高盈利质量投资框架：自下而上投资，精选高质量个股并长期持有
高盈利质量投资流派和高景气投资流派在投资框架上有着显著区别。相比高景气投资自上而下的投资策略，高盈利质量投资以自下而为上为核心，更注重个股的内在价值和盈利能力。高景气投资重视行业景气度，通过不断行业轮动来捕捉行业的高增长期。高盈利质量则追求个股自身稳定收益，通过深入分析公司基本面来挑选出高质量个股，并长期持有。
高盈利质量刻画：盈利能力真实+利润持续稳定+财务结构健康
拥有高盈利质量的公司不仅收益可观，且盈利能力真实，利润能持续稳定在较高水平，主营业务利润占比较大，财务杠杆较低。这样的公司通常为优质的成熟期企业，具有持久优良的商业模式和竞争优势。企业盈利质量不可从单方面判断，属于企业综合表现指标，可设置标准、统一、量化的多维评价体系。
多维评价企业盈利质量：高盈利质量企业多处在成熟期
仅关注净利润等盈利数量指标难以满足投资者进行科学决策的多维需求，盈利质量是满足企业的利益相关者需求的一组特征。我们从投资者需求出发构建基于获利性、收现性、结构性、稳定性四类需求的企业盈利质量多维评价体系。我们认为高盈利质量企业多处在成熟期，收入和盈利增速放缓，故不将增长率等成长性指标纳入高盈利质量评价体系。除债务股本比和衡量稳定性的波动指标和盈利质量是负相关以外，其余指标和企业盈利质量都是正相关。
盈利质量评价指标之间有较强的秩相关性
企业同类型财务指标之间有较强的秩相关性。收益类指标EPS、ROE、ROA等之间的相关性均大于0.8，利润率之间、利润现金比率之间的相关性大于0.9，均属于强相关，且对应的波动性指标之间也属于强相关。收益类指标和利润率指标如销售净利率、营业利润率也有高达0.6以上的相关性。
在具有高度相关性的多个变量中，信息往往是重叠的。主成分分析方法(PCA)能够通过提取主成分来有效地减少数据的维度，同时尽可能保留原始数据的主要变异性 。
应用主成分分析法PCA对盈利质量指标降维
采用Z-score标准化方法将A股盈利质量指标样本数据标准化，与盈利质量负相关的债务股本比和波动性指标反向使用以便后续打分。在做主成分分析之前，KMO检验（Kaiser-Meyer-Olkin）和巴特利特检验可以评估数据是否适合进行因子分析，分别用于评估样本是否可被较少的因子所解释，以及数据的相关性结构。结果显示， KMO取样适切性量数等于0.606，大于0.5。而巴特利特球形度检验显著性小于 0.01，说明变量之间相关性显著，所选的样本数据可以用作因子分析。
按照累计解释方差比率>0.85的标准，我们总共提取四个主成分因子，四个主成分因子的贡献率分别为45.52%、18.76%、14.95%、9.91%。累计解释方差比率达到 89.14%，说明这四个主成分因子具有较强的代表性。
四大主成分因子诠释高盈利质量
我们采取最大方差法对因子进行旋转，增强主成分因子的可解释性。第一个主成分因子贡献 45.52%，在ROE、ROA、ROIC上有较大的载荷系数，每股收益及净资产收益率主要反映公司的盈利能力，可将第一个主成分因子命名为收益利润因子。第二个主成分因子贡献 18.76%，在收益率波动性指标上有较大的载荷系数，命名为回报波动因子。第三个主成分因子贡献14.95%，主要反映公司的利润稳定性，命名为利润波动因子。第四个主成分因子贡献9.91%，在结构性指标上有较大载荷系数，反映公司利润结构稳健性，命名为利润结构因子。
根据重仓股盈利质量综合构建高盈利质量基金池
我们通过重仓股盈利质量综合得分来识别高盈利质量基金。首先，参考股票最新年报半年报财务数据，计算主动权益基金前十大重仓股个股盈利质量综合得分。其次，基金盈利质量综合得分为个股盈利质量得分加权总和，加权方式是重仓持股比例。我们筛选对基金盈利质量加权综合得分在前20%的主动权益基金，定义为高盈利质量基金。
高盈利质量基金适合小市值低成长投资，大市值价值投资
将市值-成长、市值-估值风格分为四象限进行分域回测，结果显示小市值低成长风格和大市值低估值风格基金表现较好。拥有高盈利质量的小市值低成长基金在市场下行时表现出更好的抗跌能力，这说明小市值低成长投资策略和高盈利质量基金很适配，倾向于投资那些目前未被市场充分关注但经营状况良好的股票。大市值低估值风格的基金持有的公司通常具有稳健的财务和业务基础，内在价值较高，这说明高盈利质量基金在大市值风格上具有价值投资倾向。
高盈利质量因子：选基效果具有单调性
将基金盈利质量综合得分标准化得到的高盈利质量因子具有较好的选基效果， RankIC均值为0.077，胜率达到78%。 在高盈利质量基金池中，高盈利质量的五分组年化超额收益大体上具有单调性。这 说明在该基金池中充分发挥高盈利质量理念可以带来相对超额收益。
最新规模因子：小规模基金更具灵活性
规模类因子中最新规模因子表现最好，RankIC均值最高，五分组年化超额收益也有一 定的单调性。 最新规模因子回测全时段年化超额收益为2.57%，小规模基金在投资决策和资产配置 上更为灵活。
结构化风险模型Alpha因子：表现好于单因子调整Alpha
特质收益类因子中，结构化风险模型Alpha因子表现最好，Rank IC均值为0.087。 表现好于基于CAPM模型的单因子调整Alpha。 结构化风险模型相比CAPM模型考虑了多种风格因子和行业因子。高盈利基金池投 资于多种风格和行业的资产，该模型能够更全面地捕捉这些维度的风险暴露，从而 提供更精细化的Alpha测算结果。且高盈利基金池的表现更多依赖于股票选择而不 是市场走势，因而在该基金池中结构化风险模型中可提供更好的Alpha表现。
选择有效超额收益驱动因素构建策略
综合考虑因子RankIC均值，五分组超额收益单调性以及多空组净值曲线表现，我们选择高盈利质量因子、最新规模因子、中期相对强度因子、长期滚动卡玛比因子、结构化风险模型Alpha因子这五个因子等权构造综合因子，以综合因子为依据构建选基策略。
高盈利质量基金精选组合业绩稳定
基于高盈利质量因子、最新规模因子、中期相对强度因子、长期滚动卡玛比因子、结构化风险模型Alpha因子等权构造综合因子。选择高盈利质量基金池中每期综合因子得分排名TOP20的基金等权买入，构建高盈利质量基金精选组合。
该组合相对偏股指数型基金全时段年化超额收益率为4.81%，在2014年、2016-2017年和2019-2020年这几个年份超额收益显著，表现优秀。全时段最大回撤为-43.13%，组合整体稳定性较高。
高盈利质量精选组合持仓以全市场基金为主，大市值风格占优
高盈利质量基金TOP20精选组合整体全市场类型基金居多，单赛道类型基金在2018年和2023年持有比例相对其他年份较高。 组合整体有明显的大市值风格倾向，高成长风格较低。近三年以来低估值风格升高，高动量风格降低。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
