熊市下的量化投资策略分享——银行轮动

关于策略适用性

记得曾在网上看到过一句话“牛市策略靠小市值轮动,熊市策略靠大盘股同业配对”。细细想来不无道理。如何理解呢?

试想在牛市大环境下,各股普遍大概率看涨(在一些大牛市中,甚至刚入股市的小白,随机买入一些股票都能赚的彭满钵满。)投资者更偏爱选择小市值股,因其涨跌幅波动性往往高于大盘平均水平,在市场看多的情况下,更容易获得超额收益。

而在盘整和熊市的情况下,小市值显得并不适用,盘整时的频繁调仓换股所需承担的手续费,以及熊市看空情绪所导致的跌幅概率大大高于平均跌幅水平,使得按此策略投资的数学期望呈现负值。相反,大盘股同业配对交易策略显示出了更稳定的收益率。究其原因有以下几点:

1、大盘股不易受庄家操控股价

大盘股也就是我们说的流通市值较大的股票,对于普通游资以及庄家而言,拉升股价需要投入的资金量过大,却并不能吸收足够的筹码,风险管理远不如选择小市值股票来的可控。因此以大盘股作为选股范围,是为了尽可能剔除造成股价异常波动风险的选择。

2、选择同行业强相关性的股票

我们要进行配对交易,就需要有“参照物”。这里同行业只是一个并不严谨的说法。理想化的配对选股,不仅需要选择同行业,同时要求股价之间具有极高的关联度。

我们不妨考虑一个问题,每当大盘探底、暴跌,想要救市会采取何种措施?拿今年来说,我们看到了绝大部分是这样的情况:通过拉动银行金融权重股,使得大盘指数能够维持在“预期”的位置(尽管从个股来看收益率往往与指数大相径庭)。

因此,这个策略正式基于该点出发,选择四大行的股票进行配对交易。我们先抽取出四大行的15年至今的收盘价。

之后,看过我量学堂系列文章的朋友应该了解协方差相关系数,这里我们来分析一下股价之间的相关性。

可以看到,绝大部分都高于75%,集中在80%以上。为此我们通过将数据可视化进行更直观的展现:

配对逻辑

那么已知线性关系的情况下,我们的策略如何进行配对套利呢?

我们知道,四大行股票之间并非同时上涨或下跌,通常都是其中一只开始以高于平均涨幅的速度向上拉升,之后其余三行才逐渐跟上,也就是存在滞后性。那么配对交易正是需要抓住这个时间点,对反应最慢的股票进行买入看涨。

具体实现为:

当账户空仓时,我们判断当前交易日四行股价最高与最低涨幅差大于1%时,买入涨幅最低的那一只股票(看涨)

当账户存在仓位时,如果对应股票涨幅与四行股价最低涨幅差大于1%时,卖出当前持有股票,同时买入涨幅最低的那一只股票(看涨)

期间主要回测了15年股灾,17年“先扬后抑”的震荡行情,均取得相对稳定的收益。

2015
2017

策略的不足之处

当然,任何策略都有其局限性,如果有一种市场大小通吃的策略,那么市场将不会存在。退一万步来说,即使存在这种策略,根据我以前文章中讲过的索罗斯反身性原理,这种策略“偏见”会反过来干扰市场的行为,使市场发生改变,从而影响到策略本身的准确性。

这个策略的局限性,就是假设了成交价都能实时完成交易。但是由于银行股盘子大,挂单资金源源不断,容易造成无法及时成交的情况,而银行股本身股价较低,如果选择±0.01滑点交易,也会严重影响收益率。

因此,一个折中的办法是,挂指定买卖价的限价单。用意是一旦成交,即按策略严格执行;而如果不幸未能成交(这里主要讨论买入的情况),至少不会发生亏损。相应的,实际收益率也将比跑策略得到的要略低。


说明:本文目的分享与交流投资策略、提供思路,并不构成投资建议或指导,对投资者可能造成的收益或损失,概不担责。

最后编辑于
©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 212,332评论 6 493
  • 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 90,508评论 3 385
  • 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 157,812评论 0 348
  • 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 56,607评论 1 284
  • 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 65,728评论 6 386
  • 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 49,919评论 1 290
  • 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 39,071评论 3 410
  • 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 37,802评论 0 268
  • 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 44,256评论 1 303
  • 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 36,576评论 2 327
  • 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 38,712评论 1 341
  • 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 34,389评论 4 332
  • 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 40,032评论 3 316
  • 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 30,798评论 0 21
  • 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 32,026评论 1 266
  • 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 46,473评论 2 360
  • 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 43,606评论 2 350

推荐阅读更多精彩内容