【广发宏观陈礼清】高分红策略的宏观逻辑与择时体系
（以下内容从广发证券《【广发宏观陈礼清】高分红策略的宏观逻辑与择时体系》研报附件原文摘录）
广发证券资深宏观分析师 陈礼清 博士 chenliqing@gf.com.cn 广发宏观郭磊团队 报告摘要 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。 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2011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. 郭磊篇 【广发宏观郭磊】如何看2023年经济数据 【广发宏观郭磊】如何看2023年最后一份出口数据 【广发宏观郭磊】CPI、PPI与名义增长中枢 【广发宏观郭磊】12月PMI数据与四季度资产走势 【广发宏观郭磊】如何看11月经济数据 【广发宏观郭磊】中央经济工作会议要点解读 【广发宏观郭磊】价格环比下行的驱动线索 【广发宏观郭磊】以进促稳、先立后破 【广发宏观郭磊】如何评价11月出口表现 【广发宏观郭磊】PMI显示需求企稳趋势有待巩固 【广发宏观郭磊】如何评价10月经济数据 【广发宏观郭磊】商品价格小周期调整的影响 【广发宏观郭磊】出口增速小幅回踩，手机出口显著加速 【广发宏观郭磊】原材料库存调整带来PMI短期回踩 【广发宏观郭磊】增发国债的三重意义 【广发宏观郭磊】三季度GDP增速为何超预期 【广发宏观郭磊】平减指数已逐步回升 【广发宏观郭磊】9月出口表现及其对宏观面的影响 【广发宏观郭磊】宏观面剪刀差 【广发宏观郭磊】8月大部分经济指标均有好转 【广发宏观郭磊】价格周期完成触底 【广发宏观郭磊】8月出口：海外PMI反弹影响下的初步改善 【广发宏观郭磊】PMI数据与宏观面逻辑 【广发宏观郭磊】从与2016年的比较看当前宏观面位置 【广发宏观郭磊】如何看7月经济数据 【广发宏观郭磊】PPI和CPI底将先后形成 【广发宏观郭磊】如何看7月出口 【广发宏观郭磊】三条线索驱动PMI继续修复 【广发宏观郭磊】如何解读年中政治局会议精神 【广发宏观郭磊】如何评价二季度经济数据 【广发宏观郭磊】如何看6月出口 【广发宏观郭磊】哪些价格环比已企稳，哪些还在下行 【广发宏观郭磊】重拾定价锚：2023年中期宏观环境展望 【广发宏观郭磊】如何看5月经济数据 【广发宏观郭磊】关注形成中的PPI底 【广发宏观郭磊】外需边际放缓凸显稳定总需求必要性 【广发宏观郭磊】稳定和扩大总需求是当前宏观面关键 【广发宏观郭磊】人民币汇率的三个定价线索 【广发宏观郭磊】稳定总需求是当前经济的关键所在 【广发宏观郭磊】核心CPI大致正常 【广发宏观郭磊】对经济整体性的强调将有助于中期均衡 【广发宏观郭磊】4月PMI为何低于预期 【广发宏观郭磊】一季度政治局会议解读 【广发宏观郭磊】一季度GDP增速处市场预期上限 【广发宏观郭磊】出口超预期降低总量下行风险 【广发宏观郭磊】如何理解偏低的通胀 【广发宏观郭磊】供求环比高斜率修复后的分化调整 【广发宏观郭磊】怎么评价前两个月的经济数据 【广发宏观郭磊】宏观视角下的三个可能机会 【广发宏观郭磊】对2023年的通胀数据来说只需确认两件事情 【广发宏观郭磊】怎么评价前两个月的出口 【广发宏观郭磊】对政府工作报告经济发展主要目标的理解 【广发宏观郭磊】PMI和BCI均指向经济景气度高开 【广发宏观郭磊、贺骁束】“PPI定买卖”：2006-2022年复盘 【广发宏观郭磊】1月通胀数据的中观细节 【广发宏观郭磊】年初的以来的五大宏观定价线索 【广发宏观郭磊】年初的PMI、BCI与同期资产反应逻辑 【广发宏观郭磊】万得全A疫情以来复合增速仍低于名义GDP 【广发宏观郭磊】本轮出口下行和历史上几轮周期的区别 【广发宏观郭磊】待确认的PPI底 【广发宏观郭磊】制造业投资的三因素框架 【广发宏观郭磊】12月PMI的四个特征 吴棋滢篇 【广发宏观吴棋滢】如何看“三大工程”对投资端的影响 【广发宏观吴棋滢】11月财政数据简评 【广发宏观吴棋滢】10月财政数据简评 【广发宏观吴棋滢】三季度财政数据解读 【广发宏观吴棋滢】8月财政数据点评 【广发宏观吴棋滢】如何看待新一轮地方债务风险化解及其影响 【广发宏观吴棋滢】7月财政数据与后续两大关键线索 【广发宏观吴棋滢】6月财政数据简析 【广发宏观吴棋滢】寻找新平衡：2023年中期财政环境展望 【广发宏观吴棋滢】财政收入偏弱凸显稳增长必要 【广发宏观吴棋滢】政策性开发性金融工具是政策空间之一 【广发宏观吴棋滢】财政收入状况约束支出强度 【广发宏观吴棋滢】从第二财政到第三财政 【广发宏观吴棋滢】当前财政状况的三个特征 【广发宏观吴棋滢】2023年财政的八大特征 【广发宏观吴棋滢】如何评价2023年开年财政数据 【广发宏观钟林楠、吴棋滢】地方政府债务九问 【广发宏观吴棋滢】2022年年度财政数据的主要看点 【广发宏观吴棋滢】非税增速放缓带来什么信号 【广发宏观吴棋滢】再筑堤岸：2023年财政环境展望 贺骁束篇 【广发宏观贺骁束】1月经济初窥 【广发宏观贺骁束】本轮原油和大宗商品价格缘何调整 【广发宏观贺骁束】12月经济初窥 【广发宏观贺骁束】高频数据下的11月经济 【广发宏观贺骁束】11月经济初窥 【广发宏观贺骁束】高频数据下的10月经济 【广发宏观贺骁束】10月经济初窥 【广发宏观贺骁束】高频数据下的9月经济 【广发宏观贺骁束】9月经济初窥 【广发宏观贺骁束】高频数据下的8月经济 【广发宏观贺骁束】高频数据下的7月经济 【广发宏观贺骁束】7月经济初窥 【广发宏观贺骁束】走出低凹地：2023年中期通胀环境展望 【广发宏观贺骁束】高频数据下的6月经济 【广发宏观贺骁束】6月经济初窥 【广发宏观贺骁束】高频数据下的5月经济 【广发宏观贺骁束】5月经济初窥 【广发宏观贺骁束】高频数据下的4月经济 【广发宏观贺骁束】4月经济初窥 【广发宏观贺骁束】3月用电量数据简评 【广发宏观贺骁束】高频数据下的3月经济 【广发宏观贺骁束】3月经济初窥 【广发宏观贺骁束】2月复工情况与高频数据 【广发宏观郭磊、贺骁束】“PPI定买卖”：2006-2022年复盘 【广发宏观贺骁束】聊聊春节期间的高频经济数据 【广发宏观贺骁束】复盘过去一年整车货运量变化与同期资产表现 【广发宏观贺骁束】第一批城市居民生活半径开始恢复 钟林楠篇 【广发宏观钟林楠】超预期降准有助于提振微观预期 【广发宏观钟林楠】如何看待最新的社融与M1数据 【广发宏观钟林楠】新一轮PSL对经济、货币环境及资产价格的影响 【广发宏观钟林楠】如何看11月社融与M1增速 【广发宏观钟林楠】2023年三季度货币政策执行报告解读 【广发宏观钟林楠】汇率与流动性 【广发宏观钟林楠】如何看10月社融数据 【广发宏观钟林楠】中央金融工作会议解读 【广发宏观钟林楠】如何看新一轮化债对货币环境的影响 【广发宏观钟林楠】9月社融尚可，年内有望继续修复 【广发宏观钟林楠】如何看降准 【广发宏观钟林楠】8月金融数据对资产定价环境的两个意义 【广发宏观钟林楠】如何看近期流动性的变化 【广发宏观钟林楠】5年期LPR利率为何没有调整 【广发宏观钟林楠】2023年二季度货币政策执行报告解读 【广发宏观钟林楠】非对称降息有何用意 【广发宏观钟林楠】如何看低于预期的7月信贷 【广发宏观钟林楠】如何看存量房贷利率调整的影响 【广发宏观钟林楠】如何看待超预期的6月社融 【广发宏观钟林楠】适应新常态：2023年中期流动性环境展望 【广发宏观钟林楠】如何看待6月LPR报价的变化 【广发宏观钟林楠】社融数据偏低加大政策升温概率 【广发宏观钟林楠】如何看OMO利率降息的影响 【广发宏观钟林楠】如何评估存款利率下调对经济的影响 【广发宏观钟林楠】从负债端政策到资产端政策 【广发宏观钟林楠】2023年一季度货币政策执行报告解读 【广发宏观钟林楠】4月信贷情况凸显稳需求必要性 【广发宏观钟林楠】如何看利率走势与宏观指标的背离 【广发宏观钟林楠】如何理解超预期的信贷 【广发宏观钟林楠】如何理解超预期的降准 【广发宏观钟林楠】偏强信贷对资产定价环境意味着什么 【广发宏观钟林楠】中国居民部门加杠杆：空间、动能与影响 【广发宏观钟林楠】“实际利率水平合适”该如何理解 【广发宏观钟林楠】2022年四季度货币政策执行报告解读 【广发宏观钟林楠、吴棋滢】地方政府债务九问 【广发宏观钟林楠】信贷强势开局 【广发宏观钟林楠】年初以来流动性环境的三个变化 王丹篇 【广发宏观王丹】2023年企业盈利的总量及中观特征 【广发宏观王丹】1月EPMI数据简评 【广发宏观王丹】2023年权益行业表现的宏观和中观线索 【广发宏观王丹】从年末PMI数据看中观景气分布的六大线索 【广发宏观王丹】如何理解11月企业利润数据 【广发宏观王丹】如何看12月EPMI 【广发宏观王丹】11月中观景气分布的四条线索 【广发宏观王丹】库存周期小幅回踩 【广发宏观王丹】11月EPMI大致平稳 【广发宏观王丹】10月中观景气度分布有哪些变化 【广发宏观王丹】如何看三季度工业企业盈利数据 【广发宏观王丹】10月EPMI数据与短期宏观面 【广发宏观王丹】原材料和中游制造引领PMI改善 【广发宏观王丹】PPI触底带动企业利润增速修复及名义库存企稳 【广发宏观王丹】9月EPMI上行斜率加大 【广发宏观王丹】过去十年哪些产品占出口比重显著提升 【广发宏观王丹】原材料行业、计算机电子行业引领PMI边际改善 【广发宏观王丹】价格触底带来原材料类行业利润边际改善 【广发宏观王丹】从EPMI看8月经济 【广发宏观王丹】7月行业景气度的中观分布分析 【广发宏观王丹】利润降幅收窄，库存继续下移 【广发宏观王丹】7月EPMI显示产需仍淡季磨底 【广发宏观王丹】校准航向标：2023年中期中观产业链展望 【广发宏观王丹】哪些行业支撑了景气的低位初步企稳 【广发宏观王丹】名义库存进一步降至偏低水平 【广发宏观王丹】6月EPMI已低位持平 【广发宏观王丹】消费类资产超额收益时段宏观驱动历史复盘 【广发宏观王丹】景气磨底阶段的中观分布特征 【广发宏观王丹】企业库存去化加速 【广发宏观王丹】5月EPMI扣除季节性之后低位徘徊 【广发宏观王丹】4月中观景气分化进一步加剧 【广发宏观王丹】3月营收转正，盈利低位弱修复 【广发宏观王丹】复苏程度的分布：中观行业图景扫描 【广发宏观王丹】中观景气分化 【广发宏观王丹】开年工业企业利润增速偏低的原因及后续展望 【广发宏观王丹】3月EPMI显示行业修复动能有所分化 【广发宏观王丹】哪些行业在引领2月经济的修复 【广发宏观王丹】如何估算2023年GDP增速 【广发宏观王丹】2月EPMI创历史同期新高 【广发宏观王丹】1月哪些行业景气变化领先 【广发宏观王丹】复盘2022年企业盈利数据 【广发宏观王丹】如何理解大型易地搬迁融入新型城镇化的政策 【广发宏观王丹】疫情达峰后第一个宏观数据EPMI明显修复 陈嘉荔篇 【广发宏观陈嘉荔】美国四季度GDP数据与其市场反应 【广发宏观陈嘉荔】美国CPI略超预期，但核心CPI继续放缓 【广发宏观陈嘉荔】美国12月非农数据与美联储利率决策 【广发宏观陈嘉荔】12月美联储会议纪要的关键信息 【广发宏观】美联储或在明年上半年启动降息 【广发宏观】美国通胀回落有利于美联储结束紧缩 【广发宏观】美国就业数据降温缓和风险资产压力 【广发宏观】美联储暂停加息叠加再融资担忧缓和 【广发宏观】美国三季度GDP数据为何偏高 【广发宏观】关于美国财政的几点认识 【广发宏观】美国通胀问题和经济问题是一体两面 【广发宏观】9月美联储会议纪要的关键信息 【广发宏观】9月非农数据继续偏强 【广发宏观】美联储进一步弱化明年降息预期 【广发宏观】美国8月通胀数据呈现出一定复杂性 【广发宏观】美国非农、PMI数据及其对宏观面的影响 【广发宏观】如何看墨西哥对美出口的较快增长 【广发宏观】2023年杰克逊霍尔经济研讨会简评 【广发宏观】7月美联储会议纪要的关键信息 【广发宏观】美国核心通胀继续小幅回落 【广发宏观】非农放缓，失业率和薪资数据仍强放缓 【广发宏观】如何看惠誉下调美国信用评级的影响 【广发宏观】美国二季度GDP数据为何偏高 【广发宏观】美联储不再把衰退当作假设情形 【广发宏观】美国6月通胀数据的新信号 【广发宏观】非农数据的三个影响 【广发宏观】美联储6月会议纪要的三重信息 【广发宏观】挑战软着陆：2023年中期海外环境展望 【广发宏观】美联储6月议息会议的新信号 【广发宏观】美国通胀继续高位降温 【广发宏观】黄金定价框架和展望 【广发宏观】美国非农就业和失业率为何同时走高 【广发宏观】美联储5月会议纪要的三重信息 【广发宏观】美国4月通胀继续高位降温 【广发宏观】非农再超预期降低硬着陆概率 【广发宏观】美联储第十次加息后的暗示 【广发宏观】如何理解美国一季度GDP公布后美股的反应 【广发宏观】复盘全球科技类资产：2020-2023 【广发宏观】美联储议息会议纪要的三个关键信息 【广发宏观】3月非农数据及市场反应逻辑 【广发宏观】OPEC+超预期原油减产简评 【广发宏观】如何理解美国中小银行储蓄转移? 【广发宏观】美联储寻求平衡的结果就是好结果 【广发宏观】美国：通胀数据与金融稳定性的博弈 【广发宏观】非农数据、SVB及资产反应逻辑 【广发宏观】美国此轮失业率低的原因是什么？ 【广发宏观】美联储2月议息会议纪要解读 【广发宏观】美国1月通胀数据公布后金融市场波动有限 【广发宏观】如何理解预期的非农数据 【广发宏观】美联储继续加息后的资产反应逻辑 【广发宏观】美国四季度GDP超预期，经济放缓速率仍可控 【广发宏观】海外宏观：年初市场最关注的几大问题 【广发宏观】美国通胀韧性+回落背景下的资产反应逻辑 【广发宏观】强非农、弱薪资短期助推美国经济软着陆预期 【广发宏观】美联储12月议息会议纪要解读 【广发宏观】美国12月议息会议要点解读 【广发宏观】最新美国通胀数据怎么看 【广发宏观】越过山丘：2023年海外宏观展望 文永恒篇 【广发宏观】数据要素化及其中长期影响 【广发宏观】资产负债表衰退理论与海外经验案例的实质 【广发宏观】布局现代化：2023年中期跨周期环境展望 【广发宏观】中等发达国家从1万到3万美元跨越的国际比较 【广发宏观】人工智能对经济的中长期影响：一个宏观框架 【广发宏观】中国式现代化的内涵与影响 陈礼清篇 【广发宏观陈礼清】名义GDP的周度估算 【广发宏观陈礼清】未来美债收益率若下行有利于哪些行业定价 【广发宏观陈礼清】股债性价比择时的宏观改进 【广发宏观陈礼清】M1、BCI、PPI与宏观择时 【广发宏观陈礼清】如何对GDP进行月度估算？ 【广发宏观陈礼清】社会消费品零售总额如何预测？ 【广发宏观陈礼清】工业增加值如何预测？ 法律声明： 本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。 完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。 在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。 本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。 本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
广发证券资深宏观分析师 陈礼清 博士 chenliqing@gf.com.cn 广发宏观郭磊团队 报告摘要 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。 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2011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. 郭磊篇 【广发宏观郭磊】如何看2023年经济数据 【广发宏观郭磊】如何看2023年最后一份出口数据 【广发宏观郭磊】CPI、PPI与名义增长中枢 【广发宏观郭磊】12月PMI数据与四季度资产走势 【广发宏观郭磊】如何看11月经济数据 【广发宏观郭磊】中央经济工作会议要点解读 【广发宏观郭磊】价格环比下行的驱动线索 【广发宏观郭磊】以进促稳、先立后破 【广发宏观郭磊】如何评价11月出口表现 【广发宏观郭磊】PMI显示需求企稳趋势有待巩固 【广发宏观郭磊】如何评价10月经济数据 【广发宏观郭磊】商品价格小周期调整的影响 【广发宏观郭磊】出口增速小幅回踩，手机出口显著加速 【广发宏观郭磊】原材料库存调整带来PMI短期回踩 【广发宏观郭磊】增发国债的三重意义 【广发宏观郭磊】三季度GDP增速为何超预期 【广发宏观郭磊】平减指数已逐步回升 【广发宏观郭磊】9月出口表现及其对宏观面的影响 【广发宏观郭磊】宏观面剪刀差 【广发宏观郭磊】8月大部分经济指标均有好转 【广发宏观郭磊】价格周期完成触底 【广发宏观郭磊】8月出口：海外PMI反弹影响下的初步改善 【广发宏观郭磊】PMI数据与宏观面逻辑 【广发宏观郭磊】从与2016年的比较看当前宏观面位置 【广发宏观郭磊】如何看7月经济数据 【广发宏观郭磊】PPI和CPI底将先后形成 【广发宏观郭磊】如何看7月出口 【广发宏观郭磊】三条线索驱动PMI继续修复 【广发宏观郭磊】如何解读年中政治局会议精神 【广发宏观郭磊】如何评价二季度经济数据 【广发宏观郭磊】如何看6月出口 【广发宏观郭磊】哪些价格环比已企稳，哪些还在下行 【广发宏观郭磊】重拾定价锚：2023年中期宏观环境展望 【广发宏观郭磊】如何看5月经济数据 【广发宏观郭磊】关注形成中的PPI底 【广发宏观郭磊】外需边际放缓凸显稳定总需求必要性 【广发宏观郭磊】稳定和扩大总需求是当前宏观面关键 【广发宏观郭磊】人民币汇率的三个定价线索 【广发宏观郭磊】稳定总需求是当前经济的关键所在 【广发宏观郭磊】核心CPI大致正常 【广发宏观郭磊】对经济整体性的强调将有助于中期均衡 【广发宏观郭磊】4月PMI为何低于预期 【广发宏观郭磊】一季度政治局会议解读 【广发宏观郭磊】一季度GDP增速处市场预期上限 【广发宏观郭磊】出口超预期降低总量下行风险 【广发宏观郭磊】如何理解偏低的通胀 【广发宏观郭磊】供求环比高斜率修复后的分化调整 【广发宏观郭磊】怎么评价前两个月的经济数据 【广发宏观郭磊】宏观视角下的三个可能机会 【广发宏观郭磊】对2023年的通胀数据来说只需确认两件事情 【广发宏观郭磊】怎么评价前两个月的出口 【广发宏观郭磊】对政府工作报告经济发展主要目标的理解 【广发宏观郭磊】PMI和BCI均指向经济景气度高开 【广发宏观郭磊、贺骁束】“PPI定买卖”：2006-2022年复盘 【广发宏观郭磊】1月通胀数据的中观细节 【广发宏观郭磊】年初的以来的五大宏观定价线索 【广发宏观郭磊】年初的PMI、BCI与同期资产反应逻辑 【广发宏观郭磊】万得全A疫情以来复合增速仍低于名义GDP 【广发宏观郭磊】本轮出口下行和历史上几轮周期的区别 【广发宏观郭磊】待确认的PPI底 【广发宏观郭磊】制造业投资的三因素框架 【广发宏观郭磊】12月PMI的四个特征 吴棋滢篇 【广发宏观吴棋滢】如何看“三大工程”对投资端的影响 【广发宏观吴棋滢】11月财政数据简评 【广发宏观吴棋滢】10月财政数据简评 【广发宏观吴棋滢】三季度财政数据解读 【广发宏观吴棋滢】8月财政数据点评 【广发宏观吴棋滢】如何看待新一轮地方债务风险化解及其影响 【广发宏观吴棋滢】7月财政数据与后续两大关键线索 【广发宏观吴棋滢】6月财政数据简析 【广发宏观吴棋滢】寻找新平衡：2023年中期财政环境展望 【广发宏观吴棋滢】财政收入偏弱凸显稳增长必要 【广发宏观吴棋滢】政策性开发性金融工具是政策空间之一 【广发宏观吴棋滢】财政收入状况约束支出强度 【广发宏观吴棋滢】从第二财政到第三财政 【广发宏观吴棋滢】当前财政状况的三个特征 【广发宏观吴棋滢】2023年财政的八大特征 【广发宏观吴棋滢】如何评价2023年开年财政数据 【广发宏观钟林楠、吴棋滢】地方政府债务九问 【广发宏观吴棋滢】2022年年度财政数据的主要看点 【广发宏观吴棋滢】非税增速放缓带来什么信号 【广发宏观吴棋滢】再筑堤岸：2023年财政环境展望 贺骁束篇 【广发宏观贺骁束】1月经济初窥 【广发宏观贺骁束】本轮原油和大宗商品价格缘何调整 【广发宏观贺骁束】12月经济初窥 【广发宏观贺骁束】高频数据下的11月经济 【广发宏观贺骁束】11月经济初窥 【广发宏观贺骁束】高频数据下的10月经济 【广发宏观贺骁束】10月经济初窥 【广发宏观贺骁束】高频数据下的9月经济 【广发宏观贺骁束】9月经济初窥 【广发宏观贺骁束】高频数据下的8月经济 【广发宏观贺骁束】高频数据下的7月经济 【广发宏观贺骁束】7月经济初窥 【广发宏观贺骁束】走出低凹地：2023年中期通胀环境展望 【广发宏观贺骁束】高频数据下的6月经济 【广发宏观贺骁束】6月经济初窥 【广发宏观贺骁束】高频数据下的5月经济 【广发宏观贺骁束】5月经济初窥 【广发宏观贺骁束】高频数据下的4月经济 【广发宏观贺骁束】4月经济初窥 【广发宏观贺骁束】3月用电量数据简评 【广发宏观贺骁束】高频数据下的3月经济 【广发宏观贺骁束】3月经济初窥 【广发宏观贺骁束】2月复工情况与高频数据 【广发宏观郭磊、贺骁束】“PPI定买卖”：2006-2022年复盘 【广发宏观贺骁束】聊聊春节期间的高频经济数据 【广发宏观贺骁束】复盘过去一年整车货运量变化与同期资产表现 【广发宏观贺骁束】第一批城市居民生活半径开始恢复 钟林楠篇 【广发宏观钟林楠】超预期降准有助于提振微观预期 【广发宏观钟林楠】如何看待最新的社融与M1数据 【广发宏观钟林楠】新一轮PSL对经济、货币环境及资产价格的影响 【广发宏观钟林楠】如何看11月社融与M1增速 【广发宏观钟林楠】2023年三季度货币政策执行报告解读 【广发宏观钟林楠】汇率与流动性 【广发宏观钟林楠】如何看10月社融数据 【广发宏观钟林楠】中央金融工作会议解读 【广发宏观钟林楠】如何看新一轮化债对货币环境的影响 【广发宏观钟林楠】9月社融尚可，年内有望继续修复 【广发宏观钟林楠】如何看降准 【广发宏观钟林楠】8月金融数据对资产定价环境的两个意义 【广发宏观钟林楠】如何看近期流动性的变化 【广发宏观钟林楠】5年期LPR利率为何没有调整 【广发宏观钟林楠】2023年二季度货币政策执行报告解读 【广发宏观钟林楠】非对称降息有何用意 【广发宏观钟林楠】如何看低于预期的7月信贷 【广发宏观钟林楠】如何看存量房贷利率调整的影响 【广发宏观钟林楠】如何看待超预期的6月社融 【广发宏观钟林楠】适应新常态：2023年中期流动性环境展望 【广发宏观钟林楠】如何看待6月LPR报价的变化 【广发宏观钟林楠】社融数据偏低加大政策升温概率 【广发宏观钟林楠】如何看OMO利率降息的影响 【广发宏观钟林楠】如何评估存款利率下调对经济的影响 【广发宏观钟林楠】从负债端政策到资产端政策 【广发宏观钟林楠】2023年一季度货币政策执行报告解读 【广发宏观钟林楠】4月信贷情况凸显稳需求必要性 【广发宏观钟林楠】如何看利率走势与宏观指标的背离 【广发宏观钟林楠】如何理解超预期的信贷 【广发宏观钟林楠】如何理解超预期的降准 【广发宏观钟林楠】偏强信贷对资产定价环境意味着什么 【广发宏观钟林楠】中国居民部门加杠杆：空间、动能与影响 【广发宏观钟林楠】“实际利率水平合适”该如何理解 【广发宏观钟林楠】2022年四季度货币政策执行报告解读 【广发宏观钟林楠、吴棋滢】地方政府债务九问 【广发宏观钟林楠】信贷强势开局 【广发宏观钟林楠】年初以来流动性环境的三个变化 王丹篇 【广发宏观王丹】2023年企业盈利的总量及中观特征 【广发宏观王丹】1月EPMI数据简评 【广发宏观王丹】2023年权益行业表现的宏观和中观线索 【广发宏观王丹】从年末PMI数据看中观景气分布的六大线索 【广发宏观王丹】如何理解11月企业利润数据 【广发宏观王丹】如何看12月EPMI 【广发宏观王丹】11月中观景气分布的四条线索 【广发宏观王丹】库存周期小幅回踩 【广发宏观王丹】11月EPMI大致平稳 【广发宏观王丹】10月中观景气度分布有哪些变化 【广发宏观王丹】如何看三季度工业企业盈利数据 【广发宏观王丹】10月EPMI数据与短期宏观面 【广发宏观王丹】原材料和中游制造引领PMI改善 【广发宏观王丹】PPI触底带动企业利润增速修复及名义库存企稳 【广发宏观王丹】9月EPMI上行斜率加大 【广发宏观王丹】过去十年哪些产品占出口比重显著提升 【广发宏观王丹】原材料行业、计算机电子行业引领PMI边际改善 【广发宏观王丹】价格触底带来原材料类行业利润边际改善 【广发宏观王丹】从EPMI看8月经济 【广发宏观王丹】7月行业景气度的中观分布分析 【广发宏观王丹】利润降幅收窄，库存继续下移 【广发宏观王丹】7月EPMI显示产需仍淡季磨底 【广发宏观王丹】校准航向标：2023年中期中观产业链展望 【广发宏观王丹】哪些行业支撑了景气的低位初步企稳 【广发宏观王丹】名义库存进一步降至偏低水平 【广发宏观王丹】6月EPMI已低位持平 【广发宏观王丹】消费类资产超额收益时段宏观驱动历史复盘 【广发宏观王丹】景气磨底阶段的中观分布特征 【广发宏观王丹】企业库存去化加速 【广发宏观王丹】5月EPMI扣除季节性之后低位徘徊 【广发宏观王丹】4月中观景气分化进一步加剧 【广发宏观王丹】3月营收转正，盈利低位弱修复 【广发宏观王丹】复苏程度的分布：中观行业图景扫描 【广发宏观王丹】中观景气分化 【广发宏观王丹】开年工业企业利润增速偏低的原因及后续展望 【广发宏观王丹】3月EPMI显示行业修复动能有所分化 【广发宏观王丹】哪些行业在引领2月经济的修复 【广发宏观王丹】如何估算2023年GDP增速 【广发宏观王丹】2月EPMI创历史同期新高 【广发宏观王丹】1月哪些行业景气变化领先 【广发宏观王丹】复盘2022年企业盈利数据 【广发宏观王丹】如何理解大型易地搬迁融入新型城镇化的政策 【广发宏观王丹】疫情达峰后第一个宏观数据EPMI明显修复 陈嘉荔篇 【广发宏观陈嘉荔】美国四季度GDP数据与其市场反应 【广发宏观陈嘉荔】美国CPI略超预期，但核心CPI继续放缓 【广发宏观陈嘉荔】美国12月非农数据与美联储利率决策 【广发宏观陈嘉荔】12月美联储会议纪要的关键信息 【广发宏观】美联储或在明年上半年启动降息 【广发宏观】美国通胀回落有利于美联储结束紧缩 【广发宏观】美国就业数据降温缓和风险资产压力 【广发宏观】美联储暂停加息叠加再融资担忧缓和 【广发宏观】美国三季度GDP数据为何偏高 【广发宏观】关于美国财政的几点认识 【广发宏观】美国通胀问题和经济问题是一体两面 【广发宏观】9月美联储会议纪要的关键信息 【广发宏观】9月非农数据继续偏强 【广发宏观】美联储进一步弱化明年降息预期 【广发宏观】美国8月通胀数据呈现出一定复杂性 【广发宏观】美国非农、PMI数据及其对宏观面的影响 【广发宏观】如何看墨西哥对美出口的较快增长 【广发宏观】2023年杰克逊霍尔经济研讨会简评 【广发宏观】7月美联储会议纪要的关键信息 【广发宏观】美国核心通胀继续小幅回落 【广发宏观】非农放缓，失业率和薪资数据仍强放缓 【广发宏观】如何看惠誉下调美国信用评级的影响 【广发宏观】美国二季度GDP数据为何偏高 【广发宏观】美联储不再把衰退当作假设情形 【广发宏观】美国6月通胀数据的新信号 【广发宏观】非农数据的三个影响 【广发宏观】美联储6月会议纪要的三重信息 【广发宏观】挑战软着陆：2023年中期海外环境展望 【广发宏观】美联储6月议息会议的新信号 【广发宏观】美国通胀继续高位降温 【广发宏观】黄金定价框架和展望 【广发宏观】美国非农就业和失业率为何同时走高 【广发宏观】美联储5月会议纪要的三重信息 【广发宏观】美国4月通胀继续高位降温 【广发宏观】非农再超预期降低硬着陆概率 【广发宏观】美联储第十次加息后的暗示 【广发宏观】如何理解美国一季度GDP公布后美股的反应 【广发宏观】复盘全球科技类资产：2020-2023 【广发宏观】美联储议息会议纪要的三个关键信息 【广发宏观】3月非农数据及市场反应逻辑 【广发宏观】OPEC+超预期原油减产简评 【广发宏观】如何理解美国中小银行储蓄转移? 【广发宏观】美联储寻求平衡的结果就是好结果 【广发宏观】美国：通胀数据与金融稳定性的博弈 【广发宏观】非农数据、SVB及资产反应逻辑 【广发宏观】美国此轮失业率低的原因是什么？ 【广发宏观】美联储2月议息会议纪要解读 【广发宏观】美国1月通胀数据公布后金融市场波动有限 【广发宏观】如何理解预期的非农数据 【广发宏观】美联储继续加息后的资产反应逻辑 【广发宏观】美国四季度GDP超预期，经济放缓速率仍可控 【广发宏观】海外宏观：年初市场最关注的几大问题 【广发宏观】美国通胀韧性+回落背景下的资产反应逻辑 【广发宏观】强非农、弱薪资短期助推美国经济软着陆预期 【广发宏观】美联储12月议息会议纪要解读 【广发宏观】美国12月议息会议要点解读 【广发宏观】最新美国通胀数据怎么看 【广发宏观】越过山丘：2023年海外宏观展望 文永恒篇 【广发宏观】数据要素化及其中长期影响 【广发宏观】资产负债表衰退理论与海外经验案例的实质 【广发宏观】布局现代化：2023年中期跨周期环境展望 【广发宏观】中等发达国家从1万到3万美元跨越的国际比较 【广发宏观】人工智能对经济的中长期影响：一个宏观框架 【广发宏观】中国式现代化的内涵与影响 陈礼清篇 【广发宏观陈礼清】名义GDP的周度估算 【广发宏观陈礼清】未来美债收益率若下行有利于哪些行业定价 【广发宏观陈礼清】股债性价比择时的宏观改进 【广发宏观陈礼清】M1、BCI、PPI与宏观择时 【广发宏观陈礼清】如何对GDP进行月度估算？ 【广发宏观陈礼清】社会消费品零售总额如何预测？ 【广发宏观陈礼清】工业增加值如何预测？ 法律声明： 本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。 完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。 在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。 本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。 本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
