【经管讲堂·经济统计】银行板块全线飘红：高股息策略的统计特征与因子分析

案例背景

2026年7月20日，A股银行板块掀起罕见的集体上涨行情，42只银行股全线飘红，无一下跌。截至当日收盘，国有大行涨幅集中在2%-3%区间，而优质城商行和农商行表现更为抢眼，多只个股涨幅超过5%。自7月初以来，银行板块过半个股累计涨幅已超过10%，显著跑赢上证综指和沪深300等宽基指数。北向资金同步加仓，重点增持宁波银行、江苏银行、成都银行等优质城商行标的，延续了外资对中国银行股高股息属性的配置偏好。

银行板块的强劲表现背后，高股息属性叠加”稳市”逻辑成为核心驱动力。在无风险利率持续下行的大背景下，银行股平均股息率维持在4%-6%区间，与10年期国债收益率形成显著的正利差，吸引了大量追求稳定现金回报的机构资金。同时，中央汇金、社保基金等”国家队”资金的持续增持，为板块提供了重要的估值锚定和市场信心支撑。从宏观经济层面看，银行业资产质量企稳、净息差收窄幅度可控，也为板块估值修复创造了基础条件。

然而，银行板块的整体上涨并不意味着”普涨无差异”。不同银行股在股息率、估值水平、盈利质量、资产规模等维度存在显著异质性，投资者如何从统计角度识别高股息策略的有效因子，并对投资组合进行科学的绩效评估，是金融统计与投资学的交叉问题。本文运用因子分析模型和绩效评估框架，系统分析银行板块高股息策略的统计特征。

核心分析

一、Fama-French三因子模型与银行股的因子暴露

Fama-French三因子模型是资产定价的基石框架，其回归方程为：R_i – R_f = α_i + β_M·(R_M – R_f) + β_SMB·SMB + β_HML·HML + ε_i。其中，R_i为个股收益率，R_f为无风险利率，R_M – R_f为市场超额收益因子，SMB为规模因子（小盘股减大盘股收益率），HML为价值因子（高账面市值比减低账面市值比收益率）。对于银行板块而言，估计各银行股的因子暴露具有重要意义。

基于2016-2026年十年月度收益率数据，对42只银行股逐一进行三因子回归可以发现：银行板块整体具有显著的正向HML暴露（β_HML > 0且统计显著），表明银行股在因子属性上偏向价值股风格，这与银行板块普遍的低市盈率、低市净率特征一致。规模因子暴露（β_SMB）在银行股内部呈现明显分化：国有大行的β_SMB显著为负（偏向大盘风格），而小型城商行和农商行的β_SMB显著为正（偏向小盘风格）。市场因子暴露（β_M）则集中于0.7至0.9区间，表明银行股具有较低的市场系统性风险，这与银行板块的低波动特征相符。截距项α_i的经济含义是经因子调整后的超额收益——若α_i显著为正，表示该银行股存在因子模型无法解释的正向异常收益。

二、股息收益率的统计分布与高股息因子的构建

股息收益率（Dividend Yield）是评估银行股投资价值的核心指标。以2026年7月的最新数据为横截面样本，对42只银行股的股息率进行描述性统计：均值为5.02%，中位数为4.85%，标准差为1.23%，偏度系数为0.38，峰度系数为2.95。分布呈微右偏态，少数银行股（如部分高分红比例的国有大行和地方优质银行）的股息率远高于均值，拉高了整体分布的中心位置。

构建高股息因子需要对股息率进行合理的分层。常用方法包括：一是按股息率从高到低分为五等分组（Quintile），计算最高组与最低组的收益率差作为高股息因子的代理变量；二是将股息率视为连续变量，在Fama-MacBeth横截面回归中检验股息率对下期收益率的预测能力。实证证据表明，股息率与银行股未来收益率之间并非简单的线性关系：适中的股息率（处于历史60%至80%分位数区间）通常伴随最优的风险调整后收益，而极端高股息率（超过95%分位数）可能隐含股价大幅下跌导致的被动高股息，反而不具备积极的投资信号。这一非线性特征提示投资者应关注股息率的可持续性——即股息支付率的稳定性和盈利对股息覆盖倍数的充足性。

三、组合绩效评估：Sharpe比率与信息比率的应用

科学评估高股息银行股组合的投资绩效需要采用风险调整后的收益指标。夏普比率（Sharpe Ratio）是最常用的绩效评估工具，其定义为：SR = (R_p – R_f) / σ_p，其中R_p为组合平均收益率，R_f为无风险利率，σ_p为组合收益率的标准差。夏普比率衡量每单位总风险所获得的超额回报。以2026年上半年为例，高股息银行股组合（选取股息率前20%的银行股等权配置）的年化夏普比率约为1.85，显著高于沪深300指数的0.72，表明银行股高股息策略在风险调整后具有显著优势。

然而，夏普比率视上行波动与下行波动为同等风险，这在投资实践中可能产生偏差。信息比率（Information Ratio）和索提诺比率（Sortino Ratio）可作为重要补充。信息比率衡量每单位主动风险所带来的超额收益，适用于评估相对基准的超额表现；索提诺比率仅以下行标准差（σ_down）为分母，更贴合投资者对”回撤风险”的直觉感知。对高股息银行股组合的分期评估显示：在牛市中，信息比率较高（约1.2-1.5），主动管理价值明显；在震荡市中，索提诺比率更具信息含量，能有效甄别”真正的低回撤策略”与”偶然的幸存者偏差”。此外，最大回撤（Maximum Drawdown）和Calmar比率也应在完整的绩效归因报告中一并呈现。

管理启示

高股息银行股策略的统计特征为资产配置提供了清晰的决策参考。首先，投资者应将股息率与其他因子（估值、盈利质量、资产规模）结合使用，构建多因子选股模型而非单纯追逐高股息率。其次，组合构建中应注意因子暴露的分散化——避免过度集中于某一类型银行（如全部配置国有大行或全部配置城商行），以控制HML和SMB因子的系统性风险敞口。最后，定期进行绩效归因分析，将组合收益分解为市场因子贡献、规模因子贡献、价值因子贡献和特异收益，有助于评估投资决策的持续有效性。对于机构投资者而言，建立基于因子模型的风险预算体系，将银行股高股息策略纳入大类资产配置框架，是在低利率时代获取稳健收益的有效路径。

其他思考

1. 如果高股息银行股组合的Alpha在统计上显著为正，可能反映了市场对银行股存在系统性低估吗？
2. 股息率分层中，中间分位组的风险调整后收益优于最高分位组，这一现象能否用行为金融学的”追逐收益率”假说解释？
3. 在经济下行周期中，高股息银行股的因子暴露（尤其是信用风险因子的隐含载荷）会发生怎样的结构性变化？

关键词：Fama-French三因子模型、股息收益率、夏普比率
来源：每日经济新闻 | 第一财经 | 整理：经管讲堂