第四章：经典量化策略集锦（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
股息率= *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
股票买入价
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 MindGo 量化交易平台 API 文档快速掌握：
需要用到的API 函数 功能
initialize() 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
----------------------- Page 70-----------------------
get_factors() 查询因子数据
account.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MindGo 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() 。
----------------------- Page 71-----------------------
四、最终结果
策略回测区间：2014.01.01-2018.01.28
回测资金：100000
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：
import pandas as pd
import numpy as np
#================================初始化函数=============================
def initialize(account):
account.n = 10 #设置最大持仓数量
run_monthly(trade,date_rule=1) #将trade 交易函数设置定时运行：每个月第一个交易 日
account.stock = [] #储存上期的股票池
#================================主函数 （选股+交易）=====================
def trade(account, data):
#执行选股函数：dividend_rate(account,data) ，并将结果导入，该股票列表是需要买入的个
股。
needstock_list = dividend_rate(account,data)
#获取上期持仓个股
holdstock_list = list(account.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=[]
----------------------- Page 72-----------------------
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=account.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。
account.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(account,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,account.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
----------------------- Page 73-----------------------
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
股息率= *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
股票买入价
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 MindGo 量化交易平台 API 文档快速掌握：
需要用到的API 函数 功能
initialize() 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
----------------------- Page 70-----------------------
get_factors() 查询因子数据
account.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MindGo 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() 。
----------------------- Page 71-----------------------
四、最终结果
策略回测区间：2014.01.01-2018.01.28
回测资金：100000
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：
import pandas as pd
import numpy as np
#================================初始化函数=============================
def initialize(account):
account.n = 10 #设置最大持仓数量
run_monthly(trade,date_rule=1) #将trade 交易函数设置定时运行：每个月第一个交易 日
account.stock = [] #储存上期的股票池
#================================主函数 （选股+交易）=====================
def trade(account, data):
#执行选股函数：dividend_rate(account,data) ，并将结果导入，该股票列表是需要买入的个
股。
needstock_list = dividend_rate(account,data)
#获取上期持仓个股
holdstock_list = list(account.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=[]
----------------------- Page 72-----------------------
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=account.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。
account.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(account,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,account.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
----------------------- Page 73-----------------------
更多精彩内容
