打开APP
userphoto
未登录

开通VIP,畅享免费电子书等14项超值服

开通VIP
【华泰金工林晓明团队】低利率环境下寻找优质高息资产——标普中国A股大盘红利低波50指数投资价值分析

林晓明   S0570516010001    研究员

黄晓彬   S0570516070001    研究员

韩晳      S0570118090078    联系人

刘依苇   S0570119090123    联系人

源洁莹   S0570119080125    联系人

报告发布时间:2020年5月12日

摘要

标普中国A股大盘红利低波50指数在未来低利率环境或将凸显投资价值

红利类产品是Smartbeta产品的重要类型,在海内外市场相对较为成熟,在过去的2019年,红利类Smartbeta产品在国内快速发展,数量与规模均有增加。本文着眼于标普道琼斯指数公司编制的标普中国A股大盘红利低波50指数,首先从行业风格分布及历史业绩表现等角度对其进行详细刻画,然后从红利、大盘、低波三重优质因子角度对其进行业绩归因,并结合周期模型判断因子在未来大概率仍有较好表现。最后,我们预计疫情后市场或将进入长期低利率环境,该指数兼具高收益与低波动的股债双重特征及独特品牌优势,具备长期投资价值。

标普中国A股大盘红利低波50指数持续投资价值高,稳健业绩穿越牛熊

标普中国A股大盘红利低波50指数是由标普道琼斯指数公司编制,以高分红和低波动率相结合的思路进行成分股筛选。与常见宽基指数进行对比,指数的成分股权重分布更均匀,行业相对集中于盈利稳定性高的经济支柱板块,同时单个行业权重上限的设置保证指数在行业层面的风险分散。在2009年1月23日至2020年5月11日的历史回测区间内,指数相对于上证50、沪深300和中证500都有3%以上的超额年化收益率,且波动和回撤均更小。此外,指数能有效适应不同市场行情,在大多数时间内呈现领涨抗跌的特征,具备长期投资价值,业绩稳健性优势凸显。

红利、大盘、低波因子优势互补,可筛选出适宜长期投资的高息质优股

红利策略凭借对“便宜的好公司”的筛选,在海外市场中颇受投资者欢迎;在A股市场中,红利策略能够筛选出低估值高盈利适合长期投资的优质公司。A股市场的股息率因子在大市值股票的择时能力较强,收益较高,2016年以来大市值因子开启上升周期,大盘股预期表现优于小盘股。低波因子在国内和国外均已被证实长期有效,在市场下跌期间表现出了较强的防御性,能够规避短期内的高估值陷阱,有利于长期稳定投资。红利+低波筛选出的股票具有盈利+估值双重护城河,类似高息债券,防御能力较强。三因子强强联合,可筛选出适合长期投资的优质股票。

低利率环境下的长期“高息债券”:标普中国A股大盘红利低波50

疫情后或将进入长期低利率环境,稀缺的稳健高息投资品投资价值得到提升。标普大盘红利低波50指数兼具股债双重优势,既享有较高收益,又具有债券指数的收益相对稳定性特征。且该指数当前估值相对较低,投资价值凸显。作为 “标普指数家族”的一员,该指数在我国金融市场逐步放开、机构化外资持续流入的环境下更占品牌优势,有望成为外资投资的首选标的之一,或能够更好享受金融市场开放的政策红利。

风险提示:本报告对历史公开信息进行梳理总结,历史结果不能简单预测未来,规律存在失效风险,策略的历史表现不一定能代表未来有效性。本报告仅作投资参考,不构成对涉及策略、个股或指数投资收益的保证或投资建议,请投资者谨慎、理性看待。

报告正文

标普中国A股大盘红利低波50指数画像

高分红分享企业价值提升,低波动抵抗市场下行风险

标普中国A股大盘红利低波50指数是由标普道琼斯指数公司编制,以A股市场中50家高分红、低波动率的公司股票构成,以股票的股息率加权平均股价得到的指数。标普中国A股大盘红利低波50指数发布于2019年4月1日,指数的历史起始时间为2009年1月23日,基数为1000。其结合了两种投资思路——高分红和低波动率。分红往往是企业经营成果的直观体现,高分红的公司通常经营稳定、盈利能力强,并且市盈率相对较低,估值水平低。除此之外,真实的分红还能够稳定投资者信心。低波动的股票能够规避因为投资者行为偏差和投机炒作行为造成的高波动陷阱,并在市场下行时有较强抵抗能力。因此,高分红和低波动的策略结合能够在获取收益的同时增强抗跌性,从而实现长期的稳定高收益。

国际化指数编制体系,权重分布较一般宽基指数更均匀,成分股流动性高

从市值分布上看,标普中国A股大盘红利低波50指数偏向于大盘蓝筹属性,成分股平均市值为1841.66亿元,最小市值为215.03亿元,中位数市值为636.62亿元。与同类宽基指数相比,标普中国A股大盘红利低波50指数的最大成分股占比4.7%,低于上证50和沪深300指数;前十大成分股权重占比只有32.3%,低于相同成分股数量的上证50指数,相对比较分散,能够有效地降低风险。

标普中国A股大盘红利低波50指数在成分股选择、风险分散和指数编制上都符合国际主流标准,纳入标普红利系列国际指数体系,对QFII投资者和外资投资者有比较大的吸引力。不同于传统的市值加权方式,标普中国A股大盘红利低波50指数在编制上选用股息率加权,最大程度提升整个股票组合的股息率,和国际主流红利主题基金跟踪指数如美国道琼斯精选红利指数一致。目前A股的国际化的过程远没有完成,外资占比还有较大提升空间,作为受海外投资者认可度较高的标普公司旗下的产品,标普中国A股大盘红利低波50指数有望在外资流入的环境中受到青睐。

从流动性角度来看,标普中国A股大盘红利低波50指数在成分股选择上偏好自由流通市值大于10亿的大盘股。从持仓上来看,外资和机构持股的占比较高。根据Wind的数据显示,截至2020年5月11日,指数前20大成分股中,陆股通持仓占自由流通股的比例平均值为4.98%。随着A股进一步国际化,盈利、质量等基本面风格或将受到关注,标普中国A股大盘红利低波50指数成分股有望受到外资追捧。

同时,截至2020年5月11日,标普中国A股大盘红利低波50指数的前20大成分股的机构持股比例平均值为78.76%,最高超过95%,比例相对较高。可见指数的成分股是机构资金偏爱的股票。机构投资者的重仓一方面表明成分股具备优秀稳定的基本面,另一方面成熟投资者作为主要的参与对象也能有效避免由中小投资者可能存在的不理性行为所造成的股价异常波动。

行业分布集中于盈利稳定性高的经济支柱板块

从行业分布来看,截至2020年5月11日,标普中国A股大盘红利低波50指数覆盖了Wind一级行业中的10个行业,前五大行业分别是金融(29.87%)、材料(18.68%)、公用事业(17.68%)、工业(13.47%)、可选消费(7.37%)。前五大行业占比87.07%。由于指数的选择标准是高分红大盘股,所以成分股主要集中在成熟的金融、基础设施和公用事业等盈利稳定性高的国民经济支柱性行业板块,对经济下行压力、市场波动有更强的适应性。

相比较之下,标普中国A股大盘红利低波50指数在金融行业的权重占比低于上证50和沪深300指数(均超过30%)。值得注意的是,在标普中国A股大盘红利低波50指数的编制方法中,限制了单个GICS行业权重不超过30%,有效避免了指数在单个行业上的权重过于集中,一定程度上保证了指数在行业配置上的分散性。

标普A股大盘红利低波50指数长期业绩表现稳健

指数相对上证50、沪深300、中证500具有显著超额收益,股息率高于常见宽基指数

标普中国A股大盘红利低波50指数在选股上偏好业绩稳定、盈利能力强的公司,个股集中度低,因此指数兼具高收益与低波动双重特性。在2009年1月至2020年5月11日的时间区间内,从收益上看,标普中国A股大盘红利低波50指数相对于上证50、沪深300和中证500都有3%以上的超额年化收益率;标普中国A股大盘红利低波50指数的累计收益率达到沪深300的近两倍,稳定的复利优势更加明显。从风险指标上看,指数的年化波动率、最大回撤都优于A股宽基指数,风险得到了较好的控制。此外,根据Wind的数据,截至2019年末,标普大盘红利低波指数的股息率为3.94%,远高于上证50的2.36%、沪深300的1.81%和中证500的1.33%.

我们统计了各指数自2009年2月至今的月度收益,观察各个指数的长期收益表现,并计算上涨月份占比,数据如下:

从上述图表可以看出,相对于常见宽基指数,标普中国A股大盘红利低波50指数上涨月份占比更高,在收益表现上稳定更优。

指数一年与三年持有期正收益比例显著,历史业绩统计证明具有长期投资价值优势

假设投资者对指数进行投资,锁定持有期分别为一年和三年,分别计算投资各个指数各一年/三年到期时的累计收益并进行对比,结果如下图表所示,其中横轴为锁定持有期的到期时间,左纵轴为累计收益。

从累计收益图可以看出,虽然标普中国A股大盘红利低波50指数锁定一年的累计收益和其他三个指数的分布较为相似,但负收益的比例明显更低;同时,标普中国A股大盘红利低波50指数在锁定三年累计收益上明显优于其他三个指数,表明该指数在长期投资中更具有优势。同时标普中国A股大盘红利低波50指数在上涨时也具有比较好的弹性,在2015年的牛市中,标普中国A股大盘红利低波50指数在一年和三年持有期下均获得了相对更高的收益并且高收益持续的时间段更长。

对比各个指数在每个时点的最大回撤可以发现,标普中国A股大盘红利低波50指数的净值曲线走势在15年后表现与上证50和沪深300相似,同时标普中国A股大盘红利低波50指数的最大回撤幅度相对较小,风险控制能力更强。

稳健业绩穿越牛熊,领涨抗跌优势明显

我们以上证指数的波动率与换手率两个维度来对市场进行涨跌划分(换手率上行为牛市,波动率上行、换手率下行为熊市,波动率和换手率均下行为震荡市,参考华泰证券金工研报《波动率与换手率构造牛熊指标》20190927)。从不同市场状态来看,标普中国A股大盘红利低波50全收益指数在大多数时间段均表现出领涨抗跌的特征,在上涨市场行情中涨幅靠前,下跌行情中跌幅通常小于其他指数。与宽基指数对比得到的超额收益较高,反映了该指数投资业绩相对稳健。

红利大盘低波因子优势互补,可筛选出适宜长期投资的质优股

在本章节中,我们将从经济金融逻辑和历史业绩等角度,深入探究红利因子、低波因子长期有效的原因,并通过经济周期状态来对因子收益率走势进行预测。此外,我们还将对红利、大盘、低波因子三者两两叠加后的选股效果及投资逻辑进行论述。

红利策略能够筛选出“便宜的好公司”,适宜长期投资

红利策略能够筛选出“便宜的好公司”,在海外市场受到机构投资者青睐

海外文献中通常不将红利因子作为一个单独的因子来看待,因为实证结果显示,在四因子或五因子模型中加入红利因子,并不能为原有模型带来额外的解释力度。Berkin和Swedroe(2016)在《Your Complete Guide to Factor-Based Investing》一书中,采用五因子模型对美国市场规模最大的红利ETF产品Vanguard Dividend Appreciation(VIG)从2006年到2015年的历史业绩进行归因分析后发现:VIG在市场β因子上的暴露为0.93,说明该红利ETF的标的股在市场风险上的暴露略小于市场组合;在规模因子上的暴露为-0.09,说明成分股市值略大于美股平均;在价值因子上的暴露为0.14,说明成分股估值低于市场平均;在动量因子上的暴露为-0.01,说明红利ETF与动量因子在统计上无明显关联;在质量因子上的暴露为0.34,说明红利因子能够很好地筛选出高质量股票。五因子回归模型的R方达到了95%,这说明五因子模型已经能够较好解释红利ETF的收益来源,而红利ETF在红利因子上的暴露,也能够被规模、价值和质量等因子充分解释。

也就是说,红利因子本质上是一个复合因子,红利因子暴露较高的公司,通常也在价值因子和质量因子上暴露较高。可以说,红利因子能够有效挑选低估值、高价值的“便宜的好公司”。因此,红利类ETF在海外市场广受投资者欢迎。根据ETF.com的数据,Smart Beta型ETF产品中,红利类产品总规模仅次于价值和成长类产品,明显高于其他类型Smart Beta 产品。

从红利产品历史业绩角度来看,头部红利类产品的历史业绩均优于标普500指数。我们选取了美国市场中规模排名前列的四只红利类ETF:总规模约402亿美元的Vanguard Dividend Appreciation ETF(VIG)、总规模约253亿美元的Vanguard High Dividend Yield ETF(VYM)、总规模约148亿美元的SPDR S&P Dividend ETF(SDY)以及总规模约129亿美元的iShares Select Dividend ETF(DVY),可以看到,四只产品整体跑赢标普500指数,年化收益率、波动率和夏普比率相对标普500均有一定优势。

A股市场中,红利策略能够筛选出低估值高盈利适合长期投资的优质公司

如前所述,分红事件本身并不会影响投资者对公司股票的估值,但是高分红公司却通常在其他财务因子上有较高的暴露度。为了从更本质的角度来观测红利因子在A股的选股效果,我们采用近期数据对红利因子暴露度较高的上市公司的财务数据与全部A股平均财务数据之间的差别进行了分析。

我们站在2020年3月31日的时点,筛选了过去12个月股息率大于4%的股票作为高分红组合,以2019年三季报数据为例,来说明红利策略筛选出的股票组合特性。从下图表中可以看到,高分红组合的平均市值明显高于A股平均,估值(PE、PB)明显低于A股平均,而盈利能力(EPS、ROE、销售净利率)、收益质量(经营活动净收益/利润总额)、现金充足度(净利润现金含量)等指标则明显优于A股平均。资产负债率略高于A股平均,流动比率和速动比率等指标则略低于A股平均。

对比结果说明,红利因子在A股市场中,也能较为成功的筛选出估值偏低、盈利能力偏高、收益质量较高、现金充足度较高的股票。我国红利指数历史表现显著优于基准指数,也证实了红利因子在A股市场中的有效性。例如,中证红利指数历史业绩显著优于中证全指,深证红利指数历史业绩显著优于深证成指。

疫情危机后的经济复苏阶段,盈利较稳定的高分红公司或更具投资价值

从华泰金工经济金融周期理论的角度来看,去趋势后盈利因子的累计收益率与库兹涅茨周期(即200个月经济长周期)基本同步变动。2020年库兹涅茨周期将处于上行通道,ROE因子进入上行阶段,盈利驱动型公司或将更受青睐。经济复苏时期,企业盈利增速逐渐提升,投资者倾向于选择盈利能力更强且更稳定的股票,从而导致盈利型股票表现占优。高分红公司盈利更为稳定,更易享受经济上行的红利,投资价值或有望提高。

红利因子对大盘股的择股能力较为有效,中长期大盘股或有较高配置价值

A股市场的股息率因子在大市值股票的择时能力较强,收益较高

在华泰金工2020年3月31日发布的报告《投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三》中,我们采用2014年底到2019年底的数据,对红利因子在不同市值股票中的择股能力进行了分层检测。在进行分层时,我们首先将过去一年内无股息派发的公司单独作为一层,将剩余股票按股息率降序排列并按股票个数等分为第1分位到第4分位,总计得到五个分层。检测结果如下图表所示,红利因子在沪深300成分股中的择股能力最好,中证500中的择股能力次之,中证1000中的择股能力最差。

由此可见,红利因子的择股能力在大市值及中等市值股票中较为明显,而在小市值股票中相对偏弱。且红利策略在大盘股中的收益要明显高于中盘股和小盘股中的收益,因此在使用红利因子进行选股时,叠加大市值的筛选条件,能够有效提升策略收益。

2016年以来开启大市值因子上升周期,大盘股预期表现优于小盘股

此外,从华泰金工经济金融周期理论的角度来看,去趋势后的小市值因子累计收益率与库兹涅茨周期(200个月经济长周期)基本同步反向变动。大盘股在未来一段时间内相对中小盘股或有较高配置价值。根据我们此前的研究,大小盘相对强弱走势与经济中的长周期(即库兹涅茨周期)呈正相关,而去趋势后的小市值因子累计益率与库兹涅茨周期的反向性更为明显。2001年后,小市值因子累计收益率逐渐走低。2007年开始,受经济周期影响,小市值因子开启上升周期。进入2015年,经济中长期开始上行,企业盈利回升,大市值股票优势凸显。2020年伴随经济中长期的复苏,小市值因子收益率预计会逐步下行,中长期大市值股票或有更高的配置价值。

低波因子能够有效规避短期高关注度的陷阱,有利于长期投资

低波因子在国内和国外均被证实长期有效,在市场下跌期间表现出了较强的防御性

传统金融理论认为,风险与收益之间存在显著的线性正相关关系,为了获得更高的回报,投资者必须承担更高的风险,均值方差模型和CAPM模型中都包含了这种思想。但实证研究发现,股票市场的风险和收益之间呈现出了显著的负相关关系,低波动率策略组合和最小方差策略组合的风险调整后收益指标(夏普比率、特雷诺指数和詹森指数等)明显高于市场组合和高波动率组合,这种股市异象被称为低波动率异象。20世纪70年代,Fischer Black(1972)和Haugen&Heins(1975)等学者在实证中发现了低波动性股票相对其他股票组合的优异表现,证实了低波动率异象的存在。Haugen&Baker则在1991年发表的论文The efficient market inefficiency of capitalization–weighted stock portfolios中,提供了股市中风险与回报呈现反向关系的证据。Baker, Brandley和Wurgler(2011)也使用美国1968-2008共40年的数据证实了低波动率股票组合的表现长期优于高波动率股票组合。并且,在市场下跌期间,低波动率组合的下跌幅度明显小于波动率较高的组合,体现了较强的防御性。

至今,低波动率异象已经被证实存在于在世界各地的股票市场中,A股市场也不例外。我们以中证全指为样本空间,以2011-2019年为回测区间,将样本股以波动率分层并进行滚动回测,结果如下图表所示,中低波动组合的年化收益率显著高于高波动组合,年化波动率和区间最大回撤则显著低于高波动组合,可见低波动率因子在A股市场中也是有效的。

低波策略能够规避短期内的高估值陷阱,有利于长期稳定投资

在使用理论指导投资前,为了确保低波因子在未来依旧长期稳定有效,我们需要先理解低波异象形成的原因,以及这个原因是否符合金融逻辑且稳定存在。对于低波异象形成的解释共有两类,第一类是从经济金融模型的角度切入,来解释低波异象有悖于传统金融理论的原因;另一类则是从投资者行为角度入手,来解释低波异象持续存在的原因。

从经济金融模型的角度来看,David Blitz, Eric Falkenstein和Pim van Vliet在论文Explanations for the Volatility Effect: An Overview Based on the CAPM Assumptions中提出,CAPM等传统金融模型中有很多不符合实际的前提假设。其中一个假设是,杠杆和卖空都没有限制,投资者可以自由套利。但在现实投资中,大部分投资者不是杠杆使用受限,就是不愿意使用杠杆。卖空行为在现实中也会受到限制,部分股票的借贷成本非常高,导致无法卖空。另一个假设是,市场中的交易没有任何摩擦,这意味着既没有交易成本,也没有税收,但这在现实投资中也是不可能的。这些限制和摩擦的存在将使得套利者无法纠正高波动证券的高估和低波动证券的低估,最终导致低波动异象的存在。

从行为金融学角度来看,低波异象的存在主要有以下几种原因:

1)博彩偏好(Preference for lottery):一般来说,出于对风险的厌恶,投资者会拒绝一个50%概率赢得110元,50%概率失去100元的,预期收益为正的游戏。但当收益的分布发生变化时,投资者的选择也会发生改变:当游戏规则变为99.99%损失1元,但有0.12%概率获得5000元的时候,预期收益基本未变,但投资者大概率会选择投注于这个类似彩票的游戏。可见当一类资产的收益呈现正偏态分布时,投资者会更加偏好这类资产。Mitton & Vorkink(2007)在Equilibrium under Diversification and the Preference for Skewness一文中指出,高波动率的个股的收益也呈现正偏态分布:亏损的概率很高,短期内收益翻倍的可能性很小。Kumar(2009)在Who Gambles in the Stock Market? 一文中指出,个人投资者对彩票式回报的股票表现出明显的偏好,会倾向于高估高波动率的个股并低估低波动率的个股,从而导致了低波动异象的产生。

2)对明星股票的偏好:Falkenstein(1996)在论文Preferences for Stock Characteristics As Revealed by Mutual Fund Portfolio Holdings中指出,共同基金倾向于持有更多在新闻中出现率高的公司股票;Barber和Odean(2008)在论文All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors中指出,个人投资者也倾向于购买引人注目的股票,共同基金和个人投资者的这种购买行为会暂时抬高股票价格,但导致其后续收益表现不佳。低波动股票普遍受到曝光较少,受到的关注也较少,容易被投资者忽视,最终导致高波动率个股需求偏高,低波动率个股需求偏低,从而产生了低波动异象。

3)代表性偏差(Representativeness Bias):代表性偏差指的是投资者偏信高回报股票的神话,从而得到了一个错误的逻辑:“回报率最高的股票有风险,因此高风险的股票会产生更高的预期回报”。这种错误的逻辑认知导致投资者高估高波动率个股,低估低波动率,从而产生了低波动率异象。

4)过度自信(Overconfidence):投资者相信自己有能力成功选股择时,所以为了获取更大的收益,投资者倾向于选择波动性更高、不确定性也更高的股票,造成了高波动股票的高估,从而产生了低波动率异象。

综上所述,由于高波动率股票存在收益率正偏态分布(高峰偏左,右侧长尾)和受关注度较高等特点,市场通常会在短期内给高波动率股票过高的估值,从而导致其长期表现不佳。而低波动股票则能够较好地避开这些短期繁荣的陷阱,为投资者提供相对更高的长期投资回报。

接下来我们使用实际数据来对低波因子的选股效果进行验证,我们站在2020年3月31日的时点,使用过去100天的收益波动率,从全部A股中筛选出了波动率最低的200只股票,并对其代表性行情指标和财务指标进行了统计。从结果来看,低波因子确实倾向于从A股中筛选出估值偏低(PE、PB偏低)的股票,但该类股票同时还具有较高的股息率,较强的盈利能力(EPS、ROE、销售净利率),较高的收益质量(经营活动净收益/利润总额)和现金充足度(净利润现金含量)。此外,与红利因子相比,低波因子筛选出的A股盈利增长能力略胜一筹。

红利+低波筛选出的股票具有盈利+估值双重护城河,类似高息债券,防御能力较强

红利因子倾向于筛选出“便宜的好公司”,低波因子则倾向于筛选出近期关注度较低、估值偏低的股票。两类因子的目标和理念是一致的,都是筛选出稳定且防御性强的股票。持有这类估值较低、盈利能力较高且盈利稳定的股票,类似于持有高息债券,较低的估值和较低的波动率使其风险水平近似于高息债券,其稳定的盈利能力则能够为投资者持续带来类似于票息的稳定现金流。

接下来我们使用实际数据来对红利+低波复合因子的选股思路进行验证。我们从前述筛选出的高分红组合的200只股票中,选出了100只年化波动率最低的股票,并以2019年三季报数据为例,对其财务指标和行情指标进行了统计分析,可以看到,与高分红组合相比,低波+高分红组合的平均市值明显更高,估值水平明显更低,偿债能力略有下降。可见在红利因子中加入低波因子,能够进一步压低估值,使得筛选出的股票组合安全系数更高,防御能力更加出色。

整体来说,红利+低波筛选出的股票,普遍具有优质且稳定的盈利能力+较低估值作为双重护城河,因此即使在市场下跌或大幅波动时,也具有较强的防御能力,因此十分适合长期稳健投资。

低利率环境下的“高息债券”:标普中国A股大盘红利低波50

疫情后或将进入长期低利率环境,稳健的高息投资品价值凸显

近期,受疫情影响货币政策转向宽松,利率下跌。通胀对利率下降的掣肘有所减弱,短期内货币政策仍在宽松周期,或继续压低利率,稳健高息投资品配置价值提升。

随着新冠病毒疫情在全世界快速扩散,多国实施了不同程度的封锁隔离政策,全球产业链受到冲击,经济增速放缓。以国内为例,一季度GDP同比下降6.8%。为应对此次危机,中美等国均推出新一轮的货币宽松政策,美联储时隔五年再度开启量化宽松,国内降准降息也在稳步进行。全球货币环境趋于宽松,中美两国国债收益率曲线近期走势均向下。

当前,美联储的无限QEs短时间向市场注入大量流动性,中国则采取渐进式宽松政策,中美两国货币政策的差异拉大中美国债利差,10年期国债收益率利差接近200个基点。未来资本流动或引导中美利差收窄。

国内方面,流动性端利好使得短期国债收益率快速下降,期限利差扩大。中国1年期国债收益率与10年期国债收益率利差处于高位,已超130基点。

通胀方面,3月份全国居民消费价格(CPI)同比上涨4.3%,涨幅较上月同比数据低0.9个百分点,回归至“4时代”。通胀对利率下降的掣肘有所减弱。在扩大总需求、配合财政政策、降低贷款利率等要求下,短期内货币政策仍在宽松周期,利率下行空间或仍存在。

根据股利贴现模型,资产价值与未来现金流正相关,与折现率负相关。当利率处于较低区间时,高股息产品的股利贴现模型分子端优势凸显,分母端数值降低,高股息产品的价值有望得到提升。

标普大盘红利低波50指数兼具股债双重优势,是优质长期稳健高收益资产

受到当前的低利率环境的影响,各类资产收益率将有所下降。而标普中国A股大盘红利低波50指数兼具股债双重优势,为稳健高收益资产,具备一定的投资价值,或将受到资金追捧。

从指数历史业绩来看,标普中国A股大盘红利低波50指数的业绩表现优于传统宽基指数。由下图可看出,该指数相对于上证综指的累计超额收益始终为正。截至2020年5月11日,该指数相对于上证综指的累计超额收益率高于100%,超过沪深300指数相对于上证综指超额收益的2倍。

根据指数历史业绩,标普中国A股大盘红利低波50指数的历史平均波动率与最大回撤幅度均低于传统宽基指数,体现出类似债券指数的收益稳定性。下图展示了该指数与中债十年国债指数、上证综指和沪深300的业绩指标对比。其中,该指数的平均最大回撤幅度为28.95%,而另外两只股票指数的最大回撤幅度均超过40%。

指数当前估值相对较低,长期投资或更具优势

从估值和盈利指标来看,标普中国A股大盘红利低波50指数当前市盈率均低于上证50和沪深300指数,市净率和市销率在上述指数中处于较低位置,从估值角度,指数或有更大的上涨空间。同时标普中国A股大盘红利低波50指数的股息率远高于其他指数,相较而言有望能让投资者更快收回投资成本。

独具品牌优势,更易把握外资流入利好

前文提到,低利率环境下兼具股债双重优势的红利指数价值凸显。作为众多红利指数中的一员,属于“标普指数家族”的标普中国A股大盘红利低波50指数独具品牌优势,或更能把握外资流入利好。

随着中国金融市场开放程度不断加深,外资持续流入中国市场。截至 2020年3月,境外机构和个人持有境内股票市值已达1.88万亿元,比2019年同期增长12.08%。从下图可以看出,从2013年12月至2020年3月,境外机构和个人持有境内股票市值占A股总市值比重增长趋势明显,外资在A股资金来源中的重要性逐渐增强。

自2002年实施QFII制度以来,QFII额度从最开始的40亿美元提高至2019年初的3000亿美元。随着我国境内资本市场双向开放的渠道不断打通,对QFII、RQFII额度管理的必要性下降。2020年5月7日,央行、国家外汇管理局联合发布了《境外机构投资者境内证券期货投资资金管理规定》,提到将落实取消合格境外机构投资者(QFII)和人民币合格境外机构投资者(RQFII)境内证券投资额度管理要求等。此次新规发布或将吸引更多外资流向中国。

2019年全年,MSCI已经完成A股比例提升方案,分别在5月、8月、11月将A股纳入比例逐步提升至10%,15%和20%。随着A股未来进一步被纳入各个国际指数,同时对外开放持续推进,A股国际化程度将不断提高,外资流入系大势所趋。

在外资长期持续流入趋势未改背景下,海外机构化资金进入中国或将优先考虑标普道琼斯等辨识度高的指数。标普道琼斯于2003年发布标普道琼斯美国精选红利指数,是全球首个红利指数。作为红利指数编制和发布的领跑者,标普道琼斯后续又发布诸多相关红利指数,成为全球大规模红利ETF的常用标的基准。在全球前10大红利ETF中,有5家的基准指数均来自标普公司,标普旗下红利指数在全球红利指数基金中的领军地位可见一斑。

在标普的品牌效应下,被直接纳入标普红利系列指数国际体系里的标普中国A股大盘红利低波50指数,在我国金融市场逐步放开、机构化外资持续流入的环境下更占优势,有望成为外资投资的首选标的之一,或能够更好享受金融市场放开的政策红利。

综上,大盘、高分红、低波动三因子叠加提升策略有效性,助力筛选优质资产;标普品牌优势吸引外资流入,增量资金增加资产活力;长期低利率助推优质资产优势凸显,标普中国A股大盘红利低波50指数投资价值或有望得到提升。

风险提示

本报告对历史公开信息进行梳理总结,历史结果不能简单预测未来,规律存在失效风险。策略的历史表现依赖于回测区间和公开数据源,不一定能代表未来有效性。指数成分股介绍仅用于展示指数特色及编制思路,不构成对个股的投资建议。指数历史业绩并不预示其未来表现。本报告仅作投资参考,不构成对涉及策略、个股或指数投资收益的保证或投资建议,请投资者谨慎、理性看待。

免责声明与评级说明

公众平台免责申明

本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。

华泰金工深度报告一览


金融周期系列研究(资产配置)

【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121

【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116

【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826

【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率

【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506

【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下

【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)

【华泰金工林晓明团队】周期轮动下的BL资产配置策略

【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究

【华泰金工林晓明团队】市场拐点的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)

【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型:市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回,周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

周期起源

【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六

【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五

华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四

【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三

【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二

【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一

FOF与金融创新产品

【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究

【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期(因子择时)

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三

【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二

【华泰金工林晓明团队】因子收益率的周期性研究初探

择时

【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【华泰金工林晓明团队】A股市场低开现象研究

【华泰金工林晓明团队】华泰风险收益一致性择时模型

【华泰金工林晓明团队】技术指标与周期量价择时模型的结合

【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动

【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一

【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九

【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七

【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六

【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五

【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四

【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三

【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二

【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta

【华泰金工林晓明团队】重剑无锋:低波动 Smart Beta——华泰 Smart Beta 系列之四

【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三

【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二

【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一

【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股

【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一

【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十

【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九

【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七

【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五

【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四

【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三

【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一

【华泰金工林晓明团队】五因子模型A股实证研究

【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能

【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七

【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六

【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四

【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三

【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二

【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一

【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十

【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七

【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六

【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合:从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二

【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十

【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八

【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五

【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四

【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析

【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告

【华泰金工林晓明团队】酌古御今:指数增强基金收益分析

【华泰金工林晓明团队】基于回归法的基金持股仓位测算

【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股

【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究

【华泰金工林晓明团队】华泰价值选股之FFScore模型

【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究

【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究

【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投

【华泰金工林晓明团队】大成旗下基金2018定投策略研究

【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四

【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它

【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二

A股市场及行业的月份效应——详解历史数据中的隐藏法则

本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请点击举报
打开APP,阅读全文并永久保存 查看更多类似文章
猜你喜欢
类似文章
【热】打开小程序,算一算2024你的财运
分析一只我看好的指数——中证红利低波指数
零城逆影: 另辟蹊径,歪打正着!——低波动策略指数的深度分析 另辟蹊径,歪打正着!——低波动策略指数...
号外!国内首只跟踪标普A股低波红利指数的基金开始募集了!
鉴基|Smart Beta基金投资秘诀——用择偶的眼光挑因子
远川指数观察 | 有一个指数,或许可以带你安稳过冬
投顾点评|“顺周期”or“成长型”?风格ETF正逢时!
更多类似文章 >>
生活服务
热点新闻
分享 收藏 导长图 关注 下载文章
绑定账号成功
后续可登录账号畅享VIP特权!
如果VIP功能使用有故障,
可点击这里联系客服!

联系客服