【国信金工】稳健型选股策略探析

1

2

3

4

我们从基民的真实收益角度出发，得出高基民真实收益的基金最大回撤与净值波动更低，创新高能力强，基金持有的股票具有低波动、低估值、低换手、高股息等特征。正如基民希望持有高真实收益的基金一样，我们也希望在A股市场寻找到股价增长稳健，回撤波动较低的股票。

图13展示了长江电力（600900.SH）与智飞生物（300122.SH）两只股票2016年以来的价格走势（2015年12月31日股价统一归为1）。截至2024年11月15日，两只股票年化收益均为12%左右，但长江电力除2016和2018年两年外均有绝对正收益，而智飞生物则于2020年大行情结束后连年调整，若投资者错过2020年的涨幅，在其余绝大多数时间入场均会带来亏损。我们可以看到，长江电力在更低的波动下实现了与高弹性的智飞生物等同的收益。

低波动高收益的现象国外的学者也有研究，该现象被称为“低波异象”。Ang, Hodrick, Xing和Zhang等人(2006)指出在美股中，相对于Fama-French三因子模型具有高特质波动率的股票，未来的期望收益率更低，即两者之间为负相关。这也是特质波动率因子的首次提出。后续该团队验证，此异象也同样存在于其他23个发达国家市场中。

Baker和Haugen(2012)研究了21个发达市场和12个新兴市场在1990年至2011年间低波动股票和高波动股票的表现，他们发现低波动异象是全球股市广泛存在的长期定价异常，在所研究的33个国家或地区中均存在低波动异象。此外，他们的研究还显示发达市场的低波动异象较新兴市场更强。

除了波动率这一个指标，我们借鉴上文对于主动股基的研究思路，考察低波动、低估值、低换手、高股息等相关因子在A股中的选股表现。具体的指标及其计算方法见表7。

我们以全部A股作为股票池，去除ST等交易风险警示的证券以及上市不满1年的新股。在此股票池中计算因子的RankIC均值、年化ICIR、RankIC胜率、多空头月均超额、最大回撤等指标。

表8展示了低波动、低估值、低换手、高股息因子的RankIC均值、年化ICIR、多空头月均超额以及多空头最大回撤等统计指标。可以看到，上述4类因子中估值指标EPQ与波动率指标表现较好，RankIC均值达到5%以上，年化ICIR达到1以上；其余因子也展现出一定的收益区分度，提供了多维度的选股增量信息。

我们从高基民真实收益的基金中发掘出其持股偏向低波动、低估值、低换手、高股息等特征，在A股中对这4类因子的测试表明其具有一定的选股能力，我们将这4类因子称为 稳健因子 。

基于图14中的 低估值、低波动、低换手、高股息4个维度的稳健因子 ，我们由此构建稳健股票池，具体构建方式如下：

• 样本空间：

• 稳健指标：

• 指标合成：

• 股票选择：

图16展示了稳健股票池等权组合自2012年以来的绩效表现，从净值走势上看，稳健股票池走势较为稳定，其效果大幅领先中证800全收益指数。我们也将稳健股票池组合净值走势与两个稳健型指数（中证红利全收益（H00922.CSI）、红利低波100全收益（H20955.CSI））进行对比，发现稳健股票池也能够跑赢上述两只指数。

表9展示了稳健股票池与中证800全收益指数的分年度绩效表现，稳健股票池自2012年以来录得13.81%的年化收益，而中证800全收益指数的年化收益6.50%，年化超额7.31%。最大回撤与净值波动在大多数年份低于中证800全收益指数。股票池组合创新高能力较强，累计创新高天数远超中证800全收益指数。

表10将稳健股票池组合与中证红利全收益和红利低波100全收益这两只稳健型指数的分年度绩效进行了对比，总体来看，2012年以来组合战胜了上述两只指数，累计创新高天数高于两只指数。

我们从低波动、低估值、低换手、高股息4个维度构建了稳健股票池，稳健股票池组合相对中证800全收益净值增长更稳定，波动更低，年化超额达7.31%。稳健股票池组合持仓数量较多，为了进一步提高收益，构建可落地化的策略，我们主要借助多因子模型对稳健股票池中的股票进行精选，以构建稳健精选组合。

在因子预处理过程中，我们以稳健股票池作为选股池，在选股池中对选股因子进行缺失值填充、去极值、标准化处理。我们主要从动量、分析师预期、成长、股息率以及高频因子等5个角度对稳健股票池进行增强，因子的定义和具体计算方式见表11。

表12展示了上述单因子在稳健股票池中的测试结果，回测区间为20111230-20241031，总体来看，成长类因子SUE、DeltaROE在稳健股票池中表现最好，RankIC均值在6.6%以上，多头月均超额在0.68%左右。此外，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，在RankIC均值、年化RankICIR、月度胜率等表各项指标上表现也较优。其余因子均在各自的维度为精选股票提供了一定的增量信息。

我们将表12中的 单因子等权合成，得到增强复合因子。 图17展示了增强复合因子20111230-20241031在稳健股票池中的月度RankIC走势，增强复合因子在此区间段内RankIC均值为7.83%，年化RankICIR为1.64，月胜率达67.53%。

图18展示了增强复合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0.84%，空头组合的月均超额收益达到-0.81%，因子的分组单调性较好，说明增强复合因子对于个股未来的收益区分程度较高。

我们在稳健股票池中采用上述 增强复合因子 对股票池进行进一步的精选。同时为了避免行业与个股权重过于集中，我们在构建组合时对行业与个股权重上限进行限制，具体的构建要素如下：

• 回测时间：20111230-20241031；

• 调仓频率：月末调仓；

• 样本空间： 稳健股票池 （中证1800样本空间中采用低波动、低估值、低换手、高股息4类因子等权合成的 稳健复合因子 选取前300只）；

• 选股方式：基于表11中的动量、分析师预期、成长、股息率以及高频等5个维度的因子综合打分构建 增强复合因子 ，并根据 增强复合因子值在样本空间中从高到低进行排序 选股；

• 赋权方法： 为了使得行业和个股权重分散，策略更为稳健，我们采用稳健复合因子加权，同时限制行业和个股的权重上限 ， 具体方法如下：

  1、初始选择 增强复合因子 得分靠前的50只股票，对这部分股票 采用稳健复合因子加权 ，形成初始组合；

  2、对权重超出15%的行业剔除该行业排名靠后的股票，对多出的权重用增强复合因子值排名50名之后的其余行业股票填充；

  3、对每个行业内个股权重高于3%的股票进行权重限制，将多出权重按比例分配至行业内其余股票上；

• 交易费用：双边千三；

• 交易设置：调仓日涨停股票不买入、跌停股票不卖出。

关于采用 稳健复合因子 （低波动、低估值、低换手、高股息4类因子等权合成）进行加权的同时限制行业与个股权重上限的具体做法，以下给出详细说明：

• 因子加权方法：

1、首先将 稳健复合因子 在截面上进行Z-Score标准化，使得因子均值为0、方差为1：

其中为截面上稳健复合因子值，和为均值和标准差。

2、将标准化后的稳健复合因子映射到正态分布的累积分布函数上：

其中 Φ 为正态分布的累积分布函数，即：

3、最后再进行截面归一化处理得到加权后的权重：

• 限制行业权重上限：

1、首先对每只股票计算其稳健复合因子，并将其映射到正态分布的累积分布上，我们记为 累积正态分布得分 ，取增强复合因子值排名前50的股票进行归一化计算权重，得到初始组合，我们记该组合的权重为 初始权重 ，将 初始权重 与 累积正态分布得分 的比值记为 权重得分比 ，并且将排名50名后未入选的股票使用其 累积正态分布得分乘以权重得分比得到理论权重 ，即该股票未来如入选组合后按累积正态分布得分等比例计算应当分得的权重；

2、若有行业占比超出15%，则在该行业中剔除增强复合因子值排名靠后的股票，再将该行业权重归一化至15%；

3、对于步骤2中限制行业上限后的多余权重，采用增强复合因子值排名50名后的股票（所属行业未超过15%权重上限）填充，填充权重为该股票的理论权重。

图21展示了限制行业权重上限的过程，选择按增强复合因子前50的股票构建最初组合后，发现行业A与行业B超过了15%的权重上限，我们将两行业超过上限排名靠后的股票剔除（如行业A排名前7的股票累计权重为14.5%，前8累计权重15.5%，则保留前8只股票），并将该行业权重归一化至15%。剔除后剩余8%的权重待分配，我们找出增强复合因子排名50名后（所属行业未超上限）的股票填充，权重采用股票的理论权重。

• 限制个股权重上限：

1、在各行业持仓的个股中，若有个股超出3%，则将其权重置为3%，多余的权重按比例分配至行业中的其余个股上；

2、若行业中所有个股均配置为3%但仍不能填充全部权重，则采用增强复合因子排名靠后的同行业个股填充，权重为股票的理论权重。

图22展示了限制个股权重上限的流程示例，在行业A中，仅有股票1超出3%的权重上限，我们将多余1%的权重分配至权重不足3%的股票3、4、5上，根据股票3、4、5各自的权重比例，多出权重的分配比例为2：2：1，即最终三只股票新分得的权重为0.4%、0.4%、0.2%，新分配权重后没有个股超出3%的上限。

在行业B中，股票1和股票2均超过了3%的权重上限，但我们发现将所有股票都分配为3%的权重后还余下1%的权重，为此我们在同行业中寻找增强复合因子排名靠后的股票5及股票6两只股票，其理论权重分别为0.8%与0.2%，均不超过3%，恰巧能够将行业B多出的1%的权重补全。

若股票5和股票6的理论权重分别为0.8%与0.5%，则将0.8%与0.5%的权重（总计1.3%）各自除以1.3，使其总和压缩至1%内，归一化后的权重保持股票5与股票6理论权重间的比例。

稳健精选组合构建完成后，我们将其与同类的稳健型指数中证红利全收益进行对比。图23展示了稳健精选组合与中证红利全收益指数的净值走势，稳健精选组合净值走势较为稳定，相对强弱走势也稳定增长。

表13展示了稳健精选组合与中证红利全收益以及红利低波100全收益指数的分年度绩效表现。 组合相对中证红利全收益与红利低波100全收益指数2012年以来每年均有正超额，全样本期超额分别为15.14%与13.17%。稳健精选组合最大回撤37.73%，低于中证红利全收益与红利低波100全收益指数。稳健精选组合创新高能力强，累计创新高天数为338天，在2012年以来3115个交易日中创新高率为10.85%， 而中证红利全收益与红利低波100全收益指数创新高率仅为4.24%、5.55%。

我们也将稳健精选组合与沪深300全收益、中证500全收益以及中证800全收益等更具代表性的宽基指数的分年度绩效进行对比，表14中可以看到稳健精选组合仅在2019-2020年没有跑赢宽基指数，在其余年份基本都能战胜宽基指数，年化超额约为20%。整体来看，稳健精选组合最大回撤显著低于主流宽基指数。

图24展示了稳健精选组合创新高日的分布与其滚动一年最大回撤的情况，组合创新高能力强，创新高日分布较为平均，基本每年都能创新高。组合2012年以来累计创新高天数为338天，在2012年以来的3115个交易日中，创新高率为10.85%。

我们也统计了稳健精选组合滚动1年的最大回撤表现，可以看到组合除在2015年股灾中回撤较大外，在其余大多数时间中滚动1年的最大回撤均能控制在15%以内。

近年来Smart Beta策略发展较快，策略通过透明的、基于规则或量化的方法，捕捉风险溢价、获取超额收益、分散组合风险。区别于一般以市值加权的指数，Smart Beta策略往往采用因子加权的方式，通过主动暴露在有一定选股能力的Alpha因子上获得超过基准指数的收益（Beta）。

当前Smart Beta主要有红利、低波、价值、质量、成长、动量等风格。各指数公司近来也积极布局Smart Beta赛道，就稳健型的低波风格指数而言，中证指数公司发布了红利低波类指数，国证指数也有大盘低波等以市值作为分类的低波指数。

中诚信指数公司于2022年1月10日发布中诚信防御型100指数，长期表现较为稳定优异，截至2024年10月31日防御型100全收益指数年化收益17.49%。中诚信防御型100指数基于高分红、低波动、低估值、低Beta、低流动性等5个方面，选择防御型较好的100只股票采用因子加权来构建指数，这里我们将策略与中诚信防御型100全收益指数进行对比。

图25展示了稳健精选组合与中诚信防御型100全收益指数的净值走势，稳健精选组合2012年以来大幅跑赢中诚信防御型100全收益指数。

表15展示了稳健精选组合与中诚信防御型100全收益指数的分年度绩效表现，组合除2015年外均能跑赢中诚信防御型100全收益指数，全样本期年化超额9.04%。组合夏普比1.24，除2015年外均高于防御型100全收益指数。稳健精选组合最大回撤整体低于防御型100全收益指数。组合累计创新高天数338日，高于中诚信防御型100全收益指数265日的创新高天数。

本部分我们对稳健精选组合的持股特征进行分析。图26展示了稳健精选组合每期的持股数量。由于个股上限、行业上限的约束及涨跌停交易限制的约束，每期持股数量略微有些差异，各期持股数量在50-70只之间，均值为56只。

图27展示了稳健精选组合持股市值中位数，组合每期持股市值中位数的均值为244亿元。

图28展示了稳健精选组合在风格因子上的暴露情况。相对中证800，稳健精选组合持仓更偏向高股息、低估值、低换手、低Beta风格，相对中证红利指数，稳健精选组合除保持低估值、低波动、低换手、低Beta的风格外，还相比中证红利指数更偏向高成长、高杠杆率等风格。

图29与图30展示了稳健精选组合月度换手率与各月份换手率均值的情况。全样本区间内，组合单次调仓的平均单边换手为35%，年均单边换手4.2倍。分月度来看，由于4、8、10三个月为财报公布期，故此3个月换手率相对较高，其余月份换手率水平相对较低。

图31展示了稳健精选组合在中信一级行业上的权重分布，组合在银行、电力公用事业、交通运输、房地产、汽车、煤炭等板块分布较高。

由于稳健精选组合在中证800与中证1000成分股的并集中选样，我们在图32中展示了稳健精选组合在沪深300、中证500和中证1000成分股上的权重分布。总体来看组合平均有50%的权重属于沪深300成分股，在中证500成分股上平均权重分布为33%，在中证1000上平均权重分布为17%。

图33展示了稳健精选组合的分年度股息率情况。全样本期股息率均值为4.26%，偏高股息风格。近3年股息率维持在历史高位，2022年组合股息率高达6%。

图34展示了稳健精选组合资金容量情况，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。组合平均单日最大买入金额为5.73亿元。

高收益是否一定意味着高波动？

观察全球资本市场代表性股票指数近30年来的表现，长期收益较高的指数其波动未必高。在A股市场也有相应的结论，价值风格的公募基金经历一轮牛熊周期后收益并不输于成长风格基金。

什么样的基金能为基民带来更高回报？

投资者能否从基金净值增长中获利： 基金净值的增长与基民真实收益之间可能存在差异，我们构建基民真实收益指标衡量基民实际的投资收益，总体来看基民真实收益的增长落后于基金净值的增长。

基民真实收益能够衡量基民持有体验： 从基民收益损益、最大回撤、累计创新高天数、净值波动等角度衡量基民持有体验，发现基民真实收益越高的基金其基民持有体验感越好。

高基民真实收益基金的持股特征： 基民真实收益高的基金具有低波动、低估值、低换手、高股息的持股特征。

如何寻找股价稳健增长的公司？

借鉴“低波动异象”与高真实收益基金的持股特征，我们发现低波动、低估值、低换手、高股息这4类因子在A股市场具备一定选股能力。

稳健股票池构建

以低波动、低估值、低换手、高股息这4类因子合成为稳健复合因子，构建稳健股票池。总体来看股票池净值增长稳定，年化收益13.81%，相对同期中证800全收益指数年化超额7.31%，回撤与波动低于中证800全收益，创新高能力强；股票池相对中证红利全收益指数也有一定的超额。

稳健精选组合

因子增强： 采用动量、成长、分析师预期、股息率、高频等因子复合打分，对稳健股票池进行增强。增强复合因子月度RankIC均值为7.83%，年化RankICIR为1.64，多头月均超额收益0.84%，空头月均超额收益-0.81%。

组合构建与绩效： 稳健精选组合月末调仓，选择增强复合因子排名靠前的股票，采用稳健复合因子加权，限制行业权重上限15%、个股权重上限3%。稳健精选组合2012年以来年化收益26.53%，每年都能战胜中证红利全收益指数与红利低波100全收益指数，年化超额分别为15.14%、13.17%；组合创新高能力强，2012年以来累计创新高天数338天，创新高率10.85%。此外，稳健精选组合基本每年都能战胜中诚信防御100全收益指数，2012年以来年化超额达9.04%。

组合特征： 稳健精选组合每期平均持股数量为56只，在风格上更偏向于高股息、低估值、低Beta、低换手、低波动风格，平均股息率为4.26%。组合在银行、电力公用事业、交通运输、房地产、汽车等行业持仓较高。

基民简单资金收益率（Ret_simple） ：基民在一段区间的总收益除以基民在此区间投入的总成本：

其中 Nav_0 为期初资产净值，Nav_n 为期末资产净值，SUB 为区间总申购金额，RED 为区间总赎回金额，DIV 为分红总额。

该指标由于基金的申赎金额只在半年报和年报中披露，因而该方法的计算频率是半年频。若想提高至季频计算，可采用“基金申购/赎回份额×区间平均净值”的方法估算申赎金额。

基民内部收益率（Ret_irr） ：该指标的思想是将基金作为一个投资项目，在一段区间内，基民首先投入与基金资产净值等额的现金流；基民在区间中的赎回（申购）作为项目中途获得的收益（继续投入的金额），此外基金在区间里的分红也需纳入考虑；在期末基民获得与基金期末资产净值相同的现金流。基民内部收益率（Ret_irr）即为基民总体流入金额与流出金额相等时的内部折现率。即：

基民内部收益率（Ret_irr）计算的关键是对于净赎回金额 Ct 的估计，常见的估计方法为：

其中 Nav_t 为时间 t 的净值，r 为基金的复权净值收益率；

其中 RED_SHARE 为总赎回份额（季报披露），SUB_SHARE 为总申购份额（季报披露）， 为区间 t 基金的平均净值，DIV 为分红总额；

其中 RED 为基金中报、年报披露的赎回金额，SUB 为同期披露的申购金额，DIV 为分红总额。

上述三种计算方法中，前两种方法得到的是季频的，第三种是半年频的。

加权平均净值利润率（Ret_weighted） ：基金年报、中报披露的指标，定义为基金区间净利润除以基金区间平均净值。该指标分子可视作投资者取得的收益，分母为投资者区间的平均成本。具体的计算公式为：

其中 P 为基金报告期净利润，n 为报告期内所含交易天数，i 为报告期内的第 i 个交易日，Nav_0 为期初资产净值，ΔNav 为前后交易日基金净值变动。对于加权平均净值利润率的分母，可将其拆解为：

期初资产净值+每日基金净申购额的时间加权和+每日基金收益的时间加权和

因而该指标也考虑了申购赎回对于基民收益的影响。

指标计算时采用日度净值计算，在基金年报、中报中定期公布。

总体来看，相比基金净值增长，三个指标均考虑了基民的交易行为对于基民真实收益的影响，互有优劣：

• 投资者简单收益率（Ret_simple） ：较易理解，能够代表基民整体的收益，结果也较为直观，但其将一定区间内现金流简单相加，未能考虑到时间成本。

• 投资者内部收益率（Ret_irr） ：在简单收益率的基础上考虑了时间成本，其计算较为复杂，可获得性弱，但同时由于考虑了时间成本，在对较长周期的收益计算时结果与基民的体感收益有一定差异。

• 加权平均净值利润率（Ret_weighted） ：基金年报、中报公布的数据，其数据可获得性较强，且基金年报数据均经过基金公司开放式基金登记过户（TA）系统计算，并经托管银行复核，因而准确性、可靠性和稳定性都有保障。该指标与另两个指标主要差异在于分母加入了基金收益的影响，当基金收益增加时，该指标会得到更低的结果。