乡下人产国偷v产偷v自拍,国产午夜片在线观看,婷婷成人亚洲综合国产麻豆,久久综合给合久久狠狠狠9

  • <output id="e9wm2"></output>
    <s id="e9wm2"><nobr id="e9wm2"><ins id="e9wm2"></ins></nobr></s>

    • 分享

      【華泰金工林曉明團隊】低利率環(huán)境下尋找優(yōu)質(zhì)高息資產(chǎn)——標(biāo)普中國A股大盤紅利低波50指數(shù)投資價值分析

       杏林小廬 2021-04-24

      林曉明   S0570516010001    研究員

      黃曉彬   S0570516070001    研究員

      韓晳      S0570118090078    聯(lián)系人

      劉依葦   S0570119090123    聯(lián)系人

      源潔瑩   S0570119080125    聯(lián)系人

      報告發(fā)布時間:2020年5月12日

      摘要

      標(biāo)普中國A股大盤紅利低波50指數(shù)在未來低利率環(huán)境或?qū)⑼癸@投資價值

      紅利類產(chǎn)品是Smartbeta產(chǎn)品的重要類型,在海內(nèi)外市場相對較為成熟,在過去的2019年,紅利類Smartbeta產(chǎn)品在國內(nèi)快速發(fā)展,數(shù)量與規(guī)模均有增加。本文著眼于標(biāo)普道瓊斯指數(shù)公司編制的標(biāo)普中國A股大盤紅利低波50指數(shù),首先從行業(yè)風(fēng)格分布及歷史業(yè)績表現(xiàn)等角度對其進行詳細(xì)刻畫,然后從紅利、大盤、低波三重優(yōu)質(zhì)因子角度對其進行業(yè)績歸因,并結(jié)合周期模型判斷因子在未來大概率仍有較好表現(xiàn)。最后,我們預(yù)計疫情后市場或?qū)⑦M入長期低利率環(huán)境,該指數(shù)兼具高收益與低波動的股債雙重特征及獨特品牌優(yōu)勢,具備長期投資價值。

      標(biāo)普中國A股大盤紅利低波50指數(shù)持續(xù)投資價值高,穩(wěn)健業(yè)績穿越牛熊

      標(biāo)普中國A股大盤紅利低波50指數(shù)是由標(biāo)普道瓊斯指數(shù)公司編制,以高分紅和低波動率相結(jié)合的思路進行成分股篩選。與常見寬基指數(shù)進行對比,指數(shù)的成分股權(quán)重分布更均勻,行業(yè)相對集中于盈利穩(wěn)定性高的經(jīng)濟支柱板塊,同時單個行業(yè)權(quán)重上限的設(shè)置保證指數(shù)在行業(yè)層面的風(fēng)險分散。在2009年1月23日至2020年5月11日的歷史回測區(qū)間內(nèi),指數(shù)相對于上證50、滬深300和中證500都有3%以上的超額年化收益率,且波動和回撤均更小。此外,指數(shù)能有效適應(yīng)不同市場行情,在大多數(shù)時間內(nèi)呈現(xiàn)領(lǐng)漲抗跌的特征,具備長期投資價值,業(yè)績穩(wěn)健性優(yōu)勢凸顯。

      紅利、大盤、低波因子優(yōu)勢互補,可篩選出適宜長期投資的高息質(zhì)優(yōu)股

      紅利策略憑借對“便宜的好公司”的篩選,在海外市場中頗受投資者歡迎;在A股市場中,紅利策略能夠篩選出低估值高盈利適合長期投資的優(yōu)質(zhì)公司。A股市場的股息率因子在大市值股票的擇時能力較強,收益較高,2016年以來大市值因子開啟上升周期,大盤股預(yù)期表現(xiàn)優(yōu)于小盤股。低波因子在國內(nèi)和國外均已被證實長期有效,在市場下跌期間表現(xiàn)出了較強的防御性,能夠規(guī)避短期內(nèi)的高估值陷阱,有利于長期穩(wěn)定投資。紅利+低波篩選出的股票具有盈利+估值雙重護城河,類似高息債券,防御能力較強。三因子強強聯(lián)合,可篩選出適合長期投資的優(yōu)質(zhì)股票。

      低利率環(huán)境下的長期“高息債券”:標(biāo)普中國A股大盤紅利低波50

      疫情后或?qū)⑦M入長期低利率環(huán)境,稀缺的穩(wěn)健高息投資品投資價值得到提升。標(biāo)普大盤紅利低波50指數(shù)兼具股債雙重優(yōu)勢,既享有較高收益,又具有債券指數(shù)的收益相對穩(wěn)定性特征。且該指數(shù)當(dāng)前估值相對較低,投資價值凸顯。作為 “標(biāo)普指數(shù)家族”的一員,該指數(shù)在我國金融市場逐步放開、機構(gòu)化外資持續(xù)流入的環(huán)境下更占品牌優(yōu)勢,有望成為外資投資的首選標(biāo)的之一,或能夠更好享受金融市場開放的政策紅利。

      風(fēng)險提示:本報告對歷史公開信息進行梳理總結(jié),歷史結(jié)果不能簡單預(yù)測未來,規(guī)律存在失效風(fēng)險,策略的歷史表現(xiàn)不一定能代表未來有效性。本報告僅作投資參考,不構(gòu)成對涉及策略、個股或指數(shù)投資收益的保證或投資建議,請投資者謹(jǐn)慎、理性看待。

      報告正文

      標(biāo)普中國A股大盤紅利低波50指數(shù)畫像

      高分紅分享企業(yè)價值提升,低波動抵抗市場下行風(fēng)險

      標(biāo)普中國A股大盤紅利低波50指數(shù)是由標(biāo)普道瓊斯指數(shù)公司編制,以A股市場中50家高分紅、低波動率的公司股票構(gòu)成,以股票的股息率加權(quán)平均股價得到的指數(shù)。標(biāo)普中國A股大盤紅利低波50指數(shù)發(fā)布于2019年4月1日,指數(shù)的歷史起始時間為2009年1月23日,基數(shù)為1000。其結(jié)合了兩種投資思路——高分紅和低波動率。分紅往往是企業(yè)經(jīng)營成果的直觀體現(xiàn),高分紅的公司通常經(jīng)營穩(wěn)定、盈利能力強,并且市盈率相對較低,估值水平低。除此之外,真實的分紅還能夠穩(wěn)定投資者信心。低波動的股票能夠規(guī)避因為投資者行為偏差和投機炒作行為造成的高波動陷阱,并在市場下行時有較強抵抗能力。因此,高分紅和低波動的策略結(jié)合能夠在獲取收益的同時增強抗跌性,從而實現(xiàn)長期的穩(wěn)定高收益。

      圖片

      國際化指數(shù)編制體系,權(quán)重分布較一般寬基指數(shù)更均勻,成分股流動性高

      從市值分布上看,標(biāo)普中國A股大盤紅利低波50指數(shù)偏向于大盤藍(lán)籌屬性,成分股平均市值為1841.66億元,最小市值為215.03億元,中位數(shù)市值為636.62億元。與同類寬基指數(shù)相比,標(biāo)普中國A股大盤紅利低波50指數(shù)的最大成分股占比4.7%,低于上證50和滬深300指數(shù);前十大成分股權(quán)重占比只有32.3%,低于相同成分股數(shù)量的上證50指數(shù),相對比較分散,能夠有效地降低風(fēng)險。

      圖片

      標(biāo)普中國A股大盤紅利低波50指數(shù)在成分股選擇、風(fēng)險分散和指數(shù)編制上都符合國際主流標(biāo)準(zhǔn),納入標(biāo)普紅利系列國際指數(shù)體系,對QFII投資者和外資投資者有比較大的吸引力。不同于傳統(tǒng)的市值加權(quán)方式,標(biāo)普中國A股大盤紅利低波50指數(shù)在編制上選用股息率加權(quán),最大程度提升整個股票組合的股息率,和國際主流紅利主題基金跟蹤指數(shù)如美國道瓊斯精選紅利指數(shù)一致。目前A股的國際化的過程遠(yuǎn)沒有完成,外資占比還有較大提升空間,作為受海外投資者認(rèn)可度較高的標(biāo)普公司旗下的產(chǎn)品,標(biāo)普中國A股大盤紅利低波50指數(shù)有望在外資流入的環(huán)境中受到青睞。

      從流動性角度來看,標(biāo)普中國A股大盤紅利低波50指數(shù)在成分股選擇上偏好自由流通市值大于10億的大盤股。從持倉上來看,外資和機構(gòu)持股的占比較高。根據(jù)Wind的數(shù)據(jù)顯示,截至2020年5月11日,指數(shù)前20大成分股中,陸股通持倉占自由流通股的比例平均值為4.98%。隨著A股進一步國際化,盈利、質(zhì)量等基本面風(fēng)格或?qū)⑹艿疥P(guān)注,標(biāo)普中國A股大盤紅利低波50指數(shù)成分股有望受到外資追捧。

      圖片

      同時,截至2020年5月11日,標(biāo)普中國A股大盤紅利低波50指數(shù)的前20大成分股的機構(gòu)持股比例平均值為78.76%,最高超過95%,比例相對較高??梢娭笖?shù)的成分股是機構(gòu)資金偏愛的股票。機構(gòu)投資者的重倉一方面表明成分股具備優(yōu)秀穩(wěn)定的基本面,另一方面成熟投資者作為主要的參與對象也能有效避免由中小投資者可能存在的不理性行為所造成的股價異常波動。

      圖片

      行業(yè)分布集中于盈利穩(wěn)定性高的經(jīng)濟支柱板塊

      從行業(yè)分布來看,截至2020年5月11日,標(biāo)普中國A股大盤紅利低波50指數(shù)覆蓋了Wind一級行業(yè)中的10個行業(yè),前五大行業(yè)分別是金融(29.87%)、材料(18.68%)、公用事業(yè)(17.68%)、工業(yè)(13.47%)、可選消費(7.37%)。前五大行業(yè)占比87.07%。由于指數(shù)的選擇標(biāo)準(zhǔn)是高分紅大盤股,所以成分股主要集中在成熟的金融、基礎(chǔ)設(shè)施和公用事業(yè)等盈利穩(wěn)定性高的國民經(jīng)濟支柱性行業(yè)板塊,對經(jīng)濟下行壓力、市場波動有更強的適應(yīng)性。

      圖片

      相比較之下,標(biāo)普中國A股大盤紅利低波50指數(shù)在金融行業(yè)的權(quán)重占比低于上證50和滬深300指數(shù)(均超過30%)。值得注意的是,在標(biāo)普中國A股大盤紅利低波50指數(shù)的編制方法中,限制了單個GICS行業(yè)權(quán)重不超過30%,有效避免了指數(shù)在單個行業(yè)上的權(quán)重過于集中,一定程度上保證了指數(shù)在行業(yè)配置上的分散性。

      圖片

      標(biāo)普A股大盤紅利低波50指數(shù)長期業(yè)績表現(xiàn)穩(wěn)健

      指數(shù)相對上證50、滬深300、中證500具有顯著超額收益,股息率高于常見寬基指數(shù)

      標(biāo)普中國A股大盤紅利低波50指數(shù)在選股上偏好業(yè)績穩(wěn)定、盈利能力強的公司,個股集中度低,因此指數(shù)兼具高收益與低波動雙重特性。在2009年1月至2020年5月11日的時間區(qū)間內(nèi),從收益上看,標(biāo)普中國A股大盤紅利低波50指數(shù)相對于上證50、滬深300和中證500都有3%以上的超額年化收益率;標(biāo)普中國A股大盤紅利低波50指數(shù)的累計收益率達(dá)到滬深300的近兩倍,穩(wěn)定的復(fù)利優(yōu)勢更加明顯。從風(fēng)險指標(biāo)上看,指數(shù)的年化波動率、最大回撤都優(yōu)于A股寬基指數(shù),風(fēng)險得到了較好的控制。此外,根據(jù)Wind的數(shù)據(jù),截至2019年末,標(biāo)普大盤紅利低波指數(shù)的股息率為3.94%,遠(yuǎn)高于上證50的2.36%、滬深300的1.81%和中證500的1.33%.

      圖片

      圖片

      我們統(tǒng)計了各指數(shù)自2009年2月至今的月度收益,觀察各個指數(shù)的長期收益表現(xiàn),并計算上漲月份占比,數(shù)據(jù)如下:

      圖片

      圖片

      圖片

      圖片

      圖片

      從上述圖表可以看出,相對于常見寬基指數(shù),標(biāo)普中國A股大盤紅利低波50指數(shù)上漲月份占比更高,在收益表現(xiàn)上穩(wěn)定更優(yōu)。

      指數(shù)一年與三年持有期正收益比例顯著,歷史業(yè)績統(tǒng)計證明具有長期投資價值優(yōu)勢

      假設(shè)投資者對指數(shù)進行投資,鎖定持有期分別為一年和三年,分別計算投資各個指數(shù)各一年/三年到期時的累計收益并進行對比,結(jié)果如下圖表所示,其中橫軸為鎖定持有期的到期時間,左縱軸為累計收益。

      圖片

      圖片

      圖片

      圖片

      從累計收益圖可以看出,雖然標(biāo)普中國A股大盤紅利低波50指數(shù)鎖定一年的累計收益和其他三個指數(shù)的分布較為相似,但負(fù)收益的比例明顯更低;同時,標(biāo)普中國A股大盤紅利低波50指數(shù)在鎖定三年累計收益上明顯優(yōu)于其他三個指數(shù),表明該指數(shù)在長期投資中更具有優(yōu)勢。同時標(biāo)普中國A股大盤紅利低波50指數(shù)在上漲時也具有比較好的彈性,在2015年的牛市中,標(biāo)普中國A股大盤紅利低波50指數(shù)在一年和三年持有期下均獲得了相對更高的收益并且高收益持續(xù)的時間段更長。

      對比各個指數(shù)在每個時點的最大回撤可以發(fā)現(xiàn),標(biāo)普中國A股大盤紅利低波50指數(shù)的凈值曲線走勢在15年后表現(xiàn)與上證50和滬深300相似,同時標(biāo)普中國A股大盤紅利低波50指數(shù)的最大回撤幅度相對較小,風(fēng)險控制能力更強。

      圖片

      圖片

      穩(wěn)健業(yè)績穿越牛熊,領(lǐng)漲抗跌優(yōu)勢明顯

      我們以上證指數(shù)的波動率與換手率兩個維度來對市場進行漲跌劃分(換手率上行為牛市,波動率上行、換手率下行為熊市,波動率和換手率均下行為震蕩市,參考華泰證券金工研報《波動率與換手率構(gòu)造牛熊指標(biāo)》20190927)。從不同市場狀態(tài)來看,標(biāo)普中國A股大盤紅利低波50全收益指數(shù)在大多數(shù)時間段均表現(xiàn)出領(lǐng)漲抗跌的特征,在上漲市場行情中漲幅靠前,下跌行情中跌幅通常小于其他指數(shù)。與寬基指數(shù)對比得到的超額收益較高,反映了該指數(shù)投資業(yè)績相對穩(wěn)健。

      圖片

      圖片

      紅利大盤低波因子優(yōu)勢互補,可篩選出適宜長期投資的質(zhì)優(yōu)股

      在本章節(jié)中,我們將從經(jīng)濟金融邏輯和歷史業(yè)績等角度,深入探究紅利因子、低波因子長期有效的原因,并通過經(jīng)濟周期狀態(tài)來對因子收益率走勢進行預(yù)測。此外,我們還將對紅利、大盤、低波因子三者兩兩疊加后的選股效果及投資邏輯進行論述。

      紅利策略能夠篩選出“便宜的好公司”,適宜長期投資

      紅利策略能夠篩選出“便宜的好公司”,在海外市場受到機構(gòu)投資者青睞

      海外文獻(xiàn)中通常不將紅利因子作為一個單獨的因子來看待,因為實證結(jié)果顯示,在四因子或五因子模型中加入紅利因子,并不能為原有模型帶來額外的解釋力度。Berkin和Swedroe(2016)在《Your Complete Guide to Factor-Based Investing》一書中,采用五因子模型對美國市場規(guī)模最大的紅利ETF產(chǎn)品Vanguard Dividend Appreciation(VIG)從2006年到2015年的歷史業(yè)績進行歸因分析后發(fā)現(xiàn):VIG在市場β因子上的暴露為0.93,說明該紅利ETF的標(biāo)的股在市場風(fēng)險上的暴露略小于市場組合;在規(guī)模因子上的暴露為-0.09,說明成分股市值略大于美股平均;在價值因子上的暴露為0.14,說明成分股估值低于市場平均;在動量因子上的暴露為-0.01,說明紅利ETF與動量因子在統(tǒng)計上無明顯關(guān)聯(lián);在質(zhì)量因子上的暴露為0.34,說明紅利因子能夠很好地篩選出高質(zhì)量股票。五因子回歸模型的R方達(dá)到了95%,這說明五因子模型已經(jīng)能夠較好解釋紅利ETF的收益來源,而紅利ETF在紅利因子上的暴露,也能夠被規(guī)模、價值和質(zhì)量等因子充分解釋。

      也就是說,紅利因子本質(zhì)上是一個復(fù)合因子,紅利因子暴露較高的公司,通常也在價值因子和質(zhì)量因子上暴露較高??梢哉f,紅利因子能夠有效挑選低估值、高價值的“便宜的好公司”。因此,紅利類ETF在海外市場廣受投資者歡迎。根據(jù)ETF.com的數(shù)據(jù),Smart Beta型ETF產(chǎn)品中,紅利類產(chǎn)品總規(guī)模僅次于價值和成長類產(chǎn)品,明顯高于其他類型Smart Beta 產(chǎn)品。

      圖片

      從紅利產(chǎn)品歷史業(yè)績角度來看,頭部紅利類產(chǎn)品的歷史業(yè)績均優(yōu)于標(biāo)普500指數(shù)。我們選取了美國市場中規(guī)模排名前列的四只紅利類ETF:總規(guī)模約402億美元的Vanguard Dividend Appreciation ETF(VIG)、總規(guī)模約253億美元的Vanguard High Dividend Yield ETF(VYM)、總規(guī)模約148億美元的SPDR S&P Dividend ETF(SDY)以及總規(guī)模約129億美元的iShares Select Dividend ETF(DVY),可以看到,四只產(chǎn)品整體跑贏標(biāo)普500指數(shù),年化收益率、波動率和夏普比率相對標(biāo)普500均有一定優(yōu)勢。

      圖片

      圖片

      A股市場中,紅利策略能夠篩選出低估值高盈利適合長期投資的優(yōu)質(zhì)公司

      如前所述,分紅事件本身并不會影響投資者對公司股票的估值,但是高分紅公司卻通常在其他財務(wù)因子上有較高的暴露度。為了從更本質(zhì)的角度來觀測紅利因子在A股的選股效果,我們采用近期數(shù)據(jù)對紅利因子暴露度較高的上市公司的財務(wù)數(shù)據(jù)與全部A股平均財務(wù)數(shù)據(jù)之間的差別進行了分析。

      我們站在2020年3月31日的時點,篩選了過去12個月股息率大于4%的股票作為高分紅組合,以2019年三季報數(shù)據(jù)為例,來說明紅利策略篩選出的股票組合特性。從下圖表中可以看到,高分紅組合的平均市值明顯高于A股平均,估值(PE、PB)明顯低于A股平均,而盈利能力(EPS、ROE、銷售凈利率)、收益質(zhì)量(經(jīng)營活動凈收益/利潤總額)、現(xiàn)金充足度(凈利潤現(xiàn)金含量)等指標(biāo)則明顯優(yōu)于A股平均。資產(chǎn)負(fù)債率略高于A股平均,流動比率和速動比率等指標(biāo)則略低于A股平均。

      圖片

      對比結(jié)果說明,紅利因子在A股市場中,也能較為成功的篩選出估值偏低、盈利能力偏高、收益質(zhì)量較高、現(xiàn)金充足度較高的股票。我國紅利指數(shù)歷史表現(xiàn)顯著優(yōu)于基準(zhǔn)指數(shù),也證實了紅利因子在A股市場中的有效性。例如,中證紅利指數(shù)歷史業(yè)績顯著優(yōu)于中證全指,深證紅利指數(shù)歷史業(yè)績顯著優(yōu)于深證成指。

      圖片

      疫情危機后的經(jīng)濟復(fù)蘇階段,盈利較穩(wěn)定的高分紅公司或更具投資價值

      從華泰金工經(jīng)濟金融周期理論的角度來看,去趨勢后盈利因子的累計收益率與庫茲涅茨周期(即200個月經(jīng)濟長周期)基本同步變動。2020年庫茲涅茨周期將處于上行通道,ROE因子進入上行階段,盈利驅(qū)動型公司或?qū)⒏芮嗖A。經(jīng)濟復(fù)蘇時期,企業(yè)盈利增速逐漸提升,投資者傾向于選擇盈利能力更強且更穩(wěn)定的股票,從而導(dǎo)致盈利型股票表現(xiàn)占優(yōu)。高分紅公司盈利更為穩(wěn)定,更易享受經(jīng)濟上行的紅利,投資價值或有望提高。

      圖片

      紅利因子對大盤股的擇股能力較為有效,中長期大盤股或有較高配置價值

      A股市場的股息率因子在大市值股票的擇時能力較強,收益較高

      在華泰金工2020年3月31日發(fā)布的報告《投資優(yōu)質(zhì)股票:紅利類Smart Beta——華泰Smart Beta系列之三》中,我們采用2014年底到2019年底的數(shù)據(jù),對紅利因子在不同市值股票中的擇股能力進行了分層檢測。在進行分層時,我們首先將過去一年內(nèi)無股息派發(fā)的公司單獨作為一層,將剩余股票按股息率降序排列并按股票個數(shù)等分為第1分位到第4分位,總計得到五個分層。檢測結(jié)果如下圖表所示,紅利因子在滬深300成分股中的擇股能力最好,中證500中的擇股能力次之,中證1000中的擇股能力最差。

      圖片

      圖片

      圖片

      圖片

      由此可見,紅利因子的擇股能力在大市值及中等市值股票中較為明顯,而在小市值股票中相對偏弱。且紅利策略在大盤股中的收益要明顯高于中盤股和小盤股中的收益,因此在使用紅利因子進行選股時,疊加大市值的篩選條件,能夠有效提升策略收益。

      2016年以來開啟大市值因子上升周期,大盤股預(yù)期表現(xiàn)優(yōu)于小盤股

      此外,從華泰金工經(jīng)濟金融周期理論的角度來看,去趨勢后的小市值因子累計收益率與庫茲涅茨周期(200個月經(jīng)濟長周期)基本同步反向變動。大盤股在未來一段時間內(nèi)相對中小盤股或有較高配置價值。根據(jù)我們此前的研究,大小盤相對強弱走勢與經(jīng)濟中的長周期(即庫茲涅茨周期)呈正相關(guān),而去趨勢后的小市值因子累計益率與庫茲涅茨周期的反向性更為明顯。2001年后,小市值因子累計收益率逐漸走低。2007年開始,受經(jīng)濟周期影響,小市值因子開啟上升周期。進入2015年,經(jīng)濟中長期開始上行,企業(yè)盈利回升,大市值股票優(yōu)勢凸顯。2020年伴隨經(jīng)濟中長期的復(fù)蘇,小市值因子收益率預(yù)計會逐步下行,中長期大市值股票或有更高的配置價值。

      圖片

      低波因子能夠有效規(guī)避短期高關(guān)注度的陷阱,有利于長期投資

      低波因子在國內(nèi)和國外均被證實長期有效,在市場下跌期間表現(xiàn)出了較強的防御性

      傳統(tǒng)金融理論認(rèn)為,風(fēng)險與收益之間存在顯著的線性正相關(guān)關(guān)系,為了獲得更高的回報,投資者必須承擔(dān)更高的風(fēng)險,均值方差模型和CAPM模型中都包含了這種思想。但實證研究發(fā)現(xiàn),股票市場的風(fēng)險和收益之間呈現(xiàn)出了顯著的負(fù)相關(guān)關(guān)系,低波動率策略組合和最小方差策略組合的風(fēng)險調(diào)整后收益指標(biāo)(夏普比率、特雷諾指數(shù)和詹森指數(shù)等)明顯高于市場組合和高波動率組合,這種股市異象被稱為低波動率異象。20世紀(jì)70年代,F(xiàn)ischer Black(1972)和Haugen&Heins(1975)等學(xué)者在實證中發(fā)現(xiàn)了低波動性股票相對其他股票組合的優(yōu)異表現(xiàn),證實了低波動率異象的存在。Haugen&Baker則在1991年發(fā)表的論文The efficient market inefficiency of capitalization–weighted stock portfolios中,提供了股市中風(fēng)險與回報呈現(xiàn)反向關(guān)系的證據(jù)。Baker, Brandley和Wurgler(2011)也使用美國1968-2008共40年的數(shù)據(jù)證實了低波動率股票組合的表現(xiàn)長期優(yōu)于高波動率股票組合。并且,在市場下跌期間,低波動率組合的下跌幅度明顯小于波動率較高的組合,體現(xiàn)了較強的防御性。

      圖片

      至今,低波動率異象已經(jīng)被證實存在于在世界各地的股票市場中,A股市場也不例外。我們以中證全指為樣本空間,以2011-2019年為回測區(qū)間,將樣本股以波動率分層并進行滾動回測,結(jié)果如下圖表所示,中低波動組合的年化收益率顯著高于高波動組合,年化波動率和區(qū)間最大回撤則顯著低于高波動組合,可見低波動率因子在A股市場中也是有效的。

      圖片

      低波策略能夠規(guī)避短期內(nèi)的高估值陷阱,有利于長期穩(wěn)定投資

      在使用理論指導(dǎo)投資前,為了確保低波因子在未來依舊長期穩(wěn)定有效,我們需要先理解低波異象形成的原因,以及這個原因是否符合金融邏輯且穩(wěn)定存在。對于低波異象形成的解釋共有兩類,第一類是從經(jīng)濟金融模型的角度切入,來解釋低波異象有悖于傳統(tǒng)金融理論的原因;另一類則是從投資者行為角度入手,來解釋低波異象持續(xù)存在的原因。

      從經(jīng)濟金融模型的角度來看,David Blitz, Eric Falkenstein和Pim van Vliet在論文Explanations for the Volatility Effect: An Overview Based on the CAPM Assumptions中提出,CAPM等傳統(tǒng)金融模型中有很多不符合實際的前提假設(shè)。其中一個假設(shè)是,杠桿和賣空都沒有限制,投資者可以自由套利。但在現(xiàn)實投資中,大部分投資者不是杠桿使用受限,就是不愿意使用杠桿。賣空行為在現(xiàn)實中也會受到限制,部分股票的借貸成本非常高,導(dǎo)致無法賣空。另一個假設(shè)是,市場中的交易沒有任何摩擦,這意味著既沒有交易成本,也沒有稅收,但這在現(xiàn)實投資中也是不可能的。這些限制和摩擦的存在將使得套利者無法糾正高波動證券的高估和低波動證券的低估,最終導(dǎo)致低波動異象的存在。

      從行為金融學(xué)角度來看,低波異象的存在主要有以下幾種原因:

      1)博彩偏好(Preference for lottery):一般來說,出于對風(fēng)險的厭惡,投資者會拒絕一個50%概率贏得110元,50%概率失去100元的,預(yù)期收益為正的游戲。但當(dāng)收益的分布發(fā)生變化時,投資者的選擇也會發(fā)生改變:當(dāng)游戲規(guī)則變?yōu)?9.99%損失1元,但有0.12%概率獲得5000元的時候,預(yù)期收益基本未變,但投資者大概率會選擇投注于這個類似彩票的游戲??梢姰?dāng)一類資產(chǎn)的收益呈現(xiàn)正偏態(tài)分布時,投資者會更加偏好這類資產(chǎn)。Mitton & Vorkink(2007)在Equilibrium under Diversification and the Preference for Skewness一文中指出,高波動率的個股的收益也呈現(xiàn)正偏態(tài)分布:虧損的概率很高,短期內(nèi)收益翻倍的可能性很小。Kumar(2009)在Who?Gambles?in?the?Stock?Market? 一文中指出,個人投資者對彩票式回報的股票表現(xiàn)出明顯的偏好,會傾向于高估高波動率的個股并低估低波動率的個股,從而導(dǎo)致了低波動異象的產(chǎn)生。

      2)對明星股票的偏好:Falkenstein(1996)在論文Preferences for Stock Characteristics As Revealed by Mutual Fund Portfolio Holdings中指出,共同基金傾向于持有更多在新聞中出現(xiàn)率高的公司股票;Barber和Odean(2008)在論文All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors中指出,個人投資者也傾向于購買引人注目的股票,共同基金和個人投資者的這種購買行為會暫時抬高股票價格,但導(dǎo)致其后續(xù)收益表現(xiàn)不佳。低波動股票普遍受到曝光較少,受到的關(guān)注也較少,容易被投資者忽視,最終導(dǎo)致高波動率個股需求偏高,低波動率個股需求偏低,從而產(chǎn)生了低波動異象。

      3)代表性偏差(Representativeness Bias):代表性偏差指的是投資者偏信高回報股票的神話,從而得到了一個錯誤的邏輯:“回報率最高的股票有風(fēng)險,因此高風(fēng)險的股票會產(chǎn)生更高的預(yù)期回報”。這種錯誤的邏輯認(rèn)知導(dǎo)致投資者高估高波動率個股,低估低波動率,從而產(chǎn)生了低波動率異象。

      4)過度自信(Overconfidence):投資者相信自己有能力成功選股擇時,所以為了獲取更大的收益,投資者傾向于選擇波動性更高、不確定性也更高的股票,造成了高波動股票的高估,從而產(chǎn)生了低波動率異象。

      綜上所述,由于高波動率股票存在收益率正偏態(tài)分布(高峰偏左,右側(cè)長尾)和受關(guān)注度較高等特點,市場通常會在短期內(nèi)給高波動率股票過高的估值,從而導(dǎo)致其長期表現(xiàn)不佳。而低波動股票則能夠較好地避開這些短期繁榮的陷阱,為投資者提供相對更高的長期投資回報。

      接下來我們使用實際數(shù)據(jù)來對低波因子的選股效果進行驗證,我們站在2020年3月31日的時點,使用過去100天的收益波動率,從全部A股中篩選出了波動率最低的200只股票,并對其代表性行情指標(biāo)和財務(wù)指標(biāo)進行了統(tǒng)計。從結(jié)果來看,低波因子確實傾向于從A股中篩選出估值偏低(PE、PB偏低)的股票,但該類股票同時還具有較高的股息率,較強的盈利能力(EPS、ROE、銷售凈利率),較高的收益質(zhì)量(經(jīng)營活動凈收益/利潤總額)和現(xiàn)金充足度(凈利潤現(xiàn)金含量)。此外,與紅利因子相比,低波因子篩選出的A股盈利增長能力略勝一籌。

      圖片

      紅利+低波篩選出的股票具有盈利+估值雙重護城河,類似高息債券,防御能力較強

      紅利因子傾向于篩選出“便宜的好公司”,低波因子則傾向于篩選出近期關(guān)注度較低、估值偏低的股票。兩類因子的目標(biāo)和理念是一致的,都是篩選出穩(wěn)定且防御性強的股票。持有這類估值較低、盈利能力較高且盈利穩(wěn)定的股票,類似于持有高息債券,較低的估值和較低的波動率使其風(fēng)險水平近似于高息債券,其穩(wěn)定的盈利能力則能夠為投資者持續(xù)帶來類似于票息的穩(wěn)定現(xiàn)金流。

      接下來我們使用實際數(shù)據(jù)來對紅利+低波復(fù)合因子的選股思路進行驗證。我們從前述篩選出的高分紅組合的200只股票中,選出了100只年化波動率最低的股票,并以2019年三季報數(shù)據(jù)為例,對其財務(wù)指標(biāo)和行情指標(biāo)進行了統(tǒng)計分析,可以看到,與高分紅組合相比,低波+高分紅組合的平均市值明顯更高,估值水平明顯更低,償債能力略有下降??梢娫诩t利因子中加入低波因子,能夠進一步壓低估值,使得篩選出的股票組合安全系數(shù)更高,防御能力更加出色。

      圖片

      整體來說,紅利+低波篩選出的股票,普遍具有優(yōu)質(zhì)且穩(wěn)定的盈利能力+較低估值作為雙重護城河,因此即使在市場下跌或大幅波動時,也具有較強的防御能力,因此十分適合長期穩(wěn)健投資。

      低利率環(huán)境下的“高息債券”:標(biāo)普中國A股大盤紅利低波50

      疫情后或?qū)⑦M入長期低利率環(huán)境,穩(wěn)健的高息投資品價值凸顯

      近期,受疫情影響貨幣政策轉(zhuǎn)向?qū)捤?,利率下跌。通脹對利率下降的掣肘有所減弱,短期內(nèi)貨幣政策仍在寬松周期,或繼續(xù)壓低利率,穩(wěn)健高息投資品配置價值提升。

      隨著新冠病毒疫情在全世界快速擴散,多國實施了不同程度的封鎖隔離政策,全球產(chǎn)業(yè)鏈?zhǔn)艿經(jīng)_擊,經(jīng)濟增速放緩。以國內(nèi)為例,一季度GDP同比下降6.8%。為應(yīng)對此次危機,中美等國均推出新一輪的貨幣寬松政策,美聯(lián)儲時隔五年再度開啟量化寬松,國內(nèi)降準(zhǔn)降息也在穩(wěn)步進行。全球貨幣環(huán)境趨于寬松,中美兩國國債收益率曲線近期走勢均向下。

      圖片

      當(dāng)前,美聯(lián)儲的無限QEs短時間向市場注入大量流動性,中國則采取漸進式寬松政策,中美兩國貨幣政策的差異拉大中美國債利差,10年期國債收益率利差接近200個基點。未來資本流動或引導(dǎo)中美利差收窄。

      圖片

      國內(nèi)方面,流動性端利好使得短期國債收益率快速下降,期限利差擴大。中國1年期國債收益率與10年期國債收益率利差處于高位,已超130基點。

      圖片

      通脹方面,3月份全國居民消費價格(CPI)同比上漲4.3%,漲幅較上月同比數(shù)據(jù)低0.9個百分點,回歸至“4時代”。通脹對利率下降的掣肘有所減弱。在擴大總需求、配合財政政策、降低貸款利率等要求下,短期內(nèi)貨幣政策仍在寬松周期,利率下行空間或仍存在。

      根據(jù)股利貼現(xiàn)模型,資產(chǎn)價值與未來現(xiàn)金流正相關(guān),與折現(xiàn)率負(fù)相關(guān)。當(dāng)利率處于較低區(qū)間時,高股息產(chǎn)品的股利貼現(xiàn)模型分子端優(yōu)勢凸顯,分母端數(shù)值降低,高股息產(chǎn)品的價值有望得到提升。

      標(biāo)普大盤紅利低波50指數(shù)兼具股債雙重優(yōu)勢,是優(yōu)質(zhì)長期穩(wěn)健高收益資產(chǎn)

      受到當(dāng)前的低利率環(huán)境的影響,各類資產(chǎn)收益率將有所下降。而標(biāo)普中國A股大盤紅利低波50指數(shù)兼具股債雙重優(yōu)勢,為穩(wěn)健高收益資產(chǎn),具備一定的投資價值,或?qū)⑹艿劫Y金追捧。

      從指數(shù)歷史業(yè)績來看,標(biāo)普中國A股大盤紅利低波50指數(shù)的業(yè)績表現(xiàn)優(yōu)于傳統(tǒng)寬基指數(shù)。由下圖可看出,該指數(shù)相對于上證綜指的累計超額收益始終為正。截至2020年5月11日,該指數(shù)相對于上證綜指的累計超額收益率高于100%,超過滬深300指數(shù)相對于上證綜指超額收益的2倍。

      圖片

      根據(jù)指數(shù)歷史業(yè)績,標(biāo)普中國A股大盤紅利低波50指數(shù)的歷史平均波動率與最大回撤幅度均低于傳統(tǒng)寬基指數(shù),體現(xiàn)出類似債券指數(shù)的收益穩(wěn)定性。下圖展示了該指數(shù)與中債十年國債指數(shù)、上證綜指和滬深300的業(yè)績指標(biāo)對比。其中,該指數(shù)的平均最大回撤幅度為28.95%,而另外兩只股票指數(shù)的最大回撤幅度均超過40%。

      圖片

      指數(shù)當(dāng)前估值相對較低,長期投資或更具優(yōu)勢

      從估值和盈利指標(biāo)來看,標(biāo)普中國A股大盤紅利低波50指數(shù)當(dāng)前市盈率均低于上證50和滬深300指數(shù),市凈率和市銷率在上述指數(shù)中處于較低位置,從估值角度,指數(shù)或有更大的上漲空間。同時標(biāo)普中國A股大盤紅利低波50指數(shù)的股息率遠(yuǎn)高于其他指數(shù),相較而言有望能讓投資者更快收回投資成本。

      圖片

      獨具品牌優(yōu)勢,更易把握外資流入利好

      前文提到,低利率環(huán)境下兼具股債雙重優(yōu)勢的紅利指數(shù)價值凸顯。作為眾多紅利指數(shù)中的一員,屬于“標(biāo)普指數(shù)家族”的標(biāo)普中國A股大盤紅利低波50指數(shù)獨具品牌優(yōu)勢,或更能把握外資流入利好。

      隨著中國金融市場開放程度不斷加深,外資持續(xù)流入中國市場。截至 2020年3月,境外機構(gòu)和個人持有境內(nèi)股票市值已達(dá)1.88萬億元,比2019年同期增長12.08%。從下圖可以看出,從2013年12月至2020年3月,境外機構(gòu)和個人持有境內(nèi)股票市值占A股總市值比重增長趨勢明顯,外資在A股資金來源中的重要性逐漸增強。

      圖片

      自2002年實施QFII制度以來,QFII額度從最開始的40億美元提高至2019年初的3000億美元。隨著我國境內(nèi)資本市場雙向開放的渠道不斷打通,對QFII、RQFII額度管理的必要性下降。2020年5月7日,央行、國家外匯管理局聯(lián)合發(fā)布了《境外機構(gòu)投資者境內(nèi)證券期貨投資資金管理規(guī)定》,提到將落實取消合格境外機構(gòu)投資者(QFII)和人民幣合格境外機構(gòu)投資者(RQFII)境內(nèi)證券投資額度管理要求等。此次新規(guī)發(fā)布或?qū)⑽嗤赓Y流向中國。

      2019年全年,MSCI已經(jīng)完成A股比例提升方案,分別在5月、8月、11月將A股納入比例逐步提升至10%,15%和20%。隨著A股未來進一步被納入各個國際指數(shù),同時對外開放持續(xù)推進,A股國際化程度將不斷提高,外資流入系大勢所趨。

      在外資長期持續(xù)流入趨勢未改背景下,海外機構(gòu)化資金進入中國或?qū)?yōu)先考慮標(biāo)普道瓊斯等辨識度高的指數(shù)。標(biāo)普道瓊斯于2003年發(fā)布標(biāo)普道瓊斯美國精選紅利指數(shù),是全球首個紅利指數(shù)。作為紅利指數(shù)編制和發(fā)布的領(lǐng)跑者,標(biāo)普道瓊斯后續(xù)又發(fā)布諸多相關(guān)紅利指數(shù),成為全球大規(guī)模紅利ETF的常用標(biāo)的基準(zhǔn)。在全球前10大紅利ETF中,有5家的基準(zhǔn)指數(shù)均來自標(biāo)普公司,標(biāo)普旗下紅利指數(shù)在全球紅利指數(shù)基金中的領(lǐng)軍地位可見一斑。

      圖片

      在標(biāo)普的品牌效應(yīng)下,被直接納入標(biāo)普紅利系列指數(shù)國際體系里的標(biāo)普中國A股大盤紅利低波50指數(shù),在我國金融市場逐步放開、機構(gòu)化外資持續(xù)流入的環(huán)境下更占優(yōu)勢,有望成為外資投資的首選標(biāo)的之一,或能夠更好享受金融市場放開的政策紅利。

      綜上,大盤、高分紅、低波動三因子疊加提升策略有效性,助力篩選優(yōu)質(zhì)資產(chǎn);標(biāo)普品牌優(yōu)勢吸引外資流入,增量資金增加資產(chǎn)活力;長期低利率助推優(yōu)質(zhì)資產(chǎn)優(yōu)勢凸顯,標(biāo)普中國A股大盤紅利低波50指數(shù)投資價值或有望得到提升。

      風(fēng)險提示

      本報告對歷史公開信息進行梳理總結(jié),歷史結(jié)果不能簡單預(yù)測未來,規(guī)律存在失效風(fēng)險。策略的歷史表現(xiàn)依賴于回測區(qū)間和公開數(shù)據(jù)源,不一定能代表未來有效性。指數(shù)成分股介紹僅用于展示指數(shù)特色及編制思路,不構(gòu)成對個股的投資建議。指數(shù)歷史業(yè)績并不預(yù)示其未來表現(xiàn)。本報告僅作投資參考,不構(gòu)成對涉及策略、個股或指數(shù)投資收益的保證或投資建議,請投資者謹(jǐn)慎、理性看待。

      免責(zé)聲明與評級說明

      圖片
      圖片

      公眾平臺免責(zé)申明

      本公眾平臺不是華泰證券研究所官方訂閱平臺。相關(guān)觀點或信息請以華泰證券官方公眾平臺為準(zhǔn)。根據(jù)《證券期貨投資者適當(dāng)性管理辦法》的相關(guān)要求,本公眾號內(nèi)容僅面向華泰證券客戶中的專業(yè)投資者,請勿對本公眾號內(nèi)容進行任何形式的轉(zhuǎn)發(fā)。若您并非華泰證券客戶中的專業(yè)投資者,請取消關(guān)注本公眾號,不再訂閱、接收或使用本公眾號中的內(nèi)容。因本公眾號難以設(shè)置訪問權(quán)限,若給您造成不便,煩請諒解!本公眾號旨在溝通研究信息,交流研究經(jīng)驗,華泰證券不因任何訂閱本公眾號的行為而將訂閱者視為華泰證券的客戶。

      本公眾號研究報告有關(guān)內(nèi)容摘編自已經(jīng)發(fā)布的研究報告的,若因?qū)蟾娴恼幎a(chǎn)生歧義,應(yīng)以報告發(fā)布當(dāng)日的完整內(nèi)容為準(zhǔn)。如需了解詳細(xì)內(nèi)容,請具體參見華泰證券所發(fā)布的完整版報告。

      本公眾號內(nèi)容基于作者認(rèn)為可靠的、已公開的信息編制,但作者對該等信息的準(zhǔn)確性及完整性不作任何保證,也不對證券價格的漲跌或市場走勢作確定性判斷。本公眾號所載的意見、評估及預(yù)測僅反映發(fā)布當(dāng)日的觀點和判斷。在不同時期,華泰證券可能會發(fā)出與本公眾號所載意見、評估及預(yù)測不一致的研究報告。

      在任何情況下,本公眾號中的信息或所表述的意見均不構(gòu)成對客戶私人投資建議。訂閱人不應(yīng)單獨依靠本訂閱號中的信息而取代自身獨立的判斷,應(yīng)自主做出投資決策并自行承擔(dān)投資風(fēng)險。普通投資者若使用本資料,有可能會因缺乏解讀服務(wù)而對內(nèi)容產(chǎn)生理解上的歧義,進而造成投資損失。對依據(jù)或者使用本公眾號內(nèi)容所造成的一切后果,華泰證券及作者均不承擔(dān)任何法律責(zé)任。

      本公眾號版權(quán)僅為華泰證券股份有限公司所有,未經(jīng)公司書面許可,任何機構(gòu)或個人不得以翻版、復(fù)制、發(fā)表、引用或再次分發(fā)他人等任何形式侵犯本公眾號發(fā)布的所有內(nèi)容的版權(quán)。如因侵權(quán)行為給華泰證券造成任何直接或間接的損失,華泰證券保留追究一切法律責(zé)任的權(quán)利。本公司具有中國證監(jiān)會核準(zhǔn)的“證券投資咨詢”業(yè)務(wù)資格,經(jīng)營許可證編號為:91320000704041011J。

      華泰金工深度報告一覽


      金融周期系列研究(資產(chǎn)配置)

      【華泰金工林曉明團隊】2020年中國市場量化資產(chǎn)配置年度觀點——周期歸來、機會重生,顧短也兼長20200121

      【華泰金工林曉明團隊】量化資產(chǎn)配置2020年度觀點——小周期爭明日,大周期贏未來20200116

      【華泰金工林曉明團隊】風(fēng)險預(yù)算模型如何度量風(fēng)險更有效-改進風(fēng)險度量方式穩(wěn)定提升風(fēng)險模型表現(xiàn)的方法

      【華泰金工林曉明團隊】周期雙底存不確定性宜防守待趨勢——短周期底部拐頭機會漸增,待趨勢明朗把握或更大20191022

      【華泰金工林曉明團隊】二十年一輪回的黃金投資大周期——黃金的三周期定價邏輯與組合配置、投資機會分析20190826

      【華泰金工林曉明團隊】如何有效判斷真正的周期拐點?——定量測度實際周期長度提升市場拐點判準(zhǔn)概率

      【華泰金工林曉明團隊】基欽周期的長度會縮短嗎?——20190506

      華泰金工林曉明團隊】二十載昔日重現(xiàn),三四年周期輪回——2019年中國與全球市場量化資產(chǎn)配置年度觀點(下

      【華泰金工林曉明團隊】二十載昔日重現(xiàn),三四年周期輪回——2019年中國與全球市場量化資產(chǎn)配置年度觀點(上)

      【華泰金工林曉明團隊】周期輪動下的BL資產(chǎn)配置策略

      【華泰金工林曉明團隊】周期理論與機器學(xué)習(xí)資產(chǎn)收益預(yù)測——華泰金工市場周期與資產(chǎn)配置研究

      【華泰金工林曉明團隊】市場拐點的判斷方法

      【華泰金工林曉明團隊】2018中國與全球市場的機會、風(fēng)險 · 年度策略報告(上)

      【華泰金工林曉明團隊】基欽周期的量化測度與歷史規(guī)律 · 華泰金工周期系列研究

      【華泰金工林曉明團隊】周期三因子定價與資產(chǎn)配置模型(四)——華泰金工周期系列研究

      【華泰金工林曉明團隊】周期三因子定價與資產(chǎn)配置模型(三)——華泰金工周期系列研究

      【華泰金工林曉明團隊】周期三因子定價與資產(chǎn)配置模型(二)——華泰金工周期系列研究

      【華泰金工林曉明團隊】周期三因子定價與資產(chǎn)配置模型(一)——華泰金工周期系列研究

      【華泰金工林曉明團隊】華泰金工周期研究系列 · 基于DDM模型的板塊輪動探索

      【華泰金工林曉明團隊】市場周期的量化分解

      【華泰金工林曉明團隊】周期研究對大類資產(chǎn)的預(yù)測觀點

      【華泰金工林曉明團隊】金融經(jīng)濟系統(tǒng)周期的確定(下)——華泰金工周期系列研究

      【華泰金工林曉明團隊】金融經(jīng)濟系統(tǒng)周期的確定(上)——華泰金工周期系列研究

      【華泰金工林曉明團隊】全球多市場擇時配置初探——華泰周期擇時研究系列

      行業(yè)指數(shù)頻譜分析及配置模型:市場的周期分析系列之三

      【華泰金工林曉明團隊】市場的頻率——市場輪回,周期重生

      【華泰金工林曉明團隊】市場的輪回——金融市場周期與經(jīng)濟周期關(guān)系初探

      周期起源

      【華泰金工林曉明團隊】周期在供應(yīng)鏈管理模型的實證——華泰周期起源系列研究之六

      【華泰金工林曉明團隊】不確定性與緩沖機制——華泰周期起源系列研究報告之五

      華泰金工林曉明團隊】周期是矛盾雙方穩(wěn)定共存的結(jié)果——華泰周期起源系列研究之四

      【華泰金工林曉明團隊】周期是不確定性條件下的穩(wěn)態(tài)——華泰周期起源系列研究之三

      【華泰金工林曉明團隊】周期趨同現(xiàn)象的動力學(xué)系統(tǒng)模型——華泰周期起源系列研究之二

      【華泰金工林曉明團隊】從微觀同步到宏觀周期——華泰周期起源系列研究報告之一

      FOF與金融創(chuàng)新產(chǎn)品

      【華泰金工林曉明團隊】養(yǎng)老目標(biāo)基金的中國市場開發(fā)流程--目標(biāo)日期基金與目標(biāo)風(fēng)險基金產(chǎn)品設(shè)計研究

      【華泰金工】生命周期基金Glide Path開發(fā)實例——華泰FOF與金融創(chuàng)新產(chǎn)品系列研究報告之一

      因子周期(因子擇時)

      【華泰金工林曉明團隊】市值因子收益與經(jīng)濟結(jié)構(gòu)的關(guān)系——華泰因子周期研究系列之三

      【華泰金工林曉明團隊】周期視角下的因子投資時鐘--華泰因子周期研究系列之二

      【華泰金工林曉明團隊】因子收益率的周期性研究初探

      擇時

      【華泰金工林曉明團隊】波動率與換手率構(gòu)造牛熊指標(biāo)——華泰金工量化擇時系列

      【華泰金工林曉明團隊】A股市場低開現(xiàn)象研究

      【華泰金工林曉明團隊】華泰風(fēng)險收益一致性擇時模型

      【華泰金工林曉明團隊】技術(shù)指標(biāo)與周期量價擇時模型的結(jié)合

      【華泰金工林曉明團隊】華泰價量擇時模型——市場周期在擇時領(lǐng)域的應(yīng)用

      行業(yè)輪動

      【華泰金工林曉明團隊】擁擠度指標(biāo)在行業(yè)配置中的應(yīng)用——華泰行業(yè)輪動系列報告之十二

      【華泰金工林曉明團隊】基于投入產(chǎn)出表的產(chǎn)業(yè)鏈分析 ——華泰行業(yè)輪動系列報告之十一

      【華泰金工林曉明團隊】不同協(xié)方差估計方法對比分析——華泰行業(yè)輪動系列報告之十

      【華泰金工林曉明團隊】景氣度指標(biāo)在行業(yè)配置中的應(yīng)用——華泰行業(yè)輪動系列報告之九

      【華泰金工林曉明團隊】再探周期視角下的資產(chǎn)輪動——華泰行業(yè)輪動系列報告之八

      【華泰金工林曉明團隊】“華泰周期輪動”基金組合改進版——華泰行業(yè)輪動系列報告之七

      【華泰金工林曉明團隊】“華泰周期輪動”基金組合構(gòu)建——華泰行業(yè)輪動系列之六

      【華泰金工林曉明團隊】估值因子在行業(yè)配置中的應(yīng)用——華泰行業(yè)輪動系列報告之五

      【華泰金工林曉明團隊】動量增強因子在行業(yè)配置中的應(yīng)用——華泰行業(yè)輪動系列報告之四

      【華泰金工林曉明團隊】財務(wù)質(zhì)量因子在行業(yè)配置中的應(yīng)用——華泰行業(yè)輪動系列報告之三

      【華泰金工林曉明團隊】周期視角下的行業(yè)輪動實證分析——華泰行業(yè)輪動系列之二

      【華泰金工林曉明團隊】基于通用回歸模型的行業(yè)輪動策略——華泰行業(yè)輪動系列之一

      Smartbeta

      【華泰金工林曉明團隊】重劍無鋒:低波動 Smart Beta——華泰 Smart Beta 系列之四

      【華泰金工林曉明團隊】投資優(yōu)質(zhì)股票:紅利類Smart Beta——華泰Smart Beta系列之三

      【華泰金工林曉明團隊】博觀約?。簝r值和成長Smart Beta——華泰Smart Beta系列之二

      【華泰金工林曉明團隊】Smart Beta:乘風(fēng)破浪趁此時——華泰Smart Beta系列之一

      【華泰金工林曉明團隊】Smartbeta在資產(chǎn)配置中的優(yōu)勢——華泰金工Smartbeta專題研究之一

      多因子選股

      【華泰金工林曉明團隊】華泰單因子測試之歷史分位數(shù)因子——華泰多因子系列之十三

      【華泰金工林曉明團隊】桑土之防:結(jié)構(gòu)化多因子風(fēng)險模型——華泰多因子系列之十二

      【華泰金工林曉明團隊】華泰單因子測試之海量技術(shù)因子——華泰多因子系列之十一

      【華泰金工林曉明團隊】因子合成方法實證分析 ——華泰多因子系列之十

      【華泰金工林曉明團隊】華泰單因子測試之一致預(yù)期因子 ——華泰多因子系列之九

      【華泰金工林曉明團隊】華泰單因子測試之財務(wù)質(zhì)量因子——華泰多因子系列之八

      【華泰金工林曉明團隊】華泰單因子測試之資金流向因子——華泰多因子系列之七

      【華泰金工林曉明團隊】華泰單因子測試之波動率類因子——華泰多因子系列之六

      【華泰金工林曉明團隊】華泰單因子測試之換手率類因子——華泰多因子系列之五

      【華泰金工林曉明團隊】華泰單因子測試之動量類因子——華泰多因子系列之四

      【華泰金工林曉明團隊】華泰單因子測試之成長類因子——華泰多因子系列之三

      【華泰金工林曉明團隊】華泰單因子測試之估值類因子——華泰多因子系列之二

      【華泰金工林曉明團隊】華泰多因子模型體系初探——華泰多因子系列之一

      【華泰金工林曉明團隊】五因子模型A股實證研究

      【華泰金工林曉明團隊】紅利因子的有效性研究——華泰紅利指數(shù)與紅利因子系列研究報告之二

      人工智能

      【華泰金工林曉明團隊】揭開機器學(xué)習(xí)模型的“黑箱” ——華泰人工智能系列之二十七

      【華泰金工林曉明團隊】遺傳規(guī)劃在CTA信號挖掘中的應(yīng)用——華泰人工智能系列之二十六

      【華泰金工林曉明團隊】市場弱有效性檢驗與擇時戰(zhàn)場選擇——華泰人工智能系列之二十五

      【華泰金工林曉明團隊】投石問路:技術(shù)分析可靠否?——華泰人工智能系列之二十四

      【華泰金工林曉明團隊】再探基于遺傳規(guī)劃的選股因子挖掘——華泰人工智能系列之二十三

      【華泰金工林曉明團隊】基于CSCV框架的回測過擬合概率——華泰人工智能系列之二十二

      【華泰金工林曉明團隊】基于遺傳規(guī)劃的選股因子挖掘——華泰人工智能系列之二十一

      【華泰金工林曉明團隊】必然中的偶然:機器學(xué)習(xí)中的隨機數(shù)——華泰人工智能系列之二十

      【華泰金工林曉明團隊】偶然中的必然:重采樣技術(shù)檢驗過擬合——華泰人工智能系列之十九

      【華泰金工林曉明團隊】機器學(xué)習(xí)選股模型的調(diào)倉頻率實證——華泰人工智能系列之十八

      【華泰金工林曉明團隊】人工智能選股之?dāng)?shù)據(jù)標(biāo)注方法實證——華泰人工智能系列之十七

      【華泰金工林曉明團隊】再論時序交叉驗證對抗過擬合——華泰人工智能系列之十六

      【華泰金工林曉明團隊】人工智能選股之卷積神經(jīng)網(wǎng)絡(luò)——華泰人工智能系列之十五

      【華泰金工林曉明團隊】對抗過擬合:從時序交叉驗證談起

      【華泰金工林曉明團隊】人工智能選股之損失函數(shù)的改進——華泰人工智能系列之十三

      【華泰金工林曉明團隊】人工智能選股之特征選擇——華泰人工智能系列之十二

      【華泰金工林曉明團隊】人工智能選股之Stacking集成學(xué)習(xí)——華泰人工智能系列之十一

      【華泰金工林曉明團隊】宏觀周期指標(biāo)應(yīng)用于隨機森林選股——華泰人工智能系列之十

      【華泰金工林曉明團隊】人工智能選股之循環(huán)神經(jīng)網(wǎng)絡(luò)——華泰人工智能系列之九

      【華泰金工林曉明團隊】人工智能選股之全連接神經(jīng)網(wǎng)絡(luò)——華泰人工智能系列之八

      【華泰金工林曉明團隊】人工智能選股之Python實戰(zhàn)——華泰人工智能系列之七

      【華泰金工林曉明團隊】人工智能選股之Boosting模型——華泰人工智能系列之六

      【華泰金工林曉明團隊】人工智能選股之隨機森林模型——華泰人工智能系列之五

      【華泰金工林曉明團隊】人工智能選股之樸素貝葉斯模型——華泰人工智能系列之四

      【華泰金工林曉明團隊】人工智能選股之支持向量機模型— —華泰人工智能系列之三

      【華泰金工林曉明團隊】人工智能選股之廣義線性模型——華泰人工智能系列之二

      指數(shù)增強基金分析

      【華泰金工林曉明團隊】再探回歸法測算基金持股倉位——華泰基金倉位分析專題報告

      【華泰金工林曉明團隊】酌古御今:指數(shù)增強基金收益分析

      【華泰金工林曉明團隊】基于回歸法的基金持股倉位測算

      【華泰金工林曉明團隊】指數(shù)增強方法匯總及實例——量化多因子指數(shù)增強策略實證

      基本面選股

      【華泰金工林曉明團隊】華泰價值選股之相對市盈率港股模型——相對市盈率港股通模型實證研究

      【華泰金工林曉明團隊】華泰價值選股之FFScore模型

      【華泰金工林曉明團隊】相對市盈率選股模型A股市場實證研究

      【華泰金工林曉明團隊】華泰價值選股之現(xiàn)金流因子研究——現(xiàn)金流因子選股策略實證研究

      【華泰金工林曉明團隊】華泰基本面選股之低市收率模型——小費雪選股法 A 股實證研究

      【華泰金工林曉明團隊】華泰基本面選股之高股息率模型之奧軒尼斯選股法A股實證研究

      基金定投

      【華泰金工林曉明團隊】大成旗下基金2018定投策略研究

      【華泰金工林曉明團隊】布林帶與股息率擇時定投模型——基金定投系列專題研究報告之四

      【華泰金工林曉明團隊】基金定投3—馬科維茨有效性檢驗

      【華泰金工林曉明團隊】基金定投2—投資標(biāo)的與時機的選擇方法

      【華泰金工林曉明團隊】基金定投1—分析方法與理論基礎(chǔ)

      其它

      【華泰金工林曉明團隊】A股市場及行業(yè)的農(nóng)歷月份效應(yīng)——月份效應(yīng)之二

      A股市場及行業(yè)的月份效應(yīng)——詳解歷史數(shù)據(jù)中的隱藏法則

        本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊一鍵舉報。
        轉(zhuǎn)藏 分享 獻(xiàn)花(0

        0條評論

        發(fā)表

        請遵守用戶 評論公約

        類似文章 更多