🎯 核心结论
这不是神策，但也不是垃圾------它是一个逻辑自洽、参数被实打实"跑"过的老实策略。它有过拟合的影子，但作者用单调性检验、平台效应、否决清单和前视偏差处理，把过拟合压到了相对可控的范围。真正值得学的不是"前7%+行业3只+PB<1.0"这组数字，而是他做参数实验和证伪自己的方法。
很多策略文章只告诉你"我收益多高"，这个策略的作者反过来，花了大半篇篇幅告诉你"我试过哪些看起来该改的，结果全是负贡献"。这种把失败实验也摆出来的做法，在量化圈比收益数字本身更稀缺。
关键指标卡片
| 指标 | 数值 |
|---|---|
| 年化收益 | 约20.11%（独立复现口径22.42%，聚宽实测约16.33%~19%） |
| 最大回撤 | 约19.39%（独立复现口径12.94%，聚宽v1实测15.35%） |
| 夏普比率 | 0.927 |
| 胜率 | 0.58 |
| 策略类型 | 价值因子 + 高股息 + 成长因子（多因子月频轮动） |
先说清楚一个事：这个策略在不同数据源上跑出来的数字差异不小 。作者自己在文件头就写了，独立复现是22.42%年化/12.94%回撤，聚宽v1实测是16.33%/15.35%，并明确说"残余约3.6pct来自两个数据源的股息率池与增速口径差异"。所以你看到20%上下的年化，先别急着兴奋，重点看的是"与v1的相对提升"，而不是绝对数字。这一点作者比大多数策略分享者诚实得多。
先泼一盆冷水：它过拟合了吗？
有嫌疑，而且不能装作看不见。但更准确的说法是：这个策略"有些过拟合"，但不算严重；它是"有节制的参数选择 + 较强的过拟合防御意识"。
| 过拟合嫌疑点 | 为什么可疑 | 作者的防御 |
|---|---|---|
| 股息率前7%、行业上限3、PB<1.0 都是扫描出来的 | 多参数在同一个82期样本上择优，天然有选择偏差 | 作者给了单调性表和Calmar平台：前5%~10%的Calmar都是1.75，不是单点最优 |
| PB<1.0被称为"锐利最优" | "锐利最优"本身是过拟合的典型信号------参数稍微一动就变差 | 作者承认0.8会崩、1.2/1.5变差，但没有做更细的邻域稳健性检验 |
| 82个月频调仓期、参数维度不少 | 样本量对多参数策略不算充裕 | 有独立复现和聚宽实跑两套环境对照，并做了差异归因 |
| 因子组合和排序方式也经过比较 | 复合排序键、加质量条件、惰性调仓都被试过并否决 | 否决清单反而说明作者在主动证伪，而不是只挑好看的结果 |
所以，不能断言它没有过拟合，但可以说它的过拟合风险是中等偏低、相对可控的。关键证据不是"年化20%"，而是：参数邻域有平台、否决实验有记录、前视偏差被系统性处理、成本建模没有偷懒。
但参数不能照搬。 实盘前建议补三件事：
-
样本外/滚动前推检验：样本外，看参数是否还稳（我直接推到2026了，大家可以往后推，很好）。
-
参数邻域敏感性：前6%/7%/8%、行业2/3/4、PB 0.9/1.0/1.1，看收益是不是断崖式变化。断崖就是过拟合警报。
-
不同数据源复现：聚宽、东财、Wind各跑一遍，看结论是否只在一个数据源成立（建议已聚宽为准）。
这三件事做完，你再去判断"20%"是不是你的20%。
策略原理拆解
一句话概括
全A股里，先按TTM股息率取前7%把池子粗筛一遍，再要求PB<1.0（破净）、PE>0、净利润增速>0，最后按PEG从小到大排序，同一申万二级行业最多3只，凑满20只等权持有，每月第一个交易日调仓。
听起来简单，但选股顺序是这个策略的灵魂，作者专门用数据说明了为什么顺序不能换。
第一步：基础池过滤------先把"不能买的"踢掉
从全A股出发，剔除ST、退市、停牌、上市不足365天的股票。
为什么这么做：ST股和退市股是价值陷阱的高发区，上市不足一年的新股估值数据不稳定。这一步是纯风控，不产生Alpha，但不做会显著放大尾部风险。
细节亮点 ：作者明确说不用股票简称判ST ，因为历史快照里的简称显示的是"当前值"，按简称判会有前视偏差------某股2021年叫*ST某某，快照里却显示2026年的名称。改用聚宽当日真实的is_st状态。这个坑很多策略都踩过。
第二步：市值门槛------总市值>20亿
为什么这么做：过滤掉微盘股，降低流动性和操纵风险。20亿是个不激进也不宽松的阈值。
第三步：TTM股息率取前7%------这是策略的"粗筛漏斗"
TTM股息率 = 过去365天内已实施分红累计每股派息 / 现价，按股息率降序取前7%。
为什么排在最前面：这是整个策略最关键的顺序设计。作者用真实数据量化了代价------
-
正确顺序（股息率先筛）：与独立回测持仓重合度 **100.00%**（1470/1470）
-
错误顺序 （PB/PE/PEG先筛再取前7%）：重合度只有 29.12% （428/1470），82期全部不满仓
原因很直白：前7%的分母是"市值达标+非ST+上市满一年"的完整可投池。如果先把PB/PE/PEG三个条件提上来，池子会被榨到只剩100~200只，再取前7%就剩十几只，行业中性约束下几乎永远凑不满20只------策略会变成完全不同的东西。
股息率阈值为什么是7%不是10% ：作者给了完整的单调性证据表------前3%年化崩到21.81%（持仓只有8.7只，过度集中），前5%和7%的Calmar都是1.75，前10%年化降到22.74%。7%是"收益/集中度"这个旋钮上的合理位置，不是单点最优。
分红口径的两个保护 ：只取plan_progress == '实施方案'（预案状态的分红还没执行，计入就是前视偏差），且股息率>30%视为脏数据剔除。
第四步：破净 + 盈利 + 增速------三道价值阀门
-
0 < PB < 1.0：破净，但不深破净
-
PE(TTM) > 0：排除亏损
-
净利润同比增速 > 0：等价于PEG>0的前提
为什么PB卡在1.0而不是更严的0.8 ：这是作者实测定过的红线------PB<0.8年化崩到13.12%、回撤升到18.68%，因为深破净里混着大量"便宜有理"的价值陷阱。放宽到1.2/1.5也只有19.40%/19.56%，PB<1.0是锐利最优。
因子分解结论（这是全文最有价值的数据之一）：
| 配置 | 年化 | 最大回撤 |
|---|---|---|
| 仅高股息（不限PB） | 20.51% | 18.63% |
| 仅破净（不限股息率） | 13.28% | 28.73% |
| 两者叠加（本策略） | 20.35% | 14.37% |
读法很清晰：收益来自股息率，破净只是风控阀门。加上破净条件后收益几乎不变（-0.16pct），但最大回撤从18.63%压到14.37%（-4.26pct）。破净条件创造的是风险调整后的收益，不是绝对收益。
第五步：PEG升序排序------这是主排序因子，不是装饰品
最终20只股票是按PEG从小到大挑出来的，股息率只负责把池子粗筛到前7%。
作者原话："别把它当成'股息率策略'来理解------如果去掉PEG排序，结果会完全不同。"
PEG = PE(TTM) / 净利润同比增速。注意这里的PEG是"当前PE除以单期增速"，不是东财那种复合增长率口径，两者符号一致、量级接近，但排序会有细微差别。
第六步：行业中性------同一申万二级行业最多3只
为什么是3只不是2只 ：实测数据------上限2只年化23.41%/Calmar 1.67，上限3只年化24.56%/Calmar 1.75，上限5只Calmar降到1.63，不限行业直接崩到Calmar 1.22。3只是风险分散和收益之间的平衡点。
第七步：等权持有20只，每月第一个交易日调仓
池子不足20只时按实际数量等权。调仓用上月末收盘的估值快照，次月首日开盘成交。
成本建模 ：买入单边0.125%（佣金0.025%+滑点0.10%），卖出单边0.175%（佣金+印花税0.05%+滑点），平均单边约0.15%。开启了use_real_price，分红送转由引擎按真实价格处理，不用前复权价算收益------作者专门解释了为什么：累计分红超过历史股价时，前复权价会被压缩至趋近0，收益率被极度放大，实测某只股票虚假收益32倍、真实仅10.25倍。
策略逻辑流程图（文字版）
bash
全A股（沪深主板/创业板/科创板）
│
▼
① 剔除 ST / 退市 / 停牌 / 上市不足365天
│ （用 is_st 当日真实状态，不用简称判）
▼
② 总市值 > 20亿
│
▼
③ TTM股息率 > 0，按股息率降序取【前7%】
│ ★分母是①+②的完整池子，不是全市场
│ ★只统计"实施方案"分红，股息率>30%剔除
▼
④ 0 < PB(MRQ) < 1.0（破净，但不深破净）
│
▼
⑤ PE(TTM) > 0
│
▼
⑥ 净利润同比增速 > 0（等价PEG>0）
│
▼
⑦ 按 PEG 升序排列，逐只录取
│ 同一申万二级行业最多3只
▼
⑧ 取满20只，等权持有
│ 池子不足20只按实际数量等权
▼
每月第一个交易日 09:30 调仓
│ 使用上月末收盘估值快照
│ 先卖后买，停牌/涨跌停无法成交的保留
▼
下一期循环策略优势
1. 选股顺序有量化证据支撑，不是拍脑袋 作者用82个调仓期的真实数据对比了正确顺序和错误顺序的持仓重合度------100% vs 29.12%，错误顺序82期全部不满仓。这种把"顺序为什么重要"用数字钉死的做法，比单纯说"我觉得应该先筛股息率"有说服力得多。
2. 参数全部经过实测扫描，连"不能改什么"都列出来了 股息率阈值扫了3%/5%/7%/10%/15%/20%，行业上限扫了2/3/5/不限，PB扫了0.7/0.8/1.0/1.2/1.5。更难得的是，作者把实测否决的改动也列出来了------加"连续3年分红"年化崩到11.65%，加"经营现金流>0"降到18.26%，剔除金融行业降到18.36%。这些"负贡献清单"对后来者的价值不亚于策略本身。
3. 交易频率低，成本友好 月频调仓，月单边换手约66%，平均单边成本0.15%。对于10万本金这种体量，整手100股+最低佣金5元的摩擦已经被作者在独立复现里考虑进去了。
4. 风险控制是结构性的，不是事后止损 破净条件把最大回撤从18.63%压到14.37%，行业上限3只防止单一行业过度集中，市值门槛过滤微盘。风控嵌在选股流程里，不需要额外的择时模块。
5. 数据陷阱规避做得细 不用前复权价算收益、分红只取实施方案、不用简称判ST------这三个坑每一个都能让回测收益虚高一大截，作者不仅规避了，还把"为什么"写在了注释里。
策略潜在风险
1. 价值陷阱风险始终存在 破净股里天然混着"便宜有理"的标的。虽然PB<1.0已经比PB<0.8好很多（0.8的年化只有13.12%），但破净本身不是安全垫，只是过滤器。极端行情下，破净股集中暴露在金融、地产、公用事业等传统行业，行业上限3只只能限制单一二级行业，不能完全消除风格集中。
2. 两个数据源的口径差异不可忽视 作者自己标注了：聚宽和独立复现的股息率池、增速口径存在固有差异，残余约3.6pct。这意味着你在聚宽上跑出来的数字，和作者独立复现的数字，本来就不该一样。如果只看绝对收益做决策，容易被数据源差异误导。
3. 小市值+破净的组合在流动性收缩时可能双杀 20亿市值门槛不算高，破净股又往往是市场关注度低的标的。极端流动性环境下，这类股票的卖出冲击成本可能显著高于回测假设的0.10%滑点。
4. 参数有过拟合嫌疑，虽然作者做了单调性检验 股息率前5%~10%是同一个Calmar平台、行业上限3只是局部最优------这些证据降低了过拟合嫌疑，但不能完全排除。82个调仓期的样本量对于多参数策略来说不算特别充裕。
5. 策略容量有限 20只等权、月频、破净+高股息池子，这个策略天然适合小资金。资金量上去之后，20亿市值附近的标的承接不了太大的单笔买入，冲击成本会吃掉相当一部分超额。
策略优化方向
1. 用波动率目标替代固定等权，压回撤 当前是20只等权，每只5%。如果引入组合层面的波动率目标（比如目标年化波动15%），在市场高波动期自动降仓、低波动期满仓，理论上可以在不改变选股逻辑的前提下进一步压回撤。作者已经证明破净条件能把回撤从18.63%压到14.37%，波动率目标是同一方向上的增量工具。
2. 把PEG的增速口径做稳健化处理 当前PEG用的是单期净利润同比增速，单期增速的噪音很大（基数效应、非经常性损益）。如果改用过去8个季度增速的中位数或复合增速，PEG排序会更稳定，减少因单季增速异常导致的错误排序。作者提到独立回测用的是东财PEG_CAR（复合增长率口径），两者排序有细微差别------这个差别本身值得系统性地检验。
3. 股息率池加一个"分红连续性"的软约束，而不是硬过滤 作者实测"连续3年分红"硬过滤年化崩到11.65%，说明硬约束会过度收窄池子。但可以改成软约束：在股息率排序时给连续分红标的轻微加分，而不是直接剔除不连续分红的标的。这样既保留了池子宽度，又利用了分红连续性的信息。
4. 行业上限从"申万二级3只"升级为"二级+一级双层约束" 当前只限制了申万二级行业最多3只，但如果多个二级行业同属一个一级行业（比如银行和保险同属金融），一级行业层面的集中度可能仍然偏高。加一层"申万一级行业最多6只"的约束，可以在不显著影响收益的前提下进一步分散风格风险。
5. 调仓时点做微调实验 当前是每月第一个交易日09:30开盘成交。作者提到独立回测用月末收盘价、聚宽用次月首日开盘，月频下差异很小。但可以系统性地检验"月末最后30分钟"vs"次月首日开盘"vs"次月首日收盘"三个时点的差异------如果月末成交能稳定略优，这是一个零成本的改进。
研究启示：值得学的不是参数，是"证伪流程"
这个策略最值得学的地方，不是"前7%+行业3只+PB<1.0"这组数字，而是作者做研究的方式：
-
把"顺序"当成参数来量化代价------正确顺序100%、错误顺序29.12%，这比说"我觉得应该先筛股息率"强太多。
-
参数扫描看平台，不看单点------前5%~10%是同一个Calmar平台，说明作者知道"单点最优不可信"。
-
主动公布"负贡献清单"------加连续3年分红、加经营现金流、剔除金融、深破净、减少持仓数，全部实测否决。愿意展示失败实验的人，比只展示净值曲线的人可信得多。
-
前视偏差处理很细------分红只取"实施方案"、不用简称判ST、不用前复权价算收益。这三条每一条都能让回测虚高，作者不仅规避了，还写清了原因。
-
成本、整手、最低佣金、数据源差异都交代了------作者明确说聚宽实测和独立复现有约3.6pct残余差异，并给出"v2合理预期18%~19%"。不承诺22.4%，这本身就是反过拟合的姿态。
一句话：参数可以怀疑，实验态度值得学习。 你未必要抄这个策略，但你可以把它的"证伪流程"抄到自己的策略研究里。
总结
这个策略的核心价值不在于20%的年化数字，而在于它展示了一种**"把简单逻辑做扎实"**的范式：选股顺序用数据验证、参数用单调性扫描而不是单点最优、连被否决的改动都列出来供后人参考。高股息提供收益来源，破净提供风控阀门，PEG提供排序精度，行业中性提供分散约束------四个模块各司其职，没有一个是装饰品。
如果你要拿它做实盘起点，建议先做两件事：一是把FACTOR_MODE依次改成'DIV'和'PB'各跑一遍，亲眼看看因子分解结论在自己的数据环境里是否成立；二是拿第一期持仓和作者提供的CSV对照，确认环境配置没走样。策略可以抄，但数据源差异必须自己承担；参数可以怀疑，但实验态度值得学习。
🎁 源码获取
获取策略全部源码（含详细注释、参数说明、FUNNEL诊断日志、因子分解对照表），请关注公众号：量化学习实战笔记 ，后台回复关键词 「捡烟蒂」 即可获取。
源码里不仅有完整可运行的聚宽代码，还保留了作者对每一个参数"为什么这么设、改了会怎样"的实测记录------包括那张"看起来该改但实测全是负贡献"的否决清单。这些东西比代码本身更值钱。
免责声明：本账号所有量化策略和量化技术仅作技术交流和量化思路分享，不构成任何投资建议，据此操作风险自负，本人不承担任何直接或间接责任。