分享一个策略：沪深 300 红利高股息策略

策略逻辑

一、策略底层设计逻辑

该策略是「高股息因子 + 质量因子 + 趋势过滤因子」的复合量化策略，核心建立在三个经过市场验证的底层假设上：

1. 持续分红是公司质量的 “试金石”：能长期稳定分红且分红比例可控的公司，往往具备健康的现金流（非账面盈利）、真实的盈利能力（难以通过财务造假维持分红），且管理层对股东回报意愿强烈，这类公司长期违约风险更低，收益确定性更高。
2. 沪深 300 成分股提供基础安全边际：沪深 300 指数成分股均为 A 股规模大、流动性好的龙头企业，经过指数编制规则筛选，天然规避了小盘股的流动性风险和尾部退市风险，适合低频持仓和大资金配置。
3. 简单趋势跟踪降低时点风险：高分红股票虽长期稳健，但短期可能因市场风格切换、行业利空等因素出现下跌，通过简单的技术面过滤，可避免在 “持续下跌趋势” 中买入，进一步提升持仓胜率。

二、初始化与核心参数细节

1. 核心参数设定与逻辑

1. 目标持仓数量：选择 5 只作为目标持仓，是 “分散风险” 与 “收益集中度” 的平衡 —— 少于 3 只易受个股黑天鹅影响，多于 10 只则单只标的对组合收益贡献过弱，难以体现精选逻辑。
2. 候选池与持仓池：g.bten 为最多 10 只的候选买入池，g.bfive 为 5 只的最终持仓池。设置候选池是为了保留容错空间，避免因单一筛选步骤的偶然误差错过优质标的，同时通过最终持仓池严格控制集中度。
3. 调仓频率（每月 1 日 9:30）：选择月度调仓，一方面因为分红数据（财报、除权除息公告）的更新频率为季度，月度调仓能及时响应最新财务数据，避免信息滞后；另一方面，低频调仓可大幅降低交易成本，尤其适合高分红策略 “长期持有” 的属性。

2. 交易成本与复权规则

1. 复权模式：采用前复权计算股价，将历史股价按除权除息情况回溯调整，确保股价序列连续，避免因分红除权导致的价格跳空，影响后续 30 日均线等技术指标的计算准确性。
2. 交易成本细节：买入时收取 0.03% 的佣金（即万分之三），且每笔交易最低佣金 5 元 —— 这意味着当单笔买入金额低于 16.67 万元时，实际佣金率会高于 0.03%，小资金操作时需注意成本对收益的侵蚀；卖出时除 0.03% 佣金外，还需缴纳 0.1% 的印花税，合计卖出成本 0.13%，显著高于买入成本，这一设定进一步强化了策略 “少动、长期持有” 的特性，避免无意义的频繁交易。

三、选股流程全环节拆解

1. 初始股票池构建

1. 选股范围锁定沪深 300 成分股：通过 get_index_stocks ('000300.XSHG') 获取实时更新的沪深 300 成分股列表，这些标的平均市值超百亿，日均成交额普遍在千万元以上，能确保调仓时不会因流动性不足导致买卖困难（如想买买不到、想卖卖不出的 “滑点风险”）。
2. 基础过滤：仅保留 PE>0 的股票：市盈率（PE）= 股价 / 每股收益，PE>0 意味着公司当期每股收益为正，即处于盈利状态。该步骤直接排除了净利润为负（PE<0）或净利润为 0（PE 无意义）的公司，从源头筛选出盈利确定性强的标的，避免踩雷业绩亏损股。
3. 数据输出格式：返回包含 “股票代码（code）” 和 “财务统计日期（statDate）” 的 DataFrame，其中 statDate 是后续计算 “过去 3 年分红” 的关键时间基准，比如某只股票的 statDate 为 2023-09-30，后续就以该日期为终点，倒推 3 年时间范围计算分红。

2. 分红质量深度筛选 —— 策略核心

这一步是整个策略的 “灵魂”，通过 12 个季度（3 年）的分红数据，精细筛选出 “分红持续且有韧性” 的股票，具体流程如下：

1. 时间区间划分：首先以 statDate 为基准，将其转换为对应季度 —— 比如 statDate 为 2023-12-31（12 月），则季度 q=4（1-3 月为 q1、4-6 月为 q2、7-9 月为 q3、10-12 月为 q4）；接着从该季度开始，倒推 12 个季度生成季度标识（如 2023q4、2023q3……2021q1），再将这 12 个季度分为 3 组：最近 1 年（前 4 个季度）、1-2 年（中间 4 个季度）、2-3 年（最后 4 个季度），确保覆盖完整的 3 年分红周期。
2. 分红数据提取：从 A 股除权除息数据表（finance.STK_XR_XD）中，提取目标股票的现金分红数据 —— 仅筛选 “分红公告日（report_date）≤statDate” 的数据（确保调仓时分红信息已公开，无未来数据风险），且最多取最近 12 次分红记录（对应 3 年周期，多数公司每年分红 1-2 次，12 次可覆盖完整周期）。
3. 分红金额统计：对提取的 12 次分红，逐一判断每笔分红的公告日所属季度，将其归入对应的 “最近 1 年”“1-2 年”“2-3 年” 区间，并分别累加得到三个区间的总分红金额（one_year、two_year、three_year）。
4. 市值与分红率筛选：先通过财务数据接口（get_fundamentals）获取股票当前市值（单位转换为元，方便与分红金额计算），再设置四重硬性筛选条件：
5. 最近 1 年分红金额＞市值 ×2%，确保当前分红率不低于 2%，满足基础收益要求；
6. 1-2 年分红金额＞市值 ×1.6%（即 2%×0.8），允许分红较最近 1 年小幅下降，但降幅不超过 20%，避免分红 “断崖式下跌”；
7. 2-3 年分红金额＞市值 ×1.28%（即 2%×0.64），进一步允许分红较 1-2 年再降 20%，筛选 “分红韧性强” 的公司，排除仅靠短期盈利突击分红的标的；
8. 3 年分红总额＞市值 ×10%，平均年化分红率不低于 3.33%，确保长期分红能力达标，避免短期高分红掩盖长期不足。
9. 输出结果：保留满足所有条件的股票，生成包含 “股票代码（code）、最近 1 年分红率（gxl）、1-2 年分红率（gxl2）、2-3 年分红率（gxl3）” 的 DataFrame，为后续精选做准备。

3. 标的精选 —— 多轮排序聚焦优质

从分红筛选后的股票池中，通过四轮排序逐步缩小范围，确保最终标的兼具短期高分红与长期稳定性：

1. 前置判断：若分红筛选后的股票数量≤10（，则不进行后续筛选，直接将候选池和持仓池设为空 —— 避免因选股数量过少导致过度集中，增加组合风险。
2. 四轮排序收缩：
3. 第一轮按 “最近 1 年分红率（gxl）” 降序排序，保留前 80 只 —— 优先聚焦近期分红能力强的标的，用 16 倍放大倍数扩大初始范围，避免遗漏潜在优质股；
4. 第二轮按 “1-2 年分红率（gxl2）” 降序排序，保留前 40 只 —— 从 “中期稳定性” 维度进一步筛选，排除仅短期高分红、中期分红乏力的标的；
5. 第三轮按 “2-3 年分红率（gxl3）” 降序排序，保留前 20 只 —— 从 “长期持续性” 维度把关，确保标的在 3 年周期内始终保持较高分红水平；
6. 第四轮再次按 “最近 1 年分红率（gxl）” 降序排序，保留前 10 只 —— 最终回归近期分红能力，平衡长期稳定性与短期收益性。
7. 确定最终列表：将前 10 只股票归入候选买入池 ，前 5 只归入最终持仓池 —— 候选池提供容错空间，持仓池作为实际配置标的，严格控制数量。

4. 交易执行 —— 严格买卖规则控风险

交易环节围绕 “及时换仓、安全买入” 设计，具体规则如下：

1. 卖出逻辑：遍历当前所有持仓股票，若某只股票不在最终持仓池中，立即执行清仓操作 —— 确保组合始终持有最新筛选出的优质标的，及时剔除不再符合条件的股票，避免业绩变脸风险。
2. 买入逻辑：仅从候选池 中选择买入标的，且需满足三重条件：
3. 标的尚未持仓 —— 避免重复买入导致单一股票权重过高；
4. 技术面过滤：先获取标的最近 35 天的日收盘价，计算后 30 天的平均价格（30 日均线），要求当前股价（last_price）≥30 日均线 —— 确保买入时标的处于短期上升或横盘趋势，避免在持续下跌过程中 “抄底”；
5. 资金分配：单只股票的目标买入市值 = 组合总市值 ÷g.stock_num（即等权重配置，每只占比 20%），同时要求可用现金≥目标买入金额的 50%—— 避免因现金不足导致买入比例失衡，确保每只标的能达到预期权重。

二、策略优势与风险点

1. 核心优势

1. 抗风险能力强：高分红标的在熊市中通常回调幅度小于市场平均，现金分红能提供 “安全垫”，降低组合最大回撤；同时沪深 300 成分股的大盘属性，进一步规避了小盘股的流动性风险。
2. 交易成本极低：月度调仓频率 + 5 只持仓标的，年化换手率约 240%（每只标的平均持有 5 个月），远低于高频策略（年化换手率常超 1000%），大幅减少佣金和印花税对收益的侵蚀。
3. 逻辑透明可追溯：所有筛选条件均基于公开财务数据（分红、市值、PE），无 “黑箱因子”，投资者可回溯每一步选股过程，验证策略有效性，也便于根据自身需求调整参数。

2. 潜在风险

1. 行业集中风险：高分红标的多集中在金融（银行、保险）、公用事业（电力、水务）等传统行业，若市场风格转向科技、成长等板块，策略可能出现阶段性跑输；此外，单一行业占比过高时，若行业遭遇政策利空（如金融监管收紧、公用事业调价限制），组合会受较大冲击。
2. 分红政策变动风险：部分公司可能因业务扩张、现金流紧张等原因突然降低分红比例，导致下一期调仓时被剔除，但持仓期间已因分红下降出现股价下跌，影响组合收益。
3. 参数敏感性风险：分红率阈值（2%、1.6%）、排序放大倍数（16、8）等均为固定值，在不同市场环境下适应性不同 —— 比如熊市中，沪深 300 平均分红率可能仅 1.5%，2% 的阈值会导致选股数量不足；牛市中，2% 的阈值可能筛选出过多标的，稀释收益。

三、实盘操作注意事项

1. 数据时效性把控：财务数据（如季度财报、分红公告）存在 1-2 个月的滞后，调仓日需确认最新财报已发布，避免使用过时数据导致选股偏差 —— 比如每年 4 月底是年报集中披露期，5 月调仓可确保用到最新年报的分红数据。
2. 流动性冲击应对：若资金规模较大（如超 1 亿元），买入 5 只标的时可能因单笔下单量过大推高股价，需将订单拆分为多笔小单，在开盘后 30 分钟内逐步成交，或降低单只标的权重（如从 20% 降至 15%），分散流动性压力。
3. 极端行情补充规则：在股灾、流动性危机等极端行情下，30 日均线过滤可能失效（股价连续下跌但仍高于均线），可新增止损条款 —— 比如单只标的亏损超 15%、组合回撤超 20% 时强制减仓或清仓，避免风险进一步扩大。

四、总结

「沪深 300 红利高股息策略」是一套 “从财务筛选到交易执行” 的闭环量化体系，核心竞争力在于 “不只是追求高分红，更强调分红的可持续性”—— 通过 3 年 12 季度的分红维度拆解，在沪深 300 的安全边际上，筛选出兼具收益性与确定性的标的，再通过趋势过滤控制买入时点风险。该策略适合风险偏好中等、追求长期稳定收益的投资者，实盘应用时可根据市场环境动态调整分红阈值、行业权重等参数，进一步提升适应性。