银行股价波动归因分析 [page::3][page::4]

• 银行股价涨跌幅主要受估值（PE）变动驱动，与盈利水平（EPS）变动相关性低。

- PE波动与股价涨跌高度正相关，传统财务报表盈利分析难以捕捉超额收益。

银行基本面构成与分析框架 [page::5][page::6]

• 银行业绩主要分收入和支出

- 收入以利息净收入为主，由生息资产规模和净息差决定

• 支出中拨备（资产减值损失）是关键，受拨备覆盖率和不良贷款规模制约

银行业择时指标构建及逻辑 [page::7][page::8][page::9]

• 择时逻辑基于净利润同比变动速度（VNP）和GDP同比变动速度（VGDP）

- 通过比较两者变化比例判断银行行业景气度和相应配置建议

• 利润加速而GDP减速，建议低配；利润减速而GDP加速，建议超配

实证检验：A股与数据滞后调整 [page::9][page::10][page::11]

| 年度 | 净利润同比 | GDP同比 | 净利润同比变动速度 vs GDP同比变动速度 | 建议配置 | 超额收益 | 判断正误 |
|------|------------|---------|---------------------------------------|---------|---------|---------|
| 2010 | 减速 | 减速 | 净利润大幅减速，GDP小幅减速 | 超配 | -2.42% | × |
| 2011 | 加速 | 加速 | 净利润小幅加速，GDP大幅加速 | 超配 | 19.28% | √ |
| 2015 | 减速 | 减速 | 净利润小幅减速，GDP大幅减速 | 低配 | 2.78% | × |
| 2020 | 减速 | 减速 | 净利润小幅减速，GDP大幅减速 | 低配 | - | - |

• 使用Wind一致预期数据对净利润替代真实数据，胜率由70%降至60%

港股市场适用性验证 [page::11][page::12]

| 年度 | 净利润同比 | GDP同比 | 净利润同比变动速度 vs GDP同比变动速度 | 建议配置 | 超额收益 | 判断正误 |
|------|------------|---------|---------------------------------------|---------|---------|---------|
| 2011 | 加速 | 加速 | 净利润小幅加速，GDP大幅加速 | 超配 | 3.76% | √ |
| 2014 | 减速 | 减速 | 净利润小幅减速，GDP大幅减速 | 低配 | 12.41% | × |
| 2019 | 加速 | 减速 | - | 低配 | -7.42% | √ |

• 港股市场胜率达90%，指标捕捉银行基本面与宏观经济的前瞻信息

沪深300指数银行板块测算 [page::12][page::13]

• 银行约占沪深300指数26%市值，择时成效显著

- 胜率达到70%，能指导沪深300指数中银行板块配置

总结与风险提示 [page::13][page::14]

• 银行股价波动主要由估值驱动，基本面量化指标基于利润与GDP变动速度比率构建

- 指标在多市场均表现出较高预测准确率，对银行行业年度配置有较强参考价值

• 风险提示：市场环境变化、政策调整及结构变化可能导致模型失效

方正证券研究所《银行行业基本面量化框架》报告详尽分析

---

一、元数据与概览

• 报告标题：银行行业基本面量化框架

- 发布机构：方正证券研究所

• 发布日期：2020年5月20日

- 专题系列：基本面量化系列第1期，金融工程研究方向

• 核心研究团队：首席分析师杨仁文（执业证书编号S1220514060006），联系人邱捷铭

- 研究主题：聚焦银行行业股价波动成因的量化分析，尝试建立基于基本面的择时框架，对银行板块年度择时提供量化指导。

• 报告核心观点：

- 银行股价波动主要由估值（PE）驱动，而非盈利变动（EPS）。传统财报预测难以捕捉银行超额收益。
- 银行业绩的关键基本面变量为利息净收入和拨备（资产减值损失）。
- 结合宏观经济（GDP增长）与银行净利润同比增速，构建出反映银行景气度的择时指标。
- 实证显示该指标在A股、港股及沪深300成分股均表现良好，预测准确率70%-90%。
- 2020年因银行净利润小幅减速及GDP大幅放缓，报告持谨慎、低配银行板块的态度。

• 风险提示：模型基于历史数据，未来受市场结构、政策及经济变动影响可能失效。[page::0]

---

二、逐章深度解读

1. 银行股价主要由估值驱动（第3-4页）

• 关键论点：

- 股票价格表达式为：股价 = EPS × PE。
- 价格变化率可拆解为EPS变化率与PE变化率及其交叉项。
- 分析中信银行指数历史数据发现：股价涨跌与EPS变化无明显相关性，反而与PE变动高度正相关。

• 数据支撑：

- 图表1展示2005-2019年中信银行指数年价格涨跌幅与EPS变化幅度对比，发现二者差异显著且多有反向走势，验证了银行股价波动中盈利因素贡献有限。
- 图表2进一步展示PE变化与股价涨跌幅高度接近的正相关，强调估值水平对银行股影响主导。

• 推理与含义：

- 银行股价更多反映市场投资者对估值的预期调整，而非银行盈利本身的变化。这意味着单纯基于盈利预测难以有效捕捉银行股超额收益。
- 估值变动受多重因素影响，如市场情绪、政策预期、宏观经济预期等，难以定量精确预测。

• 结论：银行股价的核心驱动因子为估值水平，形成了对银行股“择时难”的认识基础。[page::3,4]

---

2. 银行业择时框架（第4-9页）

2.1 银行基本面分析（第4-7页）

• 收入与支出拆分：

- 收入主要由利息净收入（利息收入-利息支出）、手续费及佣金净收入、其他收入构成。
- 支出包含管理费用、拨备（资产减值）、税金及其他。拨备为主要变量。

• 收入结构详情：

- 图表3显示银行业绩的收入与支出结构分支图。
- 图表4统计了2003-2019年上市银行收入构成，利息净收入占比最高，常超过70%。

• 利息净收入构成及逻辑：

- 由生息资产规模与净息差决定。生息资产有客户贷款、债券投资、存放央行及同业资产；计息负债包括客户存款、发行债务、央行借款和同业负债。
- 图表5详细展示利息净收入的构成架构及对应收益率/付息率。
- 净息差定义为生息资产收益率减去计息负债成本率的差值，体现银行资金赚取利差的核心能力。

• 支出中的拨备详解：

- 拨备覆盖率监管要求不低于150%，但经济下行时监管可能调整。
- 不良贷款分类为五级，从正常到损失贷款，后3级纳入不良贷款范围。
- 拨备的大小依赖于不良贷款规模和拨备覆盖率。

• 总结：银行业绩的核心驱动力量为“价”（净息差）、“量”（生息资产规模）和“质”（资产质量即拨备和不良贷款），三者相互联系，共同影响银行基本面表现。[page::4-7]

2.2 择时指标构建（第7-9页）

• 核心洞见：

- “价”、“量”、“质”总体受宏观经济驱动，且三者互相关联。
- 宏观经济过热时期货币紧缩，银行净息差提升但贷款增速放缓、拨备压力集中。宽松则相反。
- 实证发现GDP同比增速与银行指数超额收益相关性不足（图表6），GDP同比变动“速度”与银行超额涨跌幅也无显著关系（图表7）。

• 指标设计：

- 结合银行净利润同比变动速度（净利润同比增速的加速或减速）与GDP同比变动速度来衡量银行景气度。
- 基本逻辑为：
- 当银行净利润增速加快且GDP增速减缓，表明银行业绩强于实体，贷款需求及资产质量可能受压，风险偏高，建议低配银行。
- 反之，当银行净利润增速减缓而GDP增速加快，银行让利实体经济，未来业绩有望提升，建议超配银行。
- 两者同步增减时，比较二者相对强弱决定配置，详细通过阈值（14倍）区分大小幅波动比率。

• 图解流程：图表8用流程图表示判断逻辑，清晰体现各种净利润及GDP变化组合下的配置建议。

- 理论合理性：该指标内涵了银行盈利与宏观经济的协同性，兼具对行业“价、量、质”的间接反映，是较为综合的择时工具。[page::7-9]

---

3. 实证研究（第9-14页）

3.1 不考虑数据滞后性（第9-10页）

• 方法说明：

- 以申万银行指数与沪深300指数计算超额收益率。
- 假设每年12月31日可已知当年银行净利润和GDP数据，次年进行配置调整。

• 结果与表现：

- 2010-2019年共10次判断，7次正确，胜率70%。
- 2020年由于银行利润和GDP均放缓，给出低配信号。

• 判断误差分析：

- 个别年份误判源于经济环境复杂，例如2011年信号错误，但整体指标有效。

• 图表10为该回测的具体年度数据总结展示（以表格形式，不直接为图像）。[page::9-10]

3.2 使用实际可得数据（第10-11页）

• 研究改进：

- 改用Wind一致预期净利润数据替代真实净利润，实际信号发布时间为1月20日后，确保GDP数据及时准确。
- 净利润同比计算中今年用一致预期，去年用真实净利润，确保连续性。

• 发现及效果：

- 一致预期净利润与实际净利润高度吻合（图表10），保证信号有效性。
- 此方法胜率稍降至60%，但实际应用价值更高。

• 信号与收益基本一致，与上一方法的区别主要在于时间窗口不同。图表11详细展示了各年份信号与超额收益，明显指出2020年低配信号。[page::10-11]

3.3 港股市场的适用性（第11-13页）

• 背景：很多A股银行在港股设有H股，基本面一致。

- 数据与方法：
- 选取2011年前上市的8只中资银行港股，沪深300指数对比换成恒生指数。
- 用Wind一致预期净利润，1月20日发出信号。

• 回测结果：

- 2010-2019年，10次信号9次正确，胜率达90%，优于A股市场表现。
- 2020年因净利润和GDP均减速，建议低配。

• 结论：该指标在港股市场的推广具有良好适用性和准确度。图表12汇总阶段性信号与结果。[page::11-13]

3.4 沪深300成分股内测算（第12-14页）

• 背景：银行板块占沪深300市值约26%，对指数表现影响大。

- 数据说明：
- 选取沪深300成分股中的银行板块，测算超额收益率。
- 用一致预期净利润，按同样信号时间设计。

• 结果展示：

- 胜率与A股整体类似，约70%。
- 2020年依然建议低配银行板块。

• 图表13为沪深300行业分布饼图，图表14为银行板块择时历史表现表格。[page::12-14]

---

4. 总结（第13-14页）

• 银行股价主要由估值变动驱动，传统盈利分析难以捕获超额收益。

- 银行业绩的关键基本面由利息净收入和拨备构成，分别由“价”“量”“质”决定。

• 结合净利润增速与GDP增速的相对变动，构建了有效的银行行业择时指标。

- 实证涵盖A股、港股及沪深300成分银行，胜率普遍在60%-90%，预测准确，具有较强的配置价值。

• 2020年整体对银行板块持谨慎偏空观点。

- 此指标前瞻完整捕捉银行基本面与宏观经济联动信息，成为定量择时重要工具。[page::13-14]

---

5. 风险提示（第14页）

• 本报告基于历史数据回测，不能构成投资建议。

- 投资者结构、政策环境及经济基本面的变化可能导致模型失效。

• 需投资谨慎把握，避免盲目依赖。 [page::14]

---

三、图表深度解读

• 图表1（第3页）：

- 展示中信银行指数年价格涨跌幅（蓝线）与EPS变化幅度（橙线）对比。
- 多数年份股价与EPS变动不匹配，存在明显背离，印证股价非盈利驱动。

• 图表2（第4页）：

- 展示同一指数价格涨跌幅与PE变动幅度。
- 两线高度吻合，支持估值对银行股价的决定性作用。

• 图表3 & 4（第5页）：

- 结构拆分银行收入与支出，收入利息净收入占比显著。图4呈现收入构成时间序列，反映利息收入占比长期居高。

• 图表5（第6页）：

- 描绘利息净收入的构成链条，如客户贷款及其收益率、存款利息成本等，系统梳理银行核心盈利模式。

• 图表6 & 7（第7-8页）：

- 分析GDP同比增长及同比变动速度与银行指数超额涨跌幅关系，两图均未显示显著的相关性，说明需要更复杂指标组合。

• 图表8（第9页）：

- 以流程图展现净利润同比增速与GDP同比变动速度的组合信号及其对应配置建议，清晰逻辑便于理解执行。

• 图表9-14（第10-14页）：

- 展示不同市场及指数层面的实证成果表格和图表，分别对应不考虑滞后、考虑数据滞后、港股市场及沪深300成分股。均支持该指标适用性和有效性。
- 其中图表10对比一致预期净利润与真实净利润，显示数据高度一致。
- 图表13呈现沪深300行业市值占比，突出银行板块重要地位。

整体来看，所有图表系统支撑文中逻辑，数据来源权威（Wind资讯），方法科学严谨。

---

四、估值分析（报告中未直接涉及详细估值方法）

本报告并未采用或重点讨论传统估值模型（如DCF、市盈率倍数法等）进行目标价或公司估值。相反，它重点强调银行股价由PE波动驱动。因此，估值部分主要是在实证层面识别估值（PE）变化对股价的主导作用，而不是给出估值的具体计算模型或预测区间。报告核心更在于量化择时框架，而非个股定价模型。

---

五、风险因素评估

• 模型基础数据有限：指标基于历史净利润和GDP数据的统计关联，未涵盖所有影响银行股价的宏观和微观因素。

- 宏观与政策变动风险：如货币政策、监管规则、信贷政策调整均可能削弱模型有效性。

• 市场结构演变风险：市场投资者构成和行为变化可能导致估值变动机制变化。

- 预测误差风险：模型存在误判年份，投资需辅以其他风险控制和策略验证。

• 报告无投资建议功能：声明强调不构成投资建议，投资风险需谨慎自负。[page::0,14]

---

六、批判性视角与细微差别

• 报告强调估值对股价的决定性，但未深刻分析估值变动本身的驱动因素，留有空白。

- 净利润同比增速与GDP变动速度虽然构成主要择时指标，但考虑到银行盈利受多重微观因素影响，独立于宏观经济的事件可能导致模型失效。

• 模型对数据及时性要求较高，虽然尝试用一致预期数据降低滞后性，但仍可能无法完全捕捉快速变化的市场情绪与政策冲击。

- 实证回测胜率虽高但非百分百，部分年份存在明显误判，尤其在经济波动剧烈时。

• 报告整体较为稳健，但对市场情绪、流动性等金融市场核心因素讨论较少。

- 估值“是艺术”的论断虽提出，实际模型侧重量化因子，结合二者的桥接欠缺。

• 基于历史数据的经验规则，未来环境变迁可能带来结构性失效风险。

- 报告内个别数学公式表达混乱，推导及记号细节可优化。

• 在港股胜率高于A股的结论提示市场一致性良好，但未深入剖析背后制度差异或市场特性的影响。

- 风险提示部分简洁，但缺少详细缓释措施。

总体上，报告观点明确、逻辑清晰，但应注意模型适用边界与经济周期非线性冲击的潜在影响。[page::3-14]

---

七、结论性综合

方正证券研究所2020年5月发布的《银行行业基本面量化框架》报告，从理论推导到大量实证数据分析，系统揭示了银行股价波动主要由估值PE变化驱动，盈利EPS对股价影响有限，传统通过盈利预测择时难以奏效的核心事实。基于对银行基本面“价”、“量”、“质”三要素的深刻拆解，特别强调利息净收入和拨备的重要性，报告创新性地结合银行净利润同比变动速度与GDP同比变动速度的相对关系，设计出一套简洁有效的年度银行行业择时指标。

实证研究覆盖A股银行指数、港股中资银行及沪深300指数中的银行成分股，从不考虑数据滞后到引入Wind一致预期数据修正，均表现出较高胜率（60%-90%），显示出指标出色的预测准确性和稳健性。报告通过大量图表数据直观呈现了净利润和GDP变化与银行股超额收益的关系，辅以清晰的逻辑流程图解说明指标判断机制。

该择时框架为投资者理解银行板块表现提供了一种新的量化视角，具备实际应用潜力，尤其在宏观经济与银行业绩联动性较高的背景下表现更佳。报告也指出2020年银行净利润减速且GDP显著放缓，建议低配银行板块，态度谨慎。

尽管如此，报告也明确风险因素，强调基于历史数据构建模型存在局限，政策、市场结构及经济基本面变化可能影响其未来有效性。报告未进行传统公司估值预测，聚焦于基本面量化择时，视角独特。

总体而言，此报告为银行行业投资管理提供了一个基于基本面与宏观经济相互作用而设计的科学择时框架，兼具理论创新与实操价值。投资者可以将此指标作为年度配置银行板块的重要参考工具之一，但应结合其他多维度因素谨慎决策。

---

附录：主要图表示例展示

---

文献来源：方正证券研究所2020年5月发布，方正证券研究团队撰写，基于Wind资讯数据和公允公开资料整理分析，附带严格的风险披露和免责声明。
[page::0-15]

报告