銀行股基本面量化研究報告

余 靜

一、 引言

銀行業(yè)號稱百業(yè)之母，即它的興起與發(fā)展必將與一個國家的經(jīng)濟發(fā)展息息相關。 正是由于銀行業(yè)板塊收益的狀況對整個股票市場至關重要，對銀行股收益率的研究有著重要的理論價值與實際意義。

本次研究是通過對銀行業(yè)的收入端和支出端進行業(yè)績拆解分析，找到影響銀行業(yè)績的核心因子，建立選股模型，以不良率作為核心因子進行研究，得出在經(jīng)濟狀態(tài)變差的情況下，不良率低的投資組合的收益率高于不良率高的投資組合的收益率的結論，結合對不良率的預測，認為在接下來的一段時間里銀行的不良率大概率會呈現(xiàn)上升趨勢，目前正處在經(jīng)濟變差的狀態(tài)中，建議投資者配置不良率低的銀行股。

二、 實證研究

(一)樣本簡介

1. 數(shù)據(jù)來源

本次研究主要針對的是所有A 股上市銀行公司(共33家)，通過choice 金融終端獲取2010 ～2018 年的相關數(shù)據(jù)進行實證檢驗。

2. 樣本數(shù)據(jù)的處理

(1)雖然關于核心因子(凈息差、資產(chǎn)規(guī)模、資產(chǎn)減值損失)的相關數(shù)據(jù)均可從銀行財報中獲取，但考慮到銀行財報的滯后性，本次研究選取更高頻的經(jīng)濟指標(月度數(shù)據(jù))對這三個核心因子進行建模預測。

(2)由于本研究在對核心因子進行建模預測的時候選擇的是更高頻的月度數(shù)據(jù)，而行業(yè)凈息差數(shù)據(jù)為季度數(shù)據(jù)，政府目標CPI 為年度數(shù)據(jù)，十年國債到期收益率數(shù)據(jù)為日數(shù)據(jù)，因此，在進行相關分析時需要將月存貸利差數(shù)據(jù)、CPI 代理變量數(shù)據(jù)、債券收益率數(shù)據(jù)等均轉(zhuǎn)換成季度數(shù)據(jù)。

(3)由于利率市場化是央行一直在推進的政策，而這個政策會使得整個行業(yè)的息差中樞下移，因此，考慮將其作為控制變量加入模型中，在2015 年10 月24 日之后的樣本數(shù)據(jù)利息機制的返回值為1，其他為0。

(4)剔除不良率，月收益率數(shù)據(jù)中的缺失值。

(二) 研究步驟

1. 從收入端和支出端對業(yè)績進行拆解，確定影響銀行業(yè)績的核心業(yè)務

通過典型公司(工商銀行)為例，從收入端和支出端對業(yè)績進行拆解，分別計算收入和支出各部分絕對量占比以及收入、支出的各部分對收入、支出增長的貢獻率，從而確定影響銀行業(yè)績的核心業(yè)務。

2. 利用更加高頻的經(jīng)濟指標預測影響銀行業(yè)績的核心因子

(1)探討存貸業(yè)務與行業(yè)凈息差的關系

本研究將一年期的短期貸款利率－活期存款利率作為存貸利差的代理變量，即存貸利差＝短期貸款利率－活期存款利率。 然后利用可視化的操作查看行業(yè)凈息差與存貸利率之間的走勢關系。

(2)探討通脹與行業(yè)凈息差的關系

基于存貸利差這一變量的指導意義較弱，本研究主要從控制通脹的角度出發(fā)，構建實際CPI－政府目標CPI 作為新的代理變量，探討實際CPI－政府目標CPI 與行業(yè)凈息差的走勢關系，以及(當季、領先一季、領先兩季的)實際CPI－政府目標CPI 與行業(yè)凈息差之間的回歸分析。

(3)探討債券收益率與行業(yè)凈息差的關系

利用十年國債到期收益率作為債券收益率的代理變量，分別將債券收益率當季、債券收益率領先一季、債券收益率領先兩季、債券收益率領先三季、債券收益率領先四季、債券收益率領先五季數(shù)據(jù)與行業(yè)凈息差數(shù)據(jù)做回歸分析。

(4)將利率市場化政策作為一項政策變量，利用0，1 虛擬變量添加到整個模型中

(5)預測行業(yè)凈息差

本研究中利用通脹、債券收益率這兩大宏觀變量以及利率機制這一政策變量構建回歸預測行業(yè)凈息差。

(6)預測不良率

本研究中將新增人民幣貸款增速作為企業(yè)貸款增速的代理變量，工業(yè)企業(yè)利潤增速作為企業(yè)利潤增速的代理變量，通過比較企業(yè)貸款增速、企業(yè)利潤增速預測不良率。

(7)預測資產(chǎn)規(guī)模

本研究中使用兩個口徑(社會融資與金融機構)的新增人民幣貸款增速作為兩個代理變量，利用這兩個變量的原始數(shù)據(jù)分別求取社融新增人民幣貸款累計同比增速和金融新增人民幣貸款累計同比增速，將其與人民幣存款準備金率對比分析，預測銀行行業(yè)資產(chǎn)規(guī)模的變動。

(8)利用核心因子對銀行行業(yè)所有上市公司構建選股策略

本研究在構建選股策略時以其中一個核心因子不良率為例進行研究。 對于各期數(shù)據(jù)，將所有上市銀行的銀行股按不良率高低分成三組(p＝0，1，2，其中0，1，2 分別對應低、中、高不良率)。 分別計算個股的季度收益率數(shù)據(jù)、市場指數(shù)季度收益率數(shù)據(jù)和各個投資組合的等權收益率、年收益率。

利用企業(yè)利潤增速按年度區(qū)分經(jīng)濟狀態(tài)，在上述模型中加入經(jīng)濟狀態(tài)，探究不同經(jīng)濟狀態(tài)下的不良率與投資組合收益率的關系。

(三) 實證結果分析

1. 影響銀行收入和支出的核心業(yè)務分析

通過分析銀行行業(yè)各部分收入(支出)的絕對量占比以及銀行行業(yè)各部分收入(支出)對營業(yè)收入(支出)的貢獻可知，影響銀行行業(yè)收入(支出)的核心業(yè)務是:利息凈收入與資產(chǎn)減值損失。

2. 利用更加高頻的經(jīng)濟指標預測影響銀行業(yè)績的核心因子

(1)存貸利差與行業(yè)凈息差

由存貸利差與行業(yè)凈息差的相關系數(shù)(＞0.9)可知存貸利差與行業(yè)凈息差有很強的相關性。 觀察存貸利差與行業(yè)凈息差的走勢可知，在央行加息時，存貸利差上升，行業(yè)凈息差也呈上升趨勢，反之，存貸利差下降時，行業(yè)凈息差也呈下降趨勢。 但在2016 年以后存貸利差幾乎沒有變動，而行業(yè)凈息差卻是波動的，由此可知，雖然存貸利差和行業(yè)凈息差之間有很強的相關性，但其同步性卻在逐步減弱，因此，本研究考慮構建新的代理變量預測行業(yè)凈息差。

(2)通貨膨脹與行業(yè)凈息差

本研究將實際CPI－政府目標CPI 作為新的代理變量，探究通脹與行業(yè)凈息差的關系。 從走勢上看，行業(yè)凈息差與實際CPI－目標CPI 的走勢在整體上是趨同的，但是CPI 數(shù)據(jù)的變動領先于行業(yè)凈息差。 此外，將實際CPI－目標CPI(當季、領先一季、領先兩季)分別與行業(yè)凈息差做回歸分析，其中CPI 領先兩季數(shù)據(jù)和行業(yè)凈息差做回歸分析得到P值小于0.05，可通過顯著性檢驗。 由此可知，實際CPI－目標CPI 是可以作為影響銀行凈息差的領先指標，這一代理指標的領先期大致是兩個季度。

(3)債券收益率與行業(yè)凈息差

分別用當季的債券收益率和領先一至五季的債券收益率與行業(yè)凈息差做回歸分析，回歸結果中R2隨著債券收益率領先季度的增加不斷增大，表明此時模型的擬合優(yōu)度是不斷變好的，此外，回歸結果中所有的P值均小于0.05，可以通過顯著性檢驗，由此可知債券收益率這一代理變量是行業(yè)凈息差的顯著指標。

(4)行業(yè)凈息差預測

本研究中利用通脹、債券收益率這兩大宏觀變量以及利率機制這一政策變量構建回歸模型預測行業(yè)凈息差。 通過對比預測的行業(yè)凈息差與實際的行業(yè)凈息差可發(fā)現(xiàn)，預測的行業(yè)凈息差走勢與實際行業(yè)凈息差走勢趨同。

(5)不良率預測

本研究中主要通過企業(yè)利潤增速、企業(yè)貸款增速與歷史不良率數(shù)據(jù)的走勢來預測未來一段時間的銀行行業(yè)的不良率走勢。 從分析數(shù)據(jù)可以得到關于不良率走勢的大概結論:當企業(yè)利潤增速大于貸款增速時，銀行的不良率會降低，反之，銀行的不良率會增加。 并且通過結果分析可知，在接下來的一段時間內(nèi)企業(yè)的貸款增速是大于企業(yè)的利潤增速的，由此我們判斷在接下來的一段時間里銀行行業(yè)的不良率大概率會呈現(xiàn)出上升的趨勢。

(6)資產(chǎn)規(guī)模預測

本研究中，采用將社會融資口徑下的新增人民幣貸款增速和金融機構融資的新增人民幣貸款增速作為銀行行業(yè)資產(chǎn)規(guī)模的代理變量。 通過比較這兩個口徑下的新增人民幣貸款增速和人民幣存款準備金率的走勢來預測銀行行業(yè)資產(chǎn)規(guī)模的變動。

由分析可知，2012 ～2013 年、2015 ～2016 年、2018～2019 年分別是三個降準周期，在這三個降準周期里，新增人民幣貸款增速總體上均呈現(xiàn)上升的趨勢。 由此可知:銀行資產(chǎn)規(guī)模與貨幣的寬松或緊縮環(huán)境有關，當貨幣處于寬松環(huán)境中，比如，降準周期內(nèi)，新增人民幣貸款增速會上升。 根據(jù)當前數(shù)據(jù)來看，貨幣依然處在寬松環(huán)境中，因此，本研究預判未來一段時間里新增人民幣貸款增速仍然處于上升趨勢。

(7)選股策略分析

在本研究中將所有上市銀行股按不良率的高低分成三組，構建不同的投資組合，分別計算各投資組合的投資收益率。

通常情況下，我們認為不良率低的投資組合對應的收益率應該高于不良率高的投資組合的收益率。 但從分析結果中可以看出，不良率低的投資組合的收益率為142.399467，低于不良率高的投資組合的收益率(261.891237)。 由此，本研究認為在整個持有期間執(zhí)行以單純不良率高低為分組依據(jù)的投資策略并不理想。

基于上述分析，我們在投資組合收益率表中新添加一列“不良率低－不良率高”數(shù)據(jù)，在新的結果中“不良率低－不良率高” 為正數(shù)的年份只有2012 年(21.383951)、2014 年(7.498276)、2015 年(8.629802)、2018 年(3.240968)。 由此，我們試圖探究在這些年份中影響投資組合收益率變動的因素。 于是，在本研究中引入“經(jīng)濟狀態(tài)”這一變量。

通過分析不同的經(jīng)濟狀態(tài)下各投資組合的收益率的情況可知，在2012 年、2014 年、2015 年、2018 年這些年份中不良率低的投資組合的收益率大于不良率高的收益率。 此外，在低不良率的投資組合里收益率較高的年份中(2012、2014、2015、2018)經(jīng)濟狀態(tài)均是變差的，而在經(jīng)濟狀態(tài)變好的年份中(2013、2016、2017)，低不良率的投資組合的收益率均是小于高不良率的投資組合的收益率的(－12.73148、－80.164857、－5.142110)。 由此本研究認為不良率低的銀行股并不是總能跑贏不良率高的銀行股的。

三、 研究結果與預測

本研究選取了我國所有上市銀行銀行股2010 ～2018 年的數(shù)據(jù)，以不良率這一核心因子為例依照不良率高低構建了不同的選股策略，在研究中我們發(fā)現(xiàn)，在經(jīng)濟狀態(tài)變差的情況下，不良率低的投資組合的收益率要高于不良率高的投資組合的收益率，由此，本研究認為在經(jīng)濟變差的年份(如:2012、2014、2015、2018)，不良率低的銀行股表現(xiàn)更好。 結合前述關于不良率的預測可知，在接下來的一段時間里銀行行業(yè)的不良率大概率會呈現(xiàn)出上升的趨勢，目前處在經(jīng)濟變差的階段，因此建議投資者配置不良率低的銀行股。