股息率与指数未来收益率存在显著一致性，体现长期预测能力 [page::4][page::5]

• 短期（月度）股息率与未来收益相关性弱，但随着收益预测期限从1个月延长至7年，相关性显著增强。

- 股息率走势对未来长期收益率呈现高度预测能力，提示长期投资视角下股息率为有效估值指标。

股息率预测能力的“期限结构”与统计学解释 [page::6][page::7][page::8]

| 预测期限(k月) | 1 | 6 | 12 | 24 | 48 | 72 |
|--------------|-----|-----|-----|-----|-----|-----|
| 回归系数b | 0.0056 | 0.20+ | 0.40+ | 0.50+ | 0.60+ | 0.63+ |
| 模型R² | 0.001 | 0.15+ | 0.23+ | 0.45+ | 0.50+ | 0.65+ |

• 低预测期限时预测能力弱，模型拟合优度显著提升，达到6-7年期高峰后略有回落，呈非线性期限结构。

- 统计学模型表明，若股息率近似稳定AR(1)过程，累积期收益对其相关性会增强，支持期限结构现象。

股息率择时策略回测及表现优于传统股债二八配置 [page::12][page::13]

| 项目 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 年化超额收益 |
|------------------|------------|------------|----------|----------|--------------|
| 股息率择时策略 | 8.43% | 5.24% | 1.04 | 10.69% | 2.31% |
| 月度调仓股债二八策略 | 6.12% | 5.46% | 0.57 | 15.26% | — |

• 策略实现持续正收益，尤其在股市下跌阶段有效规避风险，稳健性优于传统月度调仓策略。

- 股息率择时策略最大回撤显著降低，夏普比率提升，风险调整后收益改善明显。

改进择时策略：分批调仓以提升模型稳健性并降低运气成分 [page::14][page::15]

| 项目 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 年化超额收益 |
|------------------|------------|------------|----------|----------|--------------|
| 改进择时策略 | 7.24% | 4.20% | 1.01 | 6.52% | 1.12% |
| 月度调仓股债二八策略 | 6.12% | 5.46% | 0.57 | 15.26% | — |

• 通过将初始资金划分为多个子账户分批调仓，提升调仓次数，提高模型验证数据量，有效降低策略的运气成分。

- 改进策略降低回撤幅度，收益较基础策略略降，但相较传统基准依然具备波动率和最大回撤优势。

其他估值指标 (EP、BP) 同样展示期限结构预测能力 [page::17][page::18]

• EP指标与指数未来收益关系表现出类似股息率的期限结构，预测能力随期限拉长而增强。

- BP指标表现与EP相近，同样具备对长期收益的预测潜力。

股息率择时模型存在的局限性及未来提升方向 [page::16][page::19]

• 样本容量有限导致模型估计存在样本外预测能力不足问题，预测期限拉长时模型稳定性减弱。

- 长期持仓策略不适用于短期限量化套利，适合用于资产配置的长期视角。

• 可以引入更多估值及宏观变量如EP、BP等，以提升模型预测能力和策略表现。

固收+”研究（一）股息率择时下的股债轮动策略——详尽分析报告解构

---

1. 元数据与报告概览

• 报告标题：《固收+”研究（一）股息率择时下的股债轮动策略》

- 作者及联系方式：覃table川桃A（qinct@cjsc.com.cn），鲍丰华（baofh@cjsc.com.cn），均隶属于长江证券研究所。

• 发布时间：2021年3月2日

- 报告类型：专题研究报告，聚焦金融工程领域。

• 研究主题：基于股息率的择时模型，在“固收+”投资理念下，探讨股债资产间的轮动策略，尤其是股息率如何预测股市未来长期超额收益，并依此构建股债配置策略。

- 核心论点概要：报告提出股息率与指数未来长期收益率呈现较强的一致性，股息率作为估值指标对短期收益解释力弱，但对长期收益具有显著预测作用；基于股息率的择时策略在“固收＋”框架下能构建出年化超额收益明显且夏普比率优于传统股债二八策略的低频调仓组合。尽管已有成果，模型仍存在样本量有限、样本外预测能力边际收益递减等问题，后续可通过结合更多估值指标来优化。

总体来看，报告旨在以统计学和实证回测为基础，验证股息率作为长期估值指标，在资产配置和风险管理中提供长期收益预测与组合稳定表现的能力，为“固收+”资产配置提供择时工具支持。[page::0,1]

---

2. 逐章精读与剖析

2.1 报告要点部分

• 股息率与指数未来收益率表现高度一致：以上证50为例，股息率与指数未来长期收益率的走势高度相关，暗示股息率作为长期收益预测变量的有效性。

- “期限结构”解释能力差异：建立回归模型发现，股息率对短期收益无显著解释能力，却随预测期限增长显示出更强的解释力，且包括滞后股息率因子的模型更具说服力。

• 统计学支持：微弱的短期预测能力经时间累积可转化为对长期收益的较强说明。

- 策略构建与表现：基于股息率择时建立的固收+股债轮动策略，年化超额收益约2.31%，表现稳定且回撤较小，夏普率明显高于常见股债二八策略。

• 模型提升空间：现有模型局限主要集中于样本容量及估计数据的有限性，建议引入更多估值指标（例如EP、BP）丰富模型信息量提升预测力度。

- 数据与回测均为历史分析，不保证未来效果，提醒投资者审慎对待历史回测结果。[page::1]

2.2 目录及图表目录

• 结构清晰，覆盖股息率与收益的现象分析、期限结构回归、指数对比、择时策略构建及改进、风险思考、其他估值指标的分析等，形成逻辑闭环。

- 图表丰富，囊括期限各种收益率对应图、回归参数期限结构、策略净值及分年表现等核心数据呈现，便于直观理解。[page::2,3]

2.3 从现象出发：股息率与收益率（图1-8）

• 关键论点：以2004年起，上证50日度股息率及对应未来1M到7Y收益率曲线为观测对象。

- 逻辑推理：以“价格趋于基本面”、“估值低对应未来高预期收益”为市场定价基础，考察股息率与短期（月度）及长期收益间关系。

• 数据点解读：

- 图1（1个月收益）显示股息率与未来1M收益相关性不足，不具预测力。
- 依次往后图2至图8，观察期限递增加强，两者走势的趋同效果显著，预示股息率与长期收益高度同步。

• 结论：股息率对短期收益预测能力弱，但对长期收益预测能力强。投资者如果盲目进行短频次调仓择时，或不能利用估值优势。

- 图表溯源：8幅图分别展示股息率（左轴）与未来1M-7Y收益（右轴），未来收益以累计多期收益表示，随着时间拉长，右轴刻度增大，强化长期性信号。[page::4,5]

2.4 股息率择时“期限结构”分析（计量模型及表1、2）

• 三个回归模型：

- 模型(1)：仅用当前期股息率预测；
- 模型(2)、(3)：包含1期、2期滞后股息率，考察滞后信息影响。

• 因变量：指数对债券的对数超额收益率，衡量股债收益差异。
• 估计结果：

- 表1 ：预测1个月超额收益，股息率系数0.0056，t值0.5，不显著，模型拟合度极低（R²=0.001）。
- 表2 ：预测60个月超额收益，系数0.536，t值>10显著，R²=0.453，模型拟合优良。

• 期限结构趋势：

- 回归系数及R²对未来收益期的函数图（图9、10）均呈单调上升至2年左右，出现场内预测能力上升；
- 随后稍微下降，3-3.5年区间略减；
- 三年以上预测能力再度攀升，约6.5年达到峰值。

• 滞后项效应（图11）：

- 包含股息率滞后项模型主要提升18个月内预测准确度，超出此期限，模型差异缩小。

• 总结：股息率对未来长期超额收益预测能力呈现复杂非单调的时间依赖结构，这种“期限结构”具有理论和实证双重支撑。[page::6,7,8]

2.5 统计学解释与不同指数比较（图12-14）

• 数据生成过程假定：未来收益由AR(1)过程驱动因变量(xt)预测，基于此解释长期预测能力随时间累积而增强的现象。
• 不同指数表现差异（图12、13）：

- 上证50、沪深300、中证800趋势相似，但中证500在1.5-3.5年区间表现较其他指数更佳，超过3.5年后预测能力下降。

• 组合层面回测（图14）：

- 以20%仓位股票，其余债券，基于预测模型择时构建组合。
- 随预测期限k增加，择时组合表现提升，12个月以上表现明显优于债券，低于纯股票。
- 短期（月度）策略效果最差，验证长期择时思想有效。

• 关键说明：该回测为样本内验证，不是量化策略回测，强调股息率信息在长期择时的重要性。[page::9,10]

2.6 基于股息率择时的股债轮动策略构建（参数选择及策略设计，图15-16，表3）

• 策略逻辑：

- 采用滚动窗体估计回归模型，调仓步骤：
1）月末用最近N=24个月数据估计模型、
2）用当前股息率预测未来K=18个月超额收益，
3）预测收益>0，股票20%，债券80%，否则纯债。

• 参数平衡：

- 长预测期K=18个月提升预测能力，N=24样本保障估计充分，避免使用过旧数据。

• 回测表现（图16，表3）：

- 净值曲线：策略跑赢纯债与传统月度调仓二八策略。
- 年化收益8.43%，优于月度股债二八策略的6.12%。
- 最大回撤10.69%，明显优于基准15%+。
- 夏普比率1.04，显著优于基准0.57。
- 策略特别在股票大跌期间有效规避风险，实现稳健收益。

• 结论：基于股息率周期择时的“固收+”策略取得了超额收益与更低风险的双重优势。[page::11,12]

2.7 策略改进与多账户并行回测（图17-21，表4）

• 基本拾遗：

- 传统策略调仓周期长，调仓次数少，存在较大“运气”成分。
- 不同建仓起点策略表现差异明显，说明样本内偶然成分强。

• 改进策略设计：

- 将资金分成K=18个子账户，分批、错时、独立执行预测与调仓，
- 多账户每月调仓，提升预测模型使用频次至182次，极大提高统计置信度和策略稳定性。

• 改进后表现（图21，表4）：

- 净值尽管收益略降，但波动大幅减少，回撤降至6.52%，更稳健。
- 夏普率保持约1.01，仍优于基准。

• 意义：

- 这种并行子账户策略有效剔除了基础策略潜在的随机驱动，增强对真实择时能力的反映。[page::13,14,15]

2.8 择时模型限制与其他估值指标的相关性研究（图22-29）

• 问题归纳：

1) 样本时间较短，数据有限，模型估计不足导致可靠性不足；
2) 长期样本滞后带来的适用性问题；
3) 样本外预测优于基准，但提升有限，须引入更多变量；
4) 超长持仓期策略对量化依赖度较低，适合固收+风格，但可能错失短期交易机会。

• 其他估值指标：

- EP（收益率倒数）、BP（净资产市值比）同样表现出了预测未来收益率随期限延长而增强的特征，说明股息率不是唯一有效估值指标，拓展指标组合潜力大。[page::16,17,18]

2.9 总结（报告结论核心）

• 市场估值低则未来收益率高，但关键是预测期有多长；

- 股息率作为指数长期收益的有效预测变量，与未来指数收益存在期限结构；

• 股息率对未来短期收益解释力不足，但随着时间延长显著提升，滞后项能进一步增强模型稳定性；

- 基于股息率的固收+股债择时策略能带来稳定超额收益，显著优于传统稳健组合；

• 模型存在样本及预测能力限制，未来通过引入更多估值指标和提升预测频率能进一步优化；

- 其它价格比率指标展现类似预测期限结构，验证了研究结论的广泛适用性。[page::19]

---

3. 图表深度解读

3.1 图1-8 股息率与不同期限指数收益率

• 描述：这组图展示了上证50指数日度股息率（左轴，单位%）与不同未来期限（1M-7Y）的同期指数收益率（右轴，单位%）走势。

- 解读：随着期限延长，股息率与未来收益率的走势更加一致，特别是3年以上，二者波动同步明显，验证股息率对长期收益的预测价值。

• 联系文本：配合文本提出的股息率择时“期限结构”，说明短期预测信号不足，但长期视角下预测力较强。

- 潜在局限：长期收益量级大，右轴坐标变化范围也大，需注意定量对比的尺度影响。

• 示意图位置/page：4-5

3.2 表1与表2：单期vs长期预测模型显著性比较

• 描述：OLS回归结果对比，k=1月份预测及k=60个月预测，左表几乎无预测能力，右表预测能力显著（系数高达0.536，t值>10，R²高达45%）。

- 解读：清晰展现股息率对指数1个月超额收益无统计意义影响，60个月预测能力强，是证明期限结构现象的核心证据。

• 联系文本：直观体现期限结构中模型拟合优度随预测期限攀升的关键事实。

- 溯源：页6-7

3.3 图9-11：期限结构曲线

• 描述：图9、10显示回归系数b和R²随预测期k变化趋势，图11对三个模型R²调整后的对比。

- 解读：曲线显示b和R²随k先升后降再升，体现非单调期限效应；含滞后项模型在18个月内显著提升预测性能。

• 联系文本：支持理论推导和多模型比较，反映加入滞后信息改善短期预测能力。

- 溯源：页8

3.4 图12-14：不同指数与组合回测表现

• 描述：图12、13比较上证50沪深300等指数期限结构，图14描绘不同k预测下的股债组合净值变化。

- 解读：不同指数期限结构相似但存在细节差异，组合回测表明调仓周期越长，择时效益越明显。

• 联系文本：多角度佐证股息率择时的可靠性和实用性。

- 溯源：页9-10

3.5 图15-16及表3：策略回测框架与表现

• 描述：示意图15说明样本、调仓期及估计间关系；图16展示基础择时策略、股债静态配置及单资产净值走势；表3详细列年收益波动及夏普等指标。

- 解读：策略能超越固定比例配置，尤其降低回撤，带来稳定收益和较好风险调整表现。

• 联系文本：证明实证择时策略的建构合理性和长期可操作性。

- 溯源：页11-12

3.6 图17-21及表4：策略起点敏感性与并行子账户策略表现

• 描述：图17-20不同建仓日期策略净值，图21改进策略净值，表4对应年化表现数据。

- 解读：不同起点基础策略表现差异大，改进策略剔除偶然成分提高稳健性，减缓回撤，收益保持领先。

• 联系文本：解释基础策略潜在“运气”因素，并提出解决方案。

- 溯源：页13-15

3.7 图22-29：其他估值指标EP与收益关系

• 描述：EP指标与未来不同期限收益对比图，布局与股息率图类似。

- 解读：EP与长期指数收益的走势一致性表明估值指标的普遍性及股息率择时的推广可能。

• 联系文本：提出未来模型可引入更多估值因子提升表现的建议。

- 溯源：页16-18

---

4. 估值分析

报告中估值部分主要涉及的金融模型是基于对数超额收益率预测的回归模型，未采用传统DCF或市盈率倍数法进行直接估值。

• 方法：建立股息率对指数超额收益的对数回归模型，加入滞后因子，捕获长期趋势和周期波动。

- 关键假设：
- 股票指数与债券指数收益的对比体现风险溢价。
- 股息率包含未来超额收益信息。
- 未来收益率具有AR(1)性质，使长期预测因子累积效果显现。
- 模型参数稳定，且历史数据能代表未来走势。

• 估值区间：预测期限k从1个月至7年不等，反映不同时间尺度的预测能力。

- 回归系数、调整R² 均随预测期变化，反映股息率对长期收益的解释力增强。

• 策略价值论证：通过预测超额收益指导资产配置，实现估值驱动的股债轮动。

---

5. 风险因素评估

报告明确指出以下风险：

• 历史样本局限性：A股数据周期较短，估计数据不足，可能导致模型过拟合或外推能力不足。

- 样本外适用性弱：过长的预测期限造成估计样本距离当前较远，数据可能滞后，不再适用于当前市场环境。

• 预测能力有限：尽管存在统计预测能力，但实际投资中模型超额收益有限，难以完全捕获市场变化。

- 策略执行风险：持仓周期长，量化策略交易灵活性不足，可能错过短期套利机会。

• 估值指标单一：仅使用股息率限制了模型表达的丰富度，未来需融合多指标以缓解模型风险。

报告提醒回测结果基于历史数据，不保证未来持续有效，投资者需自担风险。

---

6. 批判性视角与细微差别

• 报告对股息率对指数长期收益的预测效力提供了扎实的统计学和实证支撑，但承认样本短、样本外预测能力不足的局限性，这一点体现了作者审慎态度。

- 模型参数的稳定性及长期适用性是潜在风险，报告虽引入多重模型及子账户策略缓解，但仍需更多验证。

• 策略频率低（18个月）虽然适合固定收益思维，但与量化调仓频率不符，策略反应速度可能落后市场变化。

- 报告强调面向指数而非个股，结果不能简单外推至单个股票，需警惕盲目应用。

• 估值指标之间的相互影响、宏观变量的作用未深度探讨，模型结构相对单一。

总体来看，报告严谨结合理论与数据，优点突出且不掩盖局限，具备高度专业性和可信度。

---

7. 结论性综合

这份长江证券的专题报告《固收+”研究（一）股息率择时下的股债轮动策略》，系统深入地揭示了股息率作为估值指标，其对股票市场指数未来超额收益具有显著的期限结构预测能力。具体结论包括：

• 股息率对短期（如1个月）收益预测无效，但对中长期（1.5-6年）预期收益具备较强正向解释力，呈现非线性期限结构；

- 包含股息率滞后项的回归模型在预测未来18个月内指数收益尤其有效；

• 通过结合股息率择时，构建的“固收+”股债轮动策略回测显示，调整后的择时策略实现了年化8.43%的收益率，最大回撤显著低于传统股债二八组合，夏普比进一步提升至约1.0；

- 策略的收益稳定，更好应对了市场波动，特别是在股市大幅调整期降低了风险暴露；

• 策略存在因样本周期有限导致的“运气成分”，改进策略通过资金拆分多账户并行运作，显著减少此影响，提升策略的统计学基础；

- 报告最后指出，股息率择时模型还有更大提升空间，未来可考虑加入更多估值指标（EP、BP）及更多变量来增强预测效能，拓展“固收+”资产配置的理论与实践；

• 报告大量基于图表（图1-29）和实证表格（表1-4），详尽展现了股息率与未来不同期限收益的映射关系、回归模型预测能力和实时构建的资产配置策略回测表现，为理论验证及策略实施提供坚实数据支持。

总体而言，报告创造性地连接了金融工程模型与资产配置实务，厘清了股息率择时的期限结构特征及其固收+策略的实用价值，为资管和投资决策者提供了定量择时、风险调整型资产配置的理论框架及策略实现路径，彰显其作为“固收+”框架中股债轮动核心工具的地位和价值。[page::0,1,4-19]

---

所有图表均已在对应页码逐一解读并且标注，确保结论与数据的透明度和可追溯性。

---

致谢

此次详尽分析中，结合报告中逻辑推演、计量模型推断、实证回测及图表表现，全方位剖析股息率择时方法论及其实践，力求为资深投资策略师及研究人员提供清晰、准确且深入的理解。

报告