -1.44 -8.33% -10.91% 0.49 2018 -13.60% -19.24% 5.63% 19.32% 9.53% 0.59 -26.73% -9.63% -0.70 2019 50.16% 15.73% 34.42% 19.45% 8.85% 3.89 -16.81% -4.10% 2.58 2020 14.71% 3.49% 11.22% 19.18% 7.10% 1.58 -12.05% -7.26% 0.77 2021 23.92% 13.37% 10.55% 12.29% 11.48% 0.92 -7.81% -5.35% 1.95 2022 7.03% -5.45% 12.48% 18.04% 8.99% 1.39 -12.11% -6.55% 0.39 2023 7.61% 0.89% 6.72% 10.90% 7.89% 0.85 -11.39% -8.78% 0.70 2024 2.44% 2.92% -0.48% 22.08% 16.22% -0.03 -12.68% -13.04% 0.11 All 11.96% 2.88% 9.08% 16.65% 9.56% 0.95 -27.96% -19.00% 0.72 资料来源：uqer，国联证券研究所整理（注：截至2024年7月31日） 3.组合优化 3.1组合优化器原理 组合优化器基于马可维兹的均值方差模型，对指数增强组合进行了权重二次优化。目标函数设置为最大化经风险调整后组合预期收益，决策变量为组合中个股权重构成的向量。基准选择的是中证红利指数。 约束方面，我们设置了权重约束（上下限统一约束、上下限相对约束、杠杆约束）、主动风险约束、风格因子约束、行业因子约束、成分股约束。 具体的组合优化器设置如下： � 𝑀𝑎𝑥𝑖𝑚𝑖𝑧�𝑅�−𝜆𝜎2 𝑠.𝑡.∀𝑖,𝑤�≥0 � ∑𝑤�=1 1 𝑤�≤𝑤𝑢𝑝𝑝𝑒𝑟,� ∀𝑖,𝑤𝑏𝑒𝑛𝑐ℎ,�−𝜀�≤𝑤�≤𝑤𝑏𝑒𝑛𝑐ℎ,�−𝜀� 𝜎2=𝑤�(𝑋𝐹𝑋�+∆)𝑤𝑏𝑖𝑎� 𝑎𝑐𝑡𝑖𝑣�𝑏𝑖𝑎� ∀𝑗,−𝜀�≤𝑤𝑇𝐵�−𝐵𝑏𝑒𝑛𝑐ℎ,�≤𝜀� ∀𝑘,−𝜀�≤𝑤𝑇𝐼�−𝐼𝑏𝑒𝑛𝑐ℎ,�≤𝜀� 成分股个数占比≥γ 其中，𝑅�=∑�𝑤�∙(∑�𝑥𝑗𝑓�+𝜇𝑖)，𝜎2=𝑤𝑇(𝑋𝐹𝑋�+∆)�。 11� 我们约束所有权重非负且和为1，所有样本的权重上限为5%。对于是成分股的样本，权重偏差相较于成分股不超过0.5%，样本在各个风格和行业上的暴露相较于中证红利的暴露偏差不超过0.2，样本中要求成分股数量不低于80%，求解器为SCS。 3.2组合优化绩效表现 调仓频率月频，手续费双边千分之一，每期选出100只股票。组合优化选股模型年化收益率11.87%，年化超额9.36%，夏普率0.73，信息比率2.52，超额最大回撤6.94%。 组合优化选股模型净值曲线如下所示： 图表4：组合优化选股模型净值曲线（左轴：净值，右侧：超额累计收益） 资料来源：uqer，国联证券研究所整理（注：截至2024年7月31日） 组合优化选股模型绩效统计如下所示： 图表5：组合优化绩效统计 组合收益率基准收益率超额收益率组合波动率跟踪误差信息比率最大回撤超额最大回撤组合夏普率 2017 15.33% 11.12% 4.21% 8.91% 2.46% 1.71 -6.30% -1.51% 1.72 2018 -13.14% -19.24% 6.10% 18.39% 3.45% 1.77 -25.65% -2.26% -0.71 2019 27.13% 15.73% 11.40% 16.75% 3.47% 3.28 -13.59% -1.53% 1.62 2020 19.91% 3.49% 16.42% 19.83% 4.10% 4.01 -13.20% -2.93% 1.00 2021 20.27% 13.37% 6.90% 15.74% 4.15% 1.66 -15.02% -6.51% 1.29 2022 4.55% -5.45% 10.00% 19.43% 4.57% 2.19 -12.60% -5.75% 0.23 2023 6.51% 0.89% 5.62% 11.44% 2.67% 2.10 -10.29% -5.78% 0.57 2024 9.90% 2.92% 6.98% 14.79% 4.50% 1.55 -7.84% -3.36% 0.67 All 11.87% 2.51% 9.36% 16.24% 3.72% 2.52 -25.65% -6.94% 0.73 资料来源：uqer，国联证券研究所整理（注：截至2024年7月31日） 4.潜伏高