2025年金融工程专题报告：红利风格的择时方案

1. 红利风格是什么

1.1. 红利风格的定义和企业特征

我们认为，所谓风格，其实是由于各种原因，市场开始偏向具有某类特征或 某个标签的股票。红利风格上行意味着市场或资金开始偏好股息高且稳定 的股票。 高股息的背后，往往代表着该企业处于生命周期成熟阶段，成长能力相对较 弱；具有稳定现金流、较强盈利能力和持续回馈股东的意愿；资本支出需求 低，倾向于将盈利进行分红避免 ROE 稀释。 以中证红利指数为例，其权重行业为银行、煤炭和交通运输这三个处于成熟 期的成长行业。

中证红利的筛选目标为股息率高且稳定的个股。在编制方案中有成分股连 续分红（稳定性）和现金股息率高的要求。

银行、煤炭和交通运输的权重均在增大，截至当前，前三个行业的权重达 55.9%，集中度增加，而其他行业的权重在缩小。煤炭行业的权重增加最多，从 2016 年的 1%增至 2025 年的 16%。或许与煤炭行业产能出清、行业供需 格局改善有关。

中证红利成分股的个股权重在 0.4%-2.6%，个股集中度不大。成分股中股息 率最高的为煤炭行业，按照股息率加权后权重排名也较为靠前。

A 股市场中，股息率处于高位的行业为煤炭、石油石化及银行等行业，与中 证红利重仓行业高度契合。

1.2. 红利股的收益来源和特性

购买红利股之后的收益来源可分为分红收入与资本利得。 分红收入是红利股的本质特征，市场上存在较多股息高且稳定的个股是红 利风格出现的必要条件。 分红收入取决于企业未来的股息支付率与分红持续性。这要求企业有稳定 的现金流和盈利能力，经营环境不能发生重大恶化，且公司具有较强的分红 意愿。 资本利得取决于红利股未来的盈利变化和估值变化。我们说的风格切换一 般讨论的是估值端的变化，盈利变化更多的是行业基本面的内容，但盈利端 不恶化也是估值端有上行空间的基础。后续我们将以此为基础探讨红利风格的影响因素。

1.3. 红利股的特点

红利股具备高且稳定的分红收入，即类债属性，其特点是低波动、抗跌与防 御性。可以看到，相对中证全指，中证红利指数的波动相对较小。

1.4. 什么人喜欢配置红利股（资金来源）

由于红利股的类债属性，长期持有者的目的大多为获取稳健收益，风险偏好 较低。机构中以保险资金（险资）配置为主。在利率下行和会计准则切换的 背景下，险资正承受着利差损的压力，普遍加大红利股配置力度。 2024 年上市保险公司平均 FVOCI 股票配置比例同比提升 1.0pcts 至 2.7%， 持仓金额从 2023 年的 2888 亿增至 5491 亿元。 因此，我们需要跟踪各大保险公司的 OCI 仓位变动情况。

1.5. 红利风格复盘

简单复盘近期红利风格上涨原因： 2016 年 8 月至 2019 年 1 月：供给侧改革推动煤炭、银行等低估值蓝筹上涨 2021 年 2 月-2024 年 8 月：能源安全（煤炭、石油）、理财收益率下行、新 “国九条”强化分红监管、利率下行和经济复苏斜率等驱动红利策略持续占 优。

2. 红利风格的影响因素

本章探索红利风格的影响因素。回测时采用趋势策略，构建正向、反向两种 策略。策略构建过程中，对于一般的月度数据，我们进行了滞后一期的处理， 例如截止 7 月的数据可能在 8 月中旬才发布，我们统一在 8 月底才使用它 对 9 月份的收益进行建模。特别地，对于 PMI 数据，由于其当月底或下月 初较早发布，我们不做滞后处理。 以短期均线减去长期均线构建因子，正向策略即当因子值大于零时做多中 证红利，小于零时做多中证全指；反向策略则反之。 图中 nv 表示策略净值，正向 nv/反向 nv 表示正反向策略的相对表现。不 同颜色的曲线代表在不同均线组合下的策略表现，用于识别最优参数组合。 如无特殊说明，本文实证数据均截至 2025 年 8 月 1 日。

2.1. 红利股与债券的性价比高低

我们首先探究红利股与其他大类资产之间的关系。由于红利股具备较强防 御性，其与债券之间存在相互替代的关系。 影响投资者是否买入红利策略的关键是当下红利策略的性价比和债券的性 价比。如图所示，红利策略的性价比取决于红利策略当下的成本（当前股价） 以及对未来收益的预期。而未来收益又分为分红收入和资本利得，分红收入 的影响因素为股息支付率和分红的持续性，资本利得的影响因素为红利股 的盈利变化和估值变化。

综合考虑后，资金在红利股和债券中当期选择红利股的部分底层动力有： 分红收入端： （1）当前股息率远高于国债利率，此时分红收入要高于债券利息。 （2）预期红利股的股息支付率提升或稳定高位，且持续分红。 资本利得端： （3）预期未来国债收益边际上行，债券价格边际下跌。 （4）红利股盈利和估值不出现明显恶化。 在长期趋势上，红利相对净值与股息率-中债 10 年收益率呈现较强的正相 关关系。

回测来看，正向净值/反向净值在 2022 年后呈上升趋势，之前则是以水平为 主。这说明 2022 年之后，股息率-中债 10 年利差因子对红利风格具备较好 的正向择时效果。 综合逻辑与回测结果，我们最终选取 MA20– MA60 作为股息率– 中债 10 年利差因子的构建参数。

2.2. 美债利率

股市内部的风格切换主要影响红利收益中资本利得的估值端。2016 年后， 美债利率与红利风格的相关性很高。美债利率作为全球资产的定价锚，利率 上行对高估值的成长股具有较强的压制，风格向低估值的红利股偏移。

回测来看，2016 年后，10 年期美债利率对红利风格的择时效果较好。2015 年前虽然有所失效，但幅度有限，可能与当时红利股息率偏低、红利属性尚 不明显有关。我们最终选取 MA20– MA250 构建因子。

2.3. 信用环境

信用下行或处于低位的环境时，红利风格占优。由于红利风格具有防御属 性，当信用萎靡、实体企业贷款意愿较低时，股市盈利端整体或无大的机会，资金或转向有稳定分红收益的股票。 我们选取 M2 增速作为信用的度量指标，其与红利风格整体呈现负相关关 系。

回测来看，正向净值/反向净值持续波动下行，M2 增速的反向策略择时效果 显著。

在多组参数比较中，MA3– MA12 反向策略表现最佳，最终确定该参数作 为 M2 增速因子的代表。

2.4. 经济环境

总量经济收缩时，红利风格占优。由于红利风格具有防御和类债属性，当经 济较弱时，市场偏向红利风格。 我们对制造业 PMI、制造业 PMI 新订单和服务业 PMI 进行了回测，三者与 红利风格的滚动相关性均以负相关为主。我们选取服务业 PMI 作为最终的 经济指标。 根据回测结果，服务业 PMI 在多个参数组合下的反向策略效果更优，我们 最终选取 MA1– MA3 构建因子。

2.5. 整体行业景气

行业平均景气度计算：使用行业 i 的分析师预期净利润增速的滚动历史分位 数作为行业 i 的景气度，再对多个行业景气度取均值作为行业平均景气度。

整体行业景气低位时，红利风格占优。我们发现，行业平均景气度与红利风 格大部分时间呈负相关。我们选择表现最佳的 MA20– MA120 构建因子。

我国行业平均景气度近期低位下行，仍处于近两年 30%分位数左右的水平， 或仍将对红利风格有一定支撑。

2.6. 市场情绪和风险偏好

使用融资净买入额度量市场情绪与风险偏好。 市场情绪和风险偏好低位时，红利风格占优。融资净买入与红利风格呈显 著负相关，市场情绪低位往往对应红利风格的相对占优阶段。

回测来看，不同参数下的策略效果差异明显。短期参数 MA10– MA20 的反 向净值策略表现最佳，这可能是市场情绪本身具有较强的短期特征导致，其 对红利风格的影响主要体现在短周期层面，而在长周期维度，市场情绪的解 释力相对减弱。

2.7. 股市牛熊

由于小盘股的涨跌对牛熊更为敏感，我们选取国证 2000 指数来判断牛市与 熊市。 红利风格出现于熊市。国证 2000 指数与红利风格呈负相关，在熊市阶段， 资金偏好防御属性较强的红利股，因而红利风格相对占优。

然而策略检验中，国证 2000 指数并未体现出明显的择时效果，这可能是因 为国证 2000 指数本身缺乏动量效应，难以用于外推未来走势。国证 2000 指 数可以作为监测指标事后解释红利风格的阶段性强弱，但难以直接作为择 时因子。

2.8. 红利相对净值自身

直接基于红利相对净值构建趋势因子，检验红利风格本身是否具备可捕捉 的趋势性。

回测来看，MA10– MA20 策略的正向净值/中证全指表现较好，净值曲线持 续抬升。

2.9. 单因子回测结果

根据各单因子最优参数的策略效果对比，美国 10 年期国债收益率因子择时 效果最优，红利相对净值自身动量因子、股息率-中债 10 年收益率因子策略 效果次之，这三者优于长期持有中证红利。 其余因子从收益来看表现弱于中证红利未择时，但在红利本身具备长期上 涨趋势的背景下，亦能捕捉部分红利趋势，具备一定参考价值。

绝大多数因子可实现超越中证全指的超额收益，具有较好的红利风格择时 能力，其中美国 10 年期国债收益率因子表现最优。

美国 10 年期国债收益率、M2、红利相对净值自身等因子可在红利表现疲弱美国 10 年期国债收益率、M2、红利相对净值自身等因子可在红利表现疲弱

2.10. 综合因子构建与择时效果

基于前述各类单因子构建综合因子，根据卡玛比率标准化、归一化后分级靠 档分配各因子权重，美国 10 年期国债收益率因子权重为 40%；其余因子等 权配置，权重为 10%。

基于综合因子构建红利风格择时策略：当综合因子值大于零时做多中证红 利，反之做多中证全指。 综合因子周频策略净值显著优于中证红利与中证全指，展现出较好的红利 风格择时效果。相对净值显示，综合因子周频策略在红利风格相对走弱阶段 （2019– 2020 年）具备良好的下行规避能力。

周频综合因子择时表现较好，相对中证全指年化超额 10%，相对中证红利 年化超额 4%左右。

策略具有较好的胜率与盈亏比。正向与反向信号胜率均高于 55%，盈亏比 分别为 1.22 与 1.35。

周频综合因子在各年度展现出较好的择时效果，大多数年份优于中证红利 与中证全指的收益水平。 2018 年市场下行阶段，中证全指收益率为-29%，中证红利跌幅相对较小（- 16%），策略捕捉到红利的防御性表现，一定程度减小了回撤。2019-2020 年 大盘强势上涨阶段，策略切换到了中证全指。2024 年红利风格先强后弱， 策略在红利和大盘之间适时切换，最终收益较高。

3. 模型外的因素

3.1. 日历效应

日历效应信号具有非连续性，作为模型外因素考虑。 红利风格在 12、1、4 月份有较为显著的超额收益。这可能是因为在年关之 前的 12、1 月份，红利股是资金避险的重要选择；而 A 股素有“5 月决断” 的说法，在 5 月之前的 4 月业绩发布期，资金往往到红利股里枕戈待旦。

3.2. 交易拥挤度

拥挤度指标信号较稀疏，且在模型内因子已具备良好回撤规避能力的前提 下，我们将其作为补充性监测工具。 使用中证红利成交额占比的滚动两年分位数来度量红利的交易拥挤度，并 设定阈值为 90%。 红利相对净值在多个高点阶段，均伴随中证红利成交额占比攀升至阈值以 上，表明拥挤度指标在识别红利风格顶部方面具有一定的参考价值。

3.3. 持续高红利公司的存在性

根据红利股的收益来源框架，存在较多分红高且稳定的公司是红利风格存 在的基础。 中证红利成分股股息支付率持续提升，2014 年现金分红总额达 9214 亿元， 该基础仍然夯实。

3.4. 高分红行业的基本面情况

根据红利股的收益来源框架，高分红行业基本面相对稳定可以避免资本利 得端出现大幅损失。 中证红利、煤炭、银行和交通运输的 ROE 仍然较高，在 10%左右。基本面 相对稳定。

3.5. 增量资金情况

股价的上涨需要有增量资金进入，重点关注险资 OCI 配置比例的提升。 2024 年年报中，各大险资的 FVOCI 中股票科目的投资规模显著上升，2023 年 FVOCI 股票配置占比最低的新华保险的 FVOCI 股票占比从 1.52%大幅 提升至 6.11%，占比最多的中国平安亦从 6.12%提升至 7.54%。 其他权益工具股息收入同步增长，五家险资均较 2023 年有了较大增长，其 中中国平安从 2023 年的 181 亿元提升至 216 亿元，反映出险资配置具备稳 定分红能力的红利股的倾向。

4. 最新信号

4.1. 模型内因素

当前模型综合因子值小于 0，并未发出正向信号。

4.2. 模型外因素

模型外各因素中，有四个因素对红利整体存在支撑。

（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。）