2023年基于宏观环境划分的ROE杜邦三要素驱动分析

ROE对价格驱动分析

ROE的价格驱动

从理论角度看，资金面、情绪面以及基本面共同决定股票价格，ROE 为表征基本面的重要指标。 复盘2010年至今，中证全指指数与指数ROE水平，部分时间两者呈现较为明显的正相关关系，部分区间未呈现出显著的相关性。区分市场大环境， 情绪与资金也是有效影响价格的要素，比较明显的是在增量资金不足、存量博弈的市场环境下，ROE能够较好指示价值。 因此能够通过区分市场环境，拆解不同环境下ROE对价格驱动的影响细化以ROE作为出发点的资产选择的逻辑。本文通过划分宏观环境作为研究的出发点，分析 ROE在不同宏观分域下驱动情况。

宏观环境的划分

直接使用GDP增速、CPI同比、PPI环比等指标对经济环境的切分非常模糊，在此我们引用前述报告《高维宏观周期重构下的市场长期驱动逻辑》中定 义的经济与通胀标签。 基本构建逻辑：挑选相关细分指标，随机选取时间窗口，分别以中证全指、恒生指数等进行多次线性回归，统计回归系数、t值等回归指标，选取t值显著 的细分指标用过去一年标准差倒数加权构建宏观因子变量。利用HP滤波方法刻画宏观变量的长期变化趋势，并进行高、中、低周期划分。

直观的从宏观环境视角观测市场ROE与市场走势的相关性程度，大体上能够发现，中、高的经济环境下ROE对价格的正向传导存在，但仍并不足够直观。 一方面将宏观环境做出经济与通胀的交叉划分考量基本面对价格的驱动，另一方面从中观层面考量不同的行业价格受到基本面的影响也存在分化。 本文关于基本面对价格的驱动将从ROE的杜邦分析框架出发，进一步对净资产收益率进行拆解，研究不同宏观分域下不同的分项对价格的驱动情况。

杜邦三因素拆解

杜邦拆解

经典的杜邦拆解模型将净资产收益率划分为了销售净利率、资产周转率和权益乘数。直观地三个要素可以粗略的划分为经营活动和金融活动。代表产品竞争力的销 售净利率指标、代表运营效率的资产周转率属经营活动，表征企业资本结构的权益乘数视为金融活动。 一般而言企业的资本结构的变动相较于经营活动类指标的变动幅度较小，同时行业由大量公司构成，行业层面的权益乘数的边际变化程度较另两个指标而言较小， 对ROE的变动影响程度也更弱。 经营活动的改善对基本面的边际改善往往能够提供更多的驱动。

市场价格与杜邦三因子

按照杜邦分解模型，针对中证全指的数据拆解其ROE指标，三因子走势与价格的走势分化较大。从指标与指数的走势上来看，三者中经营行为 与价格的相关性更高，且多呈现正相关，权益乘数因子的形态上可见自2014年开始市场的杠杆呈现逐年走低的形态，与中证全指指数的价格相 关性稍弱。

行业间差异

以电力设备与新能源行业为例，价格走势受基本面的驱动显著，行业指数与 ROE指标的趋势相较于全市场而言呈现出更高的相关性。 推动ROE的基本面指标细项上来看，电力设备与新能源行业的价格受三主要由 经营行为所主导，电力设备与新能源行业的走势与净利率和总资产周转率有更 强且方向一致的关联，同时账面杠杆相对稳定，对ROE指标的边际变动贡献较 小。

以食品饮料行业为例，行业指数价格与ROE指标的趋势的相关性较电新 行业明显更弱。 食品饮料行业的ROE长期稳定居中信30个一级行业较高的水平。因此更 需要着重分析哪些基本面细项对价格的驱动更加显著。 消费板块作为受市场增量资金冲击较为显著的行业，在2019年和2020年 价格拉升明显，且几乎并非由基本面所驱动，ROE及细项的正向传导较 为薄弱。

以银行为例，行业指数价格与ROE指标的趋势的相关性较前两个行业而言进一 步弱化，从大趋势来讲，银行行业的表现与ROE呈现负相关。数据证明银行的行情与账面杠杆程度与销售净利率所呈现出的正向关系更加显 著。 不同类型的行业受基本面指标变动的影响程度与方向存在差异，将行业的盈利 模型、价格传导特征进行划分对研究净资产收益率对价格的驱动传导存在意义。

行业形态刻画

不同行业在销售净利率、资产周转率和权益乘数三个因子上的特 征差异非常显著，通过对行业这三个要素的刻画，将因子值排序 能够直观的观测到截面上行业间在三个要素的相对强弱。 其中仅权益乘数表征金融行为，我们不再做额外的拆分。净销售 利率和资产周转率都视为经营活动的是否有效的指标，较高的周 转率和较高的销售效率都会增加企业的盈利水平。 通过对因子数据的观测，我们发现高净销售净利率与高周转率几 乎不存在于任意行业中，两者一定程度互斥，并可以将两者与行 业的对应分别直观的理解为靠产品特质盈利和靠多产多销盈利两 种模式。在此我们通过截面排名的方式同样将经营行为进行一维 的刻画。 进一步在每个截面上可以根据ROE与销售净利率、资产周转率和 权益乘数的变动关系拆解三因子对ROE指标的驱动程度，将行业 划分为受经营行为影响较强的行业和受杠杆模式影响较强的行业。

宏观分域下驱动分析

宏观环境划分下的基本面驱动分析

我们使用个股的净资产收益率（ROE_ TTM ）及其三个杜邦拆解因子销售净利率（NPM_ TTM ）、总资产周转率（ATO_ TTM ）和权益乘数（BLEV_ TTM ）四个因子，并通过行 业成分股市值加权得到行业因子。 四个因子中我们在权益乘数因子上赋予负向信号，其余均为正向信号，按照信号分别构建因 子多头行业组合和因子多头股票组合，其中行业多头组合选取中信一级行业等权指数作为基 准，股票多头组合选取中证全指指数作为比较基准，通过观测各因子多头组在8个不同的经济 通胀环境下的表现来判断因子有效性并据此进行因子选择。 从量化维度评估因子有效性的部分本文引入了Kelly公式，测算各宏观分域下Kelly值表征因子 投资的“性价比”，比较Kelly值的大小来横向比较相同宏观环境下各个要素对价格驱动的程 度。 最终我们通过测算各宏观环境象限下的因子多头累计收益、累计超额收益、及其对应的胜率、 赔率及Kelly值；同时测算各象限内的因子IC均值、胜率等要素多维度评估因子有效性。

象限内表现—行业轮动

根据行业因子值，每月分别选择ROE、销售净利率和资产周转率因子值最高和权益系数最低的6个行业，等权持仓构建因子多头。统计回测区间内行业因子多头表 现，在不同市场环境下，因子的驱动程度有所分化。 将市场环境按照前文提及的方法切分为经济高、中、低和通胀水平高、中、低合计9个区域，每月月末根据宏观扩散指数作为次月宏观环境特征。统计自2010年5月 至2023年8月31日市场环境数量统计如下表。统计各自宏观经济环境下几个因子多头的胜率与赔率。从胜率、赔率数据上可见在各象限内存在不同因子的相对优势， 但整体的区别不大，胜率均值52.21%，赔率均值94.08%。 为了进一步说明因子在各区间内的有效性，综合胜率与赔率两个评估要素，应用凯利公式，用凯利值来表征因子在该方向上的重要度。从因子在各环境内的凯利值 来看， “高经济+中通胀”、“中经济+中通胀”和“低经济+低通胀”三个环境下ROE与三个驱动因素都相对显著有效，倾向选择高净销售利率、高周转率和低杠 杆率类行业。

象限内表现—选股组合

根据个股因子值，每月分别选择ROE、销售净利率和资产周转率因子值最高和权益系数最低的30只个股，等权持仓构建因子多头。统计回测区间内行业因子多头表 现，相较于行业轮动的多头组，选股组合整体相较于中证全指的超额收益更加显著。 同样统计自2010年5月至2023年8月31日不同市场环境下几个因子多头的胜率与赔率。从胜率、赔率数据上可见在各象限内存在不同因子的相对优势，但整体的区 别不大，胜率均值53.42%，赔率均值89.80%。相较于行业多头而言胜率更高，但盈亏比有所下降。结合凯利值所反馈的因子重要度，选股在各象限内的有效结构与行业组合接近，均在 “高经济+中通胀”、“中经济+中通胀”和“低经济+低通胀”三个环境下 ROE与三个驱动因素都相对显著有效，倾向选择高净销售利率、高周转率和低杠杆率类行业，且在“高经济+中通胀” 和“低经济+低通胀” 两个象限内整体显著 性更高。

各象限内不同要素的驱动逻辑

我们根据对回测区间内的宏观环境划分，分别考量经济高、中、低和通胀高、中、低的复合环境 下ROE因子及其杜邦三因子的表现，发现不同环境下ROE对价格驱动程度存在一些特征。 上文提到通过分析截面上行业周转率和行业净利率两个要素的相对水平能够发现两者之间存在一 定程度的互斥，行业层面上几乎不存在两者同时极高的情况，此两者可以直观的理解为经营模式 的偏好，高周转率往往代表行业通过“薄利多销”的模式，通过较高的销售量提升整体的收益， 而单位销售量所得盈利相对较薄。高净利率的行业则通过产品异质性提升单位销量的盈利水平。 在经济增速较快的环境下，ROE平均水平相对较低且分布较其他环境更为集中。高经济环境下 普遍存在对净利率的高低不敏感的情况，市场更多对高周转率的行业有更高的偏好，如石油石化、 建筑、钢铁、有色金属等周期制造板块。 “高经济+低通胀”的样本在回测期内并未发生，但根据过往的环境分析，高经济环境下经营行 为中高周转状态更具备优势，低通胀环境下市场更加偏好低杠杆的行业公司，基于逻辑分析认为 “高经济+低通胀”的环境下关注高周转低杠杠的行业，如轻工制造、纺织服装、食品饮料等。

结合宏观环境的三因素选择策略

结合宏观环境的ROE拆解策略

不同环境下的ROE本身对价格的驱动存在差异，同时杜邦分析下拆解出来的三个要素对ROE和对价格的驱动也存在差异。通过对宏观环境的切分，在不同 宏观分域下捕捉对价格驱动最为显著且有效的单因子作为选行业的主要要素。根据主要因子筛选出的行业在各截面上存在在对应环境下正向驱动价格的相 对优势。 选股的逻辑依托于上述筛选行业的过程，行业中ROE较高的个股可以被视为行业成分股中存在更高基本面优势的部分。每期从第一步筛选出的行业中挑选 ROE水平较高的5只个股构建股票组合。股票组合从中观层面具备更高的正向驱动价格的要素，微观层面进一步优选基本面质量好的标的。

因子信号汇总

我们综合考量了评估因子有效性、显著性的几个要素，从分域因子kelly值，IC和 ICIR两个指标的分域均值、胜率、累计值作为不同宏观环境下指标筛选的依据。 同时我们从时间推移的角度考量因子选择的稳定性，从2018年开始每年滚动增加一 年样本区间，测算上述指标并评估指标有效性。从数据上未见各因子在kelly和IC均 值等因子稳定性上的较大波动，我们认为不同宏观环境下的因子选择处于稳定状态。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）