作者： 如何计算投资组合股息率：市值加权平均
了解如何用年度股息总收入除以投资组合市值计算股息率，并看懂为何简单平均股息率会高估收入，以及市值加权如何纠正这一问题。
您的投资组合股息率是一个单一数值：持仓预期支付的年度股息总额，除以这些持仓的总市值。换一种写法，它是各持仓股息率按市值加权后的平均值，其中每个持仓的权重，是其美元市值占组合总市值的比例。券商界面上对股息率一栏取简单平均，得到的是另一个数值，而且在大多数实际投资组合中，那个数值会显得更高。
如何计算投资组合股息率
对每个持仓，将股数乘以每股年度股息，得到该持仓的年度美元收入。把所有持仓的年度收入相加，再除以所有持仓的股数乘以价格之和，最后乘以 100。这就是完整计算过程，无论持有四只股票还是四十只股票，方法都一样。
有两种等价的写法：
- 年度总收入除以投资组合总市值。
- 对所有持仓，将市值权重乘以股息率后求和。其中，权重等于持仓市值除以投资组合市值。
第二种写法说明了简单平均为何会出错。两种计算都包含每个持仓，但正确计算会按照各持仓的美元市值赋予权重，而不是让每个持仓各有一票。如果您将现金视为投资组合的一部分，现金也应计入分母。排除现金会在没有增加任何收入的情况下抬高显示的股息率。对于单只股票的计算方法，请先参阅如何计算股息率。
为何对股息率一栏取平均会高估收入
通过一个具体示例，可以更直观地看出两种方法的差异。下面的脚本使用原生 Python 3，没有导入任何模块。任何安装了 python3 的设备都可以运行。五个持仓均为假设数据，数值取整，以便清楚展示影响：股票名称、股数、价格和每股年度股息。
#!/usr/bin/env python3
# each row: (name, shares, price, annual dividend per share)
holdings = [
('A', 200, 50.00, 1.50),
('B', 150, 100.00, 2.00),
('C', 100, 80.00, 0.80),
('D', 300, 20.00, 1.00),
('E', 100, 10.00, 0.90),
]
total_value = sum(sh * px for _, sh, px, _ in holdings)
total_income = sum(sh * dps for _, sh, _, dps in holdings)
naive = sum(100 * dps / px for _, _, px, dps in holdings) / len(holdings)
print(f'market value : ${total_value:,.2f}')
print(f'annual income : ${total_income:,.2f}')
print(f'portfolio yield : {100 * total_income / total_value:.2f}%')
print(f'average of yields : {naive:.2f}%')
for name, sh, px, dps in holdings:
value = sh * px
income = sh * dps
print(
f'{name} weight {100 * value / total_value:5.1f}%'
f' yield {100 * dps / px:5.2f}%'
f' income ${income:8,.2f}'
f' share of income {100 * income / total_income:5.1f}%'
)运行脚本后，两项核心结果会出现明显差异。该投资组合持有价值 40,000 美元的股票，年度股息收入为 1,070 美元，对应的加权股息率为 2.68%。五只股票股息率的简单平均值却为 4.00%，约为前者的一点五倍。
持仓 E 说明了全部问题。它的股息率为 9.00%，是组合中最高的，但股票市值只有 1,000 美元，仅占组合市值的 2.5%，却贡献了 8.4%的股息收入。在简单平均中，它占有五分之一的权重，与旁边市值 15,000 美元的持仓完全相同。只有将股息率与其背后的美元市值联系起来，这个股息率才有实际意义。
实际持仓中的权重如何体现
家庭投资者常持有股息率差异较大的股票，因此权重计算方式十分重要。下方面板根据过去 12 个月已宣布的每股股息总额，除以最近一个交易日收盘价，计算每只股票的滚动股息率。
每个数字背后的完整 SQL
WITH
last_px AS
(
SELECT
ticker,
toFloat64(argMax(close, date)) AS px,
formatDateTime(max(date), '%b %e, %Y') AS priced_through
FROM global_markets.stocks_daily_aggs
WHERE ticker IN ('AAPL', 'MSFT', 'HD', 'KO', 'PG', 'PEP', 'JNJ', 'XOM', 'CVX', 'VZ')
AND date >= today() - 30
GROUP BY ticker
),
ttm_dps AS
(
SELECT
ticker,
sum(amount) AS dps
FROM
(
SELECT
ticker,
id,
toFloat64(any(cash_amount)) AS amount
FROM global_markets.stocks_dividends
WHERE ticker IN ('AAPL', 'MSFT', 'HD', 'KO', 'PG', 'PEP', 'JNJ', 'XOM', 'CVX', 'VZ')
AND ex_dividend_date > today() - 365
AND ex_dividend_date <= today()
GROUP BY ticker, id
)
GROUP BY ticker
)
SELECT
p.ticker AS symbol,
round(d.dps, 2) AS ttm_dividend_usd,
round(100 * d.dps / p.px, 2) AS yield_pct,
p.priced_through AS priced_through
FROM last_px AS p
INNER JOIN ttm_dps AS d ON d.ticker = p.ticker
ORDER BY yield_pct DESC在这 10 只股票中，按 Aug 7, 2026 的价格计算，股息率从 5.96% 的 VZ 到 0.34% 的 AAPL 不等。除非各持仓的美元市值恰好相等，否则由这类股票构成的投资组合，其股息率不会接近该栏数据的中点。
现在将其中五只股票按固定股数纳入投资组合，并将两个数值并列比较：每个持仓占组合市值的比例，以及其占年度股息收入的比例。
每个数字背后的完整 SQL
WITH
positions AS
(
SELECT
tupleElement(p, 1) AS ticker,
toFloat64(tupleElement(p, 2)) AS shares
FROM
(
SELECT arrayJoin([('MSFT', 30.), ('PG', 60.), ('XOM', 80.), ('KO', 100.), ('VZ', 60.)]) AS p
)
),
last_px AS
(
SELECT
ticker,
toFloat64(argMax(close, date)) AS px
FROM global_markets.stocks_daily_aggs
WHERE ticker IN ('MSFT', 'PG', 'XOM', 'KO', 'VZ')
AND date >= today() - 30
GROUP BY ticker
),
ttm_dps AS
(
SELECT
ticker,
sum(amount) AS dps
FROM
(
SELECT
ticker,
id,
toFloat64(any(cash_amount)) AS amount
FROM global_markets.stocks_dividends
WHERE ticker IN ('MSFT', 'PG', 'XOM', 'KO', 'VZ')
AND ex_dividend_date > today() - 365
AND ex_dividend_date <= today()
GROUP BY ticker, id
)
GROUP BY ticker
),
holding AS
(
SELECT
pos.ticker AS ticker,
pos.shares * lp.px AS value_usd,
pos.shares * d.dps AS income_usd
FROM positions AS pos
INNER JOIN last_px AS lp ON lp.ticker = pos.ticker
INNER JOIN ttm_dps AS d ON d.ticker = pos.ticker
)
SELECT
h.ticker AS symbol,
round(100 * h.value_usd / t.total_value, 1) AS weight_pct,
round(100 * h.income_usd / t.total_income, 1) AS income_share_pct,
round(100 * h.income_usd / h.value_usd, 2) AS yield_pct
FROM holding AS h
CROSS JOIN
(
SELECT
sum(value_usd) AS total_value,
sum(income_usd) AS total_income
FROM holding
) AS t
ORDER BY weight_pct DESC实时价格下也会重复脚本中的结果。MSFT 是最大持仓，占市值的 31.4%，同时贡献 10% 的股息收入，股息率为 0.72%。另一端的 VZ 占市值 5.9%，贡献 15.7% 的股息收入，股息率为 5.96%。只要股息率不同，市值权重和收入占比就会出现差异。
用两种方法取平均，同样的五个持仓会得到两个不同答案。
每个数字背后的完整 SQL
WITH
positions AS
(
SELECT
tupleElement(p, 1) AS ticker,
toFloat64(tupleElement(p, 2)) AS shares
FROM
(
SELECT arrayJoin([('MSFT', 30.), ('PG', 60.), ('XOM', 80.), ('KO', 100.), ('VZ', 60.)]) AS p
)
),
last_px AS
(
SELECT
ticker,
toFloat64(argMax(close, date)) AS px
FROM global_markets.stocks_daily_aggs
WHERE ticker IN ('MSFT', 'PG', 'XOM', 'KO', 'VZ')
AND date >= today() - 30
GROUP BY ticker
),
ttm_dps AS
(
SELECT
ticker,
sum(amount) AS dps
FROM
(
SELECT
ticker,
id,
toFloat64(any(cash_amount)) AS amount
FROM global_markets.stocks_dividends
WHERE ticker IN ('MSFT', 'PG', 'XOM', 'KO', 'VZ')
AND ex_dividend_date > today() - 365
AND ex_dividend_date <= today()
GROUP BY ticker, id
)
GROUP BY ticker
),
holding AS
(
SELECT
pos.shares * lp.px AS value_usd,
pos.shares * d.dps AS income_usd
FROM positions AS pos
INNER JOIN last_px AS lp ON lp.ticker = pos.ticker
INNER JOIN ttm_dps AS d ON d.ticker = pos.ticker
)
SELECT
tupleElement(m, 1) AS method,
round(tupleElement(m, 2), 2) AS yield_pct
FROM
(
SELECT arrayJoin([
('Market-value weighted portfolio yield', weighted_yield),
('Simple average of the five yields', naive_yield)
]) AS m
FROM
(
SELECT
100 * sum(income_usd) / sum(value_usd) AS weighted_yield,
avg(100 * income_usd / value_usd) AS naive_yield
FROM holding
)
)
ORDER BY yield_pct DESC较高的 2.93% 是 Simple average of the five yields 数值。另一个数值为 2.24%。只有其中一个对应实际现金收入。将加权股息率乘以投资组合市值，即可还原年度收入。对简单平均值进行同样计算，得到的金额不会出现在任何对账单上。其方向具有结构性：当高股息率股票的持仓规模较小时，简单平均值会高于真实投资组合股息率；当高股息率股票的持仓规模较大时，简单平均值则会低于真实股息率。
成本收益率不是投资组合股息率
成本收益率以当前年度股息除以您的买入价格，而不是除以持仓当前市值。假设一只股票以 20 美元买入，目前价格为 80 美元，每股年度股息仍为 1.00 美元。其成本收益率为 5.00%，而当前股息率为 1.25%。股息收入金额没有变化，变化的只是分母。
这两个数值都合理，但回答的是不同问题。以当前市值为分母，可以说明投资组合在当前价格下的股息率，这也是可与良好股息率或美国国库券比较的指标。以成本基础为分母，则反映您过去进行的一笔买入交易。问题在于将两者混用在同一个投资组合总数中：近期买入的持仓使用当前股息率，持有十年的股票使用成本收益率。这种混合计算通常会将收益型投资组合的表面股息率提高一倍，而且与券商报告的任何指标都不一致。股息率陷阱介绍了另一种错觉，即股价大幅下跌后显示出很高的股息率。
滚动数据或前瞻数据会改变结果
上述每个数值都取决于分子中使用的股息数据。滚动股息率将过去 12 个月实际宣布的股息相加。前瞻股息率则将最近一次股息年化，通常是将最近一季的股息乘以四。对于调整过股息、或在年内派发过特别股息的股票，两者会出现差异；单个大额持仓就可能明显改变投资组合总结果。本文各面板使用滚动数据。滚动股息率与前瞻股息率说明了应在何时使用各项指标。
股息率是一个比率，现金收入则分批到账
加权股息率是年度比率，不代表实际派息时间表。同样的五个持仓会在少数几个集中月份派发股息，因为大多数美国公司按季度除息，除息日通常集中在相近的时间。
每个数字背后的完整 SQL
WITH
positions AS
(
SELECT
tupleElement(p, 1) AS ticker,
toFloat64(tupleElement(p, 2)) AS shares
FROM
(
SELECT arrayJoin([('MSFT', 30.), ('PG', 60.), ('XOM', 80.), ('KO', 100.), ('VZ', 60.)]) AS p
)
),
payments AS
(
SELECT
ticker,
id,
any(ex_dividend_date) AS ex_date,
toFloat64(any(cash_amount)) AS amount
FROM global_markets.stocks_dividends
WHERE ticker IN ('MSFT', 'PG', 'XOM', 'KO', 'VZ')
AND ex_dividend_date > today() - 365
AND ex_dividend_date <= today()
GROUP BY ticker, id
)
SELECT
formatDateTime(toStartOfMonth(pay.ex_date), '%Y-%m') AS month,
formatDateTime(toStartOfMonth(pay.ex_date), '%b %Y') AS month_label,
round(sum(pos.shares * pay.amount), 2) AS income_usd
FROM payments AS pay
INNER JOIN positions AS pos ON pos.ticker = pay.ticker
GROUP BY month, month_label
ORDER BY month过去一年中，现金收入分布在 12 个月，最近一次发生在 Jul 2026，金额为 $107.76。几个百分点的投资组合股息率无法说明现金会在哪个月到账。因此，使用月度收入制定计划时，除了收益率，还需要查看派息日历。关于这些投资组合数据所对应的整体市场水平，请参阅标普 500 指数股息率。
常见问题
如何计算整个投资组合的股息率？
将每个持仓的年度股息收入相加，即股数乘以每股年度股息；再将每个持仓的市值相加，即股数乘以价格。然后用总收入除以总市值，再乘以 100。结果就是各持仓股息率按市值加权后的平均值。
为什么各持仓股息率的平均值高于投资组合股息率？
简单平均让每个持仓各有一票。投资组合股息率则按照每个持仓的美元市值赋予权重。当最高股息率的股票是最小持仓时，简单平均值会高于投资组合实际产生的股息率，有时高出约一半。
现金是否计入投资组合股息率？
如果您将现金视为投资组合的一部分，现金应以零股息计入分母，这会降低股息率。排除现金，则反映仅投资部分的股息率。两种口径都可以，但每次计算都必须保持一致。
成本收益率是否等同于投资组合股息率？
不等同。成本收益率用当前股息除以多年前的买入价格，因此股价上涨时，该指标也会上升。投资组合股息率使用当前市值，这一指标才能与当前持仓产生的收入对应。
增加一只高股息率股票，会大幅提高投资组合股息率吗？
影响只取决于该股票在组合中的美元市值。一只股息率为 9%、占组合市值 2.5%的股票，会将加权股息率提高约 0.2 个百分点（0.09 乘以 0.025），但无论其对股息率一栏的简单平均值有何影响，结果都一样。
本文每个面板都附有生成结果的完整 SQL，因此可以逐行审查权重计算。若要对您自己的股票名单和持股数量运行相同计算，请在 Strasmore terminal 中用自然语言提出请求。