分享一种跟风炒股的方法

散户如何跟风炒股

相信无数人有过跟风被套的经历,所以跟风成了过街老鼠人人喊打,但是实际操作中又忍不住或不自觉地跟风。

其实对工作忙,没有时间精力研究,又想通过股市赚点外快的人来说,跟风不失为一种方式,只不过也要掌握正确的方法。

这里提供一种答案:量化。

 

量化投资相信很多人都听说过。但是没有接触过的人可能会觉得量化投资就是把投资交给程序,觉得很不靠谱。其实量化投资和程序投资完全是两码事,甚至现在量化投资都不需要写程序了,后面会介绍。

我个人觉得量化投资最大好处就是可以快速选股,因为散户没有机构那样的多人团队,很难将4000多个上市公司全部研究到。对于散户来说最常见的方法就是通过新闻、周围讨论、龙虎榜之类的信息渠道获得某一只或几支股票的信息,然后自己再去仔细研究下这几只股票适不适合买。抛开真正的选股能力不谈,这样的模式就有严重的滞后性,这些股票已经是备受关注了,如果真的值得买,股价也已经飞天了。

因此可以先将自己的选股方法粗略的量化出来,让计算机在极短时间内或是实时的帮我们监测所有股票,选出符合条件的一些股票,然后我们再从中分析并最终选择我们看好的。


我来简单举一个例子,通过量化进行跟风的方法。下面是使用非编程的方法构建策略的详细步骤,不想看的话可以直接跳到文末看结果。要强调的是,本为是为了分享量化的好处,不是为了分享策略或鼓励跟风。

通常量化的策略构建有几步,如下图:



其中择股设置就是要选择哪些股票。

交易模型就是这些股票什么时候买入什么时候卖出。

大盘择时就是根据大盘判断是熊市还是牛市,熊市就少交易或者不交易,牛市就多交易。

股指对冲就是通过股指期货来对冲风险。

当然我们今天不使用大盘择时和股指对冲,因为比较专业嘛。我们只用择股设置和交易模型。

首先进行择股设置。首先要选择股票范围,其界面如图:


在这里我只设置了一个限制,那就是排除st股票,因为st股票有退市风险。板块、行业、地区都没选择,因此相当于是整个a股的正常股票都能够买。

然后还是在择股设置里,我们要进行更精细的股票选择,刚才只是粗略的选择,毕竟我如果买所有的非st股也是不现实的。

精细的选股界面里,左边是各种指标,比如常用的技术指标MACD、RSI、均线,还包括财务指标市盈率、净资产收益率啊,还有许多其他指标,我们主要是通过这些指标来选股嘛。我们把想要的指标选择并添加到右边。

右边有两种类型的条件,一种是筛选条件,在这里面的指标是硬性的哦,比如我在这里加入市盈率大于0,那么市盈率小于0的股票就会完全被排除了,市盈率小于零证明是亏损的。如图:

另一种是排名条件,这个条件并不是硬性的,而是根据你设定的条件把满足筛选条件的所有股票排一个名供你选择。这个排名条件也是最重要的。


那么重点来了!!!!!

咱们的文章标题毕竟是如何跟风,于是咱们设定的排名条件如下图:



这里提供了机构评级的指标,为了避免口味奇特的机构,咱选择三个:评级机构数、分析师评级分、评级调高家数。

评级机构数是指计算时间开始过去6个月股票的评级机构数量。评级机构数越多,代表最近机构越关注该公司。

分析师评分是指计算时间开始过去6个月的分析师评分。评分越高,代表分析师越看好该公司。

评级调高家数即过去6个月有多少家机构将股票的评级调高。越多代表着机构对该公司的预期有所好转。


上述三个指标都按从大到小排列,并且权重都为1,即三个因素是等权重的。


根据上面三个指标对满足的股票进行排行,那么排在前面的就是评级机构数多,分析师评分高,预期好转的公司。既然专业人士都看好,那咱岂不只要照着榜单买前几名买买买就行啦?


不过按照要求把股票排名后,还有一个现实的问题,那就是具体怎么买,万一入名的股票有几百家,或者今天买了明天它排名又下去了怎么办。


于是就到了第二部。即交易模型。这里提供了两种交易模型:定期轮动和条件触发,咱们用的是定期轮动,因为好理解。就是每隔一段时间用最新数据根据我们的条件来把股票排名,然后买入前几名的,假如上一次买入的股票但是这一次排名没排上,则卖出并买入新的。如果还在排名里面,那就不动,这样省手续费。需要设定的参数如下图:


交易日设定为10,即每10个交易日排名一次,因为机构的研报发布并不是很频繁,两周计算一次就行。最大持仓看个人拉,咱就学巴菲特买10个股。每个股等权重,即每股买10%的仓位。


大盘择时和对冲咱就不用。


设定完择股设置和交易模型后,就要迎来量化最有意思的时候,那就是回测,即将设定好的策略,放到历史中去试一试,看看历年表现如何。

设定的就从10年开始,因为太久远的时间不具有对现在的指导意义。并把沪深300定为基准与我们的策略进行比较,交易成本选择单边千分之二,即买卖一次收千分之二。点击开始回测。


如果你懒得看上面的过程,这里总结一个懒人版:就是我在10年到20年十年里,每十天选出机构最看好的十个股票买入。


我们来看一下结果,首先是收益统计:


在过去十年里,我们的策略取得的374%的总收益呢,平均下来年化收益有16.85%,相比之下沪深300只有56%,年化收益只有4.55%。16.85%的年化完全能够接受。算是通过跟风跑赢了大盘。这里也侧面证明了机构是有一定选股能力的。


我们还可以看一下更多数据,比如历年收益率统计:


从中我们可以看出来在15年和18年具有较大的回撤,这算是一个缺点,毕竟坐过山车的滋味不好受。

在来看一下交易数据:


一年换手率为688%对于量化策略来说并不算高,可能因为机构看好的都是长期投资的股票吧。

调仓指令可执行比例也是一个重要的指标,假如你买的都是涨停股那么基本是很难买进去的,这里可执行率为96%,基本达标了,证明你实际执行起来不难。


此外,还可以看到调仓的详情哦。还有许多详细的数据,这里就不详细展示。



不过需要注意的是,虽然在历史模拟中表现较好不代表在实盘的时候就一定表现好,历史不代表未来嘛,什么时候会发生什么黑天鹅事件谁都说不准,不过还是有一定借鉴意义的。


如果你觉得策略合格,想把它用于实盘也是完全可以的,因为数据都是实时的,比如这个策略,只要每两周注意一下策略选出的股票手动买入就可以。现在甚至可以做到自动交易。

最后要说的是,写本文主的目的要是想向广大散户介绍量化投资,量化投资的特点就是历史依据性和严格纪律性,对于缺少信息和管不住手的散户很有帮助哦。有些散户实际上是并不是没有能力,而是制定了策略后因为各种诱惑没有严格执行,导致亏损,那么你可以使用量化的方式把你的策略制定出来并自动执行。也可以把你的一些想法通过历史回测验证下,加深对股市的理解嘛。

我本身只是对量化感兴趣,不是大神,本策略也绝对说不上是多优秀的策略,但是可以很好的抛砖引玉。量化也有局限性,比如无法对事件作出反应,依赖历史等。希望你能够制定出优秀的策略。

如果你还在学习,并不打算实际交易,量化也是一个很好的工具,你可以把自己的想法放到历史中去验证下,或者把网上的股评人的观点也验证下,可以让你对股市的理解更加深刻。

有什么问题欢迎评论。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343