• 企业盈利增长来源分为三大维度：投资回报率、新投资规模和投资效率提升，对应股权投资回报率（ROE）、资产负债增长率及利润率与周转率变化等指标。成长性不同阶段的企业在盈利增长来源上有明显区别，成长初期依赖新投资，中期更多靠投资效率提升 [page::0][page::3][page::4].

• 投资回报率因子（ROE、ROIC）在因子检验中表现稳健，股权回报率（ROE）表现优于资本投入回报率（ROIC），多空组合年化收益分别达到15.45%和11.66%，信息比均超过1.7。

• 新投资规模主要通过资产增长、负债增长和权益增长率衡量。负债增长因子表现相对较好，特别是2010-2017年间债权融资占主导，推动企业扩张。资产增长因子表现差异来源于A股外延式并购频发，导致业绩承诺不达标与商誉减值风险加大。

• 投资效率提升维度包括边际投资回报率和经营效率提升。边际投资回报率因子相较同比增长因子具有更强的选股能力和更高的信息比，多空组合年化收益可达13.9%。

• 经营效率提升细分为利润率和周转率变化，毛利率变动及总资产周转率变动因子表现突出，年化收益分别约8.58%、10.45%。此外，研发费用及广告费用虽数据频率低且覆盖有限，但在部分行业如TMT、周期、消费板块中具备一定的选股效力。

• 基于2008-2018年A股数据整体盈利增长主要驱动由新投资贡献正增长，投资效率则多为负增长，2010年和2017年后效率改善明显。行业角度看，周期股尤其煤炭、建材效率改善贡献显著，消费及TMT行业盈利更多依赖新增投资扩张。

• 多维度成长因子包括业绩增长、投资回报率、边际投资回报率、规模增长和效率提升等，共列出14个关键因子，因子间相关性低至中度，能较好覆盖成长不同维度信息。

• 成长因子在不同指数（沪深300、中证500、中证1000）中表现差异明显，沪深300中更多依赖规模扩张因子，中证500和1000更重视边际投资回报率和效率提升因子。
• 业绩增长因子与投资回报率因子在不同经济周期中表现反转。2014-2016年市场激进，业绩增长因子表现优异，2010年及2017-2019年强调内生增长，投资回报率因子更为有效。

• 成长增强策略通过综合各维度成长因子构建，月度调仓，控制风格和行业暴露，策略年化收益11.54%，较传统业绩增长策略提升5.45%，信息比由1.02升级至1.97，最大回撤降低至5.74%。

| 年份 | 业绩增长策略年化收益 | 年化波动 | IR | 最大回撤 | 成长增强策略年化收益 | 年化波动 | IR | 最大回撤 |
|------|----------------------|---------|-----|----------|----------------------|---------|-----|----------|
| 2010 | 5.44% | 6.29% | 0.87| 3.63% | 13.61% | 6.60% | 2.06| 2.87% |
| 2011 | 15.34% | 5.58% | 2.75| 3.13% | 23.28% | 6.35% | 3.67| 2.58% |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| total| 6.09% | 5.95% | 1.02| 13.78% | 11.54% | 5.86% | 1.97| 5.74% |

• 报告强调因子投资具有周期性，基于历史统计模型结果形成，未来市场环境剧变可能导致因子失效风险，投资者需警惕时变风险。[page::0][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::12][page::13][page::14][page::15][page::16][page::17][page::18]

量化专题报告——多因子系列之七：对成长的分解及多维度寻找成长因子深度解析

---

1. 元数据与报告概览

报告标题：《多因子系列之七：对成长的分解及多维度寻找成长因子》
作者：分析师刘富兵，研究助理李林井
发布机构：国盛证券研究所
发布时间：2019年（具体日期未详）
主题：基于企业盈利增长视角，系统梳理企业成长的内涵及来源，构建并验证成长相关因子在A股市场的应用表现。
核心论点摘要：
本报告深度解析企业盈利增长的三大维度——投资回报率、新投资规模及投资效率提升，基于这三个维度设计相应的成长因子，检验其在多因子组合中的有效性。研究发现成长因子在剔除行业和风格影响后可稳定提供Alpha，且相比传统单一业绩增长因子，加入投资回报率和边际投资回报类因子显著提升组合表现，特别适合构建成长增强策略。报告强调不同经济环境下成长因子的表现差异及成长质量的重要性，并最终提出多因子成长增强策略实现了明显的超额收益和风险调整收益提升。
风险提示：历史回测结果不保证未来有效，市场环境显著变化可能导致因子失效。[page::0,18]

---

2. 逐节深度解读

2.1 成长的界定与盈利增长来源（第一章）

报告首先明确成长性的四个传统界定维度：规模、行业属性、估值及基本面表现，但聚焦于以盈利增长为核心的量化切入点。借鉴Damodaran的理论，将企业盈利增长分解为三大来源：

• 投资回报率（ROI）：体现资本投入的收益率，是增长的根本驱动力。

- 新投资规模：影射公司扩张资金来源与实际投资行为，包括股权和债务融资。

• 投资效率提升：即效率改善，包括边际投资回报率、经营效率（利润率、周转率提升），以及对未来业绩提升有驱动的投入（如研发、广告）。

通过数学公式$\mathrm{E}t=ROIt \times I_t$及利润增长率分解，明确了盈利增长归因的双因素逻辑（新投资带来的增长和现有资产效率提升）[page::3]，并且图表1以流程图或逻辑树形图形式直观诠释了盈利增长来源及内生资金循环体系。

2.2 投资和投资回报率的定义（第一章末）

投资与投资回报率根据投资者关注角度不同分为两套体系：

• 股权角度：关注净利润与净资产的回报率（ROE），以及净利润-分红构成的净再投资。

- 资本角度：关注资本性支出-折旧摊销+营运资本的变动及营业利润息税前利润回报率（ROIC）。

图表2明确将二者的投资变动额、再投资率、投资效率等指标建立定义框架，方便后续因子构建和逻辑对照[page::4]。

---

2.3 成长因子构建（第二章）

基于前三大维度制定相关的成长因子，结合因子检验与实证表现。

2.3.1 投资回报率因子（ROIC和ROE）

• 选股实证显示，ROE因子IC（信息系数）值为0.0205，中性化后ICIR（IC信息比率）2.01，年化多空收益15.45%，表现优于ROIC（IC=0.0197，年化多空11.66%）。

- 这说明市场更侧重企业股权回报率，高ROE公司在二级市场选股中表现更优。

• 图表4显示ROE和ROIC多空组合净值走势均持续走高，ROE曲线更陡峭，体现较强稳定选股能力[page::4,5]。

2.3.2 新投资规模因子（资产、负债与权益同比增长）

• 本质上用企业在扩张过程中的资本占用变化指标衡量投资“规模”。

- 负债增长因子表现最佳，中性化IC为0.0176，ICIR 1.30，年化多空收益7.08%，显示市场结构性依赖债权融资推动资产扩张。

• 资产增长和股权增长因子的IC值、收益均较低，尤其股权增长因子甚至出现负相关。

- 实证回撤在2018年后明显，反映外部去杠杆政策和市场风险偏好的转变。

• 图表6净值走势中负债增长曲线最高，资产增长和股权增长出现拐点。

- 结合图表7、8的融资结构与并购数量历史数据，可以看到总资产高速增长企业资金来源偏向外源融资（股权和债权），而2014-2016年并购激增带来的业绩质量风险及商誉减值问题也在这里体现[page::5,6,7]。

2.3.3 投资效率提升因子

包含边际投资回报率、利润率及资产周转率变动、研发和广告投入。

• 边际投资回报率因子定义为新增投入资本所带来的新增回报，区别于简单同比增长率。

- 因子表现优于同比投资回报率，边际ROIC IC达到0.034，中性后ICIR 3.19，年化多空收益12.49%。

• 图表10多空净值展示边际ROE和ROIC优于同比回报率因子，支撑边际投资回报率因子是更有效信号。

- 经营效率提升相关因子：通过利润率（毛利率、经营利润率、净利润率）和资产（总资产、流动资产、固定资产）周转率变动来构建效率提升因子。

• 多数效率类因子信息系数均达到0.02~0.03，ICIR均超过1.5，顶组年化收益均衡超7%。

- 图表12、13显示分组多空组合净值稳步走高，且总资产周转率变动效果最佳，表明资产利用效率提升对盈利增长同样重要。

• 研发与广告投入相关因子：虽然整体因子表现较弱，IC较低且波动较大，但在部分行业（如建筑、基础化工、TMT、消费周期等）这些因子仍表现出较好的区分能力，特别是研发投入的行业相对覆盖率和有效性较高。

- 图表15、16细分不同行业研发和广告支出的因子有效性，明示资源配置差异和行业特性对成长投入贡献度的影响[page::7,8,9,10,11]。

---

2.4 A股盈利增长历史分解与行业差异（2.4节）

• 利用总和法对2008-2018年除金融和综合外A股上市公司息税前利润增长率分解，总结出盈利增长在不同年份由新投资增长与效率改善主导的变迁。

- 2010年与2017-2018年效率提升正贡献较大，其他时间基本被新投资规模驱动。

• 反映出A股市场周期性明显，且去杠杆和产能淘汰政策对效率改善的推动作用。

- 行业分解显示周期行业（煤炭、建材、电力）在效率增长上贡献显著，消费和TMT行业效率提升负值明显，增长仍主要依靠新投资扩张。

• 其中，周期行业盈利提升往往伴随营收和成本节约双轮驱动，体现“投资效率”的广义涵义[page::12,13]。

---

2.5 多维度成长因子梳理及相关性分析（第三章前半）

• 汇总形成业绩增长、投资回报率、边际投资回报率、规模增长、经营效率提升五大类因子体系。

- 因子间相关性显示经营效率和边际投资回报率与业绩增长因子高度相关，资产增长与其他因子相关性较低，表明各因子在多因子框架中有一定正交和互补性。

• 如图表20所示，ROE、边际ROE与业绩增长因子相关最高，资产增长因子与其相关度较低，支持各因素的独立贡献[page::14]。

---

2.6 成长因子残差检验及多因子组合构建

• 经风格和行业中性处理后的因子残差显著提供Alpha信息，尤其在沪深300、中证500和中证1000不同分层市场均有效。

- 业绩增长因子在沪深300增量有限，规模与负债增长因子表现更佳；中证500和1000更侧重边际投资回报率和经营效率。

• 投资回报率与边际投资回报率因子在剔除业绩增长因子影响后仍保有显著信息量，显示其包含业绩增长以外的重要成长信号。反之业绩增长因子剥离多维度因子后所剩信息有限，说明多因子组合覆盖成长性的维度更全面。

- 基于此，报告构建成长增强策略，采用等权及ICIR加权方式合成因子alpha信号，月度调仓，严格控制风格与行业暴露，测试结果显示成长增强策略2010-2019年平均年化收益11.54%，信息比1.97，明显优于单一业绩增长策略的6.09%年化收益和1.02信息比。

• 图表24-26呈现成长增强策略净值稳健提升，表明多维度成长因子的组合效应显著提升收益和风险调整表现[page::15,16,17]。

---

2.7 业绩增长与投资回报率因子在经济周期中的表现差异

• 报告分析不同时期两类因子表现差异，发现2014-2016年间外延式高速扩张阶段业绩增长因子表现更强，市场较少分辨增长质量，情绪激进。

- 2010年及2017至2019年内生增长主导期，投资回报率因子更为优异，市场偏好稳健成长，注重效率及质量。

• 图表24策略超额收益线体现两信号的周期性轮动和互动关系，反映市场环境对成长风格偏好的动态影响[page::16]。

---

3. 图表深度解读

3.1 图表1（企业盈利增长来源）

• 清晰界定盈利增长三大来源（投资回报率、新投资规模、投资效率提升）及其细分指标。

- 右侧圆环图通过营业收入-毛利润-EBIT-净利润的内部资金循环，辅助理解投资资金的来源和归属。

• 作用在于为报告整体量化因子构建提供框架和逻辑基础[page::3]。

3.2 图表4、6、10等因子多空组合净值走势

• 这些图表均反映因子的分层（按因子值分十组）多空组合业绩。

- 例如图4显示ROE多空组合持续跑赢市场，体现ROE因子具有稳定正向选股能力。

• 图6负债增长优于资产及股权增长，反映A股生长主要依赖负债扩张。

- 图10边际投资回报率因子分组多空组合净值领先同类因子验证其信息优势。

• 这些趋势均与其对应IC和ICIR指标共同佐证因子的有效性[page::5,6,8]。

3.3 图表7、8融资结构与并购数据

• 详细展示资产增长率高低组企业的融资结构分布（债权、股权、内部融资）及并购占比，资产快速扩张与外源融资高并购频次高度相关。

- 2014-2016年并购激增对应激进扩张带来的潜在风险，是A股外延增长特征的重要体现。

• 图8展示资本运作融资变化趋势及并购数量波动，更侧面印证负债融资和并购是扩张主轨[page::7]。

3.4 图表9、14研发及广告费用因子检验

• 从IC和IR看研发投入强度及转化因子在部分行业表现相对优异，支持其作为成长质量改进的补充指标。

- 广告投入因子总体表现一般，但局部行业覆盖下表现仍有投资价值。

• 行业层面表格展现不同类型企业研发和广告强度及转化率的行业差异[page::7,10,11]。

3.5 图表17、18盈利增长分解柱状及行业表

• 图17折线展示整体EBIT增长率及ROIC变化柱状体现效率及新增投资增长贡献，清晰剖析不同年份盈利增长背后驱动力。

- 图18行业层面数据详细列出各行业ROIC、EBIT增长、效率增长、投资增长的均值，周期、消费、TMT区分突出，体现行业成长机制差异[page::12,13]。

3.6 其他相关图表（因子相关性、残差检验、多因子综合表现）

• 因子相关性矩阵图明确因子之间结构性联系及独立性，有助于组合构建。

- 残差检验数据表明不同因子在剥离风格行业后仍有增量Alpha，且成长多因子组合效果显著。

• 成长增强组合净值及绩效表清晰展示该策略在历史市场的优势。

- 投资回报率与业绩增长因子年度表现图表则有力映证经济周期下策略表现的阶段性差异[page::14,15,16,17]。

---

4. 估值分析

报告侧重于成长因子的构建与检验，未涉及直接的公司估值模型如DCF或市盈率倍数法，但通过财务指标（ROE、ROIC等）及多因子选股框架，间接体现成长性对股票价值形成的贡献，投资回报率因子即代表企业盈利的“质量”和持久力，是估值进一步深化和风险溢价的关键输入。成长增强策略的设计通过多因子优化实现，其表现可间接视为价值与成长交叉验证的定量体现。

---

5. 风险因素评估

• 主要风险在于历史统计模型仿真存在未来失效风险，市场结构、宏观政策及投资者行为模式的改变会影响因子效果。

- 报告强调投资回报率等因子长期可持续性不易，过度追逐高增长可能涉及高风险。

• 外延式并购高地产生的商誉减值风险提示了扩张质量需严谨审视，盲目追逐扩张可能带来巨大业绩回撤。

- 涉及研发和广告投入因子表现波动较大，数据缺失及披露延迟带来信息滞后或失真。

• 报告未详细提出缓解方案，但通过多因子分散、行业及风格中性化调控为实战策略设计的风险控制措施[page::0,18]。

---

6. 批判性视角与细节把控

• 报告以盈利增长分解为主线，逻辑严谨且数据驱动，理论和实证结合紧密。

- 但外延扩张风险、负债融资风险及研发投入数据局限性是本报告潜在的薄弱环节和不确定因素。

• 报告对不同生命周期企业成长驱动力区分清晰，但市场变化和突发政策对成长因子表现影响波动较大，长期稳定性的假设需谨慎。

- 部分绩效指标风险收益比（如年化波动率高达30%+的因子）提示该因子独立应用时应配合风险控制机制。

• 指出不同指数（如沪深300对投资效率偏好，中证500、1000对边际回报率更敏感）显示成长因子应用必须结合目标投资标的特征，不能简单“一刀切”。

- 重视因子残差分析强调其增量Alpha贡献，这是因子选取合理性和组合优化有效性的体现。

• 综合看来，报告基于系统且细致的数据分析及理论支撑，结论合理且适度谨慎，符合量化研究专业标准[page::14,15,18]。

---

7. 结论性综合

本报告通过系统性的盈利增长分解，清晰揭示了企业成长的内在动力来自投资回报率、新投资规模和投资效率提升三大维度。基于这些维度设计了涵盖股权和资本角度的多种成长因子，结合边际回报率、资产和负债增长、效率指标（利润率与周转率）以及研发、广告等未来增长投入构建了多维度量化成长框架。

实证检验表明，成长因子在A股市场具备显著的截面差异化能力，且在押除行业及风格影响后依然能提供稳定Alpha，进一步剥离业绩增长因子后，投资回报率及边际投资回报率因子依旧贡献显著信息增量。历史表现显示，投资回报率类因子优于单纯业绩同比增长，且负债增长作为衡量扩张动力在特定阶段表现突出。

不同经济周期中，市场对成长因子表现的偏好也有变化：外延式高速增长阶段，以业绩增长因子为代表的激进因子表现更优；内生增长主导时期，投资回报率等质量因子成为成长选股的重点。

多因子成长增强策略实际构建中，通过因子等权及ICIR加权合成alpha，控制行业和风格暴露，实现了对标中证500指数组合显著超额收益（年化11.54%）与信息比（1.97），较单一业绩增长策略的提升明显，验证了多维度成长因子的投资价值。

整体上，报告贡献不仅在于理论层面对成长内涵的具象化解释，更将成长因素系统化为量化因子并验证其有效性，为A股市场成长型投资提供了科学、合理且实证支持的量化策略工具，为投资经理和研究人员提供了成长性选股框架及实操路径。风险提示合理，适度提醒市场环境变化的因子可能性失效，凸显研究的严谨性和专业性。

---

附：报告重要图表示例（部分）

• 图表1：企业盈利增长来源

展示盈利增长的三大来源及其细分指标，构成逻辑树形框架。

• 图表4：投资回报率多空组合净值

显示ROE和ROIC因子分十组多空组合净值走势，ROE表现更优。

• 图表7：总资产增长分组融资及并购比例

体现资产扩张伴随多元融资结构与高并购活动频次。

• 图表10：边际投资回报率因子多空组合净值

边际因子表现强于同比增长因子，有较高稳定性和选股价值。

• 图表17：A股盈利增长分解柱状图

逐年展示EBIT增长率及效率增长、新增投资增长贡献分布，直观把握盈利动因变化。

• 图表24：投资回报率信号与业绩增长信号策略表现

表示两种策略在不同年份的轮动及相对净值走势。

• 图表25：成长增强策略净值走势

成长多因子合成的策略相较传统业绩增长策略表现更优，超额明显。


---

总体评价

该报告从学理和实证结合的创新视角，对企业成长因子进行系统拆解和实证检验，构建了涵盖投资回报率、新投资规模和效率提升的多维度成长因子框架，并成功应用于A股多因子投资策略。研究方法科学，数据全面，结构清晰，结论具有较强市场指导意义和策略开发价值，对量化投资领域的成长风格研究具有显著参考价值。报告兼顾理论和实操，风险考虑充分，呈现了成长因子在不同宏观环境和市场行情下的多样表现，为持续优化和动态调整成长投资策略提供了坚实基础。[page::0~18]

---

参考文献

1. Damodaran A. The origins of growth: past growth, predicted growth and fundamental growth[J]. Predicted Growth and Fundamental Growth (June 14, 2008), 2008.

2. Damodaran A. Return on capital (ROC), return on invested capital (ROIC) and return on equity (ROE): Measurement and implications[J]. Return on Invested Capital (ROIC) and Return on Equity (ROE): Measurement and Implications (July 2007), 2007.

1. Chan L K C, Karceski J, Lakonishok J, et al. Balance sheet growth and the predictability of stock returns[J]. University of Illinois at Urbana-Champaign working paper, 2008.

4. Fama E F, French K R. The anatomy of value and growth stock returns[J]. Financial Analysts Journal, 2007, 63(6): 44-54.

1. Chan L K C, Lakonishok J, Sougiannis T. The stock market valuation of research and development expenditures[J]. The Journal of Finance, 2001, 56(6): 2431-2456.

6. Mohanram P S . Separating Winners from Losers among LowBook-to-Market Stocks using Financial Statement Analysis[J]. Review of Accounting Studies, 2005, 10(2-3):133-170.

---

注: 报告中的所有数据均基于Wind数据库及国盛证券研究所内部测算，所有结论均贴合报告内容，严格遵循引用规则。[page::0~19]

报告