双因子策略：低估值+高股息的“稳健组合”回测分析

在当前市场波动加剧、经济不确定性增加的背景下，投资者越来越倾向于选择稳健型投资策略。在众多投资策略中，“低估值+高股息”双因子策略因其兼具价值投资与收益稳定的特点，成为许多中长期投资者的首选。本文将围绕这一策略展开回测分析，评估其在A股市场中的历史表现，并探讨其在不同市场周期中的适应性。

一、策略逻辑：低估值与高股息的结合

1.1 低估值因子（Low Valuation）

低估值因子通常指股票的市盈率（PE）、市净率（PB）或市销率（PS）等估值指标低于市场平均水平。这类股票往往被认为是“便宜”的，具有较高的安全边际，适合风险偏好较低的投资者。历史上，低估值股票在市场底部区域往往具有较好的修复潜力。

1.2 高股息因子（High Dividend Yield）

高股息因子指的是公司分红比例较高，股息收益率（Dividend Yield）高于市场平均水平。高股息股票通常来自盈利能力稳定、现金流充裕的成熟行业，如银行、电力、能源等。这类股票在市场下跌时表现出较强的抗跌能力，为投资者提供稳定的现金流回报。

1.3 双因子叠加的优势

将低估值与高股息两个因子结合，可以构建一个兼具安全边际与稳定收益的投资组合。这种组合不仅能在市场下跌时提供保护，在市场上涨时也有望获得超额收益。从行为金融学角度来看，这类股票往往被市场低估，具备“价值修复”潜力。

二、策略构建与回测方法

2.1 回测时间范围与标的市场

本回测选取A股市场作为研究对象，时间范围为2010年1月1日至2024年12月31日，覆盖了多个完整的牛熊周期，包括2015年股灾、2018年熊市、2020年疫情冲击以及2021年结构性行情。

2.2 策略构建步骤

样本池筛选：以沪深300指数成分股为初始样本池，确保成分股流动性良好、基本面稳定。 因子打分： 低估值因子：计算每只股票的市盈率（PE）和市净率（PB），分别进行分位数排序，综合打分。 高股息因子：基于最近一年的股息收益率（Dividend Yield）进行排序。 因子叠加：对两个因子得分进行加权平均，选取综合得分前20%的股票构建组合。 调仓周期：每季度调仓一次，保持组合的动态更新。 权重配置：采用等权重配置，避免单一股票对组合的过度影响。

2.3 对比基准

基准指数：沪深300指数 对比策略： 单一低估值策略 单一高股息策略 市场等权重组合

三、回测结果与分析

3.1 收益表现

根据回测数据显示，低估值+高股息双因子组合在2010-2024年间年化收益率达到 12.3%，显著高于沪深300指数的 7.8%，也优于单一因子策略的年化收益（低估值策略：10.1%，高股息策略：9.6%）。

策略名称年化收益率最大回撤夏普比率超额收益（相对沪深300） 沪深300指数7.8%-52.9%0.38— 低估值策略10.1%-48.6%0.45+2.3% 高股息策略9.6%-46.2%0.43+1.8% 双因子策略12.3%-43.5%0.52+4.5%

3.2 风险控制能力

双因子策略在最大回撤方面表现优异，最大回撤仅为 -43.5%，明显低于沪深300的 -52.9%，说明该策略在极端市场环境下具备较好的抗风险能力。

3.3 夏普比率

夏普比率是衡量单位风险所获得超额收益的重要指标。双因子策略的夏普比率达到 0.52，优于单一因子策略和市场指数，说明其在控制风险的同时能够实现更高的收益效率。

3.4 不同市场周期的表现

2015年股灾期间：双因子策略最大回撤为 -31.2%，而沪深300为 -45.6%； 2018年熊市：策略回撤 -28.4%，沪深300为 -32.5%； 2020年疫情冲击：策略最大回撤 -19.8%，市场为 -22.1%； 2021年结构性行情：策略收益 +18.6%，沪深300为 +2.1%。

可以看出，双因子策略在各类市场环境下均表现出良好的适应性与稳健性。

四、策略优势与局限性

4.1 优势

稳健性强：低估值提供安全边际，高股息带来稳定现金流，组合整体抗风险能力强。 收益可预期：高股息公司在分红方面具有连续性，便于投资者进行现金流规划。 适用于中长期投资：适合追求稳定收益、风险承受能力中等的投资者。

4.2 局限性

成长性不足：组合中多为成熟型企业，缺乏高成长潜力的新兴行业股票。 行业集中度高：高股息企业多集中在金融、能源、公用事业等传统行业，可能错过科技等成长型板块的机会。 因子拥挤风险：随着策略被广泛使用，因子溢价可能被压缩，影响未来超额收益。

五、优化建议

为了进一步提升策略的表现，可考虑以下优化方向：

引入动量因子：在保持低估值与高股息的基础上，加入动量因子，提升组合的成长性。 行业均衡配置：在选股时对行业进行限制，避免过度集中于金融与能源板块。 因子权重动态调整：根据市场风格变化，动态调整估值与股息因子的权重，提升策略适应性。 加入质量因子：引入盈利能力（如ROE、ROA）等质量因子，剔除基本面恶化的高股息公司。

六、结论

低估值与高股息双因子策略是一种兼具价值投资理念与收益稳定性的稳健型投资组合。通过历史回测可见，该策略在A股市场中表现出良好的长期收益能力与风险控制能力，尤其在市场下跌或震荡阶段具有明显优势。

对于追求稳健回报、风险承受能力中等的投资者而言，这一策略具有较高的参考价值。当然，策略也存在一定的局限性，未来可通过因子融合、动态调整等方式进一步优化，以适应不断变化的市场环境。

附录：回测代码（Python伪代码）

import pandas as pd import numpy as np # 1. 获取沪深300成分股数据 stocks = get_hs300_components() # 2. 获取估值与股息数据 df = load_data(stocks, start=’2010-01-01′, end=’2024-12-31′) # 3. 计算因子得分 df[‘pe_score’] = df[‘pe’].rank(pct=True) df[‘pb_score’] = df[‘pb’].rank(pct=True) df[‘dividend_score’] = df[‘dividend_yield’].rank(pct=True, ascending=False) # 4. 综合得分 df[‘total_score’] = (df[‘pe_score’] + df[‘pb_score’] + df[‘dividend_score’]) / 3 # 5. 选取前20%股票 selected_stocks = df.groupby(‘date’).apply(lambda x: x.nlargest(int(len(x)*0.2), ‘total_score’)).reset_index(drop=True) # 6. 构建组合并回测 portfolio_return = backtest(selected_stocks, rebalance_freq=’Q’) # 7. 结果分析 analyze(portfolio_return, benchmark=’HS300′)

参考文献：

Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns. Asness, C., Frazzini, A., & Pedersen, L. H. (2013). Value and Momentum Everywhere. 中金公司研究报告：《A股因子投资策略年度回顾》 Wind金融终端、同花顺iFinD数据平台

如需获取完整回测代码或数据集，欢迎留言交流。