第一章 REITs入门：从零开始认识这个投资品种
大家好，我是你们这门课的主讲人。做了十几年量化投资，接触过股票、债券、期货，但说实话，REITs 是我近几年最看好的一个方向。为什么？因为它兼具了股票的流动性和房地产的稳定收益，说白了，就是「用买股票的方式收房租」。
这一章，我们先打好基础。不急着写代码，先把 REITs 是什么、怎么来的、中国现在什么情况搞清楚。我个人习惯是，学任何新东西，先看全景图，再扣细节。
本章核心知识点
- REITs 的定义与核心特征
- 全球 REITs 发展脉络
- 中国 REITs 市场现状与政策
- 为什么用 Python 做 REITs 量化
1.1 什么是 REITs
REITs，全称 Real Estate Investment Trusts，中文叫「房地产投资信托基金」。你想想看，如果你手里有 100 万，想买一套房收租，但钱不够，或者不想承担那么大的风险。REITs 就是解决这个问题的——把大家的钱凑起来，买一栋楼或者一个商场，然后按比例分租金。
我刚开始接触 REITs 时，觉得它就是个「众筹买房」的金融版。后来深入研究才发现，远不止这么简单。
REITs 的核心特征
- 强制分红：法律规定，REITs 必须把 90% 以上的应税收入分给投资者。这是硬性要求，不像股票分红看公司心情。
- 流动性好：在交易所上市交易，跟买卖股票一样方便。你想想，卖一套房子可能要几个月，但卖 REITs 份额，几秒钟就成交了。
- 资产组合：一个 REITs 可能持有几十处物业，分散了单一房产的风险。
- 税收优惠：只要满足分红要求，REITs 本身不用交企业所得税。
💡 个人经验
我在做 REITs 量化策略时，发现「强制分红」这个特征特别重要。因为它意味着现金流是可预测的，这对量化建模来说简直是福音。相比之下，股票的分红政策变来变去，很难做长期预测。
REITs 的收益来源
说白了，REITs 的收益就两块：
- 租金收入：这是大头，占总收益的 70%-80%。物业出租产生的现金流，扣除管理费后分给投资者。
- 资产增值：物业本身会升值，卖出时能赚差价。不过这个波动大，不好预测。
我记得有一次分析一个物流仓储 REITs，它的租金收入非常稳定，但资产增值部分受电商行业影响很大。嗯，这里要注意，不同行业的 REITs，收益结构差别很大。
1.2 REITs 的全球发展史
REITs 不是新鲜事物。它最早诞生在美国，1960 年就立法推出了。为什么会诞生？因为当时美国老百姓想投资房地产，但门槛太高，而且流动性差。国会一拍脑袋，搞了个 REITs 出来。
美国：REITs 的鼻祖
1960 年，美国通过《房地产投资信托法案》，REITs 正式诞生。但早期发展很慢，直到 1990 年代才爆发。为什么？因为 1986 年的税改让房地产行业大洗牌，REITs 的优势凸显出来。
我研究过美国 REITs 的历史数据，发现一个规律：每次房地产危机后，REITs 都会迎来一波大发展。2008 年次贷危机后，美国 REITs 市场反而更规范了，规模翻了好几倍。
全球扩张
美国成功后，其他国家纷纷跟进：
| 地区 | 推出时间 | 市场规模（2023年） | 特点 |
|---|---|---|---|
| 美国 | 1960年 | 约 1.3 万亿美元 | 最成熟，种类最全 |
| 日本 | 2001年 | 约 1500 亿美元 | 以写字楼和零售为主 |
| 新加坡 | 2002年 | 约 800 亿美元 | 跨境投资活跃 |
| 中国香港 | 2005年 | 约 300 亿美元 | 以商业地产为主 |
| 中国内地 | 2021年 | 约 1000 亿元人民币 | 基础设施为主 |
⚠️ 避坑指南
我曾经犯过一个错误：直接用美国 REITs 的量化模型套用到中国市场。结果发现完全行不通。因为中国 REITs 以基础设施为主，而美国以商业地产为主，两者的现金流特征完全不同。所以，做量化一定要因地制宜。
1.3 中国 REITs 市场现状与政策解读
中国 REITs 起步晚，但发展快。2021 年 6 月，首批 9 只公募 REITs 正式上市，标志着中国公募 REITs 时代的到来。
政策脉络
中国 REITs 的政策推进，我总结为三步走：
- 试点阶段（2020-2021）：2020 年 4 月，证监会和发改委联合发布《关于推进基础设施领域不动产投资信托基金（REITs）试点相关工作的通知》。重点在基础设施领域，比如高速公路、仓储物流、产业园区。
- 扩容阶段（2022-2023）：2022 年，政策将保障性租赁住房纳入试点。2023 年，进一步扩大到消费基础设施，比如商场、购物中心。
- 常态化阶段（2024 至今）：审核流程简化，发行效率提升。现在基本上每个月都有新的 REITs 上市。
我个人觉得，中国 REITs 最大的特点是「政策驱动」。不像美国是市场自然生长出来的，中国是政府一手推起来的。这意味着什么？意味着政策风险要重点关注。
市场现状
截至 2024 年底，中国公募 REITs 已发行超过 40 只，总规模突破 1000 亿元。主要分布在以下几个领域：
- 交通基础设施：高速公路、铁路，占比约 35%
- 仓储物流：占比约 20%
- 产业园区：占比约 18%
- 保障性租赁住房：占比约 12%
- 消费基础设施：占比约 10%
- 其他：占比约 5%
📊 关键数据
中国 REITs 的平均年化收益率在 4%-8% 之间，波动率比股票低，但比债券高。对于追求稳健收益的投资者来说，是个不错的选择。
1.4 为什么用 Python 做 REITs 量化投资
好，终于到了我最想聊的部分。为什么是 Python？而不是 R、Matlab 或者 Excel？
你想想看，REITs 投资涉及大量数据：价格、分红、租金、空置率、利率、政策...手动分析根本忙不过来。量化投资就是用程序代替人工，而 Python 是目前最适合的工具。
Python 的优势
- 生态丰富：pandas 处理数据、numpy 做计算、matplotlib 画图、scikit-learn 做机器学习。一套工具链全搞定。
- 社区活跃：遇到问题，Stack Overflow 上一搜就有答案。我当年学 Python 时，90% 的问题都是靠社区解决的。
- 与金融数据接口无缝对接：Tushare、AKShare、Wind 等数据源都有 Python 接口，一行代码就能拉数据。
- 回测框架成熟：Backtrader、Zipline、PyAlgoTrade 等框架，让策略回测变得简单。
举个例子，获取 REITs 的历史价格数据，用 Python 只需要几行代码：
import akshare as ak
# 获取中国公募 REITs 行情数据
reit_data = ak.reits_realtime_em()
print(reit_data.head())你看，就这么简单。如果用 Excel，你得手动复制粘贴，还要担心数据更新不及时。
💡 我的建议
如果你之前没用过 Python，别担心。这门课会从最基础的数据获取开始，一步步带你搭建完整的 REITs 量化系统。我当年也是从零开始学的，现在不也做得挺好？
REITs 量化的核心流程
用 Python 做 REITs 量化，一般遵循这个流程：
- 数据获取：从公开数据源获取 REITs 的价格、分红、财务数据
- 数据清洗：处理缺失值、异常值，统一数据格式
- 特征工程：计算收益率、波动率、分红率等指标
- 策略构建：基于指标设计买卖规则
- 回测验证：用历史数据测试策略表现
- 风险控制：设置止损、仓位管理等
- 实盘部署：将策略接入交易接口
这个流程，后面的章节会逐一展开。现在你只需要有个概念就行。
⚠️ 重要提醒
量化投资不是「稳赚不赔」的魔法。我见过太多人把量化当成印钞机，结果亏得很惨。记住：量化只是工具，帮你更科学地做决策，但不能消除市场风险。尤其是 REITs，受利率、政策影响很大，一定要做好风控。
好了，第一章的内容就到这里。我们讲了 REITs 是什么、全球怎么发展的、中国现在什么情况，以及为什么用 Python。这些是后面所有章节的基础，一定要理解透。
下一章，我们会开始动手——搭建 Python 环境，获取第一份 REITs 数据。准备好了吗？
公众号:蓝海资料掘金营，微信deep3321