**【点赞是免费的，欢迎点赞支持】** ### 一、社区内现有高股息策略的不足之处 ### 高股息红利策略和小市值策略是社区内最流行的两大策略。小市值虽然收益惊人，但策略波动大并且资金容量有限；高股息红利策略收益中等但也依旧可观，同时回撤相对较小并且可以有很大资金容量，适合作为小市值策略的补充选择。社区内已经有很多人分享过高股息策略，不完全列举如下： - 高股息低杠杆小市值轮动策略， https://test.demo.joinquant.com/view/community/detail/5bf34a132919716ea77eb2e7daa4ba21 - 高股息策略，https://test.demo.joinquant.com/view/community/detail/02885f20596e40cabfd160531c5128d8 - 芹菜哥高股息策略修改版，https://test.demo.joinquant.com/view/community/detail/91f67fd00c47637f37ae8ba91ab1bdd2 - 还有效的高股息高营收增速小市值轮动，https://test.demo.joinquant.com/view/community/detail/bc378cbc08a34e67f1cc7697c67b6049 - 大市值价投高股息爱国者策略（爱我中华），https://www.joinquant.com/view/community/detail/46122 **这些策略都挺不错的，值得好好学习，特此表达支持和感谢**。但是综合看下来，发现一些还可以进一步优化的地方： - 第一，**部分策略有潜在的未来函数问题**。这个比较隐蔽，但是细心看就会看出来，比如上面提到的某个策略：（1）没有开avoid_future_data；并且（2）简单粗暴地通过report_date来调取上一年的财务数据，但实际上没有考虑到前一年的年报在第二年的4月份之后才会发布。 - 第二，策略在做基本面筛选的时候使用了get_fundamentals() 函数，但是聚宽的get_fundamentals() 函数只能返回最新一个季度的数据，**只考虑最近一个季度的财务数据可能是有局限的，不够全面**。 - 第三，部分策略虽然做了基本面筛选，但是不能很好地解释为什么要做这些筛选，缺乏经济学和金融理论的支撑。另外，在计算增长数据的时候往往没有很好地解释或者区分同比数据和环比数据。 - 第四，大部分策略选的业绩基准都是沪深300，这个其实具有很强的误导性。**作为高股息红利策略应该选择红利ETF作为基准更加准确**。有人可能会质疑说，选择什么基准又不影响年化和回撤，但请注意业绩基准会影响回测的alpha和beta，通过alpha和beta才能更准确地判断一个策略的超额收益来源到底是什么。 - 第五，**部分策略在代码层面存在错误**，即先筛选高股息股票并根据股息率排名，但是在后续做业绩筛选的函数里忘记了保留原始排序，导致查询之后返回值默认是按照股票代码大小排序的。这个问题在上面提到的贴子里已经有人指出了，对此表示赞同和感谢。 - 第六，**代码有进一步优化空间**。部分策略写得太过复杂了，导致了不必要的长时间回测，很多函数的时间复杂度可以从O(n^2)优化为O(n)。另外，部分代码虽然本身没问题，但可读性比较差，导致克隆之后也很难修改。合理的策略设计+优秀的代码能力，是量化交易的鸟之双翼、车之两轮，缺一不可。 ###二、理论支撑：高股息率为什么是投资陷阱 ### 股息率的计算公式 = 股息 / 股价。从这个基本公式就可以看出，如果仅仅从高股息率作为出发点筛选股票，可能存在“分子”端和“分母”端的两个陷阱。 **分子端的陷阱：股息高，但不可持续** - 股息高、分红多不一定代表着是个好标的。例如可能是某一年突然大幅度分红，但其实分红完全不具备可持续性，也没有连续多年分红。还有可能是杠杆率很高的情况下进行分红，但是企业的自由现金流实际上并不充裕（上面的“高股息低杠杆小市值轮动策略”里其实就提到了这一点，背后的经济学理论就是这个）。 - **所以，需要做的筛选有：（1）分红应当具有连续性，例如过去3年多次分红，而不是某一次临时性的大幅度分红拉高了股息率；（2）企业应当有稳定的、通过经营活动获得的现金流，确保企业有稳定的盈利能力和持续的分红能力，具体可以表现为很多财务指标，例如经营现金流入占收入比、例如FCF收益率、或者净杠杆，等等。** **分母端的陷阱：股息率高是因为股价不断下跌；赚到了股息的钱但亏损了估值的钱** - 这一点就不用多做解释了，这是高股息策略最大的痛点之一。有研报专门做了分组测算，把全A股按照股息率分成不同的几组，股息率高的组的股价估值更容易下行。换言之就是，赚到了股息的钱但亏损了估值的钱，最终效果得不偿失。 - **所以，需要做的筛选有：确保估值稳定或者估值上升，应该有一定的增长性，具体使用的财务指标可以是PE、PEG、净利润增速、营业收入增速、等等。** 聚宽的附件上传一直失败，通过百度网盘分享两篇精华研报，非常全面：链接: https://pan.baidu.com/s/1W2pwk-bCUmwGF055VuIzDg?pwd=3q41 提取码: 3q41 ###三、改进后的选股思路 ### - 1、选取全市场股息率排名前20%的股票，并且过去3年内至少有2次分红 - 2、PEG位于0.1-2之间，PEG太小说明估值过低、PEG太大说明估值过高 - 3、查询过去3个季度的业绩表现：经营现金流入占营业收入比 > 10%；净利润复合增速 > 10% ； 营业收入复合增速 > 5% - 4、每周调仓一次，按照股息率排名，持股数量为10只（10是随手选的，改为其他数字不影响策略核心逻辑，回测显示经过上述所有筛选后的股票池通常不少于20只；文章一开始笔误写成8只了，本质上不影响） **具体说明如下** **1、股息率的计算方法为：过去3年内的股息总和 / 当下市值** 有帖子质疑说，这个计算方法并不完全准确，因为分子、分母对应的时间周期是不一致的，更准确的计算方法应该是过去3年每年内分别计算，然后取平均值。 该质疑有一定道理，但是本策略依然选择过去三年平均股息率的计算方法，理由如下。一方面，可以参考这篇[帖子](https://finance.sina.com.cn/esg/2024-07-19/doc-inceshnv0794619.shtml)。 该文详细介绍了三类常用的传统股息率计算方法：（1）最近12个月股息率，（2）最近年度股息率，以及（3）过去三年平均股息率。据统计，绝大多数红利指数产品运用的都是平均股息率，即最近36个月现金分红金额总和/3再除以计算日总市值。另一方面，这种计算方法有效地实现了低吸高抛（即当下市值上升立刻显著导致股息率下降），符合基本盈利逻辑。 **2、PEG的计算方法为：PE / 最新一季度的净利润同比增长率** 这一点其实是不严谨的，严格来说 PEG = PE / 年度复合增长率（如下文所述，可以调取在业绩筛选函数里计算得到的净利润复合增速）。但是回测发现用最新一季度的净利润同比增长率反而效果更好，因此理论上这一点目前是有疑问的。 **3、净利润增速和营业收入增速的计算方法为：计算最近4个季度的复合增长率** 具体来说，首先取三个季度的环比数据（因此实际上考虑到了近4个季度的数据），随后这里理论上有两种处理方法：（1）直接取平均值，或者（2）计算复合增长率。对于增速数据来说，计算复合增长率而非平均值更加符合逻辑，经过回测发现确实是后者的效果更好。 **4、大幅度优化了代码** 改进了部分过于复杂的函数，同时增加了大量注释，可读性强，可拓展性好，有利于克隆后修改测试 ### 四、结语### 借此贴机会，顺便对社区内的两个常见争议问题发表观点，抛砖引玉，同时作为自勉： - 1、虽然量化交易旨在通过客观数据和模型计算来实现股票交易，但策略的构思与设计从来都不是客观的而是主观的，选择什么策略更是离不开主观判断和选择。 - 2、具体参数构造和数值选择诚然可以通过回测来不断优化，但“参数优化”和“过拟合”的本质区别之一在于，所有的筛选设置和参与选择是否具有相应的理论基础、是否符合基本经济学常识。如果没有基础理论支撑，再好的回测结果也只是空中楼阁；而且退一步讲，策略的底层逻辑还有心理按摩的作用，否则实盘无法通过常规逻辑解释的策略并且忍受回撤绝对是反人性的。 **点赞是免费的，欢迎点赞支持。后续计划进一步推出有理论支撑的+代码优化的小市值策略，欢迎多多讨论，大家一起发财。**