(｀･ω･)新的一周又是新的开始，总结一周的新感悟好了。我一直认为一个成熟的交易系统需要包括基本面、技术面、量价面三个方面的选股和择时技术才算完善。之前苦于找不到量价面的数据一直没法动手，好在这周终于找到东财有半年时间的大小单流入数据。简单的按照以前学的量化分析判断有用，但是多有用、怎么结合还需要进一步分析。感兴趣的可以继续交流(=ﾟωﾟ)=

(*´∀`)各位肥哥过年好，年前事情比较多也没多少时间学习研究策略。简单的说一下最近和群里肥哥思考过的东西，之前尝试主力大单的资金流来做一些策略，结果发现效果并不是很理想。思考了一下除了现在主力都会拆单以外，跟随主力还是慢半拍。想用均值回复策略来结合资金流判断是否能反弹，结果是策略并不奏效(*´д`)。下一步还是想想怎么找找趋势的票。

jmjp

各位肥哥们过年好，新的一年祝大家早日找到合适的策略赚大钱( ´∀`)，最近过年也没啥好说的，就贴一张我记录的一个别人的23年行业板块分析吧。

1.总结：
过去三年整体是A股大盘股拉跨，A股小盘股表现较好。港股表现拉跨，美股表现较好。
2.各类指数成分分析
买的指数对应的是什么行业，行业的业绩增长和景气度最终决定了投资收益。
上证50指数是一个非常明显的“顺周期”指数，市场对中国经济充满希望的时候，上证50更容易上涨。当市场对中国经济充满绝望的时候，上证50则更容易下跌。
沪深300指数金融和消费行业的权重占比依然很高，分别占比21.1%和13.7%，但加入了更多的信息技术行业和工业，所以沪深300会比上证50的更加均衡，成长性也会更高一些。
中证500指数主要是材料（资源）、工业（制造业）和信息技术行业，分别是19.3%、18.5%和17.4%。所以从长期来看，中证500会比沪深300指数的周期性更强一些。
中证1000指数主要也是工业（制造业），信息技术行业和材料（资源），分别是24.4%、22%和20%。所以中证1000和中证500的走势很相似，但因为中证1000成分股的市值比中证500更小，波动弹性更大，成长空间更足，所以中证1000指数过去一年的表现比中证500指数更好一点。
创业板主要是工业（制造业）和医疗保健，分别占比37.8%和23.8%。不过众所周知，宁德时代一个上市公司就占了创业板指数16%-18%的权重。创业板制造业里面相当一部分就是新能源行业，所以也可以说创业板主要受新能源和医药两个行业影响。
恒生指数跟A股的上证50指数非常相似，也是主要由金融行业和消费行业构成，分别占比33.6%和28.1%。所以恒生指数同样是一个“顺周期”指数，跟中国宏观经济强弱密切相关。
核心不同的点在于，A股市场是内资主要参与，上证50指数是内资定价。港股市场是外资主要参与，恒生指数是外资定价。所以在美联储加息而中国央行降息的时候，上证50更多受到中国央行降息的庇护，抗跌一些。恒生指数则受到更多美联储加息的影响，会跌得更惨一些。
标普500指数跟A股的沪深300指数相似，行业分布比较均衡。唯一不同的是沪深300指数重仓金融行业，而标普500指数金融行业占比只有10%左右，重仓的是成长性更好业绩增速更快的信息技术行业，其中就有我们耳熟能详的苹果、谷歌、微软、英伟达等世界著名科技公司。
3.2023行业看法
最不看好的品种：债券
谨慎看好的品种：资源行业
看好：消费、互联网、建材、储能、军工、电力

经济复苏主线包括：消费、互联网、建材
科技制造主线包括：储能、军工
成本下降支线包括：电力

具体行业：
消费：消费投资的风险点就在于“估值不算便宜”和“人们消费意愿不可预测
考虑到这三年持续疫情，居民收入受到影响，物价上升，对未来经济的担忧，中国居民的消费意愿恢复程度究竟如何需要边走边看
互联网：互联网好于消费
建材：房地产行业的集中度会提高，下游的建材行业的集中度也会提高，龙头企业的市场份额会有所增长。
存量房子对建材的需求也有不断增长。
储能：储能行业去年就是最看好的行业之一，2023年继续看好。
军工：看好，未来国防军费开支肯定还会保持持续的增长。
电力：看好，只是好转的幅度需要跟踪观察煤价而定，这中途可能一波三折，这是最大的风险点。

说说今天研究的一个东西-股债利差。具体什么原理大家网上搜一搜都有的。简单的测了一下至少作为一个调整仓位的指标还是不错的。在指标接近2x标准差或者高于80%的时候做多的胜率要提高很多。但是在震荡行情下就没啥用了，适合单边行情，尤其是在单边下跌的时候可以辅助判断是否接近大盘底部。对于我现在开发的alpha策略均值回归性策略有较好的指导作用。由于时间和开发难度的问题，并没做根据不同的指标位置进行仓位管理的回测。有兴趣的同学可以自己试试，用excel简单的看看也是有一定的效果。此外对于做基金的同学也可以参考这篇文章https://baijiahao.baidu.com/s?id=1731083349977974189&wfr=spider&for=pc 除了HS300以外有些行业也可以用

(￣3￣)今天聊点技术讨论的问题，关于分享自己的成果和技术对自己是有利还是有害，肥哥我有不同的想法。一般来说不管是什么途径获得一定的投资技巧或者方法都是自己赚钱的核心，担心被别人学去影响到自己无可厚非(￣3￣)。但是这里有一个前提就是被广泛的传播。相反在小规模的范围内把自己的思想分享更有利于通过交流的方式发现不足或者提升的点。
说这么多还是希望各位肥哥多学习多交流，毕竟我们的对手不是和我们交流的肥哥们，我也是最近有所感悟，闭门造车出门合辙的事是不存在的，多跟别人交流才能提高自己改进的效率。跟越厉害的人学习，进步的就越快。

金融量化交易，好像我一个老师主导做了一个相关的库，FinRL，是基于强化学习做的。前些日子他们做了一篇FinRL-meta的论文投稿NeurIPS，听他吹的挺牛的，不知道对po有没有帮助(=ﾟωﾟ)=

>>No.55395802
(=ﾟωﾟ)=谢谢肥哥分享，粗略的看了一下是关于深度学习来做的。肥哥我对深度学习并没有多少了解所以效果无法评价，毕竟人只能赚到自己认知以内的钱。但是对于深度学习做量化本身我是带有问号的，因为很多深度学习都是黑盒交易，并不明确背后的交易机理是什么，很容易造成某一时间段的过拟合现象但是你又不容易看出来。再就是有一个顾虑是作为个人投资者很难将深度强化学习后的结果搬到实盘上，机构来用这一套机制会比较好，有研究团队和运维团队可以达到理论的收益值。说道深度学习，chatGPT最近挺火，可以试一试用这个工作替代我们写一些简单的代码，虽然已经有一些这一类的工具比如codeGeeX但是从演示上来看不如这个智能

(￣ . ￣)最近比较忙，没有什么时间搞搞研究。拍脑袋比较多，想问一个问题，用什么指标看趋势比较合适呢？目前我知道比较有效地就是MACD

今天说一下卡玛比率(Calmar Ratio) ，与夏普比率类似，本来是用来衡量基金业绩表现的指标，描述的是收益和最大回撤之间的关系。计算方式比较简单，为年化收益率与历史最大回撤之间的比率。Calmar比率数值越大，基金的业绩表现越好。和夏普比率不同的是，卡玛比率是用最大回撤衡量风险，用年化收益率衡量收益。相比标准差，最大回撤能更准确地衡量基金的风险，尤其控制回撤的能力，因此这个指标又被称为夏普比率的“进阶版”。
——————————————————————————————————————
肥哥个人想法：这属于一种趋势跟随性策略，是强者恒强的思路。需要注意的是采用趋势跟随型策略的风险在于难以判断趋势结束的时间，一般在统计学上需要吃一定的亏损才可以明确趋势结束，还需要注意不能因为较小的波动把筹码震荡出厂。也就是说N字形态下右脚能不能拿得住也是需要考虑的问题。
——————————————————————————————————————
一些Calmar 具体做法：
考察一下截面价格动量（期间累计收益率）与风险（期间最大回撤）的统计分布特点和相关关系。
收益率越高，一般最大回撤也越高，但最大回撤越高的时候，可能收益率越低。由此可见，要想获得高收益需要承担一定的高风险，但是承担高风险不必然带来高收益。所以遇到亏损死扛并非是一个好的投资决策。
因此使用Calmar比率可以一定程度上筛选出某期间的强势股，当然该指标也有局限性，尤其是当期间最大回撤很小时，得到的比率比较大，但不代表该股价格上很强势。
使用Calmar根据动量交易策略（强者恒强），再结合个股基本面，可以构建投资组合。

(=ﾟωﾟ)=这里肥哥想再说说，鼓励大家交流学习。最近也有很多新的肥哥加入群，但是大多潜水。倒不是说潜水有啥问题，是觉得现在是个好机会可以相互交流，交换想法。很多时候不要怕自己想法幼稚，就怕没想法，你的一个想法可能对别人又启发，同时别人也会对你的想法进行点评进而进一步促进你的思想。这是一个互利帮助的好事情，还是希望入群的肥哥们多多交流。(｀･ω･)

( ´∀`)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∀･)

geti it最近要帮忙做期货的量化交易，但是我不懂期货只会写python,（背景是计算机）。现在就很慌在恶补。