|
（报告出品方：国盛证券） 一、理论篇：收益预测框架在国内，机构投资者对于“择时”往往是既爱又恨：一方面市场变幻莫测，抄底和逃顶 是所有投资者内心永远追求的圣杯；但另一方面很多人在择时上花费了大量的功夫最终 却所得甚少，因此怒斥择时无用。那么，择时是否真的不值得研究？我们认为短期择时 更多是市场噪声，研究起来费时费力，对于机构而言参与性价比不高。而长期择时，或 称之为收益预测，更多反映基本面和估值的变化，具有大量可参考的理论，研究起来有 迹可循。因此本文希望在科学的股票定价理论基础上，结合业界对股票投资的理解，构 建出一个既有理论严谨性又有投资参考价值的 A 股收益预测框架，旨在解决一年尺度的 A 股收益预测问题，以此满足国内越来越多的长期资金对 A 股的战略配置需求。 在第一章节中，我们将简单介绍基于不同逻辑的四种收益预测思路：长期均衡思路、股 利贴现思路、时间序列思路和收益分解思路，并阐述我们最终采用收益分解方案的原因， 最终我们将展示收益分解框架在 A 股的实证结果。 1.1 收益预测思路 ① 长期均衡思路。长期均衡思路的核心是“资产的长期收益与其承担的风险成正比”， 当然对于不同机构而言，风险的定义可能是有区别的： 1) 美国智能投顾公司 Wealthfront 基于传统的 CAPM 模型，通过不同资产对市场组合 的风险敞口估算资产未来的均衡回报，另外还通过 Wealthfront 资本市场模型估算 资产的预期收益，最终通过 BL 模型将两个观点进行融合。 2) 贝莱德则认为大类资产背后有五个不同的宏观风险：权益风险、利率风险、通胀风 险、信用风险和非流动性风险，通过 APT 模型估算不同资产对五个风险因子的风险 暴露，并利用五个风险因子的风险溢价即可估算权益资产未来长期的预期回报。 其实从上述两家机构的模型可以看到，基于长期均衡思路的预测方案往往具有较强的理 论假设，另外长期均衡思路估算的资产收益往往是需要超长时间来实现的，比如贝莱德 的 APT 模型就是用来估算大类资产未来 5-10 年预期收益的，因此在目前国内基金产品 考核期较短的大背景下，应用价值是有限的。 
② 股利贴现思路。股利贴现思路本质是 DDM 模型在某种特殊假设下的变体，在不同的 假设情况下，DDM 模型将有不同的呈现方式： 1) Fed Model(1997)的原理是假设企业未来盈利没有增长并全部用于分红，股票预期收 益等于市盈率倒数 EP（即权益资产的到期收益率）； 2) Shiller(2015)考虑到单期盈利的不稳定性和通胀的影响，设计了 ECY 指标：CAPE= 股价/过去十年通胀调整后的净利润均值，ECY（Excess CAPE Yield）= 1/CAPE–BY； 3) Damodaran(2014)则采用六阶段的 DDM 模型，前五年的股利增长是以分析师一致 预期的数据估算，第六年后股利以 10 年期国债收益率的增速增长，按照 DDM 模型 倒推出市场隐含的股票风险溢价。 从 Shiller 和 Damodaran 的实证可以看到，基于经典的 DDM 模型得到的预期收益确实与 未来收益有较高的相关性，这也反过来验证了 DDM 模型的理论合理性。但 ECY 模型对 企业未来盈利永续不增长的假设太强导致模型只能用来预测股票未来 10 年的收益。而 6-Stage DDM 模型虽然可以用于预测未来 3 年的收益，但是分子端依赖未来五年的分析 师预期，对国内而言这个数据的可获取性和可信度是较低的。 
③ 时间序列思路。核心逻辑是假设估值指标长期中枢稳定且具备均值回复的特征，基于 此预测股票未来长期收益。不像长期均衡或者股利贴现，时序回归并没有金融学的理论 假设，只要求估值指标与股票未来收益存在相关性即可，这是它的优点但同时也是它的 缺点，当模型短暂失效的时候，投资者只能咬牙坚持或者全盘放弃，较为被动。 ④ 收益分解思路。收益分解思路在海外也叫做 Building Blocks 方法，严格来讲它只是 提供了一种解构股票收益来源的思路，如果想要预测股票未来收益，则需要对每一分项 单独建模预测并加总。尽管如此，我们依然认为这种思路存在很大的优势： 1) 分解具有完备性 -> 可以对历史收益进行完全分解； 2) 分解具有逻辑性 -> 收益拆解成不同逻辑的模块，如果出错可以快速修正迭代； 3) 有明确的投资期限 -> 符合真实投资中的资金和产品约束； 1.2 收益分解的 A 股实证 基于对数收益分解模型，我们对沪深 300 进行了收益分解，细节如下： 1) 成分股：以每年年初可得的指数成分计算，不考虑未来的指数成分股调整； 2) 股息率：自然年内指数分红总额/年初指数总市值； 3) 股本变动：只考虑增发、配股、转债转股和回购这四个事件； 4) 盈利增速：以年初和年末可得的归母净利润 TTM 数据计算同比增速； 5) 估值变化：以年初和年末的 PE-TTM 计算估值变化率； 当然我们也可以通过同样的流程对主流的宽基指数以及中信一级行业的收益进行分解。股息收益贡献最多的：银行、上证红利、上证 50、煤炭和石油石化。 盈利增长贡献最多的：农林牧渔、建材、食品饮料、电子和家电。估值抬升最多的：消 费者服务、交通运输、创业板综、计算机和汽车。 
在进行完上述 A 股收益分解实证后，起码我们可以确定的是收益分解模型是一个完备、 误差较低且符合金融逻辑的收益拆分工具。在进行分项建模预测之前，我们还需要确定 最后一件事情：预测期限。 显然在不同预测期限下，收益分解的主要矛盾有明显的区别， 像海外机构常见的以 5 年为目标，则基本面波动和估值波动的占比大概是 60:40，对国 内而言，3-4 年的库存周期时间尺度下，基本面波动和估值波动大致相当。考虑到过长的 预测期限对于国内产品较短的考核期而言参考价值不大，因此本文将 A 股收益预测的期 限固定在 1 年，基本面波动和估值波动的占比大约为 30:70。 二、广义收入预测篇：股息、回购和再融资2.1 现金分红：股息率 A 股经典的分红流程为：4 月年报公布 -> 分红预案公布 -> 6 月-8 月进行密集的年报 分红 -> 8 月底中报公布 -> 9 月-11 月进行中报分红。当然一年内的分红总额主要来源 于年报分红，因此我们的重点更多放在对年报分红的预测上，分红预测方案如下： 1) 每年 4 月-8 月，如果没有分红预案则按照一致预期和历史增速方法估算未来一年的 分红总额；如果披露了分红预案，则根据分红预案中的分红总额估算未来一年的分 红总额；如果已经实施了年报分红，则采用已实施的分红作为未来分红的预测； 2) 每年 8 月底-次年 4 月，由于年报分红已经基本全部完成，因此采用一致预期方法和 历史增速的方法估算未来一年的分红总额； 
2.2 股本变动：回购与再融资 首先我们需要厘清两个问题：“什么事件会导致股本变动？”以及“是不是所有股本变动 都会影响股票长期收益？”。针对这两个问题，我们整理出以下三类事件： 1) 送股或转增：送转事件在 A 股较为常见，甚至每年都会有基于“高送转”的事件驱 动的行情。我们认为，送转事件也许会通过吸引市场关注或者提高股票流动性等方 式来影响短期 A 股的股价，但是从长期来看，送转仅仅是股本层面的数字改变，对 于现有股东以及企业本身的盈利前景并无实质的影响，因此本文并不考虑送转事件 带来的股本变动。 2) 增发、配股和转债转股：如果一家企业认为自身的商业模式可以通过资本快速复制 从而提高市占率，又或者发现了更具备商业潜力的项目，则企业可以通过增发、配 股和转债转股等股权再融资方式获取更多的运营资金。但是暂且不论企业的再融资 是否真的如预期般提升企业的盈利，但是新的股权资本的引入必然会稀释现有股东 的持股比例，从而稀释了股票的收益。 3) 股本回购：企业如果判断当前经营并没有出现问题，但是由于市场原因，股价大幅 低于合理价值，则企业可以通过低息贷款或者当年的经营利润回购一部分自身的股 本，从而实现维稳股价的效果。对于现有股东而言，回购是类似于现金分红的行为， 因此对于现有股东而言，股本回购提高了股票的收益。 因此，我们在股本变动这个维度上只考虑四个事件：增发、配股、转债转股以及回购， 从大类而言，增发、配股和转债转股造成的股本变动称之为再融资率，股本回购造成的 股本变动称之为回购率（取绝对值），再融资率减去回购率称之为净稀释率。那么我们应 该如何预测未来一年的净稀释率？ 
再融资政策方向的判断可以通过对证监会发布的重要政策文件的跟踪确认。根据国盛证 券策略组的研究《深度复盘 A 股定增史》，从 2010 年开始至今，我们认为有三次重要的 再融资政策的改变： 1) 2014 年 5 月开启宽松周期：标志是《创业板上市公司证券发行管理暂行办法》的颁 布，创业板定增的盈利条件由连续 3 年盈利放宽至 2 年，资产负债率下限设定为 45%，另外根据发行价折扣力度对定增股份锁定期给予 0-36 个月不同长度的锁定 要求，多个维度放松再融资的限制； 2) 2016 年 9 月开启收紧周期：标志是《关于修改上市公司重大资产重组管理办法的决 定》颁布，从拓宽借壳认定标准、取消借壳上市的配套资金和延长借壳上市股东锁 定期三个维度收紧市场并购重组和定增项目的监管； 3) 2019 年 10 月开启宽松周期：标志是《上市公司重大资产重组管理办法》的颁布和 修改《上市公司证券发行管理办法》、《创业板上市公司证券发行管理暂行办法》、《上 市公司非公开发行股票实施细则》征求意见稿。 风险偏好可以用股权风险溢价指标来刻画，如果股权风险溢价越高，代表市场风险偏好 较低，要求股票提供更高的风险补偿，反之如果股权风险溢价越低，代表市场风险偏好 越高，对股票的风险补偿要求不高。 因此，我们以再融资政策和市场风险偏好两个变量对指数未来一年的净稀释率进行预测： 1) 训练集：2007 年-2017 年； 2) 测试集：2018 年至今； 3) 因变量：指数未来一年的净稀释率； 4) 自变量：再融资政策的松紧（0-1 变量）和指数股权风险溢价； 
三、盈利预测篇：自上而下与自下而上3.1 盈利预测方法论 对于个股而言，盈利预测是一个再正常不过的工作，但是对于宽基指数或者整个 A 股市 场而言，国内投资者似乎更习惯于用类似美林时钟的理论进行定性的盈利方向的判断， 而较少用定量的方法的进行盈利水平的预测。因此我们在这个章节将深度探索 A 股盈利 水平预测的可行性方案。 上述是贝莱德官网关于股票盈利预测的一段简述，而根据我们对国内外大量机构盈利预 测方案的梳理，盈利预测大概可以分为自上而下的宏观方法以及自下而上的分析师方法 两种，下面我们将对这两种方法进行简单的文献综述： 自上而下的宏观方法： Grinold and Kroner(2002)认为：企业盈利增速 = GDP 增速 + 企业超额增速，其 中 GDP 增速由劳动力增速和生产能力决定，企业超额增速长期给定为 0.5%； Asness and Arnott(2003)发现如果当前企业的派息率很低（企业盈利用于扩产），未 来往往反而会导致企业盈利增速的下滑，这反映了企业家很可能存在过度自信的现 象，盲目的扩张反而降低了企业盈利； Nolen(2012)发现企业盈利增速具有长期的均值回复效应，无论盈利增速过高还是过 低都会在未来 1-3 年后回归到市场平均水平； Brightman(2012)发现当前期企业实际 EPS 增速超过 3%，之后就会出现明显的增速 下滑现象，即指数盈利增速在时间序列层面均有均值回复性； Werner(2012)在费雪公式的基础上，将货币流向分为用于实体经济的有效货币和流 转于金融系统的无效货币，有效货币的扩张可以带来后续的经济增长； 自下而上的分析师方法： So(2011)发现公司市值、账面市值比、分析师预期分歧、分析师覆盖数量等指标可 以解释分析师的预测误差； Yardeni(2018)的著作《Predicting the Markets: A Professional Autobiography》中广 泛利用分析师一致预期数据进行市场的估值和盈利预测；Damodaran(2021)基于 Thomson Reuters、Factset、Yardeni Research 和 S&P Capital IQ 四个渠道的分析师一致预期对标普 500 指数未来 1-5 年的盈利进行预测； 
3.2 自上而下：内生增长与信贷脉冲 从上面的文献综述来看，企业盈利增速长期具有明显的均值回归效应，但短期又会被货 币驱动从而离开中枢，基于此我们很容易就能建立一个概念模型：盈利增速应当是围绕 某一个中枢进行上下波动的时间序列函数。因此，自上而下宏观方法的核心就在于判断 长期增长中枢与短期增长波动。 第一，如何确定长期的增长中枢？JP.Morgan 以及 GMO 等机构往往会从柯布—道格拉斯 生产函数出发，认为 GDP（企业盈利增速）的长期中枢由人口增长、资本投入、全要素 生产率和储蓄率等宏观共同决定。但是这种方法一方面在国内的数据可得性并不高，另 一方面往往是用来确定未来 5-10 年的增长中枢，与本文的未来一年盈利增速预测目标 在期限上有较大的区别。因此我们尝试从企业内生增长的逻辑出发，认为企业盈利增速 将长期收敛于 ROE*(1-派息率)。 第二，如何确定短期的增长波动？为什么 企业融资领先于企业盈利？我们认为传导链条是这样的： 融资成功 -> 购买设备和招聘新员工 -> 产品制造和营销 -> 销量提升，盈利到账 从融资到盈利的传导链条很长，因此如果我们可以确定当期的企业融资，那么某种意义 上我们就可以判断企业未来的盈利波动，而微观层面的融资行为加总起来就转变为宏观 层面的总量融资行为。幸运的是，2011 年起中国央行为了更全面地反映国内金融体系对 实体经济的资金支持力度，设计了社会融资规模指标，分别从商业银行、保险、信托、 资本市场和财政系统等维度统计了实体经济的融资规模。 3.3 自下而上：分析师一致预期 自上而下的宏观预测方法诚然是逻辑直观且计算方便的一种思路，然而这里面有一定的 前提假设：即分析对象必须是对融资有较强依赖性的企业。如果是消费行业的企业，且 现金流非常充裕，对融资并无依赖性，则从逻辑来看自上而下宏观方法应该是无效的。 所以为了弥补自上而下宏观预测方法的缺陷，我们提供了盈利预测的第二种思路，即自 下而上的分析师一致预期方法。 影响分析师预测误差的因素①：到期时间。分析师是基于当前时点已有的所有信息对企 业未来三年的盈利进行预测，因此距离报告期的时间越近、可获得的公开信息越多，分 析师对企业盈利的预测精度也就越高。 影响分析师预测误差的因素②：分析师覆盖数量。分析师覆盖数量越多，个股关注度越 高，分析师对企业的调研和沟通一般而言也会越充分，在充分的信息竞争下，分析师预 期准确度将大幅提升。最新时点，A 股平均分析师覆盖数量中位数为 4 个，11 个及以下 分析师覆盖的股票占所有分析师覆盖股票数量的八成。 
影响分析师预测误差的因素③：行业属性。其规律大致为： 1) 上游周期板块预测误差最大：钢铁、有色金属、农林牧渔、基础化工、机械等； 2) 成长板块预测误差略高于市场平均值：通信、军工、电子、新能源、计算机等； 3) 中游制造板块误差略低于市场平均值：纺织服装、轻工制造、汽车等； 4) 消费和金融板块预测误差最小：银行、非银、家电、食品饮料等。 整体而言，上游周期板块盈利与原材料价格关系紧密，未来一年的预测难度极高；成长 板块更多是高科技和新兴产业，预测难度较大；中游制造和下游消费板块的需求相对稳 定，预测难度有所降低。 四、估值预测篇：关键是寻找估值的锚4.1 美联储模型的宏观分解 Fed Model 认为投资者会权衡股债的预期收益率并在其中进行套 利，因此股票隐含收益率应与债券到期收益率有稳定的关系。但如果我们把目光放得更细一些，事实上 A 股的 ERP 在 2011 年后发生了一次明显的中 枢上移。无独有偶，美股 ERP 也发生过类似的事情，美股 ERP 在 1980 年后发生过一次 中枢的大幅下移，有可能跟石油危机结束，大通胀缓解有关，而在 2008 年后发生了一次 中枢的大幅上移，可能与美国 2008 年的大规模 QE 导致利率中枢下行有关。 
4.2 沪深 300：金融结构与外资持有调整 沪深 300 估值中枢的影响因素①：金融行业占比过高并出现估值中枢的永久性下移。2007 年前后，工商银行、中国银行等银行股以及中国人 寿、中国平安等保险股集中上市，并且随着 2007 年的 A 股大牛市快速拉升了估值，大 幅提高了金融股在沪深 300 指数中的权重，但随后金融企业的盈利增长无法支撑其过高 的估值，从而在 2008-2011 年中永久性地降低了长期估值中枢，也因此造成了沪深 300 指数 2011 年前后估值中枢的飘移问题。 但是反观沪深 300 除金融指数，其估值中枢从 2005 年起基本保持稳定，因此如果我们 想要解决沪深 300 估值中枢飘移的历史问题，我们可以考虑用 300 除金融指数的估值对 沪深 300 指数 2012 年前的估值序列进行插补。做 这一项调整的核心目的是为了增加后续训练ΔPE~ERP+ε回归方程的数据量，否则如 果只用 2012 年后的沪深 300ERP 数据，数据量太少容易导致参数估算不稳定。 沪深 300 估值中枢的影响因素②：外资持续流入的背景下，需要考虑外资的持有成本。 Fed Model 假设，投资者会比较股票（风险资产）预期收益率以及债券（安全资产）的预 期收益率，从而选择预期收益更高的标的。对于中国投资者而言，买入沪深 300 的机会 成本为 10 年期国债收益率，但是对于外资而言，将买入沪深 300 指数的机会成本设定 为中国的 10 年期国债收益率似乎就有些不准确。 假设外资全部都是美国的资金，如果外资机构不考虑投资 A 股的汇率波动风险，则外资 的机会成本可以认为是 10 年期美债收益率，从长周期来看，美债收益率大概率低于中债 收益率，即外资的机会成本更低，可以容忍更高的股票估值。在外资机构不进行汇率对 冲的假设下，外资流入将长期抬升 A 股的估值中枢。 在外资机构进行完全汇率对冲的假 设下，长期来看外资流入对 A 股估值中枢可能不会有影响，但是短期会起到对估值削峰 填谷的作用。目前我们倾向于认为外资机构会进行汇率对冲，与真实情况更相符。 图片上传中...... 那么我们如何计算内资与外资的综合持有成本呢？一个自然而然的想法是，根据内资与 外资的持股比例进行机会成本的加权。而幸运的是，香港交易所自 2017 年 3 月以来就 开始每日公布北向资金的具体持股明细，大约覆盖沪深两市 1500 只股票，因此我们可 以据此计算出陆股通渠道下的外资个股持股比例以及沪深 300 指数的外资持股比例。 那么我们如何验证外资调整对 ERP 是否真的有意义？目前由于持股比例较低，指数层 面的效果不好验证，但是对于部分个股而言，其外资持股比例已经相当高，目前伊利股 份和华测检测的外资持股比例分别为 13%和 26%。 根据外资持有沪深 300 流通股本的比例（w）加权内外资的机会成本，我们就可以得到： 综合机会成本 = (1-w)*10 年期国债收益率 + w*(10 年期美债收益率+掉期成本)。 经金融结构与外资持有调整后，从 2002 年以来，沪深 300 的 ERP 与沪深 300 未来一年 估值变化一直保持着很强的相关性，这也是我们后续建模的重要基础。 4.3 中证 500：信用风险调整 对于中证 500 而言，其调整逻辑与沪深 300 有所区别。首先中证 500 指数的外资持股比 例不及沪深 300，因此外资持有成本的调整可以暂不考虑。2018 年前 后中证 500 的 ERP 发生了明显的中枢上移，这意味着 2018 年后市场要求中证 500 指数 提供更高的风险补偿，而这个现象恰好与 2018 年后国内信用违约频发，AA 级信用利差 中枢上移发生在同一时间。因此，中证 500 的定价或许应该考虑信用风险的影响。 
那么为什么中证 500 定价会与信用风险相关呢？从最新的指数成分数据来看，沪深 300 的成分中有 75%是 AAA 级别的主体评级，AA（AA+、AA 和 AA-）评级占比仅为 25%左 右，因此刚刚我们在沪深 300 的定价中基本上不需要考虑信用风险。而中证 500 的成分 中仅有 29%是 AAA 评级，AA（AA+、AA 和 AA-）评级占比高达 70%，因此在中证 500 的定价中，我们再以无风险的国债来作为中证 500 的对标品似乎并不匹配，AA 级的信用 债或许是更好的对标收益率。 五、汇总篇：A 股长期收益预测5.1 指数收益预测及应用 在完成对股息率、股本变动、盈利增速以及估值变化四个分项的建模后，我们可以根据 第一章中提到的 Ferreira and Santa-Clara(2011)股票收益对数加法模型对宽基指数未来 一年的收益进行加总和预测，其中细节如下： 1) 预期股息率：直接采用 Wind 提供的指数股息率(过去 12 个月)； 2) 预期股本稀释率：基于再融资政策和 ERP 的股本稀释率预测模型进行预测（由于股 本稀释率计算较为繁琐，近似的做法是用指数过去十年的平均稀释率替代，比如沪 深 300 平均稀释率为 1.5%，中证 500 平均稀释率为 3%）； 3) 预期盈利增速：采用自上而下宏观方法和自下而上分析师方法的预测平均值； 4) 预期估值变化：根据调整后的 ERP 对指数未来一年估值进行预测； 5) 指数预期收益：exp（股息率-股本稀释率+盈利增速+估值变化）- 1； 
站在 2021 年 7 月 30 日，我们根据模型更新了上证 50、沪深 300 和中证 500 的未来一 年预期收益。从数据来看，当前三个宽基指数未来一年的预期盈利增速水平 相当，在 8%-9%的水平，但是正如上文所述，中证 500 指数的 ERP 处于历史高位，因 此模型认为中证 500 未来一年估值将回升 16%。截至 7 月 30 日，上证 50 未来一年预 期收益为 12.7%，沪深 300 未来一年预期收益为 12.4%，中证 500 未来一年预期收 益为 22.5%，各大宽基指数均有一定的中长期配置价值。 未来一年的预期收益适用于负债稳定、久期较长的配置型选手，但是 A 股市场还存在另 一部分投资者，因为产品考核期等原因，其操作周期较短。因此我们以未来一年预期收 益为数据基础构建了两个战术择时工具。 第一，预期价格轨迹。理论上如果收益预测精度较高，我们可以基于过去的信息构造未 来一年的价格曲线，即用 12 个月前的指数价格*（1+12 个月前的预期收益率）（此处剔 除股息率，即为价格指数的预期收益）。2016 年后，沪深 300 的预期价 格轨迹与真实的价格走势有较强的一致性。当前时点来看，沪深 300 仍难言见底，预期 价格轨迹显示，沪深 300 仍有下行压力，直到 2021 年 9 月 30 日。 第二，价格透支曲线。我们可以根据最新时点沪深 300 的价格*（1+未来一年的预期收 益），即可得未来一年的沪深 300 合理价格。如果当前沪深 300 价格已经高于价格透支 曲线，即代表沪深 300 已经透支了未来一年的潜在收益，越高则代表透支越多。反之， 如果沪深 300 价格低于价格透支曲线，即代表当前沪深 300 具备正的收益期望，越低则 代表未来潜在预期收益越高。价格透支曲线可以作为沪深 300 中长期 择时的一个优秀工具，当前时点，沪深 300 价格已经明显低于价格透支曲线，这也与我 们上文所述沪深 300 未来一年预期收益达 12.4%相匹配。
5.2 基于股债收益预测的配置策略 基于股债预期收益的均值方差策略，策略构造细节如下： 1) 回测时间：2018 年 1 月-2021 年 7 月（主要考虑到盈利预测的自上而下宏观方法从 2018 年起为验证集）； 2) 调仓频率：月度调仓，以次月第一个交易日的收盘价成交； 3) 交易费用：双边千分之三； 4) 投资标的：沪深 300 全收益指数、中债国债（7-10 年）总财富指数、货币基金指数； 5) 组合优化：最大化夏普比率，同时约束股票仓位不超过 20%； 6) 目标波动率控制：设定为 3%，如果最大化夏普比率组合历史波动高于 3%，则使用 现金资产调整组合波动率，如果组合历史波动低于 3%，则不做调整； 基于股债预期收益的风险预算策略，策略构造细节如下： 1) 回测时间：2018 年 1 月-2021 年 7 月（主要考虑到盈利预测的自上而下宏观方法从 2018 年起为验证集）； 2) 调仓频率：月度调仓，以次月第一个交易日的收盘价成交； 3) 交易费用：双边千分之三； 4) 投资标的：沪深 300 全收益指数、中债国债（7-10 年）总财富指数、货币基金指数； 5) 风险预算：根据股债预期收益率差，设定十档不同的股债风险预算； 6) 组合优化：考虑风险预算后的资产风险贡献均衡，同时约束股票仓位不超过 20%； 7) 目标波动率控制：设定为 3%，如果风险预算组合历史波动高于 3%，则使用现金资 产调整组合波动率，如果组合历史波动低于 3%，则不做调整；
对比均值方差策略、风险预算策略以及被动型的股债风险平价策略，我们可以发现基于 股债预期收益的两个策略均能实现收益更高，且最大回撤控制得更好的效果。这也能侧 面反映预期收益模型在投资实战中的参考价值。 六、总结本文从股票传统的定价理论出发，完成了以下工作： 1) 系统地比较了四种收益预测思路的优劣，并最终选择以逻辑性和完备性更强的收益 分解思路作为股票收益分析的框架； 2) 基于分红预案和分析师一致预期信息，构建了指数分红的预测方案； 3) 基于再融资政策和市场风险偏好，构建了指数股本变动的预测方案； 4) 从自上而下宏观视角以及自下而上分析师视角，客观地分析了 A 股盈利预测的可行 性，并提出了 A 股盈利预测的两种解决方案； 5) 对 ERP 进行宏观分解，并论证了 A 股未来 ERP 大概率仍将保持中枢稳定。在此前 提下，对沪深 300 的 ERP 进行了金融结构和外资持有的调整，对中证 500 的 ERP 进行了信用风险的调整，基于调整后的 ERP 构建了 A 股的估值预测模型； 6) 对股息、股本变动、盈利增速和估值变化四项加总后，指数的预期收益与未来一年 真实收益较为吻合，显示出收益预测模型的良好效果。 （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。）
|
