银行业多因子框架与因子池构建 [page::4]

• 将因子池划分为常规指标和银行专项指标两类。

- 常规指标涵盖规模类（如流通市值、营业收入）、估值类（市净率等）、技术类（动量、换手率）、盈利与成长类因子。

• 银行专项指标包括不良贷款率、拨备覆盖率、资本充足率、净息差等专属因子。

- 因子分组按中性化调整处理，特别针对不同类型银行做行业中性化[page::4][page::5][page::6].

常规因子有效性检验总结 [page::7-12]

• 规模因子中，营业收入IC最高（10.20%），年化收益9.63%，表现优于总市值、流通市值。

- 估值类因子中，市净率（PB）及市盈率倒数表现均较好，年化收益超15%。

• 技术因子中，换手率正相关且稳定，6个月涨跌幅体现动量反转表现，涨跌幅因子表现一般。

- 盈利因子中ROA和ROE均正相关，ROA稳定性更强。

• 成长因子中，ROE同比和营收同比增长率alpha贡献明显。

- 其他因子如股息率及其环比亦有较强选股能力。

银行专项指标有效性检验 [page::13-19]

• 不良贷款率高的银行股长期收益较高，且不良贷款率环比改善亦带来alpha。

- 拨备覆盖率高且环比改善的银行股收益稳定且上升。

• 资本充足率低银行股收益更高，存在政策风险。

- 净利差优于净息差，表现出积极选股能力。

• 拨备前利润同比增长率提供稳定alpha。

- 利息收入及利息净收入同比增长率均具备选股有效性，利息净收入同比增长率较优。

• 非利息收入占比和存贷款比率显示的选股能力较弱，不纳入模型。

多因子模型构建与筛选 [page::19-20]

• 常规因子最终选取：流通市值、营业收入、市净率倒数、6个月涨跌幅、资产回报率、ROE同比、营收同比、股息率及股息率环比。

- 银行专项因子选取：不良贷款率、不良贷款拨备覆盖率（及环比）、拨备前利润同比增长率、利息收入和利息净收入同比增长率（择优选利息净收入同比，剔除利息净收入同比相关性高的拨备利润因子）。

• 相关性高因子剔除，确保模型因子独立性和有效性。

回测结果对比分析 [page::21]

• 两类多因子模型均跑赢银行指数。

- 银行专项因子模型在回测期间（2016年1月至2018年4月）年化收益13.7%，高于常规因子的9.1%。

• 银行专项因子胜率略高，且收益表现更稳定，常规因子部分因子在2016年底至2017年初出现风格反转，收益受影响。

- 建议实际量化策略中融合两类因子，剔除相关性高但择股能力较弱因子。

风险提示 [page::22]

• 宏观经济下行风险。

- 因子有效性可能减弱或发生反转风险。

国联证券《银行多因子选股》报告详尽分析

1. 元数据与概览

报告标题： 银行多因子选股
作者及联系方式： 张晓春（分析师，执业证书编号：S0590513090003，电话：0520-82832053，邮箱：zhangxc@glsc.com.cn）；黄子宸（研究助理，电话：0510-82832380，邮箱：hzc@glsc.com.cn）
发布机构： 国联证券股份有限公司研究所
发布时间： 2018年9月左右（结合相关报告时间推断）
报告主题： 针对银行业股票进行多因子量化选股研究，区别于其他行业的特殊财务指标体系。重点在于分析常规因子与银行专项因子两类因子在银行股上的选股表现和收益能力。

核心论点与结论：

• 银行业的财务结构和经营特点与其他行业显著不同，因此在多因子选股时需设计专门的银行专项因子，同时结合传统常规因子。

- 两类因子均具有有效的alpha收益能力，但专项因子在收益稳定性和选股能力上优于常规因子，尤其在市场风格快速变化期间专项因子表现更佳。

• 多因子选股模型采用等权合成因子打分，剔除相关性高而选股能力较弱的因子，最终组合具有较强的超额收益能力。

- 2016年至2018年回测结果显示专项因子模型年化收益13.7%，优于常规因子的9.1%。

• 报告最后给出了2018年多因子模型推荐的银行股名单：建设银行、招商银行、宁波银行和南京银行。

风险提示：

• 宏观经济下行风险

- 因子有效性减弱或发生反转的风险[page::0,22]

---

2. 逐节深度解读

2.1 银行业多因子选股框架及因子池的建立（第4-6页）

• 银行业区别于其他行业的重要财务特性：

- 拥有大量现金及金融资产，流动性指标难以与其他行业企业横向比较；
- 资产拨备和计提影响财务指标，如PE失真；
- 部分指标（如总资产利润率、存货周转率）银行不适用；
- 因此设计常规因子和银行专项因子池，涵盖规模、估值、技术、盈利、成长、非息业务等多类别指标。

• 因子池设计：

- 常规因子包括规模（市值、营业收入、净利润等）、估值（市盈率、市净率、市销率、市现率）、技术（动量、换手率、波动率）、盈利指标（ROA、ROE等）、成长指标和其他指标（股息率、资产负债率等）；
- 银行专项因子包括不良贷款率、拨备覆盖率、资本充足率、净息差、贷款迁徙率、拨备前利润、利息收入等，且考察同比和环比变化以捕捉因子边际变动的选股能力。

• 单因子有效性检验流程详尽，覆盖分组收益区分度、多空组合收益、IC和ICIR指标、双样本t检验、因子中性化处理（针对银行类型的行业中性化，例如大型银行与城市银行）等多维度验证措施，为后续多因子模型构建打下坚实基础[page::4-6]。

---

2.2 常规因子单因子效能检验（第7-13页）

• 规模类因子：

- 总市值和流通市值与未来收益呈负相关，市值越大银行股未来表现越弱；
- 流通市值较总市值表现更稳定，营业收入表现最优，IC最高达10.20%，年化收益接近10%，且区分度明显，是规模类优选因子；
- 净利润和生息资产虽有效，但弱于营业收入。
- 图表1和2显示流通市值和营业收入多空收益曲线走势明显分化，支持该结论[page::7-8]。

• 估值类因子：

- 排除市现率倒数因子选股能力不足；
- 市净率（PB）、市盈率（EP，及扣非版本）表现均优，市净率因银行拨备及业绩特点优于市盈率。
- 多空收益曲线（图表4）及IC指标（图表5）均显示市净率和市盈率拥有稳定且正的alpha能力。
- 估值因子中PB的IC高达9.37%，年化收益超过17%[page::8-9]。

• 技术类因子：

- 换手率因子与收益呈正相关，表现与一般行业不同（通常换手率与后期收益负相关）；
- 换手率越高银行股收益越好，尤其6个月换手率；
- 波动率与收益负相关，但表现有限；
- 动量因子体现动量反转（负相关），6个月涨跌幅显示较好单调性，但t检验不显著，差异不明显。
- 图表6-9反映了换手率明显的正收益趋势，波动率和动量表现较弱[page::9-10]。

• 盈利类因子：

- 资产回报率（ROA）和净资产收益率（ROE）正相关未来收益，ROA稳定性和年化收益优于ROE；
- 销售净利率呈反向相关，意味着盈利质量高不一定带来正向的股价表现。
- 图表10-11数据支持上述[page::10-11]。

• 成长类因子：

- ROE同比增长率和营业收入同比增长率选股能力最佳，均表现为正相关，且区分度高；
- 图表12-14显示相关收益曲线和统计显著性指标。
- 其他如净利润同比增速效果较弱。

• 其他因子：

- 股息率及其环比变化因子潜在alpha能力较强，尤其股息率环比多个统计指标表现优异（IC=5.34%、年化收益率10.04%）；
- 总资产周转率和资产负债率表现一般。
- 详见图表15-17[page::12-13]。

---

2.3 银行专项因子单因子效能检验（第13-19页）

• 不良贷款率：

- 原本低不良率意味着资产质量好，风险低，但市场表现逆向，投资不良率高的银行股长期能获得更高收益，表明银行弹性优势及市场对风险溢价认可；
- 不良率环比改善的银行股收益优于恶化的，市场青睐此类边际改善股。
- 图表18-21显示了不良贷款率和环比变化的收益趋势，收益曲线的单调性支持以上结论。

• 拨备覆盖率（拨备率）：

- 拨备覆盖率越高，表明银行风险缓冲能力越强，整体表现为高拨备率银行股跑赢低拨备；
- 拨备率环比改善的波动性和收益表现更佳，收益单调性良好。
- 图表22-25提供了清晰视觉验证。

• 资本充足率：

- 资本充足率低银行股收益率高，说明资金使用效率更高，风险溢价要求表现出色；
- 该因子在监管加强或市场风险上升时可能反转，需谨慎使用。
- 图表26-27显示资本充足率相关趋势。

• 净息差与净利差：

- 净息差分组收益无明显单调性，影响力有限；
- 净利差较高者选股有一定超额收益，但幅度有限。
- 详见图表28-31。

• 拨备前利润：

- 反映拨备前盈利水平，避开拨备操作对净利润的扭曲；
- 拨备前利润同比增长率比原值表现出更强alpha能力且收益单调性优。
- 图表32-35展现该因子数据情况。

• 利息收入和利息净收入：

- 作为银行最核心收入来源，利息收入占总收入60%-80%；
- 利息净收入同比增长率显示更优选股能力，收益区分明显，单调性稳健；
- 利息收入普通值分组效果不突出。
- 详见图表36-41。

• 非利息收入占比和存贷款比例因子表现较差，无法显著地区分收益，未纳入最终模型[page::13-19]。

---

2.4 因子筛选和多因子模型构建（第19-21页）

• 常规因子中选取因子：

- 流通市值（负相关）、营业收入（正相关）、市净率的倒数（PB）、6个月涨跌幅（负相关）、资产回报率、ROE同比、营收同比、股息率及股息率环比。
- 其中6个月涨跌幅负向显著，显示动量反转特征，换手率因子由于单调性欠佳剔除。

• 银行专项因子选取：

- 不良率、不良率环比、拨备率、拨备率环比、利息收入、利息净收入同比增长率、拨备前利润同比，结合相关性分析择优选择。
- 利息净收入同比与拨备前利润同比相关性较高，选取表现更好的利息净收入同比。

• 各因子相关性剔除冗余，确保多因子组合效果最大化。图表44-45体现常规因子与专项因子整体表现指标。

---

2.5 回测结果（第21页）

• 回测区间： 2016年1月至2018年4月

- 持仓策略： 每月按因子综合评分前1/3股票构建组合，月度调仓。

• 表现总结：

- 两种模型均跑赢同期银行指数；
- 银行专项因子模型120月滚动收益及累计收益表现均优于常规因子；
- 专项因子年化收益13.7%，常规因子9.1%；
- 专项因子胜率略高，收益波动更稳定，因子内部存在部分共性，如营收同比与利息净收入同比高度相关。

• 图表46-49详细展示了各模型的收益曲线及滚动收益情况，分别展现多空收益率、累计净值及月度收益波动特征。整体显示专项因子具备更优质的alpha捕捉能力。

---

2.6 结论与风险提示（第22页）

• 两种多因子模型均能有效捕捉银行股alpha，专项因子模型表现优异且稳定；

- 在市场结构风格变化期，专项因子具备更强防御性，避免部分alpha反转；

• 结合实际操作建议将两类因子合并但需剔除相关性高且择股能力弱因子如利息净收入同比增长率；

- 2018年基于多因子模型推荐银行股已具体明确；

• 风险提示包括宏观经济下行和因子有效性变化风险。

---

3. 图表深度解读

3.1 股票因子多空收益曲线（图表举例）

• 图表1（总市值与流通市值多空收益曲线）：

- 数据区间2010年至2015年，纵轴为累计收益指数；
- 线条趋势显示总市值和流通市值因子分组前后收益走势均呈现明显下跌，表明大市值银行股未来相对表现弱。
- 流通市值表现更平滑和稳定，符合报告结论。

• 图表2（营业收入、生息资产、净利润多空收益曲线）：

- 营业收入曲线明显领先，长期单调上升，显示良好的选股能力。

3.2 估值因子表现（图表4-5）

• 多空收益曲线（图4）： EP、BP及市净率因子多空差距明显，CP无明显分化。

- 指标表（图5）： EP和PB因子均展现IC和ICIR均在10%左右，年化收益超15%，夏普比率稳定，显著优于CP。

3.3 技术因子（图表6-9）

• 换手率图（图6）显示1-6个月换手率因子均带来正收益，且6个月换手率收益和单调性最佳。

- 波动率和动量变化向下趋势明显，分别对应负的相关IC，验证动量反转特征。

3.4 银行专项因子（不良贷款率、拨备覆盖率、资本充足率等，图13-27）

• 不良贷款率多空收益曲线（图18-21）显示投资高不良率和不良率环比改善组收益优。

- 拨备覆盖率表现为高拨备组股优，且环比改善组收益更好（图22-25）。

• 资本充足率低银行股获得更高收益，但此因子具使用风险（图26-27）。

3.5 利息收入及净收入相关图（图36-41）

• 利息净收入同比增长率（图40-41）比利息收入本身表现更优，收益分组区分清晰且稳定。

3.6 回测收益曲线（图46-49）

• 常规因子与专项因子回测累计收益整体呈上涨趋势，专项因子收益曲线高于常规因子，波动性相对更小，稳健性更强。

- 12个月滚动收益柱状图反映两模型月度收益均为正多数，专项因子胜率稍好。

（所有图表均来源Wind和国联证券研究所，图表均体现因子选股效果的稳定性与超额收益能力）[page::7-21]

---

4. 估值分析

报告侧重于因子模型的选股能力及回测，不涉及对个别银行股的具体估值模型（如DCF或市盈率法等）分析，而是通过因子反映估值量化选股。
估值因子选取上，重点是市净率（PB）倒数、传统市盈率（EP）等因子，均为市面常用估值指标，但结合银行特殊拨备会出现指标失真，因此推荐PB更适用银行业。
指标表现通过IC和多空组合收益体现因子价值的预测能力，体现定价效率侧重点。
对于估值倍数模型，报告弱引用，重点在因子构建及验证而非估值目标价评估。[page::8-9]

---

5. 风险因素评估

• 宏观经济下行风险： 银行业高度受宏观经济影响，经济放缓可能导致贷款质量恶化，资本充足率和拨备压力上升，影响银行盈利及股价表现。

- 因子有效性风险： 因子表现可能因市场环境变化、风格切换、政策监管等因素失效或出现反转，导致量化模型收益波动或下降。

• 特殊风险提示： 报告提醒资本充足率因子使用中需关注监管变化与市场债券违约风险，避免潜在风险暴露。

- 报告未明确提出缓解策略，仅提醒投资者注意上述风险。[page::0,22]

---

6. 批判性视角与细微差别

• 报告中对银行专项因子的信赖较强，但多项因子如不良贷款率正相关未来收益表现，与传统风险评估逻辑相悖，可能反映市场结构性风险偏好或数据样本特异，需警惕因子异象背后潜在非理性因素。

- 常规因子中动量反转特征显著，表明银行股短期价格存在反复震荡，这为基于动量因子的多因子模型带来不稳定性风险。

• 部分因子表现受样本数影响较大（银行股数量仅16只，半年报更新慢等），导致统计显著性有限，模型稳健性有待进一步验证。

- 报告强调因子间相关性剔除，避免多重共线性，但因子间仍存在较强相关，实际模型风险敞口可能被低估。

• 资本充足率低银行股的更高收益潜藏潜在系统性金融风险，投资者需高度关注监管相关变化。

- 在因子选择时，报告未充分讨论宏观环境对因子有效性影响的时变性，建议结合宏观视角动态调整权重。

• 虽然报告提示风险，但未充分深入讨论模型在极端市场或监管环境下的表现，存在一定局限性。

总体，报告逻辑严密，实证验证充分，但对银行业长期资本风险、因子稳定性和市场结构性转变的潜在影响需更审慎对待。[page::4-6,13-22]

---

7. 结论性综合

本文以国联证券研究所提供的多因子量化模型为基础，系统地分析了银行业股票选股因子的特点和有效性。区别于传统行业分析，文章强调银行业独特的财务指标体系和业务特征，提出将常规因子（规模、估值、技术、盈利、成长、股息率等）与银行专项因子（不良贷款率、拨备覆盖率、资本充足率、净息差、拨备前利润、利息收入等）结合的多因子模型设计。

通过细致的单因子有效性检验（包括多空收益趋势、IC与IC_IR指标、双样本t检验、因子中性化及相关性分析等验证）和2016-2018年实盘回测，发现专项因子的选股能力、收益稳定性均优于常规因子，专项因子模型回测年化收益率达13.7%，明显超越常规因子9.1%。专项因子的稳定性在风格快速切换期尤为突出，有效避免了常规因子中规模和动量因子可能带来的alpha反转风险。

报告通过丰富图表数据直观呈现各因子历史多空收益曲线和统计显著性，保障结论的科学性和可信度。银行专项因子中，不良贷款率高获利能力强、拨备覆盖率高稳健、资本充足率低获高收益的反向表现尤值得关注，表现市场对风险溢价和监管政策的动态反应。利息净收入同比增长率等盈利动力指标也验证了银行传统核心业务对股价的重要驱动作用。

基于因子间相关性剔除冗余后，报告提出了稳定实用的多因子组合，且给出2018年多因子模型推荐持有的代表银行股（建设银行、招商银行、宁波银行、南京银行），具有较强的实际指导意义。

风险提示合理且明确，提醒投资者关注宏观周期和因子失效可能造成的波动，但对于极端环境下模型表现的讨论较少。整体而言，该报告从行业特性出发，系统严谨地设计和验证了银行股多因子选股策略，能够为机构投资者和量化基金提供有价值的选股框架和指标体系。

图表层面，报告充分利用时间序列多空收益曲线（图1-49），细分因子表现，清楚展现了因子收益的单调性、稳定性及统计指标，特别是专项因子表现优异的多空收益线和稳健的滚动收益率柱状图，这些直观数据助力深入理解因子背后的经济逻辑并验证模型有效性。

综上，本报告系统分析了银行业多因子量化选股的实证路径，提供了清晰的因子选择思路、稳定的收益预期和合理的风险识别，具备较强的学术价值和实操指导意义。[page::0-22]

---

备注

本分析严格依照报告内容进行，所有结论均基于报告数据与叙述，避免带入主观或第三方信息。所有引用均标明具体页码以方便追溯。

报告