JoinQuant 价值因子：盈利收益率（Earnings Yield）策略构建

基于盈利收益率（Earnings Yield, EY）的选股策略是一种经典的价值投资策略。

策略原理

盈利收益率是市盈率（P/E Ratio）的倒数，即：
$$ EY = \frac{E}{P} = \frac{1}{PE} $$

• 逻辑：盈利收益率越高，意味着投资者以同样的价格买入了更多的盈利能力，或者以更低的价格买入了同样的盈利。这通常代表股票被低估（Value）。
• 操作：在股票池中，选取市盈率（PE）最低（且大于0）的股票，即等同于选取盈利收益率最高的股票。

策略设计

1. 股票池：沪深300指数成分股（确保流动性和基本面相对稳定）。
2. 选股因子：市盈率（PE_TTM）。
3. 过滤条件：
   • 剔除停牌、ST股票。
   • 剔除上市不满60天的次新股。
   • 剔除市盈率为负（亏损）的股票。
4. 排序与买入：按市盈率从小到大排序（即盈利收益率从大到小），选取排名前20只股票。
5. 调仓频率：按月调仓（每月第一个交易日）。
6. 仓位管理：等权重买入。

策略代码实现

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    """
    初始化函数，设定基准、手续费、滑点等
    """
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 过滤掉order系列API产生的比error级别低的log
    log.set_level('order', 'error')
    
    # 设定股票类每笔交易时的手续费
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 设定全局变量
    g.stock_num = 20  # 持仓股票数量
    g.index_security = '000300.XSHG' # 股票池：沪深300
    
    # 设定按月运行，每月第一个交易日开盘后运行
    run_monthly(rebalance, monthday=1, time='09:30')

def rebalance(context):
    """
    调仓主函数
    """
    # 1. 获取股票池（沪深300）
    target_list = get_index_stocks(g.index_security, date=context.previous_date)
    
    # 2. 过滤掉 停牌、ST、退市、次新股
    target_list = filter_basic_stock(context, target_list)
    
    # 3. 获取财务数据并进行排序（核心逻辑：低PE = 高盈利收益率）
    # 查询 PE_TTM (市盈率-动态)
    q = query(
        valuation.code,
        valuation.pe_ratio
    ).filter(
        valuation.code.in_(target_list),
        valuation.pe_ratio > 0  # 剔除亏损股(PE为负)
    ).order_by(
        valuation.pe_ratio.asc() # 按PE从小到大排序，即盈利收益率从大到小
    )
    
    # 获取查询结果
    df = get_fundamentals(q, date=context.previous_date)
    
    # 取前 N 只股票
    if len(df) > 0:
        buy_list = list(df['code'][:g.stock_num])
    else:
        buy_list = []
    
    # 4. 执行交易
    trade(context, buy_list)

def filter_basic_stock(context, stock_list):
    """
    基础过滤器：剔除停牌、ST、次新股
    """
    current_data = get_current_data()
    final_list = []
    for stock in stock_list:
        # 剔除停牌和已退市
        if current_data[stock].paused:
            continue
        # 剔除ST
        if current_data[stock].is_st:
            continue
        # 剔除上市不满60天的次新股
        info = get_security_info(stock)
        if not info or (context.current_dt.date() - info.start_date).days < 60:
            continue
        
        final_list.append(stock)
    return final_list

def trade(context, buy_list):
    """
    交易执行函数
    """
    # 获取当前持仓
    current_holdings = list(context.portfolio.positions.keys())
    
    # 1. 卖出不在买入列表中的股票
    for stock in current_holdings:
        if stock not in buy_list:
            order_target_value(stock, 0)
            # log.info(f"卖出 {stock}")
    
    # 如果没有需要买入的股票，直接返回
    if len(buy_list) == 0:
        return

    # 2. 买入/调仓
    # 计算每只股票的目标资金（等权重）
    # 注意：这里使用 total_value 可能会导致满仓波动，实际操作中可预留少量现金
    position_per_stk = context.portfolio.total_value / len(buy_list)
    
    for stock in buy_list:
        order_target_value(stock, position_per_stk)
        # log.info(f"买入/调整 {stock} 到目标市值 {position_per_stk}")

代码逻辑解析

1. 选股逻辑 (rebalance 函数):

   • 我们使用了 get_fundamentals 查询 valuation 表。
   • valuation.pe_ratio 代表市盈率（TTM）。
   • valuation.pe_ratio > 0：盈利收益率策略通常只针对盈利企业，因此剔除亏损股。
   • order_by(valuation.pe_ratio.asc())：将市盈率从小到大排序。数学上，$\frac{1}{PE}$ 最大等同于 $PE$ 最小（在 $PE>0$ 的前提下）。

2. 过滤逻辑 (filter_basic_stock 函数):

   • 使用 get_current_data() 获取当天的停牌和ST状态，避免买入无法交易或风险过大的股票。
   • 使用 get_security_info() 获取上市日期，剔除次新股，因为次新股的估值通常不稳定。

3. 交易逻辑 (trade 函数):

   • 先卖出：遍历当前持仓，如果持仓股票不在新的选股列表中，则清仓。
   • 后买入：计算每只股票应分配的资金（总资产 / 选股数量），使用 order_target_value 自动调整仓位。如果已持有该股且价格上涨，会自动卖出部分以保持权重；如果未持有，则买入。

常见问题 Q&A

Q: 为什么不直接使用 1/PE 计算盈利收益率？
A: 在数据库查询层面，直接对 PE 进行升序排序（Ascending）的效果与计算 1/PE 后进行降序排序（Descending）的效果是完全一样的，且直接查询 PE 效率更高，代码更简洁。

Q: 这个策略适合什么市场环境？
A: 盈利收益率策略属于典型的价值策略。它通常在市场震荡期或熊市末期表现较好，因为这类股票具有较高的安全边际。在疯狂的牛市或成长股主导的行情中，该策略可能会跑输大盘。

Q: 如何改进这个策略？
A:

1. 结合成长性：低 PE 可能意味着公司陷入困境（价值陷阱）。可以结合 PEG 指标（市盈率相对盈利增长比率）或 ROE（净资产收益率）来筛选既便宜又赚钱的公司。
2. 行业中性化：不同行业的 PE 水平差异很大（如银行股 PE 常年很低，科技股 PE 很高）。可以在每个行业内分别选取低 PE 股票，避免持仓过于集中在银行地产板块。
3. 格雷厄姆选股：结合 PB（市净率），例如要求 $PE \times PB < 22.5$。