我们在开发股票交易模型时，也不能忽略了股票作为有价证券的本质，也就是说除了主动交易带来收益，通过持有上市公司股票获取分红或者以分红为研究目标分析交易者定价行为，也是另一个有效的分析角度。股息率就是这样一个因子，它在投资实践中，股息率是衡量企业是否具有投资价值的重要标尺之一。

1.股息率定义与数据提取

股息率的计算公式是：D / P0

公式中D代表股息：P0代表股票买入价。一般我们选择股息率（TTM）指标=近12个月内公司的累计分红总额 / 公司总市值。或者获取到上市公司发布的每股分红数量，除以当前股价，也可以得到股息率，因为股价有高低变化，所以股息率随股价波动而动态变动。

美国基金经理大咖迈克尔奥希金斯（Michael OHiggins）在1991年提出过狗股投资策略（Dogs of the Dow Theory）作为长线交易典型案例，其主要依据就是高股息率。他通过测算发现，投资者年底从道琼斯指数中找出10只股息率最高的股票，新年买入，一年后再找出10只股息率最高的成分股，卖出手中不在名单中的股票，买入新上榜单的股票，如此重复便可获取超大盘的回报。高股息率一般对应的就是分母股价要低，也就是说企业没被高估，所以我们可以轻松的买到好价格。

但是股息率无法帮助我们选到高成长的企业，因为从企业分析角度看，一般认为高速成长的公司不喜欢发放股息，向股东派发股息意味着失去大量现金，成长型公司首选用这些钱再次投资。对于成熟期的企业，尤其是现金丰沛的业务稳定的上市公司，选择想股东分红是维持公司市值，获取长期价值投资者的有效方法。所以股息率也可以被认为是潜在地回避高资产负债率、高股权质押率上市公司的有效指标，这一点在2017年的中国资本市场尤其显得重要。

根据股息率公式可以看到，股价不变的情况下，分红比上年高；或者分红不变的情况下，股价比上一年低；这两种情况都会导致股息率上升。在这里想告诉大家，本节的策略并不是一个博取高收益的策略，而是在A股市场上，通过实践股息率变化筛选来完成寻找成熟稳定的上市公司，并且是在价格低估区间持有此类上市公司，寻找价值轮动的超额收益机会。

通过股息率得到买入名单的方法：先得到分红数据，使用分红数据除以20日股价均值，即可得到股息率，然后按照股息率排名个股，就得到了买入名单。

2.更好的大盘风控止损方法

如果单纯买入持有股票，而不在股灾、长期大幅度震荡下跌等情况下卖出股票清仓，可能会造成阶段性绩效回撤过大。这种模型我们称为纯多模型，或者通过某因子完成精选个股跑赢指数的模型，一般在模型开发初期，计算某因子超额收益时，通常采用这种方法。

但是为了确保模型能够放心的实盘交易，针对过大的回撤需要考虑采用大盘指数风控的方法进行回避。比如2012-2013年长期下跌，或者2015年下半年两次股灾，这种个股普跌的Beta风险其实是有方法过滤回避的。但是过滤严格容易造成收益严重降低，或者建仓机会较少，错过收益机会，过滤太少又看不到显著成效，所以我们在这里引入依据大盘追踪止损的条件，然后再加入二八指数动量同时为负的限制，以避免不必要的止损。

通过回测，我们研究发现，如果不进行大盘风控择时，策略回撤较大（超过30%），且单月出现大幅度回撤的幅度较为明显，月度收益热力图分布差异也较为显著。在简单的风控条件下，股息率策略作为简单验证单因子的策略框架，取得了较有效的效果，最大回撤控制到15.35%，累计收益也提高了很多。

总体来说，指数择时带来了显著有效的结果，但并非所有策略都需要该择时框架，而且由于我们使用的数据维度较为单一（追踪止损和二八指数动量都源于指数时间序列动量），所以在更复杂的机构模型开发中，这方面还有非常大的空间可以挖掘。同时针对个股在买入后发生上市公司风险导致的大幅度回撤，指数择时也无能为力，显然个股风险也需要单独控制。