( ´∀`)今天摸摸鱼，最近在忙活读博士的事情。忙活完这个还想开个公众号，最近都没怎么看盘也没怎么做研究( ᑭ`д´)ᓀ))д´)ᑫ我就是懒虫！⊂彡☆))д´)。但是摸鱼真的爽哦，后面会搞点自媒体也有点更新的动力。本周震荡无事发生，过！

好久都没更新了(;´Д`)，说说股债利差和长投温度的事情。所谓长投温度即为（pe的位置百分数+pb的位置百分数）/2。想着有一定择时效果看看与股债利差能否结合使用。跑了跑hs300发现基本一致嘛，图中橙色长投温度，蓝色为股债利差。基本做不到互补，相关性很强。

(｀･ω･)今天分享一篇文章，海通证券《选股因子系列研究(十二)——“量”与“价”的结合》。
长期稳定超额阿尔法，回测和波动相对可控，价量因子叠加反转因子（等权），中证500期货对冲，这个策略回测还可以。
效果：
将股票在短期内的量价走势分类为量价背离与量价同向，并通过量价相关性来衡量量价走势的背离与同向程度
按照量价因子选股的月度多空收益在1%以上，得到了很显著的alpha
纯多头组合在六年回测中年化收益达到22.4%，信息比率达到2.22
量价因子等权叠加了反转因子后，六年回测年化收益达到26.0%，信息比率达到2.55

今天分享一篇最近看过的文章，
学术论文：为什么股票基本面因子投资不能用量化-香港股票的异常收益发生在财报惊喜公布之前而不是之后

The Rise and Fall of Stock Fundamental Analysis
Changyang Xu (Charlie)
Jan 2021

文章的全文我就不贴了，就放关键结论吧。
Time series comparison between 0114 (BMG4410A1062) and 0869 (BMG7147S1008) is depicted in the following screenshot. This is the utmost important result in this entire study. According to the highlighted rows, returns are realized previous to companies reporting high fscore financial statements, rather than afterwards. I think there are two main drivers for the unprofitable holistic result in section 5.4 of this paper according to longing high fscore and shorting low fscore companies:

Good financial statements are the result rather than the cause of good company performance. In the digital age, good news is always rewarded quickly as markets become more and more efficient.

Especially for the low pb, small, low liquidity, and low analyst coverage stocks, there would be more professional, and less speculative traders. This leads to more likelihood of insider trading without immediately publication of important news.


以下是机翻：

良好的财务报表是公司良好业绩的结果，而不是原因。在数字时代，随着市场变得越来越高效，好消息总是能很快得到回报。特别是对于低pb、规模小、流动性低、分析师覆盖率低的股票，会有更多的专业人士，较少的投机交易者。这导致内幕交易的可能性更大，而不会立即公布重要消息。

换我自己理解的人话：
现在信息获取很方便，像以前打消息差兑现预期很难的啦。现在只有有点机会马上会被捕捉然后兑现。要不就是有内幕不会放出来的，捞一把就跑散户就吃尾气吧。

ps：想交流的肥哥进群啊啊啊啊啊啊啊啊(>д<)，发帖真的互动少

(=ﾟωﾟ)=各位肥哥好呀，新的一周有没有继续按计划亏钱或者赚钱呀。肥肥我呀这周发现了一个好的公众号，叫掘金蟒蛇。有兴趣的肥哥可以去瞅瞅。

ᕕ( ᐛ )ᕗ今天又是亏钱的一天，推荐一个古早电视剧《天道》里面有一些哲理还是蛮值得深思的。据说作者跟缠论的作者有点关系（虽然我不研究缠论）(ゝ∀･)

(´ﾟДﾟ`)当我终于找回我的账号和帖子，我胡汉三又回来了(｀･ω･)，没想到距离发帖已经是2年前的事情了。现在回来看自己发的帖子感触良多|-` )

(￣ｰ￣)搞点随想杂谈吧，在市场里面起起伏伏，形形色色的情况看过也经历过。只能说有一个适合自己的交易系统是非常重要的。不止一次的验证过自己主观交易水平特别菜，肥哥我啊绝对不是做主观的料。构建一个完整的交易系统又需要方方面面是一个大工程。但是要想活的久这是必需品。先从不完善的交易纪律做起，慢慢扩充。
现在散户的比例大概是66%左右，市场大部分时间也是噪声。我的交易里面是一年三倍不如三年一倍，活的久才是硬道理。

( ´_っ`)今天再来点杂谈吧，一旦有了自己的交易系统。就需要坚决地执行，不要做主观干预，哪怕是错的。如果自己的模型有问题就去改自己的模型，而不是主观修正。很多时候会看会发现模型没问题，自己主观改改错了。

今天继续讲一些修心的事情。对于经历过市场洗礼的人会发现能够坚定持有现金是一件很困难的事情。同样的，会受身边人的影响。最典型的就是身边的小白一开始入场大赚特赚，自己坚守交易纪律踏空的时候，你是否还能继续坚守？|-` )。而分批建仓的时候一波起飞，失去后续加仓的条件。你是否还能继续坚持原则不冲动接盘？
这些都是说起来容易做起来难。二级市场的神话年年都有，但是想活的久，就先远离这些神话。因为15年后神话到跳楼也就是一个爆仓而已。

|-` )今天来聊聊从别人那里爬过来的量化学习路径吧。

第一步：单因子研究框架
内容包括：
1.数据下载，增量更新，以及读取接口
2.单因子的计算框架，包括计算引擎、配置文件和因子代码模板
3.单因子回测评估框架

第二步：开发因子库
开发难度从低到高为
1.日频量价因子
2.基本面因子
3.利用分钟数据构建的日频量价因子
4.另类数据因子（分析师、舆情等，可能需要额外购买数据，成本比较高，费用一年几十万）
5.高频level数据构建因子（对硬件资源、代码能力（C++）、交易规则都有较高要求）

第三步：Barra风格课题研究
1.Barra因子的计算（和普通的因子一样，用单因子计算框架去计算）
2.Barra风格收益率与个股特质收益率的计算
3.给定一个组合，对组合进行Barra收益归因

第四步：组合优化
1.用因子库的因子+机器学习去预测股票横截面的收益率强弱
2.有了收益率强弱的预测值后，结合Barra风格，使用最优化算法得到满足限制条件的组合
（限制条件包括：1.每日换手率2.持有股票在每个行业的分布范围3.持有股票在规模等风格上的暴露值）