摘要：我们在《广义固收资产策略框架：一个综合比较分析》中将REITs作为广义固收资产一个类别进行了讨论，但考虑到REITs基础资产中各行业的收益分化较大，且中外REITs行业构成差距亦较大，为得到一个普适性的投资策略，本文尝试构建进攻、防守、平衡三分类的REITs风

公募REITs，风格划分

我们在《广义固收资产策略框架：一个综合比较分析》中将REITs作为广义固收资产一个类别进行了讨论，但考虑到REITs基础资产中各行业的收益分化较大，且中外REITs行业构成差距亦较大，为得到一个普适性的投资策略，本文尝试构建进攻、防守、平衡三分类的REITs风格投资框架。

不同风格REITs最佳投资环境存在较大差别，进攻型适合高经济增速、收紧预期；防守型在低经济增速、宽松预期表现较好；平衡型在高经济增速、宽松预期表现较好，低经济增速、收紧预期阶段所有风格REITs可能面临较大回撤。

对于美国REITs市场，“旅游住宿”、“购物中心”为“进攻型”；“多元化经营”、“办公楼”、“公寓”、“医疗保健”、“住宅”、“自助仓库”、“工业”为“平衡型”；“数据中心”、“通讯(基建)”为“防守型”。所有经济环境下，2012年4月30日至2025年3月21日期间，防守型平均年化收益率为9.8%，跑赢平衡型（6.8%）和进攻型（3.7%）。

对于中国REITs市场，其基础资产所属行业整体风格更偏防御属性，但各行业的防御属性仍有强弱之分。从REITs行业占比结构看，中国传统防御型板块（基建REITs）占比显著高于海外，从杠杆使用看，中国REITs也显著低于海外。在产权属性方面，中国特许经营权型REITs占据半壁江山，导致估值不稳定。

中国不同风格REITs的最优投资环境与美国REITs市场高度一致，具体来看，所有经济环境下，2022年6月1日至2025年3月13日期间，防守型REITs平均年化收益率为3.3%，跑赢平衡型（-4.0%）和进攻型（-5.0%），防御型REITs风格长期占优。通过描述性统计、传统金融分析、机器学习的聚类算法结合：（1）“仓储物流”、“园区基础设施”、“消费基础设施”为“进攻型”；（2）“生态环保”、“交通基础设施”为“平衡型”；（3）“能源基础设施”、“保障性租赁住房”为“防御型”。此外，本文通过美国数据分析得到的数据中心和零售REITs分别划分为防守型和进攻型，目前在中国新上市的REITs暂时数据不足，可参考这一分类逻辑进行初步风格划分。

我们在《广义固收资产策略框架：一个综合比较分析》[1]中将REITs作为广义固收资产中一个大类探讨投资策略。然而，中国REITs成立时间较短，2021年至今严格意义上均为宽松预期和弱“经济现实”周期，即通常意义上REITs产品表现最差的经济环境，同时早期REITs相关政策尚在完善过程中，上市定价过高，因此总体收益率差强人意，但也有部分产品。本文尝试根据中国REITs特色，对不同行业REITs风格进行划分，并针对不同风格分析其最佳投资环境。

一、中国与海外REITs异同

1.1 中国REITs与海外主要差异

中国REITs市场具有鲜明的特色，其独特性主要体现在三个方面：REITs行业分布、杠杆率、产权属性。前两项表明中国REITs整体风格偏稳健，而产权属性则是估值不稳定来源之一。

从REITs行业占比结构看，中国基建REITs占比显著高于海外市场。根据彭博分类数据[2]，美国REITs市值占比前五分别为多元化经营、工业（仓储物流等）、住宅、医疗保健、零售（商场等），共计占比88.7%，中国REITs市值占比前五分别为交通基础设施、园区基础设施、消费基础设施、能源基础设施、仓储物流，共计占比89.8%，其中交通基础设施占比近33%，该分类下的REITs全为高速公路，项目属性为特许经营类，因此考虑分类标准差异之后，REITs结构上仍有较大区别。中国REITs市场的一个显著特点是基建类资产占比较高，这与海外成熟市场形成鲜明对比。例如，根据AJPI数据，日本REITs市场以办公楼、物流设施和零售（商场等）为主导，三者合计占比达84.1%，而基建类REITs并未单独列示。

杠杆率方面，中国REITs显著低于海外REITs。从监管上限要求角度看，根据我国《公开 募集基础设施证券投资基金指引(试行)》，“基础设施基金直接或间接对外借款，应当遵循基金份额持有人利益优先原则，基金总资产不得超过基金净资产的140%”，因此中国公募REITs的杠杆率上限为28.57%，在并购重组阶段杠杆率上限只有16.67%（借款金额不超过基金净资产的20%）。中国香港、新加坡REITs杠杆率上限为50%，美国无杠杆率限制。从实际杠杆率使用角度看，根据2023年年报数据，中国REITs平均资产负债率为9.4%。作为对比，根据NAREIT T-Tracker数据，美国2023年年报所有权益类REITs平均资产负债率平均为49.5%，根据彭博数据，日本、新加坡、中国香港2023年REITs年报资产负债率平均分别为44.8%、36.1%、30.8%。从政策至实际杠杆使用，中国REITs都显著低于海外REITs，因而表现出更为稳健的特征。

产权属性方面，中国特许经营权型REITs占据半壁江山，海外特许经营权REITs比较罕见。产权型和特许经营权几乎是中国公募REITs特有的分类方式，两者主要区别在于产权型拥有并经营底层资产，特许经营权不拥有底层资产产权，资产到期后，会面临资产清算价值较少或净值归零的风险。截至2025年3月21日，产权型REITs共有40只，市值约933亿元，其中，产业园区（园区基础设施）REITs共21只（占产权型52.5%），市值共计392亿元（占产权型42%）；特许经营权型REITs共有23只，市值约887，其中，交通基础设施REITs共13只（占特许经营权型56.5%），市值共计602亿元（占特许经营权型67.9%）。海外REITs特许经营权类型较少，仅澳大利亚上市基础设施基金（LIF）中有小部分特许经营权产品，而该分类不属于澳大利亚REITs。我国当前REITs发行以特许经营权为主，由于特许经营权类REITs到期后大多无偿移交给当地政府，因此剩余期限对REITs的估值影响较大。

1.2 中国与海外REITs不同行业收益分化较大

在同一市场内，不同细分行业REITs表现也不尽相同，对富时NAREIT分行业全收益指数进行分析，美国REITs市场方面，2012年4月30日至2025年3月21日期间，工业、自助仓库、通讯(基建)、住宅、医疗保健、购物中心、旅游住宿/度假村、办公楼、多元化经营的年化收益率分别为11.91%、11.72%、10.37%、8.07%、6.82%、5.05%、2.03%、1.64%、1.29%，工业、自助仓库、通讯(基建)、住宅REITs指数长期跑赢其余行业指数。

中国REITs行业细分方面，采用CIB-REITs分行业指数数据，2022年1月1日至2025年3月13日期间（部分指数如保障性租赁住房、能源基础设施、水利基础设施、消费基础设施起始日较晚，采用向前填充方式补全缺失值），仓储物流、园区基础设施、交通基础设施、生态环保、保障性租赁住房、能源基础设施、水利基础设施、消费基础设施年化收益率分别为-5.06%、-5.01%、-5.38%、-2.69%、2.61%、3.90%、5.85%、9.37%，保障性租赁住房、能源基础设施、水利基础设施、消费基础设施指数收益率为正。

二、REITs风格划分方法梳理

鉴于中国REITs市场的独特结构特征，若简单套用海外REITs行业投资经验，其研究结论可能存在偏差。为此，本文在现有REITs行业分类框架基础上，引入风格维度划分，具体分为“进攻型”、“防守型”、“平衡型”三类，旨在识别不同风格REITs的最优投资环境配置，风格划分后的REITS投资策略更有普适性。

REITs风格划分的研究方法大致可以分为以下三大类：基于专家调研方法的风格分析方法、基于回报（收益率）方法的风格分析方法、基于聚类方法的风格分析方法。三种方法特点总结：基于专家调研的方法属于主观判断的方法，依赖于行业专家的经验和判断，适用于缺乏数据支持的情况，但可能存在主观性较强的问题。基于回报的方法通过历史收益率数据来推断投资风格，具有较强的数据驱动性，结果比较客观，但最终分类仍然依赖于预期回报和风险的主观判断。基于聚类的方法通过数据驱动的聚类分析来识别潜在的投资风格，具有较强的灵活性和解释力，但需要大量的数据和复杂的统计技术支持。上述三种方法各具特色，对REITs风格分析研究可以结合这三种方法，利用多维度的数据和多种分析技术，构建更加全面和准确的风格分类框架，以更好地服务于REITS投资组合的管理和绩效评估。

2.1 基于专家调研方法的风格分析

基于专家调研的风格分析方法主要通过调查和专家意见来确定投资风格。这种方法依赖于行业专家的经验和判断，通常用于制定风格分类的标准和定义。该方法下经常被提及的是美国房地产投资信托理事会（National Council of Real Estate Investment Fiduciaries, NCREIF）在2003年发布的白皮书总结了多年的专家讨论，提出了基于核心（core）、增值（value-added）和机会型（opportunistic）的房地产投资风格分类。这些分类基于回报目标、物业类型、杠杆率等投资特征，其中，根据当时美国房地产投资状况，认为核心（core）风格应具备稳定的租金收入、中低风险、回报主要来自租金，增值（value-added）风格则预期中等回报，表现优于市场、回报来自资产升值，机会型（opportunistic）风格为预计大幅跑赢市场，租金收入有限，回报很大程度取决未来升值。然而，Kaiser（2005）指出，NCREIF提出的风格定义较为模糊，且未基于投资组合的实际表现，而是试图通过预期的风险或回报来定义风格。通过向有限的投资者和投资顾问调研后，发现由于缺乏明确的基准和可量化的边界，不同顾问和投资者对核心、增值和机会型风格的定义存在较大差异。因此建议通过综合评分的方式，考虑多达10个因素来确定风格分类，同时应避免过于僵化的定义，以免限制基金经理的创造力和适应市场周期的能力。这种方法虽然依赖于专家的主观判断，但在缺乏足够数据支持的情况下，提供了一种可行的风格分类框架。

2.2 基于回报（收益率）方法的风格分析

基于回报的风格分析方法主要通过分析投资组合的收益率数据来识别和分类投资风格。这种方法的核心思想是通过历史收益率数据来推断投资组合的风格特征。Sharpe（1992）提出的风格分析模型是这一领域的经典方法，通过二次规划来确定投资组合对主要资产类别的暴露程度。NAREIT的一项研究认为按房产类型分析Beta值会很有用(Case, 2018)，通过不同行业Beta进行风格划分，发现自助仓库、医疗保健、基础设施、数据中心、住宅具有“防御性”，旅游住宿/度假村、工业、林业则表现出较强的“周期性”。一些研究强调了行业分类的重要性，Ping和Jalil（2016）通过基于回报的方法，揭示了马来西亚房地产投资信托（M-REITs）的行业分类对其财务表现的重要性，特别是商业零售和工业类型分别与股息收益率和预期回报呈显著正相关，强调了资产类型多样化策略在提升M-REITs绩效中的关键作用。一些研究则更强调财务指标的作用，Fuerst和Marcato（2009）的研究表明，传统的房地产风格分析主要依赖于物业类型（如办公、零售、工业）和区域（如行政区域或经济区域）的分类，但这些分类对收益率的解释力较低，仅能解释约30%的收益率变化。因此，他们提出了多维度的风格分析方法，引入了物业规模、资本化率（cap rate）、租户特征（租户集中度和租期长度）等因素，显著提高了对收益率的解释力。特别是物业规模被发现是最重要的风格因素，其次是资本化率和租户特征。此外，部分研究关注经济环境对于REITs及行业分类的影响，即REITs表现的经济敏感性。Feng和Wu（2021）使用历史收益率数据，通过回归分析探讨了地方经济增长和资产位置对美国房地产投资信托（REITs）公司增长的影响。文章研究结果表明，地方经济增长对REIT公司增长有显著的正向影响，尤其是在经济增长较快的地区配置资产的REIT，其公司增长更为显著。Reddy和Wong（2018）研究聚焦于澳大利亚房地产投资信托（A-REITs），分析了其在全球金融危机（GFC）后的表现及其对利率变化的敏感性。研究发现，A-REITs在低利率环境下表现优异，但未来利率上升可能对依赖债务融资的行业部门产生显著影响。多元化和零售行业对市场风险及短期和长期利率变化反应显著，而工业、办公行业的影响则不明显。Ma（2020）则通过比较美国和新加坡REITs在2019年至2020年疫情期间的表现，探讨了REITs在经济不稳定时期的抗风险能力。研究发现，酒店和零售REITs受疫情影响较大，而物流和数据中心REITs受影响较小，表明多元化投资组合理论在抵御风险方面具有重要作用。这种方法由于通过历史收益率数据来推断投资风格，具有较强的数据驱动性，结果相比专家判断和问卷调研方法更客观，但最终分类仍然依赖于预期回报和风险的主观判断，并且需要有较长的历史收益率时间序列数据。

2.3 基于聚类方法的风格分析

基于聚类的风格分析方法通过统计技术将具有相似特征的投资组合或物业进行分类。这种方法不依赖于预先定义的风格类别，而是通过数据驱动发现数据中潜在的模式和结构，从而识别潜在的投资风格。传统REITs市场高度依赖租金收入，因此大量研究基于区位理论，探讨地理条件对REITs价格表现、IPO及其他相关因素的影响(Freybote等, 2015; Usman等, 2020; Wang等, 2021; Ling等, 2022)。其中一个重要研究方向是通过空间聚类分析等方法，识别出租活动的地理中心或细分市场，以优化资产配置和提升投资回报(Dunse等, 2001; Cajias等, 2020; Chacon, 2023; Zhu等, 2024)。对于REITs地理位置和行业，也有学者尝试通过基于回报的方法确定两者的相对重要性，结果表明，在大多数时间里，行业特定因素主导着地区特定因素，尤其是在房地产周期的波动时期(Lee, 1999; Lee等, 2007)。Fuerst和Marcato（2009）在研究中使用了聚类分析和神经网络技术，发现除了传统的物业类型和区域分类外，物业的收益率、规模、租户集中度和租约长度等因素也能显著提高对收益率的预测能力。Cajias等（2020）聚焦于德国住宅房地产市场，通过构建质量和空间调整后的价格和流动性指数，采用“围绕中心点划分（PAM）”聚类算法，结合平均轮廓法确定最优聚类数量，将德国380个区域按价格和流动性发展情况进行聚类。研究发现，房地产市场价格上涨最为显著的聚类区域中，人口、劳动人口、失业率和可支配收入、实际GDP增长率更突出，表明这些区域对空间的需求更高。这种方法通过数据驱动的聚类分析来识别潜在的投资风格，具有较强的灵活性和解释力，可以与前两种方法互补，但需要大量的数据和复杂的统计技术支持。

三、美国REITs风格划分及投资环境

由于其他REITs市场的分行业数据较难获取，且这些市场通常仅涵盖办公楼、住宅、零售、酒店和物流等行业，而较少将基础设施单独划分出来(Cho, 2017)，因此这些数据对中国REITs市场的指导意义有限。但划分分割之后的投资具有普适性，基于此，本文以美国REITs市场为例，尝试进行风格划分并总结适宜的投资环境。

3.1 美国REITs风格划分

鉴于美国REITs各细分行业已历经完整的经济周期，基于收益率进行风格划分的方法已具备较强的代表性(Case, 2018)。此外，大量研究证实，经济增长对REITs具有显著影响(Chang等, 2011; Hoesli等, 2012; Yi Man Li等, 2016; Reddy等, 2018; Su等, 2021; Feng等, 2022)。因此，本文结合行业收益率的Beta值与GDP增长情况，对美国REITs进行风格划分。

综合行业收益率的Beta值与GDP增长情况：“旅游住宿”、“购物中心”、“地区购物”为“进攻型”；“多元化经营”、“办公楼”、“公寓”、“医疗保健”、“住宅”、“自助仓库”、“林业”、“工业”为“平衡型”；“数据中心”、“通讯(基建)”为“防守型”。其中，“多元化经营”、“办公楼”、“林业”、“工业”为平衡偏进攻（Beta和GDP其中一种判断为进攻，另一种判断为平衡），“自助仓库”为平衡偏防守（Beta和GDP其中一种判断为平衡，另一种判断为防守）。

本文分别采用富时NAREIT“住宅”、“医疗保健”、“通讯(基建)”、“工业”、“公寓”、“自助仓库”、“购物中心”、“地区购物”、“办公楼”、“旅游住宿”、“林业”、“多元化经营”、“数据中心”子分类指数代表美国各个REITs行业指数，采用“富时NAREIT股票REIT总回报指数”代表美国REITs市场指数，除“林业”、“数据中心”、“通讯(基建)”之外，其余行业指数时间范围为2006年3月31日至2025年3月21日，“林业”、“数据中心”、“通讯(基建)”则分别始于2010年12月31日、2015年12月31日、2012年4月30日。通过市场指数收益率与行业指数收益率回归可得每个行业的Beta。

美国行业REITs的Beta结果：按照股票Beta的经验法则，通常认为Beta大于1为“进攻型”，Beta小于0.8为“防守型”，其余为“平衡型”，REITs和股票在标的行业分布、分红规则等方面有一些区别，因此不必完全照搬经验法则，本文结合Beta结果对REITs行业风格进行划分。“工业”、“地区购物”、“旅游住宿”、“购物中心”的Beta值大于1.1，其中“工业”、“地区购物”、“旅游住宿”的Beta值大于1.2，弹性较高，可分类为强“进攻型”，其余则为“进攻型”，该分类结果与Case (2018)的研究结果类似；“办公楼”、“多元化经营”、“林业”、“医疗保健”、“住宅”、“公寓”的Beta大致在0.9-1.1区间，可分类为“平衡型”；“通讯(基建)”、“自助仓库”、“数据中心”的Beta小于0.9，可分类为“防守型”。

美国行业REITs指数与GDP相关性结果：由于美国各行业REITs历史收益率数据足够长，且经历了完整经济周期，整体上行业指数与GDP相关性结果与行业指数Beta结果相吻合。具体地，各行业指数与GDP相关性由强到弱排序为：“旅游住宿”、“购物中心”、“多元化经营”、“地区购物”、“办公楼”、“公寓”、“医疗保健”、“住宅”、“自助仓库”、“林业”、“工业”、“数据中心”、“通讯(基建)”。其中，“旅游住宿”、“购物中心”、“多元化经营”、“地区购物”与GDP相关性都在0.5以上，具备明显的“进攻型”特征；“办公楼”、“公寓”、“医疗保健”、“住宅”、“自助仓库”、“林业”、“工业”与GDP相关性大致在0.3-0.5之间，具备“平衡型”特点；“数据中心”、“通讯(基建)”与GDP相关性分别为0.17和0.09，具备明显的“防御型”特征。

3.2 美国不同风格REITs投资环境

美国不同风格REITs最佳投资环境存在较大差别，“进攻型”适合高经济增速、收紧预期；“防守型”在低经济增速、宽松预期表现较好；“防守型”、“平衡型”在高经济增速、宽松预期表现较好。所有经济环境下，防守型长期平均年化收益率为9.8%，跑赢平衡型（6.8%）和进攻型（3.7%）。

我们沿用《广义固收资产策略框架：一个综合比较分析》[3]中的投资环境划分方法，但略有调整。由于本文旨在通过美国REITs的风格研究，为中国REITs的发展提供借鉴，而中国REITs的历史较短，因此不适合采用百分位数的方式来划分高、中、低速经济增长阶段。为此，我们改用近四个季度的平均环比增速作为衡量标准：若该增速为正，则归为经济增速变高象限；若为负，则归为经济增速变低阶段。

按风格划分看，所有经济环境下（2012年4月30日以来），防守型长期平均年化收益率为9.8%，跑赢平衡型（6.8%）和进攻型（3.7%）。

高经济增速、收紧预期阶段：旅游住宿和地区购物这两类“进攻型”REITs表现显著好于其余REITs，即可得该环境适合“进攻型”REITs，此外，公寓、住宅、工业等平衡型REITs在该阶段取得15%以上的年化收益率，前三REITs平均年化收益率为21%；低经济增速、宽松预期阶段：数据中心这类“防守型”REITs表现显著好于其余REITs，前三REITs平均年化收益率为42%。此外，通讯（基建）在该阶段平均年化收益率为25%，“防守型”REITs能在经济增速较低阶段取得超额（见附录），数据中心和通讯（基建）在高速增长阶段跑输其余REITs，但随着经济增速下行，这两类REITs逐渐跑赢；高经济增速、宽松预期阶段：通讯(基建)这类“防守型”REITs表现显著好于其余REITs，多个“平衡型”REITs如林业、自助仓库、办公楼三类分别排二、四、五，且都为正收益，前三REITs平均年化收益率为11%；低经济增速、收紧预期阶段：各类风格REITs表现相对较差，前三REITs平均年化收益率为2%。

四、中国REITs风格划分及投资环境

4.1 中国REITs风格划分

中国REITs风格划分较困难，难点在于几个方面：（1）由于发展时间较短，指数收益率时间序列未穿越完整经济周期，部分REITs行业（如消费基础设施、水利基础设施）仅有约1年的指数数据；（2）早期政策尚处于探索阶段，市场存在一级定价过高，二级表现较差的情况，收益率存在失真的可能；（3）部分指标（如资产负债率）与海外REITs存在较大差异，相关经验法则较难照搬。针对前两个研究难点，仅依靠基于回报（收益率）的单维度方法进行REITs风格分类容易产生偏差和误判。因此，我们构建了多维分析框架：首先采用描述性统计方法拟定极其特殊的行业风格；其次运用基于回报（收益率）的传统金融分析方法进行初步风格识别；最后引入基于机器学习的聚类算法实现数据驱动的风格划分。

通过对多维分析框架的综合研判，我们得出以下REITs风格分类结论：所有方法判定结果高度一致的领域包括：（1）“仓储物流”、“园区基础设施”、“消费基础设施”被一致归类为“进攻型”；（2）“生态环保”为“平衡型”；（3）“能源基础设施”被统一识别为“防御型”。对于存在方法间差异的类别，根据模型结果和主观判断后确定：（1）“保障性租赁住房”最终归类为“防御型”（基于回报方法支持该结论，聚类方法显示为“平衡型”）；（2）“交通基础设施”最终判定为“平衡型”（描述性统计和聚类方法均支持“进攻型”分类，基于回报方法呈现“防御型”特征）。

4.1.1 描述性统计分析

该方法借鉴NCREIF白皮书的思路，试图通过关键指标，直接判断某些REITs行业的风格。指标选取上，选取EBDA、年化派息率、P/FFO、市值、营业收入、项目剩余期限、资产负债率、资本化率，其中，EBDA、年化派息率（Dividend）、P/FFO与Nareit T-Tracker[4]在评估美国REITs表现上最关注的三个指标：NOI、Dividend、FFO相对应，其中NOI为净营业收入=租金和附加收入–直接房地产费用，排除折旧、利息、税金、公司级销售、一般和行政费用、资本支出和融资支付等非营业项目，为现金流指标，EBDA为折旧摊销前利润，更能反应REITs在派息前可供分配现金流，两者除了营业外收入、利息支出、销售行政费用之外比较接近，国内REITs目前较少直接披露NOI指标。市值、营业收入、资产负债率、资本化率、项目剩余期限则参考Fuerst和Marcato（2009）的研究结果，其强调了物业规模、资本化率、租户特征（租户集中度和租期长度）、杠杆率在REITs风格划分中的作用。结果可得，“交通基础设施”、“消费基础设施”为“进攻型”，“能源基础设施”为“防御型”，其余REITs无法通过该方法直接判断风格。

项目剩余期限：中国REITs最具特色的重要指标，原因上文已作说明，主要由于特许经营权类REITs剩余期限对REITs的估值影响较大，可类比海外REITs物业租期稳定性较差。从这个角度，交通基础设施REITs并不能简单划分为稳定票息属性的“防守型”REITs，相反，截至2025年3月21日，该类型REITs项目剩余期限约为14年，显著低于其余特许经营权类REITs（水利基础设施、生态环保、能源基础设施平均剩余期限分别为28年、22年、18年），该特性会提高其经营和估值波动，具备机会型（opportunistic）/“进攻型”REITs特征。同样地，由于上述特性，特许经营权类REITs无法视作永续派息类REITs，因此对于当年自由现金流或可供分派现金流等指标，市场给予的估值会有折扣，其P/FFO显著低于产权类REITs，年化派息率则显著高于产权类REITs。

资产负债率：上文已说明，中国REITs杠杆率显著低于海外市场，其中，消费基础设施REITs杠杆率相对较高，可将其分类为“进攻型”REITs。

资本化率（cap rate）：资本化率通常定义为NOI/资产价值，是一个常用的房地产企业估值指标。对于资本化率，中国大部分REITs披露较少，本文引用戴德梁行-瑞思不动产金融研究院2024年《中国REITs指数之不动产资本化率调研报告》[5]调研结果，中国一线城市产业园区、保障性租赁住房、仓储物流、工业、消费基础设施REITs的资本化率分别为4.4%-5.5%、4.4%-4.9%、4.9%-5.3%、5.1%-5.96%、6.9%-7.4%，其中，消费基础设施REITs资本化率明显高于其余REITs，从这个角度，消费基础设施具有高估值，可将其分类为“进攻型”REITs。根据彭博数据（截至2025年3月），全球主要REITs市场呈现显著估值差异：中国REITs平均资本化率为3.52%，显著低于海外成熟市场。分不同市场看，日本、新加坡、中国香港和美国平均资本化率分别为4.31%、5.63%、6.22%、7.88%；分行业看，日本零售与酒店REITs（5.12%、4.98%）、新加坡办公与零售REITs（6.54%、6.41%）、中国香港办公与零售REITs（7.12%、5.64%）以及美国办公与酒店REITs（11.69%、8.35%）的资本化率均显著高于该市场内均值。整体上，REITs估值体系具有显著的市场特异性，跨市场比较时需谨慎，更宜在同一市场框架内通过细分行业资本化率来界定REITs风格。

市值、营业收入、EBDA：交通基础设施、能源基础设施市值最高，交通基础设施市值加权平均营业收入、EBDA分别为1.5亿元和1.06亿元，能源基础设施市值加权平均营业收入、EBDA分别为2.81亿元和1.15亿元，结合剩余期限指标考虑，能源基础设施平均剩余期限更高，并且平均营业收入、EBDA也相对更高，具备相对稳定性，可将其划分为“防守型”REITs。

4.1.2 基于回报（收益率）的风格分析

尽管存在一定局限性，但基于回报（收益率）的分析方法仍是中国REITs风格划分的重要参考依据。与美国REITs风格分析部分一致，结合行业收益率的Beta值与GDP增长情况来划分中国REITs风格。结果可得，“仓储物流”、“园区基础设施”为“进攻型”，“保障性租赁住房”、“能源基础设施”、“交通基础设施”为“防御型”，“生态环保”为“平衡型”。

本文采用CIB-REITs“仓储物流”、“园区基础设施”、“生态环保”、“保障性租赁住房”、“能源基础设施”、“交通基础设施”指数。采用CIB-REITs总收益指数代表中国REITs市场指数，交通基础设施、仓储物流、园区基础设施、生态环保时间范围为2021年6月21日至2025年3月13日；保障性租赁住房、能源基础设施起始日分别为2022年8月31日、2022年7月26日。

中国行业REITs的Beta结果：需要说明的是，中国REITs的风格划分需综合多维指标与方法体系（如前文所述），本文基于Beta值的分类仅为单一维度的初步分析，并非最终结论。“水利基础设施”、“消费基础设施”指数时间太短，参考性较弱，故这两类REITs不以基于回报（收益率）的风格分析结果为依据划分风格。“仓储物流”、“园区基础设施”的Beta值大于1.1，可分类为“进攻型”；“生态环保”的Beta大致在0.9-1.1区间，可分类为“平衡型”；“保障性租赁住房”、“能源基础设施”、“交通基础设施”的Beta小于0.9，可分类为“防守型”。

中国行业REITs指数与GDP相关性结果：中国行业REITs指数与GDP为负相关关系，整体具有防御属性。其中，能源基础设施指数与GDP负相关性更强，表明该类型逆周期属性较强，根据这个角度，能源基础设施REITs可分类为“防御型”。其余行业REITs与GDP相关性差异较小，该指标风格区分度较差，本文进一步尝试通过REITs与PMI、CPI相关性进行风格划分，结果表明保障性租赁住房REITs可分类为“防御型”。

4.1.3 基于聚类方法的风格分析

聚类方法可以与前两种方法相互验证，并且对于数据较少的REITs行业（如消费）也可提供一定判断依据。由于基于回报（收益率）方法的风格分析已经较充分地利用了指数收益率信息，聚类方法主要着眼于各行业REITs经营数据：经营指标、营业收入、EBDA。结果可得，经营指标是一个较好的聚类指标，“仓储物流”、“园区基础设施”、“交通基础设施”、“消费基础设施”为“进攻型”，“生态环保”、“保障性租赁住房”为“平衡型”，“能源基础设施”为“防御型”。

经营指标方面，仓储物流、保障性租赁住房、园区基础设施、消费基础设施选用平均出租率，生态环保、交通基础设施、能源基础设施分别选用生活垃圾处理量、车流量、上网电量。经营指标、营业收入、EBDA皆采用该行业下所有REITs的市值加权平均。水利基础设施经营数据过少（仅一个季度）因而剔除。方法上，同时采用传统K-means算法和基于动态时间规整（DTW）的K-means算法进行对比分析，由于缺失值对聚类结果影响较大，此处根据消费基础设施经营指标做数据对齐处理，首先对所有变量进行标准化处理（Z-score标准化），再将处理后的数据输入聚类模型进行训练。

中国行业REITs聚类结果：KMeans和DTW-KMeans模型结果一致，将“仓储物流”、“园区基础设施”、“交通基础设施”、“消费基础设施”归为一类，结合描述性统计分析和基于回报（收益率）的风格分析结果，将这一类分为“进攻型”；将“生态环保”、“保障性租赁住房”归为一类，将这一类分为“平衡型”；“能源基础设施”归为一类，将这一类分为“防御型”。需要说明的是，根据主成分分析（PCA）结果，经营指标、营业收入、EBDA根据主成分压缩至二维平面时，各REITs行业区分度较小，而PCA前两个主成分解释方差分别为0.79、0.20，说明第一主成分已具备较强解释性。仅使用经营指标KMeans聚类可获得一致结果，并且KMeans聚类的Silhouette得分从0.31提升至0.52。

根据主成分分析（PCA）结果，经营指标、营业收入和EBDA等变量在二维平面上的投影显示，不同REITs行业之间的区分度较小。其中，前两个主成分的方差解释率分别为79%和20%，表明第一主成分已具有较强的解释力。进一步分析发现，仅基于经营指标的K-means聚类结果与使用三个指标的分类结果一致，且聚类效果显著提升——Silhouette得分从0.31提高至0.52，表明聚类结构的紧密度和分离度均得到改善。

4.2 中国不同风格REITs投资环境

中国不同风格REITs的最优投资环境与美国REITs市场具有高度一致性，长期收益方面，两个市场中防守型REITs都好于平衡型和进攻型。具体而言：“进攻型”适合高经济增速、收紧预期阶段，并在低经济增速、收紧预期表现优于其余风格；“防守型”在低经济增速、宽松预期阶段表现较好。高经济增速、宽松预期阶段所有风格REITs皆不适合投资，可能面临较大回撤。所有经济环境下，防守型REITs长期平均年化收益率为3.3%，跑赢平衡型（-4.0%）和进攻型（-5.0%）。

中国REITs数据较少，故不采用近四个季度的平均环比的方式平滑，仅考虑单季度环比变化作为衡量标准：若该季度环比增速为正，则归为经济增速变高象限；若为负，则归为经济增速变低阶段。其余与美国不同风格REITs投资环境划分方法一致。

按风格划分看，所有经济环境下，2022年6月以来，防守型REITs长期平均年化收益率为3.3%，跑赢平衡型（-4.0%）和进攻型（-5.0%）。

高经济增速、收紧预期阶段：中国REITs该阶段的样本较少，园区基础设施这类“进攻型”REITs表现好于其余REITs，该环境适合“进攻型”REITs，前三REITs平均年化收益率为9%；低经济增速、宽松预期阶段：保障性租赁住房和能源基础设施这两类“防守型”REITs表现较好，此外，“平衡型”REITs如生态环保、交通基础设施在该投资环境下也能获取较高收益，前三REITs平均年化收益率为26%。此外，生态环保、保障性租赁住房REITs能在经济增速降低阶段取得超额（见附录）；低经济增速、收紧预期阶段：仓储物流、能源基础设施REITs收益率显著好于其余REITs，但其余REITs皆为负收益，前三REITs平均年化收益率为13%；高经济增速、宽松预期阶段：中国REITs该阶段的样本较少，各类风格REITs表现相对较差，前三REITs平均年化收益率为-0.03%。

在得出中美REITs按风格划分的最佳投资环境具有一致性结论后，我们认为同风格的结论具有一定的外推价值。因此，对于水利基础设施和消费基础设施而言，其最佳投资环境分别为：水利基础设施在经济增速较低且宽松预期较强的阶段表现更优；消费基础设施则在经济增速较高且收紧预期较强的阶段更具投资价值。

附录

参考文献

[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]黄之豪，臧运慧，顾怀宇，鲁政委，广义固收资产策略框架：一个综合比较分析，2025/3/24[2025/3/19]，https://app.cibresearch.com/tiptap_web/index.html#/shareUrl?id=950cbf8fd5bba85230f79e8bfb758188&from=app&appVersion=5.3.5

[2]富时NAREIT相关指数与彭博划分标准不同，尤其是多元化经营分类，富时NAREIT相关指数分类较为细致，因此相比彭博分类，富时NAREIT多元化经营分类的市值较小。

[3]

[4]NAREIT官网，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-瑞思不动产金融研究院，中国REITs指数之不动产资本化率调研报告，2024/10/1[2025/3/25]，https://www.reits50.com.cn/static/upload/file/20241122/1732259404117595.pdf

★

★

来源：鲁政委