精华内容
下载资源
问答
  • 股票价值投资策略

    千次阅读 2019-08-18 21:08:37
    股票价值投资策略 什么样的股票才是好股票:我关注的好股票以下指标: 基本面指标: 1、净资产收益率(ROE :Rate of Return on Common Stockholders’ Equity) 上市公司的净资产与净利润的比值。 一家上市...

    股票价值投资策略

    什么样的股票才是好股票:我关注的好股票以下指标:

    基本面指标:


    1、净资产收益率(ROE :Rate of Return on Common Stockholders’ Equity)

    上市公司的净资产与净利润的比值。
    一家上市公司,有10亿净资产,每年有1亿净利润,那么它的ROE就是10%。
    上市公司ROE越高,说明其盈利能力越强。
    因此ROE是企业用来计算投资回报的核心指标,通常情况下,上市公司如果能常年保持ROE>15%,就绝对是极品绩优股了。

    如果只能用一个指标去评判一家公司,我一定用净资产收益率(ROE)。ROE是综合评价一家公司盈利能力的最佳指标。ROE越高越好,最低标准得15%以上。最好的公司,我称为R15俱乐部成员的公司,需要满足最近10年平均ROE大于20%,并且每年ROE大于15%。

    2、毛利率(Gross Profit Margin)

    这个指标最好理解了,就是企业在直接生产过程中的获利能力。毛利率不是越高越好,但大于50%是合适的,倘若高毛利只是因为拥有先进入行业的先发优势,而没有建立真正具备高壁垒的核心竞争力,那么这种高毛利就很难维持下去,会因为新进入者的竞争而降低。因此,高毛利一定是建立在核心竞争力、护城河之上,才具备长期的投资价值。
     

    3、负债率(Liability Ratio)


    负债率代表一家公司承受打击的能力,负债率越低越好,低于50%是最好的。

    4、分红率


    分红代表一家公司的诚信,尤其在A股,这个指标是判断是否做假的利器,分红不是越高越好,30%~50%是一个最佳区域,太高不可持续且说明缺乏成长性。每年股息率能大于一年定期收益是最好的。

     

    5、公司前景


    公司所在的行业前景,公司本身的可持续前景,容量,虽只能定性,不能定量,但却不能缺少。一定得有光明的前景,得有盼头,没有盼头的公司是没有盼头的。^_^

    估值指标:

    6、市净率(PB:Price-to-Book Ratio)


    市净率是和ROE联动的指标,对于一家ROE为10%的公司,认为其价值就是其净资产,即PB为1.
    以此为基础,合理的PB=(ROE^2)*100.合理的市净率约为3~10之间。行业不同,企业发展阶段不同各不同相同,最好低于5


    7、市盈率(PE:Price earnings ratio)

    市盈率(PE),即市值比上当年净利润的值。
    上市公司股票是这样,净利润1个亿,市场愿意给它10个亿的估值,那它的市盈率就是10倍。
    PE相比PB来说,灵敏度更高,波动更大,但却更直观。因为这个特点,不适合周期性股票的估值。
    不考虑分红,合理约为20~60之间;最好是不超过40倍。

    滚动市盈率(TTM)小于20为佳

    8、市盈率相对盈利增长比率(PEG)

     
    股票市盈率高低并不能完全反映股票的估值,要结合净利润增速来看。
    因此有了PEG指标,即市盈率/每年净利润增速。
    假如你投资了腾讯,它早期的市盈率是50倍,但是今年的净利润增速是50%,那么PEG=1,但如果你投资的是百度,它早期的市盈率也是50倍,但净利润增速是25%,那么PEG=2,显然PEG越低投资价值越高。
    我国A股上证综指的PEG长期保持在0.5-3之间。
    通常来看,选择PEG低于1的股票,具有较高的安全边际。
    但需要强调的是,PEG低于1并非就一定是低估,比如一只股票PEG=1,但其市盈率达到100倍,意味着其需要保持100%的净利润增速,但显然每年都保持100%是不太现实的,所以我建议PASS掉市盈率50倍以上的股票。
    且PEG要参考近三年的指标,因为一年的净利润增速是不稳定的。


    9、长期低点


    判断长期低点的一个好方法就是当前股价刚创出240日低点。

    10、中期趋势


    中期趋势得向上。

    11、短期买点


    短期处于轨道下端。

    如果一只股票能完全满足以上10大条件,那么这就是一个完美的投资标的。

    (二)选股步骤


    第一步:利用系统自动选股。我们在选股器中输入以下条件:

    1.滚动市盈率TTM小于20;

    2.毛利率大于25%;

    3.净资产收益率ROE大于15%;

    4.市盈率PE<50

    6.市盈率相对盈利增长比率(PEG)<1。

    第二步:人工筛选。要人工排除两类股票:一类是股价在高位的股票;一类是每股收益扣除非经常性损益有后是亏损的。
    第三步:排除有负面消息的股票。散户收集基本面信息是有难度的,我们可以借助智能投顾系统辅助进行。


    (三)注意事项


    ①我们不是机构投资者,没有专门的投研团队到上市公司实地调研,我们只能依据上市公司已公布的资料分析;
    ②有投资价值的股票不等于立即就能买入,还要等待技术图形走好,等待底部形态确认;
    ③有投资价值不等于股价一定会上涨,股价上涨还涉及到技术面走势、市场资金关注、题材概念等问题,如果一直不被市场认可,没有资金愿意进场,盘面走势依然会不温不火。

    ===================

    价值投资选股方法之一:好公司第一定律

    公司分析包括方方面面,深深浅浅,费时费力。并且很多时候还无法量化,难以把握。有没有办法可以简化和量化呢?据说真正的洞察力都是把纷繁复杂的现象简化成一个核心的理论。我觉得也可以把公司分析简化为一个量化的硬指标:一个公司,如果可以保持高的净资产收益率,就是一个好公司。我把它称为好公司第一定律。

    先解释一下:

    1、高的净资产收益率。为了简单,使用了“高”这个模糊的词。实际上是可以量化的,如果你期望20%的投资收益率,那净资产收益率就不能低于20%。另外,因为个人的期望回报率不同,所以用高这个词来代表。

    2、保持。注意是保持高的净资产收益率。有两个意思,一是现在净资产收益率高。二是要保持得住,期限是未来的5-10年。

    3、好公司。好公司的定义是,公司经营产生的利润大幅上升,而不是靠概念、重组、非经常性收益等,并以此推动股价的上升。要强调的是,股价上升的不一定是好公司,就象很多概念股,我们寻找的是靠公司基本面推动股价上涨的公司。股价上升的不一定是好公司,但好公司的股价一定会上升。具体点就是,通过10年的经营,如果公司净资产收益率是15-26%,公司的价值能上升4-10倍左右。

    接下来是证明。按照现代经济学方法论,证实是不重要的,关键是证伪。

    迄今为止,我还没有发现哪个保持高净资产收益率的公司,利润和净资产没有大幅增长。也没有发现利润持续(4-10年)大幅增长的公司,净资产收益率很低的(低于10%)。所以需要朋友提出反例。

    证实一下

    1、一个公司如果有x%的净资产收益率,并且能保持。那它的利润就会按x%的复利增长,净资产也会按x%的复利增长(假设利润再投资)。

    2、如果这是一家非上市公司,假设公司交易价格都按净资产定价,那公司的价值要分别上涨到原来的4倍和10倍。

    3、如果这是一家上市公司,假设市场对公司的估值和10年后一致的话(PE、PB估值),公司的股价就要上涨4倍和10倍。

    1970-1980年,沃尔玛的利润增长了35倍,1980-1990年,利润增长了25倍,1990-2000年,利润增长了5倍,2000-2008年,增长了2.5倍。而沃尔玛的股价也上升了3000倍以上。

    沃尔玛保持了超高的净资产收益率,1970-1995年常常超过25%。因为没有详细分析沃尔玛的融资和分红数据,所以利润增长率会有不同。但说明好公司第一定律是够了。沃尔玛把赚来的钱开新店,驱动了利润和净资产的上升,最后驱动了股价的上升。沃尔玛在上市后30年里,投资回报率只落后于西南航空和巴菲特。

    如果一家公司有高的净资产收益率,但不把利润保留再投资,也是一家好公司。

    喜诗糖果的净资产收益率从1972年的26.3%上升到2007年的100%——非常非常非常高的数字。巴菲特在2007年的信里说“1972年购买以来的税前总收益是13.5亿美元,而这一切最初投入的资本仅仅是2500万美元,增加的资本投入只是区区3200万美元,净现金流入13.18亿美元”。喜诗糖果的业务特性决定了不可能大规模扩张业务,所以把利润分配给股东。也就是自由现金流。

    和沃尔玛比喜诗糖果要逊色一些,因为喜诗糖果分配的利润要有高的再投资收益率才能得到长期的高的投资回报率,沃尔玛直接帮股东完成了这个工作。巴菲特可以用喜诗糖果分配的利润来投资,一般人就要难多了。

    如果一家差公司保留利润,但没有善用资金,造成低的投资回报率,那它的净资产回报率也就要下降了。所以公司好坏关键不在于是否保留利润,而是保持高的净资产回报率。沃尔玛和喜诗这两种形式都是好公司。

    好公司都是有高净资产回报率的,保持高净资产回报率的都是好公司。

    定律的运用:

    1、节省大量时间。分析公司先看净资产收益率。低就说明不是好公司,高就要分析是否能保持。进一步就要看净资产收益率变化的趋势,来抓住公司基本面变化的趋势。当然这不是容易的事。

    2、避免失去重点。公司分析方方面面,容易陷入多种误解、偏见、陷阱中,牢牢把握好公司第一定律,就不会迷失。

    价值投资选股方法之二:个人初级价值选股标准

    价值投资选股方法之二:个人初级价值选股标准

    一、选细分行业的龙头

    细分行业的龙头公司,在细分行业市场占有率达到第一或第二,并且有不断扩大市场份额的能力。最好能发现有做国内或国际行业老大的雄心和潜力的企业,中小板中不乏此类企业。

    二、有稳健增长的经营历史

    1、高盈利率:主营业务收入、营业利润、总利润、净利润四项连续三年以上增长率在25%以上。净利润率在20%以上,主营利润占其总利润70%以上;

    2、高成长性:净资产收益率(ROE)连续三年以上在15%以上;

    3、高收益性:股东权益占总资产的70%以上,年报“每股收益”在1元以上,低于1元暂不考虑(其实5毛钱以上都是不错的公司,只是力图只做更好的);

    4、高现金流:当期经营活动产生的现金净流量(FCF)在当期净利润的80%以上;

    5、高周转率:应收帐款年周转率(含其他应收款)和存货年周转率都在400%以上;

    6、低负债率:资产负债率越小越好,银行贷款越少越好。

    三、有稳定成熟的管理团队

    1、管理团队是否稳定成熟关键在一把手,所以要通过各种信息渠道多了解一把手的素质。诚实、守信、有责任心、有创业激情、有创新精神等素质,是团队带头人应必须具备的。

    2、 有科学的股权激励机制,高管持股,也是保持有一个稳定向上管理团队的条件之一。

    四、有明显的核心竞争优势

    1、垄断优势

    市场占有率第一,份额越多越好,处于垄断地位的公司有较强的定价能力。

    2、创新优势

    有产品或服务不断创新的能力,拥有自有知识产权的专利越多越好。对技术研发投入的重视程度,决定公司未来增长潜力。不断创新的能力是伟大公司必备的DNA。

    3、人才优势

    有先进的用人机制,能大量吸引专业人才,是企业的重要竞争力。

    4、管理优势

    有不断创新的经营管理模式。

    5、品牌优势

    品牌强大,知名度高,消费者的认可度就高。品牌价值越大越好。

    6、资源优势

    拥有稀缺资源也是竞争力的主要因素。

    五、总股本越小越好

    总股本最好在2亿股以下,股本小扩张潜力大。有多次股本扩张历史的最好。股本不断扩张,业绩又不被稀释,说明有做大的愿望和潜力。选巨人的品牌,婴儿的股本。

    六、低PE、PB、PEG

    1、低市盈率(PE):A股的正常市盈率约20-30倍,现阶段10倍以下的都很安全,加上每股收益要求在1元以上,那么股价也就在10元左右的相对低位;15倍左右也是比较安全的,属于在安全边际以内的股票,当然相对于成长性较高的新兴行业这个条件可以放宽。

    2、低市净率(PB):现阶段优先考虑3倍左右,4倍以内的股票。

    3、低市盈率相对利润增长的比率(PEG):PEG越小越有投资价值(具体原理和操作方法见《价值投资选股方法之三:成长价值投资(PEG+PE)的估值方法》)。

    价值投资选股方法之三:成长价值投资(PEG+PE)的估值方法

    价值投资选股方法之三:成长价值投资(PEG+PE)的估值方法

    巴菲特的投资理念概括起来主要有三点:

    1.安全边际理论

    2.集中投资理论

    3.市场先生理论

    这些理论理解起来非常容易,但做起来却很难,原因在于:

    1.很难定量分析一只股票的价格是否低估。

    2.什么样的股票才能够长期重仓持有? 

    3.当你买入这只股票的时候,市场是否真的处于失效状态?  

    对于这三个问题的定量分析,几乎难以确定,因为定量即意味着"准确的错误".所以定性分析是唯一的出路.定性分析的方法有很多,PEG+PE法就是一种,这个方法简单有效,如果能熟练运用,能够获得像彼得.林奇一样的惊人成绩(当然彼得.林奇不会只用这个方法。)

    那么,什么是PE和PEG呢?PE的中文意思是"市盈率",PEG的中文意思是"市盈率相对利润增长的比率". 他们的计算公式如下:

    1.静态PE=股价/每股收益(EPS)(年) 或动态PE=股价*总股本/下一年净利润(需要自己预测

    2.PEG=PE/净利润增长率*100

    如果PEG>1,股价则高估,如果PEG<1(越小越好),说明此股票股价低估,可以买入.PEG估值的重点在于计算股票现价的安全性和预测公司未来盈利的确定性.

    用PEG+PE法投资股票的几个要点: 

    1.价值投资,买便宜货

    考察重点:静态PE和PEG   

    买股票的时候我们对价格的唯一要求就是便宜.那么股价是否足够便宜,需要我们考察一下公司近几年的净利润增减情况,希望保守一点的话可以考察EPS的增长率,因为总是扩充股本的股票会稀释EPS.得到EPS近5年的平均增长率后,就可以计算PEG了.假设一只股票现在的PE是50倍,上一年年报净利润增长率是40%(保守的话可以用刚才算出的EPS年平均增长率的数据),此时的PEG就是50/40%*100等于1.25大于1,此时的股价就有高估的嫌疑.不值得买入.也就是说如果静态PE(50倍)和PEG(大于1)都显示高估的话,就不要买入,此时投资的风险会比较大。  

    2.趋势投机,成长性使你的买价获得安全边际  

    考察重点:买入价对应的动态PE和PEG   

    牛市里做一下趋势投机来获取高收益是无可厚非的,那么怎么用这一方法判断趋势呢?在买入一只股票后的持有阶段,我们要关注公司的季报和年报,如果业绩的增长很快,比如招商银行2006年净利润增长了87%,而你的买入价对应的市盈率只有39倍的话,2006年底的PEG=39/87%100=0.44<1,很安全。另外因为08.09年招商银行的利润增长率继续超过50%的可能性很大,于是随着利润的增加,你的买入价对应的PE和PEG在08.09年会不断调低-----这就是成长性带来的安全边际.也是趋势投机所表述的安全边际,所以招商银行就是很好的趋势投机品种.   

    3.判断股票价格的高估

    考察重点:动态PE和PEG  

    还是以招商银行为例,难道这个股票在任何价位都可以做趋势投机吗,不是的,如果招商银行在很短的时间内发生巨大的上涨,PE很快达到了70~80倍,此时PEG就会大于1,并透支了今后几年的业绩(招商银行今后几年的业绩不大可能以70%~80%的速度增长),说明股价严重高估,此时没买的人就不要买了,而已经买入获利的人会很矛盾:我已经获利不少,而股票又严重高估,我是继续持有等待它大调整消化泡沫,吞掉浮赢,还是卖出兑现利润呢?我的意见是,如果有更好的投资品种,不妨减仓兑现盈利,投资那个更好的品种,如果没有更好的换仓品种,而这个现在高估的公司基本面和质地也无任何变化的话,不妨忽略市场的疯狂,继续持有,因为长期看,好公司股价走势的任何一个高点都是以后的低点。所以选择公司还是最重要的。不过PEG大于1的程度越大,泡沫就越严重,下跌时幅度就会越大,如果持有的话要有近期收益率低企的心理准备.还有如果是高估的话,就用4条价格平均线来衡量是否持有股票,如果突破34天平均线,最好赶快获利出货。 

    4.要补充一点关于动态市盈率的估计

    这一点非常重要,因为它决定了公司未来收益的确定性,我们不可能等到年底公布年报后再确定投资的对错,所以预测下一年年报净利润的数量就至关重要,股票软件上(比如一季度)直接用一季度的每股收益*4的算法是不科学的(因为公司每个季度的收益怎么可能完全相同呢,尤其遇到经营受季节影响很大的公司就更没参考价值了).所以这个方法适用的前提是你买入的是一家增长快速稳定的好公司,并且你又很了解它,可以用一季度的每股收益加上上一年后三季度的每股收益来预计和更新现在的市盈率,这样的计算偏保守(对增长确定性大的公司来说),但是结果一旦好于预期,就是意外的更大的安全边际和收益.   

    最后用一个最好的例子来结束本文:有这样一只股票,PE只有20倍,而近些年公司的净利润却以高达40%的速度增长,同时你确定在未来的几年里,这一速度有很大的几率继续保持的话,恭喜你,这只股票就是价值投资梦寐以求的能给你带来N倍收益的安全股票.也是那只真正需要重仓持有和长期持有的股票. PEG这个指标是用公司的市盈率除以公司的盈利增长速度。在选股的时候就是选那些市盈率较低,同时它们的增长速度又是比较高的公司,这些公司有一个典型特点就是PEG会非常低(PEG越低越好)。    

    在美国现在PEG水平大概是2,也就是说美国现在的市盈率水平是公司盈利增长速度的两倍。(中国每年的GDP增长都持续保持在10%以上,中国企业的盈利增长平均保持在30%以上)无论是中国的A股还是H股以及发行美国存托凭证的中国公司,它们的PEG水平大概差不多在1的水平,或者是比1稍高一点。     

    PEG始终是主导股票运行的重要因素,所以寻找并持有低PEG的优质股票是获利的重要手段。今年以来,钢铁板块持续走强,银行板块原地踏步,而酒类股票则大幅回调,这些现象都是PEG主导板块运行的重要例证。以酒类股票为例,酒类龙头公司未来3年的预期复合增长率在35%左右,而其对应于2007年收益率的动态市盈率则普遍在50倍左右,PEG值为1.4,这显然削弱了酒类龙头公司进一步走高的动力。也就是说,公司的良好运行前景已经体现在股价上涨中了。银行股龙头股票未来3年的预期复合增长率在40%左右,而其2007年动态市盈率一般在30倍左右,PEG值为0.75。相对于去年PEG为0.4时的银行股,现在它们大幅上涨的动力确实不如以前,当然,由于市盈率低于复合增长率,其未来上涨的趋势并未改变。而钢铁股的复苏超出了很多机构的预期,目前市场预期钢铁股未来三年复合增长率在25%左右,而龙头钢铁股2007年动态市盈率在11.5倍左右,PEG值为0.46,极低的PEG值是钢铁股今年以来持续走强的重要原因。     

    投资者在决定是否买入一家公司时,往往会参考公司的市盈率指标。但在上市公司到底什么样的市盈率水平才是合理的这个问题上,不同的投资者有不同的理解。  

    有人认为,盘子大小应该是个股市盈率定位的决定性因素,早几年的沪深股市上,盘子小的定价远高于盘子大的,但目前市场给出的答案已完全不同:大盘蓝筹股除了业绩定价外,还具有股指期货中的权重效应,加上其流动性强,便于机构进出,其股价可高于其他股票。在境外成熟市场上更是如此,越是大盘蓝筹股,其股价反而越高。如香港前10大高价股,股价从270港元到100港元不等的宏利金融、渣打集团、汇丰控股和恒生银行等,全为金融类大盘蓝筹股。在美国股市上,上世纪70年代也有炒作以可口可乐、菲利浦莫利斯、IBM等公司为代表的“漂亮50”的历史。  

    也有人认为,决定一家公司是否值得投资的标准是其所处的行业。在前几年的市场上,热炒高科技股、网络股时就是这样,只要与网络略有沾边,股价便可一飞升天。但目前市场给出的答案是:高科技与传统行业上市公司的定价是一样的,如果传统行业的公司更具经营的稳健性,有更高的抗风险能力,也许还能获得更高的溢价。  

    其实,决定个股市盈率合理水平只有一个指标,那就是公司的增长率。关于市盈率与增长率之间的关系,美国投资大师彼得·林奇有一个非常著名的论断,他认为,任何一家公司,如果它的股票定价合理,该公司的市盈率应该等于公司的增长率。举例来说,如果一家公司的年增长率大约是15%,15倍的市盈率是合理的,而当市盈率低于增长率时,你可能找到了一个购买该股的机会。一般来说,当市盈率只有增长率的一半时,买入这家公司就非常不错;而如果市盈率是增长率的两倍时就得谨慎了。  

    彼得·林奇关于增长率与市盈率关系的论断,我们可以用PEG指标来表示,PEG指标的计算公式为:市盈率/增长率。当股票定价合理时,PEG等于1;当PEG小于1时,就提供了购买该股的机会;当PEG等于0.5时,就提供了买入该股非常不错的机会。反过来,当PEG等于2时,投资者就应对这家公司谨慎了。关于公司的年增长率,彼得·林奇提出了一个长期增长率概念,意思是不能看公司一年甚至半年的数据,而要联系几年的数据一起观察 

    在这个问题上需要避免的一个误区是,并非PEG值越小就越是好公司,因为计算PEG时所用的增长率,是过去三年平均指标这样相对静态的数据,实际上,决定上市公司潜力的并不是过去的增长率,而是其未来的增长率。从这个意义上说,一些目前小PEG的公司并不代表其今后这一数值也一定就小。在这些PEG数值很小的公司中,有一些是属于业绩并不稳定的周期性公司,但真正有潜力的公司其实并不在于一时业绩的暴增,而是每年一定比例的稳定增长。  

    目前,一些内地证券研究机构开始运用PEG指标判断上市公司,在这个指标中引进了公司增长率的概念,改变了运用单一市盈率指标去判断上市公司的做法,这是一个不小的进步。但PEG指标并非越小就一定越好,我们需要更多地用动态的眼光去看待。其实,只要PEG这个数值在1以下的上市公司,都是有潜力并值得投资的。     

    PEG是我们心目中的秘密武器     

    在此时谈了太多关于等待重要性的话题了,该回归了.等待的目的终究还是为了在合适的价格买进.如何衡量什么是合适的价格?这次透露一点我们的秘密武器给大家,希望朋友们用起来得心应手.我多次提到PEG,也有性急的朋友关心如何查PEG.PEG为何如此重要?PEG不是技术分析,PEG=PE/利润增长率X100,不是RSI,MACD,在钱龙F10里是没有的。为什么说PEG<1风险小?也不是技术,是小学算术.假设一企业未来几年每年有100%利润增长率,我在1倍PEG买进,即100倍PE买进了,会发生什么事?     

    假使第一年每股盈利0.1元,100倍PE买入价格就是10元.  

    假如第二年股价没涨,PE变为10/(0.1X2)=50倍  

    假如第三年股价还没涨,PE就变为10/(0.1X2X2)=25倍  

    以此类推,如果股价就是不涨,那第四年呢,PE12.5倍,  

    第五年呢,PE6.25倍了.     

    这样的1倍PEG,100倍PE的股票股价未来几年能不涨吗?就是大盘崩盘我也能赚钱啊.  

    当然,投资成功的关键是这个企业未来几年100%的年利润增长率的实现!这在F10中是绝对没有的.你要有预见/预测的能力.你必须预测,而且你必须相信你自己!

    如何计算复合增长率: 复合增长率是指一项投资在特定时期内的年度增长率。

    计算方法为总增长率百分比的n方根,n相等于有关时期内的年数。公式为:复合增长率=(现有价值/基础价值)^(1/年数) – 1 这个概念并不复杂,举个简单的例子:设想你在2005年1月1日最初投资10000美金,而到了2006年1月1日,你的资产增长到13000美金,然后07年增长到14000美金,到2008年增长到19500美金。根据计算公式,复合增长率=(19500-10000)^(1/3)-1 =24.93% 最后计算获得的复合增长率为24.93%,,从而意味着你三年的投资回报率为24.93%,即将按年份计算的增长率在时间轴上平坦化。那么年增长率又是怎么计算的呢?还是以上面的例子来看:第一年的增长率则是30%( (13000-10000)/10000 *100%) ;第二年的增长率是7.69%( (14000-13000)/13000 * 100%);第三年的增长率是39.29%( (19500-14000)/14000 * 100%) 年增长率是一个短期的概念,从一个产品或产业的发展来看,可能处在成长期或爆发期而年度结果变化很大,这就导致单看某年度的增长率难以了解真实的增长情况。

    而如果以”复合增长率”来衡量,因为这是个长期时间基础上的计算得到的数据,所以更能够说明产业或产品增长或变迁的潜力和预期。另外一个概念是年度平均增长率,它是项目期内的每年增长率的简单平均数。比如上例为25.66%,这对于评价投资项目的增长率有一定的指导意义,但没有复合增长率真实。复合增长率在社会经济生活中得到了广泛的应用。

    应用之一:据报道,自2003年起,中国零售业进入新一轮景气周期,社会消费品零售额稳步增长。而国内家电连锁业态龙头苏宁电器,自2003年~~2006年间的营业收入复合增长率为93.84%......

    应用之二:摩根士丹利发表研究报告预计,阿里巴巴B2B业务2007年净利润将由上一年的3.57亿元增至11.59亿元人民币,三年复合增长率达48%。

    ------------

    每日最好亲手翻一遍个股的K线图,这样会让你的思维波动和主力一致。

    底部放量的股票是一定要关注的,不管是不是真的突破了。

    中线心态,重仓一只股,手里留点,逢高出点,逢低接点,滚动操作是上策。

    做短线最主要是要看成交量、换手率以及上涨速度这三要素。

    分时走势中,白线和黄线的距离突然垂直向上拉大很多,就是短线出货的绝好机会,因为你一定有机会再补回来。这个做法的成功率在95%以上。

    短线一定要看15分钟的K线图,根据KDJ指标可以找到当日的进出点,根据OBV指标可以判断清楚主力的意图。

    洗盘和出货的一个最根本区别就在于一个是量缩,一个是量增。

    只买上升轨道的股票,不买下降轨道的股票,如果股票一直在上升轨道,就永远持有,永远不要卖!

    在上升轨的下沿买进股票,然后持有,到上升轨发生明显的变化,卖出。

    局面复杂看不清的股票,千万不要进去,柿子捡软的捏,炒股也一样。

    股票下跌一定比例要坚决止损(短线4%左右,中线10%,长线20%)

    上升三角形

    上升三角形是一种多头形态,形态的高点相连后构成一条水平的横线(阻力线),形态的低点相连构成一条向上倾斜的底边(支撑线)。形态中至少有两个高点位于或接近于同一价格点位,每次弹升时,低点都会上移。每次下跌时的低点上移,表示供应逐步减少,或者卖压下降,导致支撑线向上斜伸。成交量必须维持在均量以下,而且(或者)随着形态的构成而逐步萎缩,价格的波动空间逐步压缩。

    下降三角形

    下降三角形属于空头形态,因为它主要出现在下跌趋势之中。与上升三角形正好相反,下降三角形的底线(支撑线)水平延伸,而上线(阻力线)则向下斜伸。形态中至少有两个低点出现在同一价位,或接近同一价位;反弹中的高点次第下移。这种反弹中的高点下移,表示每次反弹中,买方需求依次下降,导致向下伸展的斜线(阻力线)。成交量必须维持在均量以下,而且(或者)随着形态的构成而逐步萎缩,价格的波动空间逐步压缩。


    510300沪深300ETF,510050上证50ETF,159915创业板ETF,159919沪深300ETF,159902中小板ETF。主要的就是这几个了。

    ---

    1、迈瑞医疗:医疗器械龙头。ROE在28%-42%之间,毛利率66%,净利润增长43%-75%。
    2、片仔癀:稀缺中药品种。ROE在16%-24%之间,毛利率43%,净利润增长14%-50%。
    3、爱尔眼科:眼科医院龙头。ROE在18%-21%之间,毛利率46%,净利润增长33%。
    4、贵州茅台:白酒龙头。ROE在24%-34%之间,毛利率91%,净利润增长30%-60%
    5、泸州老窖:白酒次龙头。ROE在20%左右,毛利率77%,净利润增长32%。
    6、五粮液:浓香白酒龙头。ROE在15%-22%之间,毛利率73%,净利润增长9.8%-42%。
    7、恒瑞医药:化药龙头。ROE在23%左右,毛利率86%,净利润增长25%。
    8、海天味业:调味品龙头。ROE在32%左右,毛利率45%,净利润增长23%。
    9、中国平安:金融龙头。ROE在14%-23%之间,净利润增长15%-20%之间。(弱周期、弱消费股)
    10、通策医疗:口腔医院龙头。ROE在18%-28%之间,毛利率41%,净利润增长-29%-59%。
    11、万科A:房地产龙头。ROE在19%-23%之间,毛利率30%,净利润增长15&-33%。(周期股)
    12、格力电器: 空调龙头。ROE在30%左右,毛利率32%,净利润增长16%-45%。
    13、美的集团:综合白电龙头。ROE在26%左右,毛利率25%,净利润增长15%-20%。
    14、中国国旅:机场免税龙头。ROE在14%-19%之间,毛利率29%,净利润增长20%-40%。
    15、海螺水泥:水泥龙头。ROE在11%-29%之间,毛利率35%,净利润增长13%-88%。(周期股)
    16、桃李面包:面包龙头。ROE在19%-22%之间,毛利率37%,净利润增长17%-25%。
    17、苏泊尔: 厨具龙头。ROE在21-28%之间,毛利率30%,净利润增长21-28%。
    18、欧普康视:OK镜龙头。ROE在21%-38%之间,毛利率77%,净利润增长28%-43%。
    19、伟星新材:PPR管龙头。ROE在26%-29%之间,毛利率46%,净利润增长19%-38%。
    20、山东药玻:药用玻璃龙头。ROE在8%-10%之间,毛利率32%,净利润增长30%-38%。
    21、药明康德:创新药平台龙头。ROE在21%-29%之间,毛利率40%,净利润增长25%-179%。
    22、东方雨虹:防水材料龙头。ROE21%,毛利率37%,净利润增长20%-40%。
    23、上海机场:机场龙头。ROE在13%-15%之间,毛利率49%,净利润增长10%-31%。
    24、正泰电器:低压电器龙头。ROE在15%-20%之间,毛利率29%,净利润增长25%-29%。(备注:2019一季度净利下滑11%)
    25、晨光文具:办公文具龙头。ROE在21%-26%之间,毛利率25%,净利润增长16%-27%。
    26、我武生物:脱敏领域龙头。ROE在21%-26.6%之间,毛利率96%,净利润增长25%。
    27、涪陵榨菜:ROE在17%-30%之间,毛利率50%,净利润增长61%。
    28、益丰药房:ROE在10%-12%之间,毛利率39%,净利润增长27%-40%。
    29、恒顺醋业:ROE在11%-16%之间,毛利率41%,净利润增长-28%-64%。
    30、泰格医药:ROE在9%-17%之间,毛利率42%,净利润增长-10%-114%。
    31、健帆生物:ROE在22%-26%之间,毛利率84%,净利润增长40%。
    32、广州酒家:ROE在21%-30%之间,毛利率53%,净利润增长12%-27%。
    33、千禾味业:ROE在13%-20%之间,毛利率43%,净利润增长43%-66%。(PS:2019一季度净利下降54%)
    34、凯莱英:ROE在18%-24%之间,毛利率46%,净利润增长25%-64%。
    35、国瓷材料:ROE在9%-20%之间,毛利率38%,净利润增长51%-121%。
    36、昭衍新药:ROE在17%-22%之间,毛利率53%,净利润增长5%-47%。
    37、绝味食品:ROE在22%-28%之间,毛利率34%,净利润增长26%-31%。
    38、东方雨虹:防水材料龙头。ROE21%,毛利率37%,净利润增长20%-40%。
    39、药石科技:ROE22%,毛利率60%,净利润增长81%-98%。
    40、白云山:ROE在12%-16%之间,毛利率30%,净利润增长16%-66%。
    41、珀莱雅:ROE在18%-31%之间,毛利率62%,净利润增长6.8%-43%。
    42、大参林:ROE在18%-37%之间,毛利率40%,净利润增长8%-11%。
    43、中炬高新:ROE在13%-18%之间,毛利率39%,净利润增长25%-46%。
    44、安图生物:ROE在27%-32%之间,毛利率67%,净利润增长25%。
    45、华兰生物:ROE在18%-22%
    46、元祖股份:ROE在18%-26%之间,毛利率65%,净利润增长9%-62%。
    47、汤臣倍健:ROE在12%-19%之间,毛利率67%,净利润增长-15%-43%。
    48、星宇股份:ROE在12%-14%之间,毛利率21%,净利润增长19%-34%。
    49、华东医药:ROE23%,毛利率26%,净利润增长23%-31%。
    50、家家悦:ROE在13%-23%之间,毛利率21%,净利润增长1.6%-38%。

    第一:人工智能
    随着社会的发展,人工智能不仅有可能改变科技的发展,而且在发展的过程中还会为投资者带来巨大的收益。下边详细讲一下人工智能的龙头:
    (1)虹膜识别: 汉王科技.新国都
    (2)OCR:汉王科技.
    (3)人脸识别:汉王科技、佳都科技、海康威视、大华股份。
    (4)静脉识别:远方信息、汉王科技、新国都。
    (5)手势控制:歌尔股份、闻泰科技、巨星科技。
    (6)指纹识别:蓝思科技、欧菲科技、汇顶科技。
    (7)云计算:烽火通信、用友网络、中科曙光.浪潮信息。
    (8)机器视觉:佳都科技、海康威视、大华股份,汇川技术。
    (9)大数据:同花顺、东方财富.
    (10)语音识别:科大讯飞。


    第二:医药行业
    现今,人们对健康重视程度不断增加,而且基于现今我国人口的老年化程度,未来大健康领域应该会成为一个很大的产业链。以下是医药行业的龙头:
    (1)植入器械:乐普医疗
    (2)乙肝药物:恒瑞医药、白云山、智飞生物
    (3)移动医疗:乐普医疗、万达信息。
    (4)医用防护:巨化股份。
    (5)医药电商:复星医药、美康药业。
    (6)医药安全:新大陆、劲嘉股份。
    (7)血液制品:上海莱士、华兰生物。
    (8)维生素:新和成、安迪苏。
    (9)糖尿病治疗:复星医疗、华东医药。
    (10)肾透析:科伦药业、海普瑞。
    (11)抗肿瘤:恒瑞医药、上海医药。
    (12)免疫治疗:康恩贝、乐普医疗。
    (13)抗癌:恒瑞医药、智飞生物。
    (14)抗ED药物:白云山。
    (15)基因重组:复星医疗、长春高新。
    (16)干细胞技术:复星医疗、中航资本。
    (17)儿童药物:江中药业、葵花药业。
    (18)艾滋病防御:长春高新。
     

    ---

    股票铁律:
    仓位:

    最高8成仓位,上升趋势时5-8成,下跌或趋势不明时0-5成,比较明显的无机会时空仓。

    止损止盈:

    上升趋势时谨慎止盈,趋势不变尽量利润最大化,趋势下跌要止损。

    一般情况下8%-10%要及时止损,股价在10日线下且均线向下逆转,止损出局。长线股可留点底仓做T或滚动操作。

    策略:

    MACD,POLL,均线均向上时,大概率为阶段上涨趋势,反之下跌。

    上升时,上涨可分批加仓,下跌时分批减仓,除特殊情况做T+0,T+1外,不能越跌越买。没到的股票是越涨越买。

    下跌趋势中尽量空仓或2成仓,观望至有机会时才出手。

    趋势判断:
    走强:

    1 当MACD绿柱持续变短,MA5,MA10已转向向上或已向上时,可能代表走强。同时关注量能变化。可小量建仓。当均线M5穿越M120时通常会有一波上涨行情,要特别关注。

    基金可以选择已启动的行业板块相关的小量买入。

    2 基于1,当MACD发生金叉时,可进一步加仓,还是小仓位,当趋势能持续几天且均线系统短线呈多头时,基本确立走强,可分步加仓库。

    走弱:

    1 当MACD死叉但未完全穿越时要注意,再看均线向亦向下,则需先出部分仓位,或形势继续恶化,分步出仓,当均线呈空头排列,走弱基本确立。

    每日功课:
    分析当天重大政策对股票市场的影响。

    看大盘趋势,分析主要行业主要几个股票的走势。了解行业大势。

    看几家了解的博主文章,提供分析大盘趋势的参考。

    自己关注股票的走势(K线,均线,量价,消息面),形势不好的要及时清仓换股。

    每日开盘9.15-9.20 9.20-9.25开盘竞价信息了解。了解当日个股趋势预判。

    了解关注基金,如果行业性质基金所处行业进入深调,则出局。

     

    --- end ---

    展开全文
  • 大师系列之价值投资选股策略

    千次阅读 2019-01-31 11:23:09
    国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·...申万宏源-申万大师系列价值投资篇&gt;系列第一季共20篇研究报告。学习这些报告主要有两个目的: 一是我们自身想去认真的学习经...

    国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西、查尔斯·布兰德斯等多位投资大师,这些投资大师有一个共同点,他们在证券市场上保持了常年的稳定持续盈利,他们的投资法则及选股标准在一些著作中有详细的描述。值得欣慰的是,申万宏源证券研究所发布了<申万宏源-申万大师系列价值投资篇>系列第一季共20篇研究报告。学习这些报告主要有两个目的:

    一是我们自身想去认真的学习经典,复制这些策略本身就是自我学习过程,我们深信向这些被市场证明长期优秀,被后世尊为经典的投资大师学习,必然值得,必有所得;

    二是复制和验证大师策略的过程, 会自然的驱使我们更多的从投资逻辑和投资思维上思考收益之源,而不再是不停的数据挖掘和数理分析。大师系列的尝试,于我们是一个求道,而非求术的旅程。

    本贴主要是帮助用户怎样开发大师系列的策略,让大家更了解我们的平台,同时帮助大家在我们的平台上开发更丰富的策略。因此我们介绍一种简单的价值投资法来选取股票,规则如下:

    策略逻辑:当股票处于价值洼地时,具备投资价值
    
    策略内容:每月月初买入市盈率小于15倍、市净率小于1.5倍的30只股票,持有至下个月月初再调仓
    
    资金管理:等权重买入
    
    风险控制:无单只股票仓位上限控制、无止盈止损
    

    第一步:获取数据, 整理换仓时的买入股票列表

    BigQuant平台具有丰富的金融数据,包括行情数据和财报数据,并且具有便捷、简单的API调用接口。

    def prepare(context):
        start_date = context.start_date # 开始日期
        end_date = context.end_date # 结束日期
        context.instruments = D.instruments(context.start_date, context.end_date, market='CN_STOCK_A')
        # 获取市盈率、市净率、成交额数据。history_data是我们平台获取数据的一个重要API。fields参数为列表形式,传入的列表即为我们想要获取的数据。
        history_data = D.history_data(instruments, context.start_date, context.end_date, ['pb_lf', 'pe_ttm','amount'])
        context.daily_buy_stock = history_data.groupby('date').apply(seek_symbol)  #  按交易日groupby,获取每个交易日选出的股票列表
        
    def seek_symbol(df):
        selected = df[(df['pb_lf'] < 1.5)
            & (df['pe_ttm'] < 15) 
            & (df['amount'] > 0) 
            & (df['pb_lf'] > 0)
            & (df['pe_ttm'] > 0)]
                                        
        # 按pe_ttm和pb_lf 升序排列
        selected = selected.sort_values(['pe_ttm', 'pb_lf'])
        return list(selected.instrument)[:30] # 记得转化成list
    

    第二步:回测主体函数
    我们平台策略回测有丰富的文档介绍,请参考:帮助文档

    def initialize(context):
        # 设置交易费用,买入是万三,卖出是千分之1.3,如果不足5元按5元算
        context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
        # 设置换仓规则,即每个月月初换仓,持有至下个月,再换仓
        context.schedule_function(rebalance, date_rule=date_rules.month_start(days_offset=0)) 
       
    def handle_data(context,data):
        pass
    
    # 换仓
    def rebalance(context, data):
        # 日期
        date = data.current_dt.strftime('%Y-%m-%d')
        
        # 买入股票列表
        stock_to_buy = context.daily_buy_stock.ix[date]
        # 目前持仓列表    
        stock_hold_now = [equity.symbol for equity in context.portfolio.positions]
        # 继续持有股票列表
        no_need_to_sell = [i for i in stock_hold_now  if i in stock_to_buy]
        # 卖出股票列表 
        stock_to_sell = [i for i in stock_hold_now if i not in no_need_to_sell]
        # 执行卖出
        for stock in stock_to_sell:
            if data.can_trade(context.symbol(stock)):
                context.order_target_percent(context.symbol(stock), 0)
                
        # 如果当天没有买入就返回
        if len(stock_to_buy) == 0:
            return
        
        # 等权重
        weight = 1 / len(stock_to_buy)
        # 执行买入
        for  cp in stock_to_buy:
            if data.can_trade(context.symbol(cp)):
                context.order_target_percent(context.symbol(cp), weight)
    
    

    第三步:回测接口

    # 使用该回测接口,需要传入多个策略参数
    m = M.trade.v3( 
        instruments=None,
        start_date='2013-01-01', 
        end_date='2018-02-02',
        prepare=prepare,
        # 必须传入initialize,只在第一天运行
        initialize=initialize,
        # 必须传入handle_data,每个交易日都会运行
        handle_data=handle_data,
        # 买入以开盘价成交
        order_price_field_buy='open',
        # 卖出也以开盘价成交
        order_price_field_sell='open',
        # 策略本金
        capital_base=1000000,
        # 比较基准:沪深300
        benchmark='000300.INDX',
    ) 
    

    好嘞,策略就完全写好了。我们运行完曲线如下:

    在这里插入图片描述

    整体来看,该策略是正收益系统策略,长期坚持该策略收益是不错的。

    是不是发现我们平台很方便开发策略?之前朋友问我,为什么Python运行速度不是最快但会成为量化的主流语言。其实对于量化研究人员来说,虽然速度是一方面考虑,但更多的是为了验证策略思想,Python语言的优势就是在此,有一个思想就可以很快的将思想验证,然而C++虽然速度快,但要验证一个简单的思想却要编写大量的代码。好比为什么飞机速度快,但市里面上班开汽车就足够了(不考虑其他因素),因为汽车足够灵活。所以,还在犹豫选择什么语言从事量化投资的小伙伴们,Python就是你比较好的选择。本文到此就要结束了,策略的完整代码分享在文末,感兴趣的朋友可以直接前往人工智能量化投资平台直接 克隆策略进一步研究。

    本文由BigQuant人工智能量化投资平台原创推出,版权归BigQuant所有,转载请注明出处。

    展开全文
  • 国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西...申万宏源-申万大师系列价值投资篇&gt;系列第一季共20篇研究报告。学习这些报告主要有两个目的: 一是我们自身想去认真的学...

    国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西、查尔斯·布兰德斯等多位投资大师,这些投资大师有一个共同点,他们在证券市场上保持了常年的稳定持续盈利,他们的投资法则及选股标准在一些著作中有详细的描述。值得欣慰的是,申万宏源证券研究所发布了<申万宏源-申万大师系列价值投资篇>系列第一季共20篇研究报告。学习这些报告主要有两个目的:

    • 一是我们自身想去认真的学习经典,复制这些策略本身就是自我学习过程,我们深信向这些被市场证明长期优秀,被后世尊为经典的投资大师学习,必然值得,必有所得;

    • 二是复制和验证大师策略的过程, 会自然的驱使我们更多的从投资逻辑和投资思维上思考收益之源,而不再是不停的数据挖掘和数理分析。大师系列的尝试,于我们是一个求道,而非求术的旅程。

    本贴主要是帮助用户怎样开发大师系列的策略,让大家更了解我们的平台,同时帮助大家在我们的平台上开发更丰富的策略。因此我们介绍一种简单的价值投资法来选取股票,规则如下:

    • 策略逻辑:当股票处于价值洼地时,具备投资价值

    • 策略内容:每月月初买入市盈率小于15倍、市净率小于1.5倍的30只股票,持有至下个月月初再调仓

    • 资金管理:等权重买入

    • 风险控制:无单只股票仓位上限控制、无止盈止损

    第一步:获取数据, 整理换仓时的买入股票列表

    BigQuant人工智能量化投资平台具有丰富的金融数据,包括行情数据和财报数据,并且具有便捷、简单的API调用接口。

    def prepare(context):
        start_date = context.start_date # 开始日期
        end_date = context.end_date # 结束日期
        context.instruments = D.instruments(context.start_date, context.end_date, market='CN_STOCK_A')
        # 获取市盈率、市净率、成交额数据。history_data是我们平台获取数据的一个重要API。fields参数为列表形式,传入的列表即为我们想要获取的数据。
        history_data = D.history_data(instruments, context.start_date, context.end_date, ['pb_lf', 'pe_ttm','amount'])
        context.daily_buy_stock = history_data.groupby('date').apply(seek_symbol)  #  按交易日groupby,获取每个交易日选出的股票列表
        
    def seek_symbol(df):
        selected = df[(df['pb_lf'] < 1.5)
            & (df['pe_ttm'] < 15) 
            & (df['amount'] > 0) 
            & (df['pb_lf'] > 0)
            & (df['pe_ttm'] > 0)]
                                        
        # 按pe_ttm和pb_lf 升序排列
        selected = selected.sort_values(['pe_ttm', 'pb_lf'])
        return list(selected.instrument)[:30] # 记得转化成list
    

    第二步:回测主体函数

    我们平台策略回测有丰富的文档介绍,请参考:帮助文档

    def initialize(context):
        # 设置交易费用,买入是万三,卖出是千分之1.3,如果不足5元按5元算
        context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
        # 设置换仓规则,即每个月月初换仓,持有至下个月,再换仓
        context.schedule_function(rebalance, date_rule=date_rules.month_start(days_offset=0)) 
       
    def handle_data(context,data):
        pass
    
    # 换仓
    def rebalance(context, data):
        # 日期
        date = data.current_dt.strftime('%Y-%m-%d')
        
        # 买入股票列表
        stock_to_buy = context.daily_buy_stock.ix[date]
        # 目前持仓列表    
        stock_hold_now = [equity.symbol for equity in context.portfolio.positions]
        # 继续持有股票列表
        no_need_to_sell = [i for i in stock_hold_now  if i in stock_to_buy]
        # 卖出股票列表 
        stock_to_sell = [i for i in stock_hold_now if i not in no_need_to_sell]
        # 执行卖出
        for stock in stock_to_sell:
            if data.can_trade(context.symbol(stock)):
                context.order_target_percent(context.symbol(stock), 0)
                
        # 如果当天没有买入就返回
        if len(stock_to_buy) == 0:
            return
        
        # 等权重
        weight = 1 / len(stock_to_buy)
        # 执行买入
        for  cp in stock_to_buy:
            if data.can_trade(context.symbol(cp)):
                context.order_target_percent(context.symbol(cp), weight)
    
    

    第三步:回测接口

    # 使用该回测接口,需要传入多个策略参数
    m = M.trade.v3( 
        instruments=None,
        start_date='2013-01-01', 
        end_date='2018-02-02',
        prepare=prepare,
        # 必须传入initialize,只在第一天运行
        initialize=initialize,
        # 必须传入handle_data,每个交易日都会运行
        handle_data=handle_data,
        # 买入以开盘价成交
        order_price_field_buy='open',
        # 卖出也以开盘价成交
        order_price_field_sell='open',
        # 策略本金
        capital_base=1000000,
        # 比较基准:沪深300
        benchmark='000300.INDX',
    ) 
    

    好嘞,策略就完全写好了。我们运行完曲线如下:

    在这里插入图片描述

    整体来看,该策略是正收益系统策略,长期坚持该策略收益是不错的。

    是不是发现我们平台很方便开发策略?之前朋友问我,为什么Python运行速度不是最快但会成为量化的主流语言。其实对于量化研究人员来说,虽然速度是一方面考虑,但更多的是为了验证策略思想,Python语言的优势就是在此,有一个思想就可以很快的将思想验证,然而C++虽然速度快,但要验证一个简单的思想却要编写大量的代码。好比为什么飞机速度快,但市里面上班开汽车就足够了(不考虑其他因素),因为汽车足够灵活。所以,还在犹豫选择什么语言从事量化投资的小伙伴们,Python就是你比较好的选择。

    本文到此就要结束了,感兴趣的朋友可以点击下方原文链接,一键 克隆策略,进行进一步研究。

    BigQuant—人工智能量化投资平台

    展开全文
  • 【新一配】量化大师系列之价值投资选股策略 国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西、查尔斯·布兰德斯等多位投资大师,这些投资大师有一个共同点,他们在证券市场上保持了...

    【新一配】量化大师系列之价值投资选股策略

    国外证券市场比较悠久,曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西、查尔斯·布兰德斯等多位投资大师,这些投资大师有一个共同点,他们在证券市场上保持了常年的稳定持续盈利,他们的投资法则及选股标准在一些著作中有详细的描述。值得欣慰的是,申万宏源证券研究所发布了<申万宏源-申万大师系列价值投资篇> 296系列第一季共20篇研究报告。学习这些报告主要有两个目的:

    一是我们自身想去认真的学习经典,复制这些策略本身就是自我学习过程,我们深信向这些被市场证明长期优秀,被后世尊为经典的投资大师学习,必然值得,必有所得;

    二是复制和验证大师策略的过程, 会自然的驱使我们更多的从投资逻辑和投资思维上思考收益之源,而不再是不停的数据挖掘和数理分析。大师系列的尝试,于我们是一个求道,而非求术的旅程。

    本贴主要是帮助用户怎样开发大师系列的策略,让大家更了解我们的平台,同时帮助大家在我们的平台上开发更丰富的策略。因此我们介绍一种简单的价值投资法来选取股票,规则如下:

    策略逻辑:当股票处于价值洼地时,具备投资价值

    策略内容:每月月初买入市盈率小于15倍、市净率小于1.5倍的30只股票,持有至下个月月初再调仓

    资金管理:等权重买入

    风险控制:无单只股票仓位上限控制、无止盈止损
    我们测试了15年到19年4月这长达约4年半的时间,发现策略盈利比较稳健,收益曲线如下

    在这里插入图片描述
    整体来看,该策略是正收益系统策略,长期坚持该策略收益是不错的,除了18年量化小年没有盈利,其他年份都是盈利的,即使跨越了股灾和熔断期间,最大回撤也是在17.5%以内,风险可控。

    是不是发现我们平台很方便开发策略?之前朋友问我,为什么Python运行速度不是最快但会成为量化的主流语言。其实对于量化研究人员来说,虽然速度是一方面考虑,但更多的是为了验证策略思想,Python语言的优势就是在此,有一个思想就可以很快的将思想验证,然而C++虽然速度快,但要验证一个简单的思想却要编写大量的代码。好比为什么飞机速度快,但市里面上班开汽车就足够了(不考虑其他因素),因为汽车足够灵活。所以,还在犹豫选择什么语言从事量化投资的小伙伴们,Python就是你比较好的选择。本文到此就要结束了,策略的完整代码分享在文末,小伙伴们赶紧 克隆策略吧!
    在这里插入图片描述
    1

    # 本代码由可视化策略环境自动生成 2019年4月24日 10:55
    # 本代码单元只能在可视化模式下编辑。您也可以拷贝代码,粘贴到新建的代码单元或者策略,然后修改。
    
    
    # 回测引擎:每日数据处理函数,每天执行一次
    def m2_handle_data_bigquant_run(context, data):
        
        # 按每个K线递增
        context.extension['index']  += 1
        
        # 每隔22个交易日进行换仓
        if context.extension['index'] % context.rebalance_days != 0:
            return 
            
        # 日期
        date = data.current_dt.strftime('%Y-%m-%d')
          print('debug:', date)
        # 买入股票列表
        stock_to_buy = context.indicator_data.ix[date]['instrument'][:context.stock_num]
        
        # 目前持仓列表    
        stock_hold_now = [equity.symbol for equity in context.portfolio.positions]
        # 继续持有股票列表
        no_need_to_sell = [i for i in stock_hold_now  if i in stock_to_buy]
        # 卖出股票列表 
        stock_to_sell = [i for i in stock_hold_now if i not in no_need_to_sell]
        # 执行卖出
        for stock in stock_to_sell:
            if data.can_trade(context.symbol(stock)):
                context.order_target_percent(context.symbol(stock), 0)
                
        # 如果当天没有买入就返回
        if len(stock_to_buy) == 0:
            return
        
        # 等权重
        weight = 1 / len(stock_to_buy)
        # 执行买入
        for  cp in stock_to_buy:
            if data.can_trade(context.symbol(cp)):
                context.order_target_percent(context.symbol(cp), weight)
    # 回测引擎:准备数据,只执行一次
    def m2_prepare_bigquant_run(context):
        pass
    
    # 回测引擎:初始化函数,只执行一次
    def m2_initialize_bigquant_run(context):
        
        # 加载股票指标数据,数据继承自m4模块
        context.indicator_data = context.options['data'].read_df().set_index('date')
        print('indicator_data:', context.indicator_data.head()) 
        # 设置交易费用,买入是万三,卖出是千分之1.3,如果不足5元按5元算
        context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
         # 设置股票数量
        context.stock_num = 30
        
        # 调仓天数,22个交易日大概就是一个月。可以理解为一个月换仓一次
        context.rebalance_days = 22
        
        # 如果策略运行中,需要将数据进行保存,可以借用extension这个对象,类型为dict
        # 比如当前运行的k线的索引,比如个股持仓天数、买入均价
        if 'index' not in context.extension:
            context.extension['index'] = 0
            
    
    # 回测引擎:每个单位时间开始前调用一次,即每日开盘前调用一次。
    def m2_before_trading_start_bigquant_run(context, data):
        pass
    
    
    m3 = M.instruments.v2(
        start_date='2015-01-01',
        end_date='2019-04-23',
        market='CN_STOCK_A',
        instrument_list=''
    )
    
    m5 = M.input_features.v1(
        features="""pb_lf_0
    pe_ttm_0
    amount_0"""
    )
    
    m1 = M.general_feature_extractor.v7(
        instruments=m3.data,
        features=m5.data,
        start_date='',
        end_date='',
        before_start_days=90
    )
    
    m6 = M.sort.v4(
        input_ds=m1.data,
        sort_by='pe_ttm_0,pb_lf_0',
        group_by='date',
        keep_columns='--',
        ascending=True
    )
    
    m4 = M.filter.v3(
        input_data=m6.data_1,
        expr='pb_lf_0 < 1.5 & pe_ttm_0 < 15 & amount_0 > 0 & pb_lf_0 > 0 & pe_ttm_0 > 0',
        output_left_data=False
    )
    
    m2 = M.trade.v4(
        instruments=m3.data,
        options_data=m4.data,
        start_date='',
        end_date='',
        handle_data=m2_handle_data_bigquant_run,
        prepare=m2_prepare_bigquant_run,
        initialize=m2_initialize_bigquant_run,
        before_trading_start=m2_before_trading_start_bigquant_run,
        volume_limit=0.025,
        order_price_field_buy='open',
        order_price_field_sell='open',
        capital_base=1000000,
        auto_cancel_non_tradable_orders=True,
        data_frequency='daily',
        price_type='后复权',
        product_type='股票',
        plot_charts=True,
        backtest_only=False,
        benchmark=''
    )
    
    2019-04-24 10:48:39.980907 INFO: bigquant: instruments.v2 开始运行.
    2019-04-24 10:48:40.032075 INFO: bigquant: 命中缓
    2019-04-24 10:48:40.034596 INFO: bigquant: instruments.v2 运行完成[0.053681s]
    2019-04-24 10:48:40.038380 INFO: bigquant: input_features.v1 开始运行.
    2019-04-24 10:48:40.114036 INFO: bigquant: 命中缓
    2019-04-24 10:48:40.116472 INFO: bigquant: input_features.v1 运行完成[0.078071s]
    2019-04-24 10:48:40.195208 INFO: bigquant: general_feature_extractor.v7 开始运行.
    2019-04-24 10:48:40.270501 INFO: bigquant: 命中缓
    2019-04-24 10:48:40.272913 INFO: bigquant: general_feature_extractor.v7 运行完成[0.077735s]
    2019-04-24 10:48:40.277276 INFO: bigquant: sort.v4 开始运行.
    2019-04-24 10:48:40.422079 INFO: bigquant: 命中缓
    2019-04-24 10:48:40.424661 INFO: bigquant: sort.v4 运行完成[0.147373s]
    2019-04-24 10:48:40.428316 INFO: bigquant: filter.v3 开始运行.
    2019-04-24 10:48:40.464827 INFO: bigquant: 命中缓
    2019-04-24 10:48:40.466871 INFO: bigquant: filter.v3 运行完成[0.038552s]
    2019-04-24 10:48:40.533492 INFO: bigquant: backtest.v8 开始运行.
    2019-04-24 10:48:40.537144 INFO: bigquant: biglearning backtest:V8.1.1
    2019-04-24 10:48:40.539476 INFO: bigquant: product_type:stock by specifie
    2019-04-24 10:49:03.114530 INFO: bigquant: 读取股票行情完成:391167
    2019-04-24 10:49:52.601845 INFO: algo: TradingAlgorithm V1.4.1
    2019-04-24 10:50:10.507090 INFO: algo: trading transform..
    2019-04-24 10:50:43.460786 INFO: Performance: Simulated 1049 trading days out of 1049
    2019-04-24 10:50:43.462706 INFO: Performance: first open: 2015-01-05 09:30:00+00:0
    2019-04-24 10:50:43.464406 INFO: Performance: last close: 2019-04-23 15:00:00+00:0
    2019-04-24 10:50:49.709015 INFO: bigquant: backtest.v8 运行完成[129.17551s]
    
    indicator_data:                 amount_0  instrument   pb_lf_0  pe_ttm_0
    date                                                    
    2014-10-08  1.398725e+09  600000.SHA  0.840770  4.153471
    2014-10-08  1.115449e+09  601166.SHA  0.893689  4.368097
    2014-10-08  5.460992e+08  601668.SHA  0.822129  4.405653
    2014-10-08  3.438451e+08  600015.SHA  0.831473  4.506142
    2014-10-08  1.714654e+08  601988.SHA  0.778156  4.529399
    debug: 2015-02-03
    debug: 2015-03-12
    debug: 2015-04-14
    debug: 2015-05-15
    debug: 2015-06-16
    debug: 2015-07-17
    debug: 2015-08-18
    debug: 2015-09-21
    debug: 2015-10-28
    debug: 2015-11-27
    debug: 2015-12-29
    debug: 2016-01-29
    debug: 2016-03-08
    debug: 2016-04-08
    debug: 2016-05-11
    debug: 2016-06-14
    debug: 2016-07-14
    debug: 2016-08-15
    debug: 2016-09-14
    debug: 2016-10-25
    debug: 2016-11-24
    debug: 2016-12-26
    debug: 2017-01-26
    debug: 2017-03-06
    debug: 2017-04-07
    debug: 2017-05-10
    debug: 2017-06-13
    debug: 2017-07-13
    debug: 2017-08-14
    debug: 2017-09-13
    debug: 2017-10-20
    debug: 2017-11-21
    debug: 2017-12-21
    debug: 2018-01-23
    debug: 2018-03-01
    debug: 2018-04-02
    debug: 2018-05-08
    debug: 2018-06-07
    debug: 2018-07-10
    debug: 2018-08-09
    debug: 2018-09-10
    debug: 2018-10-18
    debug: 2018-11-19
    debug: 2018-12-19
    debug: 2019-01-22
    debug: 2019-02-28
    debug: 2019-04-01
    

    在这里插入图片描述
    1
    1

    展开全文
  • 在前面的文章《量化投资学习-13:一张图残酷的展现了庄家、量化交易者、散户的盈利空间的对比》中分析过,如果散户追求短期利益、采用短期炒作的操作策略,实际的利润空间非常狭小,稍不留神,就会导致亏损。...
  • 迅速表明迟一些获得信息的人将无法获得利润,正确表明投资者对价格的反应总是正确的,不会有过度反应或反应不足。在这个假设下,资产价格趋势是不可预测的。因此,在一个有效市场,如果没有内幕消息便无法战胜市场。...
  • 9种常见的股票投资策略

    千次阅读 2019-12-08 20:00:41
    经常刷雪球,结合自己的经验,总结了9种常见且有一定胜算的股票投资策略,供参考讨论。 1、价值投资 选择有价值且可持续的公司,比如茅台、五粮液、格力等,配置一个组合。 长期持有,不关注股价短期波动,甚至对...
  • 常见十大量化投资策略

    千次阅读 2020-05-10 12:31:39
    6.2.2 常见股票和量化投资策略 策略:量化策略是借助计算机技术实现投资思想的逻辑代码,一般包括数据获取、信号分析、执行交易三大模块 众所周知,投资股市的收益分为两部分,一部分来自市场行情波动的收益,另一...
  • 大部分人都知道“价值投资”这一概念,无论是否真正理解其本质,而“量化投资”则陌生很多。除了“神秘”的印象之外,很多投资人对量化策略抱着半信半疑的态度:一群非金融科班出身的人,通过不停的挖掘数据,开发出...
  • 什么叫价值平均策略第二种方法是价值平均策略价值平均策略是20世纪90年代在美国兴起的一种定投方法。有的时候它也被称 为市值恒定策略简单来说,价值平均策略...
  • (1)长线价值趋势的策略:就是所谓的价值投资,本质上是价值投机,靠的是股票的长期价格差赚钱,而不是股票的分红赚钱。 (2)短线热点题材的策略,靠的是股票的短期价格差赚钱。 这两种操作手法的特点、应用的...
  • FOF常用的七种投资策略全解析

    万次阅读 2017-06-29 17:32:41
    从当前市场上的投资策略种类来看,大致有七种,包括核心*卫星投资策略、「杠铃」投资策略、反向投资策略、成本平均策略和时间分散化策略、买入并持有策略、美林投资时钟策略、Alpha/Beta投资策略投资...
  • 量化投资策略

    千次阅读 2018-06-16 20:58:28
    提起量化投资,就不得不提量化投资的标杆——华尔街传奇人物詹姆斯·西蒙斯(James Simons)。通过将数学理论巧妙融合到投资的实战之中,西蒙斯成为了投资界中首屈一指的“模型先生”。由其运作的大奖章基金(Medallion...
  • 同时,完成了根据下单的指令来进行回测,计算策略执行期间每一天的价值,以及对投资结果的分析。这一周,要求把这三部分结合起来,能够实现根据门限值直接回测生成过去时间段的下单指令,并进行计算分析。 工具和...
  • 量化投资--技术篇(4) 投资组合策略

    千次阅读 2019-11-06 21:19:43
    量化投资–技术篇(4) 投资组合策略 Portfolio Policy 一. 前言     投资界基本上认可多元化投资是一种有效规避投资风险的一个技术手段,但是如何构建一个合理的多元化投资组合、具体技术方案和...
  • 彼得林奇投资策略精髓

    千次阅读 2007-06-18 09:24:00
    作为价值投资的另一面大旗,彼得林奇的操作策略无疑极具参考价值,但我认为林奇的操作方式只有天才能做得到。我们要学习的是其基本的战略指导思想,和那些对巴式投资者有价值的战术细节,而不是同时持有上千只股票和...
  • 巴菲特(股神) 投资策略及理论:以价值投资为根基的增长投资策略。看重的是个股品质。 理论阐述:价值投资的精髓在于,质好价低的个股内在价值在足够长的时间内总会体现在股价上,利用这种特性,使本金稳定地复利...
  • 《简七理财》和《低风险投资之路》都提到一种动态再平衡的投资策略,比较简单的方案是: 用50%的钱来购买指数基金,剩下的50%的钱来购买货币基金,每半年或一年执行一次动态再平衡,即让投资于指数基金和货币基金的...
  • 阅读原文:京东量化平台-为投资者提供数据支持、策略开发到策略输出的...尤其是在中国股市,经过2015年来的持续下跌,一些人们对价值投资和长期投资理念的信任度从沸点降到了冰点。  作为格雷厄姆原则的忠实执行者
  • 投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中,最传统的方法就是通过会计报表的各个条目得到企业估值,我们可以从资产负债表得到市净率,从利润表得到资产收益率,从现金流量表得到现金流...
  • 小米公司战略投资策略案例分析

    千次阅读 2020-12-21 00:30:00
    一、背景小米成立于2010年4月,由连续创业者雷军等七位创始人联合创办,是一家专注于手机及其他智能硬件、软件服务的移动互联网公司。截止2018年底,小米生态累计投资的创业企业超过200家...
  • 非也,中国境内的投资理财渠道和工具其实一点都不少,除了各个城市的房地产市场,还有各种风险等级的债权类,固收理财产品上万只,与其同时,A股上市公司三千多家,大概有20%左右是具有中长期投资价值的,更重要的是...
  • 量化基金投资之CTA策略简介

    千次阅读 2020-10-09 18:37:53
    CTA,全称Commodity Trading Advisors,即商品交易顾问,最初指通过为客户提供期货、期权方面交易建议或通过受理期货账户直接参与交易来获取收益的机构和个人,现泛指投资各类期货、期权品种的大类策略。 通俗的讲,...
  • 量化基金投资之Alpha策略简介

    千次阅读 2020-10-08 16:07:38
    我们构建一个股票的投资组合,需要预测股票未来的收益。同时我们还要预测整个组合未来的风险。要想预测,就要先把风险刻画出来。 风险可以定义为使投资的本金损失的可能性。本金可能损失,也可能不损失,即使不损失...
  • 根据国内一些公开的量化对冲类公募基金产品的历史...在此背景下,专业的量化对冲投资人,显然很有必要对该策略进行深入了解,并可将该策略模型的思路,借鉴运用到其他类型的量化投资中。 阿尔法对冲策略的定义 ...
  • 巴菲特(股神) 投资策略及理论:以价值投资为根基的增长投资策略。看重的是个股品质。 理论阐述:价值投资的精髓在于,质好价低的个股内在价值在足够长的时间内总会体现在股价上,利用这种特性,使本金稳定地复利...
  • 价值投资:重阳投资、景林资产、淡水泉投资 成长投资:鼎锋资产、汇利资产、明曜投资 趋势投资:展博投资、星石投资、源乐晟资产 行业投资:从容投资的医疗系列基金 阿尔法策略:尊嘉资产、朱雀投资(阿尔法系列...
  • 京东金融官方资讯QQ群:417082141 有什么想咨询的都可以来询问我们哦 文是基于一篇JP MORGAN...我们首先定义价值策略为做多trailing P/E排名底部的股票,同时做空排名居前的;动量策略遵循常规的做多按照过去
  • 量化投资——思想、工具与策略

    千次阅读 2019-08-12 15:41:04
    而我校经金学院副教授元向辉则结合一些典型案例,采用深入浅出的方式,讲解了量化投资中的思想、工具和策略问题,为我们展示了这一神秘领域的一方风采。 量化投资的思想——从几个赌博的例子...
  • 聚宽-彼得·林奇的成功投资策略

    千次阅读 2017-11-28 16:03:33
    导语:投资大师彼得·林奇(Peter Lynch)有过一个著名的论断:任何一家公司股票如果定价合理的话,市盈率就会与收益增长率相等。这就是PEG估值法,PEG在综合考虑了低风险以及未来成长性的因素,可用于股票价值评估...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 43,271
精华内容 17,308
关键字:

价值投资策略