“雙碳”目標(biāo)下新能源行業(yè)上市公司價值投資策略的量化分析 *

宋大偉，盧文鵬，朱家明

(安徽財經(jīng)大學(xué))

0 引言

“秉承新發(fā)展理念，構(gòu)建新發(fā)展格局”.能源是國民經(jīng)濟的重要物質(zhì)基礎(chǔ)，也是當(dāng)今時代國家經(jīng)濟發(fā)展的命脈之一.隨著煤炭、石油、天然氣等一次能源的不斷減少，發(fā)展新能源產(chǎn)業(yè)成為國家經(jīng)濟發(fā)展的重要支柱產(chǎn)業(yè)，也是實現(xiàn)中國“雙碳”目標(biāo)的必經(jīng)之路.目前中國新能源產(chǎn)業(yè)發(fā)展具有眾多的利好信號，“雙碳”目標(biāo)的提出使大眾聚焦減碳，開發(fā)新能源取代傳統(tǒng)能源逐漸成為行業(yè)發(fā)展的大趨勢；“碳金融”體系的構(gòu)建，“綠色金融”、“轉(zhuǎn)型金融”、“零碳金融”等概念[1]應(yīng)運而生，金融機構(gòu)聚焦“減碳”向“零碳”發(fā)展，實現(xiàn)金融助力綠色發(fā)展；企業(yè)“ESG”評級的提出，使投資人更關(guān)注企業(yè)的可持續(xù)發(fā)展而非財務(wù)收益，側(cè)面優(yōu)化新能源行業(yè)的投資前景，擴大新能源行業(yè)的投資規(guī)模；“可持續(xù)發(fā)展”等一系列綠色發(fā)展理念的提出，使各行各業(yè)發(fā)展的準(zhǔn)則在發(fā)生著變化，增加新能源行業(yè)的曝光度，吸引投資目光[2].

隨著中國“碳中和”、“碳達峰”戰(zhàn)略的深度實施，新能源上下游產(chǎn)業(yè)的相關(guān)投資進入黃金期.在節(jié)能減排大環(huán)境的驅(qū)動下，大眾消費結(jié)構(gòu)的轉(zhuǎn)變使得新能源產(chǎn)品需求增加，新能源產(chǎn)業(yè)前景可觀.計算機技術(shù)的普及使量化投資方法在金融領(lǐng)域得到廣泛應(yīng)用，量化投資能夠讓投資者知曉行業(yè)發(fā)展動態(tài)，從而理性制定投資策略，相關(guān)研究成果比如王剛貞等運用量化投資的方法對中國AI產(chǎn)業(yè)進行實證研究[3]，孫麗泊基于Python在20只不同行業(yè)的股票中選取5只進行組合投資分析[4].對于投資者關(guān)注的信用風(fēng)險，已有研究表明KMV模型能夠?qū)π庞蔑L(fēng)險進行有效測量，比如鄭文等基于KMV模型對中國中部地區(qū)的新能源企業(yè)進行了信用風(fēng)險度量與分析[5].針對新能源行業(yè)的價值研究，微觀層面可幫助投資者理性地做出投資決策，獲取自身效用的最大化，宏觀層面上則有助于政策制定者改進產(chǎn)業(yè)政策，引導(dǎo)新能源產(chǎn)業(yè)的轉(zhuǎn)型升級[6].

該文主要貢獻圍繞三個方面：第一，采用主成分分析法對上市企業(yè)財務(wù)數(shù)據(jù)進行建模分析，從而得出量化投資的股票池；第二，針對投資過程中廣為關(guān)注的收益，將組合的收益率與同期滬深300指數(shù)進行對比，從而確定投資組合的優(yōu)越性；第三，新能源產(chǎn)業(yè)尚處在發(fā)展期間，度量其信用風(fēng)險有助于穩(wěn)定投資者信心，因此采用KMV模型對已構(gòu)建的最優(yōu)投資組合中的上市公司進行信用風(fēng)險度量.

1 基于主成分法對新能源上市企業(yè)投資價值的實證分析

1.1 研究思路

對理性投資者來說，挑選最具投資價值的金融產(chǎn)品是快速獲取收益的至關(guān)重要環(huán)節(jié)，筆者認為最佳的挑選途徑，就是采用量化投資的方法對新能源行業(yè)上市公司展開多方位的分析.在同花順行業(yè)分類中，要從“中證內(nèi)地新能源主題指數(shù)”的50只新能源個股中挑選出最優(yōu)價值股以構(gòu)建組合投資，運用主成分分析的方法可使組合投資更具準(zhǔn)確性和系統(tǒng)性，為此，以下采用主成分法進行量化分析.

1.2 研究準(zhǔn)備

(1)備選股票池.為保證量化投資選股的準(zhǔn)確性，以下采用能夠反映股東權(quán)益收益水平的財務(wù)指標(biāo)——凈資產(chǎn)收益率(ROE)作為篩選標(biāo)準(zhǔn)，在50只新能源個股中篩選出ROE大于16%的32只股票作為該文量化投資的股票.

(2)財務(wù)指標(biāo)的選取.從四個方面選取具有代表性的財務(wù)指標(biāo)度量企業(yè)的投資價值，所有財務(wù)數(shù)據(jù)以各企業(yè)公布的2021年財務(wù)報表為準(zhǔn)，構(gòu)建的指標(biāo)體系見表1.

表1 新能源行業(yè)上市企業(yè)投資價值評價指標(biāo)

1.3 研究方法

該節(jié)的研究框架是選用新能源行業(yè)32家上市企業(yè)的財務(wù)數(shù)據(jù)進行主成分分析，得到代表10個財務(wù)指標(biāo)的主成分、因子載荷量、特征值；然后結(jié)合加權(quán)主成分分析的用法，以方差貢獻率為權(quán)重，作為選股評分排序方法，最后得出32家上市企業(yè)的綜合得分和排序.主成分分析法是有效的量化投資方法，能夠有效針對上市公司財務(wù)指標(biāo)數(shù)據(jù)進行降維處理，從而提取出數(shù)據(jù)中有效信息進行量化分析.主成分分析法[7-10]步驟如下：(1)構(gòu)建原始數(shù)據(jù)矩陣；(2)計算相關(guān)系數(shù)矩陣；(3)計算特征值和特征向量；(4)計算方差貢獻率；(5)提取主成分因子.

1.4 結(jié)果分析

(1)主成分結(jié)果.利用SPSS軟件得到前4個主成分的累計貢獻率達到83.993%，具體結(jié)果見表2.

表2 主成分分析結(jié)果

利用SPSS軟件經(jīng)過整理得出4個主成分因子得分函數(shù)分別為：

Y1=0×Z1-0.003×Z2-0.162×Z3-

0.386×Z4-0.211×Z5-0.311×Z6+0.463×Z7-0.180×Z8+0.472×Z9+0.463×Z10

Y2=0.426×Z1+0.376×Z2+0.468×

Z3+0.345×Z4-0.189×Z5-0.310×Z6+

0.082×Z7+0.413×Z8+0.157×Z9+0.076×Z10

Y3=-0.108×Z1-0.115×Z2+0.444×

Z3+0.223×Z4+0.708×Z5-0.163×Z6+

0.119×Z7-0.381×Z8+0.164×Z9+0.119×Z10

Y4=-0.484×Z1-0.448×Z2+0.268×

Z3+0.26×Z4-0.231×Z5+0.225×Z6+

0.299×Z7+0.364×Z8-0.092×Z9+0.297×Z10

組合得分模型為：

Y=0.365×Y1+0.251×Y2+0.121×Y3+0.104×Y4

(1)

(2)計算綜合得分.根據(jù)主成分因子計算出32只個股的綜合得分見表3.

表3 各表主成分綜合得分

從表3可以看出，上市公司的財務(wù)數(shù)據(jù)經(jīng)過主成分分析后，得到運達股份、寧德時代、華友鈷業(yè)等股票綜合排名靠前，為下文構(gòu)建組合投資提供參考依據(jù).

2 基于馬科維茨理論對新能源行業(yè)的投資組合策略

2.1 研究方法

投資組合理論是馬科維茨在1952年最早提出的，它是為了解決在不確定條件下，如何合理地調(diào)節(jié)持有金融資產(chǎn)的比率，以減少組合的風(fēng)險.馬科維茨投資組合理論主要包含了兩個方面：均值—方差模型和有效邊界理論，用以合理規(guī)避風(fēng)險以追求預(yù)期收益最大化.投資決策的目標(biāo)便是尋求在同一回報水平下投資風(fēng)險最小或同一風(fēng)險水平下回報最大的投資組合[11].

2.2 股票選取及數(shù)據(jù)提取

這里構(gòu)建的投資組合選取表3中由主成分得分排名前8的企業(yè)，分別是運達股份、寧德時代、明陽智能、奧特維、容百科技、華友鈷業(yè)、錦浪科技、上機數(shù)控.選取這8只股票從2020年5月21日至2022年4月29日的每天日收盤價作為樣本期數(shù)據(jù)，選取2022年4月27日更新的上海銀行間同業(yè)拆放利率(SHIBOR)作為該文的無風(fēng)險利率0，該利率為2.4970%，數(shù)據(jù)來源于同花順iFind，以下數(shù)據(jù)來源同.

2.3 數(shù)據(jù)描述性統(tǒng)計

首先對選取的8只新能源行業(yè)上市企業(yè)股票在2020年5月21日至2022年4月29日收益率的變化情況進行可視化分析，具體收益率變化如圖1和圖2所示.

圖1 新能源行業(yè)4只股票收益率變化

圖2 新能源行業(yè)另4只股票收益率變化

從圖1和圖2可以觀察到，上機數(shù)控和錦浪科技2只股票在樣本期內(nèi)收益率較高，并且伴隨著較高的波動率；明陽智能和運達股份在樣本期內(nèi)收益率較低，其余股票的年收益率均在50%左右.由圖片反映出的收益率和波動率變化與表4表現(xiàn)相符.

表4 新能源行業(yè)8只股票的年化收益率和年化波動率

馬科維茨投資組合理論提到2只證券若不是完全相關(guān)的關(guān)系，即可通過同時持有2只證券的方式達到損益相互抵消從而降低組合收益波動的目的.該文采用統(tǒng)計學(xué)上的相關(guān)系數(shù)來刻畫2只證券間的相關(guān)關(guān)系，結(jié)果見表5.

表5 新能源行業(yè)8只股票的相關(guān)系數(shù)

從表5可以看出，8只股票中寧德時代和華友鈷業(yè)的相關(guān)系數(shù)最大，為0.5513，在初步篩選的8只新能源行業(yè)股票中，寧德時代與容百科技、華友鈷業(yè)的相關(guān)系數(shù)超過了0.5，相關(guān)系數(shù)的計算結(jié)果提示投資者在配置資產(chǎn)時應(yīng)當(dāng)減少相關(guān)性較高資產(chǎn)的同時持有，以分散投資組合的非系統(tǒng)性風(fēng)險0.

2.4 投資組合的構(gòu)建

⑴資產(chǎn)組合的有效前沿.已確定該投資組合由8只股票構(gòu)成，wi表示投資組合中第i只股票所占的權(quán)重，E(Ri)表示投資組合中第i只股票的預(yù)期收益率，則可以得到投資組合的預(yù)期收益率

(2)

假設(shè)σi表示第i只股票的收益波動率，Cov(Ri,Rj)表示第i只股票與第j只股票收益率之間的協(xié)方差，投資組合的收益波動率

(3)

為了尋找滿足條件的最優(yōu)投資組合以及有效邊界，該文使用Python隨機生成50000組包含不同股票權(quán)重的投資數(shù)組，以此計算不同投資組合的年平均收益率、年收益波動率，結(jié)果如圖3所示.

圖3 隨機生成的50000組不同投資權(quán)重條件下組合收益率和波動率的關(guān)系圖

根據(jù)上述方法模擬得到的組合收益率和波動率的數(shù)值，可知，組合的最高年收益率超過70%，最低的年收益率在30%左右；最高的年波動率在0.6左右，最低的年波動率在0.43左右.

(2)最優(yōu)投資組合權(quán)重的確定.該文采用夏普比率作為評判投資組合優(yōu)劣的標(biāo)準(zhǔn)，在實際投資過程中需滿足2個條件：投資組合中各股票權(quán)重之和為1；不允許做空股票.

對樣本期選定為2020年5月21日～2021年5月21日，利用Python工具，運用馬科維茨投資組合理論確定最優(yōu)投資組合的得到最優(yōu)投資組合的資產(chǎn)配重結(jié)果見表6，此時組合的夏普比率最高.

表6 投資組合的資產(chǎn)配重

(3)滬深300指數(shù)的對標(biāo).依據(jù)夏普比率最大的原則，確定了資產(chǎn)組合中各只股票配置的權(quán)重，為了檢驗所構(gòu)建的投資組合的有效性，根據(jù)2021年5月21日～2022年4月29日期間4只個股日收盤價計算得出該投資組合的凈值，對比滬深300指數(shù)[14]收益率變化.設(shè)定2021年5月21日首個交易日的凈值或收盤價為100進行計算，繪制曲線圖對比投資組合的每日凈值與滬深300收盤價，如圖4所示.

圖4 按最優(yōu)權(quán)重配置的投資組合與滬深300指數(shù)的日走勢圖

從圖4可以看出，從相對收益的角度，在樣本期內(nèi)按照最優(yōu)權(quán)重配置的投資組合凈值顯著跑贏了滬深300指數(shù)，最大差距超過了60%.在樣本后期兩者的凈值之差在減小，主要原因在于2022年新冠肺炎變異株奧密克戎在中國地區(qū)肆虐，造成新能源產(chǎn)業(yè)鏈上下游受到嚴(yán)重波及，零件供銷商停工停產(chǎn)無法實現(xiàn)全產(chǎn)業(yè)的配套生產(chǎn).另外，2022年2月份俄烏沖突爆發(fā)，地緣政治風(fēng)險加劇導(dǎo)致原油價格上升，造成新能源行業(yè)的生產(chǎn)成本大幅升高；同時，地緣政治風(fēng)險的上升導(dǎo)致新能源產(chǎn)品的出口受到嚴(yán)重影響，銷量下降.從絕對收益的角度，構(gòu)建的投資組合在樣本期內(nèi)絕大多數(shù)交易日實現(xiàn)了正收益，并且最高收益突破了70%.

3 基于KMV模型的新能源上市企業(yè)信用風(fēng)險度量

3.1 研究思路

信用風(fēng)險是上市企業(yè)面臨的幾種主要金融風(fēng)險之一，信用風(fēng)險的變化影響投資者做出投資決策，從而導(dǎo)致公司現(xiàn)金流、資產(chǎn)質(zhì)量發(fā)生變化，進而引發(fā)經(jīng)營危機.新能源行業(yè)上市公司具有研發(fā)投入高、資金需求量大、利潤回收期長等特點，一旦出現(xiàn)經(jīng)營性危機，市場投資者和銀行等金融機構(gòu)將根據(jù)企業(yè)的財務(wù)指標(biāo)評估其信用風(fēng)險.采用KMV模型分析由馬科維茨投資組合理論確定的4家上市企業(yè)的預(yù)期違約率，以此作為幫助投資者確定在投資期限內(nèi)企業(yè)是否發(fā)生違約的信用風(fēng)險度量工具.

3.2 企業(yè)信用風(fēng)險的度量

4家企業(yè)的股權(quán)價值選取為2020年5月21日至2022年4月29日股權(quán)價值的均值，長期負債、短期負債來自2022年一季度企業(yè)公布的財務(wù)報表和資產(chǎn)負債表.4家企業(yè)的股權(quán)價值、長期負債、短期負債經(jīng)整理后見表7.

表7 企業(yè)長期負債、短期負債、股權(quán)價值統(tǒng)計 元

從表7可以看出，寧德時代和華友鈷業(yè)作為新能源行業(yè)的龍頭企業(yè)，其長期負債和短期負債達到百億級別，股權(quán)價值更是達到千億級別.錦浪科技和上機數(shù)控作為新能源行業(yè)具備高增長潛力的企業(yè)，債務(wù)水平維持在行業(yè)合理水平[15-16].

上文已計算得出4家企業(yè)的年波動率分別為：0.5312、0.6607、0.8544、0.6964，在表7基礎(chǔ)上，利用MATLAB軟件計算出企業(yè)市場價值、市場價值波動率、違約點、違約距離，并根據(jù)負債違約距離，結(jié)合理論方法計算出企業(yè)的違約概率，計算結(jié)果見表8.

表8 KMV模型計算結(jié)果

3.3 結(jié)果分析

(1)企業(yè)市場價值均明顯高于企業(yè)股權(quán)價值.新能源行業(yè)上市公司經(jīng)營領(lǐng)域有所不同，資本結(jié)構(gòu)存在差異，但是根據(jù)KMV模型測算出的市場價值普遍高于股權(quán)價值.在一定程度上體現(xiàn)出在“雙碳”、“綠色金融”、“可持續(xù)發(fā)展”等相關(guān)政策的支持下，新能源企業(yè)具有較好的增值空間和發(fā)展前景.

(2)新能源上市企業(yè)的整體信用風(fēng)險相對較高.由KMV模型計算得出的4家企業(yè)信用風(fēng)險度量結(jié)果顯示，所有樣本企業(yè)的違約距離均小于2.綜合已有的研究成果表明，中國新能源行業(yè)上市企業(yè)由于研發(fā)投入高、利潤回收期長、收入回報不穩(wěn)定性等特點，導(dǎo)致整體信用風(fēng)險偏高.

4 總結(jié)

新能源產(chǎn)業(yè)是中國目前具有戰(zhàn)略性的新興產(chǎn)業(yè)之一，該文對“雙碳”目標(biāo)下新能源行業(yè)上市公司進行價值投資策略分析[17-18]，采用2020年5月至2022年4月中國A股新能源行業(yè)上市公司市場數(shù)據(jù)，實證檢驗量化投資方法對投資收益的影響，具體采用主成分法、馬科維茨投資組合理論、KMV模型得出結(jié)論如下.

(1)根據(jù)上市公司的財務(wù)數(shù)據(jù)，提取得到成長能力、盈利能力、償債能力、資本結(jié)構(gòu)4個主成分因子，能夠涵蓋80%以上的財務(wù)信息，進而有效搭建投資組合的股票池.

(2)挑選主成分得分靠前的上市公司搭建資產(chǎn)組合的有效前沿，確定了夏普比率最高時的投資組合配比，并且投資收益明顯高于同期滬深300指數(shù).

(3)采用KMV模型度量上市公司的信用風(fēng)險，發(fā)現(xiàn)企業(yè)的市場價值明顯高于股權(quán)價值，具有很高的投資價值，并且新能源行業(yè)存在明顯的高風(fēng)險高收益特點.

中國新能源[19]行業(yè)上市企業(yè)發(fā)展歷程尚短，市場尚未了解該行業(yè)特點，且企業(yè)內(nèi)部管理存在諸多弊端，但發(fā)展新能源產(chǎn)業(yè)是中國實現(xiàn)“碳達峰碳中和”目標(biāo)的必經(jīng)之路.總結(jié)來看，新能源行業(yè)投資前景廣闊，在實現(xiàn)“雙碳”目標(biāo)的政策支持和可持續(xù)發(fā)展理念的引導(dǎo)下，促進政府和社會層面的資金流入新能源行業(yè)，倡導(dǎo)以基本面為基礎(chǔ)的價值投資，對推動新能源產(chǎn)業(yè)變革和落實國家碳中和政策具有正向激勵意義.