策略核心逻辑：行业优选+股息率选股策略 [page::0][page::1]

• 通过市值、PB、ROE等传统指标筛选股票池不能显著提升股息率因子选股能力。

- 结合行业生命周期特点，基于行业平均未分配利润占比和股息率Spread筛选适用行业，有效提升股息率因子表现。

• 实施“先选行业-再选个股”策略，行业优选显著提升高股息组合的投资绩效。

高股息组合历史回测表现 [page::1]

• 回测区间：2007年1月1日至2017年4月27日。

- 年化收益达19.8%；相对沪深300年化超额收益14.2%。

• 月度超额胜率68.3%，年度超额胜率100%；信息比率1.61，换手率25%。

样本外跟踪表现（基准中证红利指数）[page::2]

| 时间段 | 高股息组合收益率 | 中证红利指数收益率 | 超额收益率 |
|----------|-----------------|--------------------|------------|
| 5月 | 4.72% | 0.82% | 3.85% |
| 6月 | 3.87% | 4.36% | -0.48% |
| 5月至今 | 9.14% | 4.91% | 3.99% |

• 2017年5月至7月5日，组合相对中证红利指数累计超额收益3.99%。

样本外跟踪表现（基准沪深300指数）[page::3]

| 时间段 | 高股息组合收益率 | 沪深300指数收益率 | 超额收益率 |
|----------|-----------------|-------------------|------------|
| 5月 | 4.72% | 1.54% | 3.12% |
| 6月 | 3.87% | 4.98% | -1.07% |
| 5月至今 | 9.14% | 6.39% | 2.56% |

• 组合优异表现延续至样本外阶段，整体实现显著超额收益。

组合构建及调仓机制 [page::4]

| 股票代码 | 股票名称 | 中信一级行业 | 股息率（ttm） |
|------------|------------|--------------|---------------|
| 600383.SH | 金地集团 | 房地产 | 9.59 |
| 601006.SH | 大秦铁路 | 交通运输 | 8.40 |
| 601818.SH | 光大银行 | 银行 | 7.29 |
| 000402.SZ | 金融街 | 房地产 | 6.93 |
| ... | ... | ... | ... |
| 600816.SH | 安信信托 | 非银行金融 | 1.91 |

• 调仓周期：2017年7月3日。

- 从选中行业内部，按股息率由高到低选入30只个股，等权配置。

金融研究报告详细分析 — 「行业优选·高股息组合业绩回顾（2017-07-05）」

---

一、元数据与概览

• 报告标题：行业优选·高股息组合业绩回顾（20170705）

- 报告日期：2017年7月5日

• 发布机构：长江证券研究所

- 联系人：
- 林志朋（linzp@cjsc.com）
- 杨靖凤（yangjf@cjsc.com.cn）

• 研究主题：基于行业优选的股息率因子选股策略，聚焦A股市场沪深300样本，构建高股息组合并回顾其历史表现与样本外表现。

核心论点：股息率因子（以股息收益率为核心的因子）本身在股票选股中能力有限，主要原因在于不同行业生命周期不同，股息率的有效性依赖于行业层面的优选。通过先进行行业筛选，再在符合条件的行业内基于股息率选股，能够显著提升因子选股效果，获得良好的历史复合收益和超额收益表现。

评级与目标价：本报告聚焦于策略和组合表现回顾，没有对单一股票或行业给出具体买卖评级或目标价，仅阐述策略的有效性和实证表现。

---

二、逐节深度解读

2.1 报告要点与策略背景

• 传统基于市值、PB、市盈率（ROE）、未分配利润比例等单一财务指标筛选，未能大幅提升股息率因子的选股能力。

- 关键创新点在行业生命周期维度：股息率的定价能力依赖于股票所属的行业，尤其是行业的未分配利润占比与股息率差距（Spread）。

• 先行业筛选，再在优选行业内基于股息率构建股票池，能有效增强股息率因子的选股能力。

- 业绩验证：从2007年初到2017年4月底，高股息组合年化收益19.8%，相对于沪深300指数超额14.2%，月度超额胜率68.3%，年度超额胜率100%，信息比率高达1.61，换手率仅25%。换言之，该策略取得了显著的风险调整收益，且交易成本相对较低，体现出策略较强的稳定性和经济性[page::0,1]。

2.2 行业优选与股息率因子的适用性

• 分析强调，股息率因子的选股能力因所处行业生命周期差异而异。

- 利用行业平均未分配利润占比和行业股息率差别指标，可以有效筛选出股息率适用性好的行业。

• 因此，策略的目标是通过行业层面的筛选强化股息率因子的表现，而非直接对全部股票应用股息率因子。

- 这解决了以往因子分层（基于单个财务指标）无显著提升的困境，突破了行业生命周期对因子适用性的限制[page::1]。

2.3 高股息组合历史表现分析

• 图1（高股息组合历史表现）绘制了从2007年至2017年期间，策略组合与沪深300指数的累计收益曲线。

- 主要趋势包括：
- 高股息组合的累计收益持续优于沪深300，尤其2009年以后明显拉开差距。
- 月度超额收益虽有波动，但整体向好，累计超额收益逐步攀升，表现出稳定的超额收益特征。

• 以上数据佐证了先选行业再选个股的策略有效性，投资者依此可在维持较低换手率前提下，实现较高的风险调整回报[page::1]。

2.4 样本外表现跟踪与验证

基准为中证红利指数

• 2017年5月2日至7月5日，样本外的高股息组合相对中证红利指数累计超额收益为3.99%。

- 其中5月份表现尤为突出，月度超额收益达3.85%，6月虽有小幅回调 (-0.48%) ，整体表现依然优异。

• 图2展示了该期间高股息组合与中证红利指数的净值成长曲线与每日超额收益柱状图，显示其相对优势明显[page::2]。

基准为沪深300指数

• 在相同时段，比较高股息组合与沪深300指数，2017年5月组合收益率4.72%，远超沪深300的1.54%。

- 6月组合表现稍逊于沪深300（差异为-1.07%），但累计收益仍领先沪深300达2.56%。

• 图3反映了近期净值曲线及每日超额收益情况，佐证了组合在不同基准下的稳健优异表现[page::3]。

2.5 组合构建方法及持仓明细

• 本期组合于2017年7月3日调仓，策略为：先选行业，根据行业优选结果筛选行业样本池，再从中基于股票股息率（ttm）从高到低排序，选入30只股票，采取等权配置。

- 组合覆盖主要行业如房地产、银行、非银行金融、交通运输、纺织服装等。

• 具体样本包括如金地集团（股息率9.59%）、大秦铁路（8.40%）、光大银行（7.29%）等，涵盖多个高股息行业龙头。

- 等权配置减少个别个股波动带来的组合风险，同时行业多元化有助于缓释行业风险[page::4]。

2.6 投资评级体系说明

• 行业评级基于未来12个月内相对沪深300指数的涨跌表现划分为看好、中性、看淡。

- 公司个股评级依据相对沪深300指数涨跌幅进行买入、增持、中性、减持。

• 本报告未针对具体股票逐一定价评级，主要集中于策略层面和组合表现解读[page::5]。

---

三、图表深度解读

图1：高股息组合历史表现（2007-2017）

• 描述：图示展示高股息组合、沪深300指数及沪深300股息率精选组合的收入增长和超额收益情况。

- 解读：
- 高股息组合累计收益走势（蓝线）稳步高于沪深300（绿线）。
- 月度超额收益（灰色柱状）虽有波动，但多数月份为正，支持策略有效性。
- 累计超额收益（虚线）整体呈上升趋势，表明长期持有获得持续丰富收益。

• 联系文本：图表验证了通过行业优选后，股息率选股策略大幅提升超额收益的核心判断[page::1]。

图2：2017年5月以来高股息组合净值走势图（基准中证红利指数）

• 描述：图中展现组合净值及其相对于中证红利指数的每日超额收益。

- 解读：
- 组合净值曲线持续走高，明显优于中证红利指数。
- 超额收益柱体主要为正，说明在样本外依然保持强劲表现。

• 联系文本：支持高股息组合在较短样本外期依然优于基准，具有一定实盘操作参考价值[page::2]。

表1：2017年5月至7月高股息组合收益

• 5月份组合收益4.72%，中证红利指数仅0.82%，月度超额3.85%；
• 6月份组合3.87%，中证红利指数4.36%，月度略逊一筹；
• 5月至今累计9.14%，中证红利指数4.91%，累计超额3.99%。
• 该表格清晰定量表现了组合优于基准的收益优势[page::2]。

图3：2017年5月以来高股息组合净值走势图（基准沪深300指数）

• 描述：与图2相似，比较了高股息组合与沪深300指数的净值走势及每日超额收益。

- 解读：
- 组合累计净值明显高于沪深300，体现策略在主流大盘指数基准下依旧有效。
- 超额收益柱体波动频繁，但整体偏多为正，显示短期波动性较大，但整体超越趋势明确。

• 联系文本：与沪深300相比，组合依旧保持超额收益，有助于投资者通过股息率因子实现战胜大盘的目标[page::3]。

表2：对比沪深300的收益表现

• 5月组合超额3.12%，6月略逊（-1.07%），累计超额2.56%；
• 说明即使面对市场变动，该策略仍具备一定抗跌能力和超额收益潜力[page::3]。

---

四、估值分析

该报告主要聚焦因子策略以及组合表现分析，未详细涉及单独股票或行业估值模型，如DCF或绝对估值法，亦未提供市盈率倍数等传统估值指标分析。因此本部分无具体估值模型的描述。

策略价值主要依赖于基于行业生命周期的筛选机制和股息率因子的相对表现验证。

---

五、风险因素评估

报告没有独立列出风险因素章节，但可从以下理解风险隐含点：

• 行业生命周期风险：策略基于行业生命周期判定适用性，如行业生命周期判断错误，可能导致选入行业股息率因子失效。

- 市场环境变化：股息率作为因子在经济周期及政策变动期可能表现波动，短期超额收益存在回撤风险。

• 样本外表现不确定性：虽然短期样本外表现良好，但未来市场环境变化及个股风险可能影响策略表现，尤其考虑换手率虽低但仍存在交易成本风险。

- 单一因子依赖风险：过度依赖股息率因子可能忽视成长性或其他价值因子，风险分散有限。

报告未明确提供缓解方案或具体定量风险概率评估，投资者应结合多因子和宏观判断共同决策[page::0-4]。

---

六、批判性视角与细微差别

• 本研究强调行业优选的必要性，表现优异数据充分，但可能存在“行业生命周期划分”或“Spread指标”的细节未详细披露，给策略复制带来一定门槛。

- 报告集中在股息率因子的解释与应用，缺乏对该策略在不同市场环境（牛市、熊市、震荡市）的条件限制讨论。

• 换手率较低是优点，但报告未详细分析组合流动性风险及受限于等权配置可能导致对部分流动性较差股票暴露。

- 选股基于单因子相对简单，未包含多因子融合潜力分析，限制了策略在极端市场环境下的稳定性。

• 短期样本外回测空间较窄（约两个月），难以充分论证策略在不同时间点与市场环境的稳健性。

整体而言，报告结构严谨，数据详实，但部分策略细节及潜在局限隐含，投资者需谨慎考虑模型假设依赖及市场适用性[page::0-5]。

---

七、结论性综合

本报告系统阐述了“先行业优选，后股息率选股”策略的形成逻辑、实施路径与历史及样本外表现验证。报告核心发现与亮点如下：

• 行业生命周期是股息率因子有效性的关键制约因素，单纯基于常见财务指标筛选无法提升股息率因子选股能力。

- 利用未分配利润占比及行业股息率Spread进行行业优选，显著改善组合收益表现，体现了行业分层策略的价值。

• 通过10年历史回测，在沪深300样本中构建的高股息组合取得惊人的年化19.8%收益，超越市场14.2%，且信息比率高达1.61，显示风险调整后收益优异。

- 样本外跟踪从2017年5月至7月短期回测，组合相较于中证红利指数和沪深300，均实现了约2.5%-4%的超额收益，验证了策略的稳定性和可操作性。

• 组合持仓涵盖房地产、银行、非银行金融、交通运输等行业，持仓数量为30只，采用等权分配，兼顾分散风险及捕捉高股息收益。

- 投资者可借助该策略实现长期稳健高收益，适合寻求股息及稳定现金流的投资风格。

图表数据有力支持了行业优选增强股息率因子选股能力的核心结论。报告虽未深入估值建模，但组合和收益数据展现出明显的市场超额表现，体现出该策略体系结构的科学性和实用性。

投资者在采用策略时应同时考虑潜在风险，包括行业生命周期判断可能的不确定性及市场环境变化带来的策略表现波动，建议结合其他因子及宏观分析共同决策。

综上，长江证券研究所的本篇报告以严谨的实证研究证明了基于行业生命周期的高股息策略在中国A股市场有效性，具有较强的实操指导意义和学术参考价值[page::0-5]。

---

附录：重要图表引用

• 图1 高股息组合历史表现：

- 图2 2017 年 5 月以来高股息组合净值走势图（基准：中证红利指数）：
- 图3 2017 年 5 月以来高股息组合净值走势图（基准：沪深 300 指数）：

报告