高股息股票展现出较强的避险属性与稳定的股息收益来源 [page::3][page::4]

• 中证红利指数在市场调整期间跌幅较小，显示其良好避险特征。

- 红利收益贡献显著，红利指数的股息收益远高于其他宽基指数，尤其是大盘宽基指数的分红收益明显优于小盘。

A股高股息股票行业与市值分布及股息率预测的可行性 [page::5][page::6][page::7]

• 高股息股票主要集中于煤炭、房地产、银行、汽车等成熟行业。

- 市值呈U形分布，中小盘股票在高股息股票中占重要比例。

• 分红率比股息率更具预测价值，能更好反映企业分红意愿和能力。

高分红意愿企业表现为低盈利能力、低资本开支及低增长态势 [page::8]

• ROE、ROIC、资本开支增速、营收增长率均随分红率升高而下降，显示高分红意愿企业通常处于成熟期低增长阶段。

高分红能力企业具备较低负债率和外部筹资依赖度 [page::9][page::10]

| 分组 | 资产负债率(%) | 有息负债率(%) | 现金流利息保障倍数 | 外部筹资依赖度 |
|-----|--------------|--------------|------------------|----------------|
| 1 | 47.31 | 40.66 | 2.43 | 4.75 |
| 10 | 30.60 | 20.93 | -1.50 | 3.31 |

• 负债率及外部筹资依赖度均与分红率负相关，高分红企业财务质量稳健。

分红行为表现稳定性强且市值与分红率负相关 [page::10][page::11]

| 分组 | 上一会计年度分红率(%) | 分红率同比增长(%) | 分红率稳定性 | 市值(万元) |
|-----|------------------|----------------|------------|------------|
| 1 | 11.51 | -2.78 | 0.06 | 750828.09 |
| 10 | 60.34 | 12.60 | 0.20 | 531382.37 |

• 企业分红率具有优良的延续性和稳定性，市值与分红率呈负相关。

分红率预测模型构建及预测性能 [page::12][page::13]

| 年份 | 拟合优度 | 模型前100预测准确率 | 基准一前100预测准确率 | 基准二前100预测准确率 |
|-----|---------|------------------|--------------------|--------------------|
| 2015| 35.27% | 37% | 29% | 25% |
| 2020| 34.59% | 35% | 22% | 25% |

• 利用随机森林模型，结合营业收入增长率、资本开支增速、资产负债率等6个指标对分红率进行预测。

- 预测准确率较两基准模型提高约10个百分点，表现优秀。

2021年预期高股息率股票组合及投资价值 [page::14]

• 根据模型预测分红率与一致预期净利润计算预期股息率，筛选出预测高股息率Top100股票名单。

- 该组合为未来高派息股票的性价比投资参考，具有较强实用价值。

金融研究报告详尽分析——《哪些股票将迎来高股息？ ——量化选股系列报告之四》

---

一、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》

作者信息:

• 分析师：祁嫣然

- 执业证书编号：S0930521070001

• 联系电话及邮箱：010-56513031，qiyanran@ebscn.com

- 联系人：曲虹宇，010-56513042，quhongyu@ebscn.com

发布机构： 光大证券研究所
发布时间： 报告覆盖时间至2022年3月31日，测算多以2021年实际数据为基础，预测2021年股息情况
研究主题： 通过量化模型分析中国A股市场高股息股票的特征和投资价值，预测未来高分红率企业及其股息率，提供量化选股参考。

报告核心论点与信息摘要：
报告强调分红是股票投资的重要收益来源，随着中国资本市场的成熟，稳定分红的股票逐渐成为机构投资关注的重点。报告以分红率为核心切入点，结合一致预期净利润数据，构建了分红率预测模型，通过计算预期股息率，为投资者提供动态、前瞻性的高股息股票配置建议。报告强调，高股息股票不仅在市场波动中具备避险优势，而且赤裸裸的现金红利收益是其吸引力的核心，同时结合产业生命周期、盈利能力、财务质量等因素来分析高分红意愿与能力。[page::0] [page::3]

---

二、逐节深度解读

1. 高股息投资价值

1.1 红利指数表现

报告选取中证红利指数（代码000922.CSI）作为市场高分红股票代表，指数选取沪深A股中现金股息率高、分红稳定、规模及流动性良好的100只股票，以股息率权重反映整体表现。通过时间序列对比发现，中证红利指数在市场大幅下跌期表现出明显的避险效果（如2011-2012及2015-2016年调整阶段风险较低），并且2022年以来红利指数的表现明显优于传统宽基指数（如上证50、沪深300等）。图1展示了2010年至2022年3月31日各主要指数走势，中证红利指数平稳且抗跌性较强，表明高股息组合分红收益在下跌行情中提供了确定性收入的优势。

表1进一步支持上述结论—历史下跌区间数据显示，中证红利指数跌幅最小，如2021年底至2022年3月跌幅仅为6%，明显低于沪深300、上证50等（分别约15%-18%区间）[page::3]。

1.2 高股息收益来源拆解

利用收益拆解方法将总收益区分为红利收益与资本利得收益，结果显示中证红利指数的分红收益远高于其他指数，尤其是相较于小盘指数如中证1000和中证500。同时，大盘指数在分红收益上也明显优于小盘指数，凸显高分红股票的现金流价值。图3表明，从2010至2021年，中证红利指数的红利收益占比显著。同时图4及表2呈现了各大指数历年股息率走势，中证红利指数的股息率长期维持在较高水平（2019年达到5.39%峰值，2021年约5.02%），明显领先其它宽基指数，如沪深300和上证50分别在2%-4%区间波动[page::4][page::5]。

1.3 高股息指数画像

• 分红意愿趋势： 报告强调，近期A股分红企业数占比维持在70%以上，表明市场分红意识逐渐增强。当前整体分红率约30%，仍低于成熟市场40%-50%的水平，有增加空间（图5、图6详细显示2010年至2020年分红比例和分红企业占比趋势）[page::5][page::6]。
• 行业分布特征： 高股息股票主要集中在行业成熟阶段，如煤炭、房地产、银行、汽车、交通运输、钢铁等产业，符合产业生命周期理论，成熟行业利润分配倾向于分红而非高额投资扩张（图7展示行业分布历年变化）[page::6]。
• 市值分布： 统计数据显示高股息股票市值呈U型分布，既包括大盘蓝筹股（尤其银行、房地产），也有大量中小盘企业，高股息股票不局限于大盘板块，挑战传统认知（图9）。而按流通市值加权的行业分布显示，大盘高股息主要是金融及地产行业（约占53%）（图8）[page::6][page::7]。

1.4 股息率的可预测性

报告指出，股息率由分红率、净利润和市值共同决定，但其中净利润和市值不由企业自主调节，而分红率与企业经营情况、股东权益分配等关联密切，具有较强的可预测性。而价格波动会影响股息率稳定性，因此以分红率为建模核心，预测性更强[page::7]。

2. 哪些因素影响分红率

2.1 高分红意愿

通过财务指标分析，处于成熟期企业通常表现出较低的盈利能力（ROE）、投资回报率（ROIC）、资本开支增速和营收增长率，这些企业由于投资机会较少，倾向于将利润以现金分红形式回馈股东。图10至图13显示高分红率企业各项指标均低于低分红率组别，尤其营收增长率与分红率呈显著负相关（表3提供具体数据）。这一逻辑符合产业生命周期理论及企业资本配置行为[page::7][page::8]。

2.2 高分红能力

除了意愿，高分红能力同样重要。报告通过资产负债率、有息负债率、利息保障倍数和外部筹资依赖度多维度考察企业财务健康状况。统计显示，高分红率企业负债水平较低，现金流状况较好，筹资依赖度低（图14-图17及表4反映该趋势），保障其持续分红能力[page::9][page::10]。

2.3 高分红企业的风格特征

该部分重点分析了分红稳定性及分红行为延续性，发现：

• 上一年度分红率与当前分红率正相关，分红率往往具有惯性（图19）。

- 分红率同比增长和稳定性指标与分红率正相关，显示部分企业存在分红增长趋势（图20-图21）。

• 市值与分红率呈负相关，支持前文市值U型分布结论（图22）。

- 行业分红率波动性分析（图18）显示银行、建筑、交通运输等行业分红最稳定，且大型国企行业分红波动较小，反映行业成熟度对分红稳定性有显著影响[page::10][page::11]。

3. 高分红股票预测

3.1 数据预处理

为保证预测模型的有效性和持续性，报告对分红数据进行筛选过滤：

• 剔除非常规分红（非财务报告期分红等异常事件），例如针对特定事件补偿分红。

- 排除分红率异常高于100%的样本。

• 排除历史无分红记录股票，因为其未来分红可能性小。

- 多次分红采用年度加总计算。数据显示2020年93%的公司仅分红一次（图23），说明以年度为单位计算合理[page::12]。

3.2 分红率预测模型构建

采用随机森林回归模型，以历史财务指标（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、分红率稳定性）作为自变量，预测下一年度分红率。样本去除了银行业特殊数据，模型针对每年均建立，实现动态预测。训练集采用t-1和t-2年数据，测试集为t年数据[page::12][page::13]。

3.3 模型准确率评估

模型对2015-2020年分红率预测表现优于两个基准模型：

• 基准一：采用滞后一期分红率作为预测（即假设分红率不变）。

- 基准二：采用分析师一致预期每股股利反推分红率。

图24及表6显示，随机森林模型的前100名分红率预测准确率平均超过30%，较基准提升约10个百分点，尤其2017-2020年表现突出，说明模型对筛选高分红股票具有较强的区分能力[page::13]。

4. 2021年度预期高股息率组合

结合模型预测的分红率与2021年一致预期净利润，计算出预期红利金额，进而计算预期股息率（分红金额/当前市值），该指标表达以当前价格购买未来分红预期的性价比。为保证数据质量，剔除无分析师覆盖股票，一致净利润使用过去90天分析师预期均值。

2021年基于2020年数据预测得到预期高股息率Top100，详见表7。名单包含银行、钢铁、房地产等传统高分红行业龙头企业，也包括中小盘股票，进一步验证市值U型分布趋势[page::14]。

5. 风险提示

报告谨慎指出，模型和结论依赖历史数据，存在历史不完全可重复的风险。投资者应结合自身风险承受能力和市场环境理性决策[page::15]。

---

三、图表深度解读

• 图1（宽基指数表现对比）：显示中证红利指数在市场各阶段具有较强韧性和较低回撤，尤其在2011-2012、2015-2016等市场调整期间跌幅明显小于其他指数，表明高股息策略的防御属性[page::3]。

- 表1（历史下跌区间指数表现对比）：量化补充图1结论，中证红利指数下跌幅度最低，体现出红利股组合在熊市中的收益优势[page::3]。

• 图2（今年以来各宽基指数收益率对比）：2022年初至3月，中证红利指数略有正收益，而其他宽基指数普遍亏损，凸显分红股票的防御和稳定特性[page::4]。

- 图3（收益拆解）：展示不同指数的资本利得和分红收益分解，中证红利的红利收益占比最高，资本利得收益较低但相对稳定，说明总收益以稳定现金流为主[page::4]。

• 图4与表2（指数红利收益对比及分年度股息率）：直观呈现不同指数的历史股息收益水平，中证红利指数股息率显著高于宽基指数，股息收益贡献突出[page::5]。

- 图5与图6（分红比例和分红企业数量趋势）：显示分红率稳定维持约30%，分红企业数量与占比逐年提升，市场成熟表现[page::6]。

• 图7（行业分布变迁）：表明银行、房地产、煤炭等成熟行业占比稳定且占比较大，行业特征明显[page::6]。

- 图8与图9（市值与行业市值加权分布）：显示大盘集中于银行和地产，小盘具有多样化特征，双峰U形分布特征明显[page::7]。

• 图10-13（高分红意愿相关指标）：展示各组别不同指标的均值，分红率最高的十组企业盈利及增长指标明显较低，符合企业进入成熟期后的资本回报分配行为[page::8]。

- 图14-17（高分红能力指标）：反映分红率较高企业负债指标低，现金流指标稳健，说明这些企业财务结构支持持续分红[page::9]。

• 图18（行业分红率波动）：银行、建筑、交通运输稳定性强，周期性行业分红波动大，行业特征清晰[page::10]。

- 图19-22（分红率历史稳定性与市值关系）：反映分红惯性及分红率稳定性的正相关，市值呈负相关，验证报告关于市值与分红的反向关系[page::11]。

• 图23（年度多次分红次数）：显示绝大多数企业年度只分红一次，支持模型年度分红处理方式合理[page::12]。

- 图24（模型预测准确率）：模型明显优于基准，准确率提升显著，验证报告预测模型有效性[page::13]。

---

四、估值分析

报告主要依赖量化预测股息率指标评估投资价值，估值方法属于基于预测分红率和净利润计算的预期股息率模型，隐含自由现金流折现的简化思路，股息现值反映估值核心。未使用复杂的现金流折现-DCF模型或多因素估值，但通过随机森林模型预测分红率，结合分析师一致预期净利润带入，具有前瞻性和较高数据解释力。

估值关键假设包括：

• 各项财务指标对未来分红率的稳定影响；

- 分红率模型对所有行业有效，并剔除银行业数据异常；

• 分红率乘以分析师一致预期净利润可合理估计分红金额；

- 剔除无分析师覆盖股票保证数据样本质量。

报告未披露折现率、永续增长率等参数，估值以预期股息率呈现，方便投资者直接比较股票当前估值与未来分红收益的性价比。

敏感性分析未显示，但模型通过历史数据反馈验证，预测准确率相对稳健。

---

五、风险因素评估

报告明确指出基于历史数据的模型存在不可重复验证风险，即历史规律未必持续。此外：

• 模型假设企业财务指标间关系稳定，若未来宏观环境或政策变动，模型有效性可能下降。

- 分红政策可能因监管或公司战略调整发生突变，影响分红持续性。

• 市场价格影响股息率及分红相关度，股价波动可能导致预期股息率失真。

- 对行业特殊性（如银行业）进行了剔除处理，若存在其他行业特殊情况未被覆盖，预测误差或加大。

报告未明确提供具体风险缓释策略，投资者需结合自身风险偏好审慎参考。

---

六、批判性视角与细微差别

• 潜在偏差： 报告重点突出分红率与股息率关系及其预测优势，或低估了市场波动和宏观因素对股息率的即时影响。

- 行业差异处理： 虽剔除银行特殊指标以避免行业内生差异影响模型，但其他行业如科技、新兴行业未被详尽区分，模型可能对高成长行业准确性有限。

• 市值与分红率的反向关系与传统认知相悖，虽有数据支持，但未深入探索潜在原因，需投资者警惕。

- 分红稳定性指标计算方式和时间窗口（如4年分红率波动）可能对快速成长或突发行业企业适应性不足，存在历史偏误。

• 投资者需注意预测模型误差来源，特别是净利润预测本身带来的额外误差叠加，结合市场实际动态调整判断。

---

七、结论性综合

本报告系统分析了中国A股高分红股票的投资价值、行业及市值结构、以及企业的分红意愿与能力特征，构建并验证了以分红率为核心的随机森林预测模型，用于动态捕捉未来股息率变化，进而为投资者提供量化筛选高股息股票的有效工具。

报告的主要发现和结论包括：

• 高股息股票具有显著的投资价值和避险属性，中证红利指数在历史多次市场调整中跌幅相对较小，且股息收益率较高（常年维持于3%-6%区间），兼具现金红利和资本利得收益。

- 高股息股票主要集中于成熟产业和行业，如银行、地产、煤炭、钢铁及交通运输，反映产业生命周期对分红行为的影响。

• 企业分红率的驱动因素包括较低的盈利增长率、资本开支及投资回报率，以及良好的财务质量（低负债、低筹资依赖、稳健现金流）支持持续分红能力。

- 分红行为具有稳定性和延续性，上一年度分红率、分红同比增长和分红稳定性指标均有效，支持以历史表现为预测基础。

• 随机森林模型基于分红率预测明显优于基准模型，在2015-2020年间对分红率高的前100名单预测准确率提升约10个百分点，为高股息股票的量化筛选提供科学依据。

- 预期股息率作为衡量未来红利性价比的指标，结合分析师一致净利润预测，提供投资者提前布局的参考。2021年预期高股息率组合囊括了典型银行、钢铁、房地产等传统高分红行业龙头及部分中小盘股票，呈现多样化投资机会。

• 风险方面，报告指出模型依赖历史数据，存在历史不重复验证的风险，投资需结合现实动态谨慎决策。

综上，报告以详实的数据支撑和科学的量化方法，为机构投资者提供了中国A股市场高股息股票筛选和持有的理论基础和实用工具，揭示了成熟行业高分红企业的独特价值及动态捕捉未来股息的有效路径，是研究分红投资主题的权威参考文件。

---

附录：部分关键图表

• 

-

• 

-

• 

-

• 

-

• 

以上图片及表格对应叙述内容，详尽展示了分析的量化依据和行业洞察。

---

（文中所有引用均基于原文页码：[page::0]—[page::15]）

报告