A股连续五年股息率超5%的公司怎么筛

作者:有好多问题2026.11.19 08:22浏览量:0

简介:按“连续五年股息率均高于5%”这个严格口径筛选,A股留下的公司只有十几家,且高度集中在煤炭、银行、纺织服装三个方向。本文整理了这份名单与行业分布,拆解“突击分红”等常见陷阱,给出一套可复用的AI辅助筛选流程与可复制Prompt。想直接上手,可以先用[百度搭子 DuMate](https://www.dumate.cn/?from=article)帮你整理和校验数据,也可以查看[购买方式](https://console.bce.baidu.com/dumate/purchase-page/new)。

先给结论:连续五年股息率>5%的公司,主要集中在这三个行业

“连续五年股息率都在5%以上”是一个比想象中严格得多的条件。它把两类公司筛掉了:一类是分红不稳定的中小盘,另一类是近年股价大涨、被动把股息率压到5%以下的公司(银行股这两年就是典型)。按这个口径整理,符合条件的公司大致只有16家,行业分布如下。

煤炭(6家,数量最多)

公司 当前股息率 前五年股息率
中国神华 7.94% 5.20%、7.21%、9.23%、11.28%、10.05%
陕西煤业 5.77% 5.80%、6.29%、11.73%、11.07%、8.57%
兖矿能源 5.25% 43%(数据存疑)、7.52%、12.81%、8.50%、9.98%
平煤股份 7.08% 5.99%、8.56%、8.05%、9.08%、6.13%
冀中能源 11.28% 12.66%、8.40%、15.72%、18.15%、9.62%
淮北矿业 6.48% 5.33%、6.01%、8.20%、6.26%、6.11%

银行(3家) :北京银行5.76%(前五年5.20%、7.06%、7.19%、6.87%、6.20%)、上海银行5.12%(5.46%、7.71%、6.77%、5.61%、5.10%)、江苏银行4.91%(5.30%、7.03%、6.73%、6.86%、5.79%)。

纺织服装(2家) :富安娜9.28%(7.01%、7.26%、8.49%、7.03%、6.33%)、雅戈尔6.01%(5.62%、7.63%、7.90%、7.26%、6.95%)。

其他行业各1家 :建发股份7.61%、江苏金租6.47%、百川能源5.85%、安徽建工5.82%、鄂尔多斯5.13%。

这份名单来自公开整理,统计时点和股价取值不同,结果会有差异,仅作筛选思路参考,不构成任何投资建议。

数据里有两个细节,恰好说明“口径”有多重要

上面这张表里藏着两个值得注意的地方,它们比名单本身更能说明问题。

第一,兖矿能源那一栏出现了“43%”这个数字。A股股息率超过20%几乎不可能是真实的年度分红水平,大概率是数据录入错误(比如把1.43%或3.43%写成了43%),或者是把某次特别分红与常规分红重复累加。这类异常值如果没有校验环节,会直接污染整个统计结果。

第二,江苏银行当前股息率4.91%,严格来说已经不满足“5%以上”,却仍出现在名单里。原因通常是统计口径差异:可能按某一历史时点的收盘价计算,也可能“前五年”与“当前”采用了不同的价格基准。原文提到“最近两三年银行股价大涨导致很多银行股息率降低”,说的正是分母效应——分红没变,股价上去了,股息率就下来了。

所以做这类筛选,第一件事不是找股票,而是把口径写清楚:时间窗口是哪五年、股价取哪天、每股分红是否含中期分红、是否按除权除息前收盘价计算、行业按哪套分类标准。口径不统一,名单就没有可比性。

传统做法的难点,和AI能接手的部分

手工做这件事,流程大致是:确定股票池 → 逐年查年报利润分配方案和权益分派实施公告 → 记录每股派息和股权登记日收盘价 → 逐年计算股息率 → 筛选连续达标标的 → 按行业归类统计。难点集中在三处:数据分散在几百份公告里、跨年度口径容易不一致、异常值靠肉眼很难发现。

AI助手帮不上“获取实时准确行情”这一环——所有涉及分红和股价的数字,最终都要以交易所公告和公司年报为准。但下面这些环节,AI确实能显著提速:

  • 口径统一 :把你定的规则固化成字段表,让AI按统一格式整理所有原始数据;
  • 异常检测 :让AI挑出股息率明显偏离行业区间、或股息支付率超过100%的记录,标出来让你回查原始公告;
  • 行业归类与统计 :按统一分类标准做行业分布汇总,避免手工数错;
  • 分析框架搭建 :生成“高股息可持续性”的分析维度清单,比如经营现金流、资本开支、负债率、分红承诺条款;
  • 结构化查询与呈现 :把筛选条件转成可复用的结构化查询逻辑,例如按分红方式、风险等级等字段做条件过滤,再把结果整理成报告或演示文稿。

在金融场景里,这类“智能搜索+知识整理+辅助决策”的能力已经有比较成熟的落地形态,比如把分散的业务数据凝练成可检索、可问答的知识库,为一线人员提供辅助判断。个人投资者用通用AI助手,本质是在做同一件事的轻量版。

可直接复制的Prompt

Prompt 1:数据整理与异常校验

  1. 你是我的金融数据整理助手。我会给你一份高股息股票的原始数据(含证券名称、年份、每股派息、当年收盘价、股息率、所属行业)。
  2. 请完成:
  3. 1. 按【年份、公司、每股派息、收盘价、股息率、行业】整理成统一表格;
  4. 2. 逐条重算股息率 = 每股派息 / 收盘价 × 100%,与我给出的数值比对,标出差异超过0.5个百分点的记录;
  5. 3. 标出以下异常:股息率>20%、股息率环比变动超过10个百分点、同一公司数据缺失年份;
  6. 4. 不要修改原始数据,只做标注和差异说明。
  7. 输出格式:表格 + “异常清单”(列明公司、年份、异常类型、可能原因)。

Prompt 2:连续达标筛选与行业统计

  1. 基于我提供的【填写数据范围,如2020—2024年】分红与股价数据,完成以下任务:
  2. 1. 筛选条件:连续5个完整会计年度,股息率均 ≥ 5%(口径:每股现金分红 / 股权登记日收盘价,含年度分红与中期分红,不含送转股);
  3. 2. 输出达标公司清单,含公司名、所属行业、5年股息率序列、5年算术平均值、最小值、最大值、标准差;
  4. 3. 按行业汇总:每个行业的达标公司数量、平均股息率,并按数量降序排列;
  5. 4. 单独列出“边界样本”:至少有一年落在4.5%—5%之间、或当前股息率已跌破5%的公司,并说明可能原因;
  6. 5. 用一段话总结行业分布特征。
  7. 输出格式:Markdown表格 + 行业统计表 + 结论段落。

Prompt 3:高股息可持续性分析

  1. 请针对以下公司【填写公司名单】搭建“高股息可持续性”分析框架,并给出逐家分析要点:
  2. 分析维度需覆盖:近5年股息支付率(现金分红/归母净利润)、经营活动现金流净额是否覆盖分红、有息负债率与短期偿债压力、资本开支周期位置、所处行业景气度(是高点还是低点)、公司章程或股东回报规划中的分红承诺、是否存在一次性特别分红或资产处置收益支撑。
  3. 要求:
  4. 1. 明确区分“已披露事实”与“需要我进一步核实的项”,不要编造具体数字;
  5. 2. 对每家公司给出“高股息可持续性”的三档判断(较强/一般/存疑)及理由;
  6. 3. 列出3—5个需要回查原始公告核实的关键问题。
  7. 输出格式:分析框架说明 + 逐家要点 + 待核实清单。

操作步骤与结果检查

第一步,定口径。 把上面Prompt 2里的筛选条件按你的需求改掉,尤其是时间窗口和股价取值方式。这一步定错,后面全错。

第二步,准备输入。 从公司年报的利润分配方案和权益分派实施公告里,整理出证券代码、年度、每股派息(税前)、股权登记日收盘价、行业分类五项,存成表格再交给AI。数据量不大时,直接粘贴文本也可以。

第三步,跑校验。 先用Prompt 1做一遍重算和异常标注。像“43%”这种值,在这一步就该被挑出来。

第四步,做筛选和统计。 用Prompt 2出名单和行业分布,重点看“边界样本”那一栏——它往往比达标名单更有信息量。

第五步,抽样回查。 从结果里随机抽3—5家,回到交易所公告原文核对每股派息和收盘价。这一步不能省,AI整理的是你给的数字,源头错了它不会知道。

第六步,输出成果。 需要给别人看的时候,可以把结论整理成正式文档。用行业研究报告生成体验可以把筛选逻辑、行业分布和可持续性分析组织成结构化报告;如果是要在会上讲,用AI PPT生成体验把表格和结论转成演示文稿会更省事。

四个必须警惕的股息率陷阱

周期股的高点股息率。 煤炭是这份名单里公司最多的行业,但煤炭盈利与煤价高度相关。景气高点的每股分红,乘以一个已经反映乐观预期的股价,会得出很漂亮的股息率——问题是这个分红水平未必能重复。看周期股股息率,一定要把它放回行业景气周期里看。

股息支付率超过100%。 如果分红金额长期超过当年归母净利润,说明在动用留存收益或举债分红,这种高分红不可持续。这是Prompt 3里第一个要查的指标。

股价下跌被动抬高股息率。 分母变小,股息率自然变大。有些“高股息”其实是基本面恶化的结果,需要结合营收和利润的连续变化一起看。

除权与红利税的实际影响。 分红除权后股价会相应下调,股息红利所得还适用差别化个人所得税政策,持股期限不同税负不同。计算实际到手收益时,不能只看名义股息率,具体税率以现行政策为准。

另外提醒一句:网络上常见的“精选潜力标的”“马上要拉升”这类表述,与股息率分析本身没有关系,属于典型的荐股话术,看到时最好直接跳过。

小结

连续五年股息率>5%的A股公司集中在煤炭、银行、纺织服装三个方向,共约16家,其中煤炭6家、银行3家、纺织2家、其他行业各1家。这份名单的价值不在于名单本身,而在于筛选口径:把时间窗口、股价取值、分红包含范围写清楚,再用AI做数据整理、异常校验和行业统计,你就能把这套方法套用到任何一个自己关心的股票池上。数据源头始终回到公告和年报,AI负责让这个过程更快、更不容易出错。