量化策略“高股息率模型”长期有效性的实证

怎么计算中国股市分红最高的股票?什么是股息率?--使用python和tushare获取分红最高的股票 虽说中国股市太靠谱,都是炒概念、炒预期的,但是有一个事情却确确实实是股民的福利。这就是分红。哪如何计算获取一个股票的分红最高呢?本文就讲述一下如何获取股票的分红情况,如何编程获取股市中分红最高的股票。 这里首先讨论一个问题:是不是每股分红最高的股票,我们就可以认为获取的分红就是最高的呢?例如贵州茅台2019年每10股分红145.39元。万科2019年每10股分红10.45102元。可以看到贵州茅... 阅读详情

阅读原文:http://club.jr.jd.com/quant/topic/1103671

京东金融官方QQ群:417082141 不管您有什么想问的想说的都可以加入我们参与讨论。

作者:剑雪

命题:“高股息策略”长期有效吗?

平台:京东量化

语言:python



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。

股息率,是一年的总派息额与当时市价的比例。在投资实践中,股息率是衡量企业是否具有投资价值的重要标尺之一。西格尔在他的论证中将标普 500 指数成分股每年末按照股息率分为五组,分别计算下一年的收益,次年末重新分组,在考虑股利再投资的情况下(在派息日当天买入股票), 1957-2003 年间高股息率组合(股息率前 20% )年化收益率 14.27% ,远高于低股息组合(股息率后 20% ) 9.50% 。

除了西格尔,还有一个人十分推崇高股息策略,就是温莎基金的投资组合经理约翰·聂夫,他是高股息投资策略的成功实践者。作为比肩彼得林奇、巴菲特的投资大师,约翰·聂夫从1994年开始执掌温莎基金,直到1995年不再管理该基金,31年间温莎基金的累计投资回报率近56倍,年平均收益率超过市场收益率达3%以上,累计平均年复利回报率达13.7%,同期标普500指数收益为22.3倍。约翰·聂夫的高股息投资策略具体内容是:低市盈率,即股票市盈率必须低于市场平均值40%至60%;具有较好的分红;具备一定的成长性,即股票最好拥有7%以上的增长率。

高股息策略在国内市场表现如何呢?下面,我就以京东量化平台的数据,做几个简单的回测加以论证。

具体思路:

1、以股息指标从大到小方式打分。

2、以总市值指标从大到小方式打分。

3、每月进行调仓。

然后分两组,第一组是找出股息大的且市值小的,权重比例是(股息2:市值1);第二组是找出股息大且市值大的,权重比是(股息2:市值1)。

最后对总分从大到小排序,取前20只品种平均买入,回测2013-2016年数据。



[结论]: 

可以看出,长期持有高股息个股,可以很轻松的跑赢大盘指数。这个策略在国内同样有适用价值。此外,从上图还可以发现,在2013年-2014年的熊市间,高股息策略取得了不错的正收益,综合考虑,个人认为2017年此策略应该会得到主流资金的认同。


原文有完整代码

阅读原文:http://club.jr.jd.com/quant/topic/1103671

关注京东量化学院!获取更多最新最全面的量化交易知识!

http://quant.jd.com/college/index?from=zhihuhuida

量化价值投资:投资组合优化的关键策略大揭秘 因子化:将价值指标转化为可检验的预测因子(PE、PB、股息率等);模型化:通过IC检验、分层回测验证因子有效性,构建多因子模型;优化化:用均值-方差、风险平价等算法分配权重,平衡风险与收益;动态化:通过再平衡、风险管理应对市场变化,控制下行风险。实战中,因子加权+风险平价是性价比最高的优化策略,结合A股案例可实现11.8%的年化收益,远超市场基准。本文作者为资深量化工程师,曾任职于头部券商资管部,专注价值投资与多因子模型研究。 阅读详情

相关推荐

中国股市的长期回报:价值投资策略的历史验证

本研究的主要目的是验证在中国股市环境下,价值投资策略是否能够带来长期稳定的回报。随着中国经济的快速发展,中国股市在全球金融市场中的地位日益重要。然而,股市的波动和不确定性给投资者带来了巨大的挑战。价值投资作为一种被广泛认可的投资理念,强调通过对公司基本面的分析,寻找被低估的股票并长期持有。本研究将通过对中国股市历史数据的深入分析,检验价值投资策略在不同市场环境下的表现,为投资者提供参考依据。研究范围涵盖了中国 A 股市场自成立以来的主要数据,包括上市公司的财务报表、股价走势等。

AI架构全栈开发实战笔记 767

4年3倍,高股息低价小市值量化交易策略

买卖逻辑:选取排名前 10 的票,15天轮动调仓一次,依然排名前 10 的继续持有,掉出前 10 的卖出。股票池:全 A 股票,过滤科创板、过滤北交所、过滤 ST、过滤停牌、过滤涨停、过滤跌停。选股逻辑:先筛选出全市场股息率最高的前 25%的股票,并且只选择股价低于 9 元的票。排序逻辑:按照市值,从小到大排序,选择市值最小的前 10 只票。1. 股息率排序标准可以考虑多年平均股息率,而不是一年的股息率。1. 价格过滤标准9元可以动态设置,比如过滤掉涨停价格。1. 按市值排序可以防止过于偏大市值股票。

qq_22808537的博客 3356

约翰·内夫的低估值投资:简单而有效的价值策略

约翰·内夫是投资界的传奇人物,他所奉行的低估值投资策略在长期投资实践中取得了卓越的成绩。本文的目的在于深入剖析这一策略,让投资者全面了解其原理、应用方法和实际效果。范围涵盖从理论概念的阐释到实际操作的指导,从核心算法的讲解到具体案例的分析,为投资者提供一个系统的学习和应用框架。本文将按照以下结构展开:首先介绍核心概念与联系,通过文本示意图和流程图清晰展示低估值投资的原理和架构;接着详细讲解核心算法原理和具体操作步骤,并使用Python代码进行演示;引入数学模型和公式,结合实际例子加深理解;

AI云原生与云计算技术学院 392

连续11年正收益的优质基本面高股息策略

看不上稳稳的幸福,那就参考一下这个吧~

iamquantman的博客 2176

量化价值投资领域,机器学习的潜力无限

在金融市场日益复杂和数据爆炸式增长的背景下,传统价值投资方法面临着前所未有的挑战。本文深入探讨机器学习如何重塑量化价值投资的理论基础、方法论和实践应用,构建了一个融合传统价值投资智慧与现代人工智能技术的全新投资框架。通过系统分析机器学习在因子发现、估值建模、风险控制和投资组合优化等关键环节的应用,本文揭示了人工智能技术如何克服传统量化方法的固有局限,实现更精准的价值评估、更有效的风险定价和更稳健的投资回报。

AI天才研究院 1289

量化交易核心:十大常见因子解析与实战应用指南

因子是量化交易中的核心概念,指用于预测资产价格走势的可量化指标。其原理在于将投资逻辑标准化,通过历史数据验证因子的有效性。在技术价值上,因子能够帮助投资者系统化处理市场信息,减少人为偏差,提升决策效率。常见的应用场景包括选股、资产配置和风险控制等领域。市盈率、动量等经典因子经过市场长期检验,成为量化策略的基础工具。本文以价值因子、规模因子等十大常见因子为例,深入解析其计算逻辑与使用场景,为量化交易实践提供具体指导。

cnvdkx2837的博客 432

python计算股息率

在我的免费云服务器,阿贝云上安装好tushare库。

xinhuanjieyi的博客 1191

价值因子在量化投资中的有效性检验与优化

价值因子的理论基础和经济逻辑因子有效性的统计检验方法传统价值因子的实现与优化机器学习在价值因子优化中的应用实际投资策略的构建与回测研究范围涵盖从基础理论到实践应用的完整流程,但主要聚焦于股票市场的价值因子研究。背景介绍:建立研究基础和术语体系核心概念:深入解析价值因子及其相关理论有效性检验:统计方法和实证检验流程数学模型:价值因子的量化表达和组合优化项目实战:完整的Python实现案例应用场景:实际投资中的应用案例工具资源:相关工具和学习资料推荐。

AI天才研究院 1382

什么是量化交易?量化交易都有哪些主要的策略模型?

从程序化交易的角度理解量化套期保值策略,是指利用量化的方法,在某个市场、某个板块或某个品种与另一个市场、板块或某个品种之间存在稳定获利的可能性,然后按照套期保值的思路,利用计算机程序化下单进行真实盘中交易。标记,当它向上突破重要压力位时,可能意味着大趋势市场的到来,或者当它向下突破重要阻力位时,可能意味着大下跌市场的到来。策略是试图寻找比较大的趋势波段的到来,并在突破时进行减仓或平仓操作,以获取较大的波段收益。现货的自动套利策略,这也是跨市场量化套利策略的成功案例。期现套利除了用期货,套期保值股指的。

jiucaixiuyang的博客 3307

基于价值因子的A股量化选股策略回测分析

随着A股市场机构化程度提升,量化投资凭借系统性优势成为重要投资范式。价值投资作为经典投资理念,其核心因子(如低估值、高分红)在量化框架下可转化为可回溯、可验证的选股策略。如何将传统价值投资指标转化为可计算的量化因子?价值因子在A股市场的长期有效性如何?回测过程中需考虑哪些市场微观结构因素(如交易成本、停牌处理)?价值投资理论与因子体系(核心概念)因子计算、选股逻辑与回测算法(技术实现)数学模型与量化指标详解(理论支撑)A股实战案例(数据获取、策略编码、结果分析)

2501_92132293的博客 2729

格雷厄姆特价股票策略在不同市场效率下的表现

格雷厄姆特价股票策略作为价值投资领域的经典策略,一直以来受到投资者的广泛关注。本研究的目的在于系统地分析该策略在不同市场效率下的表现,通过对策略原理、算法、数学模型的深入研究,结合实际案例和市场数据,为投资者提供更准确的决策依据。研究范围涵盖了不同市场效率的定义和分类,格雷厄姆特价股票策略的核心要素,以及该策略在不同市场环境下的收益表现、风险特征等方面。本文共分为十个部分。第一部分为背景介绍,阐述研究的目的、范围、预期读者和文档结构。

AI架构师小马 734

《投资-339》量化交易 - 策略 - 长期估值触底反弹型(均值回归类)- 破净股策略以及背后的赚钱逻辑与风险:破净 ≠ 便宜,“真正的便宜,不是价格低于账面,而是价格远低于内在价值。”

当一只股票的市场价格 < 每股净资产(Book Value per Share)时,称为“破净股”。即: 市净率(PB)=每股净资产股价​<1📌 示例:某公司每股净资产为8元,当前股价6元 → PB = 0.75 → 破净若股价回升至8元,理论上可上涨33%🔑真正的便宜,不是价格低于账面,而是价格远低于内在价值。破净股策略的本质,是对“市场过度悲观”的一种逆向博弈。深厚的财务分析能力,对行业的深刻理解,足够的耐心等待价值回归。

文火冰糖(王文兵)的博客 1879

量化价值投资进阶:ROE与其他指标的协同效应

价值投资的核心是寻找被市场低估的优质企业,而ROE(净资产收益率)作为衡量企业盈利能力的核心指标,长期被巴菲特等投资大师视为选股“黄金标准”。然而,单一ROE指标存在局限性:高ROE可能源于高负债(财务杠杆)、短期资产周转效率提升或会计处理调整,未必代表可持续的盈利能力。如何通过多指标组合识别“真实优质”企业?不同行业/商业模式下,指标权重应如何动态调整?量化模型中如何平衡价值因子与质量因子?理论篇:解析ROE核心原理及杜邦分析框架,建立与PB、PE、现金流等指标的协同逻辑技术篇。

2501_92132293的博客 1337

以市盈率为依据的量化价值投资决策

信号提取问题:如何从市盈率指标中提取有效的定价错误信号,区分真正的价值机会与价值陷阱风险控制问题:如何控制单一因子依赖带来的系统性风险,避免在市场风格转换时遭受重大损失动态适应问题:如何使基于历史数据训练的模型适应不断变化的市场环境和估值范式交易执行问题:如何将理论上的阿尔法转化为实际可实现的收益,考虑交易成本、流动性和市场冲击模型不确定性问题:如何量化和管理模型假设失效、参数估计误差带来的决策风险。

2501_92132293的博客 885

机器学习在价值因子量化选股中的应用实践

随着金融市场的复杂化与数据量的爆炸式增长,传统基于线性模型的价值因子选股方法(如单因子排序、多因子回归)在捕捉非线性关系、处理高维数据时逐渐显现局限性。如何将PE、PB、PS等传统价值指标与机器学习结合,构建非线性选股模型?机器学习模型在处理时序数据与截面数据时的关键技术点有哪些?如何平衡模型预测能力与可解释性,满足量化投资的实际需求?核心概念:对比传统价值投资与机器学习选股的差异,构建技术框架算法原理:详解特征工程、模型选择与训练的关键算法实战案例:基于A股市场数据的完整代码实现与回测分析。

2501_92132293的博客 1335

格雷厄姆特价股票策略在不同数字市场信息不对称程度下的表现

本研究的主要目的是探究格雷厄姆特价股票策略在不同数字市场信息不对称程度下的表现。随着数字技术的飞速发展,金融市场的数字化程度不断提高,信息传播的速度和方式都发生了巨大变化。然而,不同数字市场的信息不对称程度仍然存在差异,这可能会对投资策略的效果产生影响。格雷厄姆特价股票策略作为一种经典的价值投资策略,其在不同信息环境下的表现值得深入研究。本研究的范围涵盖了不同类型的数字市场,包括股票市场、数字货币市场等。通过对这些市场中信息不对称程度的度量和格雷厄姆特价股票策略的实证分析,来揭示两者之间的关系。

AI开发架构师 1012

用R语言构建量化价值投资组合

本文提供了一个全面的技术框架,用于使用R语言构建、测试和优化量化价值投资组合。内容涵盖从价值投资理论基础、因子模型构建、数据获取与处理,到投资组合优化算法实现、回测系统开发以及风险管理策略的完整工作流程。通过结合金融理论与R编程实践,读者将获得构建稳健量化投资系统的专业知识和实用技能。文章特别强调了价值投资的量化实现挑战,包括因子定义标准化、幸存者偏差处理和交易成本建模,并提供了生产级别的R代码实现和最佳实践指南。量化投资的核心范式系统化:遵循预定义规则,消除主观判断数据驱动:基于客观数据而非市场情绪。

2501_92132293的博客 1468

手把手教你解决CentOS sshd启动报错:从权限问题到目录缺失的全套解决方案

本文提供了一套完整的CentOS SSH服务启动故障排查与修复方案。针对sshd启动报错,从systemd日志分析、sshd -t配置测试入手,详细解决了私钥文件权限过宽(如0644错误)和权限分离目录缺失等典型问题,并附带了扩展排查清单,帮助运维人员系统性地定位和解决连接故障。

weixin_29248611的博客 152

小白程序员看过来:收藏这份大模型教程,轻松入门行业景气模型构建,抢占未来高薪职业红利!

近期科技圈传来重磅消息:行业巨头英特尔宣布大规模裁员2万人,传统技术岗位持续萎缩的同时,另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式!据行业招聘数据显示,具备3-5年大模型相关经验的开发者,在大厂就能拿到50K×20薪的高薪待遇,薪资差距肉眼可见!业内资深HR预判:不出1年,“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下,“温水煮青蛙”式的等待只会让自己逐渐被淘汰,与其被动应对,不如主动出击,抢先掌握AI大模型核心原理+落地应用技术+项目实操经验。

2601_95334845的博客 480

别再为格式发愁:safetensors转GGUF的三种高效方法及Ollama集成对比

本文详细介绍了将safetensors格式转换为GGUF格式的三种高效方法,包括llama.cpp原生转换、GGUF官方工具链和Transformers中转方案,并对比了它们在Ollama集成中的表现。文章还提供了实际项目中的踩坑经验和性能调优建议,帮助开发者快速掌握模型转换技术。

weixin_42651281的博客 640

ShardingSphere-JDBC-若依框架集成(SpringBoot)

ShardingSphere基础知识、ShardingSphere-JDBC如何集成进若依框架中 使用的是若依框架前后端版本、动态数据源,可自行切换,默认数据源为达梦8代理端,

编程小菜鸟的笔记 8168
上一篇: 一篇文章告诉你什么是量化的统计套利
下一篇: 3分钟告诉你量化投资为什么这么火
JDquant
博客等级 码龄10年 326粉丝 56原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值