第一篇：投资高股息股票

导语：作为策略锦集的第一篇，我们结合当前A股市场的价值投资风向，向大家介绍极具实践意义的股息率选股策略。

一、股息率策略阐述

　　无论是初入市场的新手，还是经历市场风雨后的老手，每个投资者都会面临“如何选股”的问题，凯利.赖特在2011年出版的《选股，一定要看股息》中讲述了股息价值投资策略，并独具匠心地指出，对于那些理解和重视股息收益的投资者，股市会给予他们丰厚的利润作为回报。杰里米J.西格尔在《投资者的未来》一书中阐述了一个重要观点：高股息率股票具备长期投资价值。《约翰聂夫的成功投资》一书介绍了他在执掌温莎基金31年间，投资组合增长55倍，平均年复利回报率13.7%，平均超出市场收益率3.15%，而温莎基金7大选股策略之一就是高股息率，年均3.15%的超额收益中2%来自于股息收入，尤其是熊市中股息收益起到重要的保护作用。

　　那么股息率到底是什么，为何国内外专业投资者将其作为选股的重要参考标准之一？

　　股息率全称为股息收益率，是股息与股票价格之间的比率。其公式为：股息率 = （股息/股票买入价）*100%，如果连续多年个股股息率超过1年期银行存款利率，则这只股票视为收益型股票，股息率越高则越吸引人。其次股息是上市公司给予投资者的回报。一般来说，一家公司的股息率越高，则一定程度上说明企业的盈利状况越好。投资高股息率的股票，可以让投资享有足够的安全边际，在一般行情里也能获取不错收益。

　　如何构建简单的股息率投资策略呢？

　　每个月第一个交易日，将当天开盘的沪深300指数成分股股票，按股息率数值从大到小排序，筛选出前10只个股作为持仓。

　　以下为策略实现的基本信息：

　　策略实现难度：1
　　实现过程中所需要用到的API函数，ps:通过SuperMind量化交易平台API文档快速掌握：

需要用到的API函数 功能
init() 初始化函数
run_monthly() 按月定时运行函数
get_index_stocks() 获取指数成分股代码
get_last_datetime() 获取前一个交易日或者前一分钟的时间
get_factors() 查询因子数据
context.portfolio.available_cash 获取账户当前可用资金
order_target() 按目标股数下单
order_target_percent() 按目标市值占比下单


二、代码示意图



三、编写释义


本策略的编写难点主要集中在SuperMind量化交易平台的函数使用上，以下重点讲述函数使用上的注意点：

1.定时运行函数一共有4个，包括：按月定时、按周定时、按日定时、自定义定时。其函数使用只需确定两点：1.定时运行哪个函数，2.具体定时。本策略由于按月选股调仓交易，那么选择run_monthly函数，需要将交易函数trade定时运行，具体定时为每月第一个交易日，结果即为：run_monthly(trade,date_rule=1)

2.确定需交易股票的过程中，由于列表list内部数据顺序可变，于是代码中主动创建空列表，通过append和remove来删除添加操作。否则每次回测的结果都会因为买卖顺序的改动而有细微的差异。

3.股息率指标获取，采用get_factors函数，该函数内至少确定3点：
   A.获取哪些股票的因子。
   B.获取哪些因子数据。
   C.获取哪个时间点的数据
 其次你也可以在获取函数中额外添加筛选条件或者排序条件等等，ps:排序条件需写在order_by()。


四、最终结果


策略回测区间：2021.01.01-2022.12.31
回测资金：1000000
回测频率：日级
回测结果：红色曲线为策略收益率曲线，蓝色曲线为对应的基准指数收益率曲线


策略源代码：

In [ ]:
import pandas as pd
import numpy as np
# 初始化函数,全局只运行一次
def init(context):
    context.n = 10 #设置最大持仓数量
    run_monthly(handle_bar,date_rule=1)
    #将handle_bar交易函数设置定时运行：每个月第一个交易日
    context.stock = [] #储存上期的股票池

## 开盘时运行函数
def handle_bar(context, bar_dict):
    #执行选股函数：dividend_rate(context,bar_dict)，并将结果导入，该股票列表是需要买入的个股。
    needstock_list = dividend_rate(context,bar_dict)
    #获取上期持仓个股
    holdstock_list = list(context.stock)
    #确定本期需要卖出的个股
    sell_list = list(set(holdstock_list)-set(needstock_list))
    #执行卖出操作，运用for循环，逐个操作。
    for s in sell_list:
        order_target(s,0)
    #确定本期需要买入的个股，其余即为继续持仓的个股
    buy_list=[]
    for i in needstock_list:
        if i in holdstock_list:
            pass
        else:
            buy_list.append(i)
    #确定可用资金，平分分配至需买入的个股
    n=len(buy_list)
    cash=context.portfolio.available_cash/n
    #执行买入操作
    for s in range(0,n,1):
        stock=list(buy_list)[s]
        order_target_percent(stock,0.1)
    #操作完毕，将选股结果放到上期股票池储存变量中，以备下次使用。
    context.stock = frozenset(needstock_list)

#选股函数，用于筛选沪深300指数成分股中的股息率前10的个股
def dividend_rate(context,data):
    #获取上一个交易日的日期
    ldate = get_last_datetime().strftime('%Y%m%d')
    #获取沪深300指数成分股内的所有个股
    stock_list = get_index_stocks('000300.SH',ldate) 
    #通过因子函数，获取交易日当天的全市场个股的股息率指标,并以股息率指标从大到小排序。
    dividendrate=get_factors(query(factor.symbol,
                             factor.dividend_rate_12_months,
                             ).filter(factor.symbol.in_(stock_list),
                                                factor.date==ldate).order_by(factor.dividend_rate_12_months.desc()))
    #获取前10只股票的代码
    needstock_list=[]
    for s in range(0,context.n,1):
        needstock_list.append(dividendrate.iloc[s]['factor_symbol'])
    #完成函数，输出即为10只股票代码，作为策略的股票池
    return needstock_list