林晓明 S0570516010001 研究员
黄晓彬 S0570516070001 研究员
张 泽 S0570118080149 联系人
王佳星 S0570119090074 联系人
报告发布时间:2020年6月21日
摘要
当前各国股债利差处于近十年高位,股票相对债券具有估值优势
FED美联储估值模型将PE_TTM倒数所代表的股票收益率与十年期国债利率所代表的债券收益率进行对比以确定股债利差,从而判断股票是否相对债券具有估值优势。我们用FED模型比较了全球主要股指PE_TTM倒数及各国十年期国债收益率,结果显示当前各国的股债利差处于十多年来的较高位置,股票相对债券估值处于被低估的状态。
资产价格表现跟踪:全球权益市场普跌,利率下行,商品分化
权益资产方面,上周全球主要股指普涨,发达市场的表现整体强于新兴市场。债券资产方面,全球主要经济体的十年期国债利率上周均小幅下跌。商品资产方面,除上海金微跌0.17%之外,其余主要商品均上涨,其中ICE布油大涨7.38%,LME锌上涨4.07%,商品资产回暖趋势明显。VIX指数先降后升,美元指数小幅反弹。
行业景气度跟踪:推荐农林牧渔、国防军工、电新、电子和综合行业
我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据,构建了12个景气度指标来对各行业景气状态进行月度打分(该指标景气度向好打1分,恶化打-1分,无信号打0分,综合打分数值越高,意味着该行业越景气)。根据2020年5月29日的最新建模结果,全市场处于景气度底部,仅农林牧渔一个行业景气度为正。景气度打分排名前五的行业分别是:农林牧渔、国防军工、电力设备及新能源、电子、综合。
行业拥挤度跟踪:上周股市上行,总计七个行业出现拥挤
我们以量价数据为基础,构建了收盘价乖离率、换手率与收盘价相关系数、成交量与收盘价的相关系数、峰度、换手率乖离率以及换手率这六项拥挤度指标,用以刻画行业指数是否存在过热交易风险。将上述指标的打分结果加总即可得到各行业的复合拥挤度打分,复合拥挤度大于零即可表明该行业处于拥挤状态,有一定的交易过热风险。上周股市上行,各行业普涨,总共有七个行业处于拥挤状态。基础化工、机械、电力设备及新能源以及家电四个行业量价背离;交通运输、医药行业近期收益率峰度处于历史低位;商贸零售行业近期换手率乖离率处于历史高位,存在交易过热风险。
风险提示:模型根据历史规律总结,历史规律可能失效。金融周期规律被打破。市场出现超预期波动,导致拥挤交易。
FED模型显示全球股指相对债券当前估值优势明显
1997年7月,美联储《汉弗莱-霍金斯报告》(Humphrey-Hawkins Report)中的一张图表显示了1982年至1997年长期美国国债收益率与标准普尔500指数的远期收益率之间的密切关系。在1997年和1999年,经济学家埃德·亚德尼(Edward Yardeni)进一步分析了这种债券收益率与股票收益率的关系,并将这种关系命名为美联储的股票估值模型(FED模型),该模型随后也在国际上受到了普遍认可与广泛应用。
FED模型将债券和股票看作是相互竞争的大类资产,把股票和债券的收益率进行对比:若股票预期收益率低于债券收益率,意味着股票被高估;若股票预期收益率高于债券收益率,意味着股票被低估。两个收益率的差为股票的风险溢价,也被称为股债利差,即:
股票风险溢价 / 股债利差 = 股票收益率 - 债券收益率
通常我们会采用股票PE_TTM的倒数作为股票收益率的代理变量,而用十年期国债利率来代表债券收益率。当股债利差小于0意味着股票预期收益率不如债券,股票相对债券具有估值优势,大于0则意味着股票相对债券被低估。
我们下文采用各国10年期国债利率作为债券收益率,采用股指的PE_TTM倒数(后文简称PE倒数)作为股票的收益率。
我们使用2007年1月到2020年6月19日的上证综指PE_TTM和十年期国债收益率进行A股市场FED模型实证。从下图可以看出,上证综指在2007-2008年相对债券被高估,之后股价由被高估转为被低估,此后大多时间都处于相对被低估的状态。当前股债利差处于自2007年来的高位,股票相对债券被低估。
美国股债利差当前处于近10年的较高水平,股票相比债券具有估值优势
据FED模型在美国市场的实证分析,道琼斯工业指数和标普500收益率在区间内普遍高于十年期国债收益率,而纳斯达克指数则和十年国债收益率交错领先。在股债利差方面,道琼斯工业指数和标普500相对于十年期国债长期被低估,纳斯达克指数时有被高估。当前三大股指的股债利差均在0轴之上,纳斯达克与美国十年期国债利差处于自2007年来的较高位置,股票相对债券拥有估值优势。
欧洲各国债券利率偏低,当前股指相对债券明显被低估
欧洲市场中英国、法国和德国的股指收益率和十年期国债收益率的走势基本一致。当前欧洲英国富时100指数、法国CAC40和德国DAX均处于股债利差的历史较高区间位置,股票估值相对债券具有优势。
FED模型下中国沪深300和中证500相对债券都具有估值优势
中国A股市场沪深300收益率大多时间高于十年期国债收益率,但中证500的PE倒数与十年期国债收益水平相当。与前文上证综指类似,沪深300在2008年被显著高估,当前处于被低估的区间。历史上中证500的PE倒数与十年期国债利率差值基本维持在0轴附近,当前中证500估值相对债券同样具有估值优势。
全球大部分国家股债利差为十多年来的高位,部分分位数高达80%以上
对比过去十多年各国股债利差的数据以及当前的分位值,绝大部分股指相对债券被低估,当前的股债利差处于过去十余年的较高水平。其中中证500、纳斯达克、法国CAC40处于80%以上的分位,沪深300和法国CAC40的股债利差分别达到5.66%和5.44%。股票相比债券总体估值优势明显。
景气度跟踪:A股景气度处于底部,仅农林牧渔处于景气状态
在华泰金工行业轮动系列报告《景气度指标在行业配置中的应用》(2019-9-12)中,我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据,构建了12个景气度指标来对各行业景气状态进行月度打分(该指标景气度向好打1分,恶化打-1分,无信号打0分,综合打分数值越高,意味着该行业越景气)。根据2020年5月29日的最新建模结果,全市场处于景气度底部,仅农林牧渔一个行业景气度为正。景气度打分排名前五的行业分别是:农林牧渔、国防军工、电力设备及新能源、电子、综合。
行业拥挤度跟踪:上周股市上行,总计七个行业出现拥挤
在前期报告《拥挤度指标在行业配置中的应用》(2020-02-09)中,我们从控制交易风险的角度出发,构建拥挤度指标对各行业的交易过热风险进行衡量。具体而言,我们以量价数据为基础构建六个单项行业拥挤度指标,并进一步合成复合指标。复合拥挤度指标大于零即可表明该行业处于拥挤状态。历史统计来看,出现拥挤信号的行业在未来一个月出现下跌可能性较大,建议降低仓位。
上周股市上行,各行业普涨,总共有七个行业处于拥挤状态。基础化工、电力设备及新能源、机械以及家电四个行业出现拥挤的原因是量价关系出现背离,成交量与收盘价的相关系数处于历史低位;交通运输、医药两个行业近期收益率分布异常,峰度处于历史低位;商贸零售行业近期资金流入较多,换手率乖离率处于历史高位,存在交易过热风险。
资产价格跟踪:上周全球主要股指和商品普涨,利率下行
统计全球主要股票指数近期表现:1、上周A股普涨,大中小盘指数均上涨,创业板指领涨,周涨幅5.11%;板块层面悉数上涨,成长板块领涨,周涨幅达3.49%;2、全球主要股指多录得正收益,欧洲股市相对强势,纳斯达克领涨,MSCI新兴市场指数和MSCI发达市场指数分别上涨1.45%、2.06%。
债券方面,中、美、日、英、法、德六个主要经济体的十年期国债利率上周下行,近一月涨跌各半。我们认为,债券市场经过过去两年的牛市,目前估值已经处于高位,随着疫情的影响逐步得到控制,基本面逐步回归正轨,中长期来看债券的配置价值不如权益类进攻资产。
商品资产上周普遍上涨,仅SHFE黄金微跌0.17%。其中ICE布油大涨7.38%,LME锌上涨4.07%,商品资产回暖趋势明显。
观察VIX指数的走势,在疫情冲击后逐步回落,反映出流动性冲击逐步钝化,投资者风险偏好在修复,近一周VIX指数先降后升。
美元指数近一周有所上涨,但在经历了疫情期间的大幅反弹后,大概率进入震荡下行通道,说明资金在逐步回流弹性更大的新兴经济体,我们判断这一趋势会在未来一年持续存在。
风险提示
1、 模型根据历史规律总结,历史规律可能失效。
2、 金融周期规律被打破。
3、 市场出现超预期波动,导致拥挤交易。
免责声明与评级说明
公众平台免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
华泰金工深度报告一览
金融周期系列研究(资产配置)
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下)
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六
【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四
【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期(因子择时)
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
行业轮动
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】重剑无锋:低波动 Smart Beta——华泰 Smart Beta 系列之四
【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一
【华泰金工林晓明团队】从关联到逻辑:因果推断初探——华泰人工智能系列之三十
【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九
【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二