分类目录归档:股票

阶段目标

阶段目标:构建自己的交易系统;构建自己的盈利系统;构建财务分析 基本面分析和技术分析的框架;并且全部落实到代码上。

研报发布的系统,准确度评估。

精通消防

目前确定性比较高的行业

银行 保险有一致性预期,很大的可能保险还有业绩的提升空间,而银行是因为坏账风险的降低而带来的估值上行。

半导体行业最近很火,但是半导体分为很多个子行业,很难把握。但其中的封测行业相对来说是确定性比较高的,第一是和国际先进水平差距小,而是龙头比较明显,相对集中,国内封测已经是“三足鼎立”的样子了,分别是长电科技,华天科技,通富微电。长电科技由于收购处于亏损得星科金朋,现在市盈率比较高,但从市值来看,相比华天科技,长电科技并未高估,未来几年会有比较好的表现。

关于家装行业,现在全屋定制高速成长,可以关注索菲亚和尚品宅配。

量化投资二-两类阿尔法模型

阿尔法模型可以分为:理论驱动型和数据驱动型。
理论驱动型:绝大多数宽客是理论驱动型的,他们通过观察市场行为,寻找可能用来解释这些行为的普适性理论,在依据市场数据来检验该理论是否可以有效解释市场行为。

数据驱动型:少数派,通过对现实情况的经验观察和分析并进行总结,可以取代理论的地位,需要花费大精力去发掘隐藏在数据中繁芜丛杂的各种关系模式,被称为数据旷工,其实这也许适合人工智能干的事情。

理论驱动型的策略又可以分为6类:趋势型,回复型,技术情绪型,价值型/收益型,成长型,品质型。这些策略和主观判断型交易者(也就是不适用计算机量化投资的人)是完全相同的。

其中趋势型和均值回归型依赖于价格数据(其实就是技术分析的范畴了),技术情绪型策略较为少见。剩下的价值型,成长型,品质型策略都基于基本面数据。

数据驱动型阿尔法策略是比较难的,可能需要很高的编程功底,需要利用算法来从各种交易数据中找到模式和匹配模式。

目前构建量化分析用python这种编程语言的似乎比较多,我使用python是因为Google,记得好多年前 google app engine最开始的时候只支持python+django,是免费的,所以我就为了这个去学了python,然后还开发了一个博客系统,可惜可惜的时候源代码现在丢了,记得那时候很满意。

言归正传,理论驱动型策略可以分为6类,其实简单想一下就会知道,把所有这些类型综合起来才是最好的,当多数分析方法都给出了一个好的结果的时候,那么这笔投资的确定性肯定要高的多,每个策略给出一个比重的分值,分数之和来确定投资标的的确定性。

打开量化投资的黑箱一-基本结构

现在人工智能、深度学习、神经网络什么的很流行,实际上早在很久很久以前,就有一批所谓宽客的人开始使用计算机进行交易,据说很多是精通数学、编程、金融的诺贝尔奖获得者。必须现在的大奖章基金,据说没有基本面的价值分析,都是技术指标,高频交易。

其实这种方面并不适合散户来使用,我觉得可以利用量化分析来选股,甚至确定仓位,买卖时机之类的,这是一个可行的方式。

其实量化交易相对于主观判断型交易主要的区别并不在分析方法上,分析方法其实是一样的,只是量化的方法并不会受到情绪之类的影响。

基本结构:

交易系统包含三个模块:阿尔法模型、风险模型、交易成本模型。
阿尔法模型预测未来趋势,风险模型控制造成损失的敞口规模,交易成本模型帮助确定改变投资组合所需要的交易成本。
投资组合构建模型利用上面三个模块确定最佳的投资组合。

看到有人的投资策略

个人投资策略:不预测大盘短期走势,不断寻找优质低沽股,分散买入,如若上涨,则反弹到一定高度卖出,如若下跌,不补仓,等待反弹止损。
目前差不多持股50只,力争控制回撤,稳定增长。

这种策略很适合熊市。同样的基本面和技术面的研究能力,结果会大不相同。