配当利回りと配当性向 | 生成AIxPythonで始める株式分析|Python×J-Quants

配当利回りと配当性向は、配当に注目した銘柄選びでよく使われる指標です。本記事では両者の計算式と読み方、「高配当利回り = 安全」と単純化できない構造的な理由を整理し、pandas での計算例を示します。

配当利回りとは
配当性向とは
配当利回りと配当性向の役割の違い
「高配当 = 安全」と単純に言えない理由
単一銘柄を計算する
複数銘柄を pandas で一括計算する
利回りと性向の組み合わせで読む
DOE(株主資本配当率)も併記する
配当データの取り扱い注意

配当利回りとは

配当利回り(Dividend Yield)は「株価に対して、年間配当が何%か」を表します。

\text{配当利回り} = \frac{\text{1 株あたり年間配当 (DPS)}}{\text{株価}} \times 100\,(\%)

たとえば株価 2000 円、年間配当 60 円なら、配当利回り = 3.0% です。

利回りが高いほど、保有しているだけで得られる配当の比率が高い、と解釈されます。ただし「高利回り = 良い」とは限らない構造があります(後述)。

配当性向とは

配当性向(Dividend Payout Ratio)は「純利益のうち、配当に回した割合」を表します。

\text{配当性向} = \frac{\text{年間配当総額}}{\text{純利益}} \times 100\,(\%)

または 1 株ベースで、

\text{配当性向} = \frac{\text{1 株あたり年間配当 (DPS)}}{\text{1 株あたり純利益 (EPS)}} \times 100\,(\%)

配当性向が 30% なら、利益の 30% を配当に回し、残り 70% を内部留保に回したという意味になります。

配当利回りと配当性向の役割の違い

両者は混同されやすいですが、見ている対象が違います。

指標	何を測るか	主な使いどころ
配当利回り	株価に対する配当比率	銘柄間の比較 / 個人の現金収益率
配当性向	利益に対する配当比率	配当の持続性の判断

「配当利回り = 銘柄を買う側の視点」、「配当性向 = 払う会社側の視点」と整理できます。

「高配当 = 安全」と単純に言えない理由

配当利回りが高いことは、必ずしも会社の状態が良いことを意味しません。次のような構造があります。

1. 株価が下がっただけのケース

配当利回りは「DPS / 株価」で計算します。分母の株価が下がる と、配当が変わらなくても利回りは上がります。

業績悪化で株価が大きく下げた銘柄は、見かけの配当利回りが急に高くなることがあります。次に決算が出れば、減配 / 無配で利回りも下がる可能性が残っています。

2. 配当性向が異常に高いケース

配当性向が 80% を超える ような銘柄は、利益のほとんどを配当に回している状態です。次のいずれかが起きると、すぐに減配の引き金になります。

業績が少し下振れすると、配当性向が 100% を超えてしまう
設備投資・研究開発に必要な内部留保が確保できない
借入で配当を維持している場合、財務が継続的に痛む

3. 一時的な特別配当

記念配当・特別配当を含めた利回りは、翌年再現される保証がありません。次年度以降の 普通配当ベース で改めて確認します。

4. 業界が構造的衰退期にある

成熟・衰退業界では、新規投資先がないため利益を配当に回している、というケースもあります。配当は手厚くても、株価が長期的に下がる可能性があります。

これらは「高配当銘柄を一律避けるべき」という話ではなく、高利回りの背景を確認するべき という話です。

単一銘柄を計算する

サンプル値で計算する例です。

1
def dividend_yield(dps: float, price: float) -> float | None:
2
    """配当利回り(%)を返す。price <= 0 なら None。"""
3
    if price is None or price <= 0:
4
        return None
5
    return dps / price * 100
6

7
def payout_ratio(dps: float, eps: float) -> float | None:
8
    """配当性向(%)を返す。eps <= 0 なら None(計算不能)。"""
9
    if eps is None or eps <= 0:
10
        return None
11
    return dps / eps * 100
12

13
print(round(dividend_yield(60, 2000), 2))   # 3.0
14
print(round(payout_ratio(60, 200), 2))      # 30.0
15
print(payout_ratio(60, -50))                # None  (赤字)

EPS が負(赤字)の場合、配当性向は計算できません。配当を払えていても、それは利益の中から払っているわけではない、という状態です。

複数銘柄を pandas で一括計算する

1
import numpy as np
2
import pandas as pd
3

4
df = pd.DataFrame({
5
    "Code":   ["1301", "1302", "1303", "1304", "1305"],
6
    "CoName": ["サンプル商事001", "サンプル商事002", "サンプル商事003",
7
                    "サンプル商事004", "サンプル商事005"],
8
    "C":  [2900, 1500, 4500, 4200, 600],
9
    "FDivAnn": [80, 41, 145, 196, 0],  # 1 株あたり年間配当
10
    "EPS": [310, 130, 320, 140, 50],
11
})
12

13
df["yield_pct"]  = np.where(
14
    df["C"] > 0, df["FDivAnn"] / df["C"] * 100, np.nan)
15
df["payout_pct"] = np.where(
16
    df["EPS"] > 0,
17
    df["FDivAnn"] / df["EPS"] * 100, np.nan)
18
df = df.assign(yield_pct=df["yield_pct"].round(2),
19
               payout_pct=df["payout_pct"].round(2))
20

21
print(df[["Code", "CoName", "C",
22
          "FDivAnn", "yield_pct", "payout_pct"]])

利回りと配当性向を並べて見ると、「利回りは高いが性向も高い(持続性が怪しい)」「利回りは中程度だが性向は低い(余裕がある)」といった構造的な違いが見えます。

なお、上記サンプル値は説明用の 架空の概算 です。実値は J-Quants API の財務データから取得します(#6-6「財務情報を取得する (/fins/summary)」)。

利回りと性向の組み合わせで読む

利回りと性向の 2 軸で見ると、銘柄の性質が分類しやすくなります。

利回り	性向	解釈の例
高	低	余裕のある高配当(継続性に余地)
高	高	利益のほぼ全てを配当に回している(減配リスク)
低	低	内部留保重視・成長段階
低	高	利益が薄く、配当も限られる

ただし業種・事業ステージによって適切な水準は違います。グロース業種の若い会社は、配当を出さない方針(性向 0%)が合理的なこともあります。

DOE(株主資本配当率)も併記する

近年、配当の安定性を測る指標として DOE(Dividend on Equity) が用いられることもあります。

\text{DOE} = \frac{\text{年間配当総額}}{\text{自己資本}} \times 100\,(\%)

DOE は 利益ではなく自己資本 を分母に取るため、業績変動に左右されにくく、配当の安定度を見るのに向きます。経営方針として「DOE 3% 以上を維持」のように宣言する会社もあります。

配当データの取り扱い注意

配当データを扱うときは次の点に注意します。

記念配当 / 特別配当を含むかどうか を区別する
株式分割 / 併合 があった年の DPS は調整値かどうかを確認
期中の 配当方針変更 で、年間 DPS が単純合算と一致しない年がある
予想 DPS と確定 DPS で乖離があることがある(会社予想 → アナリスト予想 → 実績)

生成AI へのプロンプト例

配当利回りと配当性向の散布図を描きたい場合の例です。

入力 DataFrame に次の列があります(銘柄識別列は J-Quants API に準拠)。
- Code (str)
- CoName (str)
- yield_pct (float, %)
- payout_pct (float, %, 計算不能は NaN)

依頼:
- 配当利回りを x 軸、配当性向を y 軸として散布図を描く
- payout_pct=100 の水平線を引く
- yield_pct >= 4 かつ payout_pct >= 80 の銘柄に銘柄名のラベルを付ける
- タイトル・軸ラベルは日本語

要件: pandas 2.2 系 + matplotlib。関数化し、docstring は日本語。

まとめ

配当利回りは「DPS / 株価」、配当性向は「DPS / EPS」(または「配当総額 / 純利益」)
配当利回りが高いだけで安全とは限らない。株価下落・性向過大・特別配当に注意
利回り × 性向の 2 軸で読むと持続性まで踏み込める
配当の安定性を測るには DOE(自己資本配当率)も併用される

目次