券商行业五大业务收入拆解与高频指标 [page::3][page::4][page::5][page::6]

• 五大业务包括经纪、投行、资管、自营、利息收入。

- 经纪业务：用股基成交额与行业佣金率估算佣金收入，佣金率近十年大幅下滑。

• 投行业务：股权融资规模增速为重要代理指标。

- 自营及资管业务：与上证综指表现高度正相关。

• 利息收入业务：两融余额增速紧密跟踪利息净收入，[图表5-9]分别展示指标与业务收入增速高度相关的趋势图。

券商行业业绩增速预测模型构建与验证 [page::7]

• 基于估算佣金收入增速、股权融资增速、上证综指表现三核心高频指标建立线性回归模型，模型解释度R²为0.93，拟合效果佳。

- 模型支持月频实时更新，

• 预测结果与实际数据高度吻合，预测显示2019Q1券商行业业绩快速改善趋势明显。

估值安全边际模型及其应用 [page::8][page::9][page::10][page::11]

• 券商行业PB与同期ROE强正相关（单变量回归R²≈0.56）。

- 构建基于高频ROE预测指标的ROE预测模型，R²达0.86，能够提前预测ROE变化。

• 基于合理PB与实际PB的偏离计算估值安全边际，当前安全边际大于20%，存在显著估值修复空间。

- 不同估值安全边际水平对应不同时期未来收益率分布，安全边际极高时行业正收益概率大幅提升。

• 该模型为“钟摆模型”定量表达，帮助投资者判断市场位置。

个股选股因子研究：基本面、估值及情绪因子 [page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19]

• 龙头券商（净资产排名前五）与非龙头券商表现存在阶段性差异，熊市筑底及牛市初期非龙头表现更佳，业绩弹性更高。

• 实例对比显示业绩弹性（ROE增幅）是驱动超额收益的关键，简单市值解释不足以反映本质。

- 业绩弹性指标与股价涨幅正相关，业绩弹性高组年涨幅近193%。

• ROE低的券商在行情活跃期反而涨幅更大且盈利增速高，形成选股依据。

• AH股估值溢价率与自由流通市值负相关，流通盘小溢价率高。

• 限售股解禁显著扩大自由流通股本，导致估值溢价率回归，相关券商股释放负面超额收益信号。

- 近年面临限售股解禁压力的券商名单为风险提示。

• 情绪层面，融资余额占比高的券商股牛市阶段表现更佳，最新超额收益约8%。

• 低股价因子亦表现出稳定的牛市超额收益，达到约20%。

结论总结 [page::19][page::20]

• 基本面：三大高频指标驱动业绩预测，模型拟合优异。

- 估值：PB-ROE安全边际模型具备配置指导性，当前估值划算。

• 个股：非龙头券商业绩弹性更高且表现优于龙头；估值溢价因自由流通市值而异，需规避解禁风险；情绪因子融资余额占比和低股价均具超额收益潜力。

- 风险提示：基于历史规律，模型存在未来失效风险。

量化专题报告——券商行业基本面量化择时与选股全面深度分析

---

1. 元数据与报告概览

• 报告标题：量化专题报告——券商行业基本面量化——择时与选股

- 作者：段伟良、刘富兵

• 发布机构：国盛证券研究所

- 时间：2019年3月（文中引用数据指向2019Q1及之前）

• 主题：券商行业的基本面解析、估值建模以及个股选股因子挖掘

核心论点与目标：
报告旨在从三个层面系统解决券商行业选时选股问题：

1. 基本面：通过高频指标（如估算佣金收入、股权融资增速、上证综指表现）建立券商行业业绩增速预测模型；

2. 估值：基于PB-ROE关系构建估值安全边际模型，从而实现行业择时；

1. 个股：挖掘券商内独特选股因子（基本面、估值和情绪因子）以指导具体个股操作。

报告强调所构建模型均拥有较高的解释力与实时更新能力，且通过风险提示提醒历史数据规律的模型存在未来失效风险。[page::0, page::19, page::20]

---

2. 逐节深度解读

2.1 基本面分析

2.1.1 券商营业收入拆解及五大核心业务解析

报告首先明确券商收入由五大业务组成：

• 经纪业务：代理买卖证券净收入

- 投行业务：证券承销净收入

• 资管业务：受托客户资产管理净收入

- 自营业务：投资净收益与公允价值变动净收益等

• 利息收入：利息净收益，包含两融和股权质押业务

图表1系统展示业务结构，揭示经纪和自营业务约占收入的60%-70%。2017年前经纪占主导且占比逐年下降，2017年自营业务占比首次超越经纪（35%对27%）[page::3, page::4]。

从增速贡献看，经纪和自营业务对行业营收增速贡献最大，特别在牛熊市行情波动显著。2015大牛市期经纪业务贡献64%、自营业务34%；2016年大熊市分别为-27%、-14%（图表3）[page::4]。

2.1.2 五大核心业务高频指标梳理与代理变量确认

• 经纪业务：以股基成交额乘行业佣金率估算佣金收入。过去佣金率显著下降（从约13%降至3.6%），股基成交额与佣金率共同决定业务收入波动。图表5显示估算佣金收入增速与经纪业务收入增速高度同步，表明模型代理效果良好[page::5]。

- 投行业务：用股权融资规模增速（IPO、增发、配股、可转债加权）代理投行业务收入，该指标月频更新且与投行业务净收入增速高度相关（图表6）[page::5]。

• 自营及资管业务：均与市场行情高度相关，上证综指表现作为代理变量，业务收入增速波动与市场走势紧密一致（图表7、8）[page::6]。

- 利息收入业务：两融余额增速作为代理，高度同步利息净收入增速，数据可日频获取，利于及时监控利息收入业务动态（图表9）[page::6]。

2.1.3 券商行业业绩增速预测模型

基于以上指标，建立回归模型以预测券商行业营业收入增速：

• 选用估算佣金收入增速、股权融资增速、上证综指表现三大指标；

- 模型拟合度高，R²达0.93，统计证据显示变量均显著；

• 模型可月频更新，实现实时预测；

- 预测值与实际收入增速高度重合，指导2019Q1业绩显著改善（图表10、11、12）[page::7]。

2.2 估值分析

2.2.1 券商行业PB与ROE正相关特征

季末数据表明券商行业PB与同期单季度ROE正相关，简易单变量回归R²约0.56（图表13）。即高ROE时券商可获得较高市场估值，反之亦然[page::8]。

2.2.2 ROE预测模型构建

受限于财报披露滞后，建立基于高频指标（估算佣金收入增速、股权融资增速、上证综指表现）的ROE预测回归模型，R²高达0.86，变量显著（图表14）。预测ROE与实际走势吻合良好（图表15），可月频更新提前反映绩效变动[page::8, page::9]。

2.2.3 合理PB估算与估值安全边际模型

使用ROE预测值回归PB值，建立合理PB估算模型，R²约0.54，模型可区分市场实际PB与合理PB差异，定义安全边际。举例实际PB1.0合理PB1.2，安全边际20%，表明市场低估。
模型最新数据显示券商估值安全边际持续高达20%以上，具备中长期配置价值（图表16、17）[page::9, page::10]。

样本期选择不影响模型参数稳定性及合理PB估算（图表18、19），增强模型的稳健性[page::10]。

2.2.4 估值安全边际指导配置建议

根据安全边际分级统计未来券商指数收益分布显示：

• 高安全边际（>20%）对应中短期正收益概率及预期较高，

- 低安全边际（<-20%）对应较大下跌风险。

该模型实质为“钟摆模型”的定量化体现，指示市场当前估值阶段，辅助投资者认知“身在何处”，提供择时依据（图表20、21）[page::11]。

2.3 个股维度选股因子挖掘

本章突破传统因子研究，结合券商行业逻辑，聚焦基本面、估值及情绪三个维度。

2.3.1 基本面因子：龙头券商与非龙头券商对比

• 以净资产规模划分，前五大券商算作“龙头”（中信、国君、海通、华泰、广发），其余为非龙头；

- 历史数据显示，龙头券商并不总能跑赢非龙头，尤其在熊市筑底或牛市初期，非龙头反而表现优异（图表22，23，24）；

• 业绩弹性（ROE变化幅度）是关键，

- 交易活跃度上升期间，非龙头业绩弹性明显优于龙头（图表25，26）；
- 反映在股价表现上，业绩弹性高的券商涨幅远大于弹性低者；

• 案例分析：2013-2014年中信证券与太平洋证券对比，太平洋虽当年ROE低、净资产少，但ROE增速和净利润增速远超中信，导致其股价涨幅超出中信约100个百分点；

- 量化验证低ROE选股策略在行情启动时期依旧有效（图表27、28、29）[page::12, page::13, page::14, page::15]。

结论：市场活跃时阶段建议配臵非龙头券商，基于其较高业绩弹性和股价弹性。

2.3.2 估值因子：AH股估值折溢价率与自由流通市值关系

• 券商行业中11家既在A股又在H股上市的券商，A股相对H股长期存在溢价，部分公司溢价率高达300%以上；

- 溢价率与自由流通市值呈明显负相关：自由流通市值越小溢价率越高（图表30，31）；

• 规模的突然扩大会导致溢价率回归，表现为限售股解禁事件前后相关券商股出现明显负超额收益（图表32）；

- 展示了未来三年股权解禁压力较大的券商名单，提示投资者注意潜在风险（图表33）[page::15, page::16, page::17, page::18]。

实务指引：规避流通市值突然放大的高溢价AH券商股，降低价格折溢价收敛带来的风险。

2.3.3 情绪因子：融资余额占比与低股价因子

• 融资余额占比高反映市场对该股票杠杆需求旺盛，表明投资者情绪高涨；

- 过去牛市，融资余额占比高的券商股平均获得显著的超额收益（约8%），最新行情继续验证此点（图表34，35）；

• 低股价因子反映散户资金倾向低价标的，体现市场情绪驱动效应。回测牛市2013-2014期间显著跑赢，高情绪阶段也维持良好表现，现阶段仍有约20%超额收益（图表36，37）[page::18, page::19]。

总结：此类情绪指标无坚实基本面逻辑支撑，但在行情中解释异象与辅助投资者行为理解中仍具参考价值。

---

3. 图表深度解读

本报告图表系统地支撑分析和结论：

• 图表1-3 明确收入构成与主导业务变化，体现券商业务结构演进与收入贡献差异，说明业绩驱动力的变化趋势。

- 图表4-9 详解各业务的高频代理变量，分别通过佣金率、股权融资增速、市场表现、两融余额来替代财务滞后数据，为构建实时预测模型提供关键数据基础。

• 图表10-12 营收预测模型展现高准确度，且模型具有月频动态更新优势，保证了行业业绩监控的时效性。

- 图表13-19 估值建模过程清晰，PB与ROE关系、ROE预测、合理PB估算表现出模型的科学严谨及稳健性。样本区间敏感性分析进一步验证模型的可靠性。

• 图表20-21 估值安全边际模型与钟摆模型的对比协助投资者理解模型本质及实际操作意义。

- 图表22-29 龙头与非龙头券商表现对比、业绩弹性指标与股价涨幅关系精准揭示了非龙头券商在行情起伏中的投资价值。

• 图表30-33 AH股估值溢价和流通市值的负相关关系以及股权解禁事件对估值溢价率的冲击，揭示重要的市场结构性风险因子。

- 图表34-37 融资余额占比和低股价情绪因子的量化收益验证，体现情绪因子在特定阶段的市场影响力。

每一图表均紧密呼应文字论述，形成数据与逻辑的闭环，有效支撑报告结论。

---

4. 估值分析

报告采用经典估值指标PB和ROE构建合理估值体系，借助回归模型量化其内在关系，通过ROE高频预测弥补ROE数据滞后问题。具体方法包括：

• 建立ROE高频预测模型（核心变量估算佣金增速、股权融资增速、市场表现），实现实时ROE预测；

- 利用预测ROE对PB进行回归，估算合理PB值；

• 定义估值安全边际 = (合理PB - 实际PB) / 实际PB，量化估值低估程度；

- 通过历史数据验证安全边际与未来收益率的关系，证实高安全边际预示后续收益提升，低安全边际预示潜在风险，指导择时决策。

该估值安全边际模型本质为“钟摆模型”的定量刻画，有效抽象市场估值波动规律，对投资者长中期配置决策提供科学参考。[page::8-11]

---

5. 风险因素评估

报告风险提示明确指出：
所构建的所有模型均基于历史数据规律总结，存在未来可能失效的风险。市场环境、监管政策、行业结构或投资者行为的变化均可能影响模型的预测准确性和适用性。此外，个股选股因子尤其情绪因子缺乏坚实的基本面逻辑支撑，可能受到市场阶段性情绪波动影响而表现异常，需谨慎参考。报告未详细陈述模型外部风险，但通过限售股解禁风险等事件反映部分具体风险因素并给出规避建议。[page::0, page::17, page::20]

---

6. 批判性视角与细微差别

• 模型依赖历史数据，无法完全保证未来经济周期或行业环境断裂时的鲁棒性；

- 部分选股因子逻辑单一或依赖情绪，实际操作中存在被市场非理性波动误导的风险；

• 业绩弹性与ROE低的券商股跑赢高ROE券商的结论在资料中表述充分，但本质可能蕴含周期性和市场阶段特征，属于阶段性效应而非长期普适规律，使用时应结合市场环境判断；

- 估值安全边际模型虽然拟合度较好，但PB-ROE关系的R²有限（最高0.56），提示未考虑其他重要估值影响因素；

• 报告内各模型咬合良好，但未详细披露模型构建中的变量选择标准、模型稳定性检验过程和多因子联动影响机制，细节透明度有限；

- AH估值溢价归因于自由流通市值被合理解释，但存在其他制度、投资者偏好等非量化因素影响未涵盖。

总体而言，报告在量化方法论和实证分析上较为严谨，但在模型的经济机制解释及策略落地细节方面还可进一步深化与补充。

---

7. 结论性综合

报告系统构建了券商行业从基本面到估值再到个股层面的综合量化框架，实现了高频实时的行业业绩预测与估值安全边际分析，并提出基于净资产规模划分的龙头与非龙头券商差异化选股策略以及结合估值溢价与市场情绪的多维度因子体系。主要亮点如下：

• 基本面模型：选取估算佣金收入增速、股权融资增速与上证综指表现三核心指标，回归业绩增速，R²高达0.93，实现月频实时更新，领先财报揭示2019Q1券商业绩改善趋势[page::0, page::7]。

- 估值模型：通过建立ROE的高频预测，结合PB-ROE关系，构建合理PB与估值安全边际模型，实现对行业中长期价值得到科学量化。实证显示安全边际超过20%时行业享有显著正向收益预期，指导择时配置（图表17，20）[page::9-11]。

• 个股因子：

- 基本面：非龙头券商在市场活跃阶段业绩弹性更强，历史验证牛市起势阶段表现优异，近期也跑出逾15%超额收益，建议参考非龙头配置策略（图表22-29）[page::12-15]。
- 估值：AH溢价率与自由流通市值负相关，流通股扩张导致估值折溢价率收敛，存在解禁压力股票风险，市场应规避相关标的（图表30-33）[page::15-18]。
- 情绪：融资余额占比和低股价因子能解释市场部分异象，牛市行情下获取明显超额收益，分别约8%和20%（图表34-37）[page::18-19]。

综合立场：

• 报告维持对券商行业较为乐观的观点，强调当前估值安全边际充裕，基本面改善明显，且个股层面能够通过细分因子实现超额收益。

- 建议中长期积极配置券商尤其非龙头，谨慎避免自由流通股突增带来的估值折溢价回归风险。

• 关注市场情绪因子在阶段性行情中的辅助作用并作为短期择机参考。

---

总结

该报告以详实的量化数据和严谨的回归分析，构建了券商行业业绩预测和估值安全边际模型，实现了对行业的实时动态把握和科学择时指导。同时，结合行业自身业务逻辑，深度挖掘并验证了多个个股维度因子。报告内容丰富且理论与实证结合紧密，对券商投资者具有重要的实操价值与参考意义。但模型及因子运用仍需结合宏观环境及市场情绪的具体演化，综合风险管理方能稳健获利[page::0-21]。

---

主要引用页码索引

0, 3-7, 8-11, 12-15, 16-19, 20-21

---

关键词解释简要

• PB（市净率）：股价与每股净资产的比率，用于衡量股票估值。

- ROE（净资产收益率）：净利润与净资产的比率，衡量公司盈利能力。

• 估值安全边际：市场价格相对于合理估值的折价幅度，反映投资安全缓冲。

- 业绩弹性：指标通常为ROE增速或净利润增速的变化幅度，反映经营业绩变动敏感度。

• AH股估值溢价率：A股上市公司股价相对其在港股上市价格的溢价。

- 融资余额占比：融资余额与自由流通市值之比，反映杠杆资金对个股的关注度。

• 限售股解禁：公司限售股解禁后释放流通股，常引发流通市值变化及估值调整。

- 钟摆模型：投资哲学中描述市场估值围绕合理价值上下波动的形象比喻。

---

如果需要进一步细节解读或针对特定章节深挖，欢迎提出。

报告