红利资产迎来确定性溢价

创建于 2025-07-21T01:18:53.135122+08:00 更新于 2025-07-21T03:12:24.065278+08:00

摘要

报告分析了高股息红利资产在经济结构转型期获得确定性溢价的逻辑，借鉴美日市场经验，指出中国红利指数过去收益由盈利增长驱动但估值承压，2023年出现估值拉动上涨的新特征。基于43个红利及财务因子构建量化选股模型，实现11%的年化超额收益及显著夏普率提升。机构主导定价权和技术指标表明短期超买风险，建议谨慎操作以避免追高风险 [page::0][page::2][page::4][page::7][page::8][page::9][page::13][page::16]

速读内容

海外经验表明经济转型期红利资产超额收益明显 [page::2][page::4]

美国经济三次冲击（互联网泡沫、次贷危机、新冠疫情）后红利股票跑赢大盘，展现防御属性

- 日本地产泡沫后长期低增长周期，红利指数超额收益显著，表现持续领先大盘

国内红利ETF产品规模仍较小，中证红利指数构建规则详解 [page::5]

| 产品名称 | 管理人 | 规模（亿元RMB） | 产品名称 | 管理人 | 规模(亿美元) |
|--------------------|-------------|---------------|-------|-----------------|------------|
| 华泰柏瑞红利ETF | 华泰柏瑞基金 | 161.7 | SCHD | Charles Schwab | 520.5 |
| 富国中证红利指数增强A | 富国基金 | 67.7 | VYM | Vanguard | 508.3 |
| 易方达中证红利ETF | 易方达基金 | 46.1 | SDY | State Street | 206.2 |
| 招商中证红利ETF | 招商基金 | 36.9 | DVY | Blackrock | 188.6 |
| 大成中证红利A | 大成基金 | 30.8 | FVD | AJM Ventures | 107.2 |
| 华泰柏瑞红利低波动ETF | 华泰柏瑞基金 | 26.4 | HDV | Blackrock | 103.5 |

国内红利类ETF市场规模远小于成熟市场，处于成长期阶段

中证红利指数量化选股增强模型及其显著超额收益表现 [page::7][page::8]

| 指标 | 红利指数优选策略 | 红利指数基准 |
|--------------|----------------|------------|
| 年化收益率 | 13.85% | 2.96% |
| 夏普比率 | 0.63 | 0.26 |
| 最大回撤 | 27.99% | 29.66% |
| 最大回撤时长 | 44周 | 35周 |
| 年化波动率 | 21.01% | 16.99% |

采用以红利相关财务因子为主，兼顾波动率、流动性、技术信号的43因子多因子模型在红利指数成分股范围内构建组合

- 2017-2023年回测数据显著跑赢基准，风险调整后收益明显提升

红利指数收益主要由盈利增长驱动，估值趋势长期承压 [page::9]

2010-2023年中证红利指数年均涨幅约4%，其中盈利增长贡献14%，估值下降拖累近10%

- 2023年首次出现估值拉动上涨、盈利拖累的特征，市场情绪和估值修复成为主动力

红利资产盈利稳定、增速低，确立其非进攻型防御特质 [page::11][page::12]

| 年份 | 相对ROE | 相对营收增速 | 红利指数涨幅 | 中证800涨幅 | 红利指数超额收益 |
|------|---------|--------------|-------------|-----------|----------------|
| 2010 | | | -13.28% | -7.32% | -5.96% |
| 2011 | | ← | -23.57% | -27.38% | 3.82% |
| 2012 | | | 7.06% | 5.81% | 1.25% |
| 2013 | 持平 | ← | -10.15% | -2.14% | -8.02% |
| 2014 | 持平 | 持平 | 51.68% | 48.28% | 3.41% |
| 2015 | | ← | 26.86% | 14.91% | 11.95% |
| 2016 | ← | ← | -7.64% | -13.27% | 5.63% |
| 2017 | ← | | 17.57% | 15.16% | 2.41% |
| 2018 | | | -19.24% | -27.38% | 8.15% |
| 2019 | ← | | 15.73% | 33.71% | -17.97% |
| 2020 | ← | ← | 3.49% | 25.79% | -22.30% |
| 2021 | ← | ← | 13.37% | -0.76% | 14.12% |
| 2022 | ← | ← | -5.45% | -21.32% | 15.86% |
| 2023 | | | 0.89% | -10.37% | 11.26% |

多数年份中红利指数的超额收益主要由其盈利相对改善驱动，体现其防御型稳定盈利特征

市场波动加大时红利资产表现优异，但短期超买风险明显 [page::13][page::15][page::16]

期权隐含波动率反映市场短期不确定性上涨阶段，红利指数通常获得超额收益

- 机构持股比例高，掌控定价权，指数波动率较低，具备较强稳定性

估值和ERP指标在择时上指导意义有限，短期技术指标显示存在超买风险

- 建议避免追高，注意市场调整可能性

深度阅读

金融工程 — 红利资产迎来确定性溢价报告详细分析

---

一、元数据与概览（引言与报告概览）

报告标题： 金融工程——红利资产迎来确定性溢价
作者与团队： 廖静池、张晗、卢开庆、梁誉耀等，均为国泰君安证券研究团队成员，具有证券投资咨询执业资格。
联系方式与证书编号均详列于报告首页。
发布日期： 报告内容涉及数据截止时间大致为2024年初，包含截至2024年1月左右的数据分析。
研究机构： 国泰君安证券研究所
主题： 研究经济结构转型背景下红利资产（高股息股票）的表现、估值机制及选股策略，结合国内外经验展望红利资产的确定性溢价现象及未来投资价值。
核心论点：

在经济转型期，高股息资产由于盈利稳定和确定性高，获得估值溢价，表现出较成熟市场历史上的超额收益模式。

- 国内红利指数过去表现盈利贡献主导涨幅，但估值多年来持续下行，2023年首次出现估值推动股价上涨、盈利贡献拖累的新形势。

通过组合选股增强方法（包含红利相关财务因子及交易指标）可实现显著超额收益和风险调整后的收益提升。

- 短期看，红利股受到机构投资者定价权较强，但技术指标显示存在超买风险，短期追高需谨慎。

报告综合海外案例和国内情况，强调红利资产在低风险偏好环境下仍具良好吸引力，但需关注经济和市场结构变化风险。

---

二、章节深度解读

2.1 盈利稳定的高股息公司有望获得确定性溢价

借鉴海外经验（1.1）

研究参考美国和日本成熟市场历史，红利资产在经济结构转型期（如经济增速下行、工业化后期）表现出持续跑赢大盘的超额收益。
- 逻辑解释： 传统制造业等高股息公司现金流充裕，盈利稳健，在新老经济交替时盈利波动较小，优势凸显。工业化后期资本开支及回报率下降导致利率下移，转而提升红利股作为类固收资产的吸引力，从而带来估值修复和溢价空间。
- 案例图表（图1、图2）
- 美国在三次经济冲击（互联网泡沫破裂、次贷危机，新冠疫情）后，红利指数超额收益明显（红利指数 vs 标普500比值整体上升趋势）。
- 日本地产泡沫后进入长期低增长通缩期，红利股票相对于大盘的表现同样长期跑赢。
这些说明了经济转型和低增长环境对红利资产估值溢价的重要背景和机制[page::2,4]。

国内smart beta产品规模偏小（1.2）

- 美国市场红利类ETF规模领先，最大产品超过500亿美元，头部集中度高。
- 国内红利类ETF起步较晚，规模偏小，最大产品规模约160亿元人民币，市场空间仍有较大提升潜力。
- 表1详细列出中美市场前十大红利ETF产品规模及管理人情况，显示两者市场成熟度差异[page::4,5]。

---

2.2 红利指数优化和选股增强方法

主流红利指数编制方法（2.1）

- 中美日三国主要红利指数均基于股息率排序筛选成分股，但细节规则有差异，如样本空间、成分股数量、调仓频率和权重限制。
- 中证红利指数样本为沪深A股和红筹，包含过去一年市值和成交金额排名前80%，同时限定稳定分红，剔除非现金分红或股利支付率异常公司。权重控制避免个股过大权重集中[page::5,6]。

量化选股增强方法（2.2）

- 目标是在中证红利指数成分股范围内，利用多因子量化模型优化选股，以捕捉超级红利收益及风险调节收益。
- 筛选的43个因子涵盖了红利因子（如股利性价比、历史稳定性、未来持续性）、波动率、流动性、技术指标。其中股利相关因子主要关注股利/收益、股息增长及现金流等指标，市场因子涵盖波动率及交易活跃度，技术指标反映市场短期趋势信号[图3]。
- 回测（2017-2023年）显示，该优选策略年化收益13.85%，较基准红利指数(2.96%)提升约11个百分点，夏普比率提升242%，最大回撤较小且持续时长适中，整体表现优异[图4，表3][page::6,7,8]。

---

2.3 国内红利指数定价因素分析

业绩驱动主导指数上涨，估值拖累趋势明显（3.1）

- 使用DCF模型分析涨跌驱动构成，2010-2023年间盈利增长平均贡献14%的年化回报，估值端拖累约-10%。这表明红利股虽盈利提升明显，但市盈率下降拖累整体涨幅，标志其估值压力和结构性调整[图5，图6]。
- 2023年以来形势变化，出现估值拉动上涨、盈利贡献拖累（分别贡献11%和-0.1%），显示以往历史规律不得不重估，表明估值修复阶段到来且盈利增长承压[page::8,9]。

红利资产盈利稳定，低增长，非进攻型特征（3.2）

- 中证红利指数成分股ROE和营收增速对比中证800，红利股盈利水平较高且增长表现更稳定，体现其“防御属性”而非成长性“进攻型”。
- 年度相对ROE和营收增长变化与超额收益密切相关，说明红利股收益受其盈利相对稳定影响显著，尤其在经济回落和风险偏好下降期更易获得溢价[图7,8,表4]。
- 利用股指隐含波动率表现（期权IV）显示波动率提升时红利股通常跑赢大盘，但该超额表现多为短期，2024年初波动率位于一年88分位，技术面已有超买信号。
[page::10,11,12,13]

投资者微观结构与估值分析（3.3）

- 机构持股比例明显高于市场均值，尤其是一般法人和陆股通持仓，中证红利成分股机构持仓平均约61%，说明机构对红利资产定价权重较大，导致价格波动幅度较小，市场波动相对冷静[图10,14]。
- 红利股票主要分布于传统行业（银行17%、煤炭14%、交通运输10%、钢铁9%等），属于经济基础行业，估值呈下行趋势，且ERP指标显示投资性价比提高但择时能力弱，估值未出现明显均值回归[图11,12]。
- 技术指标综合提示，红利指数短期处于布林带上轨，盈利水平远超大盘短期均值，有超买风险，短期内回调压力加大[图13,16]。
[page::14,15,16]

---

三、图表深度解读

图1（美国红利指数与经济增速）

显示1990-2023年间三次经济冲击后，美国红利指数(SPDAUDP)相对标普500指数(SPX)表现提升，反映红利股在经济放缓环境下的超额收益属性。经济GDP增长中枢下行与红利指数表现上行形成对比。

图2（日本红利指数相对日经225）

日本经历1985-89年高增长后，地产泡沫破裂进入长期低增长环境，红利指数显著跑赢日经225，体现稳定收益资产在低增长下的估值优势。

表1（中美红利ETF规模对比）

美国头部红利ETF规模显著领先，最大规模超过500亿美元，国内规模最大也不过160亿元人民币，展现国内市场红利投资产品发展空间。

表2（主流红利指数编制规则）

详细比较了美、日、中三国红利指数在样本空间、成分股筛选、权重计算及调仓频率的差异，指出中国红利指数更加注重分红稳定性及流动性要求，降低集中风险。

图3（多因子选股框架）

43个因子涵盖红利质量（如股利性价比和历史与未来稳定性）、市场交易指标（波动率、流动性）、技术指标，细致捕捉红利股内在和市场状态。

图4与表3（选股增强策略绩效）

回测结果清晰显示，量化选股策略持续跑赢基准红利指数，年化收益超过13%，超额收益约11%，且夏普比率超出基准2倍以上，风险调整后收益显著提升。

图5与图6（业绩与估值驱动拆分）

业绩贡献持续向上，估值多数年份下行拖累收益，2023年出现估值拉动上涨，标志着红利估值修复周期可能开启。

图7与图8（红利股票盈利增速与ROE表现）

红利成分股营收和ROE表现稳定且高于中证800指数，进一步支持其非进攻稳健的资产属性。

表4（年度盈利与超额收益关系）

多数年份红利指数超额收益与其盈利相对变动密切相关，尤其在经济回落阶段表现优异，体现防御性和确定性溢价。

图9与图10（隐含波动率与机构持仓）

红利指数在市场短期不确定性加剧时获得超额收益，但其受机构投资者控制，波动率低于成长股，表现较为稳定。

图11至16（行业分布、估值及技术指标）

红利资产正统多为传统行业，市盈率和ERP估值指标表现出持续下行趋势，中证红利指数技术指标接近超买，短期回调风险加大。

---

四、估值分析

本报告主要利用DCF（折现现金流）模型作为理解红利指数价格驱动的理论基础，拆分盈利预期、风险偏好及流动性等因素对估值变动的影响。但报告未开展具体DCF估值计算，仅通过收益与估值贡献拆分阐释市场风格变迁。

同时，报告讨论ERP（股权风险溢价）等估值指标，指出红利资产ERP持续提升，显示投资性价比好转，但该指标对择时指导作用有限，反映估值长期趋势下行的行情结构[page::9,14,15]。

---

五、风险因素评估

报告明确风险提示：

模型基于历史数据，未来表现未必重复，存在预测不确定性。

- 海内外经济可能出现超预期波动，带来估值和业绩波动风险。

不同经济体结构差异大，导致资本市场价格变化方式不同，历史经验可能失效。

- 技术指标显示短期存在超买风险，追高风险显著。

投资者应注意经济结构转型带来的不确定性，以及市场流动性变化对红利股估值的影响。

报告未明确细化缓解策略，但通过多因子组合及风险调整机制，试图控制风险，呼吁理性交易、避免盲目追高[page::0,16]。

---

六、批判性视角与细微差别

报告对红利资产的“确定性溢价”持较为肯定的论断，参考国外成功经验，国内市场面临相似经济转型环境，红利资产价值有望提升，但未充分考虑国内市场制度差异及新经济快速崛起对传统红利板块的长期挑战。

- 2023年估值贡献首次正向，盈利贡献负向，提示行业盈利承压趋势不可忽视。未来盈利波动或加大，投资者需要更多关注个股基本面。

虽然报告重视机构持股比例带来的稳定和定价权，但对此或带来的流动性风险、市场压力传导尚未深入。

- 报告强调技术指标短期超买，但未结合宏观和流动性事件详析，实际操作层面判断依然较为模糊。

报告估值分析主依赖PE和ERP指标，未引入更多动态估值模型或贴现率变动分析，估值敏感性需进一步探索。

---

七、结论性综合

本报告通过翔实的数据和系统的历史逻辑，论证了高股息红利资产在经济结构转型期因盈利稳定和现金流充裕而获得确定性溢价的合理性。借鉴美国和日本等成熟市场的历史经验，结合中国经济当前新旧动能转换的背景，红利资产有望体现超额收益。

基于中证红利指数的实证分析显示，过去十多年盈利增长是股价上涨的主要动力，虽然估值普遍下滑压制了收益体现。2023年这种格局出现转折，估值回升推动红利资产上涨，暗示市场对红利资产的风险调整收益认可度提升。

通过精选红利相关财务因子及市场指标构建多因子量化选股模型，报告展示了11%左右的年化超额收益空间，并带来显著夏普比率提升，验证了策略的有效性。
然而，红利指数在短期伴随波动率上升和技术面超买表现，不宜盲目追高，市场机构定价权强且波动相对有限。行业集中于传统制造业和金融、煤炭等，估值整体下行趋势明显，需警惕结构性风险。

总的来看，报告建议在风险偏好下降和经济不确定增强的环境中，高股息红利资产作为防御型类固收替代品具备吸引力，预计未来溢价将持续或增强，但需警惕盈利波动及估值调整风险。
短期交易谨慎为宜，策略化选股与组合优化是实现超额收益的关键路径。

---

报告整体立场： 正面看待红利资产的确定性溢价机会，建议关注量化选股提升组合收益，同时提醒市场短期技术指标超买风险，投资策略应结合基本面稳健性与市场风险偏好动态调整[page::0,2-17]。

---