大家好，我是橙哥！今天我会深入剖析一套非常喜欢的量化选股策略。它的核心理念简单却高效——以“高股息率 + 低 PEG”为核心选股逻辑，结合严谨的过滤机制和稳定的月度调仓节奏 ，在回测中跑出了 470.83% 的累计收益 、44.91% 的年化回报 ，远超基准指数535.8%（沪深300：-10.22%）。
这篇文章不仅会介绍该策略的设计原理和代码实现，还将通过回测数据分析，揭示其背后的逻辑和优势。我们还将从实际操作的角度出发，提供一些实用的建议和注意事项，帮助各位投资者在实际操作中取得更好的效果。本文策略的完整源码请在文末扫码获取。
一、策略逻辑：防御中的进攻
这套策略的精髓在于两个关键词：高股息率 与低 PEG 。 高股息代表现金回报、估值安全垫和公司质量；低 PEG （市盈率除以盈利增速）则意味着估值合理、成长性潜力大。二者结合，既能防御，又能进攻。
策略每月会重新评估市场股票池，筛选出既有稳定分红、又具成长潜力的公司，最终选出 20 只标的，等权建仓。与此同时，代码中还特别设计了涨停监控逻辑——如果某只持仓在前一日涨停，系统会在次日观察是否开板，一旦开板则快速止盈，锁定利润。从投资哲学上看，这是一种“进可攻、退可守”的组合思路，逻辑朴素，但执行严谨。
二、核心代码剖析
1、 策略初始化
在初始化部分，策略定义了运行的基本框架。包括每日与每月的任务调度、滑点与佣金设置、交易限制（如单次下单量不超过成交量的 10%）、以及关键全局变量。
在这里， run_daily 和 run_monthly 的调用，决定了整个策略的“节奏感”。它每天早上 9 点扫描昨日涨停股、下午 14:40 检查是否开板；而每月第一个交易日则在 10:00 生成股票池、14:55 执行调仓。 这种设计像一台节拍器，让策略“有节奏地”运行，既避免了过度交易，又能动态调整组合结构。
这样的节奏控制，也说明一个事实：节奏感比频率更重要 。频繁操作可能带来交易摩擦和滑点损失，而月度调仓正好平衡了市场动态和执行成本。
2、股票筛选逻辑
整个策略最核心的部分，是股票池的构建。 在代码中，首先过滤掉所有上市不足 180 天的次新股——这类股票财务数据不稳定，分红历史不足。接着对全市场股票进行一次彻底“清洗”：剔除停牌股、ST股、退市股、科创板及北交所股票，以及当日涨跌停无法交易的标的。
经过这一步，我们得到一组可交易的、风险较低的股票样本 。 随后计算每只股票过去一年的股息率。算法会从全市场中挑出股息率处于前 25% 的公司，也就是“现金回报能力最强”的部分。
紧接着，策略对这些股票进一步筛选，计算 PEG = PE ÷ 盈利增长率，并保留 PEG 在 -3 到 3 之间的公司。这一步去掉了那些增长率过高（泡沫化）或过低（无成长）的异常样本，只留下估值合理的成长股。
最后，剔除价格位于样本中最高四分之一的股票，确保组合的整体价格水平合理。经过这一连串过滤，最终留下 20 只兼具分红与成长、价格适中的标的。这种“逐层漏斗式”筛选逻辑，是量化投资中最实用也最稳定的结构设计：每一步都为下一步提供更干净的输入，直到最后输出一个风险可控的投资池。
3、调仓逻辑
调仓部分的代码很简洁，但却是策略执行的灵魂。 它会先遍历当前持仓列表，把所有不在最新选股名单中的股票全部清仓；然后计算剩余资金能均分给几只新标的，将现金等额分配买入。每只股票的买入金额相同，保证仓位均衡。
这种“先卖再买、现金均分”的思路非常经典。它避免了仓位偏重、持仓倾斜的问题，同时确保资金利用率最大化。 很多人喜欢复杂的权重优化算法，但对于长期稳健策略而言，等权才是最接近“风格中性”的做法 。尤其当你持仓数较少（如 20 只）时，等权可以自然分散行业与个股风险。
4、涨停监控机制
一个有趣而细致的设计，是代码中的“涨停检测系统”。 策略会在每日早盘检查持仓中哪些股票昨天封涨停；然后在下午收盘前观察这些股票是否“开板”。如果发现股价低于涨停价，说明涨停封单被打开——此时立即卖出止盈。
这套机制的核心目的是防止利润回吐与流动性锁仓风险 。在 A 股市场中，涨停板往往意味着短期资金博弈，一旦封板打开，价格回落可能非常快。通过自动识别与及时卖出，策略成功地把人工情绪判断转化为系统执行逻辑。
5、风控与输出
最后，策略还在每月收盘后输出当前持仓的市值与股价信息。 这看似是“打印日志”的细节，其实是风控环节的一部分。量化系统中，所有决策都应该是可追踪、可复盘、可审计 的。输出日志不仅能让你在回测中追踪策略行为，更能在实盘中发现异常、监控风险。
三、回测结果与启示
这套策略的回测表现可谓亮眼：累计收益 470.83% ，年化收益 44.91% ；胜率 74.1% ，盈亏比 4.23 ；夏普比率 1.57 ，信息比率 1.90 ，最大回撤 42.53% 。
它的胜率和盈亏比组合极具说服力，说明这套策略“买得准、卖得狠”。同时，贝塔仅 0.6 左右，意味着它对市场整体波动不敏感，具备一定防御性。再优雅的逻辑，也可能在极端行情中遭遇重击，回撤不是缺陷，而是代价 ，关键是我们是否准备好承受它。
四、结语：把策略变成系统
一个好的量化策略并不在于复杂的数学模型，而在于清晰的逻辑、干净的数据和稳健的执行 。 这套“高股息 + 低 PEG”策略之所以成功，是因为它坚持了朴素的投资常识，并用代码让常识自动化。
如果你对这套策略有兴趣，或是想要深入了解其代码实现和回测结果，请扫码加入《500+精选Python量化策略｜A股》专栏第115篇获取：
点击阅读原文，加入专栏