小盘溢价与价值溢价长期存在但短期波动明显 [page::3]

• 小盘溢价和价值溢价在A股市场长期有效，但短期出现多次失效阶段。

- 短期溢价效应波动带来风格投资风险。

Two-beta模型拆解股票收益率为现金流与折现率两部分 [page::4][page::6]

• 股票收益率受未来现金流变化和折现率变化影响，两者敏感度用现金流beta和折现率beta表示。

- 利用VAR模型估计市场现金流收益率(NCF)与折现率收益率(NDR)。

• 现金流beta与折现率beta之和等于传统CAPM beta。

A股数据VAR模型构建与市场收益拆解 [page::8][page::9][page::10]

• 筛选CPI、国债利率、估值作为VAR模型变量，预测市场收益率。

- 采用模型残差估计现金流收益率和折现率收益率的变化趋势。

• 图示现金流与折现率收益率12个月移动平均趋势与市场收益率高度相关。

大小盘、价值成长股票在现金流与折现率beta上存在系统差异 [page::11][page::12]

| 风格分类 | 现金流Beta βCF | 折现率Beta βDR |
|-------|------------|------------|
| 小盘股 | 低于大盘 | 高于大盘 |
| 大盘股 | 高于小盘 | 低于小盘 |
| 价值股 | 高于成长股 | 低于成长股 |
| 成长股 | 低于价值股 | 高于价值股 |

• 小盘股对现金流变化敏感度较低，对折现率变化敏感度较高，价值股则相反。

- 现金流上升时，小盘溢价减弱、价值溢价增强；折现率下降时小盘溢价增强、价值溢价减弱。

风格收益回测及ROE、利率趋势解释风格波动 [page::13][page::14][page::15]

• 小盘溢价与价值溢价表现符合ROE和利率的上升或下降趋势。

- ROE和利率的变化可较好解释2010-2018年间风格溢价的波动。

小盘价值轮动策略构建与表现 [page::16][page::17][page::18]

• 构建趋势强弱指标，综合ROE和10年国债利率变化趋势。

- 指标正值做多价值溢价，负值做多小盘溢价，设定阈值规避信号无效波动。

• 回测2005-2018年，策略年化收益26.15%，最大回撤约-24.69%，收益回撤比1.0591，表现优于单独持有小盘或价值。

- 剔除微波动阈值后，年化收益提升至28.24%，回撤比提升至1.1439。




| 年份 | 策略年化收益率 | 最大回撤 | 收益回撤比 |
|-----|----------------|---------|------------|
| 总体 | 26.15% | -24.69% | 1.0591 |
| 2018 | 19.01% | -1.84% | 10.35 |

策略阈值敏感性分析 [page::19]

| 阈值 | 年化收益率 |
|-------|------------|
| 0.1 | 28.24% |
| 0.2 | 27.88% |
| 0.3 | 25.39% |
| 0.4 | 25.17% |
| 0.5 | 24.20% |

• 阈值调节对收益率影响有限，保持较好稳定性。

证券研究报告深度分析报告

---

一、元数据与报告概览

• 报告标题：《天风金工风格轮动策略之三——溢价追本溯源：现金流与折现率》

- 发布日期：2018年7月2日

• 发布机构：天风证券研究所

- 分析师：陈奕，SAC执业证书编号S1110517080005

• 研究主题：针对中国A股市场，基于估值理论，探讨小盘溢价与价值溢价的本质及其波动根源，提出结合现金流与折现率的two-beta定价模型，结合ROE与利率趋势变化，设计风格轮动策略。

- 报告核心观点：
- 小盘溢价与价值溢价长期存在，但短期内存在显著波动。
- 股票估值受未来现金流和折现率影响，市场收益可拆分成现金流影响和折现率影响。
- 不同风格（大小盘、价值成长）股票对现金流和折现率变化敏感度不同，导致风格溢价波动。
- 基于ROE与利率趋势，构建风格轮动策略，历史回测表现优异，年化收益26.15%-28.24%。

[page::0,1,3,4,19]

---

二、逐章深度解读

2.1 小盘溢价与价值溢价章节分析

• 关键论点：

- Fama-French三因子模型确认市值小和账面市值比高能够解释股票收益，验证了小盘溢价与价值溢价。
- A股市场长周期小盘溢价和价值溢价存在，但短期多次失效，表现不稳定。
- 图1、图2展示2005-2018年间多次小盘和价值溢价失效的阶段。
- 这种短期溢价效应强弱波动带来风格投资风险。

• 支撑逻辑：

- 多年历史数据结合Fama-French框架，验证A股存在长期风格溢价。
- 观察图中明显的波动和异常，揭示市场非线性及经济周期等因素影响。
- 由此引出研究风格溢价波动根源的必要性。

• 图表解读：

- 图1（小盘溢价）柱状为小盘溢价月度值，折线为小盘与大盘比较指标，灰色区域显示溢价失效期间。
- 图2（价值溢价）结构类似，体现价值股相对于成长股的溢价波动。
- 两图均显示极端年份和多次溢价消失现象，直观揭示溢价的不稳定性。

[page::3]

---

2.2 从估值理论出发与Two-beta模型

• 关键论点：

- 根据DDM股息贴现模型，股票价格由预期未来现金流和贴现率决定。
- 大市值和价值股通常现金流充裕，估值对现金流敏感度高，折现率敏感度低。
- 小市值和成长股现金流低，估值对折现率敏感度高。
- 为刻画两种影响，采用Campbell（2004）提出的two-beta模型，将传统CAPM的beta拆分成现金流beta与折现率beta。

• 推理依据详解：

- DDM模型用股利贴现公式形式深入展示了价格由现金流和贴现率决定的原理。
- 现金流和折现率的波动被拆为数学表达式和泰勒展开，支持收益拆解为两部分。

• 金融术语解析：

- Two-beta模型：传统单β拆分为两个风险因子β，分别与现金流变动和折现率变动相关。
- 折现率β内化负号，代表收益与折现率的反向相关关系。
- VAR模型用于捕捉收益与宏观因子的动态关系，提高预测拟合效果。

• 数学推导关键点：

- 从DDM模型的价格-现金流比转换成对数形式，结合条件期望值线性化。
- 利用Taylor展开表达现金流和折现率对价格的影响。
- 市场超额收益率拆分成为现金流带来的收益和折现率带来的收益。
- 个股的现金流β和折现率β计算作为收益率对这两部分敏感度的量化指标。

[page::4,5,6]

---

2.3 A股收益率拆解与VAR模型建立

• 关键论点：

- 选取Wind全A月度收益率代表市场。
- 经过平稳性检验，选取CPI、国债利率、估值等影响因子建立VAR模型。
- 格兰杰因果检验表明CPI、国债利率和估值具有预测Wind全A的因果关系。
- 通过VAR模型残差计算现金流带来的和折现率带来的收益。

• 关键数据点：

- 表1展示影响因素类别及滞后期，明确数据结构；
- 表2平稳性检验显示Wind全A、CPI、国债利率、估值均为平稳变量；
- 表3的格兰杰因果检验结果和条件数检查确保模型解释力与避免多重共线性；
- 表4回归结果显示VAR模型对Wind全A收益率有显著预测作用，调整R^2≈10%稳定且充分。

• 推断基础：

- 变量选择严格，符合时序分析要求；
- 通过统计检验和经济理论相结合验证模型合理性；
- 估计残差反映了未解释冲击，成为收益拆分的基础。

[page::8,9,10]

---

2.4 不同风格股票的Two-beta测算与溢价波动根源

• 关键论点：

- 计算大小盘与价值成长股的现金流β和折现率β。
- 小盘股现金流β显著低于大盘股，折现率β显著高于大盘股；
- 价值股现金流β高于成长股，折现率β低于成长股。
- 因此，当现金流预期上升时，表现出小盘溢价减弱、价值溢价增强；
- 当折现率预期下降时，表现为小盘溢价增强、价值溢价减弱。

• 数据详解：

- 表5展示分组beta计算结果，体现了鲜明的单调关系，支持推论；
- 表6总结小盘溢价和价值溢价因现金流和折现率上升或下降的表现情况。

• 逻辑说明：

- 由于现金流和折现率对不同风格股票的影响敏感度不同，导致风格溢价根据两者预期的变化出现波动；
- 该机制解释了风格投资短期收益波动的经济根源。

[page::11,12]

---

2.5 ROE与利率趋势作为代理指标及风格收益分析

• 核心观点：

- ROE中位数作为现金流趋势代理指标。
- 10年期国债收益率作为折现率趋势代理指标。
- 利用市值与市净率分组回测获得的小盘溢价与价值溢价表现稳定。
- ROE和利率趋势变化有效解释了风格溢价强弱，例如2007年和2012-2016年小盘和价值溢价的表现。

• 图表解析：

- 图3展示现金流（NCF）与折现率（NDR）收益的12个月移动平均，多数时间与市场收益同步但存在差异，支持分解理论；
- 图4和图5表现小盘VS大盘和价值VS成长的累积收益，验证风格收益存在。
- 图6-9分阶段显示ROE和利率趋势与溢价对应关系，强调趋势对溢价的驱动作用。

• 数据表述：

- 表8统计显示，ROE上行期间小盘溢价较低（1.83%）价值溢价较高（0.98%）；ROE下行则相反。
- 利率上行倾向小盘溢价下降，价值溢价上升，利率下行则反之。

[page::10,13,14,15]

---

2.6 风格轮动策略构建与实证表现

• 策略设计：

- 利用ROE与利率趋势的标准化指标（趋势强弱指标）判断市场现金流和折现率环境。
- 建立趋势指标：\(Trendt = \frac{factort - \mut}{\sigmat}\)，通过窗口期均值和标准差标准化趋势。
- 总趋势信号为两指标和的正负，信号为正做多价值溢价，负做多小盘溢价。
- 设定阈值避免信号因小幅波动频繁切换，阈值0.1，低于则维持前期仓位。

• 实证数据与图表解读：

- 图10展示ROE趋势指标及ROE走势，清晰体现趋势识别的有效性。
- 图11、图12分别为轮动策略净值曲线（无阈值和阈值0.1），红线为策略净值，黄灰线为市值和估值多空差表现，蓝色柱状为信号，当策略顺利捕捉轮动，表现明显优于单纯持有。
- 表9与表10展现策略详细分年净值、最大回撤及收益回撤比数据，轮动策略总体年化26.15%-28.24%，最大回撤24.69%，表现优于单独小盘或价值投资。
- 表11不同阈值检验显示阈值选择对策略收益稳定性有一定影响，阈值0.1较优。

• 策略表现总结：

- 策略体现风格溢价波动规律，合理择时实现风险调整后超额收益。
- 回测期内表现稳健，尤其2018年表现出低回撤高收益的特征。
- 识别ROE和利率的趋势变化为关键，减少无谓波动信号提高策略有效性。

[page::15,16,17,18,19]

---

2.7 报告风险提示与免责声明

• 风险提示：

- 风格溢价易受模型外部因素影响，如宏观政策突变、市场结构调整、突发事件等，可能导致模型失效。

• 免责声明：

- 研究观点代表分析师个人或团队观点，与报酬无关；
- 信息来源自认为可靠的公开数据，但不保证绝对准确性；
- 报告不构成投资建议或要约，投资者应结合自身实际情况独立判断；
- 机构可能持有报告中涉及的标的证券，存在潜在利益冲突。

[page::0,20]

---

三、图表深度解析

图1、图2（小盘溢价与价值溢价）

• 展示2005-2018年间，两个溢价指标的月度波动及趋势。

- 灰色阴影区域对应溢价失效周期，清晰表明溢价非持续走势。

• 蓝色折线显示市场相对表现，橙色柱状表明单月溢价强度。

- 图表支撑为了研究波动背后的因子机制，策略设计必要。





---

图3（NCF与NDR移动平均）

• 展示由VAR残差计算得出的现金流收益率（NCF）和折现率收益率（NDR）12个月滑动平均曲线，橙线为市场净收益率。

- 明显观察现金流与折现率走势虽大致同涨同跌，但短期内波动可分化，支持将市场超额收益拆解成两个部分的假设。



---

图4、图5（小盘VS大盘，价值VS成长）

• 最新回测期间，累积收益率明显显示小盘及价值风格的多空收益。

- 小盘溢价（黄线）累计增长显著，高于整体价值成长表现，价差明显。





---

图6-9（ROE和利率趋势与风格溢价）

• 以时间序列揭示不同阶段ROE和利率走势分别对应的小盘溢价和价值溢价表现。

- 采用标示高低点（灰条）区分上行/下行阶段，验证现金流与折现率代理指标对风格溢价的驱动作用。

• 图6和图8表明ROE上行时，价值溢价增强，小盘溢价减弱。

- 图7和图9展现利率下行伴随小盘溢价增强，价值溢价弱化。

• 实证与理论匹配度高。

---

图10（ROE与ROE趋势强弱指标）

• 显示ROE绝对水平与趋势指标，趋势指标以标准化动态衡量。

- 图呈现趋势变化与ROE本体的相互关系，趋势指标刻画市场预期差异，为策略择时信号基础。



---

图11、图12（风格轮动策略表现）

• 图11无阈值策略表现，蓝柱为买卖信号，红线为策略净值，黄色和灰色为风格基准。

- 策略成功捕捉风格轮动波段，累计收益超过单纯小盘或价值投资。

• 图12设立信号阈值（0.1）后，信号稳定性提升，收益回撤比优化。

- 表9、10明细回测年度数据，展示明确收益与风险控制指标。

• 表11阈值敏感性分析表明适度阈值提高策略效果。

---

表格关键解读

| 表格 | 作用及意义 |
|-|-|
| 表1 | 细列VAR模型备选宏观与市场变量，分类及滞后设置保证建模准确性。 |
| 表2 | 平稳性检验保证时间序列分析有效，避免伪回归。 |
| 表3 | 格兰杰因果检验确定模型中变量的时序因果关系。 |
| 表4 | VAR回归拟合结果，模型具备显著预测能力。 |
| 表5 | 通过beta分组展示大小盘与价值成长对现金流与折现率的不同敏感度。|
| 表6 | 归纳了现金流和折现率变量变化对小盘和价值风格溢价方向的预期影响。|
| 表8 | ROE和利率趋势对不同风格溢价收益的具体影响体现。|
| 表9、10 | 年度策略表现展示年化收益、最大回撤及回撤比，验证策略稳定性。 |
| 表11 | 阈值敏感性分析验证策略参数稳健性。 |

---

四、估值分析

本报告采用两阶段股票估值框架：

• 第一阶段为经典的DDM模型，强调定价由未来股利现金流和折现率控制。

- 第二阶段引入Campbell（2004）two-beta模型，将传统市场风险β细化成现金流风险β和折现率风险β，提供风险溢价波动微观解释。

• 应用VAR确定多变量市场收益的动态方程，通过残差分解现金流与折现率驱动的收益成分。

- 估值模型基础假设在不同股票（大小盘、价值成长）上采用不同β值，因而对现金流折现率波动响应不同，影响估值溢价。

• ROE与10年期国债收益率作为关键估值驱动指标代理现金流和折现率。

- 估值分析为实证策略择时提供理论支撑。

[page::4,5,6,7,11,12,15,16]

---

五、风险因素评估

• 本模型及策略依赖于宏观经济变量的持续有效性，宏观政策突变、监管改变可能造成模型失效。

- 股市结构调整或市场行为模式变化可能导致历史beta不连续，不再适用。

• 时间序列分析依赖变量平稳性，非平稳变量被剔除可能忽略重要影响。

- 代理指标ROE和利率仅为现金流与折现率的粗略代理，若脉冲响应机制变化，预测偏误风险增加。

• 轮动策略依赖于趋势识别及阈值设定，信号噪声影响策略执行效果。

- 风险提示涵盖市场不可抗力与模型内生风险，报告提示投资者自我风险评估。

[page::0,8,20]

---

六、批判性视角与潜在不足

• 模型基于历史数据与VAR结构，存在拟合过度风险，实际未来可能遇到结构破坏。

- Two-beta模型虽精细，但仅划分现金流和折现率两大方面，可能忽略了市场其他风险因素，如市场微结构、投资者行为等影响。

• ROE作为现金流趋势代理指标较为粗糙，个别行业或周期其代表性受限。

- 利率作为折现率代理未包含风险溢价层面变化，简化了折现率动态。

• 策略依赖月度数据，可能存在响应滞后，未考虑高频交易或日频市场波动。

- 报告对模型参数敏感性分析仅限阈值，对于VAR模型参数和beta计算的稳定性未充分披露。

• 估值模型视角较为理论化，未来还需结合宏观经济深度分析以增强策略前瞻性。

- 报告未提供实盘跟踪反馈，回测显示出色但实盘表现存在差异风险。

[page::0,8,11,15,18,20]

---

七、结论性综合

本报告通过严谨的估值理论从现金流与折现率两大变量入手，结合Campbell的two-beta模型创新性拆分了传统风险beta，更细致地刻画了股票价格变动的内在机制。在A股市场多年数据基础上，通过VAR模型分解市场超额收益，构建现金流收益和折现率收益两部分，并计算对应的beta指标。实证发现小盘股和成长股对现金流波动的敏感度较低但对折现率更敏感，价值股和大盘股则恰好相反。此差异性成为了小盘溢价和价值溢价波动的根源。

报告进一步以ROE和10年期国债利率作为现金流与折现率趋势的代理指标，验证二者趋势明显驱动风格溢价的强弱变化，历史数据与溢价动向关联紧密。同时，基于趋势强弱指标构建了风格轮动策略，回测表现显著优于单一风格投资，体现了风险调整后的稳定超额收益。阈值过滤细化信号，减少不必要的频繁调整，增强策略稳健性。

报告的创新点在于理论与实证的有效结合，为风格投资的择时提供科学依据，强调宏观估值变量在风格轮动中的关键作用。该策略为A股市场风格投资者提供了一种风险分解与动态调整工具，强化了现金流和折现率变化对投资风格选择的影响理解。

整体而言，报告利用严密的金融工程方法论和丰富的事实验证，为解决A股风格溢价及其波动性问题提供了深刻洞察，具备较高的理论及实用价值。投资者可借助该模型优化资产配置和风险管理，提升因应市场风格变动的敏捷度和收益稳定性。

[page::0-20]

---

总结表

| 章节 | 主题 | 关键内容 | 重要数据 | 图表作用 |
|---|---|---|---|---|
| 1 | 溢价现象概览 | 证明长溢价短期波动 | 图1、2体现溢价波动 | 直观展现市场风格收益波动性 |
| 2 | 估值理论与模型 | DDM与two-beta理论架构 | 数学推导基于DDM、CAPM拆分 | 强调现金流与折现率影响拆分 |
| 3 | 收益拆解VAR建模 | 宏观因子选取和检验 | 平稳性检验（表2）、回归结果（表4） | 量化现金流与折现率收益 |
| 4 | Beta计算及风格差异 | 分组计算大小盘成长价值两种beta（表5） | 分析大小盘和价值股敏感度差异 | 解释风格溢价波动根源 |
| 5 | ROE与利率趋势代理 | 现金流与折现率代理指标定义 | ROE、利率与风格溢价对应（图6-9，表8） | 验证趋势指导风格溢价波动 |
| 6 | 风格轮动策略 | 趋势指标定义与策略构造 | 策略回测表现优异（图11、表9） | 实证风格轮动效应 |
| 7 | 策略优化与风险 | 阈值敏感性分析及风险提醒 | 阈值0.1使策略收益回撤表现更优 | 策略稳定性及风险识别 |

---

总结

天风证券陈奕分析师团队通过深入的金融工程分析，利用现代估值理论和统计模型，解构并创新地解释了A股市场小盘溢价与价值溢价的根源及其波动机制。通过two-beta模型拆分现金流风险与折现率风险，结合宏观驱动指标ROE与利率趋势，成功构建了风格轮动模型，实证结果显示策略稳定且收益卓越，优于传统固定风格投资。该报告不仅为量化风格投资提供理论支持和实践路径，也为投资者在波动市场中有效管理风格风险，提升配置效率提供了参考价值。报告逻辑严谨、数据完备，方法创新，且策略回测结果可信，是A股风格投资领域的重要成果。

[完]

---

若需图表再现或具体章节内容溯源，敬请指示。

报告