




我們在《廣義固收資產策略框架:一個綜合比較分析》中將REITs作為廣義固收資產一個類別進行了討論,但考慮到REITs基礎資產中各行業的收益分化較大,且中外REITs行業構成差距亦較大,為得到一個普適性的投資策略,本文嘗試構建進攻、防守、平衡三分類的REITs風格投資框架。
不同風格REITs最佳投資環境存在較大差別,進攻型適合高經濟增速、收緊預期;防守型在低經濟增速、寬鬆預期表現較好;平衡型在高經濟增速、寬鬆預期表現較好,低經濟增速、收緊預期階段所有風格REITs可能面臨較大回撤。
對於美國REITs市場,“旅遊住宿”、“購物中心”為“進攻型”;“多元化經營”、“辦公樓”、“公寓”、“醫療保健”、“住宅”、“自助倉庫”、“工業”為“平衡型”;“資料中心”、“通訊(基建)”為“防守型”。所有經濟環境下,2012年4月30日至2025年3月21日期間,防守型平均年化收益率為9.8%,跑贏平衡型(6.8%)和進攻型(3.7%)。
對於中國REITs市場,其基礎資產所屬行業整體風格更偏防禦屬性,但各行業的防禦屬性仍有強弱之分。從REITs行業佔比結構看,中國傳統防禦型板塊(基建REITs)佔比顯著高於海外,從槓桿使用看,中國REITs也顯著低於海外。在產權屬性方面,中國特許經營權型REITs佔據半壁江山,導致估值不穩定。
中國不同風格REITs的最優投資環境與美國REITs市場高度一致,具體來看,所有經濟環境下,2022年6月1日至2025年3月13日期間,防守型REITs平均年化收益率為3.3%,跑贏平衡型(-4.0%)和進攻型(-5.0%),防禦型REITs風格長期佔優。透過描述性統計、傳統金融分析、機器學習的聚類演算法結合:(1)“倉儲物流”、“園區基礎設施”、“消費基礎設施”為“進攻型”;(2)“生態環保”、“交通基礎設施”為“平衡型”;(3)“能源基礎設施”、“保障性租賃住房”為“防禦型”。此外,本文透過美國資料分析得到的資料中心和零售REITs分別劃分為防守型和進攻型,目前在中國新上市的REITs暫時資料不足,可參考這一分類邏輯進行初步風格劃分。
我們在《廣義固收資產策略框架:一個綜合比較分析》[1]中將REITs作為廣義固收資產中一個大類探討投資策略。然而,中國REITs成立時間較短,2021年至今嚴格意義上均為寬鬆預期和弱“經濟現實”週期,即通常意義上REITs產品表現最差的經濟環境,同時早期REITs相關政策尚在完善過程中,上市定價過高,因此總體收益率差強人意,但也有部分產品。本文嘗試根據中國REITs特色,對不同行業REITs風格進行劃分,並針對不同風格分析其最佳投資環境。
一、中國與海外REITs異同
1.1 中國REITs與海外主要差異
中國REITs市場具有鮮明的特色,其獨特性主要體現在三個方面:REITs行業分佈、槓桿率、產權屬性。前兩項表明中國REITs整體風格偏穩健,而產權屬性則是估值不穩定來源之一。
從REITs行業佔比結構看,中國基建REITs佔比顯著高於海外市場。根據彭博分類資料[2],美國REITs市值佔比前五分別為多元化經營、工業(倉儲物流等)、住宅、醫療保健、零售(商場等),共計佔比88.7%,中國REITs市值佔比前五分別為交通基礎設施、園區基礎設施、消費基礎設施、能源基礎設施、倉儲物流,共計佔比89.8%,其中交通基礎設施佔比近33%,該分類下的REITs全為高速公路,專案屬性為特許經營類,因此考慮分類標準差異之後,REITs結構上仍有較大區別。中國REITs市場的一個顯著特點是基建類資產佔比較高,這與海外成熟市場形成鮮明對比。例如,根據AJPI資料,日本REITs市場以辦公樓、物流設施和零售(商場等)為主導,三者合計佔比達84.1%,而基建類REITs並未單獨列示。


槓桿率方面,中國REITs顯著低於海外REITs。從監管上限要求角度看,根據我國《公開 募集基礎設施證券投資基金指引(試行)》,“基礎設施基金直接或間接對外借款,應當遵循基金份額持有人利益優先原則,基金總資產不得超過基金淨資產的140%”,因此中國公募REITs的槓桿率上限為28.57%,在併購重組階段槓桿率上限只有16.67%(借款金額不超過基金淨資產的20%)。中國香港、新加坡REITs槓桿率上限為50%,美國無槓桿率限制。從實際槓桿率使用角度看,根據2023年年報資料,中國REITs平均資產負債率為9.4%。作為對比,根據NAREIT T-Tracker資料,美國2023年年報所有權益類REITs平均資產負債率平均為49.5%,根據彭博資料,日本、新加坡、中國香港2023年REITs年報資產負債率平均分別為44.8%、36.1%、30.8%。從政策至實際槓桿使用,中國REITs都顯著低於海外REITs,因而表現出更為穩健的特徵。
產權屬性方面,中國特許經營權型REITs佔據半壁江山,海外特許經營權REITs比較罕見。產權型和特許經營權幾乎是中國公募REITs特有的分類方式,兩者主要區別在於產權型擁有並經營底層資產,特許經營權不擁有底層資產產權,資產到期後,會面臨資產清算價值較少或淨值歸零的風險。截至2025年3月21日,產權型REITs共有40只,市值約933億元,其中,產業園區(園區基礎設施)REITs共21只(佔產權型52.5%),市值共計392億元(佔產權型42%);特許經營權型REITs共有23只,市值約887,其中,交通基礎設施REITs共13只(佔特許經營權型56.5%),市值共計602億元(佔特許經營權型67.9%)。海外REITs特許經營權型別較少,僅澳大利亞上市基礎設施基金(LIF)中有小部分特許經營權產品,而該分類不屬於澳大利亞REITs。我國當前REITs發行以特許經營權為主,由於特許經營權類REITs到期後大多無償移交給當地政府,因此剩餘期限對REITs的估值影響較大。

1.2 中國與海外REITs不同行業收益分化較大
在同一市場內,不同細分行業REITs表現也不盡相同,對富時NAREIT分行業全收益指數進行分析,美國REITs市場方面,2012年4月30日至2025年3月21日期間,工業、自助倉庫、通訊(基建)、住宅、醫療保健、購物中心、旅遊住宿/度假村、辦公樓、多元化經營的年化收益率分別為11.91%、11.72%、10.37%、8.07%、6.82%、5.05%、2.03%、1.64%、1.29%,工業、自助倉庫、通訊(基建)、住宅REITs指數長期跑贏其餘行業指數。

中國REITs行業細分方面,採用CIB-REITs分行業指數資料,2022年1月1日至2025年3月13日期間(部分指數如保障性租賃住房、能源基礎設施、水利基礎設施、消費基礎設施起始日較晚,採用向前填充方式補全缺失值),倉儲物流、園區基礎設施、交通基礎設施、生態環保、保障性租賃住房、能源基礎設施、水利基礎設施、消費基礎設施年化收益率分別為-5.06%、-5.01%、-5.38%、-2.69%、2.61%、3.90%、5.85%、9.37%,保障性租賃住房、能源基礎設施、水利基礎設施、消費基礎設施指數收益率為正。

二、REITs風格劃分方法梳理
鑑於中國REITs市場的獨特結構特徵,若簡單套用海外REITs行業投資經驗,其研究結論可能存在偏差。為此,本文在現有REITs行業分類框架基礎上,引入風格維度劃分,具體分為“進攻型”、“防守型”、“平衡型”三類,旨在識別不同風格REITs的最優投資環境配置,風格劃分後的REITS投資策略更有普適性。
REITs風格劃分的研究方法大致可以分為以下三大類:基於專家調研方法的風格分析方法、基於回報(收益率)方法的風格分析方法、基於聚類方法的風格分析方法。三種方法特點總結:基於專家調研的方法屬於主觀判斷的方法,依賴於行業專家的經驗和判斷,適用於缺乏資料支援的情況,但可能存在主觀性較強的問題。基於回報的方法通過歷史收益率資料來推斷投資風格,具有較強的資料驅動性,結果比較客觀,但最終分類仍然依賴於預期回報和風險的主觀判斷。基於聚類的方法透過資料驅動的聚類分析來識別潛在的投資風格,具有較強的靈活性和解釋力,但需要大量的資料和複雜的統計技術支援。上述三種方法各具特色,對REITs風格分析研究可以結合這三種方法,利用多維度的資料和多種分析技術,構建更加全面和準確的風格分類框架,以更好地服務於REITS投資組合的管理和績效評估。
2.1 基於專家調研方法的風格分析
基於專家調研的風格分析方法主要透過調查和專家意見來確定投資風格。這種方法依賴於行業專家的經驗和判斷,通常用於制定風格分類的標準和定義。該方法下經常被提及的是美國房地產投資信託理事會(National Council of Real Estate Investment Fiduciaries, NCREIF)在2003年釋出的白皮書總結了多年的專家討論,提出了基於核心(core)、增值(value-added)和機會型(opportunistic)的房地產投資風格分類。這些分類基於回報目標、物業型別、槓桿率等投資特徵,其中,根據當時美國房地產投資狀況,認為核心(core)風格應具備穩定的租金收入、中低風險、回報主要來自租金,增值(value-added)風格則預期中等回報,表現優於市場、回報來自資產升值,機會型(opportunistic)風格為預計大幅跑贏市場,租金收入有限,回報很大程度取決未來升值。然而,Kaiser(2005)指出,NCREIF提出的風格定義較為模糊,且未基於投資組合的實際表現,而是試圖透過預期的風險或回報來定義風格。透過向有限的投資者和投資顧問調研後,發現由於缺乏明確的基準和可量化的邊界,不同顧問和投資者對核心、增值和機會型風格的定義存在較大差異。因此建議透過綜合評分的方式,考慮多達10個因素來確定風格分類,同時應避免過於僵化的定義,以免限制基金經理的創造力和適應市場週期的能力。這種方法雖然依賴於專家的主觀判斷,但在缺乏足夠資料支援的情況下,提供了一種可行的風格分類框架。
2.2 基於回報(收益率)方法的風格分析
基於回報的風格分析方法主要透過分析投資組合的收益率資料來識別和分類投資風格。這種方法的核心思想是通過歷史收益率資料來推斷投資組合的風格特徵。Sharpe(1992)提出的風格分析模型是這一領域的經典方法,透過二次規劃來確定投資組合對主要資產類別的暴露程度。NAREIT的一項研究認為按房產型別分析Beta值會很有用(Case, 2018),透過不同行業Beta進行風格劃分,發現自助倉庫、醫療保健、基礎設施、資料中心、住宅具有“防禦性”,旅遊住宿/度假村、工業、林業則表現出較強的“週期性”。一些研究強調了行業分類的重要性,Ping和Jalil(2016)透過基於回報的方法,揭示了馬來西亞房地產投資信託(M-REITs)的行業分類對其財務表現的重要性,特別是商業零售和工業型別分別與股息收益率和預期回報呈顯著正相關,強調了資產型別多樣化策略在提升M-REITs績效中的關鍵作用。一些研究則更強調財務指標的作用,Fuerst和Marcato(2009)的研究表明,傳統的房地產風格分析主要依賴於物業型別(如辦公、零售、工業)和區域(如行政區域或經濟區域)的分類,但這些分類對收益率的解釋力較低,僅能解釋約30%的收益率變化。因此,他們提出了多維度的風格分析方法,引入了物業規模、資本化率(cap rate)、租戶特徵(租戶集中度和租期長度)等因素,顯著提高了對收益率的解釋力。特別是物業規模被發現是最重要的風格因素,其次是資本化率和租戶特徵。此外,部分研究關注經濟環境對於REITs及行業分類的影響,即REITs表現的經濟敏感性。Feng和Wu(2021)使用歷史收益率資料,透過迴歸分析探討了地方經濟增長和資產位置對美國房地產投資信託(REITs)公司增長的影響。文章研究結果表明,地方經濟增長對REIT公司增長有顯著的正向影響,尤其是在經濟增長較快的地區配置資產的REIT,其公司增長更為顯著。Reddy和Wong(2018)研究聚焦於澳大利亞房地產投資信託(A-REITs),分析了其在全球金融危機(GFC)後的表現及其對利率變化的敏感性。研究發現,A-REITs在低利率環境下表現優異,但未來利率上升可能對依賴債務融資的行業部門產生顯著影響。多元化和零售行業對市場風險及短期和長期利率變化反應顯著,而工業、辦公行業的影響則不明顯。Ma(2020)則透過比較美國和新加坡REITs在2019年至2020年疫情期間的表現,探討了REITs在經濟不穩定時期的抗風險能力。研究發現,酒店和零售REITs受疫情影響較大,而物流和資料中心REITs受影響較小,表明多元化投資組合理論在抵禦風險方面具有重要作用。這種方法由於通過歷史收益率資料來推斷投資風格,具有較強的資料驅動性,結果相比專家判斷和問卷調研方法更客觀,但最終分類仍然依賴於預期回報和風險的主觀判斷,並且需要有較長的歷史收益率時間序列資料。
2.3 基於聚類方法的風格分析
基於聚類的風格分析方法透過統計技術將具有相似特徵的投資組合或物業進行分類。這種方法不依賴於預先定義的風格類別,而是透過資料驅動發現數據中潛在的模式和結構,從而識別潛在的投資風格。傳統REITs市場高度依賴租金收入,因此大量研究基於區位理論,探討地理條件對REITs價格表現、IPO及其他相關因素的影響(Freybote等, 2015; Usman等, 2020; Wang等, 2021; Ling等, 2022)。其中一個重要研究方向是透過空間聚類分析等方法,識別出租活動的地理中心或細分市場,以最佳化資產配置和提升投資回報(Dunse等, 2001; Cajias等, 2020; Chacon, 2023; Zhu等, 2024)。對於REITs地理位置和行業,也有學者嘗試透過基於回報的方法確定兩者的相對重要性,結果表明,在大多數時間裡,行業特定因素主導著地區特定因素,尤其是在房地產週期的波動時期(Lee, 1999; Lee等, 2007)。Fuerst和Marcato(2009)在研究中使用了聚類分析和神經網路技術,發現除了傳統的物業型別和區域分類外,物業的收益率、規模、租戶集中度和租約長度等因素也能顯著提高對收益率的預測能力。Cajias等(2020)聚焦於德國住宅房地產市場,透過構建質量和空間調整後的價格和流動性指數,採用“圍繞中心點劃分(PAM)”聚類演算法,結合平均輪廓法確定最優聚類數量,將德國380個區域按價格和流動性發展情況進行聚類。研究發現,房地產市場價格上漲最為顯著的聚類區域中,人口、勞動人口、失業率和可支配收入、實際GDP增長率更突出,表明這些區域對空間的需求更高。這種方法透過資料驅動的聚類分析來識別潛在的投資風格,具有較強的靈活性和解釋力,可以與前兩種方法互補,但需要大量的資料和複雜的統計技術支援。
三、美國REITs風格劃分及投資環境
由於其他REITs市場的分行業資料較難獲取,且這些市場通常僅涵蓋辦公樓、住宅、零售、酒店和物流等行業,而較少將基礎設施單獨劃分出來(Cho, 2017),因此這些資料對中國REITs市場的指導意義有限。但劃分分割之後的投資具有普適性,基於此,本文以美國REITs市場為例,嘗試進行風格劃分並總結適宜的投資環境。
3.1 美國REITs風格劃分
鑑於美國REITs各細分行業已歷經完整的經濟週期,基於收益率進行風格劃分的方法已具備較強的代表性(Case, 2018)。此外,大量研究證實,經濟增長對REITs具有顯著影響(Chang等, 2011; Hoesli等, 2012; Yi Man Li等, 2016; Reddy等, 2018; Su等, 2021; Feng等, 2022)。因此,本文結合行業收益率的Beta值與GDP增長情況,對美國REITs進行風格劃分。
綜合行業收益率的Beta值與GDP增長情況:“旅遊住宿”、“購物中心”、“地區購物”為“進攻型”;“多元化經營”、“辦公樓”、“公寓”、“醫療保健”、“住宅”、“自助倉庫”、“林業”、“工業”為“平衡型”;“資料中心”、“通訊(基建)”為“防守型”。其中,“多元化經營”、“辦公樓”、“林業”、“工業”為平衡偏進攻(Beta和GDP其中一種判斷為進攻,另一種判斷為平衡),“自助倉庫”為平衡偏防守(Beta和GDP其中一種判斷為平衡,另一種判斷為防守)。
本文分別採用富時NAREIT“住宅”、“醫療保健”、“通訊(基建)”、“工業”、“公寓”、“自助倉庫”、“購物中心”、“地區購物”、“辦公樓”、“旅遊住宿”、“林業”、“多元化經營”、“資料中心”子分類指數代表美國各個REITs行業指數,採用“富時NAREIT股票REIT總回報指數”代表美國REITs市場指數,除“林業”、“資料中心”、“通訊(基建)”之外,其餘行業指數時間範圍為2006年3月31日至2025年3月21日,“林業”、“資料中心”、“通訊(基建)”則分別始於2010年12月31日、2015年12月31日、2012年4月30日。透過市場指數收益率與行業指數收益率迴歸可得每個行業的Beta。
美國行業REITs的Beta結果:按照股票Beta的經驗法則,通常認為Beta大於1為“進攻型”,Beta小於0.8為“防守型”,其餘為“平衡型”,REITs和股票在標的行業分佈、分紅規則等方面有一些區別,因此不必完全照搬經驗法則,本文結合Beta結果對REITs行業風格進行劃分。“工業”、“地區購物”、“旅遊住宿”、“購物中心”的Beta值大於1.1,其中“工業”、“地區購物”、“旅遊住宿”的Beta值大於1.2,彈性較高,可分類為強“進攻型”,其餘則為“進攻型”,該分類結果與Case (2018)的研究結果類似;“辦公樓”、“多元化經營”、“林業”、“醫療保健”、“住宅”、“公寓”的Beta大致在0.9-1.1區間,可分類為“平衡型”;“通訊(基建)”、“自助倉庫”、“資料中心”的Beta小於0.9,可分類為“防守型”。

美國行業REITs指數與GDP相關性結果:由於美國各行業REITs歷史收益率資料足夠長,且經歷了完整經濟週期,整體上行業指數與GDP相關性結果與行業指數Beta結果相吻合。具體地,各行業指數與GDP相關性由強到弱排序為:“旅遊住宿”、“購物中心”、“多元化經營”、“地區購物”、“辦公樓”、“公寓”、“醫療保健”、“住宅”、“自助倉庫”、“林業”、“工業”、“資料中心”、“通訊(基建)”。其中,“旅遊住宿”、“購物中心”、“多元化經營”、“地區購物”與GDP相關性都在0.5以上,具備明顯的“進攻型”特徵;“辦公樓”、“公寓”、“醫療保健”、“住宅”、“自助倉庫”、“林業”、“工業”與GDP相關性大致在0.3-0.5之間,具備“平衡型”特點;“資料中心”、“通訊(基建)”與GDP相關性分別為0.17和0.09,具備明顯的“防禦型”特徵。

3.2 美國不同風格REITs投資環境
美國不同風格REITs最佳投資環境存在較大差別,“進攻型”適合高經濟增速、收緊預期;“防守型”在低經濟增速、寬鬆預期表現較好;“防守型”、“平衡型”在高經濟增速、寬鬆預期表現較好。所有經濟環境下,防守型長期平均年化收益率為9.8%,跑贏平衡型(6.8%)和進攻型(3.7%)。
我們沿用《廣義固收資產策略框架:一個綜合比較分析》[3]中的投資環境劃分方法,但略有調整。由於本文旨在透過美國REITs的風格研究,為中國REITs的發展提供借鑑,而中國REITs的歷史較短,因此不適合採用百分位數的方式來劃分高、中、低速經濟增長階段。為此,我們改用近四個季度的平均環比增速作為衡量標準:若該增速為正,則歸為經濟增速變高象限;若為負,則歸為經濟增速變低階段。
按風格劃分看,所有經濟環境下(2012年4月30日以來),防守型長期平均年化收益率為9.8%,跑贏平衡型(6.8%)和進攻型(3.7%)。
高經濟增速、收緊預期階段:旅遊住宿和地區購物這兩類“進攻型”REITs表現顯著好於其餘REITs,即可得該環境適合“進攻型”REITs,此外,公寓、住宅、工業等平衡型REITs在該階段取得15%以上的年化收益率,前三REITs平均年化收益率為21%;低經濟增速、寬鬆預期階段:資料中心這類“防守型”REITs表現顯著好於其餘REITs,前三REITs平均年化收益率為42%。此外,通訊(基建)在該階段平均年化收益率為25%,“防守型”REITs能在經濟增速較低階段取得超額(見附錄),資料中心和通訊(基建)在高速增長階段跑輸其餘REITs,但隨著經濟增速下行,這兩類REITs逐漸跑贏;高經濟增速、寬鬆預期階段:通訊(基建)這類“防守型”REITs表現顯著好於其餘REITs,多個“平衡型”REITs如林業、自助倉庫、辦公樓三類分別排二、四、五,且都為正收益,前三REITs平均年化收益率為11%;低經濟增速、收緊預期階段:各類風格REITs表現相對較差,前三REITs平均年化收益率為2%。



四、中國REITs風格劃分及投資環境
4.1 中國REITs風格劃分
中國REITs風格劃分較困難,難點在於幾個方面:(1)由於發展時間較短,指數收益率時間序列未穿越完整經濟週期,部分REITs行業(如消費基礎設施、水利基礎設施)僅有約1年的指數資料;(2)早期政策尚處於探索階段,市場存在一級定價過高,二級表現較差的情況,收益率存在失真的可能;(3)部分指標(如資產負債率)與海外REITs存在較大差異,相關經驗法則較難照搬。針對前兩個研究難點,僅依靠基於回報(收益率)的單維度方法進行REITs風格分類容易產生偏差和誤判。因此,我們構建了多維分析框架:首先採用描述性統計方法擬定極其特殊的行業風格;其次運用基於回報(收益率)的傳統金融分析方法進行初步風格識別;最後引入基於機器學習的聚類演算法實現資料驅動的風格劃分。
透過對多維分析框架的綜合研判,我們得出以下REITs風格分類結論:所有方法判定結果高度一致的領域包括:(1)“倉儲物流”、“園區基礎設施”、“消費基礎設施”被一致歸類為“進攻型”;(2)“生態環保”為“平衡型”;(3)“能源基礎設施”被統一識別為“防禦型”。對於存在方法間差異的類別,根據模型結果和主觀判斷後確定:(1)“保障性租賃住房”最終歸類為“防禦型”(基於回報方法支援該結論,聚類方法顯示為“平衡型”);(2)“交通基礎設施”最終判定為“平衡型”(描述性統計和聚類方法均支援“進攻型”分類,基於回報方法呈現“防禦型”特徵)。
4.1.1 描述性統計分析
該方法借鑑NCREIF白皮書的思路,試圖透過關鍵指標,直接判斷某些REITs行業的風格。指標選取上,選取EBDA、年化派息率、P/FFO、市值、營業收入、專案剩餘期限、資產負債率、資本化率,其中,EBDA、年化派息率(Dividend)、P/FFO與Nareit T-Tracker[4]在評估美國REITs表現上最關注的三個指標:NOI、Dividend、FFO相對應,其中NOI為淨營業收入=租金和附加收入–直接房地產費用,排除折舊、利息、稅金、公司級銷售、一般和行政費用、資本支出和融資支付等非營業專案,為現金流指標,EBDA為折舊攤銷前利潤,更能反應REITs在派息前可供分配現金流,兩者除了營業外收入、利息支出、銷售行政費用之外比較接近,國內REITs目前較少直接披露NOI指標。市值、營業收入、資產負債率、資本化率、專案剩餘期限則參考Fuerst和Marcato(2009)的研究結果,其強調了物業規模、資本化率、租戶特徵(租戶集中度和租期長度)、槓桿率在REITs風格劃分中的作用。結果可得,“交通基礎設施”、“消費基礎設施”為“進攻型”,“能源基礎設施”為“防禦型”,其餘REITs無法透過該方法直接判斷風格。
專案剩餘期限:中國REITs最具特色的重要指標,原因上文已作說明,主要由於特許經營權類REITs剩餘期限對REITs的估值影響較大,可類比海外REITs物業租期穩定性較差。從這個角度,交通基礎設施REITs並不能簡單劃分為穩定票息屬性的“防守型”REITs,相反,截至2025年3月21日,該型別REITs專案剩餘期限約為14年,顯著低於其餘特許經營權類REITs(水利基礎設施、生態環保、能源基礎設施平均剩餘期限分別為28年、22年、18年),該特性會提高其經營和估值波動,具備機會型(opportunistic)/“進攻型”REITs特徵。同樣地,由於上述特性,特許經營權類REITs無法視作永續派息類REITs,因此對於當年自由現金流或可供分派現金流等指標,市場給予的估值會有折扣,其P/FFO顯著低於產權類REITs,年化派息率則顯著高於產權類REITs。
資產負債率:上文已說明,中國REITs槓桿率顯著低於海外市場,其中,消費基礎設施REITs槓桿率相對較高,可將其分類為“進攻型”REITs。
資本化率(cap rate):資本化率通常定義為NOI/資產價值,是一個常用的房地產企業估值指標。對於資本化率,中國大部分REITs披露較少,本文引用戴德梁行-瑞思不動產金融研究院2024年《中國REITs指數之不動產資本化率調研報告》[5]調研結果,中國一線城市產業園區、保障性租賃住房、倉儲物流、工業、消費基礎設施REITs的資本化率分別為4.4%-5.5%、4.4%-4.9%、4.9%-5.3%、5.1%-5.96%、6.9%-7.4%,其中,消費基礎設施REITs資本化率明顯高於其餘REITs,從這個角度,消費基礎設施具有高估值,可將其分類為“進攻型”REITs。根據彭博資料(截至2025年3月),全球主要REITs市場呈現顯著估值差異:中國REITs平均資本化率為3.52%,顯著低於海外成熟市場。分不同市場看,日本、新加坡、中國香港和美國平均資本化率分別為4.31%、5.63%、6.22%、7.88%;分行業看,日本零售與酒店REITs(5.12%、4.98%)、新加坡辦公與零售REITs(6.54%、6.41%)、中國香港辦公與零售REITs(7.12%、5.64%)以及美國辦公與酒店REITs(11.69%、8.35%)的資本化率均顯著高於該市場內均值。整體上,REITs估值體系具有顯著的市場特異性,跨市場比較時需謹慎,更宜在同一市場框架內透過細分行業資本化率來界定REITs風格。
市值、營業收入、EBDA:交通基礎設施、能源基礎設施市值最高,交通基礎設施市值加權平均營業收入、EBDA分別為1.5億元和1.06億元,能源基礎設施市值加權平均營業收入、EBDA分別為2.81億元和1.15億元,結合剩餘期限指標考慮,能源基礎設施平均剩餘期限更高,並且平均營業收入、EBDA也相對更高,具備相對穩定性,可將其劃分為“防守型”REITs。

4.1.2 基於回報(收益率)的風格分析
儘管存在一定侷限性,但基於回報(收益率)的分析方法仍是中國REITs風格劃分的重要參考依據。與美國REITs風格分析部分一致,結合行業收益率的Beta值與GDP增長情況來劃分中國REITs風格。結果可得,“倉儲物流”、“園區基礎設施”為“進攻型”,“保障性租賃住房”、“能源基礎設施”、“交通基礎設施”為“防禦型”,“生態環保”為“平衡型”。
本文采用CIB-REITs“倉儲物流”、“園區基礎設施”、“生態環保”、“保障性租賃住房”、“能源基礎設施”、“交通基礎設施”指數。採用CIB-REITs總收益指數代表中國REITs市場指數,交通基礎設施、倉儲物流、園區基礎設施、生態環保時間範圍為2021年6月21日至2025年3月13日;保障性租賃住房、能源基礎設施起始日分別為2022年8月31日、2022年7月26日。
中國行業REITs的Beta結果:需要說明的是,中國REITs的風格劃分需綜合多維指標與方法體系(如前文所述),本文基於Beta值的分類僅為單一維度的初步分析,並非最終結論。“水利基礎設施”、“消費基礎設施”指數時間太短,參考性較弱,故這兩類REITs不以基於回報(收益率)的風格分析結果為依據劃分風格。“倉儲物流”、“園區基礎設施”的Beta值大於1.1,可分類為“進攻型”;“生態環保”的Beta大致在0.9-1.1區間,可分類為“平衡型”;“保障性租賃住房”、“能源基礎設施”、“交通基礎設施”的Beta小於0.9,可分類為“防守型”。

中國行業REITs指數與GDP相關性結果:中國行業REITs指數與GDP為負相關關係,整體具有防禦屬性。其中,能源基礎設施指數與GDP負相關性更強,表明該型別逆週期屬性較強,根據這個角度,能源基礎設施REITs可分類為“防禦型”。其餘行業REITs與GDP相關性差異較小,該指標風格區分度較差,本文進一步嘗試透過REITs與PMI、CPI相關性進行風格劃分,結果表明保障性租賃住房REITs可分類為“防禦型”。



4.1.3 基於聚類方法的風格分析
聚類方法可以與前兩種方法相互驗證,並且對於資料較少的REITs行業(如消費)也可提供一定判斷依據。由於基於回報(收益率)方法的風格分析已經較充分地利用了指數收益率資訊,聚類方法主要著眼於各行業REITs經營資料:經營指標、營業收入、EBDA。結果可得,經營指標是一個較好的聚類指標,“倉儲物流”、“園區基礎設施”、“交通基礎設施”、“消費基礎設施”為“進攻型”,“生態環保”、“保障性租賃住房”為“平衡型”,“能源基礎設施”為“防禦型”。
經營指標方面,倉儲物流、保障性租賃住房、園區基礎設施、消費基礎設施選用平均出租率,生態環保、交通基礎設施、能源基礎設施分別選用生活垃圾處理量、車流量、上網電量。經營指標、營業收入、EBDA皆採用該行業下所有REITs的市值加權平均。水利基礎設施經營資料過少(僅一個季度)因而剔除。方法上,同時採用傳統K-means演算法和基於動態時間規整(DTW)的K-means演算法進行對比分析,由於缺失值對聚類結果影響較大,此處根據消費基礎設施經營指標做資料對齊處理,首先對所有變數進行標準化處理(Z-score標準化),再將處理後的資料輸入聚類模型進行訓練。
中國行業REITs聚類結果:KMeans和DTW-KMeans模型結果一致,將“倉儲物流”、“園區基礎設施”、“交通基礎設施”、“消費基礎設施”歸為一類,結合描述性統計分析和基於回報(收益率)的風格分析結果,將這一類分為“進攻型”;將“生態環保”、“保障性租賃住房”歸為一類,將這一類分為“平衡型”;“能源基礎設施”歸為一類,將這一類分為“防禦型”。需要說明的是,根據主成分分析(PCA)結果,經營指標、營業收入、EBDA根據主成分壓縮至二維平面時,各REITs行業區分度較小,而PCA前兩個主成分解釋方差分別為0.79、0.20,說明第一主成分已具備較強解釋性。僅使用經營指標KMeans聚類可獲得一致結果,並且KMeans聚類的Silhouette得分從0.31提升至0.52。
根據主成分分析(PCA)結果,經營指標、營業收入和EBDA等變數在二維平面上的投影顯示,不同REITs行業之間的區分度較小。其中,前兩個主成分的方差解釋率分別為79%和20%,表明第一主成分已具有較強的解釋力。進一步分析發現,僅基於經營指標的K-means聚類結果與使用三個指標的分類結果一致,且聚類效果顯著提升——Silhouette得分從0.31提高至0.52,表明聚類結構的緊密度和分離度均得到改善。



4.2 中國不同風格REITs投資環境
中國不同風格REITs的最優投資環境與美國REITs市場具有高度一致性,長期收益方面,兩個市場中防守型REITs都好於平衡型和進攻型。具體而言:“進攻型”適合高經濟增速、收緊預期階段,並在低經濟增速、收緊預期表現優於其餘風格;“防守型”在低經濟增速、寬鬆預期階段表現較好。高經濟增速、寬鬆預期階段所有風格REITs皆不適合投資,可能面臨較大回撤。所有經濟環境下,防守型REITs長期平均年化收益率為3.3%,跑贏平衡型(-4.0%)和進攻型(-5.0%)。
中國REITs資料較少,故不採用近四個季度的平均環比的方式平滑,僅考慮單季度環比變化作為衡量標準:若該季度環比增速為正,則歸為經濟增速變高象限;若為負,則歸為經濟增速變低階段。其餘與美國不同風格REITs投資環境劃分方法一致。
按風格劃分看,所有經濟環境下,2022年6月以來,防守型REITs長期平均年化收益率為3.3%,跑贏平衡型(-4.0%)和進攻型(-5.0%)。
高經濟增速、收緊預期階段:中國REITs該階段的樣本較少,園區基礎設施這類“進攻型”REITs表現好於其餘REITs,該環境適合“進攻型”REITs,前三REITs平均年化收益率為9%;低經濟增速、寬鬆預期階段:保障性租賃住房和能源基礎設施這兩類“防守型”REITs表現較好,此外,“平衡型”REITs如生態環保、交通基礎設施在該投資環境下也能獲取較高收益,前三REITs平均年化收益率為26%。此外,生態環保、保障性租賃住房REITs能在經濟增速降低階段取得超額(見附錄);低經濟增速、收緊預期階段:倉儲物流、能源基礎設施REITs收益率顯著好於其餘REITs,但其餘REITs皆為負收益,前三REITs平均年化收益率為13%;高經濟增速、寬鬆預期階段:中國REITs該階段的樣本較少,各類風格REITs表現相對較差,前三REITs平均年化收益率為-0.03%。
在得出中美REITs按風格劃分的最佳投資環境具有一致性結論後,我們認為同風格的結論具有一定的外推價值。因此,對於水利基礎設施和消費基礎設施而言,其最佳投資環境分別為:水利基礎設施在經濟增速較低且寬鬆預期較強的階段表現更優;消費基礎設施則在經濟增速較高且收緊預期較強的階段更具投資價值。



附錄


參考文獻
[1]CAJIAS M, FREUDENREICH P, FREUDENREICH A, 等, 2020. Liquidity and prices: a cluster analysis of the German residential real estate market[J/OL]. Journal of Business Economics, 90(7): 1021-1056. DOI:10.1007/s11573-020-00990-2.
[2]CASE B, 2018. REIT Beta by Property Type: Most REIT Sectors Have Brought Down Portfolio Volatility Most of the Time[R/OL]. (2018). https://www.reit.com/news/blog/market-commentary/reit-beta-by-property-type-most-reit-sectors-have-brought-down-portfolio-volatility-most-of-the-time.
[3]CHACON R G, 2023. Tenant Concentration in REITs[J/OL]. The Journal of Real Estate Finance and Economics, 66(3): 636-679. DOI:10.1007/s11146-021-09829-1.
[4]CHANG K L, CHEN N K, LEUNG C K Y, 2011. Monetary Policy, Term Structure and Asset Return: Comparing REIT, Housing and Stock[J/OL]. The Journal of Real Estate Finance and Economics, 43(1-2): 221-257. DOI:10.1007/s11146-010-9241-8.
[5]CHO H, 2017. The Role of Sub-Sector REITS in Mixed-Asset Portfolios in Japan[J/OL]. Journal of Real Estate Literature, 25(2): 389-408. DOI:10.1080/10835547.2017.12090464.
[6]DUNSE N, LEISHMAN C, WATKINS C, 2001. Classifying office submarkets[J/OL]. Journal of Property Investment & Finance, 19(3): 236-250. DOI:10.1108/14635780110387592.
[7]FENG Z, WU Z, 2022. Local Economy, Asset Location and REIT Firm Growth[J/OL]. The Journal of Real Estate Finance and Economics, 65(1): 75-102. DOI:10.1007/s11146-021-09822-8.
[8]FREYBOTE J, QIAN L, 2015. The impact of asset location on REIT merger decisions[J/OL]. Journal of Property Research, 32(2): 103-122. DOI:10.1080/09599916.2014.992802.
[9]FUERST F, MARCATO G, 2009a. Style Analysis in Real Estate Markets: Beyond the Sector and Region Dichotomy[J/OL]. The Journal of Portfolio Management, 35(5): 104-117. DOI:10.3905/JPM.2009.35.5.104.
[10]FUERST F, MARCATO G, 2009b. Testing and Improving Commercial Real Estate Market Segmentations With Cluster Analysis and Neural Network Techniques: eres2009_244[R/OL]. European Real Estate Society (ERES). https://ideas.repec.org/p/arz/wpaper/eres2009_244.html.
[11]HOESLI M, OIKARINEN E, 2012. Are REITs real estate? Evidence from international sector level data[J/OL]. Journal of International Money and Finance, 31(7): 1823-1850. DOI:10.1016/j.jimonfin.2012.05.017.
[12]KAISER R, 2005. Investment Styles and Style Boxes in Equity Real Estate: Can the Emerging Model Succeed in Classifying Real Estate Alternatives?[J/OL]. Journal of Real Estate Portfolio Management, 11(1): 5-18. DOI:10.1080/10835547.2005.12089712.
[13]LEE S, 1999. Style analysis and property fund performance[J/OL]. Journal of Property Investment & Finance, 17(2): 145-157. DOI:10.1108/14635789910258534.
[14]LEE S, DEVANEY S, 2007. The Changing Importance of Sector and Regional Factors in Real Estate Returns: 1987–2002[J/OL]. Journal of Property Research, 24(1): 55-69. DOI:10.1080/09599910701297671.
[15]LING D C, MARCATO G, ZHENG C, 2022. Does asset location and concentration explain REIT IPO valuation?[J/OL]. Real Estate Economics, 50(3): 672-706. DOI:10.1111/1540-6229.12327.
[16]MA X, 2020. Future Development Trends of REITs in Mainland CN[J/OL]. E3S Web of Conferences, 218: 02011. DOI:10.1051/e3sconf/202021802011.
[17]PING T C, JALIL R A, 2016. Property types diversification strategy of Malaysian real estate investment trust (M-REITs)[J/OL]. MATEC Web of Conferences, 66: 00076. DOI:10.1051/matecconf/20166600076.
[18]REDDY W, WONG W W, 2018. Australian interest rate movements and A-REITs performance: an analysis by industry sector[J/OL]. Pacific Rim Property Research Journal, 24(1): 85-103. DOI:10.1080/14445921.2018.1436323.
[19]SHARPE W F, 1992. Asset allocation: Management style and performance measurement[J]. Journal of portfolio Management, 18(2): 7-19.
[20]SU Z, TALTAVULL P, 2021. Applying the Fama and French three-factor model to analyze risk/reward in the Spanish REITs: an ARDL approach[J/OL]. Journal of European Real Estate Research, 14(2): 187-206. DOI:10.1108/JERER-11-2019-0043.
[21]USMAN H, LIZAM M, ADEKUNLE M U, 2020. Property Price Modelling, Market Segmentation and Submarket Classifications: A Review[J/OL]. Real Estate Management and Valuation, 28(3): 24-35. DOI:10.1515/remav-2020-0021.
[22]WANG C, ZHOU T, 2021. Trade-offs between Asset Location and Proximity to Home: Evidence from REIT Property Sell-offs[J/OL]. The Journal of Real Estate Finance and Economics, 63(1): 82-121. DOI:10.1007/s11146-020-09770-9.
[23]YI MAN LI R, CHAU K, 2016. Econometric Analyses of International Housing Markets[M/OL]. Routledge [2025-03-24]. https://www.taylorfrancis.com/books/9781317587927. DOI:10.4324/9781315743035.
[24]ZHU B, LIZIERI C, 2024. Local Beta: Has Local Real Estate Market Risk Been Priced in REIT Returns?[J/OL]. The Journal of Real Estate Finance and Economics, 69(4): 682-718. DOI:10.1007/s11146-022-09890-4.
注:
[1]黃之豪,臧運慧,顧懷宇,魯政委,廣義固收資產策略框架:一個綜合比較分析,2025/3/24[2025/3/19],https://app.cibresearch.com/tiptap_web/index.html#/shareUrl?id=950cbf8fd5bba85230f79e8bfb758188&from=app&appVersion=5.3.5
[2]富時NAREIT相關指數與彭博劃分標準不同,尤其是多元化經營分類,富時NAREIT相關指數分類較為細緻,因此相比彭博分類,富時NAREIT多元化經營分類的市值較小。
[3]黃之豪,臧運慧,顧懷宇,魯政委,廣義固收資產策略框架:一個綜合比較分析,2025/3/24[2025/3/19],https://app.cibresearch.com/tiptap_web/index.html#/shareUrl?id=950cbf8fd5bba85230f79e8bfb758188&from=app&appVersion=5.3.5
[4]NAREIT官網,Nareit T-Tracker®: Quarterly Operating Performance Series,2025/3/25[2025/3/25],https://www.reit.com/data-research/reit-market-data/nareit-t-tracker-quarterly-operating-performance-series
[5]戴德梁行-瑞思不動產金融研究院,中國REITs指數之不動產資本化率調研報告,2024/10/1[2025/3/25],https://www.reits50.com.cn/static/upload/file/20241122/1732259404117595.pdf
★
點選圖片購買 “興業研究系列叢書”
★













