广发宏观：高分红策略的宏观逻辑与择时体系

报告摘要

第二，本轮周期中，红利资产的占优来自三个因素的共振：一是22-23年海外无风险利率中枢显著上移，“长久期、高波动”资产估值受压。中证红利指数隐含久期相对最短（2005年至今平均为13.2年；作为对比，万得全A为17.2年，TMT指数为18.7年） 。且自疫情以来，仅有中证红利指数的隐含久期持续缩短至12.5年，其余基本保持稳定。此外，从滚动60天的历史波动率来看，红利指数还具有“低波”特征。交易红利资产的本质是市场在交易和寻找“短久期、低波动”品种。二是由于名义增长中枢走低，中债利率中枢下行，红利资产的股息收益“类债”稳定却收益更高，对资金配置需求具有较强吸引力。股债息差在2021-2023年已上升至3.3% ；与此同时，红利指数与万得全A的相关性中枢则下降至0.63。三是本轮地产产业链调整的过程中，金融市场风险偏好一度下降，A股权风险溢价（ERP）与中证红利相对收益、绝对收益的相关性中枢均由负转正，前者提升至+0.63，后者提升至+0.4，提示本轮与过往发生了机制转换，市场对红利资产“确定性”的交易成分有明显提升。在前期报告《2023年权益行业表现的宏观和中观线索》，我们亦对此有过分析。

第三，如何看下一阶段？我们基于全球无风险利率、内外利差、国内经济基本面、风险偏好、赔率（估值）、拥挤度等六个维度，构建了一个红利资产的择时体系。（ 1 ）全球无风险利率与红利指数相对收益的正相关性最为稳定。 2020 年以来相关系数从 0.65 上升至 0.86 。（ 2 ）从历史复盘看，国内利率与高分红策略的关系相对复杂，并非单边。国内利率下行期高分红策略跑赢概率整体并不算高。我们理解这背后的逻辑是，如果利率下行背后是流动性宽松，且能够带动经济企稳预期，则红利资产并不占优。“利率下行期会凸显红利资产的吸引力”所需要的一个条件是是利率下行短期内尚未形成“流动性充裕→信用扩张→经济周期上行”的正反馈，“增长中枢下沉 - 资产回报率下行”的预期仍占据定价主导。从时间维度上看，样本缩短到 2020 年之后，中债利率和高分红资产才呈现出较高的负相关性。国内利率作为一个择时信号虽然不稳定，但其经济学和金融学意义是比较重要的。折中之下我们选择中美利差，而不是单纯的国内利率作为择时指标，其在 2016 年之后和红利资产的负相关性相对稳定。（ 3 ）关于国内基本面，我们兼顾货币、增长、价格三维周期，选择前期报告《 M1 、 BCI 、 PPI 与宏观择时》中 M1 、 BCI 、 PPI 合成的综合指标作为择时指标。该指标走弱时段与红利相对收益占优时段基本吻合。（ 4 ） A 股股权风险溢价是另一个影响因素，风险偏好下移能放大红利资产相对 A 股的“防御优势”。（ 5 ）我们基于赔率视角构建红利资产相对 A 股常规板块的性价比指标，考虑到红利指数的高分红特点，当红利股息率高于常规板块 +1.5 倍标准差以上，才视为红利资产估值较低，具有性价比。（ 6 ）交易层面，我们利用“红利指数成交额占全 A 成交额比重”作为红利指数拥挤度的指标。

第四，从中长期来看，高质量发展框架下，高分红择时体系中的国内基本面因子（ M1 、 BCI 、 PPI 周期成分）的特征可能会有所变化，红利资产的长期配置意义会有所提升。（ 1 ）经济增长不单纯追求速度，产业基础现代化、产业链现代化为代表的高质量发展成为了重要的政策目标；（ 2 ）制造业强国的背景下，制造业供给能力会进一步偏强，供给低于需求的情况更少出现，对工业价格弹性存在影响；（ 3 ）中央金融工作会议指出，“始终保持货币政策的稳健性”，增量稳健、盘活存量的背景下，货币周期的总量弹性可能会整体偏温和；（ 4 ）金融高质量发展的线索下，金融市场逐渐更直接服务于科技创新、绿色发展等战略领域，“直达实体”的货币政策工具促使投放更趋精准，信贷脉冲的杠杆效应下降。高杠杆金融产品收益率作为机会成本推高股市风险偏好的过程也会有所弱化。

第五，如何评估六维信号的合力？我们尝 试将六维择时指标进行合成。方法一是将六大信号等而视之，直接求和加总；方法二是将六大信号与中证红利指数的滚动 36 个月相关系数作为权重进行加权汇总；方法三是将六大信号与中证红利指数回归，将回归系数作为权重进行信号加权。 由于不同择时指标与中证红利之间的关系存在时变性，我们将数据进行了区制识别（ regime switching ）。

第六，结果显示，就 2014 年以来全区间收益而言，无论何种合成方式，高分红择时策略均能获得相较于万得全 A 的超额收益。其中，依据模型系数加权汇总的择时信号，可以自 2014 年以来获得 9% 左右的年化收益率，胜率 73.03% ，夏普比率为 0.39 。全收益视角年化收益率约为 10%~11% 。最新信号方面， 2024 年 1 月 15 日 -2 月 14 日的仓位信号为 +0.38 。虽然信号为正，提示红利指数仍存在吸引力，但信号已较 10-11 月进一步走弱（ +0.95 、 +0.75 ）。

第七，简单总结，过去两年中全球无风险利率上行冲击长久期资产；地产产业链调整背景下风险偏好下移，市场对于稳定收益的需求增加；而又恰逢中债利率中枢下移，中长期配置需求存在缺口，导致“资产荒”效应进一步放大，三大合力引致了市场对“短久期、低波动”为特征的红利资产的持续追逐。展望后续，高质量发展阶段，红利资产的配置意义较上一轮周期有所提升，但高分红策略并不是传统意义上的长效策略。高分红策略的择时特征大概率会依旧存在，我们的“六维度择时体系”可以当作一个监测框架。

报告简版

第一

自2021年开始，高分红策略相对万得全A指数已连续三年有超额收益。这一特征在未来能否延续？我们有两点认识：一是从历史上看，红利资产一样需要择时。2011年以来的十余年内，中证红利指数共有32个时间段跑赢万得全A；二是本轮周期中，确实有一些新的宏微观因素出现，红利资产的配置意义较前期有所提升。在本篇报告中，我们尝试对高分红策略的宏观逻辑与择时体系进行探讨。

从经验规律看，过往高股息策略并不是一个完全不需要择时的长效策略。在2011年以来的十余年内，中证红利指数共有32个时间段跑赢万得全A，而其中有21个时段为万得全A处于调整期。若不考虑红利再投资，在9次“市场底”出现后，中证红利的相对收益都出现了明显走弱。此外，从单边HP二次滤波剥离的指数周期成分看，中证红利指数的超额收益呈现明显的“均值回归”规律。因此，从战术上来说，红利资产仍需要择时。

但战略上，红利资产的中长期配置价值可能在提升。在名义增长、长端利率中枢逐步下移过程中，红利资产的分红再投资收益成为了“资产荒”时代一份稳定的收益来源。以日本经验为例，20世纪90年代后，日本高股息指数持续长期跑赢日经225指数。剥离中证红利的贡献度来看，自2011年以来，分红再投资贡献了103.2%，资本利得贡献了62.6%，前者是后者的1.65倍。[1]2019年后，红利再投资的贡献开始稳定超过资本利得。

第二

本轮周期中，红利资产的占优来自三个因素的共振：一是22-23年海外无风险利率中枢显著上移，“长久期、高波动”资产估值受压。中证红利指数隐含久期相对最短（2005年至今平均为13.2年；作为对比，万得全A为17.2年，TMT指数为18.7年）。且自疫情以来，仅有中证红利指数的隐含久期持续缩短至12.5年，其余基本保持稳定。此外，从滚动60天的历史波动率来看，红利指数还具有“低波”特征。交易红利资产的本质是市场在交易和寻找“短久期、低波动”品种。二是由于名义增长中枢走低，中债利率中枢下行，红利资产的股息收益“类债”稳定却收益更高，对资金配置需求具有较强吸引力。股债息差在2021-2023年已上升至3.3%；与此同时，红利指数与万得全A的相关性中枢则下降至0.63。三是本轮地产产业链调整的过程中，金融市场风险偏好一度下降，A股权风险溢价（ERP）与中证红利相对收益、绝对收益的相关性中枢均由负转正，前者提升至+0.63，后者提升至+0.4，提示本轮与过往发生了机制转换，市场对红利资产“确定性”的交易成分有明显提升。在前期报告《2023年权益行业表现的宏观和中观线索》，我们亦对此有过分析。

第一，22-23年，美债利率上行与红利指数相对收益呈强正相关。我们理解这主要因为海外无风险利率较快上行过程中，“长久期、高波动”资产估值受压，而红利资产相反，派发确定分红，与现金较为相近，具有明显的“短久期、低波动”特征，受美债冲击较小。

权益隐含久期方面，我们将债券久期概念引入A股市场，剥离了各类权益指数的隐含久期。结果发现，2005年至今，TMT指数的隐含久期最高，平均久期在18.7年，其次是万得全A，平均为17.2年。而同样的估算方式下，中证红利指数、中特估的隐含久期仅有13.2年、13.6年，明显小于万得全A与TMT指数。并且2020年疫情以来，红利资产的隐含久期进一步缩短至12.5年，万得全A则仍基本上维持在18年附近。

波动率方面，通过对比各类指数滚动60天的历史波动率，可以看到中证红利指数的波动明显低于沪深300、中证1000。特别是2023Q3，在美债利率快速上行的影响下，沪深300、中证1000波动率明显抬升，但中证红利指数、红利低波指数波动不升反降。

第二，22-23年，中债利率下行与红利指数相对收益呈强负相关。稳定的股息类似于债券票息。本轮利率下移过程中，相比其他资产，红利资产的比较优势凸显。股债息差角度看，中证红利股息率与10年国债的息差在2018-2020年平均还只有1.26%，而在2021-2023年已经上升至3.3%。与万得全A比较看，万得全A与红利指数的相关性中枢，在2021-2023年明显走弱，仅为0.63，而在2008-2013年两者平均相关性为0.97,2014-2020年平均相关性也有0.89。

第三，22-23年，地产产业链处于持续调整过程，微观主体风险偏好下降。相对收益视角，本轮红利指数占优时段与地产债指数调整时段、万得全A股权风险溢价（ERP）抬升时段高度吻合。2020年以来，股权风险溢价水平与中证红利相对收益、绝对收益的相关性中枢均由负转正，前者提升至+0.63，后者提升至+0.4，提示本轮与过往发生了机制转换，风险偏好下降过程中，市场对红利资产“确定性”的交易成分有明显提升。

第三

如何看下一阶段？我们基于全球无风险利率、内外利差、国内经济基本面、风险偏好、赔率（估值）、拥挤度等六个维度，构建了一个红利资产的择时体系。（1）全球无风险利率与红利指数相对收益的正相关性最为稳定。2020年以来相关系数从0.65上升至0.86。（2）从历史复盘看，国内利率与高分红策略的关系相对复杂，并非单边。国内利率下行期高分红策略跑赢概率整体并不算高。我们理解这背后的逻辑是，如果利率下行背后是流动性宽松，且能够带动经济企稳预期，则红利资产并不占优。“利率下行期会凸显红利资产的吸引力”所需要的一个条件是是利率下行短期内尚未形成“流动性充裕→信用扩张→经济周期上行”的正反馈，“增长中枢下沉-资产回报率下行”的预期仍占据定价主导。从时间维度上看，样本缩短到2020年之后，中债利率和高分红资产才呈现出较高的负相关性。国内利率作为一个择时信号虽然不稳定，但其经济学和金融学意义是比较重要的。折中之下我们选择中美利差，而不是单纯的国内利率作为择时指标，其在2016年之后和红利资产的负相关性相对稳定。（3）关于国内基本面，我们兼顾货币、增长、价格三维周期，选择前期报告《M1、BCI、PPI与宏观择时》中M1、BCI、PPI合成的综合指标作为择时指标。该指标走弱时段与红利相对收益占优时段基本吻合。（4）A股股权风险溢价是另一个影响因素，风险偏好下移能放大红利资产相对A股的“防御优势”。（5）我们基于赔率视角构建红利资产相对A股常规板块的性价比指标，考虑到红利指数的高分红特点，当红利股息率高于常规板块+1.5倍标准差以上，才视为红利资产估值较低，具有性价比。（6）交易层面，我们利用“红利指数成交额占全A成交额比重”作为红利指数拥挤度的指标。

第一，美债利率作为全球风险资产锚，主要通过贴现率从分母端对国内市场产生影响，传导路径相对确定和单一。因此，通过相关性检验和单变量回归模型检验均可发现，美债名义利率、实际利率与红利指数相对收益的正相关性最为稳定。2020年以来进一步强化，美债名义利率与红利相对收益的相关系数从0.65上升至0.86，美债实际利率则从0.7上升至0.83。

第二，复盘看，单一国债利率与红利指数的关系并不稳定，国内利率下行期，高分红跑赢概率并不高。从时段统计看，即便是10年期国债利率上行期，红利指数仍有可能占优，比如2012-13年、2016-17年以及20-23年的部分时段。从相关性统计看，若以2010年、2016年为起点，中债利率与红利指数相对收益的相关性分别为0.22、0.29，只有当样本期缩短为2020年至今，两者才呈现-0.72的负相关关系。国内国债利率虽然有资产回报率的锚定作用，下行期会凸显出红利资产的吸引力，但这一推演所需要的一个条件是是利率下行短期内尚未形成“流动性充裕→信用扩张→经济周期上行”的正反馈，“增长中枢下沉-资产回报率下行”的预期仍占据定价主导。因为国内利率是增长和流动性的综合结果，同时影响权益定价的分子分母，与美债利率不同。因此如果利率下行背后是流动性宽松和经济企稳的环境，则红利资产并不占优。而利率下行伴随经济较长时间偏弱，则红利资产更容易因为股息优势占优。相反，如果利率上行伴随着经济仍偏弱或流动性尚处于紧缩周期，则红利资产占优，一是对未来经济预期持续偏弱定价，比如2012-13年，二是对流动性带来的估值压力定价，红利资产相对承压较小，比如2013、2017年。可以佐证的是，2014年，利率仍进一步抬升，但流动性转向，基本面企稳，红利资产的优势也快速消弥；2018流动性转松，但实体去杠杆，经济仍偏弱，利率下行与红利占优同时发生；2019年流动性维持宽松但经济企稳回升，虽然利率仍震荡下行，但红利资产优势也快速减弱。国内利率作为一个择时信号虽然不稳定，但其经济学和金融学意义是比较重要的。中美利差相当于是用美债利率作为基准调整后的中债利率，是两国经济政策的综合比较指标，能边际上敏感地反映国内经济周期强弱。折中之下我们选择中美利差，而不是单纯的国内利率作为择时指标，其在2016年之后和红利资产的负相关性相对稳定。

第三，国内基本面指标应兼顾货币活化、增长、价格三维周期，我们选择了用单边HP二次滤波过滤的M1、BCI、PPI周期信号合成的综合指标。从历史走势来看，综合指标与红利指数相对收益呈现负相关关系，当有效需求不足，经济周期尚未处于明确上行阶段，红利资产相对万得全A具有超额收益。22-23年，三维综合指标边际走弱时段与红利相对收益占优时段基本吻合。

第四，风险偏好的整体下移，会强化对红利资产的稳定收益的需求。2016年以来，万得全A的ERP与红利资产相对收益呈现稳定正相关性。

第五，红利择时也需兼顾红利资产的价格空间、性价比等。从赔率角度，将“中证红利的股息率与万得全A（除金融和石油石化）的股息率的差值”作为红利资产相对A股常规板块的超额收益率。2020年之后，这一差值快速提升，说明红利指数不仅具有股息优势，还因为低估值，性价比相对万得全A较高。进一步以滚动36个月的±1倍、±2倍标准差作为评价这一性价比指标高低的标准。若超过+1.5倍标准差，则认为当前中证红利相对于万得全A具有性价比。而鉴于红利指数本身的高分红特点，我们认为只要性价比未触及至+1.5倍标准差，红利指数的赔率就尚未触及持仓做多的信号。

第六，交易拥挤度层面，利用“红利指数成交额占全A成交额比重”，来判断下一阶段红利指数是否仍值得追涨。并且选择相对谨慎的方案，如果观察到滚动36个月的拥挤度水位大于均值，即认为当前拥挤度视角并不适合持有红利指数。

第四

从中长期来看，高质量发展框架下，高分红择时体系中的国内基本面因子（M1、BCI、PPI周期成分）的特征可能会有所变化，红利资产的长期配置意义会有所提升。（1）经济增长不单纯追求速度，产业基础现代化、产业链现代化为代表的高质量发展成为了重要的政策目标；（2）制造业强国的背景下，制造业供给能力会进一步偏强，供给低于需求的情况更少出现，对工业价格弹性存在影响；（3）中央金融工作会议指出，“始终保持货币政策的稳健性”，增量稳健、盘活存量的背景下，货币周期的总量弹性可能会整体偏温和；（4）金融高质量发展的线索下，金融市场逐渐更直接服务于科技创新、绿色发展等战略领域，“直达实体”的货币政策工具促使投放更趋精准，信贷脉冲的杠杆效应下降。高杠杆金融产品收益率作为机会成本推高股市风险偏好的过程也会有所弱化。

择时体系中的国内基本面（M1、BCI、PPI周期成分）等指标能反映短周期和中长周期宏观预期的耦合度。当前国内经济已由高速增长阶段转向高质量发展阶段转变，中长期因素的定价权日渐重要，国内基本面（M1、BCI、PPI周期成分）的择时重要性也将有所上升，红利资产的中长期配置价值凸显。

在高质量发展框架下，经济维度，经济不再单纯追求速度的增长，而是更加注重质量和效益的提升，推动经济结构的优化升级，产业基础现代化、产业链现代化为成为了重要的政策目标。制造业供给能力将持续偏强，全社会层面供小于求的情形在未来将会更少出现，对工业价格弹性存在影响

金融维度，一则总量层面，中央金融工作会议指出“始终保持货币政策的稳健性”、“货币供应量同经济增长和价格水平预期目标相匹配”，23年12月8日的政治局会议又指出，“稳健的货币政策要灵活适度、精准有效”，意味着高质量发展阶段，货币活化度（M1）、以及通胀周期（PPI）的弹性会较上一轮周期更显温和，结构优化是政策重点。二则结构层面，高质量发展的线索下，信贷政策、金融市场都将更有效地对接战略领域，比如科技创新、绿色发展，从而信贷脉冲的杠杆效应有所下降。高杠杆金融产品收益率作为机会成本推高股市风险偏好的过程也会有所弱化。

第五

如何评估六维信号的合力？我们尝试将六维择时指标进行合成。方法一是将六大信号等而视之，直接求和加总；方法二是将六大信号与中证红利指数的滚动36个月相关系数作为权重进行加权汇总；方法三是将六大信号与中证红利指数回归，将回归系数作为权重进行信号加权。由于不同择时指标与中证红利之间的关系存在时变性，我们将数据进行了区制识别（regime switching）。

一种简便直观的合成方式，是将关键的六维度择时指标进行等权加总。我们先判断每一类择时指标对红利资产择时的信号提示方向，再考察环比变动进行赋值求和。

进一步，考虑到六维度择时指标对红利资产的信号本身就有强弱之分，我们进行了加权探索。一个思路是用择时指标与中证红利的相关系数进行加权，相关性强的指标释放的择时信号理应被赋予更高的值。为了避免“未来数据”问题，我们将每个择时指标与中证红利指数滚动36个月的相关系数作为权重进行信号加权。

另一种加权思路是通过将择时指标与中证红利指数进行回归，将回归系数作为权重进行信号加权。但由于不同择时指标与中证红利之间的关系存在时变性，我们将数据进行了区制识别（regime switching），发现2006年以来，择时指标与中证红利之间的关系确实存在不同的区制反应。特别是2020年之后，区制一发生的概率稳定在0.6以上，而区制二发生的概率稳定在0.4以下。

第六

结果显示，就2014年以来全区间收益而言，无论何种合成方式，高分红择时策略均能获得相较于万得全A的超额收益。其中，依据模型系数加权汇总的择时信号，可以自2014年以来获得9%左右的年化收益率，胜率73.03%，夏普比率为0.39。全收益视角年化收益率约为10%~11%。最新信号方面，2024年1月15日-2月14日的仓位信号为+0.38。虽然信号为正，提示红利指数仍存在吸引力，但信号已较10-11月进一步走弱（+0.95、+0.75）。

择时方案处理上，为了避免使用未来数据，我们每个月的择时信号所用数据，是本月中最新公布的上月数据。为了避免择时信号单月波动较大，存在部分噪音干扰，将加总后信号序列再取6个月移动平均。

仓位设置也分两种视角，一则为“0-1仓位设置”：直接将正向择时信号处理为满仓（100%）持有中证红利指数，负向择时信号处理为持有万得全A；二则为“滚动仓位设置”：根据择时信号的强度，以每个时点过去36个月为窗口期，将择时信号的大小进行归一化处理，等比例映射到中证红利指数的持仓比重P。

等权合成六维择时指标的方案2014年以来获得年化约7%的收益，考虑股利再投资收益，年化收益率约为9%。全收益视角，较万得全A最高的超额收益为50%。该方案胜率为71.77%，夏普比率为0.28。最新信号方面，2024年1月15日-2月14日的仓位信号是使用23年12月的择时信号，为+1.78，择时信号为正，提示继续持有红利指数；但23年10-11月的择时信号分别是+3.3、+2.7，提示红利指数2023.10.15-2024.01.14的持有仓位分别为82%、71%、57%。当前披露的数据合成的24年1月择时信号为+0.66，提示2024.02.15-2024.03.14红利指数的持仓仍为正，但持有比重将会进一步下降。

利用滚动36个月相关系数加权合成的择时方案2014年以来获得年化约7%~8%的收益，若考虑股利再投资收益，年化收益率约为9%~10%。全收益视角，较万得全A最高的超额收益为68%。该方案胜率为66.66%，夏普比率为0.33。最新信号方面，2024年1月15日-2月14日的仓位信号为+2.17，同样提示继续持有红利指数；23年10-11月的信号分别是+3.5、+2.94，提示红利指数2023.10.15-2024.01.14的持有仓位分别为100%、89%、74%。24年1月择时信号为+1.34，同样提示下一个月红利持仓仍建议为正，但持有比重进一步下降。

利用区制转换模型定权合成的择时方案2014年以来获得年化约8%~9%的收益，若考虑股利再投资收益，年化收益率约为10%~11%。全收益视角，较万得全A最高的超额收益为74%。该方案胜率为73.03%，夏普比率为0.39。最新信号方面，2024年1月15日-2月14日的仓位信号为+0.38。虽然信号为正，提示继续持有红利指数，但已较10-11月进一步走弱，10月、11月+0.95、+0.75，提示红利指数2023.10.15-2024.01.14的持有仓位分别为98.6%、84.4%、59.4%。并且当前披露的数据合成的24年1月择时信号为-0.002，提示2024.2.15-2024.3.14应持有万得全A。

第七

简单总结，过去两年中全球无风险利率上行冲击长久期资产；地产产业链调整背景下风险偏好下移，市场对于稳定收益的需求增加；而又恰逢中债利率中枢下移，中长期配置需求存在缺口，导致“资产荒”效应进一步放大，三大合力引致了市场对“短久期、低波动”为特征的红利资产的持续追逐。展望后续，高质量发展阶段，红利资产的配置意义较上一轮周期有所提升，但高分红策略并不是传统意义上的长效策略。高分红策略的择时特征大概率会依旧存在，我们的“六维度择时体系”可以当作一个监测框架。

风险提示：一是国内财政货币政策超预期或不及预期，经济基本面出现超预期变化，使得利用历史经验数据得到的规律性结论出现偏差；二是建模时序较短，而基于较少样本量的推演可能出现误判；三是高股息个股出现超预期波动，历史波动率和收益情况代表意义有限。

目录

正文

PART1

“高分红”策略的再思考：战术与战略的交叠

自2021年开始，高分红策略相对万得全A的超额收益已持续三年有余。站在当下，对红利资产后续趋势的讨论已出现了一些不同的声音。

一则认为高股息策略持续已臻三年，股息率在股价上涨的带动下性价比已有下降，叠加资金拥挤，此时的尾部风险同样需要提防；

二则认为高股息仅是资金的“暂时避风港”，在市场信心不足时具有防御价值，而一旦后续“市场底”出现，高股息策略也通常会跑输大盘；

三则认为红利资产存在稳定的分红收益，在长期利率中枢下行的宏观背景下，高股息策略将会长期有效，并不需要进行择时。

以上三种观点，本质上是从短期交易视角、短周期历史规律以及中长期经济视角来解释本轮红利行情的超预期表现。而我们认为，本轮之所以与过往不同，正是因为适逢了这三个维度因素的共振。换言之，不论是单纯的短期因素（防御属性抑或资金性价比），还是单纯的长期资金配置需求都不足以完全解释近年来市场对这一类资产的追逐。

相应地，对于后续的持续性，我们同样认为短周期内红利资产仍需要择时，并不是传统意义的长效策略；但由于当前短期和长期因素交织，即便短周期内性价比等因素回落，但拉长视角，红利资产的配置意义较上一时代将有一定提升。

（一）战术：短期仍需择时

短周期，红利资产仍需要择时。从经验规律看，过往高股息策略的确并不是一个长效策略。在2011年以来的十余年内，中证红利指数共有32个时间段跑赢万得全A，其中有21个时段为万得全A调整，而红利指数或跌幅更小，或逆势上涨，占比66%。并且，若不考虑红利再投资，在9次“市场底”出现后，中证红利的相对收益都会出现明显走弱。

再 次，我们还利用单边HP滤波过滤中证红利相对万得全A的超额收益，结果表明，剥离 趋势以及短期噪音后的超额收益周期成分呈现明显的“均值回归”规律。

（二）战略：长期配置价值提升

中长期，红利资产的配置价值提升。当前国内经济正处于新旧动能的转换阶段，伴随着国内经济增长中枢换挡，以“名义增长”为锚的长端利率中枢也将有所下移。而这一大背景下，红利资产的分红再投资收益成为了稳定的收益来源，性价比较经济高速增长期明显提升，长期配置价值凸显。

以日本的经验为例，日本高股息指数自90年代后持续长期跑赢日经225指数，与此同时，日本股息率也长期高于日本国债利率。

从贡献度来看，自20 11年以来，中证红利全收益指数涨幅165.8%，其中分红再投资贡献了103.2%，资本利得贡献了62.6%，前者是后者的1.65倍[1]。2019年后，红利再投资的贡献开始稳定超过资本利得。

PART2

23年的同与不同：“红利占优”来自长短期因素共振

（一）美债上行，红利交易本质是交易“短久期、低波动”

美债利率作为海外无风险利率是全球风险资产的定价锚，若出现中枢上移，理论上将从分母端贴现率角度对国内A股市场形成估值冲击，而利率敏感型的行业受冲击尤为明显。在前期报告《未来美债收益率若下行有利于哪些行业定价》中，我们测算，当美债利率进入快速上行周期，对国内成长、消费，特别是大盘成长风格的压制最为明显，22-23年美债利率不但中枢上移，并且处于快速上行通道中。

而与此同时，我们看到红利指数的相对收益与美债上行呈现较强的正相关性。由于这类资产的特点是盈利稳定，派发确定分红，与现金较为相近，属于对利率相对脱敏的“短久期、低波动”品种，受美债冲击影响较小。

“利率敏感性”在固定收益领域常用“债券久期”来进行分析，衡量的是债券价格对到期收益率R的敏感度。我们将这一概念引申至A股市场，参考Dechow， Sloan， Soliman（2004）[1]将权益久期分解为有限期与无限期的处理方式，并进一步通过财务报表数据，预测有限期内的股权增长率(g)以及净资产收益率(ROE)。过程中，我们借鉴文献方法，将两者均建模为AR(1)过程。最后得到了A股各类股指的隐含久期。

结果发现，在“有限期久期为10年、无限期久期对应为19.3年（T+(1+r)/r）”的前提下，2005年至今，TMT指数的隐含久期最高，平均久期在18.7年，其次是万得全A，平均为17.2年。而同样方式下，中证红利指数、中特估的隐含久期仅有13.2年、13.6年，明显小于万得全A与TMT指数。

并且疫情以来，红利资产的隐含久期缩短至12.5年，中特估整体维持在14年附近，万得全A则仍基本上在18年附近，红利资产久期与万得全A的差距进一步扩大至5.5年。上一轮红利资产的短久期特征如此明显是在2011-2013年，彼时两者差距也在4.3~5.5年左右。

此外，即便中特估的久期近年略有扩大，但红利资产的久期仍在持续降低。综合比较，四类指数的久期由短至长分别为：中证红利（12.5年）、中特估（13.6年）、万得全A（18.1年）、TMT（19.0年）。

除了短久期特征之外，红利资产的另一大特点——低波动，也是其在美债快速上行中表现较好的原因。外资以美债作为资金成本，美债上行时，传统波动大的板块也会对资金的流出更为敏感。对比各类指数滚动60天的历史波动率，可以看到中证红利指数的波动明显低于沪深300、中证1000。特别是在2023年三季度，在美债利率快速上行的影响下，沪深300、中证1000波动率明显抬升，但中证红利指数、红利低波指数波动不升反降。

（二）中债下行，“类债属性”增添性价比吸引力

除了短久期、低波动的特性以外，高分红策略的收益来源具有“类债属性”，稳定的股息类似于债券票息。这一比较优势在本轮中有所强化，一则体现在本轮红利走势与中债利率的强负相关性，二则体现在股债息差明显上台阶，三则体现在万得全A与红利指数的相关性明显转弱。

第一，2021年以来，10年期国债利率整体处于下行趋势，利率下行已至2.5%附近；理财收益率（以余额宝7天年化收益率为例）也下行至2.01%附近。而相比之下，具有“类债属性”的中证红利5.8%~6.5%。中证红利指数的走高与中债利率的下行呈现强负相关关系。

第二，中证红利股息率与10年国债的息差在2018-2020年平均还只有1.26%，而在2021-2023年已经上升至3.3%[4]。即便我们将10年期国债利率进行中枢调整，仍发现股债息差处于较高水平，这对于长期配置资金具有吸引力。

第三，我们采用滚动12个月、24个月、36个月、60个月作为窗口期测算万得全A与红利指数的相关性系数，发现两者相关性中枢在2021-2023年明显走弱，仅为0.63，而在2008-2013年两者平均相关性为0.97,2014-2020年平均相关性也有0.89。

（三）风险偏好下降，“防御属性”的重要性提升

另一个23年红利资产受热捧的重要因素，是21年以来，地产产业链处于持续调整过程，带来了微观主体风险偏好的下降。我们在前期报告《2023年权益行业表现的宏观和中观线索》将中证房地产债指数作为风险偏好的表征指标，发现该指数在23年快速下行，万得全A也同步调整。而若将其与红利资产的相对收益进行比较，同样发现，与过往不同，本轮地产链条调整与红利指数相对万得全A的占优时段高度吻合，凸显了该类资产因其“防御属性”而受追逐。

鉴于地产债指数调整时段序列较短，我们还以万得全A的股权风险溢价（ERP：1/万得全A的PE-10年期国债收益率）作为风险偏好的代理指标。

整体趋势上，万得全A的ERP自2021年以来持续走高，意味着风险偏好整体下移；

节奏上22Q3-23Q1有所回落，但23年下半年以来重新上升，对应彼时地产债指数快速下行，市场风险偏好再度转弱。

截至2024/01/27，当前万得全A的ERP为3.7%，已至2002年以来89.9%的高分位，同时高于02年以来均值+1.68倍标准差（滚动36个月），说明直至当前，全部A股的风险偏好仍处于低位。

我们还对比了红利资产的绝对收益（中证红利指数）、相对收益（中证红利/万得全A）与股权风险溢价的相关性，发现在本轮风险偏好下降的过程中，红利资产受热捧一方面是因为自身可以逆势上涨，但更重要的是，当万得全A处于调整时，红利指数相对抗跌。

从走势上看，2020年以来，股权风险溢价水平越高（风险偏好越低），红利指数相对收益同步提升，而2020年以前这一同步尚不明显。红利指数的绝对收益与风险偏好在过去几乎呈同向波动，即与非红利板块一致，风险偏好较低时，作为风险资产类别的权益资产均走弱。但同样是在2020、2021年以来，红利指数的绝对收益也与市场的风险偏好出现明显背离，在风险偏好下台阶的过程中，红利指数的绝对收益逆势上涨。

从滚动不同窗口期的相关系数看，2020年以来，A股的股权风险溢价水平与中证红利相对收益、绝对收益的相关性中枢均由负转正，前者提升至+0.63，后者提升至+0.4，均指向本轮与过往发生了机制转换，风险偏好下降过程中，市场对红利资产“确定性”的交易成分有明显提升。

PART3

如何看下一阶段？构建全面的高分红策略择时体系

（一）美债利率：经验上，与红利资产的相关性最为确定

自2016年沪港通、深港通开启之后，外资对国内资产的影响力明显提升，相应的美债利率与红利资产相对收益的正相关关系也趋于稳定。美债利率下行期，短久期、低波动的红利指数并不占优，相对收益持续下行；而美债利率上行期，红利指数的相对收益同步甚至略领先就出现回升。2020年以来，这一规律只是有所强化。从单变量的线性回归来看，美债利率、实际利率均与红利资产有稳定的正相关性。

不同时间段的相关系数显示，2020年以来的美债名义利率与红利相对收益的相关系数从0.65上升至0.86，美债实际利率则从0.7上升至0.83。红利指数的绝对收益也美债利率、实际利率呈现一定的正相关性。而其他定价因子（中债利率、股权风险溢价等）与红利指数的关系并不稳定。

我们认为这背后与美债利率影响国内风险资产的路径相对确定和单一有关。美债利率主要通过贴现率从分母端对国内市场产生影响，而中债利率既有分母端流动性的传导机制，也有分子端盈利的反映。

（二）内外利差：复盘看，单一国债利率并不稳定

虽然在本轮10年中债利率、理财利率的下行过程中，红利指数持续保持超额收益，而事实上，国内利率与高分红策略的关系相对复杂，并非单边。复盘过去十余年的历史，红利指数的占优与国内利率并不呈稳定的负相关关系。中债下行期，高分红跑赢概率并不高。

从相关性统计看，若以2010年、2016年为起点，中债利率与红利指数相对收益的相关性分别为0.22、0.29，只有当样本期缩短为2020年至今，两者才呈现-0.72的负相关关系。

从时段统计看，即便是10年国债利率上行期，红利指数仍有可能占优，比如2012-13年、2016-17年以及20-23年的部分时段。

我们理解，“利率下行期会凸显红利资产的吸引力”所需要的一个条件是是利率下行短期内尚未形成“流动性充裕→信用扩张→经济周期上行”的正反馈，“增长中枢下沉→资产回报率下行”的预期仍占据定价主导。

因为国内利率是增长和流动性的综合结果，同时影响权益定价的分子分母，与美债利率不同。

因此如果利率下行背后是流动性宽松和经济企稳的环境，则红利资产并不占优。而利率下行伴随经济较长时间偏弱，则红利资产更容易因为股息优势占优。相反，如果利率上行伴随着经济仍偏弱或流动性尚处于紧缩周期，则红利资产占优，一是对未来经济预期持续偏弱定价，比如2012-13年，二是对流动性带来的估值压力定价，红利资产相对承压较小，比如2013、2017年。

可以佐证的是，2014年，利率仍进一步抬升，但流动性转向，基本面企稳，红利资产的优势也快速消弥；2018流动性转松，但实体去杠杆，经济仍偏弱，利率下行与红利占优同时发生；2019年流动性维持宽松但经济企稳回升，虽然利率仍震荡下行，但红利资产优势也快速减弱。

国内利率作为一个择时信号虽然不稳定，但其经济学和金融学意义是比较重要的。中美利差相当于是用美债利率作为基准调整后的中债利率，是两国经济政策的综合比较指标.折中之下我们选择中美利差，而不是单纯的国内利率作为择时指标，其在2016年之后和红利资产的负相关性相对稳定，呈现-0.53的相关关系。

（三）国内基本面：M1、BCI、PPI周期信号综合

在前期报告《M1、BCI、PPI与宏观择时》中，我们选择M1、BCI、PPI作为国内货币活化、经济增长、通胀周期的代理指标，并且运用了单边HP二次滤波来提取其中的周期成分。截止2023年12月最新数据，M1同比、BCI指数的周期成分仍在下探、PPI同比周期成分已显现出筑底迹象，但“两下、一企稳”，三者等权重汇总之后仍提示24年1月基本面处于复苏初级阶段。

从历史走势来看，三维择时综合指标与红利指数相对收益呈现负相关关系，当有效需求不足，经济周期尚未处于明确上行阶段，红利资产相对万得全A具有超额收益。

观察三维周期成分与22年以来的红利资产收益，22年3月至22年12月，PPI周期成分持续下降、M1周期成分企稳回升，BCI周期成分在底部徘徊，综合后提示减仓股指信号。而相应时期，中证红利相对万得全A占优。23年1-3月，M1企稳叠加BCI周期上行，即便PPI仍在下降，综合后提示做多股指信号，而相应时期，中证红利相对收益暂时性走弱。23年下半年，三维综合指标边际走弱，在中证红利与万得全A中再度释放了做多中证红利的信号，也与红利相对收益占优时段基本吻合。

（四）风险偏好：股权风险溢价

在上文中，我们提到，伴随着地产链条的调整，市场风险偏好较长时间维持在低位。同时，在中债利率的下行过程中，风险偏好（房地产债指数、股权风险溢价）与红利资产的负相关性明显强化。换言之，正是由于风险偏好的整体下移，对于稳定收益的需求增加，而恰好叠加了中债利率的下移，导致资产荒进一步放大，合力引致了对红利资产的追逐。

回溯历史看，自2016年开始，风险偏好与红利资产的负相关性，便已稳定下来，而本轮是进一步强化。从单变量回归来看，2016年以来，万得全A的ERP与红利资产相对收益呈现稳定正相关性。由此，在当下的择时体系中，我们将A股的股权风险溢价ERP作为红利择时的重要指标。

（五）赔率层面：红利相对全A的性价比

由于红利资产的超额收益已演绎有三年多时间，判断未来的红利择时必然需要兼顾价格空间、性价比等。我们将“中证红利的股息率与万得全A（除金融和石油石化）的股息率的差值”作为红利资产相对A股常规板块的超额收益率。2020年之前，这一差值变化相对平稳，但2020年之后，不考虑红利再投资的红利指数股息率相对万得全A（除金融和石油石化）快速提升，这说明红利指数不仅具有股息优势，还因为低估值，性价比相对万得全A较高。

进一步地，我们以滚动36个月的±1倍、±2倍标准差作为评价这一性价比指标高低的标准。若超过+1.5倍标准差，则认为当前中证红利相对于万得全A极具性价比。而鉴于红利指数本身的高分红特点，我们认为只要性价比未触及至+1.5倍标准差，红利指数的赔率就尚未触及持仓做多的信号。比如在2023年1月，这一性价比指标处于+1.56倍标准差，提示红利指数的赔率高，应该持仓，而在23年2月后，这一指标已回落至+1.26倍标准差，并且23年年底已经回到均值附近。就该单一指标而言，红利指数的性价比在23年2月开始至今均不提示持仓做多信号。

（六）交易层面：拥挤度

最后从交易层面，我们构造了衡量红利指数拥挤度的指标——红利指数成交额占全A成交额比重，来判断下一阶段红利指数是否仍值得追涨。并且，我们同样使用滚动36个月的±1倍、±2倍标准差作为评价拥挤度是否过高或过低。直接观察成交量占比指标，会发现2020年以来，这一拥挤度指标始终处于偏低水平，但如果以36个月作为窗口期考察，2023年5月以及12月、24年1月，拥挤度的水位均出现了抬升。作为红利资产择时的负向信号，我们选择相对谨慎的方案，如果观察到滚动36个月的拥挤度水位大于均值，即认为当前拥挤度视角并不适合持有红利指数。

PART4

高质量发展框架下，择时体系的可能演变

从中长期来看，高质量发展框架下，高分红择时体系中的国内基本面（M1、BCI、PPI周期成分）等的影响力可能会进一步强化，红利资产的长期配置意义明显提升。

择时体系中的国内基本面（M1、BCI、PPI周期成分）等指标能反映短周期和中长周期宏观预期的耦合度。当前国内经济已由高速增长阶段转向高质量发展阶段转变，中长期因素的定价权日渐重要，国内基本面（M1、BCI、PPI周期成分）、中美利差的择时重要性也将有所上升，红利资产的中长期配置价值凸显。

在高质量发展框架下，经济维度，经济不再单纯追求速度的增长，而是更加注重质量和效益的提升，推动经济结构的优化升级，产业基础现代化、产业链现代化为成为了重要的政策目标。制造业供给能力将持续偏强，全社会层面供小于求的情形在未来将会更少出现，对工业价格弹性存在影响。

金融维度，一则总量层面，中央金融工作会议指出“始终保持货币政策的稳健性”、“货币供应量同经济增长和价格水平预期目标相匹配，把握好新增信贷的均衡投放，注重盘活被低效占用的金融资源，为经济稳定增长营造良好的货币金融环境”；23年12月8日的政治局会议、12月12日中央经济工作会议又指出，“稳健的货币政策要灵活适度、精准有效”……，意味着高质量发展阶段，货币活化度（M1）、以及通胀周期（PPI）的弹性会较上一轮周期更显温和，结构优化是政策重点。

二则结构层面，高质量发展的线索下，信贷政策、金融市场都将更有效地对接战略领域，比如科技创新、绿色发展，从而信贷脉冲的杠杆效应有所下降。高杠杆金融产品收益率作为机会成本推高股市风险偏好的过程也会有所弱化。

PART5

红利择时正当时：六维择时指标的综合

至此，我们从美债利率、中美利差、国内经济货币周期、风险偏好、赔率（估值）、拥挤度等六个维度构建了系统的红利资产择时体系。在本节我们尝试将六维指标进行合成，一则将六大信号等而视之，二则将六大信号与中证红利指数的滚动36个月相关系数作为权重进行信号加权，三则将六大信号与中证红利指数回归，将回归系数作为权重进行信号加权。

在上文梳理中，我们发现不少指标，对于中证红利的择时影响力在2020年前后发生强化或改变。因此，我们基于数据自身规律构建了区制转换模型（regime switching），识别出2020年前后的确为重要的区制转变点。最终加权将利用在不用区间内建模得到的不同系数。

最终结果显示，就2014年以来全区间收益而言，系统的红利择时指标无论等权重加总，还是利用滚动相关性系数加权汇总，还是利用区制模型分区制加权汇总，均能获得相较于万得全A的超额收益。其中，依据模型系数加权汇总的择时信号，可以自2014年以来获得9%左右的年化收益率，胜率73.03%。

（一）等权合成

一种简便直观的合成方式，是将关键的六维度择时指标进行等权加总，我们首先根据上文指标筛选判断每一类择时指标对红利资产择时的信号方向，比如美债利率上行过程中，红利资产因为短久期、低波动占优，所以美债利率上行，环比变动为正时，释放的择时信号是持有买入（+1）；美债利率下行，环比变动为负时，择时信号为“-1”。以此类推，将六维指标逐一赋值之后，我们将其直接加总求和，得到每个月的最新择时得分。同时，为了避免使用未来数据，我们每个月的择时信号所用数据，是本月中最新公布的上月数据。比如24年1月15日-2月14日的择时信号所用的是23年12月的M1、BCI、PPI周期成分。最终，为了能避免择时信号单月波动较大，存在部分噪音干扰，我们将加总后信号序列再取6个月移动平均，并以此作为每月择时依据。

从等权重合成的择时信号来看，信号为“+”的大部分情形对应中证红利指数相对万得全A具有超额收益，而信号“-”则大都对应红利相对跑输。我们进行两种择时方案，一则为“0-1仓位设置”：直接将正向择时信号处理为满仓（100%）持有中证红利指数，负向择时信号处理为持有万得全A；二则为“滚动仓位设置”：根据择时信号的强度，以每个时点过去36个月为窗口期，将择时信号的大小进行归一化处理，等比例映射到中证红利指数的持仓比重P。计算出每月中证红利指数的持仓比重P之后，将“1-P”作为当月持有万得全A的比重。

2024年1月15日-2月14日的仓位信号是使用23年12月的择时信号，为1.78，择时信号为正，提示继续持有红利指数；但23年10-11月的择时信号分别是3.3、2.7，提示红利指数2023.10.15-2024.01.14的持有仓位分别为82%、71%、57%。当前披露的数据合成的24年1月择时信号为0.66，提示2024.02.15-2024.03.14红利指数的持仓仍为正，但持有比重将会进一步下降。

从自2014年以来的回测结果看，等权重合成的择时信号能获得年化约7%的收益（0-1仓位设置、滚动仓位设置），若考虑股利再投资收益，年化收益率约为9%。相较始终持有万得全A的超额收益为20%~50%。该方案下，日胜率为71.77%，夏普比率为0.28。

分年度来看，该方案能获得超额收益的年份主要是2016-2018年、21-22年以及24年；分季度来看，22年至今，主要是22年一季度、三季度、23年三四季度以及24年一季度能获得超额收益；分月度来看，超额收益主要集中在23年8、9、12月以及24年1月。

（二）加权合成：利用滚动36个月相关系数

而六个维度的择时指标对红利资产的信号本身就有强弱之分，一个思路是用择时指标与中证红利的相关系数进行加权，相关性强的指标释放的择时信号理应被赋予更高的值。但在上文梳理过程中，我们发现大部分指标与红利指数的相关关系并不稳定。同时，为了避免未来数据，我们以每个时期往前滚动36个月作为窗口期，将每个择时指标与中证红利指数滚动36个月的相关系数作为权重对择时信号进行强弱识别。

最终合成的择时信号相较等权重更符合当前特征，即整体择时强度自2019年以来明显放大。在该择时信号下，整体上持有中证红利指数的时段更多。

2024年1月15日-2月14日的仓位信号使用23年12月的择时信号，为2.17，信号为正，同样提示继续持有红利指数；23年10-11月的信号分别是3.5、2.94，提示红利指数2023.10.15-2024.01.14的持有仓位分别为100%、89%、74%。

当前披露的数据合成的24年1月择时信号为1.34，同样提示下一个月红利持仓仍建议为正，但持有比重进一步下降。

从自2014年以来的整体回测结果看，等权重合成的择时信号能获得年化约7%~8%的收益（0-1仓位设置8%、滚动仓位设置7%），若考虑股利再投资收益，年化收益率约为9%~10%。相较始终持有万得全A的超额收益为20%~68%。该方案下，日胜率为66.66%，夏普比率为0.33。

分年度来看，该方案较等权重在年度收益维度有所进步，在23年全年也能获得超额收益，其余有超额收益的年份仍主要是2016-2018、21、22、24年；分季度来看，22年至今，超额收益仍集中在22Q1、22Q3、23Q3、23Q4以及24Q1；分月度来看，超额收益与等权重方案一致，但滚动仓位的方式下，策略收益幅度略有提升。

（三）加权合成：利用区制转换模型定权

另一种加权思路是通过将择时指标与中证红利指数进行回归，将回归系数作为权重进行信号加权。但由于不同择时指标与中证红利之间的关系存在时变性，并不稳定。我们将数据进行了区制识别，发现2006年以来，择时指标与中证红利之间的关系确实存在不同的区制反应。特别是2020年之后，区制一发生的概率稳定在0.6以上，而区制二发生的概率稳定在0.4以下。

由此，我们构建了区制转换模型（regime switching），发现不同的择时指标在两个区制上的系数分别显著，并且存在较大差异，只有美债利率、ERP指标相对稳定。

最终合成的择时信号相较等权重和相关系数加权，正负变化更为频繁，择时的颗粒度更细。

在该择时信号下，2024年1月15日-2月14日的仓位信号使用23年12月的择时信号，为0.38。虽然信号为正，提示继续持有红利指数，但已较10-11月进一步走弱，10月、11月0.95、0.75，提示红利指数2023.10.15-2024.01.14的持有仓位分别为98.6%、84.4%、59.4%。并且当前披露的数据合成的24年1月择时信号为-0.002，提示2024.2.15-2024.3.14应持有万得全A。

从自2014年以来的整体回测结果看，等权重合成的择时信号能获得年化约8%~9%的收益（0-1仓位设置9%、滚动仓位设置8%），若考虑股利再投资收益，年化收益率约为10%~11%。相较始终持有万得全A的超额收益为34%~74%。该方案下，日胜率为为73.03%，夏普比率为0.39。

分年度来看，该方案较等权重、相关系数加权在年度收益维度均有进步，特别是在23年。季度和月度超额收益集中时段与等权重、相关系数加权基本一致。

风险提示：一是国内 财政货币政策超预期或不及预期，经济基本面出现超预期变化，使得利用历史经验数据得到的规律性结论出现偏差； 二是建模时序较短，而基于较少样本量的推演可能出现误判； 三是高股息个股出现超预期波动，历史波动率和收益情况代表意义有限。

[1] Dechow P M , Sloan R G， Soliman M T. Implied equity duration: A new measure of equity risk[J]. Review of Accounting Studies， 2004, 9: 197-228.

本文源自券商研报精选