中国宏观金融NIFD季报主编:李扬殷剑峰张旸 王蒋姜2022 年 4 月股票市场NIFD季报主编:李扬尹中立 韩宁远2024 年 1 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、系统、全面跟踪全球金融市场、人民币汇率、国内宏观经济、中国宏观金融、国家资产负债表、财政运行、金融监管、债券市场、股票市场、房地产金融、银行业运行、保险业运行、机构投资者的资产管理等领域的动态，并对各领域的金融风险状况进行评估。NIFD 季报由三个季度报告和一个年度报告构成。NIFD 季度报告于各季度结束后的第二个月发布，并在实验室微信公众号和官方网站同时推出；NIFD 年度报告于下一年度 2 月份发布。I 热门赛道股估值回归，“壳价值”升温 摘摘 要要 2023 年，全球主要股指以上涨为主，而 A 股市场的沪深 300指数和深证成份股指数均下跌 12%左右，上证指数综合下跌3.7%。7 月 24 日的中央政治局会议强调，要“活跃资本市场，提振投资者信心”。证监会“四箭齐发”，但此次政策出台之后并未能扭转市场的运行趋势。影响当前股市的因素主要是无风险收益率的变化及房地产市场的风险。在暂缓新股发行的背景下，2023 年下半年“壳价值”出现反弹。热门行业的股票出现了大幅度下跌，有些行业的高估值被证伪，导致股价大幅度下跌，新能源和大消费在 2023 年出现估值回归。2024 年股市展望：注册制改革是大势所趋，2024 年新股发行恢复常态化是大概率事件，市场资金将重新回归蓝筹股；在化解房地产金融风险取得实质性进展之前，股市将继续震荡筑底的走势；如果出现美国股市大幅度下跌，A 股或许会迎来反弹之机；热门行业的估值将继续回归。本报告负责人：本报告负责人：尹中立 本报告执笔人：本报告执笔人：尹中立 国家金融与发展实验室高级研究员 韩宁远 中国社会科学院大学硕士研究生 【NIFD 季报季报】全球金融市场 人民币汇率 国内宏观经济 宏观杠杆率 中国宏观金融 中国金融监管 中国财政运行 地方区域财政 房地产金融 债券市场 股票市场股票市场 银行业运行 保险业运行 机构投资者的资产管理 目 录 一、2023 年度股市运行回顾.1（一）全球主要股市上涨，A 股主要指数继续调整.1（二）美联储快速加息对股市冲击巨大.4（三）房地产行业处于深度调整中，相关产业链的股票表现均受到影响.5（四）新股发行速度暂缓，“壳价值”升温.6（五）北交所交易日趋活跃，三足鼎立格局初步形成.7（六）基金收益欠佳，公募基金权益类资产扩张受阻.8 二、2024 年市场展望.9（一）制约股市运行的外部因素出现边际改善，但需警惕美国的物价反弹.9（二）影响股市运行的国内主要因素仍然是房地产市场.10（三）新股发行应该尽快恢复常态，“壳价值”贬值大势所趋 10 1 一、2023 年度股市运行回顾（一）全球主要股市上涨，（一）全球主要股市上涨，A A 股主要指数继续调整股主要指数继续调整 2023 年全球主要股指均呈现不同程度上涨，A 股表现欠佳。我国主要股指跌幅差别较大，其中，上证综合指数下跌 3.70%，沪深 300 指数下跌 11.38%，深证成份股指数下跌 13.54%，创业板指数下跌 19.41%；香港恒生指数下跌 13.82%。同期，美国道琼斯指数上涨 13.70%，纳斯达克指数上涨 43.42%（见图 1）。图图 1 2023 年度全球主要股指涨年度全球主要股指涨跌跌幅幅 数据来源：Wind。美国纳斯达克指数领跑全球。主导美股年度表现的是以苹果、微软、谷歌等为代表的龙头科技公司，这些公司年度涨幅基本都在 50%左右，其中，英伟达（NVIDIA）上涨幅度超过 200%。而这些龙头科技公司股价大幅上涨，主要原因是 2023 年年初以“ChatGPT”为首的人工智能技术的横空出世。高科技股的追捧热潮在 A 股市场也有所表现。从行业指数看，2023 年 A 股涨幅最大的行业分别是通信、传媒、煤炭、电子、计算机、家用电器、汽车（见图 2）。通信、传媒、电子、计算机行业指数的表现与人工智能技术突破有关。2023 年度上涨幅度最大的 20 只股票几乎全部为“人工智能”概念股票，如此极端的走势十分少见，似乎也预示着该板块的风险正在来临。-30.00%-20.00%-10.00%0.00.00 .000.00.00P.00%2 图图 2 31 个申万一级行业个申万一级行业 2023 年涨跌幅排名年涨跌幅排名 数据来源：Wind。美容护理、商贸零售、电力设备、房地产等行业则全年领跌。在 2023 年度下跌幅度最大的 20 只股票中，新能源行业股票占据半壁江山。过去几年，中国在新能源电池和新能源汽车行业取得了局部领先的优势，相关上市公司的业绩表现优异，众多资金跟风推高了这些公司的估值。宁德时代和比亚迪等新能源电池和新能源汽车行业的代表，股票价格在 2020 年之后大幅度上涨（见图 3），而 2023年该板块的股票均出现较大幅度的回落，有些股票下跌幅度已超过 50%。图图 3 新能源行业估值走势图新能源行业估值走势图 数据来源：Wind。-40.00%-30.00%-20.00%-10.00%0.00.00 .000.00%美容护理商贸零售房地产电力设备建筑材料社会服务基础化工交通运输食品饮料综合农林牧渔有色金属国防军工钢铁环保银行医药生物轻工制造建筑装饰公用事业非银金融纺织服饰机械设备汽车煤炭家用电器石油石化计算机电子传媒通信10.0015.0020.0025.0030.0035.0040.0045.0050.0055.00500.00800.001100.001400.001700.002000.002300.002600.002018-01-052018-03-092018-05-112018-07-132018-09-142018-11-232019-01-252019-04-042019-06-062019-08-092019-10-112019-12-132020-02-212020-04-242020-06-242020-08-282020-10-302020-12-312021-03-052021-05-072021-07-092021-09-102021-11-122022-01-142022-03-252022-05-272022-07-292022-09-302022-12-092023-02-172023-04-212023-06-212023-08-252023-11-03新能源行业指数PE-TTM（右轴）3 除了新能源等新兴行业之外，2020 年前后，市场曾经憧憬中国消费升级，各行业龙头公司均受到资金的追捧，形成了所谓的“茅指数”，“茅指数”在 2019 年初至 2020 年末上涨超过 200%，而在 2023 年，该指数持续下跌（见图 4）。图图 4 “茅指数茅指数”走势图走势图 数据来源：Wind。表表 1 2023 年年全年下跌全年下跌幅度最大的幅度最大的 20 只股票只股票（退市的除外退市的除外）涨幅排名涨幅排名 证券简称证券简称 涨跌幅（涨跌幅（%）涨幅排名涨幅排名 证券简称证券简称 涨跌幅（涨跌幅（%）1*ST 柏龙-86.89 11 利元亨-66.04 2*ST 华仪-82.79 12 海优新材-64.55 3*ST 左江-77.91 13 国联股份-63.82 4*ST 爱迪-75.08 14 鹏辉能源-63.66 5 ST 鸿达-73.15 15 震安科技-62.76 6 昱能科技-69.75 16 中国中免-61.12 7*ST 泛海-69.60 17 锦浪科技-61.09 8*ST 博天-68.00 18 坚朗五金-61.01 9 德新科技-67.62 19*ST 红相-60.17 10 派能科技-66.18 20 绿康生化-59.95 数据来源：Wind，2023 年以来新上市的股票已剔除。003000004000005000006000007000008000009000002018-01-022018-03-142018-05-232018-07-272018-10-092018-12-122019-02-252019-05-062019-07-102019-09-122019-11-252020-02-062020-04-132020-06-192020-08-262020-11-062021-01-122021-03-242021-06-022021-08-062021-10-202021-12-232022-03-072022-05-172022-07-212022-09-262022-12-062023-02-162023-04-242023-07-042023-09-062023-11-174 表表 2 2023 年年全年上涨全年上涨幅度最大的幅度最大的 20 只股票只股票（上市的新股除外上市的新股除外）涨幅排名涨幅排名 证券简称证券简称 涨跌幅（涨跌幅（%）涨幅排名涨幅排名 证券简称证券简称 涨跌幅（涨跌幅（%）1 凯华材料 572.97 11 中际旭创 320.83 2 联特科技 400.27 12 鸿博股份 318.05 3 圣龙股份 386.87 13 佰维存储 290.16 4 百利天恒 386.61 14 通化金马 278.37 5 捷荣技术 377.28 15 利通科技 273.99 6 高新发展 346.16 16 华力创通 272.59 7 华密新材 341.44 17 天孚通信 268.29 8*ST 明诚 339.94 18 曙光数创 247.94 9 中航电测 327.66 19 森远股份 238.01 10 新诺威 321.73 20 中贝通信 236.24 数据来源：Wind，2023 年以来退市的股票已剔除。（二二）美联储快速加息对股市冲击巨大美联储快速加息对股市冲击巨大 美联储不断超预期的加息对中国股市产生了巨大影响。2023 年第四季度，美国 10 年期国债到期收益率最高上升至 5%左右，我国 10 年期国债到期收益率基本徘徊在 2.7%左右，比美国 10 年期国债到期收益率低 200 余个基点。中美国债到期收益率倒挂导致我国资金外流。可以直接观察到的现象是，每当美国 10年期国债到期收益率上升，则美元走强，“北向资金”流出、人民币兑美元汇率贬值，结果是 A 股走弱。2023 年 8 月至 2023 年末，陆港通渠道资金一直是净流出状态。其中，8 月净流出 896.83 亿元，创两年来单月净流出记录（见表 3）。表表 3 陆港通渠道资金月度净流入陆港通渠道资金月度净流入 A 股金额股金额 月份月份 净净流流入入（亿元）（亿元）沪股通成交净买入沪股通成交净买入（亿元）（亿元）深股通成交净买入深股通成交净买入（亿元）（亿元）2023 年年 12 月月-129.25-118.17-11.08 2023 年年 11 月月-17.77 45.81-63.57 2023 年年 10 月月-447.87-232.29-215.58 2023 年年 9 月月-374.60-176.15-198.45 2023 年年 8 月月-896.83-481.61-415.22 2023 年年 7 月月 470.11 234.13 235.98 2023 年年 6 月月 140.26-56.01 196.27 2023 年年 5 月月-121.37 26.00-147.37 2023 年年 4 月月-45.53 16.12-61.65 2023 年年 3 月月 354.40 166.82 187.58 2023 年年 2 月月 92.58 89.09 3.49 2023 年年 1 月月 1412.90 705.55 707.34 数据来源：Wind，截至 2023 年 12 月。5 外资的流出并没有影响内资的加杠杆行为。2023 年，融资余额增加了 1300亿元。在股指持续下跌的背景下，融资余额却不断增加，出现逆势加杠杆现象。外资与内资截然相反的行为在 A 股历史上应该是第一次出现。表表 4 2023 年融资余额增加最多的前年融资余额增加最多的前 20 只股票只股票 排序排序 证券简称证券简称 融资融资增加增加额额（万元）（万元）排序排序 证券简称证券简称 融资融资增加增加额额（万元）（万元）1 赛力斯 429383.48 11 中科曙光 174789.45 2 东方财富 395858.72 12 科大讯飞 173322.14 3 昆仑万维 272610.35 13 贵州茅台 171009.90 4 中国平安 261645.62 14 平安银行 158262.84 5 中信证券 243498.35 15 中国银河 157827.03 6 江苏银行 223303.99 16 海光信息 154727.37 7 中际旭创 218215.70 17 紫光国徽 154321.11 8 长安汽车 211830.99 18 招商银行 153107.24 9 中兴通讯 209396.62 19 迈瑞医疗 136786.26 10 软通动力 198002.25 20 宁波银行 128306.85 数据来源：Wind。（三三）房地产行业处于深度调整中，相关产业链的股票表现均受到影响房地产行业处于深度调整中，相关产业链的股票表现均受到影响 2023 年一季度，房地产市场出现逐月回升的“小阳春”，但是从 4 月以后，房地产市场的交易量出现疲态。7 月底的中央政治局会议明确提出“房地产市场供求关系发生重大变化”，市场普遍认为这是房地产调控政策出现重大转折的信号，房地产政策不再仅是遏制房价过快上涨。8 月 25 日，住房和城乡建设部、中国人民银行、国家金融监督管理总局联合印发了关于优化个人住房贷款中住房套数认定标准的通知，“认房不认贷”政策正式落地。该政策有利于居民换房行为，有利于改善型需求的释放。8 月 31 日，中国人民银行、国家金融监督管理总局发布 关于调整优化差别化住房信贷政策的通知，降低首付比例和按揭利率。处置房地产开发企业的债务风险是 2023 年房地产行业的重要工作。9 月 28日，中国恒大发布公告称，公司董事会主席许家印因涉嫌违法犯罪，已被依法采取强制措施。此事件在市场引起强烈关注，这意味着房地产市场的风险处置关系进入了新的阶段。随着房地产行业进入深度调整，房地产行业的上市公司经营状况出现恶化，有些上市公司不再符合交易所的标准。2023 年，A 股有 9 家房地产行业的上市6 公司被强制退市，占沪深两市场退市总数的近四分之一。被退市的 9 家房地产行业上市公司债务合计近10000亿元，它们在市值巅峰时的总市值超过4000亿元。表表 5 2023 年年第三第三季度季度 A 股上市公司市值分组情况统计股上市公司市值分组情况统计 该公司历史上的最高市值该公司历史上的最高市值 总股本总股本（亿股）（亿股）退市前股东数量退市前股东数量（万户）（万户）总负债规模总负债规模（亿元）（亿元）市值规模市值规模（亿元）（亿元）时间时间 泛海控股泛海控股 1012.70 2015 年 6 月 51.96 8.03 981.67 阳光城阳光城 407.38 2015 年 5 月 41.40 14.25 2640.15 泰禾集团泰禾集团 530.16 2018 年 1 月 24.89 5.42 2094.71 嘉凯城嘉凯城 295.86 2009 年 12 月 18.04 5.51 103.72 宋都基业宋都基业 207.97 2015 年 6 月 13.40 4.82 320.29 粤泰集团粤泰集团 247.01 2017 年 6 月 25.36 4.61 90.90 美好置业美好置业 237.57 2015 年 6 月 24.67 14.52 130.10 中天金融中天金融 776.15 2015 年 6 月 70.05 18.82 1597.32 蓝光发展蓝光发展 383.32 2015 年 6 月 30.35 14.60 1456.59 数据来源：Wind。（四四）新股发行速度暂缓，“壳价值”升温新股发行速度暂缓，“壳价值”升温 截至 2023 年 12 月，我国有 313 只新股发行上市，融资金额 3565.59 亿元，四个季度的融资金额分别为 650.79 亿元、1445.99 亿元、1139.76 亿元和 329.05亿元。2023 年前三季度的新股发行与 2022 年同期基本保持一致节奏，从三季度开始新股发行速度放缓，三季度全市场有 91 只新股发行，四季度有 49 只新股上市，融资规模相较三季度骤降约 800 亿元。为了稳定股票二级市场的价格，监管部门出台政策，暂缓新股发行。2023 年发行的新股中有 88 只跌破发行价，破发比例约 30%左右。其中，下跌幅度超过 30%的有 11 只，只有 1 只新股下跌幅度超过 50%。其余 225 只股票没有跌破发行价，但溢价超过 30%的只有 148 只。新股上市溢价的总体趋势是下行的，但不同阶段也出现过波动。2021 年曾经出现过新股发行定价过低的现象，新股定价一度出现比较严重的“抱团压价”现象，估值中枢节节下行。2021 年 9 月，沪深交易所进一步优化新股定价机制，使“抱团压价”现象得到实质性扭转，新股发行估值出现明显上行。与之相伴的是，新股破发比例大幅提高。可以看到，2020 年和 2021 年上市新股在当年的涨幅中位数分别为-8.46%、-9.97%。2022 年上市新股在当年的涨幅中位数开始回升，7 达到-1.20%，2023 年上市新股在当年的涨幅中位数为 25.84%。新股发行节奏的改变对股价结构产生了较大影响。2023 年 9 月之后，新股暂缓发行使“壳价值”出现明显发弹，直接引发了四季度北交所的行情。（五）（五）北交所交易日趋活跃，三足鼎立格局初步形成北交所交易日趋活跃，三足鼎立格局初步形成 北京证券交易所于 2021 年 9 月 3 日注册成立，是经国务院批准设立的中国第一家公司制证券交易所，是我国第三家证券交易所。北交所的设立标志着中国资本市场三足鼎立格局的形成。北交所的开户门槛初设为 50 万元，投资者数量受到限制，市场流动性不足是制约北交所的核心问题。自成立以来，日成交额均在 10 亿元上下，但从 2023年 10 月末开始，北交所的日成交额逐渐增加，11 月末突然放大至 100 亿元以上。2023 年北证 50 指数收于 1082 点，该指数在 2023 年的低点是 706 点（10 月 24日），一个多月时间里指数反弹了 53%。在交易活跃度增加的影响下，北交所的开户数量快速增加。截至 2023 年 11月 22 日，北交所合格投资者数量已达 626 万户，相较于 2023 年 9 月 1 日北交所深改 19 条推出以来，新增近 70 万户。2023 年 11 月 23 日，易方达、华夏、广发、南方、嘉实、汇添富、大成、万家基金旗下共计 8 只北交所两年定开混合基金的封闭式结束在即。据相关数据统计，截至 2023 年 11 月 21 日，首批 8 只北交所主题基金成立至今的收益回报率均告负，平均收益率收跌 22.08%。图图 5 上市公司上市公司“壳价值壳价值”走势走势 数据来源：Wind，“壳价值”是每年沪深两市场中市值最小的 100 只股票加权平均的结果。0552013年2014年2015年2016年2017年2018年2019年2020年2021年2022年2023年（亿元）8 北交所的活跃并非孤立事件，与新股发行暂缓有直接关系。从 A 股的历史经验来看，每当新股发行暂缓或暂停，“壳价值”必然快速升温。图 5 显示，2014年新股曾经有一年多的时间暂停发行，当时每只股票的“壳价值”高达 40 亿元左右，即一个没有如何现金流收入的公司可以卖出 40 亿元的价格。2019 年开始，随着注册制改革的快速推进，“壳价值”出现贬值趋势。2022 年，每只股票的“壳价值”大约为 10 亿元左右。2023 年 9 月之后，新股发行暂缓，“壳价值”再度升温。北交所的上市公司以“专、精、特、新”企业为主，公司规模均较小，每股对应的“壳价值”比主板高，因此，北交所股票对“壳价值”的波动更加敏感。为了更好地说明新股发行暂缓与“壳价值”之间的波动关系，我们把沪深两个市场进行了分组统计，结果是 2023 年小市值的股票出现大幅度上涨，与北交所行情一致。表表 6 不同市值股票涨跌情况（按照年初市值排序）不同市值股票涨跌情况（按照年初市值排序）分组分组 上市公司数量上市公司数量（家）（家）期初市值期初市值（亿元）（亿元）期末市值期末市值（亿元）（亿元）年度市值年度市值 涨跌幅涨跌幅 估值估值（PE）2000 亿以上亿以上 53 273311.86 275285.48 0.72.98 1000 亿亿-2000 亿亿 75 103886.18 93609.31-9.89.34 500 亿亿-1000 亿亿 139 99228.38 90881.85-8.41.42 300 亿亿-500 亿亿 217 82032.00 71968.04-12.27#.76 200 亿亿-300 亿亿 272 66031.87 61179.29-7.35&.98 100 亿亿-200 亿亿 705 99465.84 95633.84-3.854.69 50 亿亿-100 亿亿 1145 80787.80 82217.35 1.77W.86 50 亿以下亿以下 2270 69279.58 81780.96 18.04.53 总计总计 4876 874023.50 852556.12-2.46.10 数据来源：Wind。（六）（六）基金收益欠佳，公募基金权益类资产扩张受阻基金收益欠佳，公募基金权益类资产扩张受阻 2023 年股票型基金和混合型基金份额净值表现截然不同。其中，混合型基金整体出现亏损，尤其是三季度和四季度基金亏损净值加快；股票型基金份额则逆势走高。2023 年 A 股市场主要类型基金的平均收益率不佳。股票型基金净值普遍下跌，混合型基金中的偏股混合型基金跌幅居前，平衡混合型和偏债混合型基金跌幅不大，QDII 基金表现一枝独秀（见图 6）。9 图图 6 2023 年年 A 股市场主要类型基金平均收益率股市场主要类型基金平均收益率 数据来源：天天基金网。二、2024 年市场展望 在过去一年里，我们一直强调国内房地产政策和美联储的货币政策对股市的影响，伴随着美联储加息进程的不断进行，这两个因素分别在 2023 年三季度和四季度出现边际改善。（一）（一）制约股市运行的外部因素出现边际改善，但需警惕美国的物价反弹制约股市运行的外部因素出现边际改善，但需警惕美国的物价反弹 美国的 10 年期国债到期收益率是全球资产定价之锚，中美利差影响股市的资金流动，这是美国货币政策影响中国股市的基本逻辑。根据美联储2023年12月份会议的信息，美联储决定12月仍放缓加息步伐，将联邦基金利率目标区间继续维持在 5.25%至 5.50%之间。市场一致认为，美联储加息周期或将结束，降息通道也将在未来缓慢打开，随着美国长期国债的收益率出现快速下降，10 年期国债到期收益率下行至 4%左右，比最高点下降了 100个基点。我们认为，美国控制通胀并非易事，2024 年美国物价反弹的概率相当大。2023 年四季度，美国消费物价回落得益于石油价格从每桶 90 美元下跌到 70 美元，下跌幅度超过 20%。石油价格的下跌与美国石油出口量的增加直接相关，对冲了其他产油国降低石油出口试图维护油价的努力。从需求的角度看，美国股市主要指数均创历史新高，股票市值的大幅度增加使美国的财富水涨船高，购买力也随之增强，增加了控制物价的难度。在 70 年代，美国曾经有过物价几度反复的教训，出现了所谓“滞涨”现象。如果物价出现反弹，美联储必然会采取措施，对股市产生不利影响。-15.00%-10.00%-5.00%0.00%5.00.00%偏股混合型股票型平衡混合型偏债混合型QDII10（二）（二）影响股市运行的国内主要因素仍然是房地产市场影响股市运行的国内主要因素仍然是房地产市场 房地产市场复苏的程度决定着股市反弹的高度和方向。尽管房地产政策拐点已经出现，但是目前房地产市场形势仍然不容乐观。中央金融工作会议强调，促进金融与房地产良性循环，健全房地产企业主体监管制度和资金监管，完善房地产金融宏观审慎管理，一视同仁满足不同所有制房地产企业合理融资需求，因城施策用好政策工具箱，更好支持刚性和改善性住房需求，加快保障性住房等“三大工程”建设，构建房地产发展新模式。由此可见，强化对房地产开发企业的监管是未来房地产金融政策的主旋律。从化解房地产金融风险的国际经验看，最终必须依靠政府的信用介入，政府通过入股或担保的方式来提高出险企业的信用，仅靠企业自身的努力是难以摆脱债务风险的。中国的房地产市场有一定特殊之处，土地财政的存在使土地价格易涨难跌，化解房地产金融风险的措施操作如果不当就会成为“涨价去库存”的手段，2015 年就是前车之鉴。中央政府、地方政府及房地产开发企业形成三方博弈的关系，增加了化解风险的难度，房地产市场风险的出清时间有可能比成熟的市场化国家更久。我们希望以恒大为代表的房地产企业的风险处置在 2024 年度取得实质性进展，让房地产市场的预期更加明确，这有利于稳定股市的预期。反之，如果房地产市场的风险进一步蔓延和扩散，对股市的负面影响恐会加深。（三）（三）新股发行应该尽快恢复常态，“壳价值”贬值大势所趋新股发行应该尽快恢复常态，“壳价值”贬值大势所趋 与成熟的股票市场相比，A 股市场的显著特点是小盘股存在高溢价现象。小盘股的高溢价与新股发行的核准制密切相关，随着注册制改革快速推进，对于上市公司的“壳价值”将造成持续贬值的效果，这意味着占市场 60%以上的小市值股票存在估值回归风险。2023 年 8 月，为了缓和股价下跌的压力，监管部门采取了暂缓新股发行的建议。从新股暂缓发行两个季度的市场表现看，阻止股价下跌的预期并未能实现，而“壳价值”却出现逆势上涨。“壳价值”的上涨不利于资本市场发挥资源配置的功能，也不利于经济结构的优化。我们预期，2024 年新股发行会回复常态化。11 版权公告：【版权公告：【NIFD 季报】为国家金融与发展实验室版权所有，未经版权所季报】为国家金融与发展实验室版权所有，未经版权所有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人或所属机构的观点。或所属机构的观点。制作单位：国家金融与发展实验室。制作单位：国家金融与发展实验室。

0人已浏览 2024-01-11 15页 5星级

中国股票风险因子模型白皮书中国股票风险因子模型白皮书第 1 页 共 73 页中中国国股股票票风风险险因因子子模模型型清华大学全球证券研究院摘要：摘要：近年来，基于因子体系的建模方法在宏观经济及多种资产大类（股票、信用债、大宗商品、外汇、利率以及衍生品）受到了各国学者的重视。该领域的研究也取得了长足的进步和丰厚的成果，因子体系逐渐成为当前头部金融机构精细化管理投资流程，风险控制以及投后归因的主流工具。为助力国内金融基础设施建设，我们对我国的金融市场进行了实证研究，改良了传统因子体系构建方法。本文旨在探索中国股票风险因子模型体系的构建，深度结合中国金融市场环境实际，逐步校验并调整因子模型的假设。相比于传统的股票市场因子体系，本文构建的中国股票风险因子模型摈弃了市值加权的回归分析方法，使用更为稳健的换手加权 EM 算法估测，并以此为基础，在申万行业因子之外臻选出 12 个具有强解释力且直观稳定的风格因子。我们使用 2012-2022 年中国 A 股上市公司股票的实际数据，使用模型进行实际风险控制校验，该因子体系相比于传统因子体系在控制波动率以及尾部风险均有显著提升，有助于制定更精准的风险控制与投资决策。关键词关键词:因子模型、EM 算法、风险中国股票风险因子模型白皮书第 2 页 共 73 页1.因子因子的的基本概念基本概念因子（Factor）的概念源于 CAPM 理论，该理论描述了在无交易成本、投资者理性决策的假设下，资产的预期超额收益和市场预期超额收益线性相关的关系。CAPM 模型是最简单的因子模型，其中市场超额收益对应的市场组合称之为“市场因子”。以此为契机，S.A.Ross（1976）提出了著名的套利定价理论（Arbitrage Pricing Theory，APT），进一步扩展定义了包含多个因子的市场一般定价模型。为了进一步介绍因子，本文先介绍更宽泛的概念：特征（特征（Characteristics）：任何个股级别的数据都是个股的特征。信号（信号（Signal）：能够对收益有预测能力的特征，称之为信号。因子因子（Factor）：经过进一步优选的，满足特定要求的信号，称之为因子。因子暴露（因子暴露（Factor Exposure/Factor Loading）：它描述个股超额收益对因子组合超额收益的反应。通常在模型中记作。在一个统一的因子模型中，因子暴露与因子之间，存在一一对应的关系。因子模拟投资组合因子模拟投资组合（Factor-Mimicking Portfolio）：构建一个动态调仓的投资组合，使这个投资组合的收益模仿/跟随目标因子。在主流的因子分析框架的假设下，因子有两个重要性质：1.因子是个股联动的重要因素；2.个股的期望收益及当期收益，完全由因子的预期收益及当期收益贡献。1具体来说，APT 认为：, 1=, 1(1.1)其中，表示期望算子，, 1代表因子收益（K1），, 1代表个股收益（N 1），代表因子暴露（NK）。和 CAPM 类似，多因子模型假设资产的预期收益率由公式（1.1）右侧的一系列因子的预期收益率和资产在这些因子上的暴露决定。然而，金融市场本身非常复杂，其中包含大量的仅依靠当前已经列出的因子所1基于 APT 框架（S.A.Ross,1976），个股收益和因子之间线性相关，任何没有共同因子暴露的个股的收益都会相互独立。值得注意的是，因子未必有很高的预期收益，甚至预期收益未必是正的。中国股票风险因子模型白皮书第 3 页 共 73 页无法捕捉到的随机变动，这种问题当然可以通过寻找更多的因子来捕捉更多的变动性，但这种方法仍然不可能完全捕捉到金融市场的所有变动性，金融市场上的完全无理由的噪声是普遍存在的，因此实际市场模型，可以通过引入一个定价误差（pricing error）项来描述。因此，（1.1）式通常也可被具体写作：, 1=, 1 , 1 . 1(1.2)其中, 1为资产的实际预期收益率和多因子模型隐含的预期收益率之间的定价误差，, 1代表个股特异性收益（N 1）。如果, 1显著偏离零，则代表了某个可以通过套利而获得超额收益的机会；这也同时说明由于某些原因，市场对该资产出现错误定价（mispricing），从而导致其实际预期收益率和多因子模型下的预期收益率出现了偏离。2根据风险和收益，我们可以将因子粗略地分为两类：（1）风险因子：因子风险高，收益低。（2）Alpha 因子：因子风险低，收益高。指数化投资重点强调投资组合对于不同风险因子的敏感程度，而水平一般为主动型投资组合所重点考量。2.风险模型的意义风险模型的意义金融业务的关键难点在于风险决策。如何系统行的度量与处置风险，进而做出优秀的风险决策，是金融行业面临的核心挑战。在科学的风险建模方法中，因子法是当前国际金融市场上普遍采用的系统性解决方案，因子法建模，具有清晰明了、简洁灵活、容易扩展的特征，在国内、国际金融市场的研究和实践中都有着广泛的应用。基于因子的投资分析与建模框架，被学术界与业界统一采用。经过几十年的努力，学术界提交了丰富的金融理论模型和计量经济统计工具来计算资产的价值，并发现了广泛接受和接受的价值、盈利能力、动量和低波动性要素。自股权投资基金出现至今，这些学术成果一直为业界2这个系统里t并不是必要的，因为t可以被视为是一个风险极低收益极高的特殊因子 ft0中国股票风险因子模型白皮书第 4 页 共 73 页所应用。事实上，因子投资的兴起得益于资产定价的学术研究。同时业界的因子投资活动也为已有理论的反复检验和新理论的提出提供了充足的数据，促使学术界不断提出新的研究成果。这个过程中，因子模型本身，也在不断改进和创新。多因子模型作为替代 CAPM 的主流替代方法之一，已逐渐发展成为股权投资的有效手段。当前国际金融市场上大量的资产管理机构都在使用风险因子模型来管理他们资产组合，同时也培育了以 MSCI3,Axioma4,Northfield5，SunGard6等为代表的第三方通用风险因子模型体系的商业模式。到目前为止，多因子模型一直应用于各种类型的资产投资中，特别是在股票、债券、商品期货和加密货币领域中有所体现。最新趋势从因子的角度分析了各种类型资产收入的潜在驱动因素和逻辑，并将要素用于类别之间的资产构成。对于因子投资主体来说，了解现有方法有助于更好地适应和接受因子投资的未来发展和变化。3.现有现有风险风险因子因子模型介绍模型介绍与解释并预测资产收益的收益率模型不同，在因子投资中，风险模型的主要目标是准确预测资产收益的协方差矩阵，为风险控制提供依据。在风险模型中，因子的个数往往远小于资产的个数，因此能达到降维的效果。根据风险模型，我们可以得到资产协方差矩阵与因子协方差矩阵的关系：= （3.1）其中，为资产的协方差矩阵（N 阶），为因子协方差矩阵（N3MSCI 公司，一家总部位于美国纽约的知名金融公司，提供多样化的市场投资指数服务以及专业化的多资产组合分析工具是其重要的服务模式。2004 年，MSCI 公司收购了 Barra 公司并成立了 MSCI Barra，专业提供资产因子模型体系服务，随后 2010 年，MSCI 公司进一步收购了 RiskMetrics 公司，进一步丰富了其在多资产的收益、风险建模方面的专业化工具体系。4Axioma 公司总部同样位于纽约，1998 年成立，是一家专业从事投资组合优化决策的软件服务商，投资组合经理们使用相关工具由于组合生成、组合监控、虚拟持仓模拟与风险评估，管理交易成本和持仓再平衡，作为其分析、模拟与决策的基础，Axioma 构建了相当全面的风险因子体系。5Northfield 公司成立于 1985 年，专业致力于面向资产管理的风险预测业务，其对于短期、中期、长期的风险评估，引入不同的数据源，采用不同的风险建模方式，从而形成一套覆盖相对完整的风险评估体系。6SunGard 公司，总部位于美国宾夕法尼亚，最初是一家从事数据服务的软件公司，1997年收购了交易与风险管理软件设计商 Infinity Financial Technology,进军风险管理与分析业务，并通过后续的一系列收购，构建起强大的数据服务、风险分析、资产管理的能力。中国股票风险因子模型白皮书第 5 页 共 73 页阶），为随机误差矩阵（N 阶），由于资产收益率中的随机误差相互独立，为对角矩阵。=1,2,，为因子暴露矩阵（NK）。在海外，有很多应用于计算资产协方差矩阵并进行风险控制的多因子风险模型。第三节中，我们从市场常用模型中选取最新一版刻画中国 A股股市的 CNE6（CNLT）模型作为例子，详细介绍风险模型的搭建和求解方法，意在使读者更好地理解风险模型，体会风险模型计算协方差矩阵的优点及其对风险控制的重要意义。3.1 市场常用市场常用模型估计方法模型估计方法基于求解股票协方差矩阵的目标，根据式（3.1），我们需要估计三个参数：、和。估计过程主要分为两步：第一步，计算因子暴露矩阵。第二步，通过回归得到因子收益率序列。第三步，在第二步的基础上计算和。3.1.1 计算因子暴露矩阵计算因子暴露矩阵首先，我们回顾经典的 Fama-MacBeth 截面回归方法：1.时序回归（N 次）：在时刻 t，对每个资产 i 的历史时序数据，分别进行时序回归，估计资产 i 在所有因子上的暴露?。2.截面回归（T 次）：用?作为自变量，资产超额收益率, 1作为因变量，对每个时刻 t 进行截面回归，得到各因子收益率时序?, 1。进一步即可计算和。对于因子暴露矩阵的求解，传统做法是通过 N 个时间序列回归，得到每个资产 i 在全部因子上的暴露?，这也是 Fama-MacBeth 两步回归中第一步所采用的做法。然而，?作为生成的回归变量本身就带有一定误差，将其作为第二步回归的自变量，会产生计量经济学中的变量误差（errors in variables,EIV）问题。因此，为了规避上述问题，对于风格因子，市场常用多因子模型直中国股票风险因子模型白皮书第 6 页 共 73 页接使用公司特征作为风格因子暴露的原始值（如，直接取用 EP 值原始数据），并对之进行标准化处理。这样，对每一个时间点 t，我们可以直接得到因子暴露矩阵：=212111（3.2）矩阵中，的下标 1N 代表 N 个资产分别对应的因子暴露，上标指代不同因子。各资产对国家因子的暴露均为 1。1对应 P 个行业因子暴露，均为哑变量，每个资产 i 有且仅有一个=1。1对应 Q个风格因子暴露，由公司特征原始值经过标准化得到。具体而言，假设市场组合在任何风格因子上都应该是中性的，那么市场组合对各因子的暴露为零。因此，先对各因子暴露减去市值加权平均值，使之满足：=1?=0,=1,（3.3）表示资产 i 的市值权重。再对各风格因子暴露分别除以其标准差，风格因子暴露的标准化就完成了。3.1.2 计算计算因子收益率序列因子收益率序列根据 Menchero and Lee（2015）的方法，我们进行多次横截面回归，得出因子收益率序列。截面回归模型如下：, 1=, 1 , 1（3.4）其中，为 t 时刻下的因子暴露矩阵（NK）7：=212111（3.5）, 1为t到t 1时段N支股票（相对无风险收益率）的超额收益（N1）；73.1.1 给出了矩阵的具体计算方法，此处不再赘述。中国股票风险因子模型白皮书第 7 页 共 73 页, 1为 t 到 t 1 时段各因子收益率（K1）；, 1为 t 到 t 1 时段 N 支股票的特质性收益率（N1）。为了简便，下文省略时间下标 t 与 t 1。由于国家因子暴露和 P 个行业的因子暴露之间存在共线性，造成（3.4）解不唯一，因此对行业因子给定限制：11 22 =0（3.6）其中，为 t 到 t 1 时段行业因子收益率，为 t 时刻行业内所有股票按市值加权算出的权重之和。根据约束条件（3.6）可以构造约束矩阵 C（Ruud 2000）：C11=00000001C111 00000（3.7）式（3.7）等号右边的矩阵即为 K（K-1）阶约束矩阵 C。对于（3.4），使用 WLS 估计。在市场常用模型中，假设个股特质性收益率的方差与个股市值成反比，即 1，其中 ME 代表流通市值。基于这个假设，令=1，构造如下权重矩阵 W：=10002000（3.8）有了 W 以及 C 之后，我们利用带约束条件的最小二乘法求解（3.4）t 到 t 1 时段下的因子收益率?。令C111=，C11=，则（3.7）可重写为中国股票风险因子模型白皮书第 8 页 共 73 页=（3.9）根据加权最小二乘法（WLS），我们需求解min1 12（3.10）将（3.9）代入（3.10），得到min1 12（3.11）式（3.11）对求一阶导，令一阶导等于 0，解得?=(2)12（3.12）将（3.9）代入（3.12）得?=(2)12（3.13）对于给定的时间窗口t-k/2,t k/2)，可以通过 k 次截面回归求解出每个时刻下各因子收益率，得到各因子的收益率时间序列。3.1.3 计算计算协方差矩阵协方差矩阵和和通过 3.1.2，我们得到各因子的收益率时间序列。进一步，根据（3.4）将每个时刻的?代入回归模型，我们可以得到每个时刻下个股的特质性收益率：?, 1=, 1?, 1（3.14）将每个时刻下个股的特质性收益率序列组合成 N 支个股的特质性收益率时间序列，我们便得到因子收益率时序与特质性收益率时序。进而，我们可以估计出因子收益率的样本协方差矩阵?和个股特质性收益率协方差矩阵?。实证经验表明，上述对协方差矩阵的简单估计并不准确。因此，我们还需要通过一些统计手段对之进行调整。对?主要使用特征因子调整法进行调整。首先，对?进行特征分解，分解得到对角矩阵?与特征向量矩阵。其中，对角矩阵?的对角元素表示特征因子组合的方差。8实证表明，特征因子组合的方差估计并不准8特征因子组合是以分解得到的每个特征向量作为权重，将因子组合看作单个资产，加权中国股票风险因子模型白皮书第 9 页 共 73 页确，估计的特征因子组合收益率方差越小，事后检验就越偏离真实值。因此，我们利用自助抽样法（bootstrap）再取样，得到再取样的对角矩阵?与?之间的偏差，以此来近似?与未知的真实对角矩阵之间的偏差，并以此估计偏差作为修正系数对?进行修正。而对于?，研究表明，基于历史数据的估计也并不准确。样本特质性波动率低的股票波动性被低估，样本特质性波动率高的股票波动性被高估。因此，可以采用贝叶斯收缩法进行调整。其具体做法是将全部股票按市值大小分为十组，计算每组市值加权的平均特质性波动率，并将此平均波动率作为各组股票的“先验”。调整后的个股特质性波动率等于“先验”的平均波动率与个股特质性波动率的加权平均。经此调整，样本特质性波动率向先验数据“收缩”，样本估计稳定性增强。经上述调整，协方差矩阵的估计值更接近实际值，模型估计风险的准确性进一步提高。将与调整后的和代入（3.1），可求得个股收益率协方差矩阵的估计值。3.2 因子介绍因子介绍CNE6（CNLT）模型中包含了 1 个国家因子、16 个风格因子以及32 个行业因子9。其中，风格因子可归为 8 类：规模因子(Size)、波动率因子(Volatility)、流动性因子(Liquidity)、价值因子（Value)、质量因子(Quality)、动量因子(Momentum)、成长因子(Growth)、分红因子(Dividend Yield)。3.2.1 规模因子规模因子(Size)规模因子（Size）由市值（LNCAP）和中等市值（MIDCAP）组成。市值：股票市值的自然对数。中等市值：代表股票的非线性市值。对市值因子求立方，并以回归权重将其对市值因子正交化，最后进行缩尾和标准化处理。配置得到的资产组合。9行业依据全球工业分类标准（GICS）划分。中国股票风险因子模型白皮书第 10 页 共 73 页3.2.2 波动率因子波动率因子(Volatility)波动率因子（Volatility）由 Beta 因子（HBETA）和残余波动率（Residual Volatility）构成。Beta 因子：代表无法被市场因子所解释的市场风险。以 252 天为半衰期，在最近 504 个交易日窗口内，将股票收益率（减去无风险收益）对全样本市值加权收益率（减去无风险收益）进行时序回归，取回归系数作为 Beta 因子。10残余波动率（Residual Volatility）：由历史 Sigma（HSIGMA）、日超额收益标准差（DASTD）、累积收益范围（CMRA）三个因子构成。历史 Sigma：以计算 Beta 因子的方法进行相同回归，计算残余收益的波动率。日标准差：以 42 天为半衰期，计算过去 252 个交易日的超额收益波动率。累积收益范围：过去 12 个月累积对数超额收益的最高值与最低值之差。3.2.3 流动性因子流动性因子(Liquidity)流动性因子（Liquidity）由月换手率（STOM）、季换手率（STOQ）、年换手率（STOA）和年化交易量比率（ATVR）构成。月换手率：最近 1 个月交易股票百分比的对数。季换手率：最近 3 个月月交易股票平均百分比的对数。年换手率：最近 12 个月月交易股票平均百分比的对数。年化交易量比率：以 63 天为半衰期，最近 252 天窗口内，日交易股票百分比的指数加权和。10为了减少非同步性和自相关性的影响，收益率以 4 天为单位采取聚合处理。中国股票风险因子模型白皮书第 11 页 共 73 页3.2.4 价价值因子（值因子（Value)价值因子由账面市值比（BTOP）、盈利率（Earnings Yield）和长期反转（Long Term Reversal）构成。账面市值比（BTOP）：最新报告普通股账面价值/现市值盈利率（Earnings Yield）由现金盈利价格比（CETOP）、EP 比（ETOP）、企业倍数（EM）、分析师预测 EP 比（ETOPF）构成。现金盈利价格比：过去 12 个月现金利润/现市值EP 比：过去 12 个月利润/现市值企业倍数：上一财年息税前利润（EBIT）/现企业价值（EV）分析师预测 EP 比：未来 12 个月预测利润/现市值长期反转（Long Term Reversal）：由长期相对强度（LTRSTR）和长期历史 Alpha（LTHALPHA）构成。长期相对强度：首先以 260 天为半衰期，在过去 1040 天的窗口内，计算股票超市场收益对数的指数加权和，作为非滞后的长期相对强度。接着滞后 273 天，计算 11 天窗口内非滞后值的等权平均值，再取负数，以此作为长期相对强度。长期历史 Alpha：首先，以 260 天为半衰期，在过去 1040 天的窗口内，按与计算 Beta 因子一样的方法（CAPM）取时序回归的截距项，作为非滞后的长期历史 Alpha。接着滞后 273 天，计算 11 天窗口内非滞后值的等权平均值，再取负数，以此作为长期历史 Alpha。3.2.5 质量因子质量因子(Quality)质量因子由杠杆率（Leverage）、盈利变动率（Earnings Variability）、盈利质量（Earnings Quality）、盈利能力（Profitability）、投资能力（Investment Quality）五个二级因子构成。杠杆率（Leverage）：由市场杠杆率（MLEV）、账面杠杆率（BLEV）和资产负债率（DTOA）三个三级因子构成。中国股票风险因子模型白皮书第 12 页 共 73 页市场杠杆率：上一交易日普通股市值 上一财年优先股 上一财年长期负债上一交易日普通股市值账面杠杆率：上一财年普通股账面值 优先股账面值 长期负债账面值上一财年普通股账面值资产负债率：上一财年总负债上一财年总资产盈利变动率（Earnings Variability）：由收入变动率（VSAL）、盈利变动率（VERN）、现金流变动率（VFLO）、预测每股收益变动率（ETOPF_STD）四个三级因子构成。收入变动率：过去 5 年年收入标准差/平均年收入。盈利变动率：过去 5 年年净利润标准差/平均年净利润。现金流变动率：过去 5 年年现金流标准差/平均年现金流。预测每股收益变动率：未来 12 月每股盈利预测标准差/现股价。盈利质量（Earnings Quality）：由资产负债表盈余（ABS）和现金流盈余（ACF）两个三级因子构成。资产负债表盈余：基于资产负债表的盈余（ACCR_BS）通过资产负债表项目的连续变化和对折旧项目的处理计算得到。资产负债表盈余（ABS）=-基于资产负债表的盈余（ACCR_BS）/总资产。现金流盈余：基于现金流量表的盈余（ACCR_CF）通过对最新现金流量表项目和折旧项目的处理计算得到。现金流盈余（ABS）=-基于现金流量表的盈余（ACCR_CF）/总资产。中国股票风险因子模型白皮书第 13 页 共 73 页盈利能力（Profitability）：由资产周转率（ATO）、毛利（GP）、毛利率（GPM）、资产收益率（ROA）四个三级因子构成。资产周转率：过去 12 个月收入/最新报告的总资产毛利：（上一财年收入-销货成本（COGS）/上一财年总资产毛利率：（上一财年收入-销货成本（COGS）/上一财年收入资产收益率：过去 12 个月净利润/最新报告的总资产投资能力（Investment Quality）：由总资产增长率（AGRO）、发行股份增长率（IGRO）、资本支出增长率（CXGRO）三个三级因子构成。总资产增长率：将过去 5 年总资产对时间回归，得到回归系数；将回归系数除以平均总资产再取负数，得到总资产增长率。发行股份增长率：将过去 5 年发行股份数对时间回归，得到回归系数；将回归系数除以平均发行股份数再取负数，得到发行股份增长率。资本支出增长率：将过去 5 年资本支出对时间回归，得到回归系数；将回归系数除以平均资本支出再取负数，得到资本支出增长率。3.2.6 动量因子动量因子(Momentum)动量因子由相对强度（RSTR）和历史 Alpha（HALPHA）构成。相对强度：首先以 126 天为半衰期，在过去 252 天的窗口内，计算股票超市场收益对数的指数加权和，作为非滞后的相对强度。接着滞后 11 天，计算 11 天窗口的非滞后相对强度等权平均值，以此作为相对强度。历史 Alpha：首先，以 126 天为半衰期，在过去 252 天的窗口内，按与计算 Beta 因子一样的方法（CAPM）取时序回归的截距项，作为非滞后的历史 Alpha。接着滞后 11 天，计算 11 天窗口的非滞后历史 Alpha 等权平均值，以此作为历史 Alpha。中国股票风险因子模型白皮书第 14 页 共 73 页3.2.7 成长因子成长因子(Growth)成长因子由预测长期净利润增长率（EGRLF）、每股净利润增长率（EGRO）、每股收入增长率（SGRO）组成。预测长期利润增长率：分析师预测长期（3-5 年）净利润增长率。每股净利润增长率：将过去 5 年每股年净利润对时间进行回归，得到回归系数；将回归系数除以平均每股年净利润得到每股净利润增长率。每股收入增长率：将过去 5 年每股年收入对时间进行回归，得到回归系数；将回归系数除以平均每股年收入得到每股收入增长率。3.2.8 分红因子分红因子(Dividend Yield)分红因子由股息率（DTOP）和分析师预测股息率（DTOPF）构成。股息率：过去 12 个月每股分红/上月末股价。预测股息率：未来 12 个月每股预测分红/现股价。4.我们的风险模型我们的风险模型4.1模型估计方法模型估计方法4.1.1 极大似然法极大似然法不同于常见风险模型采用的 OLS 估计，我们的风险模型采用极大似然法估计因子收益率序列和协方差矩阵。极大似然法的思想较为直观。已知随机样本满足某概率分布，但该分布参数未知，我们试图寻找一组参数，使在该参数条件下，样本出现的概率最大。我们把这样一组参数作为对真实参数的估计。对于多因子模型, 1=, 1 , 1（4.1）与 3.1.1 相同，首先用公司财务和交易数据计算出矩阵。接着用极大似然法，对因子收益率, 1、因子协方差矩阵和异质性收益率协中国股票风险因子模型白皮书第 15 页 共 73 页方差矩阵进行估计。做出以下假设：, 1 0,（4.2）, 1 0,（4.3）, 1与, 1相互独立。根据假设条件，由（4.1）的线性关系，我们可以推出, 1的分布：, 1 0, （4.4）因此，对于一组样本, 1,=1,2,，可以构造对数似然函数：,=log=11(2)/2 1/2?exp 12, 1 , 1（4.5）但是直接通过最大化似然函数的方法求解参数较为困难，因此我们引入 EM 算法，用迭代的思想求解参数和。4.1.2 EM 算法如何估计参数算法如何估计参数和和EM 算法分 E 步和 M 步两个步骤。在 E 步中，给定参数值11和样本收益率，计算出因子收益率的后验分布。在 M 步中，利用 E 步得出的因子收益率的后验分布，最大化对数似然函数，得到新的参数值。重复 E 步和 M 步直至参数收敛，即可获取参数和估计值。具体公式推导见附录 2。4.1.3 计算因子收益率计算因子收益率, 由 4.1.2，我们通过 EM 算法估计出了参数和。在本节，利用已知的、和，可计算出因子收益率, 1。由（4.2），（4.4），, 1与, 1服从联合正态分布：, 1, 10?0?, （4.6）11在第一次迭代中需设定参数的初始值。中国股票风险因子模型白皮书第 16 页 共 73 页由附录 1，, 1, 1= 1, 1=1, 1= 1, 1（4.7）或者进一步将因子收益率, 1的条件期望简化写作：, 1, 1=( )1?(), 1（4.7）4.1.4 计算调整计算调整实证分析表明，EM 算法能够较好的解决线性回归模型的参数估计的准确性与稳定性问题，但是线性回归模型中的诸多不符合线性回归理想假设的情况仍然需要克服，因此在线性模型进行参数估计时，需要对其中的相关数据进行对应调整。（1）异方差调整异方差调整线性回归模型中个股特质性收益率方差一致的假设，往往在现实情况中并不成立，有必要在估测时进行异方差调整。在第 3.1.2 中，大多数调整模型的方法是使用加权最小二乘法（WLS），其中的权重变量通常选用ME(这里 ME 代表流通市值)，因此模型相当于假设, 11，。基于这个假设，数学上等价于在估测过程中，将每一个观测都除以=1：, 1=, 1 , 1（4.8）这个假设的合理性可以用两种方法加以验证：i.直接用个股全样本波动率对1ME进行回归；ii.通过对全样本用 EM 算法估测该因子模型，并分析异质性收益率协方差矩阵的离散度进行验证。通过实证检验，我们发现，由于我国市场上个股的市值差距较大，中国股票风险因子模型白皮书第 17 页 共 73 页常见模型的权重假设可能使得小盘股权重过低，从而忽略很多重要的因子联动。基于进一步的实证分析结果，我们发现=Tvr, 1ME是更好的权重选择，其中 Tvr 代表换手金额，ME 代表流通市值。基于此，我们构造了新的权重调整矩阵：=10002000（4.9）因此，经过异方差调整，（4.1）被重写为1, 1=1, 1 ?, 1（4.10）对（4.10）进行EM算法估算，我们会得到一个四元组(,）,对模型目标资产协方差矩阵的估计可由下式表示：=11 = （4.11）（2）协方差矩阵估计调整协方差矩阵估计调整通过 cluster 法和 shrinkage 法，我们可以得到更为稳健的协方差矩阵的估计。聚类（cluster）方法的核心思想是将同处一个 cluster 的多个股票的残差归并为一个相同的值进行联合估计，以进一步减少模型参数，使结果更稳健。shrinkage 法是将协方差矩阵的估计向均值进行收缩调整，从而提升协方差矩阵估计的稳定性。我们根据每只股票的观测数据量划分权重i，并根据权重大小确定收缩比例?，最后得到按比例收缩调整后的。?=?,?=i（4.12）=5%（4.13）?=max 1 1?,（4.14）=1? ?（4.15）4.1.5 共线性调整共线性调整中国股票风险因子模型白皮书第 18 页 共 73 页如果因子出现完全共线性，横截面回归模型会直接出现无法计算的问题，EM 算法也会因为出现不可唯一辨识的因子组而在进行 M 步时导致不稳定进而估计结果难以收敛。因为如果有两组甚至多组因子可以生成完全一样的，根据（4.5），对数似然函数在这些不同因子组条件下取值相同，这会导致 M 步在这些值附近跳跃，从而无法得到一个唯一的收敛值。因此，在有共线性存在时，我们需要进行共线性调整，模型中唯一的共线性来源于行业因子和国家因子。首先，在原始矩阵中选出不共线因子的子集，即剔除国家因子的 N(K-1)阶矩阵，该矩阵不存在共线性问题。接着将剔除国家因子后的矩阵输入 EM 算法进行对的估计，再将通过特定的矩阵变化转化为12。4.1.6 模型估计方法的优劣对比模型估计方法的优劣对比EM 算法也有其缺点，主要体现为其计算复杂耗时，收敛的速度相当依赖于和的初始值。作为改进，我们可以使用横截面回归的结果作为初始值，使初始值较为接近收敛位置，降低估算时间。在此改进基础上，EM 算法具有以下优势：1.更优解：每一步的 EM 回归迭代都会提高 likelihood，其结果一定会收敛。因此从 OLS 的回归结果出发，进行 EM 迭代，在 likelihood的测量下一定会得到更优解。2.稳定性（噪音抵抗性）更强：EM 算法的稳定性远优于横截面回归，具体表现为它有更强的噪音抵抗性。它的因子模拟投资组合取决于因子组曝露和资产的协方差矩阵(, 1= )。因此，在对因子组微调的时候，资产间的联动性和模拟投资组合变动都不大，, 1的变化不大，原有因子的因子模拟投资组合受到的影响也不会大。反观横截面回归方法，加入/删减因子均可能导致()1发生剧烈改变。12详见附录 3.中国股票风险因子模型白皮书第 19 页 共 73 页3.更好应对数据缺失：金融市场数据集中缺失值是非常常见的，如果不能得到恰当处理，传统的 OLS 算法会对缺失值产生较大的调整，而，EM 算法的稳定性则能够在数据采集不完全的情况下依然可以给出良好的估计结果。4.假设更合理：在 OLS 回归中，模型假设与, 1独立；而本模型假设, 1与, 1相互独立。在金融市场实践中，与, 1独立的假设是很少成立的。资产收益、因子暴露、残差等变量常常出现较为异常的特性，比如残差波动与某些因子暴露相关。在实践意义上，, 1与, 1相互独立的假设更为合理。对于 OLS 和 EM 算法下，残差的相关性对比，我们设计了一下测试：1.在测试中使用了真实的因子暴露数据，我们使用 2017 年-2020年三年的数据，随机抽取 500 支股票在六个技术面因子上的暴露作为。2.使用标准正态分布生成模拟的因子收益。3.使用和随机正态分布模拟残差，使得生成的残差与因子暴露的相关性不为 0。具体测试中，我们使用某个因子的三次方来作为残差的非独立部分，然后通过调整系数来调节残差中独立与非独立的比例，如当残差中非独立的比例为 80%时，总残差=0.8*（非独立残差） 0.2*（独立残差）。4.使用模拟的因子收益和残差，获得模拟股票收益。5.将真实因子暴露与模拟股票收益分别送入 EM 与 OLS 方法进行回归，二者分别给出预测残差。6.分别计算两种方法得到的残差与模拟生成的精确残差的相关性，进行比较。7.改变模拟残差中独立/非独立部分的比例，可以获得两条 相关性vs 比例的曲线。我们将结果总结为图 1-图 4：中国股票风险因子模型白皮书第 20 页 共 73 页图 1预测残差与真实残差相关性（针对 Beta 因子的估计）图 2预测残差与真实残差相关性（针对年化交易量比因子的估计）中国股票风险因子模型白皮书第 21 页 共 73 页图 3预测残差与真实残差相关性（针对市值因子的估计）图 4预测残差与真实残差相关性（针对短期反转因子的估计）中国股票风险因子模型白皮书第 22 页 共 73 页图 1至图 4中横坐标为残差中非独立的可解释部分的比例，括号中标明非独立残差由哪个因子暴露的三次方得到，如（beta）表示残差中的非独立可解释部分是由 beta 因子暴露的三次方得到的。纵坐标为回归计算预测的残差与真实残差的相关性，具体计算方法为：在每一种比例下，两种回归方法加上模拟生成的精确值，每支股票均可以得到三个残差的时间序列，两种回归方法的时间序列分别与精确值的时间序列计算相关性，于是每支股票每种方法都可以得到两个相关系数，两种方法分别取 500 支股票的相关系数的 mean,于是在每种比例下，每种方法得到一个相关系数的 mean 值。然后我们连续改变残差中独立/非独立部分的比例，得到两条曲线。如图 1 至图 4 所示，与 OLS 估计的残差相比，EM 方法估计的残差与真实残差的相关性更强。更高相关性意味着 EM 算法计算的残差能够更好的反应真实残差。这也说明了 EM 算法优势。4.2 风险因子模型的评价标准风险因子模型的评价标准一个好的风险因子模型应该满足以下几个标准：（1）风险因子度量准确计算因子的数据集应尽量少包含缺失数据，同时保证因子数据的信息不损失。较少缺失值保证了计算过程中未缺失信息的利用效率，这能确保尽量多的信息纳入了模型之中。（2）风险因子体系能准确地刻画金融资产联动关系风险因子对资产收益率的解释应该足够够高、整个风险因子模型对资产收益联动的变化关系也应该有很好的解释力。这保证了基于风险因子体系的模型能明确展示出市场的现状和金融体系正在发生的变化。（3）风险因子模型能正确指导决策风险因子模型需要正确地刻画风险，基于此给出的投资建议需要明确、一致且连续。这要求风险因子值要尽量少的出现极值，而且风险因子值不能有过分的跳跃，风险因子模型得出的结果也要求比较稳定。中国股票风险因子模型白皮书第 23 页 共 73 页（4）风险因子体系开放、易扩展风险因子体系应该是开放的，需要很容易地容纳新的因子，从而适应世界的变化。4.3 中国风险因子模型的评价方式中国风险因子模型的评价方式将风险因子评价指标进一步细化为可度量的指标，并针对中国风险因子模型进行了量化评估：1.完备性：中国风险因子模型使用每天有因子值的股票数量与上市股票数量之比计算的覆盖率来衡量因子数据的完备程度。利于模型参数估计，要求筛选因子组合的覆盖率高于 50%。2.正态性：使用因子值的 5%至 95%分位数衡量因子极值的分布情况，因子回报分布尽量接近正态分布。3.连续性：使用因子值月度自相关系数 AR1 大小来衡量因子值的连续性。AR10.95 为连续性较好。4.相关性：使用因子相关系数矩阵来判断因子间的相关程度。在每一个方向的因子组中，尽可能取其中跨组相关性小的因子。5.解释能力：中国风险因子模型还使用单因子加行业因子衡量单个因子的解释力，使用包含全部因子模型的 log_likelihood 衡量模型解释资产联动的能力。4.4 中国风险因子中国风险因子描述描述4.3.1.规模规模4.3.1.1.规模规模表 1 规模因子描述统计Factor描述LOGCAP流通市值的自然对数（log(size)）MIDCAP总市值（总市值三次方与 log 市值回归的残差）Factor覆盖率AR1LL 提升CUFMIGSMLOGCAP1.000.9923049.55达标或采用YesYesYesYesYesMIDCAP1.000.989977.05达标或采用YesYesYes中国股票风险因子模型白皮书第 24 页 共 73 页规模规模：规模因子是代表股票回报相关的重要来源，并捕捉大型股和小型股之间的回报差异。我们用市值的对数来衡量规模。上表中汇报了规模因子下的三级因子：流通市值的自然对数和总市值。其中，流通市值的自然对数覆盖率为 100%，AR1 为 0.99，LL 提升为23049.55；总市值覆盖率为 100%，AR1 为 0.99，LL 提升为 23049.55；根据评价标准，流通市值的自然对数达到了完备性、连续性和解释能力的标准；总市值达到了完备性、连续性的标准。最终我们选择了流通市值的自然对数因子。该因子由 Fama 和 French（1993）提出。常见于近期资产定价论文比如 Chen 等（2023）等。中国股票风险因子模型白皮书第 25 页 共 73 页4.3.2.波动率波动率4.3.2.1.Beta表 2 Beta 因子描述统计Factor描述BETABETA 值（股票超额收益率 和 市值加权指数(沪深 300)收益率的回归系数）Factor覆盖率AR1LL 提升CUFMIGSMBETA0.990.9236631.86达标或采用YesYesYesYesBeta：捕捉市场因素无法解释的市场风险。为了更好地理解这一因素，请考虑一个完全投资的长期投资组合，该组合强烈倾向于高贝塔股票。直观地说，这个投资组合比beta等于1的投资组合具有更大的市场风险。这一额外的市场风险通过贝塔系数的正敞口来捕捉。市场因素和贝塔因素之间的时间序列相关性通常很高，因此在本例中，这两个风险源相互强化。相比之下，如果投资组合投资于低贝塔股票，那么贝塔和市场因素的风险就会部分抵消，正如预期的那样。上表中汇报了 Beta 因子下的三级因子：BETA 值。其中，BETA 值的覆盖率为 99%，AR1 为 0.92，LL 提升为 36631.86。根据评价标准，BETA 值达到了完备性、连续性和解释能力的标准。Beta 因子是经常使用等因子，如 Gu 等（2021），使用 Beta 作为检验潜在因子的基础模型。中国股票风险因子模型白皮书第 26 页 共 73 页4.3.2.2.波动率波动率表 3 波动率因子描述统计Factor描述CumulativeRange累计幅度（过去 12 个月超额收益的离差）DailySTD日度标准差（股票日收益率在过去 252 日波动率）Hsigma历史标准差（计算 beta 时残差收益率的波动率，回归用 252 交易日数据，移动平均滞后期 63 天）LogDailySTDlog(日度标准差)Factor覆盖率AR1LL 提升CUFMIGSMCumulativeRange0.990.9113738.85达标或采用YesYesDailySTD0.980.9344615.36达标或采用YesYesHsigma0.990.9635422.46达标或采用YesYesYesLogDailySTD0.980.9349705.25达标或采用YesYesYes波动率波动率：由四个三级因子组成：每日超额收益的波动率、每日剩余收益的波动性以及过去 12 个月股票超额收益的累积范围。由于这些描述符倾向于与贝塔因子以及尺寸因子高度共线，但程度较小，但仍很重要，因此该因子与这两个因子正交。上表中汇报了规模因子下的三级因子：累计幅度（过去 12 个月超额收益的离差），日度标准差（股票日收益率在过去 252 日波动率），历史标准差，（计算 beta 时残差收益率的波动率，回归用 252 交易日数据，移动平均滞后期 63 天），log(日度标准差)。其中，累计幅度覆盖率为 99%，AR1 为 0.91，LL 提升为 13738.85；日度标准差覆盖率为 98%，AR1 为 0.93，LL 提升为 44615.36；历史标准差覆盖率为 99%，AR1 为0.96，LL 提升为 35422.46；log(日度标准差)覆盖率为 98%，AR1 为 0.93，LL 提升为 49705.25。根据评价标准，累计幅度达到了完备性的标准；日度标准差达到了完备性的标准；历史标准差到了完备性、连续性的标准；log(日度标准差)达到了完备性的标准。最终我们选择了 log(日度标准差)因子。与之类似等因子也常用于论文中，比如Jegadeesh等（2019）和 chen（2023）等。中国股票风险因子模型白皮书第 27 页 共 73 页4.3.3.流动性流动性4.3.3.1 周转率周转率表 4 周转率因子描述统计Factor描述AnnualShareTurnover年度换手率（过去 1 年股票换手率求和的对数值）AnnualizedTradedValueRatio换手率的年度加权平均（过去 252 日换手率指数加权移动平均）LogAnnualizedTradedValueRatio换手率的指数移动平均，半衰期为 21 个交易日MonthlyShareTurnover月度换手率（过去 1 月股票换手率求和的对数值）QuarterlyShareTurnover季度换手率（过去 1 季度股票换手率求和的对数值）Factor覆盖率AR1LL 提升CUFMIGSMAnnualShareTurnover0.950.9815444.32达标或采用YesYesYesAnnualizedTradedValueRatio0.950.9715034.02达标或采用YesYesYesLogAnnualizedTradedValueRatio0.980.9548291.99达标或采用YesYesMonthlyShareTurnover0.990.8316951.75达标或采用YesYesQuarterlyShareTurnover0.980.9418361.41达标或采用YesYesYes流动性流动性捕获因相对交易活动而产生的回报差异，通过在选定的后续窗口内交易的总流通股份额来衡量。上表中汇报了规模因子下的三级因子：年度换手率（过去 1 年股票换手率求和的对数值）、换手率的年度加权平均（过去 252 日换手率指数加权移动平均）、换手率的指数移动平均，半衰期为 21 个交易日，半衰期为 21 个交易日、月度换手率（过去 1 月股票换手率求和的对数值）、季度换手率（过去 1 季度股票换手率求和的对数值）。其中，年度换手率覆盖率为 95%，AR1 为 0.97，LL 提升为 15444.32；换手率的年度加权平均覆盖率为 95%，AR1 为 0.99，LL 提升为 15034.02；log(ewm(换手率)覆盖率为 98%，AR1 为 0.95，LL 提升为 48291.99；月度换手率为 99%，AR1 为 0.83，LL 提升为 16951.75；季度换手率覆盖率为 98%，AR1 为 0.94，LL 提升为 18361.41。根据评价标准，年度换手率达到了完备性、连续性的标准；换手率的年度加权平均达到了完备性、连续性中国股票风险因子模型白皮书第 28 页 共 73 页的标准；log(ewm(换手率)达到了完备性的标准；月度换手率达到了完备性的标准；季度换手率达到了完备性的标准。最终我们选择了季度换手率因子。POJANAVATEE（2020）采用了改因子检验了泰国股市的因子模型。4.3.4.动量动量4.3.4.1.短期反转短期反转表 5 短期反转因子描述统计Factor描述ShortTermReversal短期反转（最近一个月加权累积对数日收益率）Factor覆盖率AR1LL 提升CUFMIGSMShortTermReversal0.990.0424899.01达标或采用YesYesYesYes短期反转短期反转，根据最近一个月加权累积对数日收益率的相对表现区分股票。它与动量因子正交。上表中汇报了规模因子下的三级因子：短期反转。其中，短期反转的覆盖率为 99%，AR1 为 0.04，LL 提升为 24899.01。短期反转达到了完备性的标准。最终我们选择了短期反转因子。同时，在 Kelly（2021）中也展示了反转因子在因子模型中的重要作用。4.3.4.2.动量动量表 6 动量因子描述统计Factor描述Halpha历史 Alpha（回归用 252 交易日数据，移动平均滞后期 63 天）RelativeStrength相对强度（长期动量减短期动量，长期动量窗口 252 天滞后 121 天、短期窗口 11 天，滞后 11 天）Factor覆盖率AR1LL 提升CUFMIGSMHalpha0.990.8127404.87达标或采用YesYesRelativeStrength0.970.9126520.20达标或采用YesYesYesYes动量动量，根据最近 12 个月的表现区分股票。在计算这一因子时，我们排除了最近一个月的回报，以避免短期逆转的影响。上表中汇报了规模因子下的三级因子：历史 Alpha（回归用 252 交易日数据，移动平均滞后期 63 天）、相对强度（长期动量减短期动量，中国股票风险因子模型白皮书第 29 页 共 73 页长期动量窗口 252 天滞后 121 天、短期窗口 11 天，滞后 11 天）。其中，历史 Alpha 覆盖率为 99%，AR1 为 0.81，LL 提升为 27404.87；相对强度覆盖率为 97%，AR1 为 0.91，LL 提升为 26520.20；根据评价标准，历史 Alpha 达到了完备性、连续性和解释能力的标准；相对强度达到了完备性、连续性的标准。最终我们选择了相对强度因子。4.3.5.质量质量4.3.5.1.现金流风险现金流风险表 7 现金流风险因子描述统计Factor描述AccrualsBalancesheetVersion资产负债表应计项目（ACCR_BS/TA）AccrualsCashflowVersion现金流量表应计项目（ACCR_CF/TA）GrossProfitability资产毛利率（主营业务收入-营业成本）/总资产GrossProfitMargin销售毛利率（主营业务收入-营业成本）/主营业务收入AssetTurnover资产周转率（Sales/TA）MoneynessFreeCashflowCashflow Moneyness:(Operating CF Investment CF)/(gross margin*variation in sales)Factor覆盖率AR1LL 提升CUFMIGSMAccrualsBalancesheetVersion0.990.743294.50达标或采用YesYesAccrualsCashflowVersion0.990.904389.21达标或采用YesYesGrossProfitability0.990.966220.18达标或采用YesYesYesGrossProfitMargin0.990.987391.48达标或采用YesYesYesYesYesAssetTurnover0.991.003774.68达标或采用YesYesYesMoneynessFreeCashflow0.930.742845.54达标或采用Yes质量：质量：结合资产、现金流量、利润率和资产周转率来衡量质量。上表中汇报了规模因子下的三级因子：资产负债表应计项目（ACCR_BS/TA）、现金流量表应计项目（ACCR_CF/TA）、资产毛利率（主营业务收入-营业成本）/总资产、销售毛利率（主营业务收入-营业成本）/主营业务收入、资产周转率（Sales/TA）、Cashflow Moneyness:(Operating CF Investment CF)/(gross margin*variation in sales)。其中，资产负债表应计项目覆盖率为 99%，AR1 为 0.74，LL 提升为 3294.50；中国股票风险因子模型白皮书第 30 页 共 73 页现金流量表应计项目覆盖率为 99%，AR1 为 0.90，LL 提升为 4389.21；资产毛利率覆盖率为 99%，AR1 为 0.96，LL 提升为 6220.18；销售毛利率覆盖率为 99%，AR1 为 0.98，LL 提升为 7391.48；资产周转率覆盖率为 99%，AR1 为 1.00，LL 提升为 3774.68；Cashflow Moneyness 覆盖率为 93%，AR1 为 0.74，LL 提升为 2845.54；根据评价标准，资产负债表应计项目达到了完备性的标准；现金流量表应计项目达到了完备性的标准：资产毛利率达到了完备性、连续性的标准：销售毛利率达到了完备性、连续性的标准：资产周转率达到了完备性的标准：CashflowMoneyness 达到了完备性的标准。最终我们选择了销售毛利率因子。Sheng（2022）表明了这个因子的有效性。4.3.5.2.Balance Sheet Low Risk表 8 Balance Sheet Low Risk 因子描述统计Factor描述BookLeverage账面杠杆（(be pe ld)/be）MarketLeverage市场杠杆（(me pe ld)/me）DebttoAssetRatio负债资产比（总负债/总资产）MoneynessAssettoDebtAsset to debt Moneyness(log(Asset/Debt)/sigma(earning/asset)Factor覆盖率AR1LL 提升CUFMIGSMBookLeverage0.950.994942.10达标或采用YesYesYesMarketLeverage0.951.006432.06达标或采用YesYesYesDebttoAssetRatio0.990.995523.33达标或采用YesYesYesMoneynessAssettoDebt0.950.985158.69达标或采用YesYesYesYes流动性流动性：捕获因相对交易活动而产生的回报差异，通过在选定的后续窗口内交易的总流通股份额来衡量。上表中汇报了规模因子下的三级因子：账面杠杆（(be pe ld)/be）、市场杠杆（(me pe ld)/me）、负债资产比（总负债/总资产）、Asset todebt Moneyness(log(Asset/Debt)/sigma(earning/asset)。其中，账面杠杆覆盖率为 95%，AR1 为 0.99，LL 提升为 4942.10；市场杠杆覆盖率为 95%，AR1 为 1.00，LL 提升为 6432.06；负债资产比覆盖率为 99%，中国股票风险因子模型白皮书第 31 页 共 73 页AR1为 0.99，LL 提升为 5523.33；Asset to debt Moneyness 覆盖率为95%，AR1 为 0.98，LL 提升为 5158.69。根据评价标准，账面杠杆达到了完备性、连续性的标准；市场杠杆达到了完备性、连续性的标准；负债资产比达到了完备性、连续性的标准；Asset to debt Moneyness 达到了完备性、连续性的标准。最终我们选择了 Asset to debt Moneyness 因子。Merton（1976）展示了信贷在资产定价中的重要性。类似的还有 Koijen（2020）中也论证了长期债务在资产定价中的重要性。和我们类似，Hou 等（2021）和 Harahap（2021）也指出了公司预期增长因子在资产定价中的重要性。4.3.5.3.资产增长率资产增长率表 9 资产增长率因子描述统计Factor描述CapitalExpenditureGrowth资本支出增长率（近五年资本支出对时间回归的斜率除平均资本支出，取相反数）IssuanceGrowth股票发行量增长率（最近 5 年流通股本对时间回归取斜率/平均资本支出，取相反数）ReturnonAssets总资产收益率（过去 12 个月净利润/总资产）ReturnonEquity股本收益率(过去 12 个月净利润/equity book value)TotalAssetGrowth总资产增长率（最近 5 年总资产对斜率回归取截距/平均总资产，取相反数）Factor覆盖率AR1LL 提升CUFMIGSMCapitalExpenditureGrowth0.940.916893.65达标或采用YesYesYesYesIssuanceGrowth0.450.964789.51达标或采用YesYesReturnonAssets0.990.988148.48达标或采用YesYesYesReturnonEquity0.990.978349.15达标或采用YesYesYesYesTotalAssetGrowth0.980.987736.18达标或采用YesYesYesYesYes质量质量结合资产、现金流量、利润率和资产周转率来衡量质量。上表中汇报了规模因子下的三级因子：资本支出增长率（近五年资本支出对时间回归的斜率除平均资本支出，取相反数）、股票发行量增中国股票风险因子模型白皮书第 32 页 共 73 页长率（最近 5 年流通股本对时间回归取斜率/平均资本支出，取相反数）、总资产收益率（过去 12 个月净利润/总资产）、股本收益率(过去 12个月净利润/equity book value)、总资产增长率（最近 5 年总资产对斜率回归取截距/平均总资产，取相反数）。其中，资本支出增长率覆盖率为 94%，AR1 为 0.91，LL 提升为 6893.65；股票发行量增长率覆盖率为45%，AR1 为 0.96，LL 提升为 4789.51；总资产收益率覆盖率为 99%，AR1 为 0.98，LL 提升为 8148.48；股本收益率覆盖率为 99%，AR1 为0.97，LL 提升为 8349.15；总资产增长率覆盖率为 98%，AR1 为 0.98，LL 提升为 7736.18。根据评价标准，资本支出增长率达到了完备性的标准；股票发行量增长率达到了连续性的标准；总资产收益率达到了完备性、连续性的标准；股本收益率达到了完备性、连续性的标准；总资产增长率达到了完备性、连续性的标准。最终我们选择了总资产增长率因子和股本收益率因子。我们和 Harahap（2021）的因子选取有一致性，模型采用了股本收益率因子。4.3.5.4.Variability表 10 Variability 因子描述统计Factor描述Predictedstd分析师预期1年盈利标准差股价比（分析师预期未来12 个月盈利标准差/股价）VariationinCashFlow现金流波动率（过去 5 年现金及等价物增加额的标准差/平均现金及等价物净增加额）VariationinEarnings净利润波动率（过去 5 年净利润标准差/平均年净利润）VariationinSales营业收入波动率（过去 5 年营业收入标准差/平均年营业收入）Factor覆盖率AR1LL 提升CUFMIGSMPredictedstd0.790.974738.37达标或采用YesYesVariationinCashFlow0.930.603306.82达标或采用YesYesVariationinEarnings0.930.753676.00达标或采用YesYesVariationinSales0.930.963548.35达标或采用YesYesYes质量质量结合资产、现金流量、利润率和资产周转率来衡量质量。上表中汇报了规模因子下的三级因子：分析师预期 1 年盈利标准差股价比（分析师预期未来 12 个月盈利标准差/股价）、现金流波动率（过中国股票风险因子模型白皮书第 33 页 共 73 页去 5 年现金及等价物增加额的标准差/平均现金及等价物净增加额）、净利润波动率（过去 5 年净利润标准差/平均年净利润）、营业收入波动率（过去 5 年营业收入标准差/平均年营业收入）。其中，分析师预期 1 年盈利标准差股价比为 79%，AR1 为 0.97，LL 提升为 4738.37；现金流波动率覆盖率为 93%，AR1 为 0.60，LL 提升为 3306.82；净利润波动率覆盖率为 93%，AR1 为 0.75，LL 提升为 3676.00；营业收入波动率覆盖率为 93%，AR1 为 0.96，LL 提升为 3548.35；根据评价标准，分析师预期 1 年盈利标准差股价比数达到了连续性的标准；现金流波动率达到了完备性的标准；净利润波动率达到了连续性的标准；营业收入波动率达到了完备性、连续性的标准。我们未选择该二级指标。4.3.6.市值市值4.3.6.1.账面市值比账面市值比表 11 账面市值比因子描述统计Factor描述BooktoPrice账面市值比（净资产/市值）LogBooktoPricelog BPFactor覆盖率AR1LL 提升CUFMIGSMBooktoPrice0.990.9913847.02达标或采用YesYesYesLogBooktoPrice0.990.9814728.59达标或采用YesYesYesYes上表中汇报了规模因子下的三级因子：账面市值比（净资产/市值）、log BP。其中，账面市值比覆盖率为 99%，AR1 为 0.99，LL 提升为13847.02；log BP 覆盖率为 99%，AR1 为 0.98，LL 提升为 14728.59；根据评价标准，账面市值比达到了完备性、连续性的标准；log BP 达到了完备性、连续性的标准。最终我们选择了 log BP 因子。账面价值和价格一直在因子模型中非常重要，如 Koijen（2020）在汇率定价模型中采用了账面价值因子。中国股票风险因子模型白皮书第 34 页 共 73 页4.3.6.2.盈利价格比盈利价格比表 12 盈利价格比因子描述统计Factor描述CashEarningtoPrice现金盈利价格比（过去 12 个月现金盈利/市值）EarningtoPrice盈利市值比（过去 12 个月盈利/市值）EbittoEv息税前利润企业价值比（EBIT/EV）LongTermRelativeStrength长期相对强弱（股票收益率加权平均后取相反数）LongTermHistoricalAlpha长期历史 alphaPredictedEarningtoPrice预期 12 个月盈利市值比（预期 12 个月盈利/市值）PredictedEarningtoPriceFilledpredict earnings（combine first earings）/priceFactor覆盖率AR1LL 提升CUFMIGSMCashEarningtoPrice0.990.955323.74达标或采用YesYesYesEarningtoPrice0.990.9710514.73达标或采用YesYesYesEbittoEv0.990.968996.13达标或采用YesYesYesLongTermRelativeStrength0.900.945131.42达标或采用YesYesLongTermHistoricalAlpha0.900.857399.97达标或采用YesYesPredictedEarningtoPrice0.750.978850.87达标或采用YesYesPredictedEarningtoPriceFilled0.990.9611761.54达标或采用YesYesYesYes上表中汇报了规模因子下的三级因子：现金盈利价格比（过去 12个月现金盈利/市值）、盈利市值比（过去 12 个月盈利/市值）、息税前利润企业价值比（EBIT/EV）、长期相对强弱（股票收益率加权平均后取相反数）、长期历史 alpha、预期 12 个月盈利市值比（预期 12 个月盈利/市值）、predict earnings（combine first earings）/price。其中，现金盈利价格比覆盖率为 99%，AR1 为 0.95，LL 提升为 5323.74；盈利市值比覆盖率为 99%，AR1 为 0.97，LL 提升为 10514.73；息税前利润企业价值比覆盖率为 99%，AR1 为 0.96，LL 提升为 8996.13；长期相对强弱覆盖率为 90%，AR1 为 0.94，LL 提升为 5131.42；长期历史 alpha 覆盖率为 90%，AR1 为 0.85，LL 提升为 7399.97；预期 12 个月盈利市值比覆盖率为 75%，AR1 为 0.97，LL 提升为 8850.87；predict earnings 覆盖率为 99%，AR1 为 0.96，LL 提升为 11761.54。根据评价标准，现金中国股票风险因子模型白皮书第 35 页 共 73 页盈利价格比达到了完备性、连续性的标准；盈利市值比达到了完备性、连续性的标准；息税前利润企业价值比达到了完备性、连续性的标准；长期相对强弱达到了完备性的标准；长期历史 alpha 达到了完备性的标准；预期 12 个月盈利市值比达到了连续性的标准；predict earnings 达到了完备性、连续性的标准。最终我们选择了 predict earnings 因子。Wasan和 Mulchandani（2020）指出了 predict earnings 在企业金融的重要性，同时 Lalwani 和 Madhumita（2020）也指出了盈利价格比因子在因子模型中的重要性。4.3.7.增长增长4.3.7.1.收益增长率收益增长率表 13 收益增长率因子描述统计Factor描述EarningperShareGrowth每股收益增长率（过去五年 EPS 对时间回归斜率/平均EPS）EarningGrowthbyEquityValueEarning growth/Net Asset(每股 EPS 增长)PredictedEarningGrowth预测长期盈利增长率(预期净利润 当前净利润)/(abs(预期净利润) abs(当前净利润)/2)PredictedEarningGrowthbyEquityValue预测长期盈利增长率(预期净利润 当前净利润)/Net AssetFactor覆盖率AR1LL 提升CUFMIGSMEarningperShareGrowth0.900.852973.85达标或采用YesYesEarningGrowthbyEquityValue0.980.973836.52达标或采用YesYesYesPredictedEarningGrowth0.720.953400.40达标或采用YesPredictedEarningGrowthbyEquityValue0.720.965179.76达标或采用Yes增长增长：根据销售或收益增长的前景区分股票。这一因素中最重要的描述是分析师预测的长期收益增长。它还包括过去五年的销售额和收入增长。上表中汇报了规模因子下的三级因子：每股收益增长率（过去五年EPS 对时间回归斜率/平均 EPS）、Earning growth/Net Asset(每股 EPS增长)、预测长期盈利增长率 A(预期净利润 当前净利润)/(abs(预期净利润) abs(当前净利润)/2)、预测长期盈利增长率 B(预期净利润 中国股票风险因子模型白皮书第 36 页 共 73 页当前净利润)/Net Asset。其中，每股收益增长率覆盖率为 90%，AR1为 0.85，LL 提升为 2973.85；每股 EPS 增长覆盖率为 98%，AR1 为 0.97，LL 提升为 3836.52；预测长期盈利增长率覆盖率为 72%，AR1 为 0.95，LL 提升为 3400.40；总市值覆盖率为 72%，AR1 为 0.96，LL 提升为5179.76。根据评价标准，每股收益增长率达到了完备性的标准；每股EPS 增长达到了完备性、连续性的标准；预测长期盈利增长率 A 未达到标准；预测长期盈利增长率 B 达到了连续性的标准。最终我们并未选择该二级因子。4.3.7.2.营业收入增长率营业收入增长率表 14 营业收入增长率因子描述统计Factor描述SalesperShareGrowth每股营业收入增长率(过去五年每股营收对时间回归斜率/平均每股营收)SalesGrowthbyEquityValueSales growth/Net Asset(分配到每一股的销售增长）Factor覆盖率AR1LL 提升CUFMIGSMSalesperShareGrowth0.900.974456.25达标或采用YesYesYesSalesGrowthbyEquityValue0.990.956803.03达标或采用YesYes营业收入增长率营业收入增长率：根据销售或收益增长的前景区分股票。这一因素中最重要的描述是分析师预测的长期收益增长。它还包括过去五年的销售额和收入增长。上表中汇报了规模因子下的三级因子：流通市值的自然对数和总市值。其中，流通市值的自然对数覆盖率为 100%，AR1 为 0.99，LL 提升为 23049.55；总市值覆盖率为 100%，AR1 为 0.99，LL 提升为 23049.55；根据评价标准，流通市值的自然对数达到了完备性、连续性和解释能力的标准；总市值达到了完备性、连续性的标准。最终我们选择了流通市值的自然对数因子。和市值因子、增长因子类似，Hou（2021）、Chen（2023）和 Kelly 等（2020）等采用了该类因子，并取得了很好等效果。中国股票风险因子模型白皮书第 37 页 共 73 页4.3.8.市场情绪市场情绪4.3.8.1 分析师调整分析师调整表 15 分析师调整因子描述统计Factor描述RevisionRatio分析师调整比率（近 3 个月分析师调整比率加权平均）预期数据缺失值填 0ChangeinPredictedEarningtoPrice分析师预测 EP 比变化（近 4 个季度分析师预测 EP 变化的加权平均）ChangeinPredictedEarningperShare分析师预测 EPS 变化（近 4 个季度分析师预测 EPS 变化的加权平均）Factor覆盖率AR1LL 提升CUFMIGSMRevisionRatio10.56361.39达标或采用YesYesChangeinPredictedEarningtoPrice0.470.687261.57达标或采用YesChangeinPredictedEarningperShare0.520.736227.45达标或采用YesYesYes上表中汇报了市场情绪因子下的三级因子：分析师调整比率（近 3个月分析师调整比率加权平均）、分析师预测 EP 比变化（近 4 个季度分析师预测 EP 变化的加权平均）、分析师预测 EPS 变化（近 4 个季度分析师预测 EPS 变化的加权平均）。其中，分析师调整比率覆盖率为100%，AR1 为 0.65，LL 提升为 361.39；分析师预测 EP 比变化为 47%，AR1 为 0.68，LL 提升为 7261.57；分析师预测 EPS 比变化为 52%，AR1为 0.73，LL 提升为 6227.45；根据评价标准，分析师调整比率覆盖率达到了完备性的标准。分析师预测 EPS 变化因子的解释能力提升最大，最终我们选择了分析师预测 EPS 变化因子。和预测因子类似，该类因子在因子模型中应用广发，如 Wasan 和 Kalyani（2020）、Hou 等（2021）等。中国股票风险因子模型白皮书第 38 页 共 73 页4.3.9.股息股息4.3.9.1 股息率股息率表 16 股息率因子描述统计Factor描述DividendtoPrice股息率（近 12 个月每股股息/股价）PredictedDividendtoPrice分析师预测分红价格比（预期 12 个月每股股息/股价）PredictedDividendtoPriceFilledpredict divided（combine first divided 12 month rolling mean）/priceFactor覆盖率AR1LL 提升CUFMIGSMDividendtoPrice1.000.934371.52达标或采用YesYesPredictedDividendtoPrice0.510.963974.21达标或采用YesYesPredictedDividendtoPriceFilled1.000.955758.64达标或采用YesYesYesYes上表中汇报了规模因子下的三级因子：股息率（近 12 个月每股股息/股价）、分析师预测分红价格比（预期 12 个月每股股息/股价）、predictdivided（combine first divided 12 month rolling mean）/price。其中，股息率覆盖率为 100%，AR1 为 0.93，LL 提升为 4371.52；分析师预测分红价格比覆盖率为 51%，AR1 为 0.96，LL 提升为 3974.21；predict divided覆盖率为 100%，AR1 为 0.95，LL 提升为 5758.64；根据评价标准，股息率达到了完备性的标准；分析师预测分红价格比达到了连续性的标准；predict divided 达到了完备性、连续性的标准。最终我们选择了 predictdivided 因子。和我们类似，Penman 和 Zhu（2019）采用了股息因子。中国股票风险因子模型白皮书第 39 页 共 73 页5.模型风险测试模型风险测试本节主要内容为对于我们模型的风险控制能力的检验结果。本文选取三个指标测试模型的风险控制能力：组合风险管理（RMV）、风险价值（VaR）和波动率的波动率（VoV），并且基于三个指标与传统因子模型的风险控制对比。本节选取全部中国上市公司股票（3725 家）2012 年 10 月底至 2022 年 10 月底进行各个指标计算、估计。5.1.个股风险个股风险首先，基于中国全部上市公司数据，我们分别估计了每只股票的VaR、RMA 和 VoV，描述性统计结果报告于表 17 至表 19 以及图 5 至图 7。其中，依次为 VaR、RMA 和 VoV 的全部中国上市公司股票（3725家）2012 年 10 月底至 2022 年 10 月底数据计算估计结果的描述统计结果。表 17 个股风险 VaRindexCUFMIGSMcount37253723mean2.9913.018std1.0310.761min0.670.65325%2.3842.54650%2.7412.87675%3.2743.313max14.04210.912表 17 报告了全部中国上市公司股票（3725 家）2012 年 10 月底至2022 年 10 月底数据，根据 CUFM 以及我们的模型估计 99%VaR 的描述统计结果。一般来说，其越接近 2.58 意味着模型更接近正太分布。从均值来说，我们模型估计出的 99%VaR 为 2.991，对比 CUFM 的 3.018，我们更为接近标准正太分布的 2.58。所以相比 CUFM 而言，我们模型估计后数据更为符合一般数据估计的假设。从方差来说，我们模型估计出的 99%VaR 方差为 1.031，其略高于 CUFM 的 0.761；我们模型估计出的 99%VaR 的极小值、25%、50%、75%的分位数、极大值分别为 0.670、2.384、2.741、3.274 和 14.042，CUFM 模型估计出的 99%VaR 的极小中国股票风险因子模型白皮书第 40 页 共 73 页值、25%、50%、75%的分位数、极大值分别为 0.653、2.546、2.876、3.313 和 10.912。表 18 个股风险 RMVindexCUFMIGSMcount37253723mean0.10.105std0.0210.014min0.0430.04525%0.0890.09650%0.0960.10375%0.1060.111max0.2850.271表 18 报告了全部中国上市公司股票（3725 家）2012 年 10 月底至2022 年 10 月底数据，根据 CUFM 以及我们的模型估计以 10%为目标RMA 的描述统计结果。一般来说，其越接近 0.1 意味着模型更风险控制能力越强。从分布来看，我们模型估计出的 RMA 的极小值、25%、50%、75%的分位数、极大值分别为 0.045、0.096、0.103、0.111、0.271，CUFM 模型估计出的 RMA 的极小值、25%、50%、75%的分位数、极大值分别为 0.043、0.089、0.096、0.106、0.285，我们的分布更为集中在 0.1 附近。所以相比 CUFM 而言，我们模型对于个股风险控制更强。我们和 CUFM 的 RMA 均值接近，分别为 0.105 和 0.1；我们模型估计出的 RMA 方差为 0.021，其略高于 CUFM 的 0.014。表 19 个股风险 VoVindexCUFMIGSMcount326302321576mean0.0270.025std0.0220.023min0025%0.0120.0150%0.0240.02175%0.0380.035max0.5160.454表 19 报告了全部中国上市公司股票（3725 家）2012 年 10 月底至2022 年 10 月底数据，根据 CUFM 以及我们的模型估计 VoV 的描述统中国股票风险因子模型白皮书第 41 页 共 73 页计结果。一般来说，其越小意味着模型风险控制越好。对比结果来看，我们模型估计出的 VoV 为 0.025，对比 CUFM 的 0.027，我们模型的平均 VoV 更小。所以相比 CUFM 而言，我们模型对于风险控制更为卓越。我们模型估计出的 VoV 方差为 0.023，其略高于 CUFM 的 0.022；我们模型估计出的 VoV 的极小值、25%、50%、75%的分位数、极大值分别为 0、0.01、0.021、0.035、0.454，CUFM 模型估计出的 VoV 的极小值、25%、50%、75%的分位数、极大值分别为 0、0.012、0.024、0.038、0.516。5.1.2.个股风险分布个股风险分布图 5 至图 7 分别绘制了全部中国上市公司股票（3725 家）2012 年10 月底至 2022 年 10 月底估计的 VaR、RMV、VoV 个股分布图。图 5 VaR 分布对比图 5 为我们模型和 CUFM 对全部中国上市公司股票 99%VaR 的估计分布图，可以看出我们 VaR 的分布相对 CUFM 更为接近 2.58，这说明我们估计结果更为合理。这也和表 17 得出的结轮一致。同时我们模型估计的 VaR 相对左偏。中国股票风险因子模型白皮书第 42 页 共 73 页图 6 RMV 分布对比图 6 为我们模型和 CUFM 对全部中国上市公司股票目标 10%的RMV估计分布图，可以看出我们RMV的分布相对CUFM更为接近0.1，这说明我们估计结果更为合理。这也和表 18 得出的结轮一致。同时我们模型估计的 VaR 相对左偏。中国股票风险因子模型白皮书第 43 页 共 73 页图 7 VoV 对比图 7 为我们模型和 CUFM 对全部中国上市公司股票 VoV 的估计分布图，可以看出我们 VoV 的分布相对 CUFM 更为接近 0，这说明我们估计结果方差接近 0，这意味着我们的模型方差更为稳定。这也和表 19得出的结轮一致。同时我们模型估计的 VoV 相对左偏。5.1.3.个股风险管理特例分析个股风险管理特例分析本节选取了几个中国股市近年来有代表性的股票、事件对我们的模型进行测试。特别的，本文选取了“獐子岛”、“贵州茅台”、“万科”和“康美药业”这几只发生重大事件的股票测试模型的风险预测能力。中国股票风险因子模型白皮书第 44 页 共 73 页图 8 獐子岛特异性风险图 8 报告獐子岛在“扇贝跑了”事件中的表现以及我们模型和CUFM 模型对于獐子岛特异性风险的折线图。2014 年 10 獐子岛发布公中国股票风险因子模型白皮书第 45 页 共 73 页告称异常的冷水造成了獐子岛的虾夷扇贝绝收;当年净利润亏损 11.95亿元。2018 年 1 月獐子岛突发公告，声称 2017 年降水减少，导致饵料短缺，再加上海水温度异常，大量扇贝饿死。2017 年业绩大跌，亏损7.23 亿。2019 年 4 月、10 月，2020 年 5 月，獐子岛扇贝又发生多次“集体死亡/逃跑”。2020 年 6 月 24 日证监会依法对獐子岛公司信息披露违法违规案作出行政处罚及市场禁入决定。图 8 中，图中下面部分对应为我们模型的结果、上面部分对应CUFM 的结果。对比两部分可以看出，首先由于 CUFM 模型的估计的假设，特异性波动率与总波动率之间的差距变化较小，而我们的模型两者的差距在“扇贝跑了”事件前加大，这暗示我们的模型具有一定的风险预测能力，这一点从 3 个月的预期波动率也能得到类似的结果。图 9 报告万科在“宝万之争”事件中的表现以及我们模型和 CUFM模型对于万科特异性风险的折线图。2015 年 7 月 24 日，宝万之争拉开序幕。2016 年 12 月 17 日，恒大退出，宝万之争结束。图 9 中，图中下面部分对应为我们模型的结果、上面部分对应CUFM 的结果。对比两部分可以看出和图 8 类似的结果，同样由于CUFM 模型的估计的假设，特异性波动率与总波动率之间的差距变化较小，而我们的模型两者的差距在“宝万之争”事件前加大，这暗示我们的模型具有一定的风险预测能力，这一点从 3 个月的预期波动率也能得到类似的结果。同时，在事后的波动率 IGSM 的估计结果也表现出更大的反应，这都暗示了我们模型的对于风险的反应更显著。中国股票风险因子模型白皮书第 46 页 共 73 页图 9 万科停牌中国股票风险因子模型白皮书第 47 页 共 73 页图 10 康美药业中国股票风险因子模型白皮书第 48 页 共 73 页图 10 报告了康美药业股价的表现以及们模型和 CUFM 模型对于特异性风险的折线图。2018 年 10 月 16 日，康美药业在盘中突然跌停，17 日再度闪崩跌停，17 日之后的 4 个工作日，康美市值迅速被腰斩。2020 年 5 月 13 日，中国证监会对康美药业证券违法违规案作出行政处罚和市场禁入决定，对公司和 21 名责任人处以罚款和市场禁入决定。图 10 中，图中下面部分对应为我们模型的结果、上面部分对应CUFM 的结果。对比两部分可以看出，同样在事件期间，相比 CUFM模型的波动率估计结果，我们模型估计的总波动率、特异性波动率，在事前均可观察出更明显的上升。CUFM 模型的特异性波动率几乎没有变化。这表明我们的模型具有一定的预测能力，这一点从 3 个月的预期波动率也能得到类似的结果。图 11报告了贵州茅台股价的表现以及们模型和CUFM模型对于特异性风险的折线图。图 11 中，图中下面部分对应为我们模型的结果、上面部分对应 CUFM 的结果。对比两部分可以看出，在大部分时期，我们模型所估计的系统性风险的波动会更明显。平均来看，我们模型所估计的系统性风险的波动为 25%（相对均值），而 CUFM 则是 21%（相对均值）。所以我们可以相信我们模型所估计出的风险根据信息，我们对于系统性风险、异质性风险的估计反应了更多信息信息。这些信息也能转化为对于高风险事件的预测能力。同时，我们也对比了我们模型和 CUFM 模型在不同分数总风险的表现，其中 25%、50%、75%分位数的结果分别在图 12。描述统计在表 20 中。中国股票风险因子模型白皮书第 49 页 共 73 页图 11 贵州茅台中国股票风险因子模型白皮书第 50 页 共 73 页图 12 总风险表 20 波动率描述统计indexCUFMIGSMIDIO.VAR.SYS.VAR.IDIO.VAR.SYS.VAR.10%4.7%4.8%2.3%0.0%7.2%6.9%4.2%0.0P.8.0%8.6%5.4u.8.4.0%9.20.8!.48.2.9%mean15.6.88.8%6.9%图 12 表明对于 75%分位数的股票，我们的模型能够估计出更低的波动率，对于 25%的股票则估计的波动率较高。表 20 展示了特异性风险和系统性风险在不同分位数的情况。系统性波动率和特异性波动率在分布表现上和总波动率一致，在较低分位数区域 CUFM 估计的结果较高，在较高分位数区域我们的结果较高。5.2.市场组合风险市场组合风险本节我们选取了 30 个代表性的指数投资组合作为我们的测试对象，同样我们就 VaR、RMV、VoV 三个指标和 CUFM 模型进行了对比。结果汇总在表 21 至表 26，以及图 13 图 15。其中逐个指数组合的 VaR、RMV、VoV 三个指标的结果分别在表 21、表 22、表 23；VaR、RMV、VoV 三个指标的总体描述统计在表 22、表 24、表 26；VaR、RMV、VoV 三个指标的的分布图在图 13 至图 15。中国股票风险因子模型白皮书第 51 页 共 73 页表 21 组合 RMV指数简称IGSMCUFM2022 年 ETF 规模测试起始时间沪深 30010.0%9.9G.162010-1中证 5009.8.1.012010-1上证 5010.4%9.4.562010-1中证白酒13.9.1%4.292015-01中证 100010.4.8.342014-10光伏产业12.2.2%2.582019-04中证军工10.5.4%1.962014-04CS 新能车12.3.7%3.852014-12中证红利8.9%9.3.902012-12CS 创新药11.5.2%2.052019-04300 成长10.3%9.3.102012-11全指医药10.5.7%6.242012-11中证农业11.0.3%1.752015-07全指金融10.7%8.9.022012-11CS 人工智9.2%9.6%1.762015-08全指信息10.3.8%7.562012-11细分化工10.5.7%2.332012-11新材料11.3.1%4.032015-02消费电子10.4.8%2.782020-06全指可选9.7.3%6.462012-11SHS 科技龙头8.8%9.8%9.202020-07全指能源9.8.0%4.022012-11全指材料10.1.5%8.062012-11300R 价值10.2%9.47.352012-11全指工业10.0.5.232012-11全指消费11.0.3%7.782012-11全指电信9.2.5%4.182012-11全指公用10.5.4%2.712012-11新华 500 指数9.5.2R.492019-11500R 成长9.9.6%9.462014-06中国股票风险因子模型白皮书第 52 页 共 73 页表 22组合 RMV 描述统计indexIGSMCUMFcount3030mean10.4.5%std1.1%1.0%min8.8%8.9%9.8%9.9P.4.5u.7.8%max13.9.2%首先我们对比了组合风险管理能力，结果如表 21 所示。我们设置风险目标为 10%，波动率越接近 10%则管理越有效。我们的模型在大市值指数组合中表现出优势，如沪深 300、中证 500、上证 50 等，在部分行业指数中，我们的模型也表现更好，比如光伏产业、中证军工、CS新能车等。值得一提的是，我们的模型在某些行业指数中占据明显优势，比如新材料等。表 22报告了表 21结果的汇总，从30个投资组合方差的均值来看，我们的模型对比传统因子能多控制 0.1%的波动率。我们模型的 RMV 方差和 CUFM 基本一致。从分布来看，我们的模型估计的 RMV 分布更为离散。同时，图 13 也能看看出我们的 RMV 接近 10%的组合略多，也更为左偏。中国股票风险因子模型白皮书第 53 页 共 73 页中国股票风险因子模型白皮书第 54 页 共 73 页图 13 组合 RMV 分布表 23组合 VaR指数简称指数简称IGSMCUFM上证 503.442.59沪深 3002.802.39细分化工2.923.42中证 10002.952.83中证 5002.612.97300 成长3.262.61300R 价值3.202.54中证红利2.362.55中证农业2.972.94全指能源2.652.78全指材料2.623.06全指工业2.642.45全指可选2.762.88全指消费3.712.68全指医药2.852.91全指金融3.232.31全指信息2.712.83全指电信2.593.06全指公用2.693.30中证军工2.873.33CS 新能车2.653.54中证白酒4.602.72CS 人工智2.702.81光伏产业2.672.97CS 创新药2.862.67消费电子2.632.74SHS 科技龙头2.232.42新华 500 指数1.842.13500R 成长2.762.99新材料2.983.08中国股票风险因子模型白皮书第 55 页 共 73 页表 24组合 VaR 描述统计indexIGSMCUFMcount3030mean2.862.82std0.480.33min1.842.1325%2.652.6050%2.762.8275%2.972.98max4.603.54接下来我们对比了组合风险的 VaR，结果如表 23 所示。我们选取的 99%的 VaR，VaR 越接近 2.58 则越合理。VaR 的结果暗示哦我们和CUFM 的模型估计结果比较右偏，大部分的组合结果都右偏于 2.58。在大部分的行业指数里，我们的模型的 VaR 更合理，比如全能能源等。值得一提的是，我们的模型在某些行业指数中占据明显优势，比如 CS新能车等。表 24 报告了表 23 结果的汇总，从 30 个投资组合 VaR 的均值来看，我们的模型对比 CUFM 模型更为接近 2.58。我们模型的 VaR 方差更小。从分布来看，我们的模型估计的 VaR 分布更为集中。同时，图 14也能看看出 IGSM 模型估计的 VaR 和 CUMF 的分布差距不大。这都暗示着我们模型在风险估计上的优势。中国股票风险因子模型白皮书第 56 页 共 73 页图 14 组合 VaR 分布中国股票风险因子模型白皮书第 57 页 共 73 页表 25组合 VoV指数简称指数简称IGSMCUFM上证 502.44%1.94%沪深 3002.43%2.49%细分化工2.49%3.14%中证 10003.29%3.85%中证 5002.62%3.0200 成长2.49%1.8400R 价值2.65%2.22%中证红利1.83%2.27%中证农业2.12%2.48%全指能源2.41%2.44%全指材料2.28%2.99%全指工业2.82%2.28%全指可选2.55%2.98%全指消费2.70%2.73%全指医药2.48%2.90%全指金融2.72%1.93%全指信息2.49%3.06%全指电信1.94%2.62%全指公用3.16%3.18%中证军工2.28%3.25%CS 新能车1.97%2.82%中证白酒3.07%2.65%CS 人工智2.24%2.84%光伏产业2.90%2.89%CS 创新药2.15%2.03%消费电子3.12%2.77%SHS 科技龙头1.55%1.39%新华 500 指数1.27%1.41P0R 成长2.73%3.45%新材料2.10%3.05%中国股票风险因子模型白皮书第 58 页 共 73 页表 26组合 VoV 描述统计indexIGSMCUFMcount26842684mean2.46%2.71%std1.87%2.06%min0.00%0.00%0.97%0.98P%2.10%2.20u%3.61%4.15%max13.01.94%最后我们对比了组合风险的 VoV，结果如表 25 所示。从结果来我们估计的指数 VoV 较低，如沪深 300、中证 1000 等。表 26 报告了表 25结果的汇总，从 30 个投资组合 VoV 的均值来看，我们的模型对比 CUFM模型更小。我们模型的 VoV 波动率更小，这意味着我们均值相对较小这个结果，在指数之间相对稳健。从分布来看，我们的模型估计的 VoV分布更为集中。同时，图 15 也能看看出我们的 VoV 稍微左偏。中国股票风险因子模型白皮书第 59 页 共 73 页图 15 组合 VoV 分布中国股票风险因子模型白皮书第 60 页 共 73 页中国股票风险因子模型白皮书第 61 页 共 73 页5.3.因子组合风险因子组合风险本节我们选取了 16 个 CUFM 模型以及 14 我们模型的的风格因子投资组合，分别检验了 VaR、RMV、VoV 三个指标下我们模型和 CUFM模型异同。指数汇总的分布如图 16 至图 21 所示。其中图 16 至图 18为 CUFM 模型风格因子组合的对比；图 19 至图 21 为我们模型风格因子组合的对比。图 16 CUFM 因子组合 RMV中国股票风险因子模型白皮书第 62 页 共 73 页图 17 CUFM 因子组合 VaR图 18 CUFM 因子组合 VoV中国股票风险因子模型白皮书第 63 页 共 73 页图 19 我们模型因子组合 RMV图 20 我们模型因子组合 VaR中国股票风险因子模型白皮书第 64 页 共 73 页图 21 我们模型因子组合 VoV图 16 和图 19 分别展示了我们模型和 CUFM 的风格因子组合RMV 的分布，可以看出，我们的结果比较偏左，CUFM 模型比较偏右。从 VaR 来看，综合图 17 和图 20，我们模型 VaR 比较接近 2.58，这表明我们模型的因子组合的风险估计较为合理。图 18 和图 21 展示了我们模型和 CUFM 的风格因子组合的 VoV 分布。我们估结果 VoV 较小，这展现了我们模型更好的风险控制能力。基于我们对于模型风格因子风险相关指标的测试，我们发现，IGSM模型的风险预测、估计相比 CUMF 的结果更为合理。中国股票风险因子模型白皮书第 65 页 共 73 页参考文献参考文献Chen,Luyang,Markus Pelger,and Jason Zhu,Deep Learning in Asset Pricing,Management Science,2023E.F.Fama and K.R.French,“Common risk factors in returns on stocks andbonds”,Journal of Financial Economics,vol.33,no.1,pp.356,1993.Gu,Shihao,Bryan Kelly,and Dacheng Xiu,Autoencoder Asset Pricing Models,Journal of Econometrics,222.1(2021),42950Harahap,Qahfi Romula Siregar Defi Desvita,Influence Current Ratio,Debt toEquity Ratio and Total Asset Turnover on Return on Equity in the TransportationSector Industry,International Journal of Business Economics(IJBE),2.2(2021)Hou,Kewei,Haitao Mo,Chen Xue,and Lu Zhang,An Augmented q-FactorModel with Expected Growth*,Review of Finance,25.1(2021),141Jegadeesh,Narasimhan,Joonki Noh,Kuntara Pukthuanthong,Richard Roll,andJunbo Wang,Empirical Tests of Asset Pricing Models with Individual Assets:Resolving the Errors-in-Variables Bias in Risk Premium Estimation,Journal ofFinancial Economics,133.2(2019),27398Kelly,Bryan,Seth Pruitt,and Yinan Su,Instrumented Principal ComponentAnalysis,Working Paper,2020Kelly,Bryan T.,Tobias J.Moskowitz,and Seth Pruitt,Understanding Momentumand Reversal,Journal of Financial Economics,140.3(2021),72643Koijen,Ralph SJ and Yogo,Motohiro,Exchange Rates and Asset Prices in aGlobal Demand System,Working Paper,2020Lalwani,Vaibhav,and Madhumita Chakraborty,Multi-Factor Asset PricingModels in Emerging and Developed Markets,Managerial Finance,46.3(2019),36080Menchero,J.and J.-H.Lee,“Efficiently combining multiple sources of alpha”,Journal of Investment Management,vol.13,no.4,pp.7186,2015.MSCI,BAARA China A Total Marker Equity Model for Long-Term Investors,2018.Penman,Stephen H.,and Julie Zhu,An Accounting-Based Asset Pricing Model中国股票风险因子模型白皮书第 66 页 共 73 页and a Fundamental Factor,SSRN Electronic Journal,2019POJANAVATEE,Sasipa,Tests of a Four-Factor Asset Pricing Model:The StockExchange of Thailand,The Journal of Asian Finance,Economics and Business,7.9(2020),11723Stephen A Ross,“The arbitrage theory of capital asset pricing”,Journal ofEconomic Tyheory,vol.13,no.3,pp.341-360,1976.Sheng,Jinfei,Asset Pricing in the Information Age:Employee Expectations andStock Returns,Working Paper,2022Wasan,Pratibha,and Kalyani Mulchandani,Corporate Governance Factors asPredictors of Earnings Management,Journal of General Management,45.2(2020),7192邓璎函，BAARA 中国市场模型（CNE6）解读，西南证券，2019 年 2 月。石川，因子投资：方法与实践，电子工业出版社，2020 年 9 月。宋旸，BAARA 风险模型（CNE6）之纯因子构建与因子合成 多因子模型研究系列之九，渤海证券研究所，2019 年 6 月。中国股票风险因子模型白皮书第 67 页 共 73 页附录附录 1 1若向量,服从联合正态分布，则(|)= 1()=1证明：n 维正态分布的密度函数为 =1(2)/2|1/2exp 12 1 其指数部分为12 1 =121 1 令 =其协方差矩阵为=，精度矩阵=1=因为1为对称矩阵，也为对称矩阵，则，为对称矩阵，=给定，|服从正态分布，(|)的指数部分为12 1 =12 12 12 12 =12 由的变量系数对应可得|=1|=|=1 由求逆公式1=1 11 11,=(1)11=中国股票风险因子模型白皮书第 68 页 共 73 页将代入得=(1)1=(1)11将代入得=|= 1 将代入得，=|=1附录附录 2 21.高斯分布的矩阵表示法对于因子模型= 先验分布：0,0,0, 与符合多元高斯分布：0?0?, 根据附录 1，后验分布：|= ( )1 =( )1|=( )1|,|= ()1 =|= ()1=中国股票风险因子模型白皮书第 69 页 共 73 页|,|2.EM 算法实现过程首先，初始化参数和。对于一组样本,=1,2,，E-step：计算|;,|;,=1(2)/2|1/2 12|(|)13M-step：最大化,=log=1;,?=1log ;,?令 为因子序列的后验概率密度函数，=|;,;,?=|;,;,|;,?=|;,;,;,|;,?=|;,log ;,?=log ;,|;,?=log ;,因此，=|;,=1log ;,?=1(,;,)?我们的目标转化为13|;,为 k 维数组，k 为因子个数。中国股票风险因子模型白皮书第 70 页 共 73 页argmax,=1(,;,)?=argmax,=1(|;,)(;,)?=argmax,=1(|;)(;)?由 E-step，我 们 可 以 获 得，再 将|,，0,的概率密度函数代入方程，分别对参数求偏导，使一阶导数等于 0，可解得和。循环 E-step 和 M-step，直至参数收敛。附录附录 3 3本附录探讨 EM 算法下共线性的处理与方差的分配问题。因子暴露矩阵?是 ( 1)阶矩阵，假设?的列秩为K，不失一般性地，假设?从左往右前K列互相独立，因此我们有?=（1）其中，是?的前K列，是一个K维列向量。保持资产的方差协方差矩阵不变，即=?（2）我们知道()= ()(3)其中r是资产收益，可写为= (4)上式中f为因子收益，是一个K维列向量，是残差项。如果我们可以保持加入共线性的国家因子之后残差不变，那么(3)式中的()就不中国股票风险因子模型白皮书第 71 页 共 73 页会改变的，则显然资产的方差协方差矩阵也是不变的，(2)式也就自然成立。因此，我们可以将(2)式的条件进一步明确为?=(5)现在详细讨论与f，在我们的模型中，不包含共线性的因子可分为行业(industry)与风格(style)两类，对应的，我们将与f写为=(,)(6)=(,)(7)这里我们假设行业因子有k个，则 与 均为 维的矩阵，而 与均为 ()维的矩阵。在加入共线性的国家因子以后?=(,1)(8)这里?最右列的 1 代表一个分量全为 1 的K维列向量。容易验证，满足下式的因子收益?可以使得(5)式成立?=(,)(8)上面(8)式中的z理论上可以是任意K维列向量，这里我们取全部行业因子收益的等权平均，即=?(9)可以验证在数学上，采用(9)式中z的?等于f右乘一个 ( 1)维的矩阵，设为M?=(10)矩阵M由下面一系列等式给出=1(11)式中下标均表示矩阵的维数，可写为=0()0()()()(12)中国股票风险因子模型白皮书第 72 页 共 73 页的值是=1111 1111 111 1(13)(11)式中的1可写为1=(14)其中是一个分量全部为1/k的k维列向量，是一个(K-k)维的零向量。在获得因子收益的变换方式以及M的取值以后，由于是因子收益的方差协方差矩阵，可以直接得到?=(15)发布机构发布机构指数中心指数中心金融科技实验室金融科技实验室财富引擎财富引擎(北京北京)科技有限公司科技有限公司

0人已浏览 2024-01-04 73页 5星级

富国基金2023.112024年A股策略报告1目 录01盈利分析02利率分析04市场观点03风险偏好分析05行业配置观点2盈利分析进入弱盈利回升周期32023Q3出现盈利向上拐点趋势和幅度基本符合上期判断预计2024年前三季度将处于盈利上行周期盈利上行周期一般会持续45个季度预计明年盈利增速股剔除金融股剔除金融A季度累计利润同比增速：季度累计利润同比增速：140.0.0.0%-10.0%-60.0%5.5%-4个季度个季度4个季度个季度5个季度个季度5个季度个季度4个季度个季度盈利分析进入弱盈利回升周期4收入同比增速存货同比增速股剔除金融股剔除金融A收入和存货增速的比较：收入和存货增速的比较：2023/3/12022/5/12021/7/12020/9/12019/11/12019/1/12018/3/12017/5/12016/7/12015/9/12014/11/12014/1/12013/3/12012/5/12011/7/12010/9/12009/11/12009/1/12008/3/12007/5/12006/7/12005/9/12004/11/12004/1/12003/3/10.80.70.60.50.40.30.20.10-0.1-0.22.6%3.2%-股剔除金融股剔除金融A历年二季度利润环比：历年二季度利润环比：20232022202000092008200720069.3.8).49.2!.0.2.3G.3U.9%.2.6%9.2.5.6r.0.2.6G.4%股总体剔除金融地产股总体剔除金融地产A A存货占总资产比：存货占总资产比：2023/32022/32021/32020/32019/32018/32017/32016/32015/32014/32013/32012/32011/32010/32009/32008/32007/32006/32005/32004/32003/315.6%预计本轮盈利上行周期幅度将比较微弱盈利回升的主要驱动力来自于基数效应和企业回补库存今年二季度的利润环比是历史最差水平，明年对应的基数低在去库存周期中，存货增速首次负增长且低于收入增速扣除地产影响后，当前上市公司库存水平处于历史最低水平总需求端预计消费和地产会有所修复但制造业投资、基建投资和出口预计将继续承受压力盈利分析进入弱盈利回升周期5预计本轮盈利上行周期幅度将比较微弱盈利回升的主要驱动力来自于企业回补库存总需求端预计消费需求会有所修复重大灾难后一年左右，“防御性储蓄”才会开始回落“防御性储蓄”的下降有利于消费的修复但投资（基建、制造业）和出口预计将继续承受压力“非典”确定性消失三个季度后，北京储蓄率下降汶川地震一年后，四川储蓄增速下降电力设备（右轴）电动乘用车在建工程增速：新能源在建工程增速：新能源 固定资产固定资产2023/6/12022/11/12022/4/12021/9/12021/2/12020/7/12019/12/12019/5/12018/10/12018/3/12017/8/12017/1/12016/6/12015/11/12015/4/12014/9/12014/2/12013/7/12012/12/12012/5/12011/10/12011/3/12010/8/12010/1/121.510.50-0.50.70.60.50.40.30.20.10盈利分析进入弱盈利回升周期6预计本轮盈利上行周期幅度将比较微弱盈利回升的主要驱动力来自于企业回补库存总需求端预计消费需求会有所修复但投资（基建、制造业）和出口预计将继续承受压力新能源投资明显降速后，还未找到新行业开启新资本周期新的化债方案下，地方新增债务融资将难以用于基建特殊再融资债理论额度2.6万亿，已使用1.5万亿美国经济面临向下回调风险，对出口构成压力盈利分析进入弱盈利回升周期7预计本轮盈利上行周期幅度将比较微弱微弱的盈利周期不构成市场主要驱动力历史经验：2013年盈利上行周期也比较微弱，但当年“钱荒”导致利率发生大幅上行，股市震荡下跌 利率成为核心驱动力目 录01盈利分析02利率分析04市场观点03风险偏好分析05行业配置观点8利率分析企稳回升，低位运行9预计十年期国债收益率中枢高于2023年，但上限低于3 23年十年期国债收益率中枢为2.7%随着企业盈利回升对资金需求的增加，预计2024年利率中枢将高于2023年历史上的盈利上行周期，从未发生过利率持续下行但经济增长中枢下移和宽松货币政策的维持，会将利率上限抑制在较低水平，预计难以突破3%年（右轴）:10中债国债到期收益率股剔除金融A季度累计净利润增速：21000%-40%6.0%5.5%5.0%4.5%4.0%3.5%3.0%2.5%2.0%1.5P0SPX.GI标普000001.SH上证指数中美大盘指数比较中美大盘指数比较7,0006,0005,0004,0003,0002,0001,0000利率分析企稳回升，低位运行102024年大概率出现中美利率“东升西落”的局面有观点认为利率“东升西落”可能带来中美股市表现反转历史上唯一一次中美利率大幅倒挂发生在2005年20062007年中美利率“东升西落”，同期A股进入大牛市历史能否重演？年:10美国国债到期收益率年:10中债国债到期收益率中美国债收益率比较中美国债收益率比较6543210年:10国债收益率:美国上证综指股表现股表现A美债收益率下行阶段的美债收益率下行阶段的7,0006,0005,0004,0003,0002,0001,0000876543210利率分析企稳回升，低位运行11利率“东升西落”对股市的影响中美利率“东升西落”并不构成中长期股市核心矛盾短期来看，中美利率“东升西落”有利于缓解套利资金回流美国，对人民币汇率有一定支撑，对A股也构成利好但中长期来看，中美利差并非决定人民币汇率的唯一因素，且人民币汇率也并非决定A股市场的唯一因素历史数据来看美国国债收益率下行阶段，与A股也没有稳定的反向关系如果美国利率剧烈下行，可能隐含美国大幅衰退预期，不能完全理解为利好人民币中间价（右轴）中美利差中美利差和人民币汇率中美利差和人民币汇率3.02.01.00.0-1.0-2.0-3.08.58.07.57.06.56.05.55.0目 录01盈利分析02利率分析04市场观点03风险偏好分析05行业配置观点12风险偏好分析2024年可能触及极值13在盈利、利率均小幅波动的背景下，24年最大的市场变量将是风险偏好当前影响风险偏好的核心因素：信心9月月预测预测标准差2-均值倍标准差1.5-均值标准差 2均值倍标准差 1.5均值标准差1-均值标准差 1均值均值)除金融、石油石化A(：万得全ERPERP国开债4.0%3.0%2.0%1.0%0.0%-1.0%-2.0%-3.0%-4.0%6月预期月预期风险偏好分析2024年可能触及极值14在盈利、利率均小幅波动的背景下，24年最大的市场变量将是风险偏好信心的恢复过程将非常漫长例：8月份的医药反腐和碧桂园爆雷事件，对信心再次形成巨大冲击但只要负面预期被充分定价，就有希望看到股权风险溢价的见顶回落当股权风险溢价已经处于顶部极值区间后，意味着信心不足的负面预期已被充分定价届时在其他方面看到结构性改善的信号，也能大幅提升风险偏好预期降得足够低之后，所有的事都会超预期A万得全房地产医药生物年地产和医药股走势年地产和医药股走势20231.11.11.01.00.90.90.80.80.7碧桂园爆雷碧桂园爆雷医药反腐医药反腐风险偏好分析2024年可能触及极值15风险偏好触及极值后的改善路径（1）：出现新的产业浪潮线索 预计13年内可以实现当前新的产业浪潮还未形成01,0002,0003,0004,0005,0006,0007,0008,000万得全万得全A20052010地产和投资链地产和投资链20102013安防和安防和苹果链苹果链20132015移动互联网移动互联网20192021新能源和半导体新能源和半导体风险偏好分析2024年可能触及极值16风险偏好触及极值后的改善路径（2）：资本市场改革预计12年内可以实现当前市场弱势下，监管层非常愿意倾听市场的声音A股市场的一大症结是“融资导向”，大小股东利益不一致，需要用系统性的制度变革来改变这一现状新股上市制度退市制度分红回购制度融资制度减持制度信息披露制度稀释效应：为什么经济奇迹往往带不来稀释效应：为什么经济奇迹往往带不来投资回报？投资回报？,BCA,2023-11-6目 录01盈利分析02利率分析04市场观点03风险偏好分析05行业配置观点17市场观点：24年有耐心，25年有信心18对2024年要有充分的耐心盈利和利率小幅上行，风险偏好构成核心驱动因素，但风险偏好的修复需要时间，在这个过程中甚至可能恶化对2025年要有充分的信心股权风险溢价触及极值后负面预期被充分定价，终将出现新的产业主线，且资本市场改革呼之欲出ERPRPEf1PEEPSP50.431.70.020.040.060.080.0100.0120.0140.02000-01-072001-01-072002-01-072003-01-072004-01-072005-01-072006-01-072007-01-072008-01-072009-01-072010-01-072011-01-072012-01-072013-01-072014-01-072015-01-072016-01-072017-01-072018-01-072019-01-072020-01-072021-01-072022-01-072023-01-07A股股PE中位数和平均数历史序列中位数和平均数历史序列市盈率市盈率(TTM,算术平均算术平均)市盈率市盈率(TTM,中值中值)40X25X市场观点：24年有耐心，25年有信心19对2024年要有充分的耐心市场估值距离历史底部仍有一定距离对2025年要有充分的信心股权风险溢价触及极值后负面预期被充分定价，终将出现新的产业主线，且资本市场改革呼之欲出27.500400050006000700080000070809020002000420052006200720082009200000222023A股剔除金融石油石化估值股剔除金融石油石化估值PE（TTM）：万得全A(除金融、石油石化)均值均值 1标准差均值-1标准差均值 2标准差均值-2标准差万得全A（右轴）22.20.93 0.80.911.11.21.31.41.51.62005-01-072006-01-072007-01-072008-01-072009-01-072010-01-072011-01-072012-01-072013-01-072014-01-072015-01-072016-01-072017-01-072018-01-072019-01-072020-01-072021-01-072022-01-072023-01-07中证全指成长中证全指成长/价值价值市场观点：24年有耐心，25年有信心20市场风格：小盘价值接近尾声，可能转向小盘成长21年3月以来，小盘风格持续跑赢大盘风格，从时间和空间上来看似乎该趋势并未结束21年3月以来，成长风格持续跑赢价值风格，但从空间上来看，已经接近底部小盘成长占优阶段，可能主题投资会比较泛滥可类比2009年7月2010年11月0.72 0.30.50.70.91.11.31.51.71.92.12.31999-12-302000-12-302001-12-302002-12-302003-12-302004-12-302005-12-302006-12-302007-12-302008-12-302009-12-302010-12-302011-12-302012-12-302013-12-302014-12-302015-12-302016-12-302017-12-302018-12-302019-12-302020-12-302021-12-302022-12-30申万大盘申万大盘/小盘小盘目 录01盈利分析02利率分析04市场观点03风险偏好分析05行业配置观点21行业个股数量基础化工247机械设备182医药生物164电子164电力设备137有色金属129房地产115计算机107汽车86公用事业86其他965合计238220122022年行业配置观点22即使宏观经济增长中枢再下台阶，也不会影响对成长股的挖掘普遍预期未来十年中国宏观经济增长中枢会再下台阶市场担心经济下台阶后挖掘成长行业和个股将更加困难但20122022年中国经济下台阶的阶段，高速成长股的数量远多于前十年20122022年，利润在三年内提升两倍以上（CAGR50%）的公司数量，比20002011年多了70%0.002.004.006.008.0010.0012.0014.0016.002000200042005200620072008200920000022中国中国:GDP:不变价不变价:同比同比三年盈利复合增速超过三年盈利复合增速超过50%的公司数量的公司数量行业个股数量房地产194基础化工125医药生物100综合89商贸零售78有色金属65汽车63机械设备61电子51公用事业48其他556合计1年行业配置观点23过去两轮大牛市的主线行业，在牛市启动前都会有“预演”（1）2003年的“五朵金花”行情，是对0607年周期股牛市的预演（2）2013年的传媒股行情，是对2015年移动互联网牛市的预演预演的原因：a.上市公司业绩跟不上，短期估值偏贵，造成回调b.大拐点已经出现，但投资者对需求空间的预期不足，造成回调c.待市场整体风险偏好大幅提升后，才会带来估值系统性抬升和“泡沫化”00.511.522.533.544.552001-01-052002-01-052003-01-052004-01-052005-01-052006-01-052007-01-0520032007年钢铁股的两轮超额收益年钢铁股的两轮超额收益钢铁指数万得全A2003.12003.12超额收益51 06.92007.9超额收益54%“五朵金花”行情行业配置观点242023年的AI行情，现在看是主题，但未来3年成为下一轮牛市主线的概率最大AI当前还是主题的原因：（1）目前即使美国也仍处于产品和商业模式摸索阶段，产业浪潮还未真正形成（2）国内上市公司业绩跟不上，短期估值偏贵（3）中美科技产业脱钩，美股“映射”路径受阻，需要等待国内算力跟上AI未来3年成为牛市主线的潜在驱动力：（1）美国仍在快速摸索技术创新和商业模式创新，迭代层出不穷，从量变到质变随时可能发生从2007年iphone问世，到2011年iphone 4S推出，耗时4年从2012年model S交付，到2017年model 3 量产，耗时5年（2）国内硬件“卡脖子”问题有望逐渐解决，最终内部形成闭环0.70.80.911.11.21.31.41.51.6AI板块相对大盘指数的表现板块相对大盘指数的表现计算机传媒通信万得全A基于AI衍生出的新硬件-19.5%-18.6%-15.2%-10.6%-10.3%-6.6%-5.6%-3.7%-1.3%-1.0%国防军工煤炭通信商贸零售交通运输食品饮料银行电力设备传媒社会服务0405年表现最好的行业年表现最好的行业行业配置观点25下一轮行业浪潮来临之前的行业配置建议历史上的“空窗期”中，大盘指数表现较弱行业表现无明显规律，以主题投资为主两轮“空窗期”均有超额收益的行业是军工和餐饮旅游主题特征明显-0.7%-0.1%0.5%0.8%4.1%4.3%4.7%4.8%8.9%9.8%建筑材料家用电器汽车综合国防军工通信轻工制造社会服务电子计算机13.1114.5表现最好的行业表现最好的行业01,0002,0003,0004,0005,0006,0007,0008,000产业主线“空窗期”的大盘指数表现产业主线“空窗期”的大盘指数表现2013.112014.5万德全A下跌3.4 042005年年万德全A下跌26.7%5.6.050.10.150.20.25毛利率：钢铁毛利率：钢铁24.9%0.150.170.190.210.230.250.270.29毛利率：家用电器毛利率：家用电器11.2.050.10.150.20.250.3存货占总资产比重：家用电器存货占总资产比重：家用电器行业配置观点26下一轮行业浪潮来临之前的行业配置建议短期弹性配置：家电、轻工、钢铁低库存压力下，具备向上弹性这些行业同时具备中游属性，一旦成本端压力下降，则有望获得更大的盈利弹性市场预期不充分11.2%0.080.090.10.110.120.130.140.150.16存货占总资产比重：轻工存货占总资产比重：轻工11.0.050.10.150.20.250.3存货占总资产比重：钢铁存货占总资产比重：钢铁20.7%0.150.170.190.210.230.250.270.29毛利率：轻工制造毛利率：轻工制造煤炭石油石化有色金属基础化工钢铁建筑材料电力设备机械设备国防军工建筑装饰公用事业交通运输房地产环保美容护理社会服务汽车家用电器轻工制造纺织服饰商贸零售农林牧渔食品饮料医药生物电子计算机传媒通信银行非银金融综合0 0Pp0%0 0Pp%Y轴轴：基基金金持持仓仓历历史史分分位位数数X轴：轴：PB（LF）历史分位数）历史分位数气泡大小表示行业市值气泡大小表示行业市值行业配置观点27下一轮行业浪潮来临之前的行业配置建议对地产股的看法更新地产是目前所有行业中赔率最大的行业地产股的机构仓位、PE历史分位、PB历史分位数都在历史最底部煤炭石油石化有色金属基础化工钢铁建筑材料电力设备机械设备国防军工建筑装饰公用事业交通运输房地产环保美容护理社会服务汽车家用电器轻工制造纺织服饰商贸零售农林牧渔食品饮料医药生物电子计算机传媒通信银行非银金融综合0 0Pp0%0 0Pp0%Y轴轴：基基金金持持仓仓历历史史分分位位数数X轴：轴：PE（TTM）历史分位数）历史分位数气泡大小表示行业市值气泡大小表示行业市值-1.6v.8EPUepu%-4%-2%0%2%4%6%8 03-3-12003-12-12004-9-12005-6-12006-3-12006-12-12007-9-12008-6-12009-3-12009-12-12010-9-12011-6-12012-3-12012-12-12013-9-12014-6-12015-3-12015-12-12016-9-12017-6-12018-3-12018-12-12019-9-12020-6-12021-3-12021-12-12022-9-12023-6-1地产行业的地产行业的ROE和杠杆率和杠杆率ROE资产负债率（右轴）行业配置观点28下一轮行业浪潮来临之前的行业配置建议对地产股的看法更新 但依然不推荐（1）政策底 股价底 基本面底的逻辑已经失效，探明基本面底是股价反转的前提只要地产基本面没有见底，任何政策救助措施都会是杯水车薪百亿千亿的救助规模 VS 不低于5万亿的市场规模萎缩,输血不如造血市场需要通过探明这次的周期底部来锚定长期的地产需求中枢（2）地产行业的商业模式和盈利模式面临重构高杠杆、高周转模式面临终结，即使行业需求企稳，ROE长期中枢也会大幅下降-59.4%-26.8%-8.6%房屋新开工面积商品房销售面积房地产投资地产指标相比地产指标相比2019年的下滑幅度年的下滑幅度行业配置观点29下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构目前的机构前50大重仓股，过去7年的业绩复合增速极高20162022年，42%的公司CAGR30%，意味着7年内利润提升4倍20162022年，23%的公司CAGR20%，意味着7年内利润提升2倍20162022年，12%的公司CAGR10%，意味着7年内利润提升近80%电子14%食品饮料12%医药生物12%电力设备8%家用电器8%通信8%计算机6%汽车6%其他26%机构前50大重仓股的行业构成CAGR30BGR20#GR10!GR0GR0%2%机构前50大重仓股，过去7年的利润复合增速分布行业配置观点30行业配置观点31下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构19922016年，能够连续6年高速成长（每年利润增速30%以上）的个股数量仅有67只这67只股票后来经历了什么？是否符合经典估值框架的成长路径？按照经典估值框架，高速成长期后进入低速成长期，最后进入C点稳态阶段C点利润乘以合理估值，就能得市值空间7282487020030040050060070080019922016年利润增速连续高于30%的公司数量苏宁云商（20022010）金螳螂（20052013）康得新（20082016）捷成股份（20082016）基本假设：基本假设：WACC=9%利润额合理PE：3050X合理PE:1015X合理PE：1520XC点点低速成长期低速成长期高速成长期高速成长期行业配置观点32下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构实际验证结果，A股成长股到达C点后，容易发生利润坍缩情景一（教科书场景）：C点后进入稳态 在所有样本中占比4%情景二：长期持续增长，还未到达C点 在所有样本中占比3%行业配置观点33下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构实际验证结果，A股成长股到达C点后，容易发生利润坍缩情景三：到达C点后，利润中枢明显萎缩 在所有样本中占比66%C点利润是峰值利润，而不是稳态利润行业配置观点34下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构实际验证结果，A股成长股到达C点后，容易发生利润坍缩情景四：到达C点后，利润大幅下滑2年以上，直至找到第二成长曲线（或进入新一轮周期）在所有样本中占比2300 0%000500E0%4.0%4.5%5.0%5.5%6.0%6.5%7.0%7.5%8.0%8.5 00000000202022220232023现金占总资产比：基金前现金占总资产比：基金前50大重仓股大重仓股现金占固定资产比：基金前现金占固定资产比：基金前50大重仓股（右）大重仓股（右）行业配置观点35下一轮行业浪潮来临之前的行业配置建议优质成长股进入新的布局期，机构重仓股面临完全重构结论：目前的机构前五十大重仓股可能已经是非常贫瘠的土壤，有待完全重构我们理想中的C点利润，在现实中大概率是峰值利润，达到C点后往往难以稳住被时代淘汰竞争格局恶化手握大量现金，但资本配置方向错误对于到达C点后利润中枢难以稳住的股票，C点市值空间需要大打折扣积极挖掘百亿以上的非机构重仓股A股300亿市值以上股票400 只，100亿市值以上股票1500 只

0人已浏览 2023-12-28 35页 5星级

研究报告 （2023年 第 4 期 总第 28 期）2023年 10 月 30 日 中国宽基股票指数表现及指数投资工具的应用中国宽基股票指数表现及指数投资工具的应用财富管理研究中心 张晓燕 李思扬 张伟琛 【摘要】【摘要】本报告主要研究宽基股票指数和指数投资工具包括指数基金和交易所交易型基金（Exchange Traded Funds，简称 ETF）。我们站在投资者的角度，回答以下两个核心问题：中国股票指数在过去近 20 年表现如何？具体到投资层面，中国指数基金和股指 ETF 表现如何？本文通过分析 2005 年 1 月至 2023 年 3 月的中国 A 股核心宽基指数和指数投资工具尤其是近年来快速发展的指数 ETF 的数据，以及对应的美股同类型指数和指数 ETF 的数据，得出以下结论：（1）中国股票净收益指数年化回报率均值高于 8%，与美国对应股指的年化回报率均值可比；（2）中国股票指数年化波动率在 30%左右，显著高于对应美股指数的波动率；（3）我们样本内的中国股指投资工具，包括指数基金和ETF，和追踪指数的相关性在 0.99以上，在复制追踪指数的表现上和同类型美股可比。根据以上结论，我们提出两点政策建议：（1）交易所和指数公司可以通过开展指数推介会、发布研究报告以及举办讲座的方式进行指数投资的推广；（2）通过基金公司将ETF 市场做大做强实现单位管理成本下降和券商降低 ETF 交易佣金进行指数 ETF 的降费。本文的研究发现有助于投资者更好地理解中国的股票指数体系和指数投资产品，并形成长期投资、价值投资和理性投资的理念，从而促进中国资本市场的高质量发展。目录 1.引言.1 2.指数表现.2 2.1 股票指数.2 2.2 股票指数回报率.7 3.指数投资工具表现.16 3.1 指数投资工具.16 3.2 样本选择.18 3.3 指数基金和 ETF 回报率表现.19 4.结论与政策建议.27 1 1.1.引言引言 对于大多数投资者来说，投资股票的主要目的是财富管理和资产的保值增值。许多中国投资者围绕中国 A 股股市总有着这样的讨论：中国经济在过去近 20 年里实现了快速发展和稳步增长，可中国 A 股市场的整体表现看起来并没有那么出彩。针对这些讨论，本报告主要研究股票指数和指数投资工具包括指数基金和交易所交易型基金（Exchange Traded Funds，简称 ETF）。我们站在投资者的角度，回答以下两个核心问题：中中国股票指数在过去近国股票指数在过去近 2 20 0 年表现如何？从投资的角度来看，中国年表现如何？从投资的角度来看，中国指数基金和股指指数基金和股指 E ETFTF 的表现如何？的表现如何？随着中国资本市场的发展，指数化投资也逐渐受到越来越多的关注和重视。7 月 24 日中央政治局会议对资本市场工作作出重要部署，明确提出“要活跃资本市场，提振投资者信心”。证监会也相应确定了一揽子政策措施，其中包括大力发展中国特色指数体系和指数化投资，鼓励各类资金通过指数化投资入市；并且将指数基金等权益类产品纳入个人养老金投资选择范围从而引入中长期资金入市等等。由此可见，指数化投资和相应的投资工具对于发展资本市场和引导投资者具有重要意义。因此，对中国股票指数和相应的指数投资工具的表现情况进行全面的梳理和总结可以为投资者和政策制定者提供一定的参考，具有较强的实践和政策意义。本文聚焦于中国 A 股核心宽基指数，包括超大盘指数上证 2 50、大盘指数沪深 300、大中盘指数中证 800 和综合指数上证综指，同时加入对应的美股同类型指数进行对比，包括超大盘指数道琼斯工业指数、大盘指数标普 500、大中盘指数罗素 1000和综合指数罗素 3000 指数。通过对 2005 年 1 月至 2023 年 3 月以上指数以及指数投资工具的数据进行分析，本文为评估中国核心宽基指数和相应的指数投资工具尤其是指数 ETF 的表现提供了全面客观的证据。我们希望本报告能够对中国股市中的股票指数投资进行全面客观的描述，从而有助于投资者更好地理解中国的股票指数体系和指数投资产品，并形成长期投资、价值投资和理性投资的理念，从而促进中国资本市场的高质量发展。2.2.指数表现指数表现 2.1 2.1 股票指数股票指数 股票指数以一篮子股票作为成份股，设有基日和基准点。基日是指计算股票指数时选定的特定参考日期。股票指数在基日的点数即为基准点，一般设定为 100 点或者 1000 点。基日后股票指数的点数相对于基准点随着每天成份股的市值或者价格的变化程度而进行同比例的变化，旨在精确度量和反映股票市场整体或特定细分市场的表现及走势。指数投资是按照指数的编制规则构建投资组合而进行的投资，即按照指数的样本股和其在指数中对应的权重构造相同的 3 投资组合，其目标是获取与所跟踪的指数尽可能相同的回报率。指数投资的理论基础是哈里马科维茨（Harry Markowitz）于1952 年提出的现代投资组合理论（MPT）。现代投资组合理论归纳了理性投资者如何利用分散化投资来优化他们的投资组合，即相比于投资单只股票，同时投资多只股票可以更好地分散风险。在现代投资组合理论的基础之上，威廉夏普（William F.Sharpe）于 1964 年提出资本资产定价模型（CAPM），指出了市场组合，也就是大盘指数，在市场有效前沿（即同等风险水平下收益最高的投资组合）上。换句话说，现代投资组合理论和资本资产定价模型清晰指出投资大盘指数是被动投资的最优选择。过去几十年里，股票指数投资已经在全球市场里得到了广泛的应用。对于投资者而言，进行指数投资有以下几点好处：（1）分散风险，指数投资可以让投资者持有多个不同的股票，从而使得投资组合整体的波动低于单一股票的波动；（2）理论上投资于大盘指数是被动投资中的最佳选择，可以实现同等风险水平下的收益最大化；（3）指数投资自动跟随整个市场或者细分市场的整体走势，投资者不需要花费时间和精力去分析和选择个股；（4）自动进行产业优化，指数投资根据市场上股票市值的变化自动调整持仓比例，从而自动跟随行业或者风格的发展机会和趋势。这里我们以沪深 300 为例具体阐述指数投资的优点。沪深 4 300指数由沪深市场中规模大、流动性好的最具代表性的300 只证券组成，在分散风险方面，投资于沪深 300 指数相当于同时持有 300 家上市公司的股票，300 只股票组成的投资组合的波动性远远小于单只股票的价格波动；沪深 300 指数作为大盘指数，是市场组合的代表，可以帮助投资者实现同等风险水平下的收益最大化；沪深 300 包含了 300 家沪深两市各行业的龙头上市公司，投资于沪深 300 指数可以自动追踪大盘的整体表现；沪深 300 指数随着国民经济产业结构优化以及第三产业重点领域蓬勃发展，根据各个成份股的权重自动进行产业优化。比如说，相较 2013 年底，沪深 300 指数中金融地产行业和能源行业权重分别下降 15.46%、2.91%，新经济行业信息技术、通信服务权重分别上升 7.44%、2.06%。1 股票指数的计算包括三大要素，一是成份股的选择，二是成份股所占权重，三是指数成份股的调整频率。成份股的选择决定了哪些股票会被纳入指数。例如宽基指数没有特定产业偏好，旨在反映更加全面的市场表现；而特定的行业指数会只包括特定行业的股票。权重是指每只成份股在指数计算中所占的比例，主要有市值加权，价格加权和等权重等。如果采用市值加权，市值越高的公司权重占比更大，从而能主要反映出更大市值公司的收益；如果采用价格加权，那么指数则受价格更高的公司影响更大；如果是等权重，那么每个公司的权重都一样。1 以上数据来源为中证指数网站 https:/ 2023年 8月 1日。5 最后，指数成份股的调整频率是指多久更新一次指数中包含的股票，通常有定期和动态两种方式。定期调整的好处是可以使指数更好地反映市场的变化和趋势，提高指数的代表性和有效性。定期调整的频率一般为季度、半年度和年度，调整频率更高可以使指数更加及时地反映和代表特定市场的表现，而调整频率更低的指数对于指数投资来说可以减少调仓的次数。动态调整则采取更加灵活的方式对指数的成份股进行调整，让指数能够兼具代表性和稳定性。目前 A 股市场已形成较为完善的宽基指数体系，来满足多样化的投资需求。我们样本里主要挑选了 A 股核心宽基指数，包括上证 50、沪深 300、中证 800 和上证综指。2 其中，超大盘指数上证 50 指数包括了上海证券市场规模大、流动性好的最具代表性的 50 只证券作为成份股，采用自由流通市值加权，每半年调整一次成份股，综合反映上海证券市场最具市场影响力的一批龙头企业的整体表现。大盘指数沪深 300 指数由沪深市场中规模大、流动性好的最具代表性的 300 只证券组成，采用自由流通市值加权，每半年调整一次成份股，反映了沪深市场各行业龙头上市公司的整体表现。大中盘指数中证 800 由沪深市场中总市值排名靠前的 800 只股票组成，兼顾 A 股大盘蓝筹股和新兴中盘股，采用自由流通市值加权，每半年调整一次成份股，综合反映沪深市场大中盘股的表现。上证综合指数作为 A 2 本报告附录 1给出了所选指数的具体介绍。6 股市场第一条股票指数，发布于 1991 年，由在上海证券交易所上市的股票和存托凭证组成样本，截至 2023 年 8 月共包含 2088只成份股。上证综指采用总市值加权进行计算，大体反映了上海证券交易所上市公司的整体表现。为了客观了解中国股指的相对表现，我们选取了美国股市中相对应的核心宽基指数进行一一对比，其中，超大盘指数道琼斯工业指数选取美国 30 家最大和最有影响力公司的股票，涵盖了除运输业和公用事业外的各个行业，采用价格加权，成份股的调整无固定频率，一般每两年左右调整一次。大盘指数标普 500 指数选取美国最大的 500 家上市公司的股票，采用自由流通市值加权，每季度更新一次成份股，反映了美股各行业龙头上市公司的表现。大中盘指数罗素 1000 指数由美国上市公司中市值最大的前 1000 家公司组成，采用自由流通市值加权，每年调整一次，反映了美国大中型公司的经济状况和市场趋势。综合型指数3罗素 3000 指数包括美国上市公司中市值最大的前3000 家公司，在市值上覆盖了 96%的美股，采用自由流通市值加权，样本每年进行一次更新，旨在为美国股票市场提供全面、公正和稳定的晴雨表。以上指数中最晚的指数基日为 2004 年 12 月 31 日，因此我们选取的样本区间是从 2005 年 1 月 1 日开始。报告后文中用到 3 通常比较受关注的美股综合型指数有 CRSP 纽交所指数、CRSP 全市场指数、标普全市场指数、道琼斯美股指数，以及罗素 3000指数。在综合考虑指数成立时间、指数的样本覆盖、是否有相关追踪 ETF，以及对应的 ETF的成立时间后，我们选择了罗素 3000作为美国股市综合型指数的代表。7 的美股 ETF 数据最新时间为 2023 年 3 月 31 日,所以全文的样本至2023年 3月 31日结束。我们的官方数据来源为万得、彭博、CSMAR 数据库和 CRSP 数据库。2.2 2.2 股票指数股票指数回报回报率率 对于投资者而言，股票指数的回报率取决于两个因素：股票价格涨跌，和股票的分红收益。相对应这两个因素，股票指数分三种，一种是价格指数（price index），一种是全收益指数(total return index)，还有一种是净收益指数(net return index)。价格指数是指反映指数样本的总体价格波动的指数,只考虑股票价格的波动,而把分红排除在外,其计算公式为 当日价格指数=前日价格指数 当日现金红利发放后成份股 i 的价格 成份股 i 权重前日成份股 i 的价格.i 其中，i代表指数中的任一成份股。全收益指数则纳入上市公司分红，把成份股公司派发的红利全部再投资回指数，具体公式为：当日全收益指数=前日全收益指数（当日成份股 i 红利额 当日现金红利发放后成份股 i 的价格）成份股 i 权重前日成份股 i 的价格.i 而净收益指数的计算考虑了税后红利再投资的因素，当日净收益指数=前日净收益指数（当日成份股 i 税后红利 当日现金红利发放后成份股 i 的价格）成份股 i 权重前日成份股 i 的价格.i 8 这里国内指数的红利的税率定为 10%。4 以沪深 300 为例，自基日 2004 年 12 月 31 日的基数 1000 算起，沪深 300 价格指数在 2023 年 3 月 31 日为 4051 点，而沪深300 全收益指数和净收益指数在当天分别为 5497 点和 5342 点。价格指数与全收益和净收益指数的显著差异是由于股票分红导致的。5 全收益和净收益指数的稍小差异来自于税收计算的区别。对于一个股指投资者，全收益指数和净收益指数相较于价格指数，反映了包括红利再投资的回报率,是我们推荐投资者使用的投资回报率的计算基准。因为价格指数是投资者熟悉的指数，而净收益指数考虑了分红和税收的因素，所以我们之后的讨论聚焦使用价格指数和净收益指数。除上证综指外，我们样本内的其它指数在样本区间均有指数公司发布的对应的价格和净收益指数数据。上证综指没有官方发布的净收益指数，因此我们按照净收益指数的编制方法构造了从 2005 年开始的上证综指净收益指数。6 此外，因为中长期投资一般采用月度作为投资的基准单位，我们主要对月度回报率进行衡量。每个月的指数回报率为本月底的指数值相对于 4 中国指数编制方案可参考 https:/csi-web-dev.oss-cn-shanghai-finance-1- 假设股指的年化红利率(dividend yield)为 3%,在 18年样本中积累的红利大约为 50-60%，那么全收益指数会大概是价格指数的 150-160%。6 具体方法为：（1）根据 CSMAR 数据库中的指数取样变更文件，构造了样本区间内每日上证综指的成份股信息；（2）根据 CSMAR 数据库中的日个股回报率文件，选取成份股的考虑现金红利再投资的日个股回报率，并计算了将日个股回报率以总市值加权的指数日回报率。现金红利再投资的日个股回报率和日个股总市值这两个变量均直接来源于 CSMAR 数据库。我们将计算出的上证综指全收益指数的回报率和上交所公布的 2020年 7月 21日之后的上证综指全收益指数的回报率进行对比，以 2020年 7月 21 日为起始点的累计回报率的相关性在 0.99以上。然后我们再根据 10%的税率计算出上证综指净收益指数。9 上月底的增长，也就是本月底指数值上月底指数值 1。因为从 2005 年 1 月到2023 年 3 月一共有 219 个月度观测值，年化的几何平均月度回报率表示为(样本期末指数值样本期初指数值)12219 1。7 表 1 显示了各个宽基指数的月度回报率的年化指标。从回报率均值来看，中国的股票指数在 2005 年 1 月至 2023 年 3 月的样本区间内的回报率均值相比而言与对应的美国股指回报率均值是可比的。在价格指数上，超大盘指数上证 50 和道琼斯工业指数的年化回报率分别为 6.51%和 6.37%；大盘指数沪深 300和标普 500 的年化回报率分别为 7.97%和 6.92%；综合指数上证综指和罗素 3000 的年化回报率分别为 5.34%和 6.96%。在净收益指数上，超大盘指数上证 50 和道琼斯工业指数的年化回报率分别为 8.69%和 8.21%；大盘指数沪深 300 和标普 500 的年化回报率分别为 9.62%和 8.43%；综合指数上证综指和罗素 3000 的年化回报率分别为 8.28%和 8.38%。大多数投资者偏好更高的回报率，表 1 显示了投资中国股指的回报率颇为可观，与美国股指表现可比。这里我们想要特别强调一下价格指数和净收益指数的回报率。以沪深 300 为例，沪深 300 价格指数和净收益指数的年化回报率均值分别为 7.97%和 9.62%，净收益指数比价格指数高出的 1.65%回报率来自于股票红利再投资的影响。对于投资者来 7 我们同样计算了对月度回报率进行算术平均得出的年化回报率均值，计算结果在附录 2和附录 3中展示。10 说，将股票红利进行再投资所获得的这部分收益是比较可观的。后面的讨论也更多着重在净收益指数回报率上。从回报率波动率的角度来看，中国股指的年化波动率显著 表表 1 1 指数月度指数月度回报率回报率 （A）价格指数 指数 年化回报率 均值 年化回报率 波动率 夏普比率 最大回撤 上证 50 价格指数回报率 6.51(.90%0.28-0.71 道琼斯价格指数回报率 6.37.70%0.41-0.49 沪深 300 价格指数回报率 7.97(.32%0.33-0.71 标普 500 价格指数回报率 6.92.20%0.44-0.53 中证 800 价格指数回报率 8.50(.30%0.35-0.70 罗素 1000 价格指数回报率 7.04.48%0.44-0.53 上证综指价格指数回报率 5.34&.09%0.24-0.71 罗素 3000 价格指数回报率 6.96.70%0.43-0.53（B）净收益指数 指数 年化回报率 均值 年化回报率 波动率 夏普比率 最大回撤 上证 50 净收益指数回报率 8.69(.89%0.35 -0.71 道琼斯净收益指数回报率 8.21.70%0.53 -0.48 沪深 300 净收益指数回报率 9.62(.29%0.39 -0.70 标普 500 净收益指数回报率 8.43.20%0.53 -0.51 中证 800 净收益指数回报率 10.03(.29%0.40-0.70 罗素 1000 净收益指数回报率 8.50.49%0.53-0.52 上证综指净收益指数回报率 8.28.07%0.35 -0.72 罗素 3000 净收益指数回报率 8.38.70%0.52 -0.52 高于对应美股股指的年化波动率。在净收益指数上，超大盘指 11 数上证 50 和道琼斯工业指数的年化波动率分别为 28.89%和14.70%；大盘指数沪深 300 和标普 500 的年化波动率分别为28.29%和 15.20%；综合指数上证综指和罗素 3000 的年化波动率分别为 27.07%和 15.70%。价格指数的年化波动率和对应净收益指数的年化波动率十分接近，因此不再赘述。也就是说，中国股指的波动率接近对应美股股指波动率的两倍。考虑到大多数投资者厌恶风险、偏好波动率更低的投资组合，所以投资中国股市的可能“体验感”较差。夏普比率反映了投资组合在进行风险调整后相比较无风险资产的超额收益，投资组合的回报率无风险利率投资组合的波动率。夏普比率越高，通常意味着投资者在承担相同的风险时可获得更高的期望收益。因为大部分投资者厌恶风险、喜爱收益，因此投资者偏好于夏普比率更高的投资组合。从夏普比率来看，中国股指的夏普比率要低于对应美股股指的夏普比率。从净收益指数来看，超大盘指数上证50和道琼斯工业指数的夏普比率分别为0.35和0.53；大盘指数沪深 300 和标普 500 的夏普比率分别为 0.39 和 0.53；综合指数上证综指和罗素3000的夏普比率分别为0.35和0.52。因为价格指数不考虑红利再投资，所以回报率相对要低，价格指数的夏普比率比净收益指数的夏普比率要低 0.06 左右。由上文分析可知，中国股指的夏普比率更低主要是因为中国股指的波动率高于对应美股股指的波动率。最大回撤代表了一段时间内投资组合的最大亏损幅度，对 12 于投资者来说是衡量投资组合风险的重要指标。严格来说，最大回撤计算了在月度频率上该指数从任一高点到后续最低点发生的最大下跌幅度。8 大多数投资者厌恶亏损，因此更偏好于最大回撤幅度较小的投资组合。从最大回撤来看，中国股指的最大回撤幅度要高于美股股指的最大回撤幅度。在净收益指数上，超大盘指数上证 50 和道琼斯工业指数的最大回撤分别为-0.71 和-0.48；大盘指数沪深 300 和标普 500 的最大回撤分别为-0.70 和-0.51；综合指数上证综指和罗素 3000 的最大回撤分别为-0.72 和-0.52。价格指数的最大回撤和对应净收益指数的最大回撤相差不大，在此不再赘述。在从 2005 年 1 月到 2023 年 3月的这段时间里，投资于中国股指的最大亏损程度接近70%，投资于同类型的美股股指的最大亏损程度接近50%。考虑到大部分投资者可能难以接受损失一半以上的本金，较高的最大回撤率进一步解释了投资中国股市的“体验感”较差的原因。为了更加直接地展示股指回报率在过去 20 年的表现，我们在图 1（A）显示了沪深 300 和标普 500 的价格指数和净收益指数（样本起始点的指数值统一为沪深 300 在样本起始点的值），在图 1（B）显示了上证综指和罗素 3000 的价格指数和净收益指数（样本起始点的指数值统一为上证综指在样本起始点的值）。图 1（A）显示，2023 年 3 月 31 日沪深 300 的价格指数和净收益指数分别为 4051 和 5342 点，而标普 500 的价格指数和 8 计算公式为max(i 月底指数数值 j 月底指数数值)/i 月底指数数值，其中 i和 j为样本期的任一月份，ij。13 图图 1 1 价格价格指数指数和净收益指数和净收益指数 （A）沪深 300 和标普 500 指数（B）上证综指和罗素 3000 指数 净收益指数分别为 3391 和 4378 点。也就是说，沪深 300 的价00400050006000700080002005-1-12009-1-12013-1-12017-1-12021-1-1沪深300价格指数沪深300净收益指数标普500价格指数标普500净收益指数00400050006000700080002005-1-12009-1-12013-1-12017-1-12021-1-1上证综指价格指数上证综指净收益指数罗素3000价格指数罗素3000净收益指数 14 格指数和净收益指数值均高于标普 500 相应的指数值。图 1（B）显示，2023 年 3 月 31 日上证综指的价格指数和净收益指数分别为 3273 和 5410 点，罗素 3000 的价格指数和净收益指数分别为4321和5504点。这里上证综指的价格指数显著低于罗素3000，但是净收益指数两者相近，显示了随着时间的积累，分红会成 为长期收益的重要来源。9 此外，图 1 中指数的时间序列清楚显示出 2007-2008 年和2015-2016年两个时间段中国大盘股指的表现大幅波动，而这两个时间段也发生了中国大盘股指的最大的两次回撤。有经济学家认为当时股市中可能存在比较多的投机行为，估值被过分抬高。在这种情况下，投资者应该保持理性，不能盲目跟风和追涨。如果在最高点进入股市，之后估值回归理性之时，带来巨大的负向回撤，追涨的投资者会大量损失自己的财富。之前的统计以月度为基准单位，为了探究不同持有期限下指数回报率表现，我们计算了持有指数三年的年化回报率均值，并在表 2 中展示。10 不论是价格指数还是净收益指数，持有三年的年化回报率均值和表 1 相比差异不大，中国各股指的回报率表现与对应的美股股指的表现都是可比的。9 标普 500的净收益指数与价格指数值的差额比沪深 300更小。主要原因是美股较多地采用回购的方式来进行利润分配，而不是进行现金分红，大部分收益可以通过价格指数反映出来。10 这里三年持有期考虑了整个样本期间从不同起始点开始持有指数三年的平均收益。持有指数三年的年化回报率计算公式为(持有期期末指数值持有期期初指数值)13 1，然后再对不同起始点开始持有指数三年的年化回报率取平均值得到年化回报率均值。15 表表 2 2 持有指数三年的年化持有指数三年的年化回报率回报率 指数 价格指数 年化回报率均值 净收益指数 年化回报率均值 上证 50 指数回报率 6.65%8.84%道琼斯指数回报率 7.02%8.92%沪深 300 指数回报率 8.04%9.74%标普 500 指数回报率 7.71%9.26%中证 800 指数回报率 8.62.14%罗素 1000 指数回报率 7.87%9.38%上证综指指数回报率 4.51%7.31%罗素 3000 指数回报率 7.79%9.27%最后，为了了解各指数之间的相关性，我们计算了各宽基指数的相关系数。中国各大宽基股指回报率之间的相关系数在0.70 到 0.97 之间，而美国各大宽基股指回报率之间的相关性在0.89 以上。更有意思的是，中美股指回报率之间的相关性一般在 0.30 左右。因此，对于国外投资者来说，投资中国股指也可以更好地达到分散风险的目的。本节通过对中国股指和对应美国股指的分析，发现中国股指的年化回报率均值与美国对应股指的年化回报率均值是可比的。中国股指的较高回报率使其成为中长期投资的一个良好的选择。但是，与大部分发展中国家股指一样，中国股票指数年化波动率要显著高于对应美股指数的波动率，对投资者的风险承受能力有一定要求。16 3 3.指数投资工具表现指数投资工具表现 3.1 3.1 指数投资工具指数投资工具 尽管指数投资有种种好处，但是个人投资者往往缺乏足够的时间精力和资本去同时购买指数的全部成份股来进行直接指数投资。由此，指数化投资工具应运而生。早期常见的指数化投资工具主要为指数基金。指数基金由基金经理进行管理，基金经理按照指数中的成份股以及对应的权重去构建投资组合，使得投资组合中每只股票的权重对应其在指数中的权重，并在指数调整成份股时也进行相应的调仓，以取得和指数相近的收益。投资者购买指数基金的方式主要为通过第三方基金销售机构如银行等进行申购和赎回。近些年来，ETF（Exchange Traded Funds）逐渐成为了投资者青睐的指数投资工具，也在我国迅速发展和壮大。ETF是交易型开放式指数基金，是一种跟踪标的指数变化、且在证券交易所上市直接交易的基金。与指数基金类似，ETF也是通过基金经理去构建和指数对应的投资组合从而达到追踪指数的目的。但是，ETF可以在交易所进行交易，因此投资者可以如买卖股票那么简单地去买卖标的指数的ETF，即可获得与该指数基本相同的回报率。指数基金和 ETF 都是实现指数化投资的工具，它们共同的优点包括：（1）分散风险和最优被动投资，指数基金和 ETF 通过购买指数的成份股并保持相同的权重从而复制并跟踪特定的 17 指数，因此购买指数基金和 ETF 就相当于购买了指数的成份股，可以充分分散风险，而且宽基股指理论上是被动投资的最优选择；（2）操作简单，通过一笔交易自动实现和追踪指数相同的回报率，可降低投资者的信息搜集成本；（3）透明度良好，指数基金和 ETF 的持仓明细和财务报表都是公开的，投资者可以清楚地了解自己的资产配置。此外，ETF相比于大部分只能通过第三方基金销售机构进行买卖的指数基金还有以下更多好处：（1）交易费用低，ETF可以在二级市场直接进行盘中买卖，不用像购买大部分指数基金那样支付较高的申购和赎回费（一般在 1%-1.5%之间），只用支付在交易所进行交易的费用（万分之 2.5 左右）；（2）跟踪指数误差小，ETF 独特的实物申购赎回机制，有助于降低 ETF 的运作成本，从而跟踪指数更为紧密；（3）交易灵活且流动性高，借助ETF进行指数化投资可在交易时间内实时交易，随时把握价格变化情况；（4）投资组合更加公开透明，ETF每日都会公布投资组合。所以，在此项研究中，在早期指数 ETF 还未入场交易时，我们使用指数基金来衡量指数投资的收益；在 ETF 入场交易后，因为其低成本、低误差、高灵活、高透明的优势，我们转换用ETF 来衡量指数投资的收益。对于 ETF 成立较晚的指数，我们将采用指数基金 指数 ETF 在时间上进行组合的收益去衡量指数投资的整体时间序列的收益。18 3.2 3.2 样本选择样本选择 由于市场中往往存在多只指数基金和 ETF 追踪同一个指数，为了更加全面地研究指数投资产品的整体表现，我们的样本包含了每个指数的所有指数基金（不包括增强型指数基金和 ETF联接基金）和 ETF。11 和指数部分一致，我们的样本区间为2005 年 1 月到 2023 年 3 月。12 由于沪深 300、中证 800 和上证综指对应的指数 ETF 成立时间较晚，我们采用指数基金 指数ETF在时间上进行组合的收益去衡量指数投资的整体时间序列的收益，并在这里同时汇报其指数基金和 ETF 的相关信息。A 股指数基金和指数 ETF 的数据来源是 CSMAR 和万得数据库，美股指数 ETF 的数据来源是 CRSP 数据库。表 3 展示了指数基金和指数 ETF 的相关信息。截至 2023 年3 月 31 日，追踪上证 50 的共有 8 支 ETF，共计 571 亿元；追踪沪深 300 的共有 19 支 ETF，共计 1516 亿元、追踪中证 800 的共有 2 支 ETF，共计 21 亿元；追踪上证综指的共有 2 支 ETF，共计 14 亿元。虽然 ETF 发展相对于指数基金较晚，但目前我国指数 ETF 已形成一定的体系，总体量超过了股指基金，并对 A 股 11 这里所选的指数基金不包括 ETF 联接基金是因为 ETF 联接基金是在 ETF之后才出现，而在 ETF 出现后我们则直接采用 ETF作为投资标的。对于 A股指数基金和 ETF，我们首先基于数据库提供的指标，选取了数据库标示的“被动型基金”和“指数基金”，再筛选出基金名中包含相关指数名称的基金，同时删除了名字中包含“增强”、“等权重”、“低波”、“动态”、“质量”、“价值”、“成长”、“沪港通”、“恒生”、“ESG”、“联接”、“基本面”、“高贝塔”、“红利”、“周期”以及特定行业的基金，确保该基金完全追踪指数。对于美股 ETF的选择，我们采取 WRDS 数据库提供的指数基金选择标准，筛选出了名字中包含相关指数名称、基金回报率和对应指数回报率相关性在 0.995以上、数据库标示为 ETF的基金作为相关指数的追踪 ETF，同时剔除了名称中包含“Ultra”,“Short”,“Multi-factor”,“Equal-weight”,“ESG”，“Enhanced”及特定行业的 ETF。12 为了更好地对标中国股指，美股 ETF的样本起始点为对应的中国指数的投资产品的样本起始点。19 核心宽基指数实现了全面覆盖。根据万得统计，截至 2023 年 3月中国股票型 ETF 总规模为 16825 亿元，占 A 股市场总市值比例约为 2%。相比而言，美国股票型 ETF 规模占美股总市值约10%。由此可见，目前中国股指 ETF 在市场中规模尚小，仍有大量发展空间。表表 3 3 指数基金和指数指数基金和指数 ETETF F 概况概况 (A)中国指数基金和 ETF 跟踪指数 样本起始点 基金规模（亿元）2023-03-31 基金数量（2023-03-31）上证 50 ETF 2005-01 570.76 8 沪深 300 指数基金 2005-09 159.42 31 沪深 300 ETF 2012-05 1515.99 19 中证 800 指数基金 2012-05 1.83 3 中证 800 ETF 2019-10 21.48 2 上证综指指数基金 2009-07 7.96 1 上证综指 ETF 2011-01 13.64 2 (B)美股 ETF 跟踪指数 样本起始点 基金规模(亿美元）2023-03-31 基金数量（2023-03-31）道琼斯工业 ETF 2005-01 283.54 1 标普 500 ETF 2005-09 6960.35 3 罗素 1000 ETF 2012-05 317.04 2 罗素 3000 ETF 2009-07 123.81 2 3.3 3.3 指数基金和指数基金和 ETFETF 回报率表现回报率表现 为了计算指数基金和指数 ETF 的年化回报率统计指标，我们首先根据月度指数基金和 ETF 的净值计算单个基金月度回报率（参考计算指数月度回报率的公式），并同时考虑了投资者将 20 基金分红作为现金红利发放不进行再投资和对基金分红进行再投资两种情况。13 然后，我们用单个基金的总市值作为权重，把它们加总到单个指数层面。表 4（A）展示的是投资者将基金分红作为现金红利发放不进行再投资情况下的基金回报率，体现的是基金净值的增长率。和前面提到的价格指数相比，基金净值的增长率和价格指数的增长率之间的差异主要体现在两方面。第一，基金的净值中扣除了包括管理费、托管费、销售服务费和指数使用费在内的费用，此类费率大概为每年 0.23-1.05%左右。第二，基金的分红和指数中成份股的分红并不完全一一对应。股票的分红直接进入基金的资产中，而基金需要满足合同中规定的分红条件才能进行分红，或者进行再投资。例如富国上证综指ETF，合同中规定当基金净值增长率超过标的指数同期增长率达到 1%以上时才可进行分红，当没有达到分红条件时则不进行分红，即红利部分被自动再投资。因此，我们计算出的投资者将基金分红作为现金红利发放不进行再投资情况下的基金回报率并不完全等同于价格指数回报率，在不考虑费率和跟踪误差的情况下是介于价格指数回报率和净收益指数回报率之间的。表 4（B）展示的是投资者将基金分红进行红利再投资情况下的基金回报率，体现的是考虑分红再投资的基金净值增长率，和净收益指数的回 13 基金经理会根据基金合同的规定，将成份股的红利进行再投资或者进行基金收益分配。如果基金经理选择将股票红利进行再投资，那么这些红利会被用于购买基金持仓的股票。如果基金经理选择进行收益分配，对于指数基金来说，投资者可以选择现金分红或者红利再投资；对于 ETF来说，收益分配一般采取现金方式。21 表表 4 4 指数基金和指数指数基金和指数 ETFETF 月度月度回报率回报率 （A）投资者将基金分红作为现金红利发放不进行再投资情况下的基金回报率 样本起始点 年化回报率均值 年化回报率波动率 夏普比率 最大回撤 和追踪指数的相关性 跟踪误差 上证 50ETF 2005-01 7.04.94%0.30-0.69 0.99 0.94%道琼斯 ETF 2005-01 6.40.70%0.42-0.49 1.00 0.10%沪深 300 指数基金 ETF 2005-09 7.66.32%0.32-0.69 0.99 0.93%标普 500ETF 2005-09 7.13.44%0.45-0.52 1.00 0.25%中证 800 指数基金 ETF 2012-05 4.10!.59%0.19-0.44 0.99 1.01%罗素 1000ETF 2012-05 10.26.84%0.65-0.25 1.00 0.23%上证综指指数基金 ETF 2009-07 2.76 .91%0.14-0.43 0.99 0.76%罗素 3000ETF 2009-07 11.33.24%0.71-0.25 1.00 0.22%（B）投资者将基金分红进行红利再投资情况下的基金回报率 样本起始点 年化回报率均值 年化回报率波动率 夏普比率 最大回撤 和追踪指数的相关性 跟踪误差 上证 50ETF 2005-01 8.80(.15%0.36-0.69 1.00 0.59%道琼斯 ETF 2005-01 8.87.67%0.57-0.47 1.00 0.04%沪深 300 指数基金 ETF 2005-09 9.23.34%0.38-0.69 1.00 0.65%标普 500ETF 2005-09 9.25.38%0.58-0.51 1.00 0.02%中证 800 指数基金 ETF 2012-05 4.73!.60%0.22-0.44 0.99 0.90%罗素 1000ETF 2012-05 12.23.76%0.78-0.25 1.00 0.02%上证综指指数基金 ETF 2009-07 2.76 .91%0.14-0.43 0.99 0.79%罗素 3000ETF 2009-07 13.30.23%0.82-0.25 1.00 0.01%报率之间的差异主要体现在基金的净值中扣除了包括管理费、22 托管费、销售服务费和指数使用费在内的费用（在不考虑其它原因导致的跟踪误差的情况下）。对于上证 50 和道琼斯工业指数以及沪深 300 和标普 500 来说，它们的指数投资工具的样本起始点分别为 2005 年 1 月和2005年9月，和表1中指数回报率描述性统计的起始时间接近，因此表 4（A）和（B）中以上指数的指数基金和 ETF 回报率与表1（A）和（B）中对应的指数回报率相当接近。以沪深 300 为例，表 1（A）中沪深 300 价格指数的年化回报率均值为 7.97%，这里表 4（A）中投资者将基金分红作为现金红利发放不进行再投资情况下的基金年化回报率均值为7.66%，比价格指数的回报率低 0.31%；表 1（B）中沪深 300 净收益指数年化回报率均值为9.62%，这里表4（B）投资者将基金分红进行红利再投资情况下的基金年化回报率均值为 9.23%，比净收益指数的回报率低0.39%。这些小的差异主要是由上文提到的费率和基金分红条件两方面原因形成的。而由于中证 800 和上证综指的指数基金成立时间较晚，对于中证 800 和罗素 1000 以及上证综指和罗素 3000 来说，它们的指数基金和 ETF 样本起始点分别为 2012 年 5 月和 2009 年 7月，距离标的指数的描述性统计中起始时间较远，因此表 4（A）和（B）中以上指数的指数基金和 ETF 回报率分别与表 1（A）和（B）中对应指数的回报率相比区别较大。以中证 800 为例，表1（A）中证 800 价格指数的年化回报率均值为 8.50%，这里表 4 23（A）中投资者将基金分红作为现金红利发放不进行再投资情况下的基金年化回报率均值为 4.10%，比价格指数的回报率低4.40%；表1（B）中证800净收益指数年化回报率均值为10.03%，这里表 4（B）投资者将基金分红进行红利再投资情况下的基金年化回报率均值为 4.73%，比净收益指数的回报率低 5.30%。这些差异不仅来源于上文提到的费率和基金分红条件两方面原因，同时还有样本期不一致的因素。而由于早期中证 800 指数收益率比后期要高，所以表 1 中的股指收益率比表 4 中的指数基金和 ETF 收益率显著要高。从指数基金和 ETF 的月度回报率和追踪指数月度回报率之间的相关性来看，中国指数基金和指数 ETF 与其追踪的指数的相关性均在 0.99 以上，对应的同类型美股指数 ETF 与其追踪指数的相关性为 1.00，总体来说中国指数基金和 ETF 在复制追踪指数的表现上和同类型美股可比。对于投资者来说，在选择指数投资产品时主要有两大考虑，一是跟踪误差，二是费率。跟踪误差和费率越低，指数投资的效果越好。跟踪误差是指数基金或 ETF 的实际收益与其跟踪的指数之间的差异，由于存在交易成本、管理成本以及指数成份股变动等原因，指数基金和 ETF 的回报率无法做到和追踪指数回报率完全相同。跟踪误差衡量了指数基金和 ETF 的回报率与标的指数回报率偏离的风险，为月度基金回报率与标的指数回报率之差的标准差，如果基金月度回报率和指数月度回报率完 24 全一致时，跟踪误差为0；两者相差越大则跟踪误差越大。从跟踪误差来看，中国指数ETF的跟踪误差高于对应美股指数ETF的跟踪误差。以投资者将基金分红进行红利再投资情况下的基金回报率为例，上证 50 ETF 的平均跟踪误差为 0.59%，高于对应的道琼斯工业指数 ETF 的 0.04%的平均跟踪误差。也就是说，我国指数 ETF 的跟踪误差还有一定的改善空间。费率是指投资者为购买和持有指数基金或 ETF 所支付的费用比例，包括向基金经理支付的管理费和向托管方支付的托管费等。基金的费用主要分为两类。一类是基金日常运作产生的费用，直接从基金的资产中扣除，包括基金管理费、基金托管费、销售服务费和指数使用费。其中管理费是指基金公司为基金投资者提供专业的投资管理服务所收取的一定比例的费用；托管费是指基金托管人如银行等为基金提供托管、结算、登记等服务所收取的一定比例的费用；销售服务费是指用于支付销售机构佣金、基金的营销费用以及基金份额持有人服务费等；指数使用费是指基金为了跟踪某个指数的表现所需要向指数编制机构支付的一定比例的费用。以上费用通常按照基金资产净值的年化比例计算。另一类是投资者在买卖基金时需要支付的交易手续费，包括申购费、赎回费以及交易佣金，在计算基金收益率时并没有考虑到这些费用的影响。对于指数基金来说，申购费和赎回费是投资者在基金存续期间向基金管理人购买和卖出基金时需支 25 付的手续费，通常按照交易金额的一定比例进行收取。申购费和赎回费一般根据投资者的申购金额和持有期限分不同的档进行收取，比如越高的申购金额和越长的持有期限对应的申购费率和赎回费率会越低。对于 ETF 来说，投资者在二级市场买卖ETF 时需要支付交易佣金，佣金的具体收取标准由券商决定。表 5 列出了所选指数的指数基金和指数 ETF 在样本期内最新的规模加权的基金平均费率。其中，因为我国一些股指 ETF的样本较短，我们使用了指数基金的时间序列进行补齐，所以我们分别展示了我国指数基金和 ETF 的费率。而美国的 ETF 样本较长，所以我们只展示美国股指 ETF 的费率结构。从 ETF 日常运作费率和交易费率来看，中国股指 ETF 的平均费率高于美股对应指数 ETF 的平均费率。比如，上证 50ETF 的日常运作费率为0.59%，交易费率为0.02-0.03%，而相对应的道琼斯ETF的日常运作费率为 0.16%，交易费率几乎为 0。沪深 300ETF，中证800ETF，以及上证综指 ETF 的日常运作费率都高于对应的美国股指 ETF 费率。14 为什么中国股指 ETF 的日常运作费率高于美国均值？我们认为主要原因是中国股指 ETF 还处于发展相对早期的阶段。以沪深 300ETF 为例，截止 2023 年 3 月 31 日追踪沪深 300 的 ETF总规模为 1516 亿元，相对应的追踪标普 500 的 ETF 总规模为6960 亿美元，中国股指 ETF 规模远远小于同类型的美股 ETF 规 14 此外中国的 ETF 有时设有最低 5元的佣金门槛，而美股 ETF 在线交易情况下很多是零佣金。26 模，因此管理和运营的单位成本会相对更高。目前已经有一些ETF，例如易方达沪深 300ETF 和易方达中证 800ETF，实现了每年 0.15%的管理费率和 0.05%的托管费率。在监管层面上，证监会明确推进公募基金费率改革的全面落地，致力于降低管理费率水平。15 预计随着之后公募基金费率改革推进和 ETF 的规模扩大，我国 ETF 费率有望实现显著下降。表表 5 5 指数基金和指数指数基金和指数 ETFETF 费率费率 中国指数基金和 ETF 日常运作费率 交易费率 美股指数 ETF 日常运作费率 交易费率 上证 50ETF 0.59%0.02%-0.03%道琼斯 ETF 0.16%0.00%沪深 300 基金 0.96%申购：1.12%赎回：1.50%沪深 300ETF 0.58%0.02%-0.03%标普 500ETF 0.06%0.00%中证 800 基金 1.05%申购：0.94%赎回：1.50%中证 800ETF 0.23%0.02%-0.03%罗素 1000ETF 0.14%0.00%上证综指基金 0.90%申购：1.00%赎回：1.50%上证综指 ETF 0.63%0.02%-0.03%罗素 3000ETF 0.19%0.00%最后，我们比较了指数基金和 ETF 的相应费率。从平均日常运作费率来看，股指基金费率一般为 0.90-1.05%，而对应的ETF 费率为 0.23-0.63%,也就是说股指基金的平均日常费率略高。从交易费率来看，与 ETF 不同,指数基金交易费率取决于申购金额和持有期限。在这里，我们展示的申购和赎回费率分别对应申购金额最低档（通常为 50 万元以下）和持有期限最低档 15 具体见 http:/ 7 天之内）。比如，沪深 300 指数基金的平均申购费率为 1.12%，平均赎回费率为 1.50%。其他指数基金的申购和赎回费率也均为 1%左右，这些费用会影响投资者使用指数基金的积极性。同时我们希望指出，如果持有期限拉长，那么赎回费率会显著下降。如果投资者持有指数基金的期限为 30 天，则样本中沪深 300 指数基金、中证 800 指数基金和上证综指指数基金对应的平均赎回费率分别为 0.42%、0.37%和 0.50%。也就是说，指数基金鼓励投资者进行长期持有，而不是短期持有。4 4.结论结论与与政策建议政策建议 本文对 2005 年 1 月至 2023 年 3 月的中国 A 股核心宽基指数和指数投资工具尤其是近年来快速发展的指数ETF，以及对应的美股同类型指数和指数 ETF 的表现进行了分析。我们选择了上证 50、沪深 300、中证 800 和上证综指作为 A 股宽基指数的代表，并加入美股中对应的道琼斯工业指数、标普500、罗素1000 和罗素 3000 指数进行对比。考虑到价格指数是投资者熟悉的指数，而净收益指数考虑了分红和税收的因素，所以我们重点关注以上这些指数的价格指数和净收益指数。在指数表现方面，中国股票净收益指数年化回报率均值高于 8%，与美国对应股指的年化回报率均值可比；中国股指的长期的较高回报率使其成为中长期投资的一个良好的选择。同时需要注意的是，中国股票指数年化波动率在30%左右，也高于对应美股指数的波动率。在指数投资工具方面，早期投资者主要 28 使用指数基金作为投资标的，而随着 ETF 的发展和成熟，ETF 逐渐成为指数化投资的趋势，对于个人投资者来说是一种安全、高效、便利的参与股市投资和分散风险的金融工具。我们所选的中国指数基金和 ETF，和追踪指数的相关性在 0.99 以上，对应的同类型美股指数 ETF 与其追踪指数的相关性为 1.00，说明中国指数基金和 ETF 在复制追踪指数的表现上和同类型美股可比。针对以上结论，我们提出两点政策建议，分别是推广指数化投资和降低指数投资工具费率。在推广指数化投资方面，我们建议交易所和指数公司通过开展宽基指数推介会、联合研究机构发布研究报告以及和券商、基金公司等合作举办线上和线下讲座的方式提高投资者对于中国宽基股指体系和指数投资产品的认识，以及在教育和推广活动中指出和强调价格指数、全收益指数和净收益指数之间的关联和区别。在降低指数投资工具费率方面，我们建议从降低日常运作费率和交易费率两方面入手。我们建议交易所和基金公司结合推广指数投资进一步进行 ETF 市场推广，实现 ETF 市场做大做强，扩大 ETF 市场规模，实现单位成本的下降，从而能够进一步降低股指 ETF 的日常运作费率。同时在监管层面上，证监会也明确推进公募基金费率改革全面落地，降低基金公司的管理费率水平。具体地，可以放宽指数 ETF 注册条件，鼓励基金公司通过 ETF 产品创新、优化 ETF 机制设计等方面在良性竞争中 29 提高 ETF 运作效率、从而降低管理费率。从交易费率方面来看，我们建议券商进一步降低佣金，从现在的交易金额的 0.02%-0.03%降低到 0.01%左右，从而降低投资者的交易成本，提高投资者通过 ETF 进行指数投资的积极性。现阶段我国指数化投资和股指 ETF 正处于蓬勃发展的阶段。证监会确定了相关一系列政策措施，包括大力发展指数体系和指数化投资、放宽指数基金注册条件、推进公募基金费率改革以及将指数基金等产品纳入个人养老金投资选择范围来进一步引导中长期资金入市，等等。展望未来，我国 ETF 市场的创新步伐会不断加快，产品布局将更加丰富，指数 ETF 的规模将不断扩大。指数投资也将引导投资者形成长期投资、价值投资和理性投资的理念，从而促进中国资本市场的高质量发展。30 附录附录 1 1：指数介绍：指数介绍 (A)中国指数 类别 指数名 发行公司 发布日期 基日 指数说明 超大盘股 上证 50 中证指数 2004-01-02 2003-12-31 上证50指数挑选上海证券市场规模大、流动性好的最具代表性的 50只证券作为样本。大盘股 沪深 300 中证指数 2005-04-08 2004-12-31 沪深 300 指数由沪深市场中规模大、流动性好的最具代表性的 300只证券组成。大中盘股 中证 800 中证指数 2007-01-15 2004-12-31 中证 800 指数由沪深市场中总市值排名靠前的 800 只股票组成，综合反映中国 A 股市场大中市值公司的表现。综合型 上证综指 中证指数 1991-07-15 1990-12-19 由在上海证券交易所上市的符合条件的股票与存托凭证组成样本，反映上海证券交易所上市公司的整体表现。(B)美国指数 类别 指数名 发行公司 发布日期 基日 指数说明 超大盘股 道琼斯工业指数 标普道琼斯 1899-12-31 1899-12-31 以价格平均数计算美国 30 家蓝筹公司的股价平均指数。该指数涵盖了除运输业和公用事业外的各个行业。大盘股 标普 500 标普道琼斯 1957-03-04 1928-01-03 该指数成份股包括了美国 500 家顶尖上市公司，占美国股市总市值约 80%。大中盘股 罗素 1000 FTSE 1978-12-31 1986-12-31 罗素 1000 指数由美国上市公司中最大的 1000 家公司组成。综合型 罗素 3000 FTSE 1978-12-31 1986-12-31 罗素 3000 指数由美国上市公司中最大的 3000 家公司组成，在市值上覆盖了 96%的美股。31 附录附录 2 2：指数月度回报率（算术平均）指数月度回报率（算术平均）（A）价格指数 指数 年化回报率 均值 年化回报率 波动率 夏普比率 最大回撤 上证 50 价格指数回报率 10.47(.90%0.28-0.71 道琼斯价格指数回报率 7.28.70%0.41-0.49 沪深 300 价格指数回报率 11.70(.32%0.33-0.71 标普 500 价格指数回报率 7.88.20%0.44-0.53 中证 800 价格指数回报率 12.21(.30%0.35-0.70 罗素 1000 价格指数回报率 8.03.48%0.44-0.53 上证综指价格指数回报率 8.65&.09%0.24-0.71 罗素 3000 价格指数回报率 7.99.70%0.43-0.53（B）净收益指数 指数 年化回报率 均值 年化回报率 波动率 夏普比率 最大回撤 上证 50 净收益指数回报率 12.50(.88%0.35-0.71 道琼斯净收益指数回报率 9.00.70%0.53-0.48 沪深 300 净收益指数回报率 13.21(.28%0.39-0.70 标普 500 净收益指数回报率 9.28.19%0.54-0.51 中证 800 净收益指数回报率 13.61(.29%0.40-0.70 罗素 1000 净收益指数回报率 9.40.49%0.53-0.52 上证综指净收益指数回报率 11.67.05%0.35-0.72 罗素 3000 净收益指数回报率 9.32.69%0.52-0.52 32 附录附录 3 3：指数基金和指数：指数基金和指数 ETFETF 月度月度回报率（算术平均）回报率（算术平均）（A）投资者将基金分红作为现金红利发放不进行再投资情况下的基金回报率 样本起始点 年化回报率均值 年化回报率波动率 夏普比率 最大回撤 和追踪指数的相关性 跟踪误差 上证 50ETF 2005-01 10.71.94%0.30-0.69 0.99 0.94%道琼斯 ETF 2005-01 7.31.70%0.42-0.49 1.00 0.10%沪深 300 指数基金 ETF 2005-09 11.14.32%0.32-0.69 0.99 0.93%标普 500ETF 2005-09 8.11.44%0.45-0.52 1.00 0.25%中证 800 指数基金 ETF 2012-05 6.36!.59%0.19-0.44 0.99 1.01%罗素 1000ETF 2012-05 10.91.84%0.65-0.25 1.00 0.23%上证综指指数基金 ETF 2009-07 4.92 .91%0.14-0.43 0.99 0.76%罗素 3000ETF 2009-07 11.94.24%0.71-0.25 1.00 0.22%（B）投资者将基金分红进行红利再投资情况下的基金回报率 样本起始点 年化回报率均值 年化回报率波动率 夏普比率 最大回撤 和追踪指数的相关性 跟踪误差 上证 50ETF 2005-01 12.40(.15%0.36-0.69 1.00 0.59%道琼斯 ETF 2005-01 9.61.67%0.57-0.47 1.00 0.04%沪深 300 指数基金 ETF 2005-09 12.59.34%0.38-0.69 1.00 0.65%标普 500ETF 2005-09 10.07.38%0.58-0.51 1.00 0.02%中证 800 指数基金 ETF 2012-05 6.97!.60%0.22-0.44 0.99 0.90%罗素 1000ETF 2012-05 12.68.76%0.78-0.25 1.00 0.02%上证综指指数基金 ETF 2009-07 4.92 .91%0.14-0.43 0.99 0.79%罗素 3000ETF 2009-07 13.71.23%0.82-0.25 1.00 0.013 （作者：张晓燕为清华大学五道口金融学院副院长、金融学讲席教授、清华大学金融科技研究院副院长，财富管理研究中心主任。李思扬、张伟琛为清华大学五道口金融学院博士生。）联系人：张晓燕 邮箱：

0人已浏览 2023-12-21 36页 5星级

 中国私募股权基金调研报告2023ESG篇内容摘要内容摘要02ESG投资的兴起投资的兴起03募资与募资与ESG06ESG政策框架政策框架09ESG治理架构治理架构13投资流程的投资流程的ESG整合整合16ESG报告报告22中国私募股权基金的气候变化战略中国私募股权基金的气候变化战略25联系我们联系我们31目录1中国私募股权基金调研报告2023 ESG篇中国私募股权基金调研ESG投资：内容摘要本次调研全方位关注了ESG投资，包括驱动因素、募资要求、投资流程的ESG整合、政策框架、治理架构、信息披露和气候议题管理。受宏观双碳和绿色金融政策的影响，以及提升基金品牌价值的需求，66%的受访机构已经或计划进行ESG投资。目前国内有近半数的私募股权基金已经或计划开展投资流程的ESG整合，尽管与国际同行相比仍有很大提升空间，究其原因主要在缺乏ESG专业人才、未就ESG实践达成共识和尚未完成负责任投资的知识积累。随着宏观层面可持续发展政策落实，以及越来越多的投资人作出负责任投资承诺，并将可持续发展理念融入到投资战略中。中国的私募股权基金也将逐步完成ESG能力建设，完善ESG知识和治理框架，提升抵抗系统性风险的能力，与投资人和投资组合携手打造良性的ESG投资生态体系，增强投资的可持续影响力。中国私募股权基金调研报告篇2023 ESG2ESG投资的兴起3中国私募股权基金调研报告2023 ESG篇中国私募股权基金调研ESG投资：中国的ESG投资方兴未艾环境、社会和治理（ESG）投资是一种资产管理方法，投资者将环境、社会和治理因素明确纳入其投资决策，以获得长期投资回报。随着社会发展面临的一系列长期问题日益凸显，如气候变化和社会公平，社会各方面对ESG问题的关注度也逐步提升，ESG投资理念的影响力和认可度在中国也日益扩大，66%的受访机构已开始或的受访机构已开始或计划进行计划进行ESG投资投资。但不同类别的基金ESG投资兴起的情况不一，调研发现，82%的美元基金已开始或计划进行ESG投资，领先于人民币基金和双币种基金；而专注投资早期及天使阶段的机构，ESG投资进程落后于其他机构。图图 不同币种基金不同币种基金ESG投资开展情况投资开展情况图图 不同策略基金不同策略基金ESG投资开展情况投资开展情况3164&5F7)4)E!535F0%总体情况美元基金人民币基金双币种基金已开始计划中没有计划早期及天使其他阶段及多元策略已开始计划中没有计划中国私募股权基金调研报告篇2023 ESG482UEU%9w9C%9ehA52%9%提升基金管理人品牌价值响应国家双碳目标和绿色金融政策实现更高投资回报实现基金产品创新来自LP的压力 来自同业竞争的压力调研结果显示，总体而言，提升品牌价值与响应国家提升品牌价值与响应国家宏观政策是基金管理人进行宏观政策是基金管理人进行ESG投资最核心的驱动投资最核心的驱动力力。不同类别的基金开展ESG投资的动力不同，政府的双碳和绿色金融政策，对人民币基金和双币种基金产生了更为直接的影响，也是其开展ESG投资的主要驱动因素。当前，美元基金开展ESG投资的主要目的责任提升基金管理人的品牌价值。我们在调研中观察到，受访机构中进行受访机构中进行ESG整合和制整合和制定政策框架的比例低于开展定政策框架的比例低于开展ESG投资的比例投资的比例，这说明ESG投资正在逐步成为中国私募股权基金认可的理念，随着对ESG投资理念认识的深入，机构需要完成负责任投资的建章立制，在投资全流程开展ESG整合。我们观察到，部分开展ESG投资的受访机构，专注于投资带有一定的积极ESG属性的新能源和医疗行业企业，如果，能在负责任投资政策的指引下，在投资决策和践行尽责管理的过程中充分考虑企业经营相关的ESG风险，如动力电池生产过程中的碳排放和制药过程的职业危害，以推动企业长期的可持续发展，促进经济和社会效益的统一。中国私募股权基金调研ESG投资：中国的ESG投资方兴未艾图图 不同币种基金不同币种基金ESG投资驱动因素投资驱动因素图图 ESG投资不同维度的进程有所差异投资不同维度的进程有所差异美元基金人民币基金双币种基金开展ESG投资制定政策框架建立治理架构进行ESG整合31C %5中国私募股权基金调研报告2023 ESG篇募资与ESG中国私募股权基金调研报告篇2023 ESG6图图 LP关注的关注的ESG话题话题中国私募股权基金调研ESG投资：募资阶段的ESG关注度提升市场上越来越多的投资人开始关注基金管理人的ESG管理能力，要求基金管理人建立有效的治理体系，关注机构应对社会发展长期问题的策略和措施，包括气候变化、社会公平与平等和生物多样性，旨在督促基金管理人正确识别和评估ESG风险机遇，通过投资创造更广泛和积极的可持续影响。93%的受访机构在募资过程中都受到有限合伙人的受访机构在募资过程中都受到有限合伙人（LP）对对ESG议题的关切议题的关切，受中国受中国“双碳双碳”政策影响政策影响，各类各类LP普遍关注受访机构对双碳普遍关注受访机构对双碳政策政策、绿色金融和循环经济议题的回应绿色金融和循环经济议题的回应，随着中国大力推动能耗双控逐步转向碳排放双控，也一定比例投资关注基金管理人基金运营和投资组合产生的碳排放。另外，疫情的发生凸显了一系列不平等加剧的社会问题，负责任投资原则（PRI）和已经做出负责任投资承诺的投资人，愈发关注投资决定可能引起的社会层面不平等的问题，LP也愈发关注基金管理推动实现多元、平等和包容（30%）的环境的能力。7中国私募股权基金调研报告2023 ESG篇78IE60)%$ID)2VgDDDD3%0rFFA1(#1#%国家双碳政策绿色金融循环经济碳排放（范围1和范围2）多元、平等、包容基金碳中和或净零战略碳排放（范围3）气候变化生物多样性总体情况国有资本银行/保险机构/养老金除上述之外的机构，如市场化基金、家族信托基金等多元、平等、包容图图 不同币种基金的主要不同币种基金的主要LP同时，我们观察到，有一定比例的受访美元基金、人民币基金及双币种基金的主要投资人为银行/保险机构/养老金。因此，随着随着指引指引的施的施行行，双币种基金双币种基金，或者计划在国内募资的外资机或者计划在国内募资的外资机构构，在募资过程中想要获得中国银行保险机构投在募资过程中想要获得中国银行保险机构投资人的青睐资人的青睐，则需要提升对则需要提升对ESG的关注的关注。中国私募股权基金调研ESG投资：募资阶段的ESG关注度提升2022年6月，银保监会印发银行业保险业绿色金融指引（下文简称指引），要求银行保险机构作为大型投资人，应不断完善ESG风险管理的政策、制度和流程，制定绿色金融发展目标，逐渐有序降低资产组合的碳强度、最终实现投资资产组合的碳中和，明确ESG风险尽职调查的要点，借鉴国际惯例提升信息披露水平。受此影响，以银行/保险机构/养老金为主要LP的受访机构认为，指引的施行将敦促基金管理人采取行动，在募资过程中回应投资人对绿色金融、国家双碳政策以及范围一、二和三碳排放的关切。46$ )3D3I&%国有资本银行/保险机构/养老金除上述之外的机构，如市场化基金、家族信托基金等图图 银保监会指引对不同基金的影响银保监会指引对不同基金的影响不了解该指引LP对ESG管理、能力建设和落地等提出进一步要求推动基金管理人在1年内采取相关行动没有影响拟开展绿色/转型投资，或建立绿色主题基金国有资本银行/保险机构/养老金除上述之外的机构，如市场化基金、家族信托基金等美元基金美元基金18%9s%人民币基金人民币基金61%90%双币种基金双币种基金35S%中国私募股权基金调研报告篇2023 ESG8ESG政策框架9中国私募股权基金调研报告2023 ESG篇图图 受访机构是否建立了受访机构是否建立了ESG政策框架政策框架中国私募股权基金调研ESG投资：参考国际范例，完成ESG投资的建章立制ESG政策是对负责任投资的总体方法、环境、社会和治理因素指引的总结，也是直接向包括投资人在内的利益相关方展现负责任投资承诺的方式与途径。制定制定ESG政策政策，也是包括也是包括PRI在内的组织对投资者实践负责任投资的最低要求在内的组织对投资者实践负责任投资的最低要求。调研表明，53%的机构没有计划建立ESG政策框架，28%的受访机构在计划建立，19%的受访机构已建立或正在建立ESG政策框架。总体而言，美元基金在政策框架制定上领先于双币种基金和人民币基金。总体情况总体情况双币种基金双币种基金人民币基金人民币基金美元基金美元基金已建立/正在制定计划中没有计划1966(#2(SPa%中国私募股权基金调研报告篇2023 ESG1068B7&!%5%5%5%PRI 负责任投资原则组织ESG评级体系SDGs 可持续发展目标TCFD 气候变化相关财务信息披露指南IFC 国际金融公司标准GRI 可持续发展报告标准SASB 美国可持续会计准则委员会GRESB 全球房地产可持续标准ISSB 国际可持续发展准则理事会社科院出版的“中国企业社会责任报告指南”图图 已制定已制定/考虑制定考虑制定ESG政策框架的机构所参考的指引政策框架的机构所参考的指引中国私募股权基金调研ESG投资：参考国际范例，完成ESG投资的建章立制调研结果表明，在ESG政策框架上，受访机构更倾向于参考国际通用的可持续发展指引，制定ESG政策系统性指导负责投资实践的开展，识别ESG风险和机遇。整体而言，已经或考虑制定已经或考虑制定ESG政策的受访机构主要参考了政策的受访机构主要参考了PRI（68%）、ESG评级体系评级体系（42%）、联合国可持续联合国可持续发展目标发展目标（SDGs）（37%）、气候相关财务信息披露指南气候相关财务信息披露指南（TCFD）（26%）和国际金融公司标准和国际金融公司标准（IFC）（26%）。不同指引完善和丰富了ESG政策框架的内涵：多数受访机构采纳PRI指引来建立负责任投资的整体框架；IFC和ESG评级体系则提供了识别ESG风险和机遇的工具；而围绕SDGs打造的ESG政策，能帮助投资机构识别更具可持续增长潜力的项目，同时在一定程度上解决社会共同面临的风险与挑战；TCFD则为系统性地将气候风险与机遇纳入基金管理人的治理架构和投资策略提供了框架。11中国私募股权基金调研报告2023 ESG篇图图 尚未建立尚未建立ESG政策框架的原因政策框架的原因中国私募股权基金调研ESG投资：参考国际范例，完成ESG投资的建章立制然而超过一半的受访机构尚未计划建立然而超过一半的受访机构尚未计划建立ESG政策框架政策框架，调研结果显示调研结果显示，主要是由于没有外部强制要求主要是由于没有外部强制要求（66%）、基金内部没有相关计划基金内部没有相关计划（38%）和缺少统一标准和缺少统一标准（38%）。随着越来越多的投资人成为PRI签署机构和银行业保险业绿色金融指引的实施落地，中国私募股权基金或应将ESG政策框架制定提上日程。同时，在部分核心ESG议题领域，ESG政策标准出现了整合的趋势。尽管当前尚未形成统一的ESG标准和准则，对处于ESG投资起步阶段的机构，无需苛求ESG政策囊括指引的完备度，可以基于运营实际，参考国际主流原则指引的最低要求，制定政策框架，引导负责任投资。没有外部强制要求基金内部没有相关计划缺少统一标准，国内外政策法规差异较大基金管理人内部缺少ESG专业人才没有足够的人手承担相应工作66886&%中国私募股权基金调研报告篇2023 ESG12ESG治理架构13中国私募股权基金调研报告2023 ESG篇图图 不同币种基金不同币种基金ESG治理架构建立情况治理架构建立情况中国私募股权基金调研ESG投资：完善治理架构，逐步将ESG纳入基金整体战略规划ESG治理架构的建立，可以帮助基金管理人将ESG整合的责任落实到具体部门，形成ESG管理的闭环，推动整体ESG战略的落地。调研结果显示，仅43%的管理人建立了ESG治理架构，受访基金管理人受访基金管理人ESG架构的完备程度不一架构的完备程度不一，总体来看美元基金总体来看美元基金（73%）的情况优于双币种的情况优于双币种基金基金（56%）和人民币基金和人民币基金（25%）。双币种基金双币种基金人民币基金人民币基金美元基金美元基金242D%7uF%高层决策层部门团队无治理架构中国私募股权基金调研报告篇2023 ESG14在建立ESG治理架构的机构中，16%的机构的ESG治理架构由公司决策层主导，8%的由风控团队主导，6%的机构中由董事会主导。在确立董事会ESG监管和治理职责的机构中，不足半数的机构在董事会委派专人负责ESG事项或设置了ESG委员会。一方面，反映出大多数的受访基金管理人，还未将ESG纳入基金的整体战略。另一方面，私募股权机构私募股权机构内部组织架构相对扁平内部组织架构相对扁平，很多机构人手相对少很多机构人手相对少，短期短期内的内的ESG管理任务也相对分散管理任务也相对分散，可以考虑先将可以考虑先将ESG管管理职能融入当前治理架构理职能融入当前治理架构，之后逐步形成体系化的之后逐步形成体系化的ESG治理架构治理架构。中国私募股权基金调研ESG投资：完善治理架构，逐步将ESG纳入基金整体战略规划图图 基金管理人是否有基金管理人是否有ESG治理架构治理架构57%6%8%4%3%6%暂无相应的治理架构董事会主导并整体关注ESG情况公司决策层主导风控团队主导投资团队主导投后团队主导其他部门主导15中国私募股权基金调研报告2023 ESG篇投资流程的ESG整合中国私募股权基金调研报告篇2023 ESG16图图 ESG整合对私募股权基金的价值和意义整合对私募股权基金的价值和意义中国私募股权基金调研ESG投资：改进ESG管理能力和评价机制，提升私募股权ESG整合的积极性ESG整合指在投资流程中考虑ESG相关的风险和机遇，并采取相应的办法来应对。94%机构认为ESG整合对机构存在正面价值，主要体现在提升基金品牌价值（72%）、把控投资组合风险（43%）以及满足外部环境的要求，但受访机构普遍认为ESG整合对提高投资回报的帮助有限或者难以有大量数据来证实。当前当前ESG整合对提高投资回报的正向价值尚未被普遍认可整合对提高投资回报的正向价值尚未被普遍认可，其背后的原因可能有三点：其背后的原因可能有三点：中国机构ESG整合仍处于起步阶段，尚未建立完尚未建立完善的善的ESG数据和评估体系数据和评估体系，量化衡量量化衡量ESG整合对投资回报的影响；整合对投资回报的影响；从考核期限来说，ESG的长期投资理念跟传统投资人更注重短期投资回报之间存在一定的矛盾，在较短评估考核期内在较短评估考核期内，ESG整合对投资回报产生的正向影响或未显现；受访机构普遍更重视投前整合对投资回报产生的正向影响或未显现；受访机构普遍更重视投前ESG整合整合，相对忽视了投后整合对ESG风险控制和赋能投入，也在一定程度上，降低了ESG整合可能带来的投资回报。72C87 %9%3%提升基金品牌价值更好地把控投资组合风险满足基金层面合规要求吸引更多海外投资人或LP满足国际组织的要求提高投资回报-微小改变，小于0.5%提高投资回报-明显提高，高于2中国私募股权基金调研报告2023 ESG篇图图 基金管理人开展基金管理人开展ESG整合情况整合情况中国私募股权基金调研ESG投资：改进ESG管理能力和评价机制，提升私募股权ESG整合的积极性尽管超过九成的受访机构认可尽管超过九成的受访机构认可ESG整合存在正面价值整合存在正面价值，但却存在一定的行动滞后于认知的现象但却存在一定的行动滞后于认知的现象。调研显示，仅20%的机构已开展ESG整合，29%的机构正在计划，而51%的机构暂无计划进行ESG整合。同时有61%的人民币基金没有ESG整合计划。中国当前也在不断完善和丰富ESG政策体系，提高央企控股上市公司质量工作方案、银行业保险业绿色金融指引和中国保险资产管理业ESG尽责倡议书等政策的出台，将推动人民币基金的ESG整合的进程。整体情况整体情况20)Q%美元基金美元基金人民币基金人民币基金双币种基金双币种基金2866(a)B%已进行计划中没有计划ON中国私募股权基金调研报告篇2023 ESG18图图 机构认为机构认为ESG整合的挑战和难点整合的挑战和难点中国私募股权基金调研ESG投资：改进ESG管理能力和评价机制，提升私募股权ESG整合的积极性而受访机构认为ESG整合存在诸多挑战和难点，如缺少统一标准（63%）、基金管理人内部缺少专业人才（53%）、投资组合数据收集困难（30%）和考虑ESG风险可能会降低财务回报（25%）等。长期以来，不同国家和地区发展出了不同的ESG准则标准，在一定程度上增加了ESG整合的人力、知识和组织协调成本。国际上有较大国际上有较大影响力可持续标准制定组织正在积极合作影响力可持续标准制定组织正在积极合作，推动主要的推动主要的ESG准则之间的整合准则之间的整合。其中，国际财务报告准则基金会（IFRS Foundation）成立的国际可持续发展准则理事会（ISSB），发布的首批两份ISSB准则，将于2024年1月生效，旨在推动制定可持续披露的全球基线准则。与此同时，国际证监会组织（IOSCO）、各国金融市场监督管理机构、各地证券交易所正在寻求与ISSB合作的可能性，也将提升ISSB准则的认可度，在一定程度上为中国私募股权基金进行ESG整合提供了参考。63S60&% %缺少统一标准基金管理人内部缺少ESG专业人才国内外政策法规差异较大投资组合数据收集困难成本较高缺少落地工具没有足够的人手承担相应工作考虑ESG风险可能会降低财务回报内部涉及多个利益相关方，难以达成统一共识缺少专门负责人19中国私募股权基金调研报告2023 ESG篇20调研结果显示，受访机构投前整合的采用率（97%）高于投后（72%）整合。投前的ESG尽职调查和负面筛选作为采用比例最高的两种整合方式，可以有效地识别ESG相关的潜在的“非财务”合规、声誉和法律风险，并成为投资决策依据，以降低系统性风险和补救成本。然而投前整合并不应该是孤立然而投前整合并不应该是孤立，我们也看到很多我们也看到很多受访机构将受访机构将ESG尽调中发现的风险点考虑在交易尽调中发现的风险点考虑在交易定价或交易条款中定价或交易条款中，并对投资组合开展尽责管理并对投资组合开展尽责管理进行价值创造进行价值创造。并购基金尤其应该重视投后的ESG整合，当基金对被投企业有较大影响力时，可以与被投企业共同识别重要ESG议题，设立绩效指标，发掘业务相关的可持续发展机遇。中国私募股权基金调研ESG投资：改进ESG管理能力和评价机制，提升私募股权ESG整合的积极性图图 受访机构采取的受访机构采取的ESG整合行动整合行动投投前前整整合合正面筛选负面筛选ESG尽职调查将ESG风险反映在交易定价或交易条款中投投后后整整合合投后ESG KPI追踪和评估投资组合“范围一”和“范围二”的碳盘查定期向LP汇报投资组合ESG表现对投资组合开展尽责管理44VxDD(PP 23 ESG中国私募股权基金调研报告篇20我们关注到在已经开展ESG整合机构中，考虑到ESG整合的复杂性和专业性，多数机构已经（56%）或计划（11%）聘请了中介机构以协助进行ESG整合。而33%的机构因不同原因而暂无聘请中介机构的计划，包括没有充足的预算（49%）、有信息保密要求（17%）、已有内部人员胜任（17%）和没有相关的要求（17%）。对处于ESG投资起步阶段，却受制于预算限制和保密要求，而无法聘请中介机构协助ESG整合的基金管理人而言，可以聘请中介机构依据投资人、监管要求和投资策略设计一体化的负责任投资工具包，后续由基金管理人内部人员，依据工具包指引在投资流程中分析ESG风险与机遇，协助交易评估和投后监控，减少长期聘请中介机构的人力和资源的投入，降低沟通和时间成本，同时满足信息保密要求。中国私募股权基金调研ESG投资：改进ESG管理能力和评价机制，提升私募股权ESG整合的积极性图图 ESG整合是否聘请了中介机构整合是否聘请了中介机构图图 未聘请中介机构的原因未聘请中介机构的原因56%已聘请33%没有计划11%计划中49%没有充足的预算信息保密性要求公司内已有足够的专业人员胜任尚未开展ESG相关工作，或投资流程和制度上没有ESG相关要求21中国私募股权基金调研报告2023 ESG篇ESG报告中国私募股权基金调研报告篇2023 ESG2233%4P%小于10天10-20天20-30天大于30天图图 ESG报告准备时长报告准备时长中国私募股权基金调研ESG投资：“以编制促管治”，强化沟通，树立负责任投资品牌形象图图 ESG报告开展情况报告开展情况国内外的头部基金已经开始常规性地披露年度ESG报告，加强与各利益相关方的交流沟通。37%的受访机的受访机构已经启动构已经启动ESG报告计划报告计划，多数由机构内部人员兼职负责，通过公开或非公开的形式向利益相关方报告ESG实践进展与成果。通常超过半数的进行ESG报告机构，需要超过30天的时间完成报告准备。仍有超过半数的受访机构（63%）对ESG报告价值与意义的认识有待提升，暂无ESG报告的计划。诚然ESG报告需要额外的人力和时间投入，基金管理人应该意识到：首先，编制ESG报告是帮助基金总结梳理投资和运营中的ESG问题、进展和亮点过程。其次，ESG报告的准备是一个协助基金了解投资人、被投企业、员工和社区等利益相关方ESG诉求，提升负责任投资和运营水平的重要机遇。例如香港联合交易所自2015年要求上市公司强制披露ESG报告以来，港股上市公司的ESG披露和管理水平的得到了很大的提升。本次调研中本次调研中，72%的机构认为的机构认为ESG可以提升基金品牌价值可以提升基金品牌价值，港交所成功经验港交所成功经验，对中国的基金管理人对中国的基金管理人形成形成“以编制促管治以编制促管治”的的ESG工作理念工作理念，通过通过ESG报告编制流程报告编制流程，梳理梳理ESG风险机遇风险机遇，优化可持续发展管优化可持续发展管理理，展现负责任投资成果展现负责任投资成果，提升基金的品牌价值提升基金的品牌价值，有一定的借鉴意义有一定的借鉴意义。没有计划没有准备报告的计划，63%有准备ESG报告的计划没有专人负责，由其他岗位同时承担ESG工作，27%有专职人员或团队，9%外部中介机构，1%有准备ESG报告的计划没有计划23中国私募股权基金调研报告2023 ESG篇中国私募股权基金调研ESG投资：“以编制促管治”，强化沟通，树立负责任投资品牌形象ESG报告的准备，需要充分协调资源，尽可能地促进内外部相关方达成共识。我们关注到基金管理人在准备ESG报告时遇到了一些困难，比如内部缺少ESG专业人才、缺少统一的标准、投资组合配合程度低和没有充足的人手承担相应的工作等。超过半数已经进行超过半数已经进行ESG报告的受访机构报告的受访机构，在报告过程在报告过程中中，遇到了投资组合配合程度低遇到了投资组合配合程度低，或难以收集其或难以收集其ESG数数据的困难据的困难。提升被投企业配合度，是循序渐进的过程，基金管理人在完善自身ESG治理框架的基础上，需要与被投进行充分的沟通和宣贯，让被投企业了解进行ESG实践的必要性和重要性，常态化的ESG数据报送，不是额外负担，而是帮助企业自身了解ESG绩效，梳理风险与机遇。ESG报告困难，在一定程度上反映了中国私募股权ESG能力建设薄弱的问题，中国证券投资基金业协会在与PRI达成“共同建设中国投资者的责任投资”共识的基础上，可以发挥协会纽带和引领作用，通过培训宣讲和交流，加强会员机构与利益相关方在ESG议题上的沟通，提升投资全生命周期的ESG整合能力。图图 准备准备ESG报告过程中遇到的困难报告过程中遇到的困难66fQ&#%9%基金管理人内部缺少ESG专业人才缺少统一标准，国内外政策法规差异较大投资组合配合程度低，或者难以收集数据没有足够的人手承担相应工作缺少自动化工具成本较高内部涉及多个利益相关方，难以达成统一共识缺少专门负责人中国私募股权基金调研报告篇2023 ESG24中国私募股权基金的气候变化战略25中国私募股权基金调研报告2023 ESG篇3$s%0%已设定计划设定没有计划中国私募股权基金调研ESG投资：中国私募股权基金在接轨国际标准的历程中，建立完善运营和投资层面的碳管理全球各经济体的低碳发展政策和投资人对应对气候变化风险额外的关注全球各经济体的低碳发展政策和投资人对应对气候变化风险额外的关注，将进一步推动中国的私募股权基金关注气候变化将进一步推动中国的私募股权基金关注气候变化，推动基金管理推动基金管理人在运营活动和投资活动人在运营活动和投资活动（涵盖投资组合涵盖投资组合）同时启动碳管理进程同时启动碳管理进程。宏观层面，为实现“3060”目标，中国政府大力推动能耗双控逐步转向碳排放双控，并通过健全双碳配套标准体系制度，引导投资机构和被投企业完善碳管理体系；同时，欧盟为推进其碳减排和碳中和目标，也通过了欧洲绿色协议以约束减排和实现低碳转型。从投资人的角度来看，“净零资产所有者联盟”的成立与发起，将促使国内外资产所有者将主动或被动地推动投资组合减排降碳。对基金管理人而言，完成运营层面的碳盘查，是履行自身作为企业减碳责任的基础；另一方面，基金管理人需要协助其被被投企业了解和应对海外的碳监管要求，抓住业务发展机遇，以成功实现海外拓展。面临愈发紧迫的碳管理要求面临愈发紧迫的碳管理要求，中国私募股权基金正努力完成碳管理体系建设中国私募股权基金正努力完成碳管理体系建设，与国际标准接轨与国际标准接轨。中国ESG投资领域的先行机构（7%），已完成负责任投资的制度和治理架构建设，将气候变化纳入负责任运营和投资的范畴，由机构内部人员完成了自身运营和投资组合展开碳盘查。在摸清自身碳家底的基础上，3%的受访机构设立了运营层面的碳减排和碳中和目标，以有序推减碳进程。尽管中国机构的负责任投资和碳管理整体处于起步阶段，得益于ESG政策框架对具备国际认可度的可持续发展准则的采纳，13%受访机构考虑加入科学碳目标倡议（SBTi），采用金融机构专属的指南，用科学的行动实现净零排放承诺。图图 碳盘查开展情况碳盘查开展情况7t%7t%已进行计划中没有计划图图 减碳目标设定情况减碳目标设定情况基金管理人层面碳盘查开展情况投资组合层面碳盘查开展情况基金管理人层面是否已设定碳减排和碳中和目标是否考虑加入SBTi中国私募股权基金调研报告篇2023 ESG26中国私募股权基金调研ESG投资：中国私募股权基金在接轨国际标准的历程中，建立完善运营和投资层面的碳管理中国的私募股权基金正在以积极地态度，回应运营和投资活动碳管理要求。超过六成已制定碳盘查计划的受访机构，正在努力克服知识、人力、组织协调和经费上的困难，将在两年内推进碳盘查工作实施。将以此为起点，为逐步推进减碳目标的实现和碳中和基金的设立奠定基础。相比投资活动，基金管理人运营活动的碳排放源相对简单，且碳排放量相对较少。也可以先启动基金管理人层面的碳排也可以先启动基金管理人层面的碳排查查，逐步提升机构整体的碳管理的认知水平逐步提升机构整体的碳管理的认知水平，完成碳管理人完成碳管理人力和知识的积累力和知识的积累。同时，中国的私募股权基金也主动开始寻找提升碳管理能力的方法，所有已经进行投资组合层面碳盘查的机构，都计划采用数据收集平台来收集碳足迹数据，以更好地履行碳管理职责，降低人力和沟通成本；也可以通过使用数字化核工具，了解内嵌的碳排放因子库和核算方法加速知识积累。随着基金管理人碳管理能力的提升，未来也可以逐步把“碳”纳入投后尽责管理的议程，在摸清碳家底的基础上，鼓励被投企业提升碳管理能力，以发掘低碳发展机遇，将低碳理念融入产品设计，降本增效，或吸引新的客户群体。图图 碳盘查的挑战和难点碳盘查的挑战和难点12G$A$%1年以内（含1年）1-2年（含2年）2-3年（含3年）3-5年（含5年）基金管理人层面投资组合层面图图 碳盘查计划时间表碳盘查计划时间表56TE93%内部团队缺少碳盘查知识不确定适用的方法论和准则投资组合缺少碳盘查能力，或者相关运营数据收集困难没有足够的人手承担相应工作缺少专门负责人缺少行业适用的碳排因子库成本较高27中国私募股权基金调研报告2023 ESG篇气候变化的长期影响难以预测，气候变化相关的风险物理风险和转型风险，可能对企业的业务结构乃至宏观经济产生系统性影响。对私募股权投资机构而言，气候变化或将影响被投企业的资产安全、也或许使被投企业面临更严格的环境合规要求。管理和应对气候变化风险需要私募股权机构从多方面投入，气候变化相关财务信息披露指南（TCFD）作为国际广泛认可的气候信息财务披露框架，已成为识别、评估和管理气候风险的重要指引，并且为后续其他组织制定气候信息披露准则提供了基本架构：ISSB首批两份准则均基于TCFD建议的原则；2023年，香港联交所为ESG监管工作设立了新目标，强化与TCFD建议框架和ISSB气候披露准则的一致性。尽管如此，调研结果显示，当前多数机构尚未意识到系统性管理气候变化风险的重要性。83%的受访机构表示暂未计划按照TCFD的要求考虑气候风险，16%的机构表示正在计划，仅1家受访机构已开始考虑气候风险。中国私募股权基金调研ESG投资：逐步将气候风险纳入基金治理框架，提升运营和投资战略韧性图图 是否按照是否按照TCFD要求考虑基金管理人层面的气候风险要求考虑基金管理人层面的气候风险中国私募股权基金调研报告篇2023 ESG2883%没有计划16%计划中1%已开始图图 没有考虑气候风险的原因没有考虑气候风险的原因已着手进行或计划考虑气候风险的受访机构，现阶段管理气候风险的优先事项为完成气候变化风险管理的顶层设计。其中，80%的受访机构将气候风险融入了治理架构，60%制定了气候相关战略。对于没有气候风险管理计划的，除受制于知识和人手的不足以外，57%没有计划的机构表示是由于暂无内外部的压力。然而，各国政府关于碳减排与气候变化的政策持续加码各国政府关于碳减排与气候变化的政策持续加码、投资人自身的投资人自身的净零或气候承诺净零或气候承诺，PRI也把气候变化作为优先项也把气候变化作为优先项，以上因素都将推动形以上因素都将推动形成有力的外部治理压力成有力的外部治理压力。对此，中国私募股权投资机构应持续关注气候议题的治理趋势，克服知识和人力短缺的障碍，逐步提升应对气候风险的能力，提升运营和投资战略的韧性。中国私募股权基金调研ESG投资：逐步将气候风险纳入基金治理框架，提升运营和投资战略韧性图图 考虑气候风险采取的行动考虑气候风险采取的行动803%7%将气候风险融入治理架构制定了气候相关战略建立了气候风险相关指标和目标建立了气候风险识别和管控体系出具TCFD报告59WUC%缺乏气候风险相关专业知识没有内外部压力没有足够的人手承担相应工作缺少气候相关数据库29中国私募股权基金调研报告2023 ESG篇旗舰服务：为PEVC客户提供可持续发展服务创业投资的创业投资的负责任投资负责任投资SFDRTCFD,TNFDESG 尽职调查尽职调查私募股权的私募股权的负责任投资负责任投资SFC和和气候风险披露气候风险披露TNFD差距分析报告撰写ESG政策和框架的制定与发展目标筛选和评估可持续价值创造ESG 报告框架风险分析ESG风险管理和价值创造气候风险分析披露报告撰写责任投资政策和治理目标筛选和评估尽职调查价值创造及披露公司个体治理合同前披露线上披露定期报告基金驱动监管驱动议题驱动交易驱动中国私募股权基金调研报告篇2023 ESG30北京联系我们倪清倪清普华永道中国可持续发展市场主管合伙人 86(10)6533 秦菁秦菁普华永道中国气候变化与可持续发展部高级经理 86(10)6533 31中国私募股权基金调研报告2023 ESG篇王莹王莹普华永道中国气候变化与可持续发展合伙人 86(21)2323 2887 上海吴美慧吴美慧普华永道中国气候变化与可持续发展合伙人 852 2289 彭傲政彭傲政普华永道中国气候变化与可持续发展部业务总监 852 2289 香港本文仅为提供一般性信息之目的，不应用于替代专业咨询者提供的咨询意见。2023 普华永道版权所有。普华永道系指普华永道在中国的成员机构、普华永道网络和/或其一家或多家成员机构。每家成员机构均为独立的法律实体。详情请见WWW.PWC.COM/STRUCTURE。

0人已浏览 2023-12-19 33页 5星级

20232023年年1212月月2023上海市私募股权、上海市私募股权、创投行业发展报告创投行业发展报告发布机构：发布机构：上海市国际股权投资基金协会、德勤中国联合发布：联合发布：投中信息、金浦投资、德同资本、君和资本、上海自贸区基金2 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。目录目录01 01 上海市私募股权上海市私募股权、创投行业发展概况创投行业发展概况02 02 上海市母基金、引导基金、二手份额转让基金发展情况上海市母基金、引导基金、二手份额转让基金发展情况03 03 上海市重点行业上海市重点行业(赛道赛道)投资情况分析投资情况分析04 04 上海市私募股权上海市私募股权、创投行业发展趋势展望创投行业发展趋势展望01 01 上海市私募股权、创投行业发展概况上海市私募股权、创投行业发展概况4 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：中国基金业协会，德勤研究，上海国际股权协会分析截至截至2023年年9月的过去一年，中国私募股权、创业投资基金管理人总数小幅下降，私月的过去一年，中国私募股权、创业投资基金管理人总数小幅下降，私募股权、创投基金的数量和规模保持稳定增长。募股权、创投基金的数量和规模保持稳定增长。全国月度私募股权、创业投资基金存续情况全国月度私募股权、创业投资基金存续情况18,087 18,412 18,791 19,353 19,570 19,846 20,330 20,926 21,101 21,415 21,725 22,114 22,47031,549 31,560 31,45531,525 31,046 31,13731,24431,410 31,310 31,333 31,39331,420 31,26714,630 14,503 14,321 14,303 13,251 13,259 13,252 13,310 13,256 13,208 13,135 13,107 12,972 -2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000010,00020,00030,00040,00050,00060,000创业投资基金数量私募股权基金数量私募股权、创投基金管理人（家）上海私募股权、创投行业发展概况|中国私募股权、创投市场概览10.96 10.94 10.93 10.94 11.07 11.09 11.10 11.16 11.15 11.15 11.22 11.20 11.17 2.74 2.80 2.81 2.83 2.91 2.91 2.93 3.04 3.05 3.07 3.14 3.16 3.17 私募股权基金规模（万亿）创业投资基金规模（万亿）5 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。北京市、上海市、深圳市在私募股权、创业投资基金数量、规模和管理人数持续稳北京市、上海市、深圳市在私募股权、创业投资基金数量、规模和管理人数持续稳居全国前三。居全国前三。辖区名称辖区名称管理人数量管理人数量（家）（家）管理基金数管理基金数量（只）量（只）管理基金规管理基金规模（亿元）模（亿元）平均基金规平均基金规模（亿元）模（亿元）北京市北京市2,35410,04436,1923.60上海市上海市1,8878,75023,2442.66深圳市深圳市1,8247,56915,7572.08浙江省（不含宁波）浙江省（不含宁波）1,0534,3666,3591.46江苏省江苏省9763,77610,1972.70广东省（不含深圳）广东省（不含深圳）9194,2219,5462.26宁波市宁波市4811,8904,2052.22注：2023年6月为中国基金业协会最新披露的私募股权、创业投资基金细分数据数据来源：中国基金业协会，CVSource投中数据，德勤研究，上海国际股权协会分析20232023前三季度新成立基金前三季度新成立基金按按GPGP注册地分布注册地分布情况（已备案）情况（已备案）截至截至20232023年年6 6月存续私募股权、创业投资基金管理人按注册地分布情况月存续私募股权、创业投资基金管理人按注册地分布情况上海私募股权、创投行业发展概况|私募股权、创投市场地区分布222.93426.87618.00965.551290.251473.838406524苏州市杭州市广州市深圳市上海市北京市2023前三季度规模（亿元）2023前三季度数量（只）6 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：中国基金业协会，CVSource投中数据，德勤研究，上海国际股权协会分析截至今年三季度，浦东新区占上海市私募股权、创投基金管理人总数的截至今年三季度，浦东新区占上海市私募股权、创投基金管理人总数的35%，今年，今年前三季度新注册基金的前三季度新注册基金的LPLP多来自江苏省和浙江省。多来自江苏省和浙江省。截至截至20232023年年三季度三季度上海上海市市私募股权、创投基金管理人私募股权、创投基金管理人前五大前五大注册注册区区（各区占比（各区占比%）20232023年前三季度上海市年前三季度上海市基金管理人基金管理人注册基金数量与对应规模（已备案）注册基金数量与对应规模（已备案）上海私募股权、创投行业发展概况|上海市私募股权、创投管理人概览4.58%6.55%8.27.135.13%青浦区嘉定区虹口区崇明区浦东新区12.9721.1023.4629.4252.04118.33161.65193.84253.14323.510512528福建省天津市广东省江西省湖南省安徽省山东省浙江省江苏省上海市2023前三季度规模（亿元）2023前三季度数量（只）7 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析成长型基金和创业型基金数量占比分别约成长型基金和创业型基金数量占比分别约70%和和25%。目标募集资金规模的头部聚集。目标募集资金规模的头部聚集效应非常突出：数量仅占效应非常突出：数量仅占4.4%的基金贡献了目标募集资金规模的的基金贡献了目标募集资金规模的70%，单只募资目单只募资目标超过标超过50亿元。亿元。截至截至20232023年年1010月上海月上海市市存续基金类型分布（已备案）存续基金类型分布（已备案）60.2%2.2%9.7%2.2.3.2.0S.5%0.7&.9%0 0%规模总量基金数量100亿50-100亿10-50亿1-10亿1亿截至截至20232023年年1010月上海月上海市市存续基金按募集目标规模分布情况（已备案）存续基金按募集目标规模分布情况（已备案）上海私募股权、创投行业发展概况|上海市私募股权、创投基金概览注：基金类型参考了投中数据库对基金所投资产的分类成长型基金,71.52%创业型基金,25.06%市场化母基金,1.98%其他基金,1.44%8 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。上海市在上海市在2023年前三季度募资情况较年前三季度募资情况较2022年有所下滑，但累计认缴资本出现了小幅年有所下滑，但累计认缴资本出现了小幅增长。相比增长。相比北京市北京市，上海市的国有资本是出资主力，险资和，上海市的国有资本是出资主力，险资和金融机构金融机构相对贡献比重相对贡献比重较低。较低。2022和和2023年前三季度上海年前三季度上海LP出资概览出资概览2023年前三季度上海市与北京市年前三季度上海市与北京市LP出资分布出资分布数据来源：执中ZERONE，德勤研究，上海国际股权协会分析上海私募股权、创投行业发展概况|上海市私募股权、创投市场的募资情况327.31224.18149.7963.2314.37214.07320.33259.25344.9510.6国资背景产业资本险资金融机构市场化母基金上海市累计认缴资本（亿元）北京市累计认缴资本（亿元）673901720.32628374566682813.724612492022年2023年前三季度9 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析2023年前三季度，新一代信息技术、医疗健康和传统制造的投资数量和规模分列前年前三季度，新一代信息技术、医疗健康和传统制造的投资数量和规模分列前三。三。A轮和轮和B轮合计贡献了六成的投资事件和四成的投资额，上市及以后轮次的投资轮合计贡献了六成的投资事件和四成的投资额，上市及以后轮次的投资金额收缩明显。金额收缩明显。0.8 7.1 61.3 204.6 222.8 229.0 452.8 90房地产汽车交通能源及矿业先进制造医疗健康传统制造电子信息投资数量（笔）投资金额（千万元）20232023前三季度前三季度上海市上海市私募股权、创投基金私募股权、创投基金投资的投资的行业分布情况行业分布情况20232023年前三季度上海市年前三季度上海市私募私募股权、创投股权、创投基金基金投资的投资的轮次轮次分布分布交易轮次交易轮次2022年数量年数量（笔）（笔）2023年前三年前三季度数量季度数量（笔）（笔）数量数量变化变化2022年投资规年投资规模（亿元）模（亿元）2023年前三季度年前三季度规模（亿元）规模（亿元）数量变化数量变化种子轮和天使轮11942-65.1 7.0-47%A轮409204-50.8 39.9-60%B轮15089-41P.7 24.0-53%C轮7946-421.1 16.9-46%D轮及E轮3217-47.7 8.3-47%上市及以后9756-422.8 36.6-74%战略融资2715-44%8.4 3.5-59%上海私募股权、创投行业发展概况|上海市私募股权、创投市场的投资情况新一代信息技术10 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析上海辖区私募股权、创投基金投资外地项目集中在北京市和东部沿海城市，全国私募股权、上海辖区私募股权、创投基金投资外地项目集中在北京市和东部沿海城市，全国私募股权、创投基金投资上海的项目集中在浦东新区，并且新一代信息技术行业的投资额均居首位。创投基金投资上海的项目集中在浦东新区，并且新一代信息技术行业的投资额均居首位。2023年前三季度年前三季度全国私募股权、创投基金全国私募股权、创投基金对上海投资行业分布对上海投资行业分布20232023年前三季度上海辖区私募股权、创投基金对外地投资地域分布情年前三季度上海辖区私募股权、创投基金对外地投资地域分布情况况20232023年前三季度全国私募股权、创投基金对上海投资区域分布年前三季度全国私募股权、创投基金对上海投资区域分布2023年年前三季度前三季度上海辖区私募股权、创投基金上海辖区私募股权、创投基金对对外地外地投资行业分布投资行业分布上海私募股权、创投行业发展概况|上海市私募股权、创投市场的投资情况（续）114.9 136.9 214.1 229.2 42539139广东省浙江省江苏省北京市投资数量（笔）投资金额（千万元）79.0 84.8 85.9 117.4 141.0 270.8 523.0 2,533.6 46169611杨浦区松江区宝山区黄浦区青浦区嘉定区闵行区浦东新区40.6 107.8 114.2 153.7 161.5 233.1 225345540106能源及矿业公用事业传统制造医疗健康先进制造电子信息投资数量（笔）投资金额（千万元）新一代信息技术93.6 167.3 248.9 362.8 601.8 1,481.0 60848022538442汽车交通先进制造传统制造医疗健康消费电子信息新一代信息技术11 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析首次公开募股和并购是上海市基金退出的主要方式。医疗健康和新一代信息技术行首次公开募股和并购是上海市基金退出的主要方式。医疗健康和新一代信息技术行业的退出最为活跃，其中的细分赛道生物医药、半导体行业业的退出最为活跃，其中的细分赛道生物医药、半导体行业IPO数量最多，均为数量最多，均为11笔。笔。2022至至2023前三季度上海市前三季度上海市基金退出基金退出方式方式分布分布（笔）（笔）2022至至2023前三季度上海市前三季度上海市股权投资股权投资IPO退出的行业分布（笔）退出的行业分布（笔）上海私募股权、创投行业发展概况|上海市私募股权、创投市场的退出情况804并购首次公开募股同行转售2022年2023年前三季度35781111消费-食品饮料电子信息-软件医疗健康-医疗器械传统制造-机械设备电子信息-半导体医疗健康-生物医药新一代信息技术新一代信息技术12 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。为了构建有力支持科技创新的金融服务体系，上海市持续出台相关政策，促进私募为了构建有力支持科技创新的金融服务体系，上海市持续出台相关政策，促进私募股权创投行业的健康发展股权创投行业的健康发展2月、月、6月月 上海市国资委先后出台上上海市国有企业私募股权和创海市国有企业私募股权和创业投资基金份额转让监督管业投资基金份额转让监督管理办法（试行）理办法（试行）和评估评估管理工作指引（试行）管理工作指引（试行），为规范国有基金份额的转让起到了指引作用11月月上海市、南京市、杭州市、合上海市、南京市、杭州市、合肥市、嘉兴市建设科创金融改革肥市、嘉兴市建设科创金融改革试验区总体方案试验区总体方案，方案提出以金融支持长三角协同创新体系建设，加快构建广渠道、多层次、全覆盖、可持续的科创金融服务科创金融服务体系体系为主线11月月证监会复函同意上海区域上海区域性股权市场开展私募股权性股权市场开展私募股权和创业投资份额转让试点和创业投资份额转让试点，年底份额转让平台正式上线并开始试运行9月月上海市正式印发建设科创金融改建设科创金融改革试验区实施方案革试验区实施方案，在推进上海国际金融中心建设领导小组下设科创金融改革工作组9月月上海市地方金融监管局等6家单位联合发布关于支持上海股权托关于支持上海股权托管交易中心开展私募股权和创业管交易中心开展私募股权和创业投资份额转让试点工作的若干意投资份额转让试点工作的若干意见见，以私募股权和创业投资股权有序退出为目标，重点完善国资转让、权属质押、行业规范等核心环节11月月上海市委副书记、市长龚正主持召开市政府常务会议，做出了最新的部署，促进上海市股权投资行业促进上海市股权投资行业高质量发展高质量发展2022年年2023年年8月月上海市印发上海国际金上海国际金融中心建设“十四五”规融中心建设“十四五”规划划，提出构建有力支持科技创新的金融服务体系，加快发展多层次资本市场，支持多元化金融市场的创新发展2021年年上海私募股权、创投行业发展概况|上海市针对股权投资行业的政策支持数据来源：德勤研究根据公开信息整理02 02 上海市母基金、引导基金、二手份额转让基上海市母基金、引导基金、二手份额转让基金（金（S S基金）发展情况基金）发展情况14 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。截至截至2023年年9月，北京市引导基金数量和规模均排在全国第一。上海市引导基金数量月，北京市引导基金数量和规模均排在全国第一。上海市引导基金数量排在第二，规模则位列第五。排在第二，规模则位列第五。存量前十城市（数量）存量前十城市（数量）存量前十城市（调整规模）存量前十城市（调整规模）序号序号城市名称引导基金数量（只）城市名称引导基金规模（亿元）1北京市85北京市3029.012上海市59广州市2670.763广州市57武汉市1424.444杭州市49深圳市1181.595济南市37上海市1122.126南京市35济南市1050.207成都市35成都市849.788武汉市34杭州市782.839深圳市31南京市739.3210重庆市30苏州市666.32新增前十城市（数量）新增前十城市（数量）新增前十城市（调整规模）新增前十城市（调整规模）序序号号 城市名称引导基金数量（只）城市名称引导基金规模（亿元）1合肥市4广州市2000.002上海市3合肥市315.003西安市2长沙市300.004广州市2南昌市200.005北京市2温州市200.006济南市1武汉市200.007阿拉尔市1上海市152.008西双版纳州1西安市150.009温州市1北京市100.0010南昌市1扬州市100.00截至截至20232023年年9 9月引导基金数量及规模前十大城市月引导基金数量及规模前十大城市20232023年年前三季度新增的前三季度新增的引导基金数量及规模前十大城市引导基金数量及规模前十大城市数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析上海市母基金、引导基金、二手份额基金发展情况|引导基金城市排名15 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。省市省市数量数量(只只)省市省市基金目标规模（亿元）基金目标规模（亿元）上海市16上海市4,598苏州市15北京市2,000北京市11深圳市546珠海市6苏州市410深圳市5武汉市350广州市5合肥市300武汉市3成都市300嘉兴市3广州市266南通市2南通市110连云港市2青岛市100天津市2南京市100截至截至20232023年年前三季度前三季度市场化母基金数量和规模市场化母基金数量和规模领先城市领先城市省市省市数量数量(只只)省市省市基金目标规模（亿元）基金目标规模（亿元）上海市2上海市115南昌市1贵阳市55广州市1南昌市22惠州市1连云港市20贵阳市1广州市20连云港市1惠州市1620232023年前三季度新增市场化母基金数量和规模年前三季度新增市场化母基金数量和规模领先城市领先城市数据来源：CVSource投中数据，德勤研究，上海国际股权协会分析上海市母基金、引导基金、二手份额基金发展情况|市场化母基金城市排名注：母基金数量基于投中不完全统计数据，数据含未在基金业协会备案的母基金，基金目标规模为总基金规模多只多只“巨无霸”母基金在上海市成立，带动上海市“巨无霸”母基金在上海市成立，带动上海市市场市场化化母基金的规范化、专业母基金的规范化、专业化发展化发展。16 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。数据来源：执中ZERONE，德勤研究，上海国际股权协会分析中国私募股权二级市场中国私募股权二级市场(S基金市场基金市场)自自2020年开始快速发展，年开始快速发展，2022年全年交易量突破年全年交易量突破千亿。上海市亦积极探索私募股权基金份额转让的市场建设，并获批成立了全国第千亿。上海市亦积极探索私募股权基金份额转让的市场建设，并获批成立了全国第二家股权托管交易平台。二家股权托管交易平台。中国私募股权二级市场交易数量和交易额中国私募股权二级市场交易数量和交易额（亿元）（亿元）20222022年年S S交易标的基金类型分布（按基金数量）交易标的基金类型分布（按基金数量）上海市母基金、引导基金、二手份额基金发展情况|私募股权二级市场概况创业型基金,49.89%成长型基金,31.04%并购型基金,3.61%早期基金,10.27%基础设施基金,4.74%不动产基金,0.23%市场化母基金,0.23%注：基金类型参考了执中Zerone对基金所投资产的分类196.44308.44668.071021.455050030035040045002004006008009年2020年2021年2022年交易额（亿元）交易数（笔）03 03 上海市重点行业上海市重点行业(赛道赛道)投资情况分析投资情况分析18 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。上海市三大先导行业的投融资规模领先全国，在医疗器械、氢能领域也表现突出，商上海市三大先导行业的投融资规模领先全国，在医疗器械、氢能领域也表现突出，商业航天和新材料领域的投融资具有较大发展空间。业航天和新材料领域的投融资具有较大发展空间。产业规模及产业规模及全国占比全国占比投融资数量投融资数量或规模及对或规模及对应全国占比应全国占比产业发展特产业发展特点及投融资点及投融资代表案例代表案例半导体半导体人工智能人工智能商业航天商业航天储能储能氢能氢能医疗器械医疗器械生物医药生物医药新材料新材料2022年超过3,000亿元，全国占比20%以上2022-2023三季度达到586亿元全国占比25.8%投融资事件集中在半导体设备、零部件领域，完成融资超43例，位居全国高位2022-2023三季度达到110.32亿元，全国占比19.2%自动驾驶领域融资都在2亿元以上，表现出色规划2025年空间信息产业规模超2000亿元2020-2022年规模达到5.3亿元，全国占比2.9%未公开2022年投融资数量24笔全国占比12.8%代表性融资案例：上海电气储能科技有限公司2023年获得pre-A轮融资，投后估值超22亿元，预计2026年启动科创板上市计划2025年产业链规模超1000亿元2022年投融资数量14笔全国占比38.39%代表性融资案例：车用氢燃料电池电堆的领先企业上海氢晨新能源已完成2.5亿元A 轮融资2021年540亿，全国占比4.68 22年融资额达到67.4亿元，全国占比近24%上海市在医疗机器人和AI辅助医疗领域的融资事件领先全国。代表性融资案例：国产化医疗设备的联影医疗，2022年登录科创板，总募资110亿元2022-2023三季度投融资规模246.99亿元居全国之首，全国占比24.7%上海市具有生物医药创新要素集聚的优势，获批的创新药居全国领先，吸引了众多医药投资机构的青睐2022年接近3500亿元2022-2023三季度投融资规模8.15亿元，全国占比7.5%单个融资事件金额较低，新材料行业的投融资市场仍存在较大的发展空间上海市积极打造商业航天产业，至2025年新引进和培育10家商业航天重点企业，培育5家具备科创板上市条件的硬核企业。2022年突破3800亿元2022年达到8,537亿元数据来源：德勤根据公开信息整理上海市部分重点行业投融资情况上海市部分重点行业投融资情况04 04 上海市私募股权、创投行业发展趋势展望上海市私募股权、创投行业发展趋势展望20 2023。欲了解更多信息，请联系德勤中国、上海国际股权协会。展望中长期，股权投资行业进入以科技创新驱动为主的新常态，在募、投、管、退展望中长期，股权投资行业进入以科技创新驱动为主的新常态，在募、投、管、退四个阶段呈现出以下趋势：四个阶段呈现出以下趋势：管管投资机构需进一步增强投后管投资机构需进一步增强投后管理能力和赋能水平，深化行业理能力和赋能水平，深化行业洞察和加强资源整合成为了投洞察和加强资源整合成为了投资机构的首要任务。资机构的首要任务。投资机构全生命周期管理能力投资机构全生命周期管理能力将成为核心竞争力。将成为核心竞争力。股权投资行业积极摸索中国特股权投资行业积极摸索中国特色色ESGESG之路。之路。退退股权投资市场中的退出难问题股权投资市场中的退出难问题已成为一项普遍挑战，市场期已成为一项普遍挑战，市场期待多层次资本市场和多元化退待多层次资本市场和多元化退出机遇。出机遇。私募股权投资二级市场持续摸私募股权投资二级市场持续摸索中国式解决方案索中国式解决方案。募新兴市场外币新兴市场外币LPLP将更活跃，美将更活跃，美元元LPLP出资中国意愿趋缓。出资中国意愿趋缓。在募资过程中，具备技术专业在募资过程中，具备技术专业背景的管理人的头部效应突显。背景的管理人的头部效应突显。专项基金认缴要求低、确定性专项基金认缴要求低、确定性高、底层资产明晰，将吸引更高、底层资产明晰，将吸引更多多LPLP参与投资。参与投资。投投资机构将持续关注前沿科学、投资机构将持续关注前沿科学、未来产业领域。未来产业领域。政府将持续出台相关措施鼓励政府将持续出台相关措施鼓励创投行业投早、投小、投硬科创投行业投早、投小、投硬科技，如注册制改革的深化、天技，如注册制改革的深化、天使引导基金的设立。使引导基金的设立。

0人已浏览 2023-12-13 20页 5星级

中国私募股权基金调研报告2023私募股权二级市场交易（S交易）篇前言前言02内容摘要内容摘要03样本简述样本简述051.S交易参与角色及交易类型交易参与角色及交易类型062.S交易的优势及难点交易的优势及难点103.S交易流程及中介机构的作用交易流程及中介机构的作用154.费用承担费用承担20联系我们联系我们251中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇目录中国的私募股权基金行业在经历了多年探索之后已进入稳步发展阶段。近年来，私募股权基金在有效服务实体经济、推动高科技领域创新发展、促进民营和中小企业发展等方面发挥了积极作用。截至2023年9月，我国登记备案的私募股权投资基金和创业投资基金管理规模达14.34万亿元。在国内外宏观环境发生复杂深刻变化的形势下，投资者对资产多元化配置和流动性需求明显提升，叠加国家出台多项支持政策，S基金（Secondary Fund）在国内私募股权二级市场中的表现愈加活跃，金融机构的投资参与度大大提高。继2021年发布中国私募股权基金调研报告运营管理篇之后，普华永道于2023年对国内93家头部私募股权和创投机构围绕S基金相关问题进一步展开专题调研。本次调研采取在线问卷形式，内容包括国内S基金的兴起与发展优势，S基金吸引投资者的特点、交易难点、交易流程等方面。参与本次调研的受访者主要为国内头部私募股权和创业投资管理机构的合伙人或首席财务官，受访机构管理资产规模（AUM）约1.49万亿元。通过本次调研，结合普华永道长期服务于私募股权市场发展的实践经验，希望能够深度展现国内私募股权市场和S基金发展的新趋势，为市场参与者提供专业洞察和实操建议，助力私募股权行业健康可持续发展。我们诚挚欢迎业内外各界人士交流分享见解。中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇2前言内容摘要流动性更强、底层资产的确定性大、资金回流速度快是S交易颇受买卖双方青睐的优势，这使其成为存量基金退出途径的一个选择。同时，S基金也成为投资者主动性资产配置的重要方式之一。调研结果显示，为投资者提供流动性和延长管理人的管理有潜力的资产为受访者普遍认可的优势。S交易具有抗周期性、确定性和安全性的特点。我们观察到，买卖双方交易定价存在差异、买卖双方交易时间匹配问题和缺少成熟的撮合方是S交易市场中存在且被普遍认可的三个交易难点，本次调研也反映了这三个难点的具体体现的方面。针对S交易中的接续基金交易类型，为解决交易过程中的利益冲突问题卖方需向其有限合伙人咨询委员会（LPAC）披露交易过程中的具体信息，大部分或接近半数受访机构认为需向所在基金LPAC披露的最重要事项为“待转让项目估值的假设及模型”和“GP与接续基金LP之间的经济关系”。3中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇由于国内目前的S基金行业处于早期阶段，以GP主导的S基金较少。尽管S基金的GP评价标准和其他基金一样，但是由于S基金涵盖的行业更广，所以对人才专业性要求较高，国内从事专业管理的市场化S基金相对稀缺。本次调研关注了受访者在S交易中已参与的角色和考虑参与的交易类型。调研结果显示，在买方、卖方及买方和卖方各类参与角色中，国资机构占比均约为两成至三成。超过60%的受访者已经或希望作为卖方出售基金份额或资产，而作为买方的这一比例仅为10%。中国私募股权市场已经进入存量优化时期。本次调研还对买方的投资偏好进行了了解。对投资于私募股权基金感兴趣的受访者达到86%，高于对创业投资基金感兴趣的受访者比例。同时，超过八成的受访者对基金投资期结束后或延长期的基金份额或资产更感兴趣。S交易类型及参与者S交易的优势及难点中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇4内容摘要本次调研对S基金的管理费率及S交易中的费用承担予以关注。其中，S基金的管理费率可能会伴随生命周期的变化而调整，但大部分受访机构预期S基金管理费率区间为1%至2%之间。对于交易费用的承担，买方身份的受访机构和卖方身份的受访机构对尽调费用的承担方呈不同看法；对于其他交易费用，大部分买方及卖方的受访者均认为应由买卖双方共同承担。本次调研关注了S交易流程及中介机构的作用，超过九成的受访者认为，作为S交易的定价基础，估值尤为重要。底层资产估值是基金份额估值定价的核心，而基金份额的估值定价又是交易成功的关键环节之一。受访者普遍认为，聘请中介机构进行估值有利于“为交易定价提供依据”、“保证信息对等，增强买卖双方信心”、“使投资人对于资产未来收益作出合理预期”以及“估值结果更全面反映资产状况”。同时，40%及以上的受访者认为，聘请中介机构进行估值有利于“降低利益冲突”。S交易流程及中介机构的作用费用承担本次受访机构的基本情况如下：管理资产规模管理资产规模(AUM)：在管基金规模50亿元以上占样本数量70%，50亿元及以下占30%。根据中国证券投资基金业协会(AMAC)统计，截至2023年9月登记备案的私募股权基金总管理规模为14.34万亿元，本调研样本的管理资产规模约1.49万亿元。在管基金类别：在管基金类别：涵盖不同阶段的直投基金数量占样本总量82%。在管基金中包括S基金的受访机构有12家，占样本数量的13%。基金管理人：基金管理人：国资背景管理人占样本数量24%。根据新世纪评级以及投中网统计，2022年新募集大型基金的管理人多为国资背景，国资已成为我国基金管理行业中重要的角色。参与情况：参与情况：参与过S交易的受访机构数量为35家，占受访机构总数的38%；仅对S交易感兴趣但未参与过S基金交易的受访机构数量为58家，占受访机构总数的62%。样本简述注释：1.资料来源：2022年度中国私募股权投资行业信用回顾与展望2.资料来源：2022年中国创业投资及私募股权投资市场统计分析报告5中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇0-5支6支-10支11支-20支20支以上在管基金数393%参与过未参与是否参与过S基金交易628%管理资产规模30&%基金币种46D%0-50亿51-100亿101-300亿300亿以上人民币基金双币基金美元基金S基金纯母基金策略并购基金全投资阶段直投在管基金类别82%3%2%S交易参与角色及交易类型中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇6调研结果显示，参与或考虑参与S交易的93家受访机构中，作为卖方出售基金份额或资产的受访机构比例高于作为买方购买基金份额或资产的受访机构比例。在各类参与角色中，国资机构占比均约为两成至三成。自S交易在中国兴起以来，国内私募股权二级市场快速增长。但随着大量基金进入退出期，市场上的基金进入存量优化时期，退出压力逐渐显现。33!&gyt%以买方及卖方的身份参与以买方及卖方的身份参与/考虑参与考虑参与S交易的交易的27家受访机构中，国资及非国资占比为家受访机构中，国资及非国资占比为国资非国资以买方的身份参与以买方的身份参与/考虑参与考虑参与S交易的交易的9家受访机构中，国资及非国资占比为家受访机构中，国资及非国资占比为卖方卖方及买方买方61)%受访机构在S交易中的参与角色以卖方的身份参与以卖方的身份参与/考虑参与考虑参与S交易的交易的57家受访机构中，国资及非国资占比为家受访机构中，国资及非国资占比为S交易参与角色及国资参与情况7中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇5(1gR%国内目前的S交易尚未成为主流的退出方式，S交易市场仍处于早期阶段。本次调研中，实际参与或尚未参与过S交易的受访机构中，卖方的占比均更高，专业的买方相对较少。在庞大历史存量的基础上，市场对于S基金的接受度在逐步提高，交易手法的多样性和复杂性也在上升，交易规模进一步扩大。现阶段，国内S基金市场项目较为充足，不乏优质资产，但发掘真正的优质资产需要S基金机构具备较强的资产判断能力。随着市场参与方开始探索不同的交易模式，S交易频次日益增多，交易结构日益复杂，其参与主体也越来越系统化。参与过S交易的35家受访机构中，以何种身份参与：未参与过S交易的58家受访机构中，计划以何种身份参与：买方买方及卖方卖方中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇8S交易参与角色调研结果显示，在受访机构中，更多的买方表现出对私募股权投资基金更强的投资意向，达到买方总数的86%；对创业投资基金感兴趣的比例占买方总数的47%。按基金所处阶段来看，受访者对处于投资期结束后或延长期的基金投资意向更高，占比达80%；对处于投资期基金感兴趣的比例为51%。买方感兴趣的基金类型和基金所处阶段买方角度买方角度9中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇S交易的优势及难点中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇10S基金在中国兴起与发展的优势自2016年起，国内S交易的交易量和交易笔数开始出现明显的上升趋势。调研结果显示，超过半数的受访者认可S基金的兴起与发展的四个优势，“为老LP提供流动性”、“便于GP延长管理有潜力的资产”、”S基金资产情况更为透明，降低新LP投资风险”和“接纳新资金的进入”。S基金具有底层资产确定性高以及资金回流速度更快等特点，成为存量基金退出途径的另一个选择。同时，在宏观市场不确定性更强的大背景下，S基金也成为投资者主动性资产配置的重要组成。接纳新资金的进入为老LP提供流动性S基金资产情况更为透明，降低新LP投资风险便于GP延长管理有潜力的资产52b%注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。11中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇调研结果显示，受访机构最认可的是“相较于盲池基金，S基金底层资产确定性更高”这一特点，接近九成的受访者认为这是S基金吸引投资者的最主要原因。本调研从底层资产的发展空间、抗周期性作用、S基金底层资产确定性、S基金投资回收期折价购买资产获得的初始收益、管理人的历史业绩等维度进行分析，买卖双方对各选项的选择比例均不存在显著差异。相较于盲池基金，S基金投资回收期更短相较于盲池基金，S基金底层资产确定性更高具有抗周期性作用底层资产未来具有发展空间折价购买资产获得的初始收益管理人的历史业绩47%qi4%S交易为什么吸引投资者？中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇12注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。抗周期性抗周期性 指基金周期性特点不明显或没有周期性，即指与国内或国际经济波动相关性不强。S基金可以实现时间维度的多元化，即使投资于同一GP旗下基金，S基金也可以通过投资于GP在此前不同的经济周期阶段所募集管理的基金，来减少因投资时间和特定经济周期对投资表现的影响。S基金采用分散化策略配置资产，投资组合横跨数年，具有一定抗周期性。相较于盲池基金相较于盲池基金，S基金底层资产确定性更高基金底层资产确定性更高 盲池基金是指在募资时未确定底层资产的私募股权投资基金。与私募股权基金一级市场投资相比，买方购买的是已经持有确定底层资产的基金份额，其对应的投资组合较为清晰，更容易对投资组合现状和未来进行研判，从而合理定价。此外，S基金在参与投资时，被投子基金通常处于投资期尾声或已进入退出期，投资组合透明度更高，子基金整体的回报状况更加清晰，有效地降低了“盲池”风险。通过对拟投子基金或拟投项目开展充分尽调，S基金团队对子基金份额及底层资产可以通过适当的定价，提高资产预期回报。从实践经验可以看出，S基金有机会投到此前错失的独角兽企业，也是受益于底层资产透明化，使得投资的准确性大大提高。相较于盲池基金相较于盲池基金，S基金投资回收期更短基金投资回收期更短 在盲池基金中，直到基金退出或分配的阶段LP才能拿回投资成本和超额收益。相比而言，S基金从VC或PE基金的中后期开始投入，距离项目回收的时点相对更近，缩短了负业绩状态周期，整个S基金的现金回流较快，具有更短的回报周期。折价购买资产获得的初始收益折价购买资产获得的初始收益 通常在退出定价方面，S基金会获得退出时估值的一定程度上的折扣，在受让子基金或项目时，也会享受折扣优惠，折扣部分成为了S基金的一个收益来源。产生价格折扣主要由于卖方自身或市场流动性紧张。在私募股权基金二手份额交易中，卖方为加快基金份额流转速度，尽快实现退出，一般情况下会以较优惠的价格转让。在S基金入场之后，底层基金和资产继续增值，是S基金第二个且是最主要的收益来源。13中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇解读调研结果显示，“交易双方对底层资产未来发展预期差异较大”“交易双方信息不对称”以及“缺少成熟的交易方”是S交易的主要交易难点。定价是S交易买卖双方关注的重点。交易双方信息不对称、对底层资产未来发展预期较大会导致买卖双方对于资产的估值定价存在差异。买卖双方对于交易时间需求的匹配对S交易的促成也存在重要影响。买卖双方信息不对称及利益冲突，可能导致买卖双方错过交易的窗口期；政策和合规方面的限制，对于交易流程时间造成的影响也可能使得买卖双方无法达成一致。缺少成熟的交易撮合方会在一定程度上影响交易对手方的选取。调研发现，在所有受访的国资机构中，认为“政策或合规方面的限制”是交易难点的比例达50%，而在所有受访的市场化机构中，这一比例为37%。因此，在进行有国资基金参与的S交易时，需要加强对合规性的关注。S交易难点没有合适的交易对手方缺少成熟的交易方存在政策或合规方面的限制交易双方对底层资产未来发展预期差异较大存在利益冲突交易双方信息不对称40c3gU%中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇14国资非国资没有合适的交易对手方缺少成熟的交易方存在政策或合规方面的限制交易双方对底层资产未来发展预期差异较大存在利益冲突交易双方信息不对称36s#wPUAa7c7U%没有合适的交易对手方缺少成熟的交易方存在政策或合规方面的限制交易双方对底层资产未来发展预期差异较大存在利益冲突交易双方信息不对称注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。S交易流程及中介机构的作用15中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇S交易流程中最受关注的问题S交易流程交易流程寻找买方寻找买方 转让方可以自行寻找受让方，或者通过GP撮合、FA撮合、本基金其他LP介绍、熟人介绍等方式获取交易信息。或者通过场内交易对接资源。尽职调查尽职调查 S交易通常涉及受让方针对标的基金、标的基金已投资的底层资产、转让方开展的正向尽调，需要对尽调对象进行深度、全面的风险识别。同时，也伴随着对意向受让方的反向尽调，以确保意向受让方具有成为标的基金投资人的适当资质。估值定价估值定价 基于尽调获得的标的资产的相关法律、财务和商业情况，投资人将进行投资决策和定价。在完成估值评定后，交易进入报价环节，基于报价环节产生的交易价格，转让方还需根据基金的组织形式，按照公司法合伙企业法等法律法规以及基金合同约定，通知基金现有的其他投资人行使优先购买权，以确定最终受让方。S交易流程包括寻找买方、尽职调查、估值定价、交易谈判、交割与资金结算、工商与基金备案变更在S交易流程中，受访机构最为关注估值及条款设计的问题。超过九成九成的受访者认为，作为S交易的定价基础，估值流程尤为重要。48Dv%财务/法务尽调交割条款设计选择交易对手方中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇16估值定价S基金交易流程中最受关注的问题交易谈判交易谈判 经过交易条件和条款谈判后，交易双方需签署相应交易文件，主要涉及份额转让协议、基金合同以及附加协议（Side Letter）。交割与资金结算交割与资金结算 交易文件签署完成后，各方将根据交易协议的约定，核查交割先决条件并进行交割与资金结算。工商与基金备案变更工商与基金备案变更 交易交割完成后，还需办理工商变更登记手续并完成基金业协会的重大事项变更手续。在目前的政策体系下，有限合伙企业转让变更需要协调工商登记机关、基金业协会等多个部门。48Dv%财务/法务尽调交割条款设计估值定价选择交易对手方17中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。接续基金交易前需向基金投资人咨询委员会披露的内容注释：接续基金指新老基金由同一个GP或管理公司或关联方管理，新基金接续老基金没有退出的资产组合。由GP主导的接续基金交易中，由于老基金和接续基金是由同一个GP或其关联方管理，交易资产为老基金持有的部分或全部投资组合，因此不可避免存在利益冲突，需要GP秉承公平、公正、公开以及投资者利益优先的原则来主导交易。而解决利益冲突问题最有效的方式是及时、充分的信息披露。在基金接续重组交易中，GP需要在早期向LP披露拟交易的架构、拟交易的投资组合、交易的重大影响因素、LP利益重大影响因素、发起交易的动机等，以便LP有充分的时间考虑是卖出还是继续在接续基金层面投资，以及预期的权利义务条款。交易执行时，老基金和接续基金都要严格按照基金合同履行关联交易决策流程，并及时将关联交易事项通知全体投资人。在关联交易定价方面可考虑引入独立第三方估值机构，这既是对投资人负责，也是对GP自身的一种保护。针对S交易中的接续基金*交易类型，按照美元基金惯例，为解决交易过程中的利益冲突问题，一半的受访机构认为需向所在基金有限合伙人咨询委员会（LPAC）披露的最重要内容是“待转让项目估值的假设及模型”和“GP与接续基金LP之间的经济关系”。处置资产的商业理由原管理人在新基金中收取的绩效收益和管理费情况接续基金的关键管理人员GP与接续基金LP之间的经济关系收取的报价区间待转让项目估值的假设及模型进行S交易与直接出售资产的区别377X6F)6%中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇18注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。聘请中介机构进行估值的重要性无论是基金份额转让还是资产直接转让，底层资产估值是基金份额估值定价的核心，而基金份额的估值定价又是交易成功的关键环节之一。如果没有可靠的估值作支撑，基金的业绩评估、行业业绩基准就缺乏可靠性，基金份额二级市场和S基金则很难发展。因此，基金二手份额的估值定价是交易流程中的重中之重。当前，S交易市场参与主体主要包括完整的卖方、买方、交易平台、中介机构以及相关服务提供者。在涉及面复杂、专业门槛高的S基金二手份额交易中，第三方专业服务机构的参与不可或缺，这与S交易市场对于公信力的需求密切相关。第三方机构尤其是估值机构的参与，将在S交易过程中发挥越来越重要的作用。超过50%的受访机构认为，聘请中介机构进行估值有利于“为交易定价提供依据”“保证信息对等，增强买卖双方信心”“使投资人对于资产未来收益作出合理预期”以及“估值结果更全面反映资产状况”；40%及以上的受访者认为，聘请中介机构进行估值有利于“降低利益冲突”。保证信息对等保证信息对等，增强买卖双方信心增强买卖双方信心估值结果更全面反映资产状况估值结果更全面反映资产状况使投资人对于资产未来收益作出合理预期使投资人对于资产未来收益作出合理预期降低利益冲突降低利益冲突为交易定价提供依据为交易定价提供依据86iASU中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇注：受访机构可以按其实际情况进行多项选择，因此百分比加总不等于100%。费用承担中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇20S基金管理费率预期区间调研结果显示，大部分受访机构预期的S基金管理费率区间为1%至2%之间。S基金的管理费率并不是始终固定的，同一基金的管理费率可能会随着其生命周期的变化而调整。1%（含）1.5%（不含）1.5%（含）2%（不含）不方便透露1%（不含）以下21中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇S交易中各类费用的分摊 参与角色的角度调研显示，大部分买方身份的受访机构认为，S交易中的尽调费用应由买卖双方共同承担，占比为53%。然而，卖方身份的受访机构中，认为S交易中的尽调费用应由买方承担的比例占46%。买方身份36S%卖方身份46C%买方承担卖方承担买卖双方共同承担尽调费用尽调费用中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇2211%调研显示，大部分买方身份的受访机构和卖方身份的受访机构都认为，S交易中的财务顾问费用、估值费用、税务咨询费用以及法务费用应由买卖双方共同承担。财务顾问费用财务顾问费用 买方买方14S3%Spr!T%2D$#V!g%估值费用估值费用 买方买方税务咨询费用税务咨询费用 买方买方法务费用法务费用 买方买方财务顾问费用财务顾问费用 卖方卖方估值费用估值费用 卖方卖方税务咨询费用税务咨询费用 卖方卖方法务费用法务费用 卖方卖方买方承担买卖双方共同承担卖方承担23中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇S交易中各类费用的分摊 参与角色的角度中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇24课题组合伙人魏益佳 李丽娜高级经理于惠总监迟健经理李泽伦北京郭蕙心郭蕙心普华永道中国金融业合伙人 86(10)6533 李李丽娜丽娜普华永道中国金融业合伙人 86(10)6533 联系我们倪清倪清可持续发展市场主管合伙人 86(10)6533 魏益佳魏益佳普华永道中国金融业合伙人 86(10)6533 张勇张勇普华永道中国金融业合伙人 86(10)6533 迟健迟健普华永道中国金融业总监 86(10)6533 王茜王茜普华永道中国金融业合伙人 86(10)6533 马芳马芳普华永道中国金融业合伙人 86(10)6533 25中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇韩丹韩丹普华永道中国金融业合伙人 86(10)6533 魏佳亮魏佳亮普华永道中国金融业合伙人 86(21)2323 张炯张炯普华永道中国金融业合伙人 86(21)2323 单峰单峰普华永道中国金融业合伙人 86(21)2323 张武张武普华永道中国金融业合伙人 86(21)2323 朱宏宇朱宏宇普华永道中国金融业合伙人 86(21)2323 王娟王娟普华永道中国金融业合伙人 86(10)6533 朱寅婷朱寅婷普华永道中国金融业合伙人 86(21)2323 联系我们上海深圳中国私募股权基金调研报告2023 私募股权二级市场交易(S交易)篇26本文仅为提供一般性信息之目的，不应用于替代专业咨询者提供的咨询意见。2023 普华永道版权所有。普华永道系指普华永道在中国的成员机构、普华永道网络和/或其一家或多家成员机构。每家成员机构均为独立的法律实体。详情请见WWW.PWC.COM/STRUCTURE。

0人已浏览 2023-12-11 28页 5星级

中国私募股权基备案统计半年报睿兽分析投融资系列报告2023.H12023年上半年私募股权基及背后LP观察&综述中基协数据显示，2023年上半年国内股权投资市场新登记219家股权投资基管理，新增备案私募股权基3,988，已披露认缴规模总计14,272.92亿元币，单平均认缴规模3.67亿元币。基类型，创业投资基新增数量最多，共计2,405，占60.3%。基规模，新设私募股权基中，于（含）1亿元币的基数量最多，共计2,667，占68.5%。认缴规模TOP10的私募股权基共募集2,974.12亿元币，占总募集规模的20.8%，单笔最认缴规模为800.01亿元币。从新备案私募股权基所在地来看，排名前三地区分别为：浙江（773）、东（645）、东（583）。排名前三城市分别为：嘉兴（381）、岛（280）、深圳（240）。2023年上半年，共有2,380家国内机构有新备案私募股权基。从完成私募股权基备案数量来看，排名前五的机构为：新鼎资本（30）、建信投资（17）、中国中铁（15）、铭哲资产（14）、天勤君泽（14）。2023年上半年新备案私募股权基背后，机构LP参与数量虽仅占26.1%，但认缴出资总规模为9,449.28亿元币，占达91.9%，平均出资规模1.62亿元币，出资额远于个LP。机构LP中，企业投资者参与度最，共涉及1,742家（占36.7%）；政府投资平台最具出资实，总计认缴出资4,623.88亿元币，占达48.9%。2023年上半年，共计1,184家国资背景LP参与出资新备案私募股权基，数量占25%，涉及认缴出资总额6,367.03亿元币，额占67.4%；营背景LP共计3,561家，占75.1%，涉及认缴出资总额3,082.28亿元币，占32.6%。01睿兽分析半年报2023.H1睿兽分析私募股权基金备案统计半年报睿兽分析整理最新私募股权基金数据，并提供基金市场分析，帮助大家及时了解私募股权基金动向。注：中基协全称为中国证券投资基业协会，官：https:/ 2022年11 2022年122023年12023年2基数量()份数据来源：睿兽分析近年新备案私募股权基度势基类型私募股权基统计02睿兽分析半年报2023.H12023年上半年，浙江机构LP出次数最多，占14.3%；东机构LP认缴出资规模最，达到1,119.29亿元币，占11.9%。2023年上半年，有260家上市公司参与出资227新备案私募股权基，已披露认缴总额为431.3亿元币，认缴出资中位数值为4,000万币。注：本报告针对基类型的统计参考了【睿兽分析数据库】中基类型的分类并进了相应映射处理。每基的类型判断参考了基投向、管理偏好及公开新闻信息披露等相关因素，以符合市场研究视。从单基认缴规模来看，于（含）1亿元币的基数量最多，共计2,667，占68.5%；1-10亿元币（含10亿元币）的基数量次之，共计1,000，占25.7%；10-50亿元（含50亿元币）的基数量为192，占4.9%；于50亿元币的基数量最少，共计34，占0.9%。基规模睿兽分析半年报2023.H103基数量基规模数据来源：睿兽分析2023年上半年国内新备案私募股权基类型分布创业投资基股权投资基政府引导基早期投资基基础设施投资基并购基QFLP基房地产投资基S基FOF基300000200070003000400050006000295.18 1.13 30.00 1.32 12.83 3026.55 2449.25 301.84 5631.23 2523.58362282405从数量来看，新增备案私募股权基中，创业投资基数量最多，共计2,405，占60.3%；股权投资基次之，新备案1,318，占33.1%；其余类型基新增数量较少，合计265，占6.6%。从规模来看，股权投资基认缴规模合计5,631.23亿元币，占39.5%；FOF基认缴规模合计3,026.55亿元币，占21.2%；创业投资基认缴规模合计2,523.58亿元币，占17.7%。00于(含)1亿元1-10亿元(含10亿元)10-50亿元(含50亿元)于50亿元34基数量()基规模数据来源：睿兽分析2023年上半年备案私募股权基规模分布2023年上半年，募集规模TOP10基共认缴2,974.12亿元币，占总募集规模的20.8%，单笔最认缴募资额为800.01亿元币。基名称基成时间基备案时间基管理地区基规模(亿元币)2022/08/182023/04/20重庆渝富资本股权投资基管理有限公司重庆/渝北800.01重庆产业投资基合伙企业（有限合伙）九州启航（北京）股权投资基（有限合伙）2023/04/202023/04/25国寿富兰克林（深圳）私募股权投资基管理有限公司北京/城339.01南昌市现代产业引导基（有限合伙）2022/12/222023/03/01井冈新世纪私募基管理有限公司江/南昌200上海国有资本投资基有限公司2022/12/142023/03/22上海孚腾私募基管理有限公司上海/浦东新区185.1绍兴市产业股权投资基有限公司2022/03/042023/05/31深圳市投控资本有限公司浙江/绍兴150州创新投资基合伙企业（有限合伙）2023/02/132023/06/13州产投私募基管理有限公司东/州500沙市产业发展基有限公司2023/05/292023/06/28沙市财私募基管理有限公司湖南/沙300郑州航空港产业投资引导基（有限合伙）2023/03/242023/04/20河南翔私募基管理有限公司河南/郑州200业机产业投资基（有限合伙）2022/11/282023/02/16国器元私募基管理有限公司江苏/苏州150河南省中豫新能源汽产业基合伙企业（有限合伙）2022/12/302023/05/24河南省领诚基管理有限公司河南/郑州150数据来源：睿兽分析04 注：基募集规模暂以商披露的注册资本为准。睿兽分析半年报2023.H1052023年上半年，从私募股权基所处地区来看，浙江、东、东三地新备案私募股权基数量最多，其中浙江以773位居位，占19.9%；东排名第，共计645，占16.6%；第三名为东，共计583，占15%。地区分布从基规模来看，2023年上半年浙江、东、江苏、东、安徽五省新备案私募股权基认缴规模超千亿。其中浙江排名第，已披露认缴规模达1,638.45亿元币，占总募集规模的11.5%；东位列第，总计1,482.09亿元币，占10.4%；第三名为江苏，总计1,350.66亿元币，占9.5%。睿兽分析半年报2023.H1地区数据来源：睿兽分析基数量()00300900800600700浙江东东江苏江福建安徽天津海南湖北679005085836457732023年上半年备案私募股权基数量国内热地区分布额(亿元)0200400600800016001200东江苏浙江东安徽重庆北京江河南四川535.91 768.52 780.20 945.26 978.23 1157.81 1181.06 1350.66 1482.09 1638.45 地区数据来源：睿兽分析2023年上半年备案私募股权基规模国内热地区分布从基规模来看，受超额基影响，2023年上半年重庆、北京、州三城新备案私募股权基认缴规模最，位列全国吸地区前三甲。其中，重庆新备案私募股权基认缴规模最，为978.23亿元币，占总募集规模的6.9%；北京位列第，合计945.26亿元币，占总募集规模的6.6%；州排名第三，合计808.19亿元币，占总募集规模的5.7%。2023年上半年，从新备案私募股权基所处城市来看，嘉兴、岛、深圳三城新备案数量最多。其中，嘉兴是新备案数量最多的城市，共计381，占9.8%；岛排名第，为280，占7.2%；深圳以240位列第三，占6.2%。热城市排名06睿兽分析半年报2023.H00250300350400嘉兴岛深圳九江苏州杭州淄博厦天津珠海9940381基数量()地区数据来源：睿兽分析2023年上半年备案私募股权基数量国内热城市分布额(亿元)02004006008001000重庆北京州合肥天津上海嘉兴沙郑州苏州413.12 414.66 431.04 432.48 440.84 495.88 763.38 808.19 945.26 978.23 地区数据来源：睿兽分析2023年上半年备案私募股权基规模国内热城市分布睿兽分析数据显示，共有2,380家国内机构在2023年上半年有新备案私募股权基。其中完成备案3（含）以上私募股权基的机构有314家，占13.2%；完成备案2私募股权基的机构有394家，占16.6%；完成备案1私募股权基的机构有1,672家，占70.3%。从完成私募股权基备案数量来看，排名前五的机构为：新鼎资本（30）、建信投资（17）、中国中铁（15）、铭哲资产（14）、天勤君泽（14）。按出资基笔数统计，2023年上半年新备案私募股权基背后，个LP参与度为73.9%，机构LP参与占为26.1%。从出资额度分析，个LP认缴出资总规模为829.97亿元币，占8.1%，平均出资规模502.34万元币；机构LP认缴出资总规模为9,449.28亿元币，占91.9%，平均出资规模1.62亿元币。睿兽分析数据显示，2023年上半年新备案私募股权基背后涉及机构LP共4,745家。其中企业投资者参与度最，共涉及1,742家（占36.7%）；其次为VC/PE投资机构，共涉及1,323家（占27.9%）；排名第三为政府投资平台，共涉及861家（占18.1%）。注：1位LP出资1基算1笔。注：此处根据商数据穿透统计，部分个/机构LP暂未披露对基的具体出资额。机构分析LP类型分析07睿兽分析半年报2023.H12023年上半年完成新备案私募股权基的国内机构排名基数量()数据来源：睿兽分析303111111新鼎资本建信投资中国中铁天勤君泽铭哲资产中国铁建华建函数云晖资本亚商资本谢诺投资0963421从出资额来看，政府投资平台出资规模最，总计认缴出资4,623.88亿元币，占达48.9%；其次为企业投资者，认缴规模总计1,281.72亿元币，占为13.6%；排名第三为VC/PE投资机构，涉及认缴规模为1,020.03亿元币，占10.8%。08睿兽分析半年报2023.H1其他8,0.2%基会5,0.1%证券公司31,0.7%其他投资公司38,0.8%VC/PE投资机构1323,27.9%企业投资者1742,36.7%资产管理公司45,0.9%银/保险/信托81,1.7%基FOF133,2.8%政府引导基214,4.5%上市公司264,5.6%政府投资861,18.1%数量(个)2023年上半年新备案私募股权基背后机构LP类型分布（数量）数据来源：睿兽分析出资额(亿元)2023年上半年新备案私募股权基背后机构LP类型分布（出资额，亿币）数据来源：睿兽分析其他34.75,0.4w.13,0.8%证券公司资产管理公司106.34,1.1%政府投资4623.88,48.9%基FOF274.49,2.9%上市公司431.30,4.6%政府引导基789.66,8.4%银/保险/信托810.09,8.6%VC/PE投资机构1020.03,10.8%企业投资者1281.72,13.6%从平均出资规模度分析，银/保险/信托机构平均出资规模最，为9亿元币；其次为政府投资平台，平均出资规模为5.36亿元币；第三位为政府引导基，平均出资规模为2.71亿元币。机构LP中，2023年上半年共计1,184家国资背景LP参与出资新基，数量占25%，涉及认缴出资总额6,367.03亿元币，额占67.4%；营背景LP共计3,561家，占75.1%，涉及认缴出资总额3,082.28亿元币，占32.6%。09睿兽分析半年报2023.H1平均出资规模(亿元币)9.002.711.931.510.825.362.171.650.840.77LP类型银/保险/信托政府引导基上市公司证券公司企业投资者政府投资资产管理公司基FOFVC/PE投资机构其他数据来源：睿兽分析从资来源分析，2023年上半年涉及的机构LP重点集中在浙江、东、江苏等地区，其中浙江地区机构LP出次数最多，占14.3%；东地区机构LP认缴出资规模最，达到1,119.29亿元币，占11.9%。LP地区分析10睿兽分析半年报2023.H1浙江东江苏东上海北京安徽四川江福建0200060070080090033954736LP出频次(笔)地区数据来源：睿兽分析2023年上半年备案私募股权基背后机构LP热地区分布（按数量）额(亿币)040020060080010001200东北京重庆浙江上海安徽湖南东四川江398.75486.97487.93504.06595.26725.22844.12941.211084.211119.29地区数据来源：睿兽分析2023年上半年备案私募股权基背后机构LP热地区分布（按规模）从LP所处城市来看，2023年上半年涉及的机构LP重点集中在上海、北京、深圳等地，其中上海机构LP出次数最多，为472笔，占8%；北京机构LP认缴出资规模最，达到1,084.20亿元币，占11.5%。LP出频次(笔)地区数据来源：睿兽分析00500上海北京深圳杭州苏州合肥岛州宁波成都583954722023年上半年备案私募股权基背后机构LP热城市分布（按数量）11睿兽分析半年报2023.H1活跃机构LP上半年参投基数量平均认缴出资规模(亿元币)披露认缴出资总规模(亿元币)1953.495.35合肥市质量发展引导基安徽财10101.5020.30安市创新投资基911.541.65国成实业923.432.60天津海河产业基1580.105.34中启元国家新兴产业创业投资引导基95.000.56东省新旧动能转换引导基98.111.16 注：平均认缴出资规模=披露认缴出资总规模/披露出资的基数量活跃LP分析从出资基数量来看，2023年上半年出资超过（含）3基的机构LP有210家，占4.4%；出资2基的有454家，占9.6%；出资1基的有4,081家，占86%。2023年上半年最活跃的前三机构LP为合肥市质量发展引导基、天津海河产业基、安徽财，参投基数量超过（含）10。额(亿币)地区数据来源：睿兽分析020040060080010001200北京重庆州上海沙合肥成都天津南昌杭州236.17239.08269.33289.64393.69435.89720.04735.68941.211084.212023年上半年备案私募股权基背后机构LP热城市分布（按规模）12睿兽分析半年报2023.H1睿兽分析数据显示，2023年上半年共有260家上市公司参与出资227新备案私募股权基，已披露认缴总额为431.3亿元币，平均出资规模为1.93亿元币，中位数值为4,000万币。上市公司LP分析上市公司名称参与出资基数量基名称所属机构基暂时募集规模LP认缴出资规模认缴例蜂云资本天津蜂云玖号股权投资合伙企业（有限合伙）900万币1650万币54.5%发信德东莞发信德期科技创业投资合伙企业（有限合伙）3000万币3亿币10%星航资本东星奇股权投资合伙企业（有限合伙）1060万币3710.5万币28.6%3达瑞电浙投台州苗圃创业投资合伙企业（有限合伙）2000万币4亿币5%福翌投资嘉兴翌恺创业投资合伙企业（有限合伙）3100万币3200万币96.8%2海翔药业兰璞创投苏州璞泓创业投资合伙企业（有限合伙）-2230万币-兰璞创投苏州璞云创业投资合伙企业（有限合伙）-2.21亿币-兰璞创投苏州沃起创业投资合伙企业（有限合伙）7450万币7550万币98.6%3上峰泥 注：平均认缴出资规模=披露认缴出资总规模/披露出资的基数量活跃机构LP上半年参投基数量平均认缴出资规模(亿元币)披露认缴出资总规模(亿元币)南宁融集团85.302.65合肥创新投83.920.56江省现代产业引导基8131.5521.93中国信达849.186.15数据来源：睿兽分析13睿兽分析半年报2023.H1数据来源：睿兽分析海基投资北京顺义海启航股权投资合伙企业（有限合伙）4000万币1.15亿币34.8%盈富泰克盈富泰克（北京）科技创新股权投资基（有限合伙）5000万币4.3亿币11.6%2圣邦股份上市公司名称参与出资基数量基名称所属机构基暂时募集规模LP认缴出资规模认缴例万容基深圳市万容创业投资基合伙企业（有限合伙）2亿币5.02亿币39.8%上海半导体装备材料上海半导体装备材料期私募投资基合伙企业（有限合伙）6000万币15亿币4%2翱捷科技鼎资本岛睿私募股权投资基合伙企业（有限合伙）8000万币9100万币87.9%新流域投资南京新澜股权投资合伙企业（有限合伙）-2600万币-2澜德蓝资本安徽善泓创业投资合伙企业（有限合伙）1.15亿币4亿币28.8%爱意果园投资合肥中安庐阳创业投资期基合伙企业（有限合伙）4000万币1亿币40%2欧普康视鼎投资扬州启明股权投资合伙企业（有限合伙）4.9亿币5亿币99.9%鼎投资扬州启创股权投资合伙企业（有限合伙）19.9亿币20亿币99.9%2陕煤业晨晖资本晨晖滨海（天津）信息创业投资基合伙企业（有限合伙）1亿币2.58亿币38.8%清控银杏清控银杏光创业投资基（武汉）合伙企业（有限合伙）2000万币20亿币1.1%2数码视讯毅达资本淮安投毅达贰号创业投资合伙企业（有限合伙）-1.5亿币-华泰紫南京华泰斯瑞物医药创业投资合伙企业（有限合伙）-10亿币-2今世缘扫维码 下载睿兽分析 app扫维码 登录睿兽分析扫维码 联系我们关于睿兽分析睿兽分析是创业邦旗下横跨级市场的综合性创新数据平台，致于通过即时、有效、可触达的业数据，为企业、地政府、融机构、投资机构等经济主体，提供强有的创新驱动与投资决策依据。更多热投融资及业报告，欢迎关注睿兽分析!14睿兽分析半年报2023.H1

0人已浏览 2023-11-30 15页 5星级

 2023年四季度A股投资策略展望2023年10月非公开材料，仅供特定专业人士参考更多资料加入知识星球：水木调研纪要 关注公众号：水木调研 2非公开材料，仅供特定专业人士参考2 中外宏观美债期限利差修复.

0人已浏览 2023-11-13 40页 5星级

2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特.

52人已浏览 2023-08-16 40页 5星级

BlackRock InvestmentInstitute2023年下半年全球投资展望贝莱德智库文件仅供派发于合格境内机构投资者、专业投资者使用，不得公开派发（请参阅重要披露）新格局下的新机遇宏观暨全. 

66人已浏览 2023-08-12 16页 5星级

中国宏观金融NIFD季报主编:李扬殷剑峰张旸 王蒋姜2022 年 4 月股票市场NIFD季报主编:李扬尹中立2023 年 7 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、. 

26人已浏览 2023-07-19 12页 5星级

资本市场服务部，2023年6月中国内地及香港IPO市场2023年上半年回顾与前景展望2 2023。欲了解更多信息，请联系德勤中国2023年上半年全球宏观经济与地缘政治概况年上半年全球宏观经济与地缘政治.

45人已浏览 2023-06-24 65页 5星级

点击查看更多执中：2023中国私募股权二级市场白皮书（64页）.pdf精彩内容。

119人已浏览 2023-06-16 64页 5星级

 中国宏观金融NIFD季报主编:李扬殷剑峰张旸 王蒋姜2022 年 4 月股票市场NIFD季报主编:李扬尹中立2023 年 5 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、.

25人已浏览 2023-05-09 12页 5星级

韦莱韬悦A 股国有企业股权激励 15 年回顾与展望 1/17 守正出新守正出新，奋楫笃行奋楫笃行 A A 股股国有企业股权激励国有企业股权激励 1515 年回顾与展望年回顾与展望 （摘要版摘要版）韦莱.

30人已浏览 2023-05-08 17页 5星级

点击查看更多清科研究中心：2023中国股权投资发展历程研究报告（预览版）（66页）.pdf精彩内容。

223人已浏览 2023-04-22 66页 5星级

前瞻产业研究院出品2022年A股主要行业IPO市场回顾与2023年前景展望专题报告12目 录CONTENTSA股IPO整体市场回顾A股注册制改革发展3计算机、通信和其他电子设备制造业A股IPO市场分析.

36人已浏览 2023-04-20 59页 5星级

研 究 创 造Research creates value2023年中国股权投资机构ESG研究报告及榜单发布清科研究中心 2023.04观研天下_李米4144观研天下_李米4144观研天下_李米414.

138人已浏览 2023-04-12 12页 5星级

 2022 年无锡市 股权投资市场发展白皮书 清科研究中心 2023.02 189*7255189*7255189*7255189*7255189*7255189*7255189*7255189*725.

55人已浏览 2023-04-08 47页 5星级