专业策略分析——优质基本面高股息策略思想
由bq9e696k创建，最终由bq9e696k 被浏览 7 用户
1.市场观察和机会发现
许多投资者热衷追逐热门概念，像曾火爆的新能源汽车概念，行业利好时股价飙升，吸引大量资金买入。但市场多变，热度减退后股价急跌。以2021年1月4日起跟踪每日调仓买涨幅最大的策略，初期有涨幅，随后收益震荡下行，到2022年底收益低至-35%左右，最大回撤超45%。原因在于过度关注短期热点，忽视股票基本面和内在价值。
下图是追逐热门概念的选股策略回测收益
2.假设提出
在大盘行情复杂多变，资金流动性存在不确定性的情况下，股票的内在价值是决定其长期投资价值的关键因素。因此，这里就产生了一个优质基本面高股息策略思想。
两个利好消息：
（1）新“国九条”强调上市公司现金分红监管，沪深交易所激励分红优质公司；
（2）“资产荒”下，高息理财减少，高股息股票吸引力提升。且高分红公司通常现金流充沛、盈利能力强、净利润增速较高。
基于此，优质基本面高股息策略诞生。
3.策略逻辑编写
在策略逻辑方面，股票筛选条件如下：计算近5年平均股息率评估分红稳定性；借助PE、PB等指标，要求市净率PB小于1.5倍，PE - TTM小于小于行业平均、市现率低于行业平均；公司连续3年净利润同比增长率大于6%；自由现金流与总市值比率大于3%，资产负债率小于行业平均，上市时间大于5年。交易策略为在筛选出的股票池中买股息率最高的前5支股票，每日换仓，剔除ST股等，考虑交易费率和滑点。
4.历史数据回测
对该策略从2020年初回测，市场为中国股票市场，起始资金100万元。4年多来，累计收益率达81.97%，年化收益12.59%，夏普率0.51，最大回撤21.14%。大部分时间跑赢沪深300指数，除2020上半年外每年正收益。
5.回测结果分析
由于策略的参数如持股数量、交易频率、上市时间等参数的设置较为随意，回测周期中有1/3低于基准收益，且年化收益不高，最大回测达到21.14%，策略表现略差。下面进行贝叶斯的参数优化，探寻最适合该策略思想的参数设置方案。
6.基于贝叶斯的参数优化
6.1 目标函数
设置目标函数，得到累积函数和最大回撤的综合得分
6.2 最优参数
通过对holding_nums、frequency等7个参数的优化，实现score的最小，即达到在确保累积收益较大的基础上缩小最大回撤。在进行了30次的迭代后，得到最优参数为：
6.3 调优后的回测
将最优参数输入到策略后，按相同的时间进行回测，累积收益从原来的81.97%提高到255.6%，年化收益从12.59%提高到28.57%，最大回撤较原来提升5%，但==策略收益实现了大约311%的提升==
6.4 采样数据分布分析
本策略的贝叶斯参数优化基于高斯函数，需满足采样数据大体符合正态分布。以下是采样数据的可视化：
可以看到，采样数据在偏度和峰度上都与正态分布的标准特征存在差异，并不严格满足正态分布。从理论严格性角度，这些数据并不完全满足基于正态分布假设的高斯函数使用条件，使用时可能会对贝叶斯参数优化的结果产生一定影响 。不过在实际应用中，如果偏差不是特别大，仍可尝试使用高斯函数进行优化，并通过实验和验证来评估结果的有效性，==通过对比优化前和优化后的参数策略回测结果，我们可以发现策略在进行贝叶斯参数优化后，表现得到了非常显著的提升。==
7.参数敏感性分析
下图为分别参数进行0.5倍、2倍和4倍变化后，回测后score的影响分布图，可以看到holding_nums的变化对策略score的影响较大，其它参数的变化对策略的影响较小
8.压力测试和情景分析
8.1 2015年股灾
8.2 2020年2月疫情冲击
8.3 2024年国庆节前
8.4 2025年4月07日关税冲击
9.交易成本与滑点
万3 千1 最低五元
\