2023年金融地产板块融券配对交易逻辑和策略分析 两融市场和金融地产板块概况

一、两融市场和金融地产板块概况

两融市场稳定发展，行业集中特征显著

在资本市场改革稳步推进的背景下，两融市场持续稳定健康发展，特别是自 2020 年开始 融券市场规模呈现快速增长，或归因于 2019 年 8 月监管再度对两融标的进行了大幅度扩容， 并持续下调转融资费率。现阶段沪深两市融资融券余额维持在日均 1.5 万亿元左右的水平， 2022 年 10 月，沪深交易所对两融标的进行了第七次扩容，同时转融资费率进一步下调。伴随 着两融市场的发展，两融覆盖的股票标的占比已经较高，未来融资融券利率还有继续下降的空 间，使得融券配对交易的可行性进一步提升。

两融市场的规模集中在特定几个行业，主要是以电子、电力设备为代表制造业，医药生物、 食品饮料为代表的消费行业和非银金融、银行为代表的大金融行业。但同时，大金融行业的转 融券余额并未处于较高的水平。

金融地产股票两融余额高，融券成本低且稳定

截至 2023 年 1 月 6 日，金融地产板块股票总市值约 16 万亿元。金融地产行业股票具有 标的覆盖面全和融资融券余额高的优势。大板块的子行业中，证券、股份制银行、国有大型银 行、保险等行业接近全部的股票均已是融资融券标的，考虑到保险板块标的数量较少，多元金 融及房地产服务板块市值规模和两融覆盖比例相对较低，我们重点关注其他细分行业的两融 相关交易策略。

金融地产板块的融券余额自 2021 年以来出现了比较明显的下降，我们认为市场对板块的 交易情绪有所下降并且打新需求减少，融券需求也相应减少。同时，由于需求稳定且交易活跃 度相对较低，金融地产板块转融券平均利率在低位维持稳定，融券成本波动较小。持仓相对稳定的指数基金如 ETF 基金，是重要的转融券来源。截至 2022Q3 数据，主流 指数 ETF 的转融券规模达到数十亿至百亿以上的规模，而在主流指数中，金融地产板块股票 占有相当一部分比例。因此，现阶段金融地产板块的股票处于券源充足的状 态，但实际融券余额由于交易需求的减少并不高，这也是现阶段金融地产板块融券成本维持在低位的主要原因。

二、金融地产行业投资逻辑

板块股价与净利润紧密相关，分析框架以此为核心

尽管银行、券商、地产的商业模式各不相同，但有共同特征是行业都经历了长时间的发展， 处于成熟期，基本面的变化相对缓慢，资本市场倾向于给业内上市公司一个比较稳定的 PE 估 值中枢，因此行业的股价指数与净利润呈现较为显著的相关性。银行指数和证券指数的走势，基本与行业的单季净利润紧密挂钩。商业银行 的资产规模伴随我国宏观经济稳步扩张，因此净利润的增长趋势也比较稳健，将持续性的高分 红考虑在内，行业指数在中长期实现了可观的复合收益；而证券行业的净利润则受到资本市场 行情影响，年度之间有显著变化，证券指数也随之波动，同时指数本身走势也受到市场行情的 影响，因此波动性较大。

地产指数与行业净利润之间的联系相对不如银行和券商那样紧密，特别是 2016 年至 2019 年，行业净利润持续上行，但指数不升反降。这主要是 2016 年楼市持续高热，政策以“930 新政”开始进入了新一轮以“房住不炒”为总基调的调控，尽管后续国内房价继续上涨，行业 “高杠杆、高周转”的商业模式没有根本扭转，净利润也延续了上涨动能，但是市场对于行业 的前景转向悲观，本质上也是提前反映未来净利润的下行，因此分析行业未来净利润的趋势， 对于股价的走向仍然有重要的提示价值。

综上，对股价指数的趋势判断，可以净利润为核心，根据行业商业模式来拆分盈利模型并 讨论各个模型因子的具体情况。从利润表出发，银行的净利润主要体现为利息净收入和非息收 入之和减去运营成本和信用减值损失；券商的净利润主要体现为手续费及佣金净收入、利息净 收入、投资收入之和减去业务管理费；地产公司的净利润主要体现为地产销售面积、销售单价 和销售净利率之积。下文会围绕以上各个要素进行更详细的介绍。

银行板块净利润模型分析

商业银行作为满足企业、家庭、政府机构等国民经济组成部分的储蓄需求和债权融资需求的主要渠道，业务的核心在于“吸收存款、发放贷款”（客户存款占商业银行资金来源的76%， 贷款则占商业银行资产投放的74%）。因此，对于银行净利润影响较大的部分，来自于利息 净收入的高低。除此之外，银行贷款的下游对应着各行各业的生产经营和居民的生活消费，再叠加银行内在的高杠杆经营属性，因此宏观经济状况对于银行的业绩会产生重大影响，如果下游某些行业出现风险（例如房地产）将使得银行的资产质量和股价走势出现显著波动。

从预测商业银行净利润边际变化趋势的角度（而非预测净利润的绝对值）出发，我们的框 架存在简化空间。目前我国商业银行的营收中，利息净收入长期以来仍占据营收的大头，同时 从相关性的角度看，利息净收入与净利润二者的相关系数接近 1。在收入端，我们主要考察利 息净收入即可对营收的变化趋势形成有效判断，非息收入由于项目和影响因素较多，不将其纳 入分析框架一方面可以简化模型，另一方面也可以避免分析误差过大而造成干扰.

另外，整体来看商业银行的成本收入比相对稳定，常年在 28%-30%之间波动， 季度间的边际变化对净利润的影响较小，因此也可以不考虑成本端的影响。综上，我们未将非 息收入和成本收入比纳入分析，主要聚焦于“利息净收入”和“信用减值损失”两个要素。

利息净收入为生息资产平均余额与净息差的乘积。在我国经济增速中枢下移、利率市场化改革等宏观变量的影响下，净息差呈现逐步收窄的趋势，资产扩张速度 逐步放缓。银行间净息差存在差别，如股份行和农商行倾向于投放利率更高的信用卡贷款、小 微企业贷款、消费贷款等资产，因此净息差水平相对国有行和城商行来说表现更好；而从资产 扩张的角度来看，近年来随着我国经济进入高质量发展的新常态，货币供应量增速趋于稳定， 各类银行的资产投放节奏逐步趋同。因此，我们在后续的股票筛选中，将着重评估银行的净息 差表现，这一指标能够反映各个银行商业模式的差异，并最终体现为利润的差异。

资产质量对应的信用减值损失是影响银行净利润另一大因素。银行基于 ECL 模型为自身 不良资产计提减值准备，因此信用减值损失的高低取决于银行的资产质量以及存量减值准备 的风险抵补能力，以上两者可分别用不良率和拨备覆盖率衡量。近年来城商行和农商行的不良 率和拨备覆盖率表现均好于国有行及股份行，这主要是由于过去动态清零和地产风险暴露导 致信用卡贷款和房地产对公贷款占比比较高的国有行、股份行资产质量下行压力较大，也使其 净利润增速受到不利影响。

券商板块净利润模型分析

证券公司通过权益和信用的方式促进资金的融通，同时为证券交易提供中介服务。主要满 足个人、企业及其他金融机构的交易需求、财富管理需求、融资需求和投资需求，并根据满足 不同需求的业务来划分类型，包括经纪业务、资管业务、投行业务、信用业务、自营业务等。 其中，经纪业务和资管业务需要券商自身投入的资本金较少，主要盈利模式是根据业务规 模收取手续费，因此是轻资本型业务；投行业务、信用业务和自营业务则需要投入较多资金， 券商需要承担持有权益类资产或者债权类资产带来的风险敞口，业绩除了受风险资产规模的 影响外，也受到资产收益率的影响而波动较大，因此是重资本型业务。

经纪业务和投资业务是券商最主要的两大收入来源，但投资业务占比随市场行情波动而 有比较明显的波动，而信用业务和资管业务的占比则逐步提高。从 2022 年的业务收入来看， Q1-3 经纪、投行、资管、信用、投资业务同比增速分别为-16.5%/+4.8%/-4.0%/-5.9%/-51.1% 投资净收入下滑对券商业绩拖累较多。投行成为前三季度行业唯一正增长的业务板块，主要受 益于以注册制为核心的资本市场改革持续推进。我们选取投行业务占比来评价券商的业绩增长潜力，因为在当前阶段注重投行发展的券 商，将在项目储备、人才团队、资金实力、客户质量、业务牌照等方面具备竞争优势，该业务 具有强者恒强的特征，后续有望随着资本市场持续扩张而受益。同时，以投行业务为抓手，券 商可以更有效地带动其他业务的协同发展。

中长期看，部分证券公司的问题在于侧重重资本业务发展，但是风险控制能力较弱，从而 不利于其股价表现。2014 年之后，经纪业务佣金率逐步下降，而从毛利水平来看，由高到低 的业务类型分别为投资业务＞资管业务>投行业务>经纪业务。由于重资本业务利润率普遍较 高，近年部分券商主动转型，增加了信用、投资等业务，并进行了较大规模的再融资。伴随重 资本业务占比提升，对券商的风险管理能力提出了更高的要求，我们在评估其基本面的过程中 也引入了相应的指标。

另一方面，资管和代销等财富管理类业务具有毛利率较高、资本占用少的优势。更加注重 财富管理战略转型的券商，其经营战略可能体现在资管业务规模增速较快、参控股公募基金且 利润贡献较多，以下选择了部分信息披露较齐全、业务规模较大的上市券商标的进行示意。参控股公募基金对于不同券商的利润贡献有明显差异，2021 年长城证券和第一 创业旗下公募基金对其利润贡献超过 40%，会对公司整体的业绩产生重大的影响；同时，不 同公募基金之间的体量也有很大区别，而且呈向头部集中的趋势，净利润超过 20 亿的公募基 金包括易方达、汇添富、广发基金、富国基金等，2021 年业绩平均增速 46%，高于上表全部 基金的平均表现。

地产板块净利润模型分析

从长期看，房地产企业净利润与地产行业的销售活动、开发活动、投资活动等均有关联， 但是从数据相关性以及商业逻辑的角度来看，地产销售活动的景气度对地产公司利润和指数 走势的决定作用更强。考虑到数据可得性的问题，我们选取了合同负债、预收账款余额的增长 情况作为房企销售的代理指标，选取存货的同比增速来评估房企投资及开发的意愿。

在当前阶段，除了上述常规的商业活动指标外，还存在企业融资能力与生存发展的需求之 间不匹配的短期矛盾，矛盾的尖锐程度受房企的股东性质影响较大，我们将信息披露齐全、业 务模式典型的房企作为样本，以股东性质为标准分类为“央企”、“地方国企”、“公众企业”、 “民企”四类，从销售端和拿地端两个方面观察各类房企表现。自本轮地产调控导致行业风险 集中暴露以来，央企和地方国企在销售及拿地方面的表现明显优于公众企业和民营企业，因此 当前阶段评估房企的基本面，我们引入了公司性质作为考察标准。

三、配对交易方法论金融地产板块的基本面特征

1、行业的重要性或业务的可持续性强

金融行业是现代经济的核心，广泛地影响我国经济社会生活的各个方面；而房地产行业目 前仍是我国的支柱产业，外溢性较强，具有系统重要性。因此虽然当前看来，金融地产板块没 有明显的股价上涨空间，但也未处在基本面持续恶化甚至业务不可持续的局面中，在可预见的 未来应该是趋于稳中有进的状态。

2、商业模式的稳定性强

金融地产板块虽不断有业务上的创新出现，但短期内看不到技术上的革命性突破，商业模 式大概率不会根本性改变。因此，可以假设未来不会出现类似于科技、互联网等行业出现过的 快速且大幅度的产品或商业模式迭代。

3、同行业公司之间既存在相似性也存在差异性

金融地产板块内同一细分板块的公司会受到宏观、行业等层面因素的相似影响并导致股 价的β波动，这是配对交易的基础，如果行业中不同公司之间业务相关性太弱，则可能导致股 价走势相差较大，难以作为配对交易的标的。另一方面，由于不同公司拥有不同的资源禀赋并 会采取不同的经营战略，因此业绩表现上会存在很大差异。如净息差水平较高、房地产和信用 卡不良资产占比较少的银行，利润的稳定性会明显好于可比公司；或者证券公司的业务呈现多 元化，致力于往轻资产财富管理业务转型的券商或者提供综合性机构服务的券商，收入的稳定 性和估值水平将会明显好于依赖重资产业务扩张的券商。

基于以上特征及本文第二部分介绍的金融地产行业当前阶段的分析框架，我们提出基于 金融地产板块股票的配对交易（Pairs Trading）策略：引入层次聚类的方法，对金融地产行业 的股票进行聚类分析，选择聚类分析产生的组别结果进行两两股票的匹配，将 1）评估后认为 经营和业务优势较明显的股票做多、基本面相对较差的股票做空，获取基本面套利收益；2） 基于量化指标判断的后续具备更强上涨动能的股票做多、上涨动能相对较弱的股票做空，获取 量化套利收益。

配对交易的方法论介绍

配对交易降低了市场风险的暴露，并且可以在策略不包含行业β的情况下实现盈利。在投 资实践中，投资者通常不止建立仅包含两个股票的单一配对，而是通过数个配对来构建出一个 多样化的多空组合。He 等（2021）在非监督学习（Unsupervised Learning）下的配对交易策 略中，基于 48 个动量指标、78 个公司特征指标并分别运用 k 均值聚类（k-means Clustering）、 密度聚类（DBSACN）、层次聚类（Agglomerative Clustering）对美国股票市场上的标的建立 月度调仓的配对交易组合，根据不同股票前一个月的动量指标选取高估和低估的标的分别做 空和做多。在 1979 年 12 月-2020 年 11 月的时间段内进行回测，通过层次聚类方法进行配对 交易取得了最佳的 24.8%年化收益（夏普比例 2.69，最大回撤 12.3%）。我们的配对交易参考类似方法并予以调整，具体步骤如下：

1、特征选取，在标的范围上，我们选取了 A 股申万一级银行、申万二级证券、保险和申万二级房地产 开发所包含的股票。特征的选取上则包含两个部分，第一部分是 19 个公司特征指标，He 等 （2021）在其研究中检验了在聚类分析中不使用公司特征指标而仅使用动量指标的策略表现， 发现虽然仅使用动量指标对策略的收益水平影响不大，但会使得包括夏普比率在内的风险指 标表现出现恶化，我们认为原因是公司特征指标可以从会计和资产定价的角度揭示更多信息， 具有前瞻性，有助于降低策略波动。

2、特征预处理，无监督学习下的聚类通常基于计算出某一特定的距离实现，而诸如公司市值这样的特征 由于量级比较大，如果不进行标准化的话会在计算距离的时候被赋予过高的权重。因此在获得 公司特征指标以及动量指标后，需要通过其横截面均值和标准差将数据进行标准化，以消除由 于数据量级不同导致的聚类倾斜。 此外，在识别相似股票的过程中，某些特征能够提供更多的信息，如果直接将所有特征输 入到聚类分析模型中，会稀释掉重要特征所包含的信息。因此，我们对特征进行主成分分析 （Principal Component Analysis，PCA），以突出重要特征的权重并降低模型的计算量。实 际操作中，我们选取的主成分数量为可以解释原变量 99%方差的水平。

3、聚类分析，我们采用层次聚类来实现对相似股票的识别，该方法在初始状态下将每个独立的样本点 视为一个聚类，然后对不同的聚类逐步进行合并，直到满足终止条件（Gowda and Ravi,1995）。 使用这一方法需要设定如下两个超参数（hyperparameter）中的一个：需要获得的聚类数量或 者可以合并的聚类之间的最大距离（linkage distance），我们在操作中使用自下而上合并也即 设定最大距离的方法。

4、交易配对，经过以上步骤，金融地产板块的股票标的要么被分配到某个集合中（初步配对股票池）， 要么被识别为异常值（也就是该股票单独被分为一个聚类）。对进入初步配对股票池的股票， 再分别基于基本面指标和量化指标确定最终的多空标的，建立配对交易组合。 1）基本面配对 基本面配对的逻辑在前文已有介绍，即同一行业内的公司拥有不同的资源禀赋和采取不 同的经营战略，这些差异会通过业务和财务表现传导至净利润水平，并最终导致股价走势的差 异。因此我们根据银行、地产、证券行业的业务特点，分别选取了不同的指标来评价业内公司 的基本面，具体的指标介绍可参照报告第二部分的对应内容。

指标计算所需信息均由上市公司以季度频率在财务报告中披露，为保证指标横向可比，我 们的策略需待同一板块所有标的公司均披露当期财报之后再使用当期数据，因此指标的更新 时间为监管要求的最新一期财报的披露截止日。 得到各板块对应公司的上述指标后，对其进行 Z-Score 标准化以消除不同指标量级和单 位的差异，然后将每家公司的分数进行加总并排序，将得分第 i 高的公司（多头）和得分倒数 第 i 高的公司（空头）进行配对，即得到最终的基本面配对结果。

2）量化配对，以量化配对交易的指标作为对比策略。量化配对基于动量效应，核心思想是在经过聚类分 析挑选出的相似股票中，过去特定时间段内股价走势更好的股票（动量指标更高），预期其未 来的股价走势也会更好。我们采用 Andreas F.Clenow 在《Stocks on the Move:Beating the Market with Hedge Fund Momentum Strategy》中提出的动量指标（简称“AC 指标”）：基 于过去 90 天的年化指数回归斜率与决定系数（R2）的乘积。 计算出初步配对池中各家公司的 AC 指标后对其进行排序，将得分第 i 高的公司（多头） 和得分倒数第 i 高的公司（空头）进行配对，即得到最终的量化配对结果。

配对交易策略收益回测

在确定基本面指标的过程中，我们结合了特定板块在中短期内影响业内公司净利润的主 要矛盾，例如 2022 年地产板块在监管政策和需求下滑的共同作用下出现较大幅度下滑，不同 股东类型企业的融资能力、销售业绩和投资意愿表现出较大差异，预期国有和民营地产公司之 间的基本面分化至少在接下来一段时间会愈发明显。因此策略具有一定的时效性，回测时间范 围不宜过长，我们对该策略 2022 年全年的业绩表现进行检验。

除了时间范围外，配对交易策略采用月度调仓的方式，以100万现金作为初始仓位，并 满足以下情景条件： 1、多头仓位：50%，平均分布于各个配对； 2、维持担保比例：初始维保比例约为 200%，为避免因股价变动造成维保比例下降而产生追加保证金的需求，运行期间该比例应不低于 150%。从实际回测效果来看，策略运行期间 没有出现低于 150%的情形。 4、融券成本：年化7%； 5、资金收益：年化2%。该收益来源于组合中保留的现金头寸，可以通过投资国债逆回 购实现，平均收益水平可参考 28 天期国债逆回购年化收益率。

由结果可以看到，基本面组合和量化组合在 2022 年均取得了良好的表现，量化组合的年 化收益率达到 31.3%，高于基本面组合年化 16.2%的收益率。但是基本面组合的净值走势更 加稳定，最大回撤仅为-4.7%，而量化组合的最大回撤相对更高，达到-9.9%。两个组合的夏普 比率（Sharp Ratio）和卡玛比率（Calmar Ratio）差异也相对明显，基本面组合的夏普比率和 卡玛比率分别为 1.33 和 3.44，量化组合则分别为 1.82 和 3.16。

基本面组合净值曲线更加平稳的原因，我们认为一方面是不同公司之间基本面的分化是 长期持续性的，而市场则通过不断重新定价来反映这种分化；另一方面则是量化组合依赖的动 量效应在不同的时间段内有效性存在差异，导致净值波动更大。尽管我们已经选出了基本面和 市场表现更为相似的配对股票，但从股价的未来表现上看，因为 2022 年全年整体股票呈现较 为明显的动量特征，因此年化收益更高，但利用动量或趋势类的指标进行交易，依然可能产生 更高的波动。基本面的指标来进行配对交易，更加适合于绝对收益的实现。

四、总结

2022 年，金融地产板块的股票在宏观经济下行、行业政策调整的背景下，股价表现相对 不佳，市场关注度也持续降低；上市公司则在外部环境的变化中采取不同的适应战略以寻求发 展，使得这些行业具备了券源充足、融券成本较低以及不同公司间基本面差异逐渐显著的特点。 我们引入层次聚类的方法，对金融地产板块的股票进行聚类分析，选择聚类分析产生的股票池 进行两两股票的匹配，将评估后认为经营和业务优势较明显的股票做多、基本面相对较差的股 票做空，旨在获取基本面套利收益；另外也基于动量效应，在聚类后的股票池中做多动量较强 的股票、做空动量较弱的股票，以获取量化套利收益。从 2022 年策略的回测结果来看，金融 地产板块的配对交易实现稳定了的绝对收益，同时由于股价对于市场风险的反应相似，因此组 合的波动也控制在了较低的水平上。

编辑：JACK