防御型股票填权息探讨

Mar 23 2022

Photo by Alexander Schimmeck on Unsplash

本文重点概要

文章难度：★☆☆☆☆
阅读建议：本文简单介绍使用Tej api 抓取资料探讨除权息，关于除权息基本介绍，可参考【TEJ知识集】认识除权息&填权息。

前言

台湾人的投资人偏好具备高现金流的股票，也就是我们常提到的高殖利率股，且高殖利股也通常俱备低波动这样的特性，也就是俗称的低beta值。

beta值代表与大盘连动的相关性，大家所熟知的0050，beta值大概在于1左右，也能说明他能反映大盘的涨跌，高股息etf 0056，beta值介于0.75~1之间，说明了他的变动程度稍微较0050低一点，

近期地缘政治以及升息导致的股市不确定性加剧，进而造成最近的暴涨暴跌，虽然对于一般投资人最好的方式就是，减码或是降低风险，然根据富达的研究报告，一个美国投资人只要错失过去40年中报酬率最好的50天，你的资产将比完整留在市场中的投资人少了整整93%，所以或许选择风险较低的股票是一个不错的替代方案，近一个月里面0050下跌了4%，然而0056上涨了1%左右，所以在动荡期间下或许选择高殖利股票会比较保险吗? 因此本文想借由探讨近五年的高殖利股的填权息状况去进行分析，看是否适合使用beta指标去选择高殖利率股填权息情况。

本文研究标的都选择殖利率5%以上之各股，用以下三个指标去分类

Beta值
累积营收成长 (yoy)
Q1毛利率成长率(yoy)

编辑环境及模组需求

本文使用 Window10 并以 Spyder(anaconda31) 作为编辑器

###汇入套件##########数据分析三宝
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#################TEJ
import tejapi
tejapi.ApiConfig.api_key = 'Your Key'
tejapi.ApiConfig.ignoretz = True

资料库使用

证券属性资料: 资料库代码为 (TWN/AIND)
股价报酬(日)-BETA:资料库代码为(TWN/ABETA)
证券交易资料表：上市(柜)未调整股价(日)，资料代码为(TWN/EWPRCD)。
上市(柜)填权息资料库:资料库代码为TWN/AREINT

资料处理

data=tejapi.get('TWN/EWNPRCSTD' ,chinese_column_name=True )
select=data["上市别"].unique()

select=select[1:3]
condition =(data["上市别"].isin(select)) & ( data["证券种类名称"]=="普通股" )
data=data[condition]
twid=data["证券码"].to_list()

本段是选取所有的上市柜证券代码，以便放入填权息资料库。

year='2017'  ######选择年度 本年度选择2017~2021
start= year+'-01-01'
end  = year+"-12-31"

dividend=tejapi.get('TWN/AREINT' ,
            coid=twid,
            mdate={'gt':start,'lt':end},
            paginate=True,
            chinese_column_name=True)

接下来看dividend长怎么样

接下来我们需要Beta值，从资料库选取，而我们资料都选自一个交易日约落在5 /10 号前后(公布4月营收)，大部分公司已经宣布发放股利，且第一季财报皆出来(截止日也在3/31 )。

start= year+'-05-09'
end=   year+"-05-11"
opts={'columns': ['coid','mdate', 'beta_1y']}
beta = tejapi.get('TWN/ABETA',
                  coid=twid,
            mdate={'gt':start,'lt':end},
            paginate=True,
            chinese_column_name=True
)
beta.set_index("证券代码",inplace=True) #方便合并

接下来要取得殖利率，本益比等证券相关资料。

start= year+'-05-9'
end=   year+"-05-11"
getperatio=tejapi.get('TWN/APRCD' ,
                  coid=twid,
                  mdate={'gt':start,'lt':end},
                  paginate=True,
                  chinese_column_name=True )
getperatio.set_index("证券代码",inplace=True)

再来是取得财报资料，例如毛利率等

twid1=twid 
groups = []
while True:
    if len(twid1) >= 50:
        groups.append(twid1[:50])
        twid1 = twid1[50:]
    elif 0 <= len(twid1) < 50:
        groups.append(twid1)
        break

因为抓取财报为了避免一次抓取资料量过大，将其事先分组!

fin_data = pd.DataFrame()

start=year+'-01-01'
end=  year+"-03-22"    ##抓取第一季
for group in groups:
    fin_data = fin_data.append(tejapi.get('TWN/EWIFINQ',
                  coid = group,
                  mdate={'gt':start,'lt':end},
                 
                  chinese_column_name = True,
                  paginate = True)).reset_index(drop=True)
fin_data.set_index("证券码",inplace=True)

这样就拥有第一季的财报了，再来是抓取累计月营收。

opts={'columns': ['coid','mdate','d0007']}

start=year+'-04-30'
end=year+"-05-15"  
trade=tejapi.get('TWN/ASALE' ,
            coid=twid,
            mdate={'gt':start,'lt':end},
            opts=opts,
            paginate=True,
            chinese_column_name=True)   
trade.set_index("公司",inplace=True)

这样我们就有所有我们想要的资料了，接下来就是把他合再一起了!

dividend["累计营收成长率%"]=trade["累计营收成长率%"]
dividend["股利殖利率-TSE"]=getperatio["股利殖利率-TSE" ]
dividend["现金股利率"]=getperatio["现金股利率" ]
dividend["营业毛利率"]=fin_data["营业毛利率"]
dividend["CAPM_Beta 一年"]=beta['CAPM_Beta 一年']
dividend["填权息(Y/N)"]=dividend["填权息(Y/N)"].apply(lambda x : 1 if x == "Y" else 0)  ###将y n变成0 或 1
dividend["填权息(Y/N)"].value_counts() 
dividend["本益比"]=getperatio["本益比-TSE" ]

接下来就是分析了，先找到当年5%殖利率的填权息比例与天数。

def count(x):
   a,b =  x["填权息(Y/N)"].value_counts()
   c=x["填权息天数"].mean()
   return f'填息机率 : {a/(a+b)}' , f'填息家数 : {a}' ,f'未填息家数 : {b}', f'填息天数 : {c}'

###算出资料及里面填权息天数 与机率
div5=dividend[dividend["股利殖利率-TSE"]>5]
count(div5)

2017年的殖利率>5%的股票填息机率为0.78，平均天数为46天。

def capmselect(df,b,c):
    yy=df[(df["股利殖利率-TSE"]>5)&(df["CAPM_Beta 一年"]>b)&(df["CAPM_Beta 一年"] < c)]
    return count(yy)

def capmpeselect(df,b,c,d ):   ########条件增加月营收的

yy=df[(df["股利殖利率-TSE"]>5)&(df["CAPM_Beta 一年"]>b)&(df["CAPM_Beta 一年"] < c)& (df["累计营收成长率%"] > d )]
    return count(yy)

def ncapmpeselect(df,b,c,d ):  #####累计成长负的

yy=df[(df["股利殖利率-TSE"]>5)&(df["CAPM_Beta 一年"]>b)&(df["CAPM_Beta 一年"] < c)& (df["累计营收成长率%"] < d )]
    return count(yy)

def allcondition(a,b,c,d,e,f):  #累计营收正 毛利率成长正

  allcondition=dividend[(dividend["股利殖利率-TSE"]>a)&(dividend["本益比"]<b)&(dividend["CAPM_Beta 一年"]>c)&
(dividend["CAPM_Beta 一年"]<d)&
(dividend["累计营收成长率%"]>e)&
(dividend["营业毛利成长率"]>f)]
    return count(allcondition)

def nallcondition(a,b,c,d,e,f): #累计营收负 毛利率成长负

  allcondition=dividend[(dividend["股利殖利率-TSE"]>a)&(dividend["CAPM_Beta 一年"]>c)&(dividend["CAPM_Beta 一年"]<d)&(dividend["累计营收成长率%"]< e)&(dividend["营业毛利成长率"]<f)]