来源：XYQUANT
导读
1、 本文首先对历史股息率因子（DP_LTM）进行了全面的解析，指出历史股息率因子具备较好的选股能力，所选股票具备高市值、低估值、高质量、高成长、低波动的特征。同时在低利率或市场下行趋势明显的环境下表现更好。
2、在历史股息率因子的基础上，我们从公司股利平稳性出发，构建了预期股息率因子（DP_Fwd12M），因子在2013.12-2020.02期间表现优秀。进一步，在限定股票池一致的基础上我们对比了DP_LTM和DP_Fwd12M因子表现，可以看出预期股息率因子有明显提升。市值行业中性化后因子IC_IR从0.44提升至0.70，多空组合夏普比率从0.98增加到1.97。
3、 我们利用预期股息率因子构建了三个预期红利类Smart Beta策略，与市场典型红利策略指数对比来看，效果均有提升。以预期红利低波季度调仓策略为例，2013.12-2020.02期间该策略年化收益率达17.96%，夏普比率为0.90，同期红利低波全收益指数年化收益率为12.60%，夏普比率为0.57。
4、 站在当下时点，市场波动不断加大，利率持续走低，使用股息率策略有望帮助投资者寻找到长期收益稳定的股票，从而更好的面对目前的市场环境。在未来的研究中我们将继续针对红利因子开展相关研究，为投资者进行红利投资提供更多的帮助。
风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。
1、历史股息率因子详解
历史股息率因子，又称红利因子，通常以过去一年现金分红/总市值来定义，即：
DP_LTM=过去一年现金分红/总市值
一般认为，长期持有具备高股息特征的股票组合能够获得相对市场的超额收益。因此在传统多因子模型的搭建或是相关smart beta指数的设计中，历史股息率因子出现的频率都很高。
1.1
历史股息率因子表现测试
首先，我们对DP_LTM因子的选股能力进行了全面的测试。长期来看，历史股息率因子有稳健的选股能力，在市值行业中性的情况下表现更好。在每一个时点，我们的测试范围为DP_LTM大于0、非ST、上市满180天的全体A股。
1.1.1 DP_LTM因子IC测试
DP_LTM的IC测试结果如图表1所示：2005年1月至2020年2月IC均值达2.82%，IC_IR为0.25。同时市值行业中性化后因子IC均值达3.10%，IC_IR为0.49，表现更为稳健。
1.1.2 DP_LTM因子五分位组合测试
五分位组合测试详细结果如图表4-9所示：行业市值中性化前后，各个分组的年化收益率和夏普比率均呈现出严格的单调递减规律；中性化后，Top组和Bottom组的表现差异更加显著，Top组合的年化收益率由21.45%提升至23.86%，夏普比率由0.67提升至0.73；多空组合的年化收益由3.43%提升至7.43%，夏普比率由0.29提升至1.16。
1.1.3 Top组合长期跑赢市场
从分位数组合净值曲线来看，股息率最高的一组长期跑赢市场。以市值行业中性化后因子为例，2005年1月-2020年2月期间Top组合收益显著超越市场。
1.2
分位组合持仓特征分析
依据历史股息率高低所构建的股票组合具有怎样的风格特征呢？为了说明问题，我们计算了按照DP_LTM大小所构建的不同组合的风格因子暴露水平。所使用的风格因子指标定义如下：
前文在进行五分位组合测试时，我们已经针对历史股息率大于0的公司构建了五个投资组合。这里为了更全面的分析问题，进一步考虑将DP_LTM为0的公司单独构成一个组合。我们的目的是去分析上述六个组合在图表12所定义的五个风格因子上的暴露程度。我们在每个月底，计算每个组合在以上六个风格上的暴露值，然后将所有月份平均。
从统计结果不难发现，高股息的股票具有大市值、低估值、高质量、高成长、低波动的特征，而股息率较低或不分红的股票则具有小市值、高估值、低质量、低成长、高波动的特征。这一结果表明，直接投资于历史股息率高的公司，就能够被动地在估值、质量、成长等维度上获得相对理想的暴露。
1.3
历史股息率因子适用环境分析
下面我们对历史股息率因子所适用的环境进行分析。
1.3.1 低利率环境高股息策略表现更佳
高股息策略具有“类固定收益资产”性质，与债券类资产常表现出明显的替代效应：我们计算历史股息率因子五分位组合中Top组合的月度收益，并与十年期国债收益率相比较，可以发现多头组合月度收益与国债收益率之间的相关系数为-11%，月度收益和国债收益率的6个月移动平均之间的相关系数为-19%，展现出较强的负相关特征。通常来说，当市场利率较高时，投资者会更青睐债券类资产；而当市场利率下行时，高股息股票组合的优势则更加明显。
1.3.2 市场下行阶段凸显防御价值
高股息策略在市场下行阶段具备较好的防御属性。我们根据万得全A指数历史走势划分出四个市场下行阶段，分别为：2007年10月-2008年10月，2010年11月-2012年11月，2015年6月-2016年1月与2018年1月-2018年12月，并计算每个区间内股息率因子Top组合、万得全A表现，并与沪深300指数进行对比：可以看出红利因子具备较好的防御属性，且相较沪深300指数防御属性更加明显。
1.3.3 历史股息率因子在小盘股中表现更好
在不同的市值分组中分别测试股息率因子的表现。随市值的减小，股息率因子多头组合的收益率呈现出严格的单调递增规律，即股息率因子在小盘股内表现更加优秀。这个结果也给我们提供了一种使用DP_LTM因子的思路。
2、预期股息率因子构建
前文，我们从因子表现、适用环境等方面对历史股息率因子进行了相对完整的介绍。该因子表现良好，但却也存在着一些问题：
1) 由于采用过去12个月的现金分红总额作为分子，这使得该因子可能会在某些月份的数值发生较大的变化。以平安银行为例，2015年4月末和2016年4月末分别可能出现两次分红和零次分红情况,使得因子值发生突变。
2) 历史股息率毕竟是对过去分红情况的描述，不一定能对未来的股息率形成较好的预测，而未来持有期内的股息发放情况往往才是投资者最为在意的。假设投资者能够知道未来1年股利发放值（这里简单以过去12个月股利发放值前推得到），除以当前市值，构建完美预测因子，在2005.1-2019.3月IC表现如下所示，可以看出因子表现有一个明显的提升。
因此，在第二章中我们希望能够对历史股息率因子进行改进，通过构建预期股息率因子来获得更好的投资收益表现。
2.1
公司股利平稳性
本文从Lintner (1956)提出股利平稳性这一概念出发，进行预期股息率因子构建[1]。股利平稳性总结了公司发放股利的行为特征，认为在发放股利时由于公司倾向于通过平稳的股利发放行为来展示公司运营状态的稳定，因此通常会平滑股利支付水平向目标支付水平趋近，从而避免因股利支付水平大幅变动而产生的对公司估值的不利影响。
股利平稳性一经提出便受到广泛关注，成为公司股利政策研究的重要议题。Allen与Michaely（2003）提出国外成熟市场上市公司普遍执行稳定的股利政策[2]。国内也有学者较早的关注到了中国上市公司现金股利的稳定性。其中李茂良（2014）指出中国A股市场的现金股利支付具有一定平稳性，且市场制度对中国上市公司的股利稳定性有着显著影响，半强制的分红政策提高了上市公司股利支付的平稳性[3]。
本文以Lintner所构建的股利平稳评价模型为基础，对公司实际股利向目标股利调整速度进行估计，而后依据卖方分析师的一致预期净利润给出对股利的预测，并最终完成对预期股息率因子（DP_Fwd12M）的构建。
2.2
预期股息率因子构建
2.3
因子覆盖率研究
首先我们分析DP_Fwd12M的覆盖率。总体来看，该因子的覆盖率要低于DP_LTM，主要原因是DP_Fwd12M因子基于分析师一致预期数据计算，而目前预期数据在A股覆盖程度仍有限。考虑到两个因子覆盖范围差别较大，下文在对比表现时主要在两个因子都有值的情况下进行对比。
2.4
预期股息率因子有效性测试
下面我们将对预期股息率因子的有效性进行全面分析。这里的测试范围为DP_Fwd12M大于0、非ST、上市满180天的全体A股。
根据分位数组合测试结果：在中性化前后，各个分组的年化收益率和夏普比率均呈现出严格的单调递减规律。中性化后多空组合表现优异，夏普比率达到2.12。
同时我们在不同选股池中也对该因子进行了测试。从结果可以看出预期股息率因子整体表现稳健，沪深300中的IC均值高达6.75%，年化IC_IR为1.32。
2.5
对比历史股息率因子
由于覆盖率相差较大，因此这里我们仅在两个因子都有值的股票中进行表现对比。可以看出在DP_Fwd12M相较DP_LTM因子表现突出。原始因子IC_IR从0.18提升至0.28，多空组合夏普比率从0.08提升至0.50。同时市值行业中性化后因子IC_IR从0.44提升至0.70，多空组合夏普比率从0.98增加到1.97。
由于DP_Fwd12M因子是在DP_LTM基础上进行改进的，我们进一步验证，DP_Fwd12M因子是否在DP_LTM基础上提供了信息增量。通过将待验证因子作为Y，待剥离因子作为X，每月进行回归，将残差作为新的因子。通过检验残差因子的有效性，来判定待验证因子Y在剔除待剥离因子X的信息后是否依然有效。
从下表可以看出DP_Fwd12M因子剥离掉原始DP_LTM的信息后存在新的信息，且较为显著。而反之，DP_LTM的信息几乎都被DP_Fwd12M所解释。市值行业中性化后DP_Fwd12M也存在一定的增量信息。
2.6
基于预期股息率的Smart Beta策略
近年来，传统的市值加权指数局限性愈加明显，通过在指数编制过程中对选股和权重安排的优化，获得跑赢传统市值加权指数的超额收益的Smart Beta策略应运而生。而股息率因子作为一个被证明能够产生阿尔法的有效因子，被广泛应用于Smart Beta指数的构建中，下面我们基于预期股息率因子去尝试构建若干Smart Beta策略。
2.6.1 预期红利策略
预期红利策略借鉴市场上主流红利指数编制方法，选择市场中预期股息率高、分红比较稳定、具有一定规模及流动性的50只股票作为样本。我们构建的策略方案如下：
1. 样本空间：满足以下条件的A股股票构成红利预测策略的样本空间：
1) 过去三年分红次数大于2
2) 过去一年日均流通市值在全部A股的前80%
3) 过去一年日均成交额在全部A股的前80%
4) 非ST、上市满180天
2. 选样方法：对样本空间内股票按DP_Fwd12M因子从高到低排序，选前50只
3. 加权方式：以预期股息率因子加权
4. 定期调整：季度、半年度、年度调仓
下面是不同调仓频率的预期红利策略与中证红利全收益指数（000922.CSI）表现对比：
2.6.2 沪深300预期红利策略
同时，我们以沪深300成分股为选股池，选择预期股息率最高的50只股票为成分股，并采用股息率作为权重分配依据，以反映沪深300指数中高股息率股票的整体表现。具体策略方案如下：
1. 样本空间：满足以下条件的A股股票构成红利预测策略的样本空间：
1) 过去三年分红次数大于2年
2) 沪深300成分股
2. 选样方法：样本空间内股票按DP_Fwd12M因子从高到低排序，选前50只
3. 加权方式：以预期股息率因子加权
4. 定期调整：季度、半年度、年度调仓
下面是不同调仓频率的沪深300预期红利策略与沪深300红利全收益（H00821.CSI）表现对比：
2.4
预期红利低波策略
预期红利低波策略选取预期股息率高且波动率低的50只股票作为样本股，旨在同时捕捉高股息与低波动带来的双重收益。我们构建的策略方案如下：
1. 样本空间：满足以下条件的A股股票构成预期红利低波策略的样本空间：
1) 过去三年分红次数大于2年
2) 过去一年日均流通市值在全部A股的前80%
3) 过去一年日均成交额在全部A股的前80%
4)非ST、上市满180天
2. 选样方法：对样本空间内的股票过去一年波动率因子排序从低到高排序，选择前75只 ，再按DP_Fwd12M因子从高到低排序，选择前50只
3.加权方式：以预期股息率因子加权
4. 定期调整：季度、半年度、年度调仓
下面是不同调仓频率的预期红利低波策略与红利低波全收益（H20269.CSI）表现对比：
4、立足当下，推荐使用红利类策略
4.1
年初至今全球股市表现不佳，防御属性更显重要意义
年初至今，全球主要指数出现大幅下跌。在市场整体表现不佳的情况下，股息率策略由于其自身较高的防御性特征，在当下有着更高的配置价值。
以2020/3/5-2020/3/11期间为例，A股市场主要指数跌幅明显，而我们开发的预期红利类策略（以季度调仓为例）都表现出了一定的防御性特征。
4.2
利率下行或成趋势，股息率策略配置价值凸显
从全球来看，近几年利率下行渐成趋势。图表46展示了主要经济体过去4年十年期国债收益率的变动情况。
年初至今，受经济增长放缓的影响，多国相继宣布降息，这也为我国使用货币政策工具打开了空间。未来一段时间可以预期货币政策主基调不会改变，通过提供稳定的流动性环境，引导实体经济的融资成本下降，维持经济增速运行在合理区间，将会成为政策的主要目标。即未来一段时间 ，不论是利率继续下行的概率还是下行的空间都可能是比较大的。在这一大背景下，高股息类策略也必将是市场关注的一个重点。
4、结论
本文我们首先对历史股息率因子进行了全面的解析，指出历史股息率因子具备较好的选股能力，所选股票具备高市值、低估值、高质量、高成长、低波动的特征。同时适应于低利率、下行趋势明显的市场环境。
在历史股息率因子的基础上，我们从公司股利平稳性出发，构建了预期股息率因子（DP_Fwd12M），因子在2013.12-2020.02期间表现优秀。进一步，在限定股票池一致的基础上我们对比了DP_LTM和DP_Fwd12M因子表现，可以看出预期股息率因子有明显提升。市值行业中性化后因子IC_IR从0.44提升至0.70，多空组合夏普比率从0.98增加到1.97。
最终我们利用预期股息率因子构建了三个预期类红利Smart beta策略，同时与市场典型红利指数进行了对比，效果均有提升。以预期红利低波季度调仓策略为例，2013.12-2020.02期间该策略年化收益率达到17.96%，夏普比率为0.90，而红利低波全收益指数年化收益率为12.60%，夏普比率为0.57。
站在当下时点，市场波动不断加大，利率持续走低，使用股息率策略有望帮助投资者寻找到长期收益稳定的股票，从而更好的面对目前的市场环境。在未来的研究中我们将继续针对红利因子开展相关研究，为投资者进行红利投资提供更多的帮助。
参考文献
[1] Lintner J . Distribution of Incomes of Corporations Among Dividends, Retained Earnings, and Taxes[J]. american economic review, 1956, 46(2):97-113.
[2]Allen F,Michaely R.Dividend Policy[J].Handbook of Economics of Finance, 2003(1):337-429.
[3] 李茂良, 李常青, 魏志华.中国上市公司股利政策稳定吗-基于动态面板模型的实证研究[J]. 山西财经大学学报, 036(3):33-42.
附录：
预期红利类Smart Beta策略最新成分股
风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。
注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《基于股利平稳性的预期股息率因子研究》。
对外发布时间：2020年3月29日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
