该策略未使用未来函数，其优点是规则清晰、注重风险控制且贴合小市值因子逻辑，不过也存在过度依赖历史数据、市值因子有效性存疑等不足，以下是具体分析：
一、是否使用未来函数
未使用未来函数。
策略核心逻辑基于历史分红数据（过去一年）和当前市值、股价筛选股票，数据均为滞后于市场的已发生数据，无超前引用或预测成分。
代码中get_fundamentals和history函数均用于获取历史数据，参数中未包含未来时间点，符合实盘数据逻辑。
二、策略优点
规则清晰，易执行
以 “低价 + 高股息 + 小市值” 为核心指标，参数明确（如股价＜9 元、股息率前 25%、市值最小），适合量化新手复现。
调仓频率低（每月一次），减少交易成本和情绪干扰，符合 “执行力” 主题。
风险控制机制完善
多维度过滤：排除 ST、停牌、涨停 / 跌停股，规避流动性风险和退市风险。
动态止盈：持仓中若股票涨停打开（非一字板）则卖出，锁定部分收益。
分散持仓：默认持有 5 只股票（原版为 10 只），降低单一股票波动影响。
贴合小市值因子逻辑
策略通过市值排序选取小盘股，契合聚宽社区讨论的 “小市值超额收益” 逻辑（如 Fama-French 三因子模型、利基市场理论）。
结合股息率筛选，在低价基础上增加 “安全垫”，符合 “弱者思维”（下跌有股息支撑）。
三、策略不足
过度依赖历史数据拟合
策略参数（如股息率前 25%、股价＜9 元）基于历史回测优化，可能存在幸存者偏差。若市场风格切换（如大盘股占优），小市值因子失效时，策略可能长期回撤。
代码中set_slippage(0.000)和零税费设置过于理想化，实盘需考虑滑点（如冲击成本）和真实交易费用，可能导致收益缩水。
市值因子有效性存疑
聚宽社区讨论提到，小市值策略在特定年份（如 2011、2017 年）亏损严重，且注册制后市场有效性提升，小盘股炒作空间可能压缩。策略未明确说明如何应对因子失效期。
代码中过滤科创板、北交所股票（filter_kcbj_stock），可能错过部分高成长小盘股，也可能因市场分割导致因子效果不稳定。
逻辑局限性
股息率与股价的矛盾：高股息可能源于股价下跌（如周期股低谷期），单纯筛选高股息股可能选中 “价值陷阱”。
低价股流动性风险：股价＜9 元的股票多为小盘股，成交量低，大额资金进出可能影响成交价，导致实盘与回测偏差。
代码可优化点
分红数据处理：get_dividend_ratio_filter_list函数中，按年度累计分红计算股息率，但部分股票可能年内多次分红，直接求和可能高估实际股息收益（需区分现金分红与股票分红）。
调仓逻辑单一：仅按市值排序选股，未结合行业分散、财务健康度（如负债率、营收增长）等指标，策略鲁棒性不足。
四、改进建议
加入因子有效性判断
参考社区讨论，增加市场风格监控指标（如大盘 / 小盘股相对强弱指数），当小市值因子持续回撤时自动切换策略或降低仓位。
优化参数与逻辑
动态调整股价上限（如设置为行业中位数而非固定 9 元），避免一刀切；
区分现金分红与股票分红，仅用现金分红计算股息率，剔除 “高送转” 干扰。
增强风险对冲
搭配大盘股指数基金（如沪深 300）进行组合配置，降低单一因子暴露风险。
实盘模拟验证
先通过聚宽模拟盘测试 3-6 个月，观察滑点、流动性对收益的影响，再逐步投入真金白银。
总结
2025-05-19
雪球
