安妮·谢伯（Anne Scheiber)，美国国税局基层审计员。
1943年，50岁的安妮退休。此前的23年职业生涯中，其年收入从未超过3150美元。
退休后，安妮开始专心研究股票，以5000美元入场，自此再未退出。
到1995年去世时，安妮最初投资的5000美元增值了4400倍，达2200万美元（约合人民币1.58亿元），年化收益率约18%。
美林证券的客户经理认为，如果安妮的股票一直没卖出，其投资组合还有可能继续产生每年75万美元的股息收入。
安妮也成为美国最成功的高股息策略投资者之一。
美林证券客户经理分享了安妮的故事：
作为国税局审计员，安妮在审计报税单时发现，美国很多富人是靠炒股致富的。
安妮觉得自己也能行。
在选股上，她积极寻找熟知的品牌（类似于彼得•林奇的“十倍股在身边”），并以审计的谨慎思维，审视持有的股票，阅读年报、参加股东会议，最后将注意力集中在盈利不断增长、且稳定派发高股息的公司。
根据美林证券披露的安妮去世时十大重仓股情况，可见她对高股息股票的青睐：
安妮认为，要实现持续稳定的高分红，往往需要良好的基本面、较强的发展潜力和成长性做支撑。
由于买入的大都是有持续稳定分红的“现金奶牛”企业，安妮对自己的持股信念感十足，她几乎从不卖出股票，而且会用股息再次投资到这些股票中。
即使在1972-1974年的美股熊市、1987年市场崩盘期间，也一直如此。
通过对“现金奶牛”们的长期持有、红利再投，以及时间和复利加持，5000美元也成就了大财富。
巴菲特对高股息也颇为青睐。
比如他近年非常看好、投入了大量真金白银的日本五大商社，就是日本高股息的代表。巴菲特买它们的重要原因，也在于高股息、高分红。
据申万宏源统计，五大商社的股息率和每股股利从2017年开始快速上升，截至今年年中，仍保持在较高的位置。
高股息策略不是巴菲特成功的全部，却是非常重要的一环。巴菲特选择了很多能够在周期轮回中经受住考验、并提供高股息的企业。随着时间推移，它们带来了股价上涨之外的“惊喜”。
据道琼斯市场数据公司分析，今年伯克希尔预计将从其股票投资组合中，获得约57亿美元的股息收入。
股票要赚钱，不仅要看股价，还要看股息。
在长期投资者眼中，股票收益既包括市值变动（买卖价差），也含有股息收益（分红）。
股息对“股票能否赚钱、赚多少钱”的贡献非常大。
美国学者Philip U.Straehl对1871-2014年期间，美股长期收益率的研究发现，股息对股票收益的作用巨大：
在A股也是如此。
华福证券统计发现，将全部A股按股息率由高到低分为10组（第1组最高），每年底换一次样本。
在2005年1月至2023年6月这个区间里，股息率较高的组，在年复合收益率上，显著高于股息率较低的组。
股息率较高的个股往往也有更好的股价表现。
著名的“狗股策略”就是基于对高股息股票的投资。
狗股策略（Dogs of the Dow Theory），是美国基金经理迈克尔·奥希金斯于1991年提出的一种投资策略。
其具体的做法是：
每年年底，从道琼斯工业平均指数成份股中找出10只股息率最高的股票。
新年年初买入。
一年后再找出10只股息率最高的成分股，卖出手中不在名单中的股票，买入新上名单的股票。
华福证券数据显示，2001年至2023年6月底，美股中的“狗股策略”在大部分时间都跑赢了道琼斯工业平均指数。
美股中“狗股策略”表现
如果将“狗股策略”应用在上证50上，同样表现不俗。
2012至2023年的6月底，近12年时间里有8年跑赢了基准。
A股中“狗股策略”表现
想要实践高股息策略的投资者，选择股票时可考虑高股息标的，也可布局相关的红利指数基金。
需要留意的是，历史的高股息≠未来的高股息。目前市场上的红利指数，多数是用过去12个月的股息率来筛选高股息公司，较难代表企业未来的分红意愿、当年的盈利情况变化。
中证诚通央企红利指数（931132），是A股第一只采用预期股息率编制方案的红利指数。
指数将分析师预期净利润纳入指标计算中。
在经济复苏动能较强的阶段，该指数对一年预期盈利的考量，或在市场上行阶段受益；在企业整体盈利偏弱时，高股利支付率、央企的稳定支付属性又有望发挥防御作用。
在收益率、最大回撤等方面，中证诚通央企红利指数表现明显优于A股其他代表性指数（统计区间：20161230-20230808）。
统计区间20161230-20230808；股息率数据截至20230808；中证诚通央企红利指数2018-2022年年度表现：-18.79%、11.37%、0.34%、26.12%、-9.19%；数据来源：Wind
据证监会网站公布，融通基金于近期上报了融通中证诚通央企红利ETF基金，这只基金或将在之后发行，有兴趣的小伙伴可保持关注。
主要参考资料
1、华福证券《高股息策略探讨》20230803
2、申万宏源《从巴菲特增配日本商社看中特估的全球定价逻辑》20230429
