【国信金工】红利投资全攻略_新浪财经

报告摘要

一、以守为攻，长线致胜

以守为攻，长线致胜：当市场经历多轮牛熊交替后，价值风格型投资的长期收益与成长风格型相当，但其过程中的波动和回撤明显更低，极具性价比。
长期绩优代表：长期偏向价值风格的代表产品——长盛量化红利策略A（080005.OF）2010年至今在同时段偏股混合型基金中业绩排名第一。

二、A股市场分红现状及流程解析

分红政策频出，监管层鼓励现金分红：为鼓励分红，监管层出台一系列政策提高现金分红的稳定性、及时性和可预期性。
分红流程解析：本部分对分红流程中关键日期月份及间隔天数进行统计。

三、事件研究：潜伏高股息组合

潜伏高股息：高股息股票在分红除息之前具有十分稳健的超额收益，由此我们在分红预案后对高股息股票池进行筛选，在分红除息前一日卖出，构建“潜伏高股息组合”。
组合绩效：“潜伏高股息组合”仅在每年5月-7月持仓，3个月时间相对同期中证红利全收益指数平均有6.95%的超额收益，超额收益获取效率较高。

四、因子研究：“股息+”因子构建

预期股息率因子：对预期净利润和预期股息支付率进行预测，构建预期股息率因子。该因子RankIC均值达到4.9%，年化RankICIR为3.01，月胜率84.9%，绩效表现优于传统的股息率LYR及股息率TTM因子。

五、产品研究：A股市场红利类产品一览

本部分对红利类指数增强基金、主动量化基金、被动指数基金进行梳理，并对红利类指数的风险收益特征进行分析。

六、中证红利指数增强策略构建

组合构建：借助多因子模型框架，引入基于目标跟踪误差设定的自适应个股偏离方式动态调整组合个股偏离，构建中证红利指数增强组合。
组合绩效：中证红利指数增强组合自2014年以来年化收益24.20%，相对中证红利全收益指数年化超额10.43%，相对最大回撤5.83%，年化跟踪误差4.11%，信息比2.13，收益回撤比1.79，展现出较强的稳定性。

七、潜伏高股息组合 VS 指数增强组合

潜伏高股息组合在每年5月-7月获取超额收益的能力强于指增组合，若在该段时间替换成潜伏高股息组合，复合组合的年化超额收益提升至12.85%。

八、基于中证红利指数增强策略的“固收+”组合构建

基于中证红利指数增强策略构建的股债20%-80%组合，自2014年以来年化收益9.15%，年化夏普比2.03，且每年都能够获得正收益。

资本市场风格瞬息万变、周期轮转。从历史经验来看，当市场经历了多轮牛熊交替后，价值风格型投资的长期年化收益与成长风格型投资相当，但其过程中的波动和回撤都明显更低，能够为投资者带来良好的持有体验。在所有价值风格型投资策略中，红利类投资得益于其较高的股息和较低的估值受到市场的广泛关注。

本文从事件研究、因子研究、产品研究等多个维度，围绕红利类投资相关的领域展开探讨，最终从事件驱动角度出发构建了“潜伏高股息组合”，从多因子增强角度出发构建了“中证红利指数增强组合”，历史表现优异。

我们发现，高股息股票在其分红除息之前相对中证红利全收益指数具有稳健的超额收益，由此构建了“潜伏高股息组合”，在上市公司分红预案公布后买入，并在分红除息日之前卖出。该组合每年仅在5月-7月持仓，3个月时间平均能够获取相对中证红利全收益指数6.95%的超额收益，资金使用效率较高。

此外，我们借助多因子模型框架，引入基于目标跟踪误差设定的自适应个股偏离方式动态调整组合个股偏离，对组合的跟踪误差和最大回撤都起到了较好的控制效果。实证研究表明，自2014年以来，本文构建的中证红利指数增强组合年化收益率达到24.20%，相对同期中证红利全收益指数年化超额收益达到10.43%，相对最大回撤5.83%，年化跟踪误差4.11%，信息比2.13，历史表现稳健。

作为新兴资本市场，A股市场中成长风格型投资受到市场参与者的广泛青睐。在国信金工团队2022年12月7日发布的专题报告《战胜机构投资者——再论主动股基业绩增强策略》中，我们提到当前国内公募主动权益型基金中，约80%基金偏向成长风格，15%基金偏向均衡风格，仅有5%基金偏向价值风格。然而拉长周期来看，当市场经历了多轮牛熊的交替更迭后，价值风格型投资的长期收益并不逊色于成长风格型投资，且其持有过程中的波动和回撤均相对较低，给投资者带来了良好的持有体验。

图1展示了自基日（20041231）以来中证全指收盘价走势，我们根据中证全指收盘价将其划分为四轮牛熊周期。其中，第一轮牛熊周期起止时间为20041231-20081104，第二轮牛熊周期起止时间为20081105-20121204，第三轮牛熊周期起止时间为20121205-20181018，第四轮牛熊周期起止时间为20181019-20240430。

由于早期基金数量较少、代表性不强，因此我们主要关注近两轮牛熊周期下公募主动股基的业绩表现。图2和图3分别展示了近两轮牛熊周期下价值基金指数（885020.WI）与成长基金指数（885022.WI）的净值走势，表1展示了二者分年度绩效表现。

可以看到，市场经历了两轮牛熊周期后，价值基金指数的年化收益率达到8.22%，高于同期成长基金指数7.24%的年化收益率。然而价值基金指数的波动率和最大回撤均稳定低于成长基金指数，给投资者带来了较好的持有体验和较高的投资性价比。事实上，市场仅需经历一轮牛熊周期的转换，价值风格型投资就能够录得与成长风格型投资相当的年化收益，但前者的稳定性更强、过程中的波动和回撤更小。

进一步地，我们统计了2010年以来所有普通股票型基金和偏股混合型基金的年化收益率情况，表2列出了20091231-20240430期间年化收益率排名前十的主动股基。我们同时考察了基金在不同报告期被划分至价值风格、均衡风格和成长风格的期数占比。例如，若某基金成立以来共披露50个报告期，其中20个报告期被划分为价值风格，则价值风格期数占比为40%。

由表2可以看到，长期绩优基金中有成长风格型投资代表（如易方达科翔、华商盛世成长、景顺长城优选、银华富裕主题A等），有均衡风格型投资代表（富国天合稳健优选、大成策略回报），也有价值风格型投资代表（如长盛量化红利策略A、景顺长城能源基建A、中欧价值发现A、万家精选A等）。其中，长期偏向于价值风格的绩优代表性产品——长盛量化红利策略A（080005.OF）是红利风格投资的典型代表，其业绩在该区间段内排名同类型基金第一。

在所有价值风格型投资策略中，红利类投资是市场关注度较高的策略之一。被誉为“华尔街教父”的本杰明·格雷厄姆在其著作《证券分析》一书中指出：“分红回报是公司成长中最为可靠的部分”。杰里米·J·西格尔博士在其著作《股市长线法宝》中回顾了美股百年历史，同样提到“股息是整个时期内股东收益的最重要来源”。

由股息率的计算公式可以看到，股息率可以被拆解为股息支付率和市盈率倒数（EP）的乘积，这意味着股息率较高的股票往往对应着较高的股息支付率或者较低的估值：

以中信一级行业为例，图4展示了2024年4月30日计算的不同行业成分股市盈率（EPTTM倒数）中位数与股息支付率中位数的散点图。可以看到银行、煤炭等行业的股息率较高，主要是因为其较高的股息支付率和较低的估值带来的；家电、食品饮料等行业的股息支付率较高，但是其估值也相对较高，因此股息率相对偏低。

图5和图6展示了中证红利全收益指数（H00922.CSI）与主要宽基指数在估值、股息率及2013年以来的绩效对比，其中估值及股息率数据统计截至20240430，绩效数据统计区间为在20130104-20240430。可以看到中证红利全收益指数的估值较低、股息率较高，其长期的年化收益和夏普比也远高于传统的宽基指数。

由以上分析可知，在A股市场中，当我们拉长周期来看时，价值型投资极具性价比，而红利类投资作为价值型投资的重要组成部分引起了市场的高度关注。在后文中，我们将对红利类相关的投资领域展开详细讨论。具体来讲，首先对A股市场中的分红现状进行介绍，并对上市公司的分红流程及不同阶段的关键性日期进行详细拆解。随后，我们围绕事件研究、因子研究、产品研究等多个维度展开分析，最后构建中证红利指数增强策略，并将其应用至“固收+”策略的构建过程中，取得了较为稳定的业绩表现。

分红政策频出，监管层鼓励现金分红

持续稳定的分红有助于增强投资者回报，推动树立长期价值投资理念，促进市场平稳健康发展，同时也有助于提高资金使用效率，引导公司专注主业。对于上市公司来讲，稳定的分红意味着上市公司经营业绩的稳健性；对于投资者而言，稳定的分红是上市公司回报投资者最直接、最有效的路径之一。

如图7所示，近年来，资本市场对上市公司分红情况愈加重视，监管机构相继出台了多项政策鼓励上市公司提高现金分红的稳定性、及时性和可预期性。

对多年未分红或分红比例偏低的公司，限制大股东减持。

证监会在2023年8月27日发布的《关于进一步规范减持行为有关事项的通知》中，将分红与减持进行挂钩，提到：

上市公司存在破发、破净情形，或者最近三年未进行现金分红、累计现金分红金额低于最近三年年均净利润30%的，控股股东、实际控制人不得通过二级市场减持本公司股份。控股股东、实际控制人的一致行动人比照上述要求执行；上市公司披露为无控股股东、实际控制人的，第一大股东及其实际控制人比照上述要求执行。

图8展示了当前A股市场中连续三年未进行现金分红的股票，以及过去三年分红但其累计现金分红金额低于最近三年年均净利润30%的股票数量及总市值占比。其中，连续三年未进行现金分红的股票数量占比20 %，总市值占比6.4%；过去三年分红但累计现金分红金额低于最近三年年均净利润30%的股票数量占比10%，总市值占比为4.7%。

对多年未分红或分红比例偏低的公司，实施风险警示。

2024年4月12日，为响应《国务院关于加强监管防范风险推动资本市场高质量发展的若干意见》（简称“新国九条”），上交所及深交所对《股票上市规则》中有关分红的规定作如下优化安排：

在沪深主板中，对于最近一个会计年度净利润为正值且母公司报表年度末未分配利润为正值的公司，最近三个会计年度累计分红总额低于年均净利润的30%，且累计分红金额低于5000万元的公司，实施ST；

对于科创板及创业板，对于满足分红条件的公司，若最近三个会计年度累计分红总额低于年均净利润的30%，且累计分红金额低于3000万元的公司，实施ST。但是，最近三个会计年度累计研发投入占累计营业收入比例在15%以上或最近三个会计年度累计研发投入金额在3亿元以上的除外。回购注销金额纳入现金分红金额计算。

增强分红稳定性、持续性和可预期性

在2023年10月20日发布的《上市公司监管指引第3号——上市公司现金分红（2023年修订）》中，提出要健全上市公司常态化分红机制：

进一步明确现金分红导向，推动提高分红水平：（1）对不分红公司加强制度约束督促分红；（2）对财务投资较多但分红水平偏低的公司进行重点关注。

公司发展阶段属于成熟期且无重大资金支出安排的，进行利润分配时，现金分红在本次利润分配中所占比例最低应当达到80%；
公司发展阶段属于成熟期且有重大资金支出安排的，进行利润分配时，现金分红在本次利润分配中所占比例最低应当达到40%；
公司发展阶段属于成长期且有重大资金支出安排的，进行利润分配时，现金分红在本次利润分配中所占比例最低应当达到20%；

简化中期分红程序，推动进一步优化分红股方式和节奏：鼓励公司在条件允许的情况下增加分红频次。

《新国九条》中也提到，要加大对分红优质公司的激励力度，多措并举推动提高股息率。增强分红稳定性、持续性和可预期性，推动一年多次分红、预分红、春节前分红。

约束过度分红，加大对超出能力分红行为处罚力度。

在《上市公司监管指引第3号——上市公司现金分红（2023年修订）》中，对过度分红情况进行了约束：

加强对超出能力分红企业的约束，引导合理分红：强调对资产负债率较高且经营活动现金流不佳，存在大比例现金分红情形的公司保持重点监管关注；

A股市场分红公司数量占比

近年来，资本市场对上市公司分红情况愈加重视，A股市场上市公司每年分红总金额总体呈现出不断递增的趋势。

图9展示了2010年以来A股市场分年度总分红金额，其中2023年财报分红总金额达到2.24万亿元，占A股总市值比例达到2.49%。

图10展示了A股市场分年度分红公司数量及占比情况，总体来看选择分红的上市公司数量不断增多，分红公司数量占比平均在70%左右。

在实际操作中，上市公司通常会选择对不同报告期（如一季报、半年报、三季报和年报）的利润进行分红，也有极少数公司会对非报告期利润进行特殊分红。

图11统计了A股市场每年对年报和半年报利润进行分红的公司数量，图12展示了不同报告期分红公司数量占比。可以看到，绝大多数公司选择对年报利润进行分红，平均占比达到96.2%；少数公司会选择对半年报利润进行分红，平均占比为3.46%，极少数公司选择对一季报和三季报进行分红。

通常来讲，当上市公司具备较为良好的历史分红记录时，其未来分红的可能性也相对较高。在很多红利类指数中，为了保证选样池分红派息的稳健性，通常需要上市公司连续多年进行现金分红。

图13展示了连续N年进行现金分红的上市公司数量占比，总体来看当前A股市场中连续3年进行现金分红的公司数量平均占比为53.6%。图14展示了连续N年进行现金分红的公司在未来一年仍分红的概率，总体来看连续3年进行现金分红的公司未来仍分红的概率为90.5%。

不同行业分红情况比较

我们对不同行业的分红情况进行考察，表3中展示了不同中信一级行业在2023年的分红公司数量占比、股息支付率中位数及股息率中位数情况。

从不同行业选择分红的公司数量占比情况来看，银行、非银行金融、交通运输等行业选择分红的公司数量占比居于前列；
从不同行业的股息支付率情况来看，食品饮料、纺织服装和家电行业的股息支付率居于前列；
从不同行业的股息率情况来看，银行、煤炭和非银行金融行业的股息率居于前列。

高股息股票特征分析

在构建红利策略之前，我们需要对高股息股票的基本特征进行分析。我们每个月根据股息率将全市场所有股票分为5组，其中股息率最高的1/5样本划分为D1组，股息率为0的样本划分为D5组；随后获取目标考察维度的因子取值，并将该因子取值转换为0-1的连续取值，最后计算不同股息率分组下的目标因子取值中位数。

图15从股价特征、估值特征、基本面特征、机构持仓及市值特征等维度，对不同股息率分组的股票进行了考察：

从股价特征来看，高股息股票倾向于低换手、低波动股票；
从估值特征来看，高股息股票倾向于低估值风格；
从基本面特征来看，高股息股票的盈利能力较强、成长性较弱、现金流占比高、高管薪酬及流通股东占比较高；
从机构持仓特征来看，高股息股票的公募基金持仓比例相对较低；
从市值特征来看，高股息股票的市值总体偏大。

此外，我们参考Dickinson（2011）中提到的现金流法对企业所属的生命周期进行划分，其示意图如图16所示。具体来讲，我们根据经营现金流、投资现金流、融资现金流的正负号将企业当前所处的生命周期划分为初创期、成长期、成熟期、动荡期和衰退期等不同阶段。例如，当上市公司的经营现金流为负、投资现金流为负、融资现金流为正时，表示该公司的主营业务尚未为公司带来较好的现金流收入，更多通过融资方式得到现金流补充，因此公司目前更可能处于初创阶段。

图17对不同股息率分组下的公司处于不同企业生命周期的数量占比进行了统计，总体来看，股息率较高的公司处于成熟期、成长期的比例较高，这与高股息公司的逻辑保持一致——通常来讲，企业经营状况稳健、现金流量健康的公司才可能进行稳定分红。

分红流程解析：预案、决案、实施公告、除息

通常来讲，一次较为顺利的分红过程按照其流程先后可以划分为：预案、决案、实施公告和分红除息，其对应的关键性日期主要有：预案公告日、股东大会公告日、实施公告日、股权登记日和除权除息日，示意图如图18所示：

预案公告日：上市公司一般会在披露上一年年报的同时公布其今年的分红预案。在该预案中，上市公司公布其分红的准备方案，但能否实施还需要证监会、董事会和股东大会的审批通过。预案公告之后，公司的分红流程即进入到“预案阶段”。
股东大会公告日：上市公司在年报披露后的一段时间会召开年度股东大会，内容包括：审查董事会监事会的年度工作报告、审查公司的年度财务预算决算报告、审查分红方案以及其他股东大会的常规事项等。如果股东大会通过公司利润分配方案，则公司分红进入到“决案阶段”；
实施公告日：股东大会只是对公司的分红金额等方案进行表决，一般不会同时公布其具体的股权登记日和除权除息日。公司在股东大会召开之后的一段时间，进行利润分配的实施公告。在实施公告之后，公司分红进入到“实施阶段”。
股权登记日和除权除息日：公司在利润分配的实施方案中，将会公布其具体的股权登记日、除权除息日。其中，只有在股权登记日当天收盘后还持有证券的投资者才有资格享受公司分红。除权除息日则一般是股权登记日的下一个交易日，公司分红导致的股票价格变动会直接体现在除权除息日开盘价中。

不同数据供应商对分红除息数据处理异同

在研究中我们发现，不同的数据供应商对上市公司分红除息的处理存在区别：

在Wind数据库中，表AShareDividend（中国A股分红）中记录了A股上市公司分红的全过程，但是同一次分红仅做一条记录。因此，当上市公司分红方案进行变更时，该表可能会存在数据覆盖等问题，从而导致无法还原历史上研究者真实能够获取到的信息；
在聚源数据库中，表LC_DividendProgress（沪深主板公司分红进度）和LC_STIBDividend（科创板分红）中收录了上市公司分红的详细信息，其以事件进程为维度，一次分红根据不同的进程，分多条记录展示。因此，研究者只需将信息发布时间与当前时间进行比较，即可还原出历史上的某个时点能够获取到的真实信息。

以恩捷股份（002812.SZ）为例，其在2023年3月3日公布的年报中表示，“公司计划年度不派发现金红利，不送红股，不以公积金转增股本”。然而，其在2023年7月22日发布的《关于2022年度利润分配预案的公告》中表示，“向全体股东以每10股派发现金红利人民币1.78元（含税）”，公司分红方案发生变动。

表4展示了Wind中关于该公司2022年度分红的记录，可以看到当上市公司处于不同的分红阶段时，“方案进度”字段会发生变化。此外，该条记录中的预案公告日记录的是第一次不分红方案的预案公告日，但实际上该日并不能获取到其每股派息0.178元的分红计划。因此，若以预案公告日作为信息获取的起始日期，则该条记录实际上存在未来数据使用的问题。

表5展示了聚源中关于该公司2022年度分红的记录，可以看到其以事件进程为单位，每发生一次变动即以一条记录进行收录。研究者仅需将信息发布日期与当前日期进行比较，即可获取当前时间点所能够获取的全部信息，能够帮助其较好地还原历史上发生的真实情况。

上市公司分红关键日期月份分布及时间间隔

为了对上市公司的分红时间有一个初步的认识，本部分我们针对分红过程中的几个关键日期的月份分布情况进行统计，图19展示了预案公告日、决案公告日、实施公告日和分红除息日所在的月份分布情况。

由图19可以看到：

预案公告日：上市公司分红预案通常跟随其年报一同披露，因此分红预案公告日主要集中在3月和4月密集披露；
决案公告日：上市公司在股东大会中对其分红预案进行投票审议，表决通过后即可实施该方案，分红决案公告日主要集中在4月-6月；
实施公告日：上市公司分红实施公告中会披露具体的股权登记日、除权除息日，分红实施公告后不久即进行除权除息；
分红除息日：每年的5月-8月是上市公司分红派息的高峰期，红利全收益指数与价格指数的差异也即体现在这些月份中。

那么，这些日期之间一般会间隔多少天呢？接下来，我们将考察不同公告日之间间隔天数的分布情况。我们对2010-2023年期间的情况进行了统计，图20展示了预案披露日到股东大会公告日之间的间隔天数分布图，可以看到，大多数公司的预案披露日到股东大会召开日间隔在20-30个自然日之间（约占比70%）。公司预案披露日到股东大会召开日间隔在1个月（30个自然日）的概率为74%，在2个月内（60个自然日）的概率为90%，在3个月内（90个自然日）的概率为98%。

一般来讲，上市公司在分红预案中仅会披露当年的分红金额安排，具体的分红除息日在利润分配实施方案中才会公布。图21展示了股东大会公告日至分红实施公告日的间隔天数分布，公司在召开股东大会后，到其公布分红公告实施日之间的天数并未呈现明显的规律。总体来讲，这一区间在2个月（60个自然日）之内。

图22展示了公司分红实施公告日到除权除息日之间的间隔天数分布情况，可以看到，绝大多数的公司在分红实施公告日与实际除权除息日之间在1个星期左右。在7个自然日以内的概率为80%，10个自然日以内的概率为97%。也就是说，绝大多数的情况下，我们可以在上市公司除权除息之前的至少4天、至多10天了解到其具体的分红除息日。

四

事件研究：潜伏高股息组合

高股息公司分红事件效应研究

对于高股息公司的投资，“填权效应”是市场讨论的最多话题之一。通常来讲，当股票进行分红派息后，其价格会进行自然回落。“填权效应”即是指股票价格从除权价的基础上往上涨来填补这个差价的现象。那么，A股市场中的“填权效应”是否真实存在呢？郦解放等（2014）通过事件研究法对A股市场中送转公司除权日前后的股价变动进行了研究，发现在除权日前后的一段时间内，送转股在除权日前股价显著上升，除权日及后短期内股价显著下跌。王俊（2013）对A股市场分红公司进行研究发现，除息日前股价表现出正的超额收益，除息日后股价表现出负的超额收益。这些研究结论似乎与“填权效应”相悖。

本文着眼于上市公司现金分红的事件效应研究，我们首先对2010年-2023年所有进行现金分红的样本进行了统计，具体来讲，我们首先根据上市公司年报分红预案公告日的股息率将样本划分到不同的股息率分组，随后以分红除息日作为日，考察其在分红除息日前后相对中证红利全收益指数的累计超额收益情况。

在图23中，横坐标代表距离除息日的交易天数，其中0代表除息日，-N表示除息日前N个交易日，N表示除息日后N个交易日。纵坐标表示股票分红除息日前后相对中证红利全收益指数的累计超额收益。具体来讲，我们以除息日（T0日）为原点，T0-N日对应的纵坐标取值X表示若投资者提前N日买入该股票并且持有至T0-1日收盘时卖出，能够获取相对中证红利全收益指数的超额收益；T0+N日对应的纵坐标取值Y表示若投资者在T0-1日收盘买入股票并持有至T0+N日收盘卖出，能够获取相对中证红利全收益指数的超额收益。

整体来看，股票在分红除息之前相对中证红利全收益指数存在较为明显的超额收益，而在分红除息之后会出现一定程度的回调，且股息率越高，这一现象越明显。以股息率5%以上的样本为例，若投资者能够在分红除息前60个交易日买入，持有至分红除息日前一天卖出，则其平均能够获得相对中证红利全收益指数5.21%的超额收益。然而，这些股票在分红除息后的10个交易日平均相对中证红利全收益指数超额收益为-2.26%，随后超额收益逐步企稳。总体来看，对于高股息公司而言，其在分红除息之后并不存在明显的“填权效应”，反倒是在分红除息之前的超额收益较为稳健。

关于股价在分红除息日前后异常超额收益的形成原因，王俊（2013）中从税负效应、短期交易、微观市场结构、投资者异质性等多个维度展开了分析，认为这是多维度综合作用的结果。由图22可知，投资者一般能够提前4天-10天获知上市公司分红除息日，而由图23可以看到股价在分红除息日前10天内的超额收益十分明显，因此我们猜想可能存在部分有分红需求的投资者，为了尽可能避免股价波动带来的影响，可能会在分红实施公告日之后买入并在获取股息收益后卖出，这样既能够获取相应的股息，又能够避免股价的长期波动带来的影响。

值得注意的是，对于高股息的公司而言，若其分红金额相对去年同期存在下降，即便其股息率仍然保持在较高的水平，市场对其高股息的逻辑可能也并不认可。我们对股息率5%以上的样本进行分类，将其划分为分红金额相对去年同期提升和下降两类。图24展示了两类样本在除息日前后相对中证红利全收益指数的累计超额，总体来看，股息率超过5%且分红金额相较去年有提升的样本，在除息日之前的超额收益更为明显，而分红金额下降的股票其事件效应明显减弱。

由上述分析可知，股息率越高的样本，在分红除息日之前的超额收益越明显。那么，这一事件效应分年度来看是否稳健存在呢？基于此，我们以满足如下两个条件的任意一个构建高股息股票池：

预案公告日股息率在5%以上且分红金额相较去年增长；
预案公告日股息率在4%以上且最近一年股息支付率减去过去3年股息支付率均值大于5%。

我们分年度统计其在分红除息日前60个交易日、40个交易日、20个交易日和10个交易日相对中证红利全收益指数的平均累计超额收益，其结果如图25所示。可以看到，大部分样本在除息日之前都能够录得超越中证红利全收益指数的表现，这一现象从年度维度来看稳健存在。

潜伏高股息股票池生成

在国信金工团队2023年6月7日发布的《超额图谱视角下的成长股投资策略》中，我们发现业绩预告超预期和业绩大增的股票，在其正式财报发布之前仍有明显的超额收益，且我们在正式财报预约披露数据中能够提前知晓其正式财报的发布日期，基于此我们构建了成长稳健组合，历史表现优异。

类似地，我们发现股息率较高的公司在其除息日之前同样存在较为稳定的超额收益，且投资者能够在分红实施公告日提前知晓上市公司具体的分红除息日期。因此，我们可以采用类似的思路构建“潜伏高股息组合”。

首先对潜伏高股息策略的股票池进行定义，本文以股息率较高及股息支付率增长幅度较高两类条件构建潜伏高股息股票池，具体定义如下：

第一类样本（股息率较高）：预案公告日股息率大于5%且分红金额相较去年有增长的股票；
第二类样本（股息支付率增长幅度较高）：预案公告日股息率大于4%且最近一年股息支付率减去过去3年股息支付率平均值的差值在5%以上的股票。

图26展示了仅股息率高、仅股息支付率增长及二者接满足的样本数量分布情况，整体来看该股票池以第一类样本为主，近几年股票池数量均在100只以上。

需要说明的是，对于高股息股票的投资而言，红利税的缴纳是影响投资收益的潜在因素之一。表6展示了A股历史上红利税缴纳条件的变更情况，当前对红利税的缴纳条件如下：

若持有股票期限不足1个月，红利税比例为20%；
若持股期限超过1个月但不足1年，红利税比例为10%；
若持股期限超过1年，红利税比例为0。

由图19可知，大多数上市公司的分红预案公告日集中在3月份和4月份，而分红除息日集中在5月份-7月份，因此大多数公司从分红预案日到分红除息日，中间间隔的天数小于3个月。

为了避免持有期限过短导致缴纳较高的红利税，也为了避免高股息股票在除息日后的短期回调，我们可以在分红预案公布后对满足条件的样本池进行筛选，在分红除息前一日（即股权登记日）进行卖出，策略构建示意图如图27所示。

事件驱动类策略在实际投资中面临的问题

传统的事件驱动类策略在实际投资中通常面临调仓时间不确定、持仓数量不确定等问题，为策略构建过程中对调仓时点的选择和资金权重的分配带来了困难，具体来讲：

调仓时间不确定：事件驱动类策略通常围绕上市公司公开披露的公告展开，然而每家该公司公告披露的时间不同，公告内容也无法预测，因此投资者并不知道下一次何时有样本触发预设的事件，从而导致其很难对调仓时间点进行准确的把握；
持仓数量不确定：对于事件驱动类策略而言，投资者往往采用事件触发即纳入持仓的方法进行等权再平衡。然而，在每次调仓时我们并不确定事件触发的股票数量有多少，从而在实际投资中对资金的权重分配带来了困难。例如，若当前满足条件的股票数量较少（如10只），投资者对个股进行等权配置时每只股票的配置权重高达10%，这种做法对于单个股票的配置权重过高，容易将组合风险集中在少数股票的股价表现上；若当前满足条件的股票数量过多（如200只），那么组合持仓的股票数量过多、权重过于分散，在实际交易过程中带来了较大的困难。

为了解决调仓时间不确定问题，考虑到绝大多数上市公司分红除息日集中在5月-7月，因此我们仅在每年的5月-7月持有股票，其他时间持有现金；

为了解决持仓数量不确定问题，我们在每年5月的第一个交易日一次性买入满足条件的股票，当有股票进行分红除息时，我们在其分红除息前一天（即股权登记日）卖出股票，剩余资金买入已持仓股票中股息率较高的个股。

潜伏高股息组合构建方式

本部分，我们对“潜伏高股息组合”的构建细节进行梳理，图28展示了该组合的具体构建流程图。

潜伏高股息组合的构建细节如下：

回测区间：20180102-20231229
调仓时间：每年5月的第一个交易日建仓，8月第一个交易日清仓。
样本池筛选：（1）预案公告日股息率大于5%且分红金额相较去年有增长的股票；（2）预案公告日股息率大于4%且最近一年股息支付率减去过去3年股息支付率平均值的差值在5%以上的股票。满足如上2个条件中的任意一个即可纳入。
调仓规则：每年5月第一个交易日筛选满足条件的股票（剔除距离分红日期不足5个交易日的样本），并于5月第一个交易日全部买入。在持有过程中，若出现如下两种情况中的一种，则卖出股票：（1）若有股票分红除息，则在分红除息前一日（股权登记日）卖出；（2）若股票分红方案被否决，则在分红方案否决公布日的次日卖出。在卖出股票的同时，将得到的资金买入已持仓股票中综合得分靠前且距离分红日期超过5个交易日的股票；
初始权重设置：根据预案公告日的股息率进行加权，若股息率超过10%则按照10%计算；
个股权重上限：为了避免组合持仓过于集中，我们根据当前持仓股票数量确定个股权重上限，具体来讲：

例如，当持仓股票数量为100只时，个股权重上限为2%；当持仓股票数量为50只时，个股权重上限为4%；当持仓股票数量小于40只时，个股权重上限为5%。

组合仓位：当持有股票数量小于20只时，由于每只股票的权重上限为5%，因此会出现股票仓位小于1的情况。为了与基准指数进行比较，我们对剩余仓位采用中证红利全收益指数（H00922.CSI）进行填充。
基准指数：中证红利全收益指数
调仓价格：持仓组合中的股票价格以每日成交均价（日成交额/成交量）成交，持仓组合中的基准指数价格以中证红利指数（000922.CSI）的成交均价（根据指数日内1分钟数据计算的每分钟收盘价的成交额加权平均）成交，并考虑当日分红收益。
手续费：买入千分之一，卖出千分之二

图29展示了单次调仓示意图，其中股票C和股票E由于次日进行分红除息，因此在今日以均价卖出，卖出股票得到的现金占比为3%。假设此时个股的权重上限为4%，因此卖出股票得到的3%权重将进行如下分配：股票A+1.2%，股票B+1.5%，股票D+0.3%，其余个股无需交易。

潜伏高股息组合绩效表现

图30展示了潜伏高股息组合自2018年以来相对中证红利全收益指数的净值走势，由于该组合仅在每年的5月、6月和7月有持仓，因此在计算组合和基准指数的净值时，其仅在每年的5月-7月处于满仓状态，在该年度的其他时间段组合和基准的净值均不发生变化。

表7展示了潜伏高股息组合的分年度绩效表现，可以看到该组合自2018年以来每年平均收益9.42%，相对同期中证红利全收益指数平均每年超额收益达到6.95%。也就是说，潜伏高股息组合仅持有3个月的时间，即可获取相对中证红利全收益指数6.95%的超额收益，从资金的使用效率及超额收益的获取效率来看保持在较高的水平。

潜伏高股息组合持仓特征

图31展示了潜伏高股息组合每年持股数量的变化情况，总体来看近三年该组合每次最多持仓数量在100只股票左右，随着上市公司在5月-7月分红除息，组合持股数量逐渐减少。

图32展示了潜伏高股息组合分年度单边换手率情况，总体来看该组合每年的单边换手率在3.5倍左右。图33展示了潜伏高股息组合的权益仓位变化情况，我们仅展示每年的5月-7月的权益仓位情况，可以看到该组合每年5月份开始建仓，随着上市公司分红除息进度深入及个股权重上限的限制，7月下旬的权益仓位逐渐减少。

为了比较潜伏高股息组合相对中证红利全收益指数超额收益的稳健性，我们将每年的5月-7月的收益率进行拼接，如图34所示。整体来看，该组合相对中证红利全收益指数能够获取较为稳健的超额收益，说明其在5月、6月和7月均能获取较为稳健的超额收益。

五

因子研究：“股息+”因子构建

本部分我们围绕“股息+”因子的构建展开讨论，具体来讲，我们对股息率因子、股息支付率因子及股息支付率增长因子的构建方式和选股效果展开研究。

股息率因子是一类重要的Alpha因子，传统的股息率LYR和股息率TTM因子在构造方式上存在一定的问题，本部分我们引入预期因子构建预期股息率因子。实证研究发现，预期股息率因子不仅能完全解释传统股息率因子，而且相对传统因子有一定的信息增量，能够提升因子对股票未来收益的预测能力。

股息支付率衡量了上市公司将净利润转化为现金股息的比例，当上市公司股息支付率出现明显提升时，代表其分红意愿存在显著增强。实证研究表明，股息支付率增长幅度越高的公司，长期收益也倾向于更高。

股息率LYR及股息率TTM因子

股息率即是指分红金额与股票市值的比值，在构造股息率因子时，股票市值通常取当前市值，而根据分红金额的不同选取代理指标，我们将传统股息率因子分为股息率LYR和股息率TTM因子，具体来讲：

其中，当年报或者分红方案已经公布时，取上一年度已经发布的分红预案计算分红金额；当年报或者分红方案均未公布时，取上上年度的分红金额进行计算。

其中，分子为除息日在指定交易日过去12个月以内的现金分红汇总。

图35和图36分别展示了股息率LYR及股息率TTM因子在全市场中的RankIC走势，如无特别说明，后文中的因子均已进行行业和市值中性化处理，回测区间为20091231-20240430。表8展示了两个因子的绩效对比，整体来看，股息率LYR因子和股息率TTM因子均展现出一定的有效性，对股票未来的收益具有较为明显的选股效果。

然而，当我们考察这两个指标的具体计算细节时，我们发现二者均有值得改进的地方。

以股息率TTM因子为例，当使用最近12个月除息的分红作为股息率的分子时，会发现股息率指标会出现突变。由于滚动12个月统计分红，会出现在窗口期内发生0次或多次分红的情况，而实际上企业的经营状况及分红意向并没有发生变化，仅仅是由于取样区间的问题导致股息率指标的变动，这就可能对因子的稳定性产生影响。

以贵州茅台（600519.SH）为例，图37展示了该股票每月末的股息率TTM因子取值。可以看到在个别时间点该因子取值会存在突变。例如，在2015年6月30日计算股息率因子值，过去12个月（20140630-20150630）内无分红除息，则该日股息率为0；而在2018年6月29日统计过去12个月（20170629-20180629）内分红时，该区间有2次分红记录，从而导致股息率陡升。

以股息率LYR因子为例，当上市公司业绩稳定时，其分红也较为稳定，使用历史分红对未来分红进行预测偏差不大。然而，当公司业绩出现剧烈波动时，分红金额通常会随着公司盈利能力的变化而发生剧烈变化。此时，采用过往分红作为未来的预测，可能会导致较大的偏差。

以中煤能源（601898.SH）为例，公司在2013年归母净利润为35.76亿，比2012年下降了61.48%。相应地，其在2013年的分红金额也减少了61.43%。此时，如果仍然以2012年分红金额来计算股息率，就会明显高估2013年度的预期分红。

鉴于以上分析，我们希望构建一个更加合理的股息率指标，既能动态地反映上市公司分红能力的变化，又希望该指标具备较好的稳定性和连续性。

预期股息率因子构建

根据上市公司的利润分配，可以发现预测股息率的关键点在于对净利润以及分红比例的预测：

因此，我们将如上问题转换为对净利润的预测以及对股息支付率的预测。

在计算个股的年度净利润数据时，若该公司已公布年报、快报或业绩预告数据，那么我们直接采用已公布的归母净利润数据作为其年度利润数据，其中业绩预告数据取上下限均值进行代替。若公司尚未披露相关报告，那么需要对其年度利润进行估计。

一般来讲，在对个股的年度净利润进行估计时，最直观的数据来源是根据分析师预期数据或者根据公司已公布的前几个季度的数据进行线性外推得到，但是我们发现这样的处理往往会带来一些问题。首先，目前A股上市公司分析师覆盖度不足50%，有一半的公司尚无分析师预测数据。其次，不同分析师对于同一公司的覆盖数量和预测方法存在较大差别，不同分析师对于同一上市公司预期净利润的可靠度和偏离度存在较大差异。第三，部分公司由于经营模式存在差别，其在季度利润分布上存在一定的周期性，简单地将三季报累计净利润乘以4/3进行线性外推作为其全年净利润的估计可能存在较大的偏离。

图39和图40分别展示了新城控股（601155.SH）单季度净利润情况与2015年以来前三季度净利润占全年净利润比例情况。可以看到，作为一家房地产开发与销售公司，新城控股前三季度净利润占全年净利润比例平均仅为30%，绝大部分净利润被计入到四季度中，因此单纯地将其三季度净利润乘以4/3的线性外推方式可能会对此类公司的全年净利润估计造成较大的偏差。

基于以上因素的考虑，当上市公司尚未公布分红年度的年报、预告和快报时，本文基于历史净利润分布进行动态预测：首先根据上市公司的季度盈利分布情况将其分为盈利分布稳定和盈利分布不稳定两类。然后，对于盈利分布稳定的公司可按照其历史盈利分布规律进行预测；对于盈利分布不稳定的公司，使用其上年同期盈利作为预测值，具体流程图如图41所示。

步骤一：盈利分布稳定性判断

我们首先根据上市公司的季度盈利分布将上市公司分为盈利分布稳定和盈利分布不稳定两类。为了方便描述，我们将T年度前n季度归母净利润记为P_n,t，T年度前n季度扣非净利润记为DP_n,t，具体判断方式如图42所示。

步骤二：根据盈利分布稳定性预测年度净利润

在确定了公司季度盈利分布规律后，即可根据其当年已公告的盈利情况对公司全年净利润进行预测。对于盈利分布稳定的公司，由于其季度利润占全年利润比例相对稳定，因此可采用线性外推的方式来预测当年净利润。对于盈利分布不稳定的公司，我们采用其上年同期净利润作为剩余季度净利润的预测值，其示意图如图43所示。

步骤三：根据分析师对预期净利润进行修正

当采用如上方法计算得到的预期净利润与分析师一致预期净利润的偏离幅度高于某一程度时，我们认为基于历史数据的预测方式可能存在一定的不合理性，需要进行修正。我们采用如下公式定义二者之间的偏离度：

其中，LP_4,T为按照历史数据预测的净利润，AP_4,T为分析师对的一致预期净利润。当该偏离幅度高于30%时，我们认为采用历史数据预测得到的预期净利润存在明显的高估，此时我们采用分析师一致预期净利润作为替代。

股息支付率预测：采用历史股息率代替

在完成对上市公司年度净利润的预测后，接下来即需对公司股息支付率进行估计。我们观察到，对于一些经营活动较为稳定的企业来说，其历年股息支付率相对较为固定，这为我们采用历史数据平均作为本年股息支付率的估计值提供了较好的基础。

图44展示了工商银行、农业银行、中国银行、建设银行和交通银行自2019年至2023年期间历年股息支付率，可以看到五大行的股息支付率基本稳定在30%左右，且历年波动非常小。图45展示了沪深300指数权重股的历年分红情况，可以看到其股息支付率与去年股息支付率存在高度相关的情况。

由此，我们采用如下方式对公司股息支付率进行预测：

计算股息率的均值时对过高的股息率以80%为上限进行截尾处理。部分公司会派发特别股息，使得股息支付率可能会高于1。例如中国神华（601088.SH）2016年支付特别股息，使其当年股息支付率高达260.09%。而特别股息并不是经常存在的，因此对异常高的股息支付率应当进行调整。

不足三年样本以行业的股息支付率中位数填补缺失值。当公司上市不足三年，或者当公司过去三年内发生亏损时，就会使得近三年内净利润为正的样本少于三期。为了避免样本过少带来的异常值影响，以相应年度公司所在中信二级行业的股息支付率中位数填补缺失值，以获得三个样本。在计算行业股息支付率中位数时，剔除小于0或者高于80%的样本，以避免极端值的影响。

预期股息率因子构造

对于上年年报预案分红大于0的公司：在1月至预案日之前，使用上年年报的预期分红；在预案日至分红除息日期间，使用上年年报的预案分红金额；在分红除息之后，使用本年年报的预期分红金额，作为该股票持有一年所能够获得的预期分红。
对于上年年报预案分红为0的公司：在1月至预案日之前，使用上年年报的预期分红；在预案日至8月末，使用上年年报的预案分红金额，即分红为0；在9月之后，使用本年年报的预期分红金额，作为该股票持有一年所能够获得的预期分红。

预期股息率因子绩效表现

我们对预期股息率因子在全市场进行行业、市值中性化，检验其因子的绩效表现。图47展示了预期股息率因子的RankIC走势，图48展示了该因子的分组月均超额收益情况。

表9展示了预期股息率与传统股息率因子的绩效对比，可以看到预期股息率因子的RankIC均值、年化RankICIR、月胜率及多头年化超额收益都要好于传统的股息率因子。

为了检验预期股息率相对传统股息率因子的信息增量，我们采用如下回归方式将因子进行互相正交剥离，具体来讲：

其中，𝑌表示待检验因子，X表示待剥离因子，𝜀即为剥离之后的残差因子。

表10展示了股息率相关因子互相剥离后残差因子的选股效果，整体来看预期股息率因子剥离掉股息率LYR或股息率TTM后，残差因子均体现出较强的选股能力，RankIC月胜率在70%以上，年化RankICIR在2以上。然而股息率LYR或股息率TTM剥离掉预期股息率之后，残差因子的选股能力显著下降。这说明我们构建的预期股息率因子能够较好地解释传统股息率因子，对现有的股息率因子形成良好的补充。在后文的组合构建中，若无特别说明，我们采用的股息率因子均为预期股息率因子。

股息支付率及股息支付率增长因子

股息支付率衡量了上市公司将净利润转化为现金股息的比例，通常来讲当公司的经营情况稳健、现金流支出需求少时，公司的股息支付率倾向于较高。我们最近一个年份的分红金额与净利润之比，计算股息支付率因子：

若公司进行年度分红，则将该年度所有报告期对应的分红金额进行加总除以过去一年的净利润；若公司进行半年度分红，则将半年度的分红金额除以半年度净利润。

图49展示了股息支付率因子的RankIC，图50展示了该因子的分组月均超额收益。在20091231-20240430区间段内，股息支付率因子的RankIC均值为3.8%，月胜率76.7%，年化RankICIR为2.41。多头月均超额收益0.44%，空头月均超额收益-0.67%，展现出一定的选股效果。

当上市公司股息支付率出现明显提升时，代表其分红意愿存在显著增强。我们以最近一个年度的股息支付率减去过去三年股息支付率平均值，计算股息支付率增长因子：

其中，PayoutRatioGrowth_t表示t期的股息支付率增长因子，PayoutRatio_t表示t期的股息支付率。

图51展示了股息支付率增长因子的RankIC，图52展示了该因子的分组月均超额收益。在20091231-20240430区间段内，股息支付率增长因子的RankIC均值为1.2%，月胜率70.3%，年化RankICIR为1.67。多头月均超额收益0.23%，空头月均超额收益-0.09%。

六

产品研究：A股市场红利类产品一览

本部分我们对A股市场中红利类相关的公募产品进行梳理，我们对A股市场中所有当前存续的公募基金进行筛选，以产品全称或基准指数名称中是否含有“股息”、“红利”、“分红”、“股利”等关键字为条件，筛选出红利类相关产品。

图53展示了当前红利类相关产品的规模及数量分布情况，其中ETF基金规模统计截至2024年5月31日，其他产品规模统计截至2024年一季度末。其中：

红利类相关ETF基金目前共有42只，合计规模689亿元；
红利类相关主动权益基金目前共有62只，合计规模459亿元；
红利类相关场外指数基金目前共有21只，合计规模165亿元；
红利类相关指数增强基金目前共有4只，合计规模119亿元；
红利类相关主动量化基金目前共有24只，合计规模67亿元。

红利类指数增强型及主动量化型产品

目前A股市场公募基金产品中，红利类指数增强型基金共有4只，且各产品跟踪的基准各不相同。表11统计了当前A股市场中所有的红利类指数增强型基金，其中规模数据为2024年一季报中的规模信息。可以看到，富国中证红利指数增强A（100032.OF）是目前A股市场中规模最大、成立时间最早的红利类指数增强型基金，其对标的基准指数为中证红利指数（000922.CSI）。

表13统计了目前A股市场公募基金中红利类主动量化型基金，目前该类型产品共有24只，且多只产品于近两年发行。在对标基准上，绝大多数红利类主动量化型基金对标中证红利指数（000922.CSI）或中证国企红利指数（000824.CSI）。

红利类被动指数型产品

目前市场上有多只红利类被动指数型产品，包括ETF产品及场外指数型基金，其跟踪的基准各异。

表12列举出了红利类ETF和场外指数基金中规模最大的5只产品，其中ETF产品的规模为2024年5月31日规模，场外指数型产品的规模为2024年一季报规模。

规模最大的红利类ETF为华泰柏瑞红利ETF（510880.SH），其跟踪基准为上证红利指数（000016.SH）；
规模最大的红利类场外基金为大成中证红利A（090010.OF），其跟踪的基准指数为中证红利指数（000922.CSI）。

图54统计了当前A股市场中红利类指数所挂钩的指数型基金规模及产品数量，其中：

挂钩指数型基金规模排名前三的指数为中证红利指数（000922.CSI）、红利指数（000015.SH）和红利低波指数（H30269.CSI）。
挂钩指数型基金数量排名前三的指数为中证红利指数（000922.CSI）、红利低波100指数（930955.CSI）和红利低波指数（H30269.CSI）。

红利类指数股息率计算：整体法VS成分股加权法

对于红利类指数及投资组合，由于指数成分股以高股息股票为主，因此其价格指数与全收益指数的年化收益往往相差较大，二者之间的区别即为指数的股息率。市场上对指数的股息率计算大多采用整体法计算得到：

基于整体法计算指数的股息率在实际投资中往往会存在失真。若两个指数的成分股完全一致，但加权方式存在区别，那么采用整体法计算得到的指数股息率完全相同，这与投资者实际能够获得的股息收益存在区别。

表14展示了沪深300指数、沪深300全收益指数、300等权指数和300等权全收益指数的分年度收益，可以看到沪深300指数由于股息带来的年化收益为2.35%，而300等权指数由于股息带来的年化收益为1.83%，二者存在明显的区别。

本文采用成分股加权法对指数的股息率进行重新计算，具体来讲：

其中，w_i表示指数成分股在指数中的权重，DividendRatio_i为该股票的股息率，股票的股息率等于过去一年现金分红金额之和与总市值的比值。

图55展示了中证红利指数采用整体法和加权法计算得到的股息率情况比较，截至2024年4月30日，采用整体法计算得到的指数股息率为5.21%，采用加权法计算得到的加权股息率为4.85%。

红利类指数分类及业绩特征

目前A股市场中有着众多红利类相关指数，我们可以按照企业性质、交易场所、Smart Beta因子、红利构建方式、加权方式等多个维度对其进行划分，如图56所示。

从企业性质来看：根据企业属性将其划分为国企、民企、央企等；根据所属行业将其划分为消费红利、科技红利、工业红利等；
从交易场所来看：可以划分为上证红利、深证红利、沪港深红利、大湾区红利等；
从SmartBeta因子来看：主要有红利低波、红利质量、红利成长、大盘红利、红利价值等；
从红利因子构建方式来看：部分指数偏向红利增长，部分指数偏向分红稳定性，部分指数偏向预期股息率；
从加权方式来看：主要有市值加权、股息率加权、波动率加权、因子加权等；
从指数发布机构来看：主要由中证指数公司、国证指数公司、华证指数公司等。

我们根据指数全称中是否包含“红利”、“股息”、“分红”、“股利”等关键词作为红利指数的筛选标准，仅看全收益指数，同时剔除行业主题型、宽基型等指数，筛选出红利类指数。

我们发现，并非所有红利类指数都天然地具备较高的股息率，当指数构建过程中加入了与高股息股票特征相关性较低的因子时，可能导致红利类指数的股息率较低。图57对比了当前主流的红利类指数股息率情况，当前中证红利指数的股息率为5.22%，仅有部分指数的股息率高于中证红利指数。

我们认为，当指数的选样池较大，且叠加了成长、盈利等因子时，容易使得指数的股息率远低于中证红利指数，从而脱离了投资者对高股息最直观的理解。

在不同市场环境下，受到青睐的风格因子不同。由于大部分红利类指数叠加了其他风格，因此这类指数在不同市场环境下展现出的风险收益特征并不一致。

图58展示了红利类指数在2019年-2020年的累计收益率与2022年-2023年的累计收益率散点图，可以看到，二者之间呈现出非常典型的负相关关系：

2019年-2020年，成长风格走强，“红利+质量”、“红利+成长”指数的表现相对占优；
2022年-2023年，价值风格走强“红利+低波”等指数的表现相对占优。

图59展示了2014年以来不同红利类指数的年化收益率情况，可以看到，无论是“红利+低波”指数还是“红利+质量”指数，其长期年化收益仅比中证红利全收益指数高3%-4%，因此如果我们能够实现对中证红利全收益指数的稳定增强，那么无论对标“红利+低波”指数还是“红利+质量”指数都具有明显的优势。

红利类指数会有股息率陷阱吗？

根据股息率的计算公式（股息率=分红金额/总市值），股票的高股息一方面可能是分红金额提升带来的，另一方面可能是市值下跌导致的，因此市场上关于高股息股票的“股息率陷阱”颇为担忧，那么红利类指数会存在股息率陷阱吗？

我们以中证红利指数为例进行研究，具体来讲我们首先提取出中证红利指数每年的新进成分股，随后计算这些股票过去一年收益率在全部股票中的排名分位点中位数，其结果如图60所示。整体来看，被新进纳入中证红利指数成分股的样本过去一年均有着不错的表现，并不是由于其股价下跌导致的。

进一步地，图61统计了新进成分股中分红金额有提升、股息支付率有提升的样本数量占比，可以看到大多数新进成分股的分红金额和股息支付率均有提升。

六

中证红利指数增强策略构建

中证红利指数编制规则及变迁

在构造中证红利指数增强策略之前，我们有必要对该指数的编制规则及历史上发生过的规则变化进行介绍。如表15所示，中证红利指数于2008年5月13日发布，并在2013年7月2日和2022年10月13日进行过两次调整。其中，2013年末的调整对指数成分股的分布产生了较大的影响。

在2014年之前，中证红利指数采用调整市值加权，而在新规则修改之后，该指数采用股息率加权。由于部分成分股的市值相较其他公司明显偏大，因此调整市值加权的指数成分股集中度更高、在单一行业上的权重占比也达到了较高水平。

图62展示了中证红利指数前十大重仓股权重之和及第一大权重成分股占比情况，可以看到在2014年之前，该指数前十大重仓股权重达到50%，持股集中度相对较高；而在采用股息率加权之后，由于大部分成分股的股息率相差较小，因此该指数成分股的权重分布更加分散，前十大成分股权重之和基本维持在20%上下。

图63展示了中证红利指数在银行板块上的权重占比，同样可以发现在2014年之前，该指数在单一行业上的权重占比一度超过45%，而在2014年之后其在银行板块上的权重基本维持在20%以内。

考虑到中证红利指数的成分股持仓风格和集中度在2014年前后发生了比较大的变化，本文在构建中证红利指数增强策略时，以2014年为回测起始时间。

中证红利指数在2022年底的调整幅度较小，首先在样本空间筛选和选样方法中，将过去的“连续两年分红”修改为“连续三年分红”；其次在加权方式上，考虑到指数产品的可投资性，对单个样本的权重设置不超过100%，且100亿以下的样本权重不超过0.5%。

红利类指数增强策略的构建难点及要点

由前述分析可知，如果我们能够实现对中证红利全收益指数的稳定增强，那么无论对标“红利+低波”指数还是“红利+质量”指数都具有明显的优势。但是，我们发现与传统的宽基指数增强不同，红利类增强策略在构建过程中将会面临如下几个难点：

（1）待选股票池数量少，指数成分股收益分化小。

对于红利类增强组合而言，较高的股息率是组合必须具备的基本特征。然而由前述分析可知，在A股市场中每年仅有70%的公司进行现金分红、连续三年进行现金分红的公司数量也仅占50%左右，且这些连续分红的公司并不都具备较高的股息率。因此，红利类增强的组合不能以全市场作为选股池，而需要筛选出一些具备稳定分红特征的股票作为待选。

根据Grinold和Kahn（2000）在其著作《主动投资组合管理》提出的主动管理基本定律，主动投资经理的信息比IR可以近似地表示为如下关系：

其中，Breath是广度，通常与选股池的股票数量呈正相关关系；IC为信息系数，为投资经理对个股超额收益做出的预测与实际结果之间的相关系数。当选股池股票数量较小时，组合的信息比通常也会更低。

此外，高股息股票通常偏向于低波动、低换手的股票，因此其股价的波动率与股价之间的收益分化通常更小。图64展示了每个月对中证红利指数与传统宽基指数成分股计算过去一年收益率的标准差，进而取时间序列平均值的结果。可以看到，中证红利指数成分股的收益分化明显低于传统宽基指数，更低的收益分化意味着更大的增强难度。

（2）红利类股票池中单因子表现轮动效应明显，特质Alpha要求高

由前述对红利类Smart Beta指数的业绩分析可知，红利类股票池中单因子表现存在明显的轮动现象。在2019年-2020年，“红利+质量”表现更为占优，在2021年-2022年，“红利+低波”表现更为优异。若组合在单一风格上的暴露较高，则会导致其在部分时间段大幅落后基准指数的表现，从而对组合稳定性带来影响。此外，由于指数成分股收益分化低，很多在全市场有效的指标在高股息股票池中有效性可能降低，从而对挖掘高股息股票中的特质Alpha提出了更高的要求。

（3）红利类产品投资者的风险偏好偏低，对波动和回撤要求高

由于高股息股票天然具有低波动特征，因此长期投资红利类产品的投资者通常险偏好不会太高。正因如此，该类投资者对组合的波动和回撤具有较高的要求，如何控制波动、提升组合稳定性是影响投资者持有体验的重要因素。

面对红利类增强策略构建的几个难点和要点，本文将从选股池构建、Alpha因子构建及自适应个股偏离动态风控等几个方面尝试提出一些可行的方案。

选股池构建：由于中证红利指数成分股数量较少（仅有100只），而红利类增强产品又必须具备高股息的特征，因此我们尝试构建“稳定分红高股息股票池”，希望在扩充选股池的同时保证其本身具备稳定分红特征，且其股息率处于市场排名靠前的水平，最终我们构建的股票池数量平均在500只股票左右。
Alpha因子构建：我们从估值、成长、分析师预期、业绩动量、质量、波动等多个维度选取Alpha因子，使得收益预测模型更为均衡，从而能够适应不同市场环境的表现。此外，我们还引入了国信金工团队基于逐笔成交数据构建的“大单及漫长订单因子”，该指标在高股息股票池中具备极强的收益预测作用，指标的引入能够大幅提升组合的业绩表现。
自适应个股偏离动态风控：本文提出一种基于目标跟踪误差设定下的自适应个股偏离方法，其目标是当组合跟踪误差超过预定的目标时，对个股偏离幅度进行适当缩窄，从而达到降低跟踪误差的目标。从最终的组合效果来看，基于自适应个股偏离的动态风控方式，能够在市场波动放大时较好地跟踪住基准指数，从而在全时段内达到较低的跟踪误差。

中证红利指数增强策略选股池构建

在构建指数增强策略之前，我们需要对选股池的筛选进行设置。考虑到高股息股票的特殊性，我们希望选股池本身具备稳定分红特征，且其股息率应处于市场排名较为靠前的水平，基于此，我们根据如下三个条件构建选股池：

股票池一：稳定分红高股息股票池

选样空间：在沪深两市上市的股票，剔除上市时间不满3年的股票，剔除ST、*ST等风险警示股、剔除3个月内存在ST、*ST等风险警示的股票；
连续分红要求：要求股票过去3年均进行现金分红，且当前时点净利润TTM大于0；
流动性要求：过去一年日均总市值处于前80%，过去一年日均成交额处于前80%。我们将本步筛选后的股票池记为“稳定分红股票池”。
高股息要求：

高股息率：要求股票的预期股息率在“稳定分红股票池”中排名前30%，或者在其所属中信一级行业内股票排名前30%；
高股息支付率：要求股票过去3年每年股息支付率均大于10%。

股票池二：中证红利指数成分股

股票池三：“高股息基金”重仓股“

高股息基金”定义：基金最近一个报告期的前十大重仓股预期股息率中位数处于“稳定分红股票池”的股息率前10%分位点；
“高股息基金”重仓股：根据如上规则识别的“高股息基金”最近一个报告期的前十大重仓股取并集。

最终，我们在每个月末进行选样池调整，对如上三个股票池取并集，构建中证红利指数增强策略选股池。

图65展示了如上三步股票池股票数量变化情况，总体来看“稳定分红高股息股票池”占据该选股池的绝大部分，而中证红利指数成分股和高股息基金重仓股可以为该股票池提供适当补充。在20131231-20240430区间段内，该选股池平均持股数量为500只。

Alpha选股因子定义及合成

综合考虑到高股息股票池特征以及因子有效性，我们从估值、成长、分析师预期、业绩动量、波动、质量、技术等多个维度选取在高股息股票池中有效的Alpha因子，因子定义和计算方式如表16所示。

在因子预处理过程中，我们以前面提到的中证红利指数增强策略选股池为样本，对样本成分股中的选股因子进行缺失值填充、去极值、标准化及中性化处理。

表17展示了单因子在选股池中的检验结果，检验区间为20131231-20240430。综合各个维度来看，所有因子中有效性最强的为国信金工于2024年1月8日发布的专题报告《高频订单成交数据蕴含的Alpha信息》中的大单及漫长订单复合因子，其RankIC均值、年化RankICIR、月胜率、多头月均超额和空头月均超额等表现均要大幅优于其他指标。

在对单因子进行预处理后，我们根据过去12个月RankICIR加权法对因子进行合成，构建复合选股因子。当因子过去12个月的RankICIR方向与逻辑方向相反时，我们将其权重置为0。

图66展示了20131231-20240430期间内复合选股因子在高股息股票池中的RankIC走势，在该区间段内复合选股因子RankIC均值为8.8%，年化RankICIR为3.37，月胜率达到86.3%。图67展示了复合选股因子分组相对选股池等权基准的月均超额收益，可以看到多头组合的月均超额收益达到1.22%，空头组合的月均超额收益达到-1.29%，因子的单调性较好，说明复合选股因子对于个股未来的收益区分程度具有明显的区分作用。

基于目标跟踪误差设定下的自适应个股偏离方法

为了达到稳定战胜中证红利全收益指数的目标，我们将风控体系引入到组合构建过程中，对组合的个股偏离、行业偏离、风格偏离、个股上限、月度换手进行约束，构建中证红利指数增强策略，组合构建的主要要素如下：

回测区间：2014年1月2日-2024年4月30日。

选股空间：由稳定分红高股息股票池、中证红利指数成分股及高股息基金重仓股三者取并集形成的股票池。

基准指数：中证红利全收益指数

选股方式：在满足组合相对基准指数在行业、风格约束、个股权重偏离幅度、成分股占比、换手率等约束的条件下，最大化组合在复合选股因子上的暴露。

调仓模式：每月末调仓，停牌股票不交易，涨停股票不买入、跌停股票不卖出。

交易费用：双边千三。我们采用组合优化的方法构建公募基金业绩增强组合，优化模型如下：

该优化问题的目标函数为最大化组合的复合Alpha因子得分，其中为组合在复合Alpha因子上的加权得分，为待求解的股票权重向量，为每只股票的复合Alpha因子值。模型的约束条件包括组合在风格因子上的偏离度、行业偏离度、个股偏离度、成分股权重占比约束、个股权重约束和换手率约束等。

对于红利类组合来讲，组合的稳定性是影响投资者持有体验的重要因素，因此组合的回撤和跟踪误差的控制显得尤为关键。传统的指数增强模型通常通过构建协方差矩阵，在约束条件中显性地控制组合跟踪误差。然而，协方差矩阵的估计往往基于个股较长周期的历史收益率数据（如过去一年）得到，当市场波动快速放大时，个股收益率之间的相关性将发生较大的变化，此时通过历史数据估计的协方差矩阵很难及时适应市场的波动变化。

我们观察到，在构建指数增强策略时，个股偏离幅度通常与组合跟踪误差呈现出明显的正相关关系。然而，不同市场状态下的市场波动存在区别，因此对任何时期设置相同的个股偏离幅度可能并不合理。

如图68所示，个股固定偏离1.5%的组合跟踪误差明显会比个股固定偏离0.5%的组合跟踪误差要大。当市场波动急剧放大时，较大的个股偏离可能导致组合的跟踪误差快速放大，从而偏离产品运行时设置的初始跟踪误差目标。

本文提出一种基于目标跟踪误差设定下的自适应个股偏离方法，其目标是当组合跟踪误差超过预定的目标时，对个股偏离幅度进行适当缩窄，从而达到降低跟踪误差的目标。具体来讲：

在实际应用中，我们首先计算不同个股偏离幅度（如偏离0.5%-1.5%中以0.1%为间隔，共11个组合）的指数增强组合相对基准指数在过去3个月中的年化跟踪误差；随后，在每期组合优化确定个股偏离幅度时，取过去3个月跟踪误差小于目标跟踪误差（如5%）的个股偏离幅度参数中的最大值，作为本期约束条件，示意图如图69所示。

中证红利指数增强组合绩效表现

我们引入基于目标跟踪误差设定下的自适应个股偏离方式控制个股相对中证红利指数权重的最大偏离，具体设定如下：

目标跟踪误差：目标跟踪误差设置为年化5%；
个股偏离：最大偏离上限设置为1.5%；
行业偏离：中信一级行业上相对基准指数最大偏离3%；
风格偏离：市值风格相对基准指数偏离0.1；
成分股限制：要求80%以上的权重属于中证红利指数成分股；
换手率约束：月度单边换手率在30%以内。

图70和表18分别展示了中证红利指数增强组合相对的净值走势及分年度绩效表现。在考虑了交易费用的影响后，中证红利指数增强组合自2014年以来年化收益达到24.20%，相对中证红利全收益指数年化超额达到10.43%，相对最大回撤为5.83%，信息比达到2.13，收益回撤比达到1.79，年化跟踪误差仅有4.11%，季度胜率达到88%，展现出较强的稳定性。

由于我们采用自适应个股偏离的方式控制组合的跟踪误差，可以看到该组合的实际跟踪误差每年都能够限制在目标跟踪误差（5%）以内，较好地实现了跟踪误差及最大回撤的控制，给投资者的持有体验带来了较好的感受。

图71将中证红利指数增强组合与主流红利类指数的收益风险特征进行了比较，在20131231-20240430区间内，中证红利指数增强组合的年化收益率高于其他红利类全收益指数，且其年化波动率处于相对中等水平。总体来看，本文构建的中证红利指数增强组合是唯一一个夏普比大于1的多头组合。

图72展示了中证红利指数增强组合相对中证红利全收益指数的月度超额收益分布情况，总体来看该超额收益分布较为平均，大部分月份都保持在相对较高的水平。

中证红利指数增强组合持股特征

本部分我们对中证红利指数增强组合的持股特征进行分析。图73展示了组合每期个股偏离幅度的设置情况，可以看到，在2015年市场波动急剧放大时，个股偏离幅度快速收窄，从而能够较好地控制组合的跟踪误差以及相对基准的回撤。市场波动恢复到正常水平时，个股偏离幅度也恢复到预设的偏离上限。

图74展示了中证红利指数增强组合分月度的平均换手率，由于在组合优化时我们控制了组合换手率上限为30%，因此在全样本期间，该组合月均换手率为28%，一年单边换手率约为3.4倍。

图75展示了中证红利指数增强组合每期持股数量及前十大重仓股权重之和，总体来看该组合平均持股数为60只且数量相对稳定，前十大重仓股权重之和在30%以内，组合持仓相对较为分散。

图76展示了中证红利指数增强组合在中信一级行业上的权重分布，在全样本区间内该组合在银行、交通运输、电力及公用事业、汽车和房地产等行业配置权重较高，基本与中证红利指数的行业分布保持一致。

图77展示了中证红利指数增强组合在主流宽基指数中的权重分布，在全样本区间内该组合平均有46%权重属于沪深300指数成分股，28%权重属于中证500指数成分股，16%权重属于中证1000指数成分股，10%权重属于其他板块。

图78展示了中证红利指数增强组合的股息率情况，我们采用成分股加权法计算组合股息率，全样本区间内该组合平均股息率为4.94%，且在2022年以来持续保持在6%以上的较高股息率水平。

图79展示了中证红利指数增强组合的单日资金容量，我们以每只股票在交易时点前10个交易日的日均成交额的10%作为个股单日最大买入金额，然后计算截面每只持仓股票单日最大买入金额除以组合中该股票权重，取截面所有股票该数值的25%分位数处的取值作为组合单日最大买入金额。历史来看组合平均单日最大买入金额为5.52亿元。

图80展示了中证红利指数增强组合和中证红利指数每期持股市值中位数，总体来看该组合的平均持股市值为300亿元左右。

图81展示了中证红利指数增强组合相对中证红利指数在样本期内的平均风格暴露，总体来看该组合的风格因子暴露均在0.2倍标准差以内，组合风格暴露相对较小。

七

潜伏高股息组合VS指数增强组合

本部分我们将潜伏高股息组合与指数增强组合相结合，观察二者的结合是否能为策略的表现带来提升。我们对比了两个组合在每年的5月、6月、7月三个月相对同期中证红利全收益指数的表现，如表19所示。可以看到，潜伏高股息组合在该段时间内获取超额收益的能力强于传统的指数增强组合。自2018年以来，潜伏高股息组合在5月-7月平均每年能够获取相对同期中证红利全收益指数6.95%的平均超额收益，而传统指数增强策略的平均超额收益仅为3.22%。

基于此，我们考虑将每年的5-7月份换成潜伏高股息组合，其他月份则仍然采用指数增强策略构建复合组合，其净值走势如图82所示，表20展示了组合分年度绩效表现。由于潜伏高股息组合仅在2018年以来样本数量较多，因此其提升主要体现在2018年以来的几个年度。总体来看，复合组合相对中证红利全收益指数的年化超额收益达到12.85%，信息比为2.36。