红利类指数打分策略完整研究报告:红利指数怎么投,我跟AI聊明白了

说明：文章说明，本文是我跟AI讨论红利类指数的打分系统，起因是看到雪球有位老师一直用0~10打分机制来判断红利类指数的买卖点，我记得之前在集思录上也有个朋友在讨论中提到过红利使用MA80的均线做买点判断，然后结合了daxiapi.com的CS指标，我们做了一个打分系统（https://daxiapi.com/hong-li-da-fen.html），在做成Skill之后，我跟AI聊了下这个策略，让他扮演一个质疑者，对这套系统提出质疑，最后经过跟他经过讨论，让他通过历史数据验证之后，得到了本文的内容。其实研究了红利低波、中证红利、红利低波100、中证现金流、红利质量

⚠️文章大概9000字，以下内容是让AI记录的整个过程，文章最后有结论，如果对于过程不感性的，只想看这个打分系统怎么用的，可以直接拉到最后看结论。下面开始是AI总结。

写作说明：本文记录了一次完整的量化研究过程——从质疑一个现成工具的策略逻辑出发，逐步深入到源码分析、算法复现、多策略回测、定投方案探索，最终给出可落地的投资建议。研究过程中每一步的思考、验证和推翻都完整保留，以便读者理解结论是如何得出的。

目录

1. 1. 研究起点：质疑与问题
2. 2. 第一步：读懂算法
3. 3. 第二步：发现关键盲区
4. 4. 第三步：多策略回测
5. 5. 第四步：定投方案探索
6. 6. 综合结论
7. 7. 三种投资方案
8. 8. 最终推荐
9. 9. 附录：算法与数据说明

一、研究起点：质疑与问题

1.1 起点

研究的起点是一个工具：daxiapi-cli，一个提供 A 股金融数据的命令行工具，其中内置了一套针对红利类指数的打分系统，用于判断当前是否处于超买或超卖状态。

工具本身给出了打分，但没有回答一个核心问题：这个打分真的有用吗？基于它设计的仓位策略，到底能带来多少超额收益？

这是研究的出发点。

1.2 研究对象

选择两只最具代表性的红利类指数：

1.3 研究路径

研究分四个阶段推进，每个阶段都有新发现，并推翻或修正了前一阶段的部分假设：

阶段一：读源码，理解算法    ↓阶段二：发现"价格指数 vs 全收益"的关键盲区    ↓阶段三：多策略回测（仓位调整类策略）    ↓阶段四：定投方案探索（低分买入 + 高分卖出）

二、第一步：读懂算法

2.1 为什么要读源码

工具给出的打分是一个黑盒。在设计策略之前，必须先搞清楚这个分数是怎么算出来的，否则无法判断它的有效性边界。

直接读打分系统源码。

2.2 算法结构

打分系统由三个子指标加权合成：

总分 = CS偏离得分 × 35% + MA80偏离得分 × 35% + RSI(20)得分 × 30%

每个子指标的计算方式：

CS（EMA20偏离）：衡量价格偏离短期均线的程度

CS = (收盘价 - EMA20) / EMA20 × 100

MA80偏离：衡量价格偏离中期均线的程度

MA80偏离 = (收盘价 - MA80) / MA80 × 100

RSI(20)：20日相对强弱指数，衡量动量强弱

归一化方式：三个指标都通过 440个交易日滚动窗口（约1.8年）做百分位归一化，映射到 0-100 分。

2.3 算法的经济含义

2.4 算法的局限性（提前识别）

读完源码后，发现几个潜在问题：

问题一：440日窗口是相对历史，不是绝对估值。 如果市场整体估值中枢上移，"历史最低"也可能是绝对高位。

问题二：三个指标都是技术指标，没有基本面信息。 股息率、PE、PB 等估值指标完全没有纳入。

问题三：归一化基于历史分布，在市场结构性变化时可能失效。 比如 2024 年红利指数大涨后，历史分布发生了变化。

这些局限性在后续回测中都有所体现。

三、第二步：发现关键盲区

3.1 第一个重要发现

在准备回测时，发现了一个容易被忽视的关键问题：daxiapi 提供的 K 线数据是价格指数，不含分红。

这对红利类指数来说是致命的分析盲区。

3.2 价格指数 vs 全收益指数

直接对比数据：

8年间，价格指数只涨了 15-20%，但全收益涨了 63-69%。股息贡献超过全收益的 70%。

这意味着：如果只看 K 线做策略，你在优化的是那 20% 的价格收益，而忽视了那 49% 的股息收益。任何不考虑股息的分析都是严重失真的。

3.3 逐年真实股息率

为了做全收益回测，需要构建逐年真实股息率序列。数据来源：中证指数官网 factsheet + 理杏仁历史数据。

规律：股息率与市场走势负相关——市场下跌时股息率上升，这进一步强化了低点买入的吸引力（便宜 + 高息双重利好）。

3.4 这个发现改变了什么

在全收益口径下，买入持有策略的年化收益从"看起来只有 2-3%"（价格指数）变成了 6.4-6.9%（全收益）。这是一个完全不同的基准线，后续所有策略的增厚效果都要在这个基础上衡量。

四、第三步：多策略回测

4.1 策略设计思路

基于打分系统，设计了五种仓位调整策略，从保守到激进排列：

4.2 方案A的仓位规则

分数 0-20   → 仓位 100%（极度超卖，满仓）分数 20-65  → 仓位 90%（正常区间，保持底仓）分数 65-80  → 仓位 80%（偏高，小幅减仓）分数 80-100 → 仓位 70%（极度超买，减至七成仓）

4.3 回测结果（全收益口径，2018-2026，初始100万）

4.4 逐年收益对比

4.5 第一轮回测的结论

结论一：打分策略有效，但增厚有限。

方案A相比买入持有，年化增厚约 +1.0%，最大回撤改善约 2.5%，夏普比率提升约 0.07。这是真实且稳定的 alpha，但不是"翻倍"级别的超额收益。

结论二：策略的核心价值是风险控制，而非收益增厚。

在 2018、2022 等下跌年份，方案A显著跑赢（少亏 3-4%）；在 2019、2024 等强势年份，方案A因减仓而跑输（少赚 3-5%）。这是策略的固有代价——用部分上涨收益换取下跌保护。

结论三：方案B（双指数轮动）不如预期。

两只指数相关性太高（均为高股息因子），轮动带来的分散化收益有限，反而因为复杂度增加而降低了执行效率。

结论四：这些策略都不够令人满意。

年化增厚只有 1%，回撤改善只有 2-3%，这个代价收益比让人觉得"不值得折腾"。于是进入第二轮探索。

五、第四步：定投方案探索

5.1 新的思路

第一轮策略的问题在于：底仓90%的设计让策略始终处于"高仓位"状态，调仓空间有限，自然增厚有限。

一个更激进的想法：只在极度超卖（分数≤20）时买入，其余时间持有现金等待机会。 这样可以把资金集中在最有价值的时间点，理论上应该能显著提升收益。

5.2 先统计机会频率

在设计策略之前，先回答一个关键问题：历史上分数≤20的机会有多少？

统计结果（红利低波 H30269，2018-2026）：

关键发现：分数≤20的机会极其稀少，8年只有73个交易日（占比3.9%），平均每年只有2.4次机会，每次平均持续3.8个交易日（不到1周）。

逐年分布：

这意味着：2019、2023、2025 年几乎没有低分机会，如果严格执行"只在≤20时买入"，这些年份的资金将全部闲置。

5.3 多种定投策略回测

设计了七种策略进行对比：

5.4 回测结果

5.5 逐年收益对比

5.6 第二轮回测的核心发现

发现一：低分定投（只买不卖）确实有效，但有隐患。

策略③年化 9.28%，比买入持有高 +0.92%，比方案A高 +1.37%。但平均持仓只有 93%，意味着有 7% 的现金长期闲置。更重要的是，这个策略在 2019、2023 年几乎没有买入机会，资金大量闲置，实际体验很差。

发现二：加入高分卖出后，出现了质的飞跃。

策略⑤（低买≤20+高卖≥80）最大回撤从 -20.5% 压缩到 -10.4%，夏普从 0.37 提升到 0.621。这是一个质的改变——不是小幅优化，而是风险特征的根本性改善。

发现三：策略⑥是综合最优解。

策略⑥（低买≤25+高卖≥75）年化 9.32%，最大回撤 -11.7%，夏普 0.660。在收益、回撤、夏普三个维度上都表现优秀，是所有策略中综合最好的。

发现四：现金存货基金可以进一步提升夏普。

策略⑧（⑤+现金存货基）夏普达到 0.719，是所有策略中最高的。闲置现金不应该白白躺着，存货币基金（年化约 2%）可以弥补现金拖累。

发现五：策略⑦过于激进，得不偿失。

策略⑦（低买≤20+高卖≥70）平均持仓只有 40.4%，大量时间空仓，年化反而只有 7.42%，低于买入持有。说明卖出阈值不能设得太低，否则会错过大量上涨行情。

六、综合结论

6.1 关于红利指数本身

股息是红利指数的命脉，不是附加收益。

8年间，价格指数仅涨 15-20%，但全收益涨了 63-69%，股息贡献超过 70%。红利指数的本质是"用时间换股息复利"，而不是博取价格上涨。任何只看 K 线的分析都是在优化次要因素。

股息率与市场走势负相关，形成天然的"越跌越香"效应。

市场下跌时，股息率上升（分子不变，分母变小），这意味着低点买入不仅价格便宜，还能锁定更高的股息率，双重利好叠加。

6.2 关于打分策略

打分系统是有效的技术工具，但不是万能的。

它能识别短中期的超买超卖状态，在下跌年份提供保护，在震荡市中提升效率。但它无法预测趋势性行情（2019、2024年的大涨），在这些年份减仓会显著跑输。

打分策略的真正价值在于风险控制，而非收益增厚。

最大回撤从 -20% 压缩到 -10%，夏普从 0.37 提升到 0.66，这才是策略的核心贡献。对于追求稳定现金流、不愿承受大幅回撤的投资者，这个价值是实质性的。

6.3 关于定投方案

"只在低分时买入"的思路是对的，但需要配合高分卖出才能发挥最大价值。

单纯的低分定投（只买不卖）会导致大量现金闲置，且在牛市中持仓不足，错过上涨。加入高分卖出后，策略形成完整的"低买高卖"闭环，回撤控制效果显著提升。

机会稀少是这类策略的最大挑战。

分数≤20的机会平均每年只有 2.4 次，每次持续不到 1 周。这要求投资者保持高度纪律性，不能错过信号，也不能在等待中失去耐心。

七、三种投资方案

方案一：极简买入持有

核心逻辑：红利指数的长期回报主要来自股息复利，不需要择时，只需要持有。

操作规则：

• • 标的：红利低波 ETF（512890）或中证红利 ETF（515080）
• • 买入：一次性或分批建仓，之后不再主动调仓
• • 股息：全部再投入（选择分红再投型基金或手动买入）
• • 卖出：原则上不卖，除非有更好的资金用途

历史绩效（2018-2026）：

• • 年化收益：+6.9%（红利低波）/ +6.4%（中证红利）
• • 最大回撤：-20.3% / -19.5%
• • 夏普比率：0.323 / 0.291
• • 8年最终资产：168.6万 / 162.9万（初始100万）

优点：

• • 操作极简，每年只需检查一次
• • 不需要盯盘，不会因为错过信号而焦虑
• • 股息收入稳定且逐年增长（随着持仓市值增加）
• • 心理压力小，适合长期持有

缺点：

• • 最大回撤较大（-20%），2018年会经历 -14% 的年度亏损
• • 没有任何风险控制机制，完全随市场波动
• • 在熊市中需要强大的心理承受能力

适合人群：不愿花时间管理投资、相信长期持有的价值投资者；或者资金量较小、交易成本相对较高的投资者。

方案二：保守增厚（方案A）

核心逻辑：在买入持有的基础上，利用打分系统做轻度仓位调整，用少量操作换取回撤改善和小幅收益增厚。

操作规则：

• • 调仓阈值：目标仓位与当前仓位差异 ≥ 5% 时才执行
• • 检查频率：每周一次，不需要每天盯盘
• • 股息：全部再投入
• • 闲置现金：存货币基金（年化约 2%）

历史绩效（2018-2026）：

• • 年化收益：+7.91%
• • 最大回撤：-17.7%
• • 夏普比率：0.394
• • 8年最终资产：181.6万（初始100万）
• • 年均交易次数：约 23 次

优点：

• • 操作简单，每周检查一次，月均 1-2 次调仓
• • 相比买入持有，年化增厚 +1.0%，回撤改善 2.5%
• • 底仓90%保证了大部分上涨行情都能参与
• • 逻辑清晰，容易坚持执行

缺点：

• • 增厚效果有限（+1%），对于追求高收益的投资者可能不够
• • 在强势年份（2019、2024）会因减仓而跑输买入持有
• • 需要定期检查打分，有一定的时间成本
• • 交易成本会侵蚀部分增厚收益（约 0.2-0.3%）

适合人群：希望在买入持有基础上做一点优化、每周愿意花 10 分钟检查打分的投资者；追求稳健、不愿承受大幅回撤的中长期投资者。

方案三：低分定投 + 高分减仓（推荐）

核心逻辑：将资金集中在历史上最有价值的时间点（极度超卖）买入，在极度超买时逐步减仓，闲置资金存货币基金，形成完整的"低买高卖"闭环。

操作规则：

买入阶段（分数 ≤ 25）：

• • 每个交易日买入当前现金的 15%（约 7 天买完）
• • 分批买入，避免一次性买在局部低点

持有阶段（分数 25-75）：

• • 持有现有仓位，不操作
• • 股息全部再投入

减仓阶段（分数 ≥ 75）：

• • 每个交易日卖出当前持仓的 10%（约 10 天卖完）
• • 分批卖出，避免一次性卖在局部高点

闲置现金：

• • 全部存货币基金（如余额宝、华宝添益等），年化约 2%
• • 等待下一次低分机会

历史绩效（2018-2026）：

• • 年化收益：+9.32%（策略⑥）/ +9.27%（策略⑧，含货基）
• • 最大回撤：-11.7% / -10.2%
• • 夏普比率：0.660 / 0.719
• • 8年最终资产：201.0万 / 200.3万（初始100万）
• • 平均持仓比例：61.8%
• • 年均交易次数：约 28 次

与其他策略的对比：

优点：

• • 综合绩效最优：年化收益、最大回撤、夏普比率三项指标全面领先
• • 最大回撤只有 -11.7%，心理压力显著小于其他策略
• • 在 2018、2022 等下跌年份表现最好（-3.9%、+3.7%）
• • 闲置资金存货基，不浪费

缺点：

• • 需要每天检查打分（低分区间持续时间短，容易错过）
• • 平均持仓只有 61.8%，在牛市中会显著跑输满仓策略
• • 2019 年全年只有 2 天低分，几乎没有买入机会，资金大量闲置
• • 心理挑战：在市场恐慌时（低分出现时）需要逆势买入
• • 需要较强的纪律性，不能因为等待而失去耐心

适合人群：有一定投资经验、能够接受较长时间空仓等待、追求风险调整后收益最优化的投资者；资金量较大、对回撤控制有较高要求的投资者。

八、最终推荐

8.1 推荐方案三，但需要正视其挑战

综合所有回测数据，方案三（低分定投+高分减仓）是风险调整后收益最优的策略，夏普比率 0.66-0.72，最大回撤只有 -10-12%，在三个维度上全面优于其他策略。

但在推荐之前，必须正视它的核心挑战：

挑战一：机会稀少，需要极强的耐心。

分数≤25的机会平均每年只有 4.4 次，每次持续约 5-6 天。2019 年全年只有 6 天低分，2023 年只有 5 天。这意味着大部分时间你的资金都在货基里躺着，年化只有 2%。这种"等待"对很多投资者来说心理压力极大。

挑战二：需要每天检查，不能错过信号。

低分区间平均持续 3.8 天，如果你某天没有检查，可能就错过了整个买入窗口。这要求投资者建立稳定的每日检查习惯，或者设置自动提醒。

挑战三：牛市中会显著跑输。

2019 年买入持有涨了 23.4%，而方案三因为大部分时间空仓，只涨了 6.4%。如果你的朋友都在说"今年赚了 20%"，而你只赚了 6%，这种心理落差需要承受。

8.2 分人群的最终建议

如果你是普通投资者，时间有限，不愿每天盯盘：

选择方案一（买入持有）。年化 6.9%，8年翻 1.7 倍，已经是非常优秀的长期回报。不要为了追求那额外的 1-2% 而增加不必要的复杂度和心理负担。

如果你愿意每周花 10 分钟，希望在买入持有基础上做一点优化：

选择方案二（保守增厚）。操作简单，年化增厚 +1%，回撤改善 2.5%，性价比最高。

如果你有较强的投资纪律，能接受长时间等待，追求风险调整后收益最优：

选择方案三（低分定投+高分减仓）。年化 9.3%，最大回撤 -11.7%，夏普 0.66，是三种方案中综合最优的。但必须做好心理准备：大部分时间你的钱在货基里，而不是在指数里。

8.3 执行清单（方案三）

1. 1. 工具：使用 daxiapi-cli 每天查看红利低波（H30269）的打分
2. 2. 买入：分数降至 ≤25 时，开始每日买入当前现金的 15%，直到分数回升
3. 3. 持有：分数在 25-75 之间，持有不动，股息再投入
4. 4. 减仓：分数升至 ≥75 时，开始每日卖出当前持仓的 10%，直到分数回落
5. 5. 现金管理：闲置现金全部存货币基金
6. 6. 纪律：每个交易日检查一次打分，不能连续超过 3 天不检查

8.4 一句话总结

红利指数的本质是"用时间换股息复利"，打分策略的价值是"在最恐慌的时刻帮你多买一点，在最贪婪的时刻帮你少持一点"。最好的策略不是最复杂的，而是你能长期坚持执行的那一个。

九、附录：算法与数据说明

9.1 打分算法参数

ROLLING_WINDOW: 440,      // 滚动窗口（约1.8年）EMA_PERIOD: 20,           // EMA周期MA_PERIOD: 80,            // MA周期RSI_PERIOD: 20,           // RSI周期CS_WEIGHT: 0.35,          // EMA偏离权重MA80_WEIGHT: 0.35,        // MA80偏离权重RSI_WEIGHT: 0.30,         // RSI权重

9.2 回测假设

9.3 数据来源

9.4 关于回测区间的说明

本报告回测区间（2018-2026）的全收益年化（6.4-9.3%）低于理杏仁的长期数据（11-12%），主要原因是：

1. 1. 2018年起点偏高：2018年初市场处于相对高位，起点不利
2. 2. 未包含2013-2017年牛市：这段时间红利指数涨幅显著
3. 3. 样本偏差：8年样本包含了两次较大的熊市（2018、2022），对收益有拖累

若从2013年起算，全收益年化将显著更高，更接近理杏仁的长期数据。

9.5 回测代码

本研究使用两个脚本：

• • dividend-full-return：全收益回测（方案A、方案B）
• • dividend-dca：定投策略回测（七种策略对比 + 机会统计）

两个脚本均完整复用 daxiapi 网站的打分算法，保证算法一致性。

报告生成时间：2026年4月11日数据截止：2026年4月11日免责声明：本报告仅为研究记录，不构成投资建议。历史回测不代表未来收益，投资有风险，入市需谨慎。