Q-CodeQ-Code 打开工作台

除息日事件观察

事件驱动A股风险 低进阶更新 2026-09-24#除息#红利税#事件窗口

围绕股权登记日与除息日的价格行为观察框架:A 股差异化红利税让除息前后的持有人行为与教科书不同。

策略目标

除息日价格行为是税收客户效应的经典研究对象:除息日跌幅应约等于每股股息,但不同税负的投资者会在除息日前后做出相反操作 [1][2]。A 股的特殊性在于差异化红利税——持股超过一年免税、一个月至一年 10%、一个月以内 20%(税率结构以最新规则为准,本文表述有时效性),这使得“登记日前买入吃分红”的短线行为在税后是负和游戏,也让除息前后的价格行为与教科书模型出现独特偏离。本策略登记为观察框架:完整记录事件台账,先量化再谈交易。

数据需求

数据 字段 频率 可得性
分红 股权登记日、除息日、每股派息 随公告 可得(与红利低波策略同源)
量价 日行情、换手率 日频 可得
基准 行业指数收益 日频 可得

事件窗口度量

除息日理论跌幅 =DPS/P登记日= DPS / P_{登记日}(不考虑税)。

实际窗口异常收益:AR=r标的−r行业基准AR = r_{标的} - r_{行业基准}

缺口回补标记:除息后 NN 日内收盘价 ≥\geq 登记日收盘价则记为回补。

观察规则(非交易规则)

本模块只记录、不交易:每年对全部分红事件输出台账(异常收益、换手变化、回补率、按持股期限拆分的税后测算)。台账积累两到三年后,再决定是否升级为可交易策略——这是事件驱动类策略在小样本下的诚实做法。

风险与失效场景

  • 税后负和:短持吃分红在现行税率下大概率亏损,任何“抢权”动作必须先过税后测算;
  • 贴权风险:除息后不回补反而继续下跌,分红策略的经典亏损形态;
  • 规则时效:红利税率与减持规则历史上多次调整,历史台账结论不自动外推;
  • 样本偏差:高分红事件集中于特定行业与特定年份;
  • 事件重叠:除息常与年报季重叠,异常收益归因困难。

验证状态

待验证(框架登记)。需要完成:台账积累不少于两个完整分红年度;回补率与贴权率的分行业统计;差异化税率下不同持有期限的税后收益矩阵;再决定是否升级为交易策略。本文不提供任何未实测的收益或回撤数字。

参考文献与延伸

[1] Elton, E. J., & Gruber, M. J. (1970). Marginal Stockholder Tax Rates and the Clientele Effect. Review of Economics and Statistics, 52(1).(除息日价格行为与税收客户效应的奠基研究)

[2] Kalay, A. (1982). The Ex-Dividend Day Behavior of Stock Prices: A Re-Examination of the Clientele Effect. Journal of Finance, 37(4).(除息日理论的税收中性检验)

[3] Q-Code 量化策略工作台

策略逻辑结构

  1. 分红方案日历 — 登记日、除息日、派息额
  2. 事件窗口 — 除息前后各 10 个交易日
  3. 异常收益记录 — 相对行业基准的窗口收益
  4. 缺口回补标记 — 价格是否回补除息缺口
  5. 事件台账 — 逐年逐事件的统计输出

AI 生成提示词

复制以下提示词,打开 Q-Code 工作台粘贴到 AI 对话框,即可自动生成该策略的 QMT 策略代码(单个完整 .py 文件,支持 QMT 回测与实盘)。

请生成一个 QMT 兼容的除息日事件观察模块。分红方案数据(股权登记日、除息日、每股派息)由参数注入:模块在除息日前后各 10 个交易日窗口内,记录标的相对行业基准的异常收益、换手变化与是否回补除息缺口(价格回到除息前水平),输出事件台账供统计。模块不产生自动交易信号,只做事件记录与统计。禁止使用未公告的分红数据,兼容回测与实盘分支,参数内联在 init,输出单个完整 Python 文件。
用自然语言,生成你的 QMT 策略
注册即赠 200 积分,约可生成 5 次 · 支持 Kimi / GLM / DeepSeek
打开 Q-Code 工作台