• 红利指数表现及避险优势 [page::1][page::2]

- 中证红利指数（000922.CSI）构成现金股息率高、分红稳定且具规模流动性的100只股票。
- 红利指数在市场下跌区间表现优于其它宽基指数，显示良好避险属性。
- 2022年以来红利指数收益率明显优于上证50、沪深300等指数。

• 高股息收益来源拆解：红利收益贡献显著 [page::3]

- 红利收益在中证红利指数中占比明显高于其他宽基指数。
- 大盘宽基指数分红收益高于小盘指数，且红利指数长期提供稳定分红收益。

• 高股息股票风格画像 [page::4]

- 分红企业占比常年维持在70%以上，分红率约30%，仍有提升空间。
- 高股息股票集中于煤炭、房地产、银行等成熟行业，市值分布呈U形，包含中小盘和蓝筹。

• 分红率具备较强预测性，影响分红率的因素分析 [page::5][page::6][page::7]

- 高分红企业多为成熟期，表现为低ROE、ROIC、资本开支增速及营收增长。




- 高分红企业具备低资产负债率、低有息负债率、高现金利息保障倍数及低外部筹资依赖。

• 分红率历史稳定且分红企业分红次数集中 [page::7][page::8][page::9]

- 大部分分红企业维持稳定分红率，分红率多数集中在一定区间，且87%以上企业一年只分红一次。

• 分红率预测建模及优于基准的预测表现 [page::9][page::10]

| 年份 | 拟合优度 | 模型前100预测准确率 | 基准一期 | 基准二期 |
|-------|----------|----------------------|----------|----------|
| 2015 | 35.27% | 37% | 29% | 25% |
| 2016 | 35.93% | 33% | 28% | 25% |
| 2017 | 33.98% | 34% | 21% | 16% |
| 2018 | 35.15% | 27% | 28% | 18% |
| 2019 | 39.74% | 33% | 18% | 19% |
| 2020 | 34.59% | 35% | 22% | 25% |

- 采用随机森林模型，使用营业收入增长率、资本开支增速、资产负债率、历史分红率指标进行分红率预测。
- 模型预测分红率前100名准确率优于传统历史分红率法，效果提升约10个百分点，预测能力显著。

• 2021年度预期高股息率Top100股票名单 [page::10][page::11]

- 结合2021年一致预测净利润及预测分红率计算预期股息率。
- 通过预期股息率衡量未来高派息股票的性价比，剔除分析师覆盖不足样本以提升数据准确度。

【光大金工】哪些股票将迎来高股息？ 量化选股系列报告之四 —详尽分析报告

---

1. 元数据与报告概览

• 报告标题：哪些股票将迎来高股息？ 量化选股系列报告之四

- 作者：祁嫣然，光大证券金融工程研究团队

• 发布日期：2022年4月10日

- 研究机构：光大证券研究所，金融工程研究团队

• 报告主题：探讨中国A股市场高股息股票的投资价值、风格特征及其分红行为的预测方法，结合量化模型给出2021年预期高股息率股票名单。

核心论点：

• 分红是股票投资的重要收益来源之一，长期且稳定的分红能力是衡量优质投资标的的重要指标。随着中国资本市场机构化、成熟度提升，投资者对稳定高分红股票的关注度显著提升。

- 该报告首创从分红率出发，利用一致预期净利润数据计算预期股息率，实现动态捕捉未来分红变化，提高高股息股票的提前布局效率。

• 结合历史数据和行业分析，归纳出高股息股票的行业偏好、财务特征和生命周期阶段，并基于分红率构建预测模型以辅助投资决策。

- 通过模型预测与量化筛选，列出了2021年预期高股息股票的具体清单。

---

2. 报告逐节深度解读

2.1 摘要与引言章节

• 核心观点总结：

报告首段强调分红在市场投资框架中的重要地位，稳定的分红水平体现企业投资价值以及市场成熟度。报道背景为中国资本市场机构化进程，强调未来高股息股票的吸引力正在显著上升。分红率作为预测切入点，结合最新一致预期盈利数据，实现动态预期股息率的测算，提升投资决策的科学性和前瞻性。[page::0]

• 推理依据：

市场成熟化必然带动分红投资风格兴起，历史股息率和市场指数表现为背书。分红率优于简单股息率的预测性能基于分红率的更强可控性和公司经营关联性。

2.2 红利指数及其历史表现（第1-3页）

• 指数定义与构成：

中证红利指数选取沪深A股中现金股息率高、分红稳定、规模和流动性符合要求的100只股票为成分股，使用股息率权重分配，反映市场高分红股票整体表现。[page::1]

• 历史表现分析：

- 图1显示自2010年以来，中证红利指数整体表现优于上证50、沪深300、中证500及中证1000等宽基指数，尤其在市场大幅波动下展现出稳健的避险性能。
- 表1（历史下跌期间表现）显示中证红利指数的跌幅明显小于其它指数，体现红利股票的下跌抗跌性较好，即高分红股票组合具有风险缓释属性。[page::2]
- 图2和图3进一步拆解收益来源，明确红利指数的收益由“确定性红利收益”及“资本利得”两部分组成。中证红利指数的红利收益远高于其它指数，尤其大盘指数的红利收益高于小盘指数，进一步凸显高股息股票的稳健收益特性。[page::3]

• 关键数据点：

例如2014年中证红利指数股息收益率高达6.05%，显著领先其它指数，同时资本利得贡献也较为稳定。[page::3]

2.3 市场及高股息指数画像（第4页）

• 分红企业比例和分红水平：

过去十年，分红企业数量及分红率整体呈上升趋势。分红企业占比稳定在70%以上，反映A股市场分红意愿的提升及市场成熟度的进步。分红率约维持在30%左右，仍低于成熟市场40-50%的水平，显示市场仍有提升空间。[page::4]

• 高股息股票行业和市值特征：

- 高股息股票集中在煤炭、房地产、银行、汽车、交通运输及钢铁等成熟行业，符合产业生命周期成熟期企业高分红倾向的常识。
- 行业份额随时间波动，且银行和房地产在流通市值加权中占比显著，显示其高市值蓝筹股的分红水平居高不下。
- 市值分布分析呈U型，既有大盘蓝筹也有相当数量中小盘股票贡献高分红，打破传统高股息仅靠大盘股的认知。[page::4]

2.4 股息率构成与可预测性（第5-6页）

• 理论分析：

股息率由分红率、净利润、股票市值三部分构成，其中净利润和市值难以由企业主动调节，但分红率受到公司经营和股权结构影响较大，故分红率更具预测性。
企业进入成熟期后投资回报率降低，资本开支减少，利润更倾向于分红分配，形成低盈利能力、低投资回报率、低资本开支、高分红率的典型结构。
通过对A股公司分红率分组分析，发现营收增长率与分红率负相关，ROE和ROIC（盈利能力）在高分红组显著偏低，资本开支增速整体较低，符合成熟期企业特征。[page::5-page::6]

• 关键财务指标统计：

表3及图10-13表明，第10组（最高分红率）企业ROE仅7.03%、ROIC 7.18%，资本开支增速6.35%，营业收入增速8.47%，均显著低于其他组，对应高分红意愿。[page::6]

2.5 企业分红能力分析及财务质量（第6-7页）

• 财务质量要求：

高分红不仅需意愿，还需要分红能力，主要体现在财务稳健：低资产负债率、低有息负债率、较高现金流利息保障比率及低外部筹资依赖度。
分组数据显示，随着分红率分组增高，这些指标均呈明显负相关趋势，特别是资产负债率由47.31%逐步下降至30.60%，现金流利息保障倍数在最高分红组甚至出现负值，反映部分企业现金流压力，但整体趋势仍支持财务质量较好的结论。[page::6-page::7]

• 高分红企业风格特征：

利用上一会计年度分红率、分红率同比增长及分红率稳定性三个指标分析，发现分红行为具有高度稳定性，历史高分红企业往往能维持高分红且分红率呈持续增长趋势。
行业层面，银行、建筑和交通运输分红率稳定性最高，而煤炭、钢铁等周期行业波动较大。[page::7-page::8]

• 市值与分红率关系：

负相关体现了虽大盘蓝筹股分红比例高，但小盘股票中亦有较高分红率的企业，符合行业和生命周期角度的看法。[page::8]

2.6 分红数据预处理及模型构建（第9-10页）

• 数据筛选规则：

剔除非持续性分红（例如非财报期分红）、分红率异常高（>1）及无分红行为企业。
对于一年多次分红的企业，将分红金额按基准股本年化合并计算，保证分红率合理性。统计显示2020年93%的企业一年仅分红一次，支持该处理的合理性。[page::9]

• 模型设计：

- 目标预测变量：未来年度分红率。
- 自变量包括营业收入增长率、资本开支增速、资产负债率、上一年度分红率、分红率同比增长及稳定性。
- 模型采用随机森林回归，兼顾非线性和特征交互，减少对单一假设的依赖。
- 训练集选取t-2和t-1数据，测试集为t年数据，分年滚动训练，完成年度分红率预测。
- 模型对比基准：（1）前一期分红率；（2）一致预期每股股利推算的分红率。[page::9-page::10]

2.7 模型效果与预期高股息股票名单（第10-11页）

• 模型表现：

- 拟合优度R²稳定在约34%-40%区间。
- 预测分红率前100名企业的准确率相比两个基准平均提升约10个百分点，提升效果在近两年更为明显。
- 说明随机森林模型对高分红企业识别能力有显著提升，尤其优于传统使用历史股息率作为唯一依据的简单方法。
- 图24和表6详细展示了2015-2020年的模型表现与预测准确率对比。[page::10]

• 高股息率组合构成：

- 结合预测分红率和一致预期净利润，将二者乘积除以当前市值计算预期股息率，体现未来派息相对当前价格的性价比。
- 过滤掉无分析师覆盖或预测数据不足的股票，提高数据质量和预测准确性。
- 依据2020年数据预测2021年分红率及股息率，生成预期高股息率股票前100名清单。
- 表7详细列出100只股票，包括多家银行、房地产、钢铁、交通运输及多行业代表性企业。
- 该名单可视作未来一年股息投资的重要目标池。[page::10-page::11]

2.8 风险提示及免责声明

• 报告明确指出所有结论均建立在历史数据基础上，存在未来不可重复的风险。

- 内容仅供交流，非投资建议，投资者需自行决策承担风险。

• 版权归属光大证券研究所所有，严禁未经授权的转载和复制。[page::0, 11]

---

3. 重点图表深度解读

图1（第1页）：宽基指数表现对比

• 展示沪深主要指数（上证50、沪深300、中证500、中证1000）与中证红利指数自2010年至2022年初的指数表现。

- 红利指数长期稳健，尤其在2015-2016年股市大跌时表现出较好的防御性。

• 说明高股息投资组合具有较强的抗风险能力。

- 数据区间广泛，有效反映十余年周期性趋势。[page::1]

表1（第2页）：历史下跌区间指数表现对比

• 统计选取几个重要熊市区间，比较各指数跌幅。

- 中证红利指数在多数区间跌幅远小于中证500、西证1000等小盘指数，体现其投资价值和市场防御功能。

• 例如2021年底至2022年3月跌幅仅6.0%，远低于沪深300超17%。[page::2]

图3和4（第3页）：收益拆解

• 图3以横向条形图展现各指数2010-2021年分红收益与超额资本利得分解。

- 红利指数分红收益最高且资本利得略为负贡献，体现股息主导收益结构；大盘指数分红收益明显高于小盘。

• 图4逐年展示各指数股息收益率变化，红利指数均领先，且多数年份超过4%，是稳定现金流的主要来源。

- 辅助了文本中关于红利收益确定性和价值的论述。[page::3]

图5和6（第4页）：分红率和分红企业数量

• 图5展示2010-2020年上市公司总分红金额和分红率稳定在30%左右，整体略有提升趋势。

- 图6显示分红企业数量和占比，连续多年维持在70%以上，表明市场普遍具备分红习惯和政策支持。

• 这为后续分红率可预测性和市场分红成熟提供数据支撑。[page::4]

图7、8和9（第4页）：高股息指数行业及市值结构

• 图7时间序列堆积条形图揭示红利指数行业构成变迁，银行、房地产等传统行业长期占优。

- 图8饼图及图9柱状图则细分最新市值分布，显示银行占比40%以上，示范蓝筹股为主要驱动力，但中小盘亦占显著比例，呈U型分布。

• 有助理解行业成熟性和市值对高分红的影响。[page::4]

图10-13（第5页）：高分红意愿相关指标分组分布

• 各图对照分红率从低到高进行十等份分组，展示ROE、ROIC、资本开支增速、营收增长的平均值趋势。

- ROE和ROIC呈下降趋势，高分红组平均低于低分红组，资本开支和营收增速同样下降，显示成熟、盈利能力稍弱且低再投资企业倾向高分红。

• 图形清晰展示了分红倾向与企业生命周期及财务特征的关系。[page::5]

图14-17（第6页）：高分红能力财务指标分组分布

• 资产负债率、有息负债率、现金流利息保障倍数和外部筹资依赖度均随分红组提升而明显下降，说明高分红企业财务结构更稳健。

- 尤其负债指标体现融资依赖低，有助持续分红。[page::6]

图18（第7页）：行业分红率标准差箱型图

• 展示各中信一级行业股票分红率的波动区间，波动代表分红稳定性。

- 银行和建筑稳定性最高，煤炭、钢铁等波动性大，反映周期行业分红行为更不稳定。

• 与产业生命周期及行业风险偏好相匹配。[page::7]

图19-22（第8页）：分红行为影响因素分组统计

• 上一会计年度分红率、分红率同比增速、分红率稳定性和市值，均呈现显著的单调变化趋势。

- 高分红组企业分红行为稳定，且分红往往呈现持续增长。

• 市值与分红率负相关，揭示市场中小盘高分红趋势，补充了行业及市值结构分析。[page::8]

图23（第9页）：分红次数统计

• 大多数公司一年仅分红一次，支持以年度为单位进行聚合计算的合理性和有效性，有助降低数据噪声。

- 提升模型输入质量。[page::9]

图24（第10页）：分红率预测模型准确率对比

• 条形图显示2015-2020年模型预测前100只分红率最高股票的选中准确率明显超过两个基准模型10个百分点左右。

- 证明基于财务特征联动的随机森林回归模型优于简单历史或一致预测股利反推方法。

• 精度提升尤其明显，可为高股息投资提供更具前瞻性驱动力。[page::10]

---

4. 估值分析

本报告主要聚焦于股息率的历史与预测分析，未直接涉及传统估值方法（如DCF、P/E、EV/EBITDA等）的详细计算。其“估值”视角体现在基于预测分红率和一致预期净利润结合当前市值计算的预期股息率，此指标的核心假设为：

• 企业未来分红主要由分红率和净利润驱动，两者均可通过历史行为及行业特征建模进行有效预测。

- 当前市值为合理市场价格的体现，通过股息率体现未来现金回报率的不变性。

• 预期股息率即为未来分红现金流收益与当前价格的性价比指标，投资者应优先选择预期股息率高的股票以获得较稳健回报。

该建模倡导动态与量化结合，避免单纯静态估值失真，具有较强的优势和可操作性。

---

5. 风险因素评估

报告识别和提示以下主要风险：

• 历史数据不确定性：模型及分析基于历史数据，未来分红行为和市场环境变化可能导致历史规律不适用，存在风险。

- 非持续分红事件影响：偶发或非财报期分红可能干扰分红率计算及模型预测准确性。

• 数据覆盖限制：部分股票缺乏分析师覆盖或分红历史，使得模型预测能力下降。

- 行业和市场变化风险：产业政策、经济周期、资本市场波动及公司治理变化可能影响企业分红政策。

• 模型假设风险：模型假设企业分红受财务指标驱动，若存在隐含其他非财务驱动因素，则预测失误可能性增加。

报告虽未展现缓解策略，但剔除异常数据、剔除无分红行为公司等数据预处理已部分降低异常风险。

---

6. 批判性视角与分析细微差别

• 报告充分强调了分红率相比股息率的预测优势，但对市值的波动性对股息率的影响探讨有限。由于市场价格波动可能使预测股息率存在较大短期波动，实际投资需注意价格风险。

- 分红能力指标中的现金流利息保障倍数在最高分红组为负，表明部分企业财务压力较大，或掩盖潜在经营风险，投资时需审慎。

• 模型采用随机森林，虽然复杂度较高，但对外部环境突发变动应对不足；且未展示变量重要性或解释性，投资者可能难以完全理解模型驱动逻辑。

- 分红率受政策及市场共识影响强，报告未详细探讨宏观政策层面对分红行为的可能影响，这可能影响未来趋势。

• 市值与分红率负相关的反直觉结果提示小盘股也可能成为高分红股票，值得进一步关注，但也暗示这些股票可能存在其他风险因素。

---

7. 结论性综合

本报告通过详实的数据分析和量化建模全面评估了A股市场高股息股票的投资价值及其内在逻辑。核心结论包括：

• 高股息股票因其确定性的现金分红收益及较优的抗跌特性，具备显著投资价值。

- 分红率作为股息率的核心构成部分，相较股息率更具较强的可预测性，助力高股息股票的前瞻性筛选。

• 高分红企业多数处于产业成熟期，表现为盈利能力及投资回报率较低，且注重利润分配以现金分红回馈股东。

- 这些企业财务质量良好，负债率和融资依赖低，分红行为稳定，具备持续派息能力。

• 通过构建基于营业收入增长率、资本开支增速、资产负债率及分红行为质量因子的随机森林模型，实现对分红率的有效预测，显著优于传统基准模型。

- 结合一致盈利预期与预测分红率，量化得出未来股息率的性价比指标和高股息股票池，为投资者提供优质标的筛选依据。

报告中的表格和图表系统展示了市场和企业层面高股息股票的基本面演化和预测模型效果。其中，宽基指数的收益拆解清晰体现了红利股票的高分红带来的稳健收益，行业及市值分布图揭示了高分红股的深层结构，而分红率与财务指标的分组统计与模型验证强有力地支撑了报告得出的政策和投资结论。

综上，报告展现出对高股息股票明确的积极评价，使其成为中长期投资者在机构化市场中的重要权益配置方向。报告结合科学的量化技术和实证分析，具有较强的理论深度和实践指导价值。[page::0-11]

---

如需进一步解读特定页面图表或补充名词解释，欢迎提出。

报告