历史证明高股息率带来超额收益
如果有人要问，价值投资的精髓是什么？其中有一条必须提及：持续买入又好又便宜的股票。问题是，我们应该用什么标准来界定这个“又好又便宜”？总不能每只股票都请沃伦·巴菲特或者彼得·林奇来下个评判。
高股息率在一定程度上可以作为“又好又便宜”的粗略替代品。为什么这么说呢？众所周知，股息率＝股息／股价。那么，如果一家公司给出了高股息，并且其相对股价来说仍然是高股息，从而得到高股息率，那么这家公司和其股票必然包含两个因素：高现金分配能力、不是太高的股价。注意这里的高股息，指的是实际现金分红的股息，不包含转股、送股等实际不需要公司拿出真金白银，也就对公司的财务状况没有实质性要求的财务手段。
所以，如果一家公司账面紧张，行业步入增长停滞甚至危机，那么一般来说企业都不会拿出大笔资金进行分红。因此，在大概率上来说（注意这不是一个严格的指标），拿出很多现金进行分红的企业通常不会坏到哪里去。而即使一家公司拿出大量现金分红，但是同时股价很高，就会导致股息率公式的分母变大，也无法构成高股息率。由此可见，高股息率在某种程度上（至少是粗略地）拟合了价值投资“又好又便宜”的要素。
为了验证这个思路，我进行了量化回测，结果显示，持续买入高股息率的股票，会取得惊人的超额回报。这个高股息率模型的设计细节很简单，即在每段时间开头即T日，选择前溯12个月的累计股息相对当前股价的股息率最高的30只股票，然后持有一个周期（比如1年、1个季度等），在期末再重新选择30只股票，重新获取下一个周期的回报。结果显示，当每年的12月31日进行持股更新，每次持有期为1年的情况下，在从1994年12月31日到2016年7月14日的约22年中，模型增长到初始值的72．3倍，而同期上证综合指数仅为原值的4．7倍，深圳成分指数为8．5倍。
为了简便起见，这里没有计算手续费的因素，同时考虑到选择了30只股票，所以也没有考虑停牌的因素。[插图]此外，作为对比的基数即上证综指和深证成指，都是不包含分红的，所以也导致它们会比模型表现得略差一些。但是，所有这些都无法解释模型带来的超高额回报。
仔细观察这22年中的年度超额回报，我发现其中有19年相对上证综指和深证成指的当年平均回报，模型取得了超额回报，只有3年跑输，超额回报的年度平均值达到14．3% 。可以说，这是一个让人十分吃惊的回报率，而14．3%的年度超额回报也足以让巴菲特满意。在1960年代的致投资者信中，当时屡屡取得巨大超额回报的巴菲特对投资者们说： “这样的回报率是我没有想到的，事实上，10%的持续年度超额回报已经足以让我满足。”
同时，这个模型也可以在更小的周期上起作用。在以每季度为调整周期的测算中，自2013年12月31日至2016年7月14日的跌宕起伏的市
场中，模型取得了137．7%的回报，而同期上证综指上涨44．3% ，深圳成指上涨33．6% ，甚至创业板指数也只上涨了75．8% 。 不过，美中不足的是，3年的超额回报为负的情况分别出现在2003年、2005年、2006年，分别为－ 5．1% 、－ 8．9% 、－ 17% ，意味着这个模型在2003—2006年之间完全无法给我满意的答案。在2003—2006年累计4年之中，上证综指上涨97% ，深圳成指上涨140．9% ，而以年度为调整周期的模型仅上涨了91．6% ，这还不包括模型产生的手续费、指数没有包含的分红、股改送股不计入指数等不利于模型的因素。而即使把这4年的模型调整周期从年度变成季度，似乎也无法提供太多回报，仅仅把回报率提高到了97．5% 。而且更短的调整周期，必然意味着更高的换手率、更多的手续费、更多的不可预测因素。 不过话说回来，瑕不掩瑜，3年的跑输指数表现并不足以说明模型无效，毕竟这是在同时取得了19年超额收益的情况下，而且这3年的模型业绩也不能算太糟糕———最差的2004年下跌了16．4% ，仍然取得了累计超过90%的回报。更何况，价值投资的精妙之处，远非一个模型可以覆盖。股息率高可能受到很多因素的干扰，让它的选股结果脱离“又好又便宜”的范畴。比如，一个行业景气度特别高可能导致高分红，但是高景气度可能会下降；企业可能因为找不到方向而被迫分红，这点在传统行业中特别多见；甚至前溯12个月，分红这个指标本身就有一些问题：万一一家企业去年的分红是在今年年头，今年的分红又提前到了秋天呢？ 不过，如果在价值投资的框架下，一个简陋的模型都能取得如此的回报，这不就恰恰说明了价值投资的精妙之处吗？ 最后，值得指出的是，提高模型的交易频率、缩短交易周期似乎无法对改善模型的回报提供太多的帮助。在从1999年12月31日至2016年7月14日的测试中，采用年度数据和季度数据测试带来的回报几乎相同，其间的差距并不显著，尤其在考虑到以季度为周期测试时会产生更多交易费用的情况下。产生这种现象的原因，可能来自如果周期过短，那么股票池内选入的股票尚未拉开足够的差距，模型低买高卖的效果也就变得比较差。这就好比在套利交易时，交易的频率如果太过频繁、套取的价差太小，就不能取得高回报率一样。当然，这只是一个比较细枝末节的技术问题，并不会对模型的有效性构成影响。 注释 [1]后来我担心停牌可能会造成预想不到的结果，就对这个模型进行了重新检测，去除了可能停牌的股票。结果显示，没有什么显著的差别，特此注明。
