剩余收益模型核心及变量定义 [page::2][page::5]

• 企业价值等于当前账面价值与未来多期剩余收益贴现值，剩余收益为净利润扣除资本成本后的部分。

- 账面市值比、销售净利率、总资产周转率、权益乘数和股权成本为核心财务变量。

• 股权成本采用股利资本模型与三因子模型估算，体现股东机会成本及市场风险补偿。

变量有效性检验与筛选 [page::14][page::15][page::16][page::17]

• 原始值因子收益率无显著预测能力。

- 变量变动值因子收益率表现良好，但账面市值比与总资产周转率表现不符合理论，剔除。

• 保留销售净利率、权益乘数、股权成本（两模型）4个关键变量，相关性较低，避免多重共线性。

- 多元回归显示变量组合对行业走势解释力较强，R²为0.36。

低频行业配置模型构建与实证表现 [page::19][page::20][page::21]

• 基于关键变量环比变动值排序，综合4排名，选前5行业构建多头组合，后5行业构建空头组合，等权配重。

| 年份 | 多头组合 | 等权组合 | 空头组合 | 多头超额 | 多空超额 |
|------------|----------|----------|----------|----------|----------|
| 2012年 | 2.81% | 0.80% | -6.74% | 2.01% | 9.55% |
| 2013年 | 25.33% | 14.21% | -1.99% | 11.12% | 27.32% |
| 2014年 | 34.00% | 36.24% | 23.15% | -2.23% | 10.86% |
| 2015年 | 87.74% | 46.46% | 9.59% | 41.28% | 78.15% |
| … | … | … | … | … | … |
| 累计 | 392.98% | 105.73% | -24.79% | 287.25% | 417.77% |
| 年化 | 15.00% | 6.52% | -2.46% | 8.47% | 17.46% |

• 多头组合显著跑赢基准和空头，多空区分度高，适合机构投资者低频行业轮动配置。

- 行业组合换手率低，平均79%，调仓频率为每年3次。

模型简化及行业配置动态 [page::25][page::26][page::27]

• 最新多头行业组合得分显示电力设备、综合行业权益乘数提升明显，传媒、有色金属销售净利率上涨较快。

- 简化股权成本估算（仅股利资本模型）依然保持多头超额效应，但空头区分度下降。

行业配置和组合历年选择结果 [page::22][page::23][page::24]

• 提供2012-2022年多头和空头行业名单，反映模型动态演变及周期性轮动。

金融工程专题报告—“透过剩余收益模型看行业配置方向”详尽分析报告

---

1. 元数据与报告概览

报告标题： 透过剩余收益模型看行业配置方向
作者： 张立宁（金融工程高级分析师）、杨国平（金融工程首席分析师）
发布机构： 华西证券研究所
发布日期： 2022年6月10日
报告类型： 证券研究报告，专题为金融工程，重点讨论剩余收益模型在行业配置方向上的应用。

核心论点与目标：
报告旨在基于剩余收益模型，通过对剩余收益及其构成变量的深入解析与实证检验，建立低频行业配置策略。核心判断是：行业未来的剩余收益变动方向（尤其关键财务指标的变动）可以用来预测行业的股价走势和表现。报告使用了回归方法检验剩余收益模型的关键变量有效性，最终构建了多头和空头行业组合，验证其显著的超额收益表现。作者试图传递的信息是，剩余收益模型不仅能够提供估值视角，更有助于挖掘行业配置机会，并基于关键财务指标的变动进行配置，从而达到良好表现。[page::0,1,2,8,10,19,20,21]

---

2. 逐节深度解读

2.1 剩余收益模型基本定义（第2页）

报告介绍了剩余收益模型的历史与核心框架。剩余收益定义为公司当期净利润减去股东资本成本后的剩余利润，模型理论认为企业价值等于当前净资产价值加上未来剩余收益的贴现值。公式为：

$$
EV = BV0 + \sum{t=1}^\infty RIt \cdot (1+r)^{-t}
$$

$$
RIt = Xt - r \cdot BV{t-1}
$$

其中EV为企业价值，BV账面价值（净资产），$Xt$净利润，$r$股权资本成本。

此模型与经典DDM、DCF估值方法本质相关，但突出强调公司赚取超过资本成本能力的重要性。该方法有较强的理论基础和实际操作意义。[page::2]

2.2 剩余收益模型的使用路径选择（第3-4页）

报告详细阐述了剩余收益模型的实际应用挑战：

• 绝对数值比较不可行：不同行业固有属性差异大，如银行业账面市值比始终偏高，直接比较绝对剩余收益数值无意义。

- 重点应放在剩余收益的变化方向（变动），而非绝对值。

• 相关分析更可行：因未来财务数据难以准确预测，强调变量间相关性而非绝对数值的精确计算更有效。

通过图表比较了四种分析方法（绝对数值vs方向、准确计算vs相关分析），得出基于“变动方向+相关分析”更合理更可行的结论，奠定了后续实证分析展开的基础。[page::3,4]

2.3 关键变量拆解与理论推演（第5-8页）

• 将剩余收益模型代入表达式，通过除以当前市值，引入账面市值比(BM)变量，推导出剩余收益与净资产收益率(ROE)、股权资本成本(r)和账面市值比的关系。剩余收益理论上正相关ROE和BM，负相关资本成本r。

• 使用杜邦分析拆解净资产收益率：

$$
ROEt = MOSt \times ATOt \times EM{t-1}
$$

其中销售净利率(MOS)、总资产周转率(ATO)和权益乘数(EM)三因素构成ROE。通过这一拆解，报告将剩余收益归因到四大输入变量（BM、MOS、ATO、EM）和资本成本r五个关键因素。

• 资本成本r的计算包括两种模型：

- 股利资本模型：$r = \frac{D1}{P} + g$，其中$D_1$是下年股息，$P$为当前价格，$g$为股息增长率（这里假设0）。
- 资产定价模型（如三因子模型），综合市场风险溢价、市值因子（SMB）、估值因子（HML）考虑风险补偿。

• 变量方向的理论关系为：

$$
剩余收益 = f(BM↑, MOS↑, ATO↑, EM↑, r↓)
$$

驱动行业剩余收益和预期股价的关键是通过这些变量的方向性变化判断，而非绝对值。

• 报告假设剩余收益变化方向对应股价变化方向，基于此提出未来选择行业应关注变量上述变化趋势。[page::5,6,7,8]

2.4 关键变量实证检验（第10-17页）

• 选取29个非金融行业做实证（剔除金融业因为会计制度差异大），检验5个关键变量对未来行业涨幅的预测能力，运用回归方法计算因子收益率。
• 财务变量（BM、MOS、ATO、EM）直接可计算，选用财报公布日对应的时点值，匹配后续区间行业涨幅。
• 股权资本成本通过两种模型估计：股利资本模型与三因子模型。两者的股权成本估计差异显著，相关系数为-0.59，表明估算方法对变量值影响较大。
• 原始变量值因子收益率无明显走势和预测力，表明单纯使用变量绝对值难以预测行业表现。
• 使用变量变动值（环比变化）回归后，结果明显改善，但BM和ATO变量表现异常无效，故剔除。
• 剩余关键变量为：销售净利率、权益乘数、两种股权成本估计方法。四变量间相关性较低，便于多因子模型组合使用。
• 多元回归结果显示这四个变量对行业走势能解释较好，回归$R^2=0.36$，说明有一定解释力度。

[page::10,11,12,13,14,15,16,17]

2.5 低频行业配置模型设计（第19页）

• 依据实证检验结果和模型理论，构建低频行业配置策略：每年在财报公布高峰期（4月、8月、10月）计算关键变量环比变动，基于变动排序选择行业。
• 排序逻辑：

- 销售净利率与权益乘数——降序（变动越大越好）
- 股权成本（两模型）——升序（变动值越小即成本下降越明显越优）

• 将4个排序结果合并求和得出综合排名，取前5名作为多头组合，取后5名作为空头组合，等权加权，基准为29非金融行业等权组合。
• 这一方法避免了复杂预测，采用“后验排序”降低模型误差和预测风险，符合低频配置思路。[page::19]

2.6 行业组合表现与换手率（第20-27页）

• 多头组合从2012年至2022年5月，累计上涨392.98%，显著优于等权组合105.73%和空头组合-24.79%。多头相比基准的年化超额收益为8.47%，相比空头的年化超额为17.46%，体现较高区分度和超额回报能力。
• 年度表现大部分年份多头组合优于基准，部分年份空头收益较差，表明策略具备预测性和方向性。
• 多头、空头行业选择结果列表展示了每个调整时点选择的行业，反映策略动态调整对行业轮动的捕捉能力。
• 最新多头组合中，电力设备和综合行业的权益乘数上升明显，传媒和有色金属销售净利率提升，国防军工的股权成本（基于三因子模型）下降明显。
• 行业组合换手率较低，平均79%，符合低频调整设计，有效降低交易成本。
• 简化股权成本仅用股利资本模型时策略表现依然稳健，但空头区分度下降，显示两种股权成本估计方法对策略的辅助作用。[page::20,21,22,23,24,25,26,27]

---

3. 图表深度解读

3.1 股权成本估算差异图（第13页）

该柱状图对比了使用股利资本模型和三因子模型计算的行业股权成本，显著显示部分行业（如低股息率、高波动行业）两模型股权成本估值差异极大，反映不同模型对风险因素的不同捕捉。

• 这表明股权成本估算本身存在较大方法论不确定性，模型输出因此受到较大影响，进而影响剩余收益及配置逻辑。
• 作者选择同时采用两方法估算，增强鲁棒性。

3.2 输入变量原始值和变动值因子收益率（第14-15页）

• 原始值因子收益率图（第14页）显示，五个关键变量的原始值与行业涨幅无明显关联，曲线波动且无清晰趋势。
• 变动值因子收益率（第15页）显示较强的趋势性变化，销售净利率和权益乘数走势呈上涨态势，股权成本变动多呈下降趋势，且均对应理论预期方向。唯一异常的是账面市值比和总资产周转率无显著预测效果，需被剔除。

3.3 关键变量相关性表格（第16页）

四个关键变量（销售净利率、权益乘数、两种股权成本）之间的Pearson相关系数均较低，最高仅-0.67（净利率与权益乘数）。这说明各变量提供较为独立的信息，有利于多因子模型的构建和分散投资风险。

3.4 多元回归因子收益率走势（第17页）

多元回归计算后的因子收益率走势更加平稳并符合理论预期：销售净利率和权益乘数呈现上涨趋势，股权成本两模型均呈下降趋势。回归模型$R^2=0.36$，说明变量对行业涨幅具有中等解释力。

3.5 行业组合回报图（第20页）

图表展示2012年至2022年多头组合、空头组合、等权组合及其超额收益累积走势。多头组合累计涨幅最高，大幅跑赢空头组合和基准，且多空组合超额收益显著。

3.6 最新多头组合雷达图（第25页）

雷达图显示最新多头组合五大行业在销售净利率、权益乘数、两股权成本变动上的标准化得分情况：

• 电力设备与综合行业权益乘数涨幅显著

- 传媒和有色金属销售净利率提升突出

• 国防军工股权成本三因子模型得分最佳（股权成本下降）

此图有助直观理解不同行业驱动变动因素的贡献差异。

3.7 行业组合换手率走势图（第26页）

行业组合换手率保持在中高水平，均值为79%，随着时间略有波动但总体较为稳定。保持低频调整节奏，有利于减少交易成本和操作频率风险。

3.8 简化股权成本计算版本组合表现（第27页）

该图对比了使用股利资本模型计算股权成本构建的多头超额收益与多空超额收益，显示简化版本仍有稳定多头收益，但多空组合超额区分度降低，表明更复杂模型能增强识别力。



---

4. 估值分析

报告并非针对单一公司的估值研究，而是利用剩余收益理论搭建行业配置模型。估值主要依赖剩余收益模型的基本假设，将企业价值与会计账面价值及超额利润能力挂钩，通过净资产收益率、账面市值比、权益乘数等指标估算剩余收益变动。这种基于会计数据指标而非现金流的估值视角，能够结合行业特征进行动态配置。

股权成本的估计是此估值体系的关键，采用股利资本模型和三因子模型两种方法交叉验证，提升估值输入的稳定性和准确性。估值不是以确定的单一目标价形式呈现，而是作为关键变量的理论模型支撑多因子配置策略。

---

5. 风险因素评估

报告指出风险提示主要集中于模型和策略对历史规律依赖：

• 模型结论基于历史统计规律，未来若市场环境、资金流向、投资者行为等发生根本变化，模型有效性可能失效。

- 剩余收益模型基于会计数据和财务指标，本身存在会计制度变化、信息披露不及时或不准确的风险。

• 股权成本估计方法差异较大，若参数假设变化也可能影响策略结果。

- 行业分类、数据更新频率和市场噪音等影响模型的实用效果。

报告未提出具体的风险缓解策略，但通过多因子模型和双重股权成本估计，已尝试提升模型稳健性。

---

6. 审慎视角与细微差别

• 报告采用残差收益模型与杜邦拆解，对财务变量划分清晰且理论逻辑严谨，但其成功依赖输入变量准确计算和变化方向的持续市场反映，这一点在快速变化的市场环境中可能面临波动。
• 股权成本估算存在较大不确定性，相关系数负值及两模型估计存在较大差异可能反映模型假设及数据处理的不足。
• 原始变量无法预测且需使用变动值，这表明模型核心是基于财务指标变化趋势，而非现状水平，投资者应关注模型适用场景和财务更新的时效性。
• 组合构建方式是后验排序，未涉及未来预测，减少预测误差，但策略表现依赖于历史数据和全市场信息同步披露，未来可能存在信息滞后和非理性行为的干扰。
• 多空组合差异较大体现的明显方向性，但市场突发事件或政策导向可能导致模型失效。

---

7. 结论性综合

该报告围绕剩余收益模型展开，详尽解析了该模型的理论框架及其核心构成变量——账面市值比、销售净利率、总资产周转率、权益乘数和股权成本。通过杜邦分析进一步拆解净资产收益率，结合实证回归检验，确认销售净利率、权益乘数以及两种股权成本估计是影响行业未来表现的关键变量。

报告阐述了剩余收益模型相比传统估值模型的优势，强调使用变量变化方向而非绝对值的重要性，体现了其对行业配置策略的指导意义。实证分析基于29个非金融行业，采用低频配置策略，每年3次调仓，策略追踪期内多头组合累计收益显著优于市场基准，并与空头组合形成有效区分，显示了较强的预测能力和实施价值。

图表中的股权成本估计模型差异、关键变量变动因子收益走势、多元回归解释力度和行业组合换手率表现，均深刻支撑了报告的核心观点。雷达图和行业选择列表进一步揭示了不同时间节点行业驱动因素的异同及策略动态调整特征。

从风险角度看，模型依赖历史规律，股权资本成本估计差异以及财务数据时效性是潜在威胁。策略适用时必须关注市场环境变动对财务指标特性的影响。

总的来说，本报告成功将剩余收益模型融入行业配置决策，提出了以残余收益关键变量的变动为驱动的有效量化策略，既理论扎实又操作可行，为机构投资者提供了具备核心竞争力的行业配置工具和新的视角。

---

引用溯源：[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,19,20,21,22,23,24,25,26,27,28,29,30,31]

报告