基于基金精选的FOF组合策略

摘要 

本文首先将基金进行分类筛选，然后在不同基金种类中，通过基金的历史业绩数据选择因子进行有效性测试。我们主要将因子分为3个大类，包括收益类因子，风险类因子、风险调整收益类因子。从测算的结果来 看，相同的因子对于不同类型的基金可能具有不同的影响效果，然而对于某一些因子来看，如收益类因子中的历史20个交易日净值收益对于每一类基金的平均IC都较高。  

最后我们用有效的因子对各类基金进行筛选，发现利用多因子选基的方法来构建FOF组合相比于全市场的平均水平均获得了不同幅度的超额收益。多因子选基对于FOF组合收益率具有一定的提升作用。

欲阅读原文及查看完整源代码请复制以下链接：

网页链接

一、基金筛选以及分类 

基金分类是基金评级的基础，只有将具有相近风险收益特征的基金放在一起比较，才能保证结果的有效性，因此进行因子测试之前，我们首先对于基金进行分类。这里我们拿取的是通联数据所有股票、债券与混合型基金。由于我们希望优选基金来获得更加的收益，因此我们剔除以被动管理模型进行管理的指数型基金。

由于FOF对于持有子基金的规模以及存续时间也有一定的要求，其正式指引中规定：除ETF联接基金外，基金中基金投资其他基金时，被投资基金的运作期限应当不少于1年，最近定期报告披露的基金净资产应当不低于1亿元。因此在筛选时，我们剔除存续时间不足一年，或者最新规模不足1亿人民币的基金。如下所示，我们得到最终每期的各类基金的基金池。

二、基金因子选取与计算 

对于分类之后的基金池，我们对于每一个基金类别进行因子的测试，来寻找对于不同类别的基金，驱动其业绩收益的主要因素。  

在基金因子的选择上，由于基金的非业绩数据更新频率较低，因此我们主要从基金的历史业绩入手，根据基金历史业绩数据进行一定的处理，得到各个因子。我们主要将因子分为3个大类，包括收益类因子，风险类因子、风险调整收益类因子。如下所示。

如上我们便得到了不同类基金的基金池对应的各期的因子值以及下一期的收益。 

三、因子的有效性测试 

在因子有效性的测试上，我们使用IC作为度量因子有效性的标准，并采用月度作为测算的频率。在每个月月底，我们对于每一个基金类别，计算其因子值与下期基金净值收益率之间的相关系数，并对每期数据取平均，得到每一个因子对于每一类基金的平均IC值。 对于股票型基金，其因子IC值汇总如下。

从IC均值以及IC中位数来看，因子Return_20B对下一期收益的预测能力最强，平均来说这一期Return_20B越大，下一期收益也越高。风险收益类的信号大都是反向指标，这与我们的直觉比较吻合，但是从数值来看，预测能力太小。 

对于债券型基金，其因子IC值汇总如下。

从IC均值来看，因子Return_60B对债券型基金下一期收益的预测能力最强，平均来说这一期Return_60B越大，下一期收益也越高。风险收益类的信号都是正向指标，而Sharpe值对下一期收益没有什么预测能力。这个可能的原因是，债券型基金本身分成利率债和信用债，信用债因为有信用风险，本身的利率就要高过利率债券，当然其受利率的影响波动也更大。也就是说，债券型基金里面过去收益较高都是一些信用债基金，其未来当然收益也不会低，并且这类基金通常会有更大的波动和最大回撤，但其收益在大多数情况下都会比利率债基高。

对于混合型基金，其因子IC值汇总如下。

四、单因子选择基金效果 

通过上面的单因子测试，我们筛选出了各类基金中最有效的因子，接下来我们以因子选基来看下累计收益的效果。

最强红利指数：标普A股红利机会

本文参考了雪球 红利基金** 

读懂红利基金（一）——估值看齐沪深300，业绩超越中证500  

读懂红利基金之（二）——标普A股红利指数编制方法揭秘 

华宝兴业标普A股红利基金指数基金（简称：红利基金；代码：501029）是雪球众大V，如@不明真相的群众  ，@银行螺丝钉  等主推的指数基金。据说具有“小盘的业绩，大盘的估值”，也是近几天方丈为国护盘的主力品种。

指数的具体编制方法如下： 样本空间 沪深两市全部有分红的A股股票（非ST、*ST股） 

选样方法 

STEP1：市值与流动性考察 

1、市值要求：指数调整参考日的自由流通市值不低于10亿人民币； 

2、流动性要求：过去6个月的平均日交易额不低于1千万人民币； 

STEP2：盈利稳定性考察 

1、利润率：公司过去12个月的净利润必须为正，即EPS(TTM)>0。 

2、盈利增长：考察期的过去十二个月的每股盈利，即EPS(TTM)必须大于三年前的数据。 

STEP3：股息率排名，确定成分股 将前两步筛选出的股票池中的股票，按年度股息率排序，筛选股息率排名前100 的股票。构成成份股。 

STEP4：股息率排名，确定成分股 以股息率加权，每只股票的权重不得超过3%，单个行业的权重不超过33%。 

1、个股权重：超过3%的部分需向权重低于3%的股票中权重最大的那一只移动，如果该股票也超过了3%，则重复该运作，使得没有股票的权重超过3%为止。 

2、行业权重：若权重超过33%，则将多余部分移动到其他行业中权重低于3%的股票中，移动顺序根据与个股的调整法相同。 由此，一只标普红利机会指数就诞生了。不过这并不算结束，每年还会进行一些调整。 指数调整 每年调整两次样本股，样本股调整实施时间是每年6月和12月。 

接下来是策略实现 

回测时间：'2010-6-10'~'2017-4-20'

当行业权重超过33%时，进行成分股调整。这一点在代码中并没有体现，因为我觉得对于我来说太复杂了，有兴趣的可以试试。不过在调仓过程中，并无出现过某行业权重超过33%的情况。 

接下来对比一下沪深300红利策略

再对比一下中证500红利策略

可以发现 ：

即使是在2010至2013年间的长期熊市中，标普红利策略也能稳定跑赢指数在2015年牛市中的表现毫不逊色于中证红利策略对2016.3月开始的“价值投资时代”也有良好的适应性。 

果然是“小盘的业绩，大盘的估值”，唯一不足之处就是管理费用稍高，不过现在大家完全可以自己构建组合了。

选择强势行业作为股票池

简介：。

1、28个大类行业和上证指数，分别取近段时间的指数
3、依据权重设置，计算表现最强的若干个行业
股票与行业的对应关系因直接用Uqer函数取不方便，经本人处理后存在secIDidx.csv文件里，需要文件的留联系方式。 从回测效果看，15-17年明显跑赢大盘。

本文只是提供了一个类似股票池的计算方法，各位可结合自身已有的策略，进一步调整。

源代码链接：网页链接%2BOcN06I56gIdcy8BCRPkq1KZbFjO1MimAyuU6mocGpJEg2E%2FcidCu3W2OFZeftfbXIUW9yYt04VN0Jb%2F45JpIM87PILQULRwFsR3sChA7cEM

作者：dux

高息股策略分享

本文参照了雪球选股策略中的'高股息率精选'

选取当前股票池内股息最高的20支股票买入，持有250个交易日后进行换仓。

网页链接 /p p style="font-size:15px;font-family:Consolas, "-color:#FFFFFF;">

源代码中可能存在部分未来函数，已根据个人理解进行修改，并对买卖操作进行了一定的优化。

关于低价、低流通股票的套路

低价and低流通盘 

思路1 先价格在流通市值 

选择价格最低的前30%价格最低的前30%中，再选择流通市值最小的30% 注意：价格需要使用前复权数据过滤银行钢铁或者进行行业中性化处理(暂未处理) 

沪深300测试

『对话大师』基于彼得.林奇选股法的改进

本文是基于【大师系列】彼得.林奇基层调查选股法 （文章传送门：网页链接）的改进，参考申万研报《申万大师系列价值投资篇之七：彼得.林奇基层调查选股法》，文章【大师系列】彼得.林奇基层调查选股法对大师的思想进行了一些量化。

具体量化了以下5条： 

1.公司的资产负债率小于等于25% 2.公司每股净现金大于0 3.当前股价与每股自由现金流量比小于10 4.公司的存货增长率小于其营收增长率 5.(长期盈余增长率+股息率)/市盈率大于等于2 

根据优矿上的文章，该策略对于中国股市只要符合前三条就能得到最优性能， 

本文再次将该策略实现一下，并将模拟时间加长到2011-04-01到2017-02-21：

查看完整源代码请复制链接：网页链接

根据上述模拟可以看出在2011-04-01到2012-12-31这段股市大跌的过程中策略表现一般，基本与HS300走势相当。同时在股市急跌的2015-06到2015-08期间波动较大达到29.4%，最大回撤达到44.3%。接下来本文做如下改进以提高策略的性能：

1.加入择时策略：          

      1.1 当HS300的16日收益率为负时，通过彼得林奇基层选股法前三条筛选出符合的A股股票，并且每两个工作日进行一次换股                   

           1.1.1 当剩下的股票大于42支时，筛选其中资产负债率最小的58.82%的股票，再从其中选取经营现金流与价格比最小的25支股票全额买入                   

           1.1.2 当剩下的股票大于25支但小于42支时，筛选经营现金流与价格比最小的25支股票全额买入                   

           1.1.3 当剩下的股票小于25支时，以一定比例买入全部股票          

       1.2 当HS300的16日收益率为正时，通过彼得林奇基层选股法前三条筛选出符合的A股股票，并且每十四个工作日进行一次换股                   

           1.2.1 当剩下的股票大于42支时，筛选其中资产负债率最小的58.82%的股票，再从其中选取经营现金流与价格比最小的25支股票                   

           1.2.2 当剩下的股票大于25支但小于42支时，筛选经营现金流与价格比最小的25支股票                   

           1.2.3 当剩下的股票小于25支时，买入全部股票          

                                        1.2的股票全部全额买入   

2.优化选股参数：将选股的最大经营现金流与价格比从10改为11   

3.优化组合权重：取股票的资产负债率倒数的归一化作为组合权重的比例全额买入，1.1.3情况下每支股票的买入份额等于2.5%乘以资产负债率倒数的归一化和等权重的买入份额之商，即：   

买入份额=2.5%*资产负债率的倒数的归一化/等权重的买入份额 该策略实现如下：

由模拟的情况可知在2011-04-01到2017-02-21的时间段中本策略取得了34.00%的年华收益率（高出原策略13.5%）,Alpha为31.3%（高出原策略12.4%），夏普比例为1.56（高于原策略1.00），收益波动为19.3%小于原策略29.4%，最大回撤也从44.3%下降到了19.3%，可以看到策略的性能得到了一定的提高。 

同时对于2011-04-01到2012-12-31这段股市下跌时期，本策略取得了1.00%的年华收益率（高出原策略14.6%）,收益波动为14.00%小于原策略24.5%，最大回撤也从44.3%下降到了19.3%,这说明该策略在长期熊市下有效！读者可以自己测试。

听党指挥跟党走——行情投资指南

今天在这里给大家分享一篇很红的两会行情统计，就让我们一起成为优秀的A股战士吧！ 

A股市场的日历效应 

日历效应反映了金融市场与日历有关的非正常收益，包括星期效应、月内效应、月份效应、节假日效应等。全国“两会”是“全国人民代表大会”和“中国人民政治协商会议”的简称，于每年3月份左右召开。自1994 年以来，A 股市场共经历23 次“两会”（不含2017 年）。在这23次召开期间其后，A股表现出较为明显的日历效应，以下统计A股市场主要指数及申万一级行业的指数在两会期间、前后5 个交易日、10 个交易日、20 个交易日的市场表现（涨跌幅及上涨比例）。

网页链接!custom660.jpg" / p br / /p img src="/static/image/loading.gif" data-img="网页链接!custom660.jpg" / p br / /p p br / /p p br / /p p br / /p p 从上证指数收益率过去23 年的经验看，“两会”前后的统计结论比较显著：  /p p br / /p p 1.“两会”期间： “两会”期间上涨概率为65.22%，平均涨幅为0.55%；  /p p br / /p p 2.“两会”前后5 个交易日：会后大概率上涨（73.91%），会前不稳定，上涨概率较低(43.48%),平均涨幅也小于0；  /p p br / /p p 3.“两会”前后10 个交易日：会后较大可能上涨（65.22%），会前不稳定；“两会”前后20个交易日：会前会后均大概率上涨（分别为65.57%、78.26%）; 平均涨幅与上涨概率会后要大于会前。 /p p br / /p br / h4 style="font-size:20px;font-family:"vertical-align:baseline;color:#333333;"> 中证500、沪深300历次两会期间及前后表现

A股的“春节红包效应”：历史上沪指春节前后上涨概率超90%

简介：下周就是A股的最后一周交易日了，A股素来有春节红包行情之称，春节前后的行情值得期待，先看行业在看指数。

从风格方面来看，节前五个交易日大小盘基本一致，节后五个交易日小盘股明前强于大盘股。整体而言，小盘风格由于弹性较大，春节前后五个交易日涨幅明显高于大盘股。

从行业方面来看，节前偏周期性行业较强，涨幅较大的是非银、有色、汽车、钢铁；节后是偏消费和成长类的行业较强，上涨概率和涨幅较大的行业是农林牧渔、电子、国防、医药、纺织服装、商贸零售。

 下面统计一下A股以及标普，恒指在春节前1个交易日，以及春节后5，10，20个交易日的涨跌幅情况。 

春节前1天：

 最大涨幅：   指数:000001（上证） -1days, 涨幅:2.15%  指数:000300 （沪深）-1days, 涨幅:2.38% 指数:SPX （标普）-1days, 涨幅:14.1% 指数:HSI （恒指）-1days, 涨幅:0.84% 

 最小涨幅：   指数:000001（上证） -1days, 涨幅:-1.55% 指数:000300（沪深） -1days, 涨幅:-1.14% 指数:SPX （标普）-1days, 涨幅:-3.2% 指数:HSI（恒指） -1days, 涨幅:-0.89%  

平均涨幅：   指数:000001（上证） -1days, 涨幅:1.75454923148% 指数:000300 （沪深）-1days, 涨幅:1.85831714481% 指数:SPX（标普） -1days, 涨幅:3.65334772209% 指数:HSI（恒指） -1days, 涨幅:1.43029428226%  

涨幅中位数：   指数:000001 （上证）-1days, 涨幅:0.48% 指数:000300 （沪深）-1days, 涨幅:0.43% 指数:SPX （标普）-1days, 涨幅:0.54% 指数:HSI （恒指）-1days, 涨幅:0.14%

春节后1天：  

最大涨幅：   指数:000001（上证） 1days, 涨幅:2.35% 指数:000300（沪深） 1days, 涨幅:2.34% 指数:SPX （标普）1days, 涨幅:3.02% 指数:HSI （恒指）1days, 涨幅:3.17%  最小涨幅：   指数:000001（上证） 1days, 涨幅:-2.37% 指数:000300 （沪深）1days, 涨幅:-2.15% 指数:SPX（标普） 1days, 涨幅:-0.78% 指数:HSI（恒指） 1days, 涨幅:-6.61%  

平均涨幅：   指数:000001 （上证）1days, 涨幅:1.51135150682% 指数:000300 （沪深）1days, 涨幅:1.4433423852% 指数:SPX （标普）1days, 涨幅:1.98436976117% 指数:HSI（恒指） 1days, 涨幅:1.22601690058%  

涨幅中位数：   指数:000001（上证） 1days, 涨幅:-0.45% 指数:000300（沪深） 1days, 涨幅:-0.55% 指数:SPX （标普）1days, 涨幅:0.16% 指数:HSI （恒指）1days, 涨幅:0.18%

春节后5天：  

最大涨幅：   指数:000001（上证） 5days, 涨幅:9.57% 指数:000300（沪深） 5days, 涨幅:10.07% 指数:SPX （标普）5days, 涨幅:4.41% 指数:HSI （恒指）5days, 涨幅:8.56%  最小涨幅：   指数:000001（上证） 5days, 涨幅:-5.57% 指数:000300 （沪深）5days, 涨幅:-6.32% 指数:SPX （标普）5days, 涨幅:-4.7% 指数:HSI（恒指） 5days, 涨幅:-5.47%  平均涨幅：   指数:000001（上证） 5days, 涨幅:3.18800105704% 指数:000300（沪深） 5days, 涨幅:3.20991987901% 指数:SPX（标普） 5days, 涨幅:2.10959288798% 指数:HSI（恒指） 5days, 涨幅:2.28474484616%  

涨幅中位数：   指数:000001 （上证）5days, 涨幅:1.4% 指数:000300 （沪深）5days, 涨幅:2.01% 指数:SPX（标普） 5days, 涨幅:0.91% 指数:HSI（恒指） 5days, 涨幅:-0.31%

春节后10天： 

 最大涨幅：   指数:000001（上证） 10days, 涨幅:16.58% 指数:000300（沪深） 10days, 涨幅:18.02% 指数:SPX (标普）10days, 涨幅:5.88% 指数:HSI（恒指） 10days, 涨幅:7.76%  

最小涨幅：   指数:000001（上证） 10days, 涨幅:-7.86% 指数:000300（沪深） 10days, 涨幅:-8.25% 指数:SPX（标普）10days, 涨幅:-3.62% 指数:HSI（恒指） 10days, 涨幅:-6.97%  

平均涨幅：   指数:000001（上证） 10days, 涨幅:3.76556742926% 指数:000300 （沪深）10days, 涨幅:3.84498301003% 指数:SPX（标普）10days, 涨幅:2.43334297359% 指数:HSI（恒指） 10days, 涨幅:1.98404757426%  

涨幅中位数：   指数:000001（上证） 10days, 涨幅:1.21% 指数:000300 （沪深）10days, 涨幅:1.07% 指数:SPX （标普）10days, 涨幅:0.61% 指数:HSI （恒指）10days, 涨幅:-0.29%

春节后20天： 

 最大涨幅：   指数:000001（上证）20days, 涨幅:13.69% 指数:000300（沪深） 20days, 涨幅:12.8% 指数:SPX（标普） 20days, 涨幅:7.85% 指数:HSI（恒指） 20days, 涨幅:6.45%  

最小涨幅：   指数:000001（上证） 20days, 涨幅:-9.43% 指数:000300（沪深） 20days, 涨幅:-9.77% 指数:SPX（标普） 20days, 涨幅:-11.64% 指数:HSI（恒指） 20days, 涨幅:-7.31%  

平均涨幅：   指数:000001（上证） 20days, 涨幅:3.96051962008% 指数:000300（沪深） 20days, 涨幅:3.57233031385% 指数:SPX（标普） 20days, 涨幅:2.05553173536% 指数:HSI（恒指） 20days, 涨幅:2.08174203585%  

涨幅中位数：   指数:000001（上证） 20days, 涨幅:2.53% 指数:000300（沪深） 20days, 涨幅:1.48% 指数:SPX（标普） 20days, 涨幅:1.09% 指数:HSI（恒指） 20days, 涨幅:1.7%

基于银行间同业拆放利率Shibor择时策略

Shibor的择时能力

在传统的金融意义上，由于流动性的总量是一定的，而且风险偏好有着巨大的差异，一般认为股票市场和债券市场存在着跷跷板效应，股市和债市可以参考着看，有一定的借鉴意义。不过对于中国市场而言，股市和其他市场的关系一般没有那么紧密，所以利用Shibor来进行择时也只是姑且一试。

利用Shibor对股市进行择时的逻辑即如同上述所说的，当利率处于高位继而下行时，流动性逐渐从货币市场和债券市场释放出来进入股市，会推高股指；反之，则意味着整个资本市场流动性降低，投资者逐渐转向低风险资产，策略细节方面，首先是Shibor期限的选取，作为择时信号显然要对市场变化敏感，故我选择了7天的Shibor作为信号源，因为其每天的波动过于剧烈，所以对其进行了三个月的平滑。

其次是对于Shibor高低位的判断，尝试了分位点，即以过去120个交易日的Shibor作为经验分布，求出其一定的分位点作为阈值来和调仓日进行比较，我尝试了多种不同的分位点。

再然后是标的的选择，尝试了沪深300、中证500和创业板指，最后采用的是创业板指，因为表现实在是太抢眼了，反复检查了三四遍确定了没有未来数据。

最后是多空的控制，虽然目标是高位看多低位看空，但还存在着中间情况的可能，对于这种情况，我选择直接看多，因为总是持有指数，即使表现不好，那么也是持仓与标的表现一样不好，在择时的意义上并没有额外的损失。

三个不同分位点择时的表现如图所示：

通过1/3分位点择时信号分别做多、做空、既做空又做多的表现

通过3个分位既做多又做空的表现源码地址：Shibor择时策略（网页链接）

『事件驱动』指数成份股调整带来的投资机会

指数成份股调整

每年的6月和12月，中证指数公司会对重要A股指数的成分股进行调整，包括沪深300指数、上证180等。随着指数成分股的调入调出，跟踪该指数的基金包括ETF基金、LOF基金等也会对基金的持仓做出相应的调整，从而有可能会对即将调入调出的股票价格产生重要影响。指数的成分股定期调整，一般经历3个阶段：考察期结束日、大约1个半月后的“调整名单公布日”、2到3周后的“调整实施日”。“调整名单公布日”那天，交易所会在官网公布调整的成分股名单。只要名单一公布，各大基金经理就必须在2到3周之内调仓完毕。“调整实施日”当天，指数就以新的成分股进行运作。

这里我们使用优矿中调取指数成份股API，可以得到每天的指数成份股，在运算时间与数据周全性做一个权衡，我们打算每个月运行一次该API，这样就可以到每一只只要进入到指数中的股票的进入时间以及移除时间,这里对沪深300指数进行详细分析。

接着统计下自HS300指数成立起，成份股的变动个数情况。2005年4月8日HS300指数成立，所以当时共有300只股票调入。可以看出除了年终和年末的定期调整以外，还有一些时候会有有几只股票的调整，这时由于除了定期调整外，还有临时调整机制，用来应对新股上市，重组并购等特殊情况。这里我们仅对定期调整的股票进行分析。做一个简单的筛选，我们可以得到定期调整的情况。

接下来我们再看看指数基金的情况

可以看出09年以前成立的HS300指数基金还太少，故暂时只分析10年以后的指数成份股调整。

如上我们有10年以后所有的指数成份股定期变动信息，但是只有生效日期，实际上我们需要的是调整名单公布日期，因为调整名单公布后，已经是已知信息，指数基金经理已经开始建仓买入了。通过查阅中证指数有限公司网站，我找到了各个定期调整的名单公布日期。

将调整名单添加到刚才的事件列表中

沿用之前的业绩预告分析模板，先进行简单的事件驱动分析

1.获取个股及指数每日收益

此处以沪深300作为我们的基准，计算超额收益

2.时间窗口分析

可以看出调入指数事件在名单公布后有一个显著的超额收益，但10个交易日后出现明显的下跌，并且调入指数的股票在名单公布之前的走势并不平稳。

可以看出，调出指数的股票在名单公布后有着显著的负的超额收益，并且在20个交易日内持续下跌。

3.多空策略

显然对于调入和调出指数的股票，我们很自然的会想用多空策略，看多调入的股票，然后看空调出的股票。这样可以规避掉很多其他的因素对股票收益的影响，而且能进HS300的股票大多都可以融资融券的，所以这个是具有现实意义的。
这里我们构建多空策略，持仓周期为名单公布日到生效日，即名单公布后的隔天开盘买入，生效日当天开盘卖出，多空都为等权。

如上，我们可以知道10年以来一共14次指数成份股调整，其中12次使用我们的多空策略可以获得正收益，胜率高达85.7%。我们做出累计净值走势，如下所示。

总结

本文通过分析指数成份股变动事件，首先以成份股调整名单公布时间为基准，进行事件时间窗口分析，结果表明，调入股票在调整名单公布后平均有一个显著的涨幅，但10个交易日左右，又开始下跌，而且整个事件窗口收益不太稳定；而调出股票在调整名单公布后平均有一个显著的跌幅，并且在20个交易日内稳定持续的下跌。接着，依据这些信息，我们编写了基于调入调出股票的多空策略，持仓周期为调整名单发布日至生效日，等权设置多空。结果，总体操作的胜率在85.7%，10年至16年间取了70%多的累计收益。

进一步研究

上面的结果还比较喜人，可以看出在大盘比较稳定的时候，这样多空操作基本都是能赚钱。而这些赚钱的原因，我们也大致知道是因为指数基金需要买入调入的股票卖出调出股票。既然如此，更加严谨的做法应该是测算大致会有多少这样的资金量买入需要调入的股票，因为一只股票可能同时在几个指数，主流指数都有指数基金，再加这个股票在各指数所占权重，以及该指数整体基金规模，就可以大致计算出有多少这样的资金会买入。然后再考虑，这些资金是否足够大，能给股票带来显著影响。调出股票同样考虑。

附

2016年11月28日以公布了此次沪深300样本股调整名单《关于调整沪深300和中证香港100等指数样本股的公告》，将在12月12日生效，大家可以关注一下。

原文链接：指数成份股调整带来的投资机会（网页链接）

专买ST

当年报的每股收益、扣除非经常性损益后的每股收益以及每股净资产三项指标同时为正值时，*ST股票可以向上交所提出摘帽请求。

*ST股票年报预计盈利，扭亏为盈，则有大概率摘帽。然而也许是消息泄露，通常在公告公布前，股票已经会有所反应。故选取年报预计盈利公告发布前涨幅较小的股票，并设置10%的止盈位。看看收益如何。

原文链接：*ST股扭亏为盈（网页链接）

黑色系商品期货价差套利

概述

之前已经介绍过跨品种套利，跨品种套利所选择的品种从经济角度来说，它们可能处于同一产业链的上下游，比如玉米与淀粉，也有可能具有可替代或者互补的关系，比如豆油与菜油。一般来说同一产业链的品种相关性较高，无论是从基本面还是统计规律出发均比较容易找到逻辑支撑，常见的产业链主要包括黑色产业链、豆类油脂产业链、化工产业链等等。对同一产业链中相关性很强的品种的期货合约分别进行买入和买出，通过品种间的强弱变化引发价差的收缩与扩大，从而实现价差收益。“虚拟钢厂”的构建正是利用螺纹钢和其主要原材料：铁矿石和焦炭，三种上下游品种之间的价格的不平衡变化而产生的价差收益，是一种跨品种套利的策略。

一、可行性分析

我们首先来看看这三个品种的历史走势:

经过相关性检验这三者之间高度正相关，实际上螺纹和铁矿石的相关系数为0.978，螺纹和焦炭的相关系数为0.964，铁矿石和焦炭的相关系数为0.949。这就为三者之间进行跨品种套利奠定了基础。

二、模型构建

钢材生产流程大致分为三个阶段，分别为炼铁、炼钢和轧钢，生产成本主要包括原料成本、能源成本、人工成本、折旧和财务成本等。从原材料上来看, 生产1吨螺纹钢大致需要1.6吨铁矿石和0.5吨焦炭。因此，我们可以通过期货市场来大致模拟钢厂的生产过程，通过结合相关品种在期货市场的利润以及现货市场供需基本面数据，把握品种间的套利机会。通过成本估算,当前阶段:

• 螺纹钢成本≈1.6×铁矿石+0.5×焦炭+加工成本
• 利润≈螺纹钢期货价格-螺纹钢成本

炼铁、炼钢和轧钢三个阶段的总加工费大概在1100元左右。下图是2013.10-2016.7虚拟钢厂利润走势，在-200~300的范围内波动，利润中枢在100左右。

从价格走势图来看，利润走势不可能持续维持在高位或低位。这是因为，当利润达到极高值时，一方面钢厂会加速生产，供给增加则价格降低，另一方面铁矿石，焦炭等原材料价格会上涨，从而压缩利润空间；当利润达到极低值时，一方面钢厂会因持续亏损而减产，产量减少将支撑价格，另一方面上游企业议价能力更弱，原材料价格承压走低，从而使利润逐渐回升。当盘面利润超过300元时，可以做空利润，即卖螺纹，买铁矿石和焦炭，当盘面利润低于200元时，又可以做多利润，即买螺纹，卖铁矿石和焦炭。

三、套利比例的确定

首先，从产业结构计算产出比，比如螺纹：铁矿：焦炭=1吨：1.6吨：0.5吨；其次，按照合约规定的实际数量的1:1来确定，当前螺纹：铁矿：焦炭=1:10:10(螺纹期货合约为10吨/手，铁矿和焦炭期货合约均为100吨/手。最后，确定套利比例也需要考虑各品种的波动率的不同。综合上述因素，这样大致可以确定螺纹、铁矿、焦炭三者的手数配比为20:3:1。初始资金设为15w。

四、具体操作

合约选取：

• 螺纹，铁矿，焦炭主力合约

策略逻辑：

• 当盘面利润高于300时，做空螺纹，做多铁矿石与焦炭；当盘面利润低于100时，若螺纹有空仓，则平掉所有仓位。
• 当盘面利润低于-200时，做多螺纹，做空铁矿石与焦炭；当盘面利润高于100时，若螺纹有多仓，则平掉所有仓位。
• 当主力切换时，平掉所有仓位

初始资金：

• 30w

回测时间：

• 自铁矿石品种上市以来

策略评价

1. 虚拟钢厂套利策略是基于基本面逻辑的套利策略，如果基本面发生重大变化，应及时止损止盈。
2. 可以看到策略的本质其实是一个固定了上下轨道的突破策略，其上下轨的确定是根据模拟钢厂生产的利润传导机制进行确定的
3. 当价差没有回归时，需要进行移仓换月的操作
4. 当前低迷的市场情况下，钢企合理利用期货市场进行套期保值、管控风险具有现实意义

策略原地址：商品期货套利 （网页链接）

年末了，公募基金会保重仓股吗？

都说每年年末，公募基金会保明星基金经理的重仓股，要么是不是年末时大盘股的表现会比小盘股表现要好？

作者：alpha_cat    原文链接：市值异象的岁末效应（网页链接）

1. A股的市值异象

所谓市值异象，是指小市值股票相对大市值股票具有显著溢价。然而在靠近年底的12月份，市值因子的选股效果大打折扣。小市值因子会在年底的时候失效，这与市场风险偏好变化，投资者行为等因素息息相关。投资者基于流动性配置需求的投资行为，是引起该效应的潜在原因之一。 本文主要参考海通证券的《市值异象的岁末效应》研报。

下面通过简单的统计来验证这种情况是否存在： 以2006年1月4号至2016年11月11号的时间窗口为例，按照前一日总市值由低到高，将A股分为10组，分别记作D1至D10（D即Decile，代表十分之一）,这里面要剔除两种股票：

停牌的股票

上市不足3个月的新股

代码实现部分（网页链接）

小市值效应的原因：

从资产定价角度看，小市值股票具有高波动，低流动性等特征，需要更高的收益补偿

从市场机制角度看，A 股市场严格的IPO审批制度，使得小市值公司具有壳价值

从经济转型角度看，部分小市值公司具有题材新颖，高成长空间的特点

个人觉得这个跟A股散户居多，风险偏好较大也有关系

基于以上的原因，小市值的股票具有高风险高回报的特性

2. 市值异象的岁末效应

上一节中可以看到小市值股票对于大市值股票的很明显的超额收益，然而这个结论并不总是成立的，在每年的12月，会有一个反转。

2.1 首先可以统计一下每个月的小市值相对大市值的胜率：

上面图可以很明显的看到，在12月份，小市值对大市值的胜率并没有小于50%，这就有点尴尬了，与研报中的略有差异。但是的确是所有月份中的最低值。

2.2 下面来统计小市值相对大市值组合日均超额收益：

2.3 虚拟变量回归方程

为了更好的判断市值异象岁末效应的显著性，研报中参考了Donald B.Keim的《Size-Related Anomalies and Stock Return Seasonality》论中构建虚拟虚拟变量回归方程。

Rt=α12+α1D1t+α2D2t+⋯+α11D11t+ϵt

其中Rt是小市值相对大市值组合的日收益率时间序列；Dit为代表各月份的虚拟变量。例如，当D1t=1时，其余Dit=0时，表示当前交易日为1月，以此类推。若各虚拟变量均为零，则代表当前交易日为12月。

对于上述回归方程，主要关心两个问题：

回归系数是否联合显著，表明大小市值组合的超额收益是否与自然月相关；

截距项α12是否显著小于零，表明12月份大市值组合相对小市值组合是否具有显著的超额收益。

回归的时间范围从20060104—20161111

回归结果：

3. 总结

从上面的回归结果可以看到，回归分析的结果并不严格支持以上的结论，不知道是不是回归方法有问题，也就是说12月份大市值战胜小市值并非严格显著。

虽然显著性不够强，但是在上面的分析中可以看到，年底大市值的股票的确更值得关注。研报中认为出现这种情况的原因主要是流动性需求。临近年底，投资者对于流动性配置的需求上升，而大市值的股票可以提供充足的流动性。流动性的确会带来溢价，研报中最后使用了非流动性指标，也就是illiquidity这个因子来筛选出流动性比较好的股票，这个因子在社区上已经有其他矿友详细分析过非流动性因子ILLIQ - 寻找市场对弱流动性的收益补偿。

基于申万一级行业分类的市场热度择时

• 如果有70%以上的行业指数在20日均线以上，则当前为强市
• 如果有30%以下的行业指数在20日均线以上，则当前为弱市
• 如果有30%-70%的行业指数在20日均线以上，则当前为震荡市
  

输入数据看一下近四年的市场情况

策略逻辑：每个调仓日，观察上一交易日的市场状态：若上一交易日为强市，则等权买入前一交易日比前T交易日的收益为正的股票；若上一交易日为弱市，则卖空所有股票；若上一交易日为震荡市，则不操作。股票池为中证800动态成分股。

策略源地址：网页链接

十行代码搞定技术指标分析

本文演示如何通过程序去实现常见的技术指标，借助优矿平台实现。

技术分析是指以市场行为为研究对象，以判断市场趋势并跟随趋势的周期性变化来进行股票及其他金融衍生物交易决策的方法的总和。技术分析认为市场行为包容消化一切信息、价格以趋势方式波动、历史会重演，常用的有MACD、BOLL、RSI等。

下面举个简单的栗子，双均线。技术分析中通常会用一条近期的移动平均线和远期移动平均线的相对价格趋势来体现股票近期的价格趋势。

例如当近期均线由下向上突破远期均线时（金叉），通常代表股票近期较为强势可以作为买入信号。

相反当近期均线由上向下击穿远期均线时（死叉），通常代表股票近期较为疲软作为卖出信号。

接下来在看如何通过程序去实现这个简单的逻辑（选用5个交易日的平均价作为近日均线、选用60个交易日的平均价作为远期均线）

首先确定一下策略的回测时间（想看策略在哪一阶段的表现）

start = '2012-05-28'  #回测开始时间
end = '2016-08-08'# 回测结束时间

然后确定策略选股的股票池及标的（策略适用于哪些股票，想看策略相对谁的表现情况）

secID = '601318.XSHG'             #中国平安
benchmark = secID# 策略对标标的（这里选取的是中国平安）
universe = [secID]                 #股票池，支持股票和基金 （选取的是中国平安）

其他需要的信息（策略的起始资金、按天进行判断还在用分钟线进行判断、策略调仓频率）

capital_base = 100000# 起始资金
freq = 'd'      #策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = 1# 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
max_history_window = 100                 #设定调取历史价格区间最大为100个交易日

def initialize(account):# 初始化虚拟账户状态，类似于去券商开户
     pass

策略逻辑部分

局部变量定义：

def handle_data(account):                  #每个交易日的买入卖出指令
    hist1 = account.get_attribute_history('closePrice', 5)#获取过去5个交易日的收盘价
    hist2 = account.get_attribute_history('closePrice', 60)      #获取过去60个交易日的收盘价
    for s in account.universe:#所有股票池中的股票
        MA5 = hist1[s].mean()     
        MA60 = hist2[s].mean()     #计算过去5个交易日及过去60个交易日的均价，mean（）是python自带的计算平均值的函数

买入判断：

if MA5 > MA60 and s not in account.security_position:#“金叉”而且当前持仓中没有持有要买入的股票时买入
            amount = int(account.cash / account.referencePrice[s] / 100) * 100        #为了让买入的数量是整数（现金/要买入上一个交易日的价格）
            order(s, amount)

卖出判断：

elif MA5 < MA60 and s in account.security_position:#“死叉”时而且所卖证券在持仓中时卖出
            order_to(s, 0)

接着就可以看到策略在历史区间的表现

蓝线表示策略的收益，黑线表示基准的收益。

点击回测详情可以查看具体的调仓记录、持仓记录等信息

点击回测图中的开始交易就可以每日数据实时模拟，看一下样本外的表现情况

在我的交易界面就可以查看每日模拟的情况

如果觉得表现尚可可以通过**订阅调仓信号，每日开盘前收到今日调仓信息。

常用的技术指标实现（MACD、BOLL、RSI、EMV等）：技术指标合集

技术指标推荐书籍：专业投机原理、期货市场技术分析。

海龟交易之商品期货版

一、海龟交易步骤回顾

唐奇安通道捕捉突破。对于唐安奇通道的天数N设置，之前设置为20天。但个人觉得在期货日线中这个天数还是略久，反应比较慢。因此觉得N设为5或10较好；当然分钟线的话得另行讨论

计算平均真实波幅ATR

计算每次加仓1unit，购买的手数

捕捉突破，判断开仓方向

判断是否加仓、是否止损

若止损了回到4，未止损回到5

二、需要用到的计算及判断函数参见原文

网页链接

三、回测3.1 对于回测的一些说明

主力合约变化的情况期货回测平台目前没考虑主力合约更换的情况。一般有两种处理：

持有原合约，出现主力合约变更时，对原合约平仓，并买入更换的主力合约

持有原合约，出现主力合约变更时，对原合约平仓，但是不一定买入新合约，而是根据策略逻辑判断是否买入

本策略采用第二种方式处理

3.2 日线螺纹钢测试：策略设定：

唐奇安通道 N设定为5

最大持有unit数为4（最多加3次仓）

分析：

收益曲线挺像阶梯上行，说明较好的实现了海龟交易的理念

从策略表现来看，年化收益126%，夏普比率3.76，表现不错；最大回撤12.2%，还不错，本身海龟策略的动态ATR止损，而且仓位控的好，回撤应该不大，但由于日线原因，有些时候无法及时触发止损，因此回撤也不是特别小。

观察收益曲线发现，回撤较大的地方往往是一波涨势之后，回想ATR止损，是在最后一次买入价格last_deal_price的基础上减去2ATR作为止损点的，当盈利很大之后，止损点就显得有点“跟不上”了，因此，这是个可以改进的点。不过就像上面说的，日线的话很可能不能及时触发止损，因此这里止损点改进的问题暂不讨论。

再看看ATR、价格的曲线及仓位变化情况：

可以看出，当价格波动幅度变大时，ATR变大。在趋势反转区域，出现了较大波动，由于ATR计算平均真实波幅，在反转之后才到达高点，这就使得处于趋势反转时，止损点反而下移了，因此止损有一定“延迟”。

观察仓位发现，最多仓位没超过60%，大部分情况轻仓操作，仓位在30%左右。不过风险厌恶程度不高的话，可以适当提高unit的最大值，以博取更高收益。

3.3 不同商品，在唐奇安通道N分别为5，10，20时的策略表现：

选取品种为： 螺纹钢、焦炭、铅、焦煤、锌、铜

分析:

从表现来看，焦炭的收益最高，达年化153.3%，螺纹钢次之，接着是焦煤。 铅则为小亏，锌是悲剧了。

对于各个品种，除了焦炭和锌，其余品种 唐奇安通道N值为5的时候表现最好，与预期相同。

从回撤看，除了锌比较特殊之外，大部分情况回撤都小于20%，说明海龟策略对回撤的控制还是不错的，加上上面对止损提出的改进思路，应该还能做的更好。

小结

从回测来看，海龟交易策略还是挺适合部分商品期货的，但是对于不同的品种，由于其自身特性不同，对于参数的设定还值得推敲，例如最大unit数，这个对于不同品种仓位控制效果需求可能不同；再如唐奇安通道的 N值，在分钟线如何设定值得研究

这里没有设定止盈，我个人的理念是不设止盈，控制好止损，让利润奔跑。文中止损点还有优化的空间，在盈利充分的时候，应当上移止损点锁住更多利润

对于分钟线回测，目前回测框架似乎不完善，1分钟线回测收益高的离谱。有兴趣的矿友可以试试。

原文地址：海龟交易之商品期货版（网页链接）

海龟交易法则具体介绍：（网页链接）

股指期货跨期套利

1.前言

最近阅读了金工研报《选取均值策略，把握波动收益——股指期货跨期套利研究》，刚好优矿社区还没有跨期套利的例子，便将其在优矿期货回测平台进行复现。

2.策略的理论基础

跨期套利是指投资者以赚取期货合约价差为目的，在同一期货品种的不同月份合约上建立数量相等、方向相反的交易头寸，最后以对冲或交割方式结束交易、获得收益的方式。最简单的跨期套利就是买入近期的期货品种，卖出远期的期货品种。因此跨期套利所关注的是合约之间的价差，能够一定程度上避免单个期货合约价格剧烈变动所带来的风险。

对于同一个投资标的，市场上一般有若干张不同到期月份的期货合约。以上证50指数为例，同一时刻，市场上存在当月，下月，当季，下季四个股指期货。这些合约均有同一现货标的，受相同因素的影响，所以合约价格表现出一定的相关性。在市场预期一致的情况下，它们之间的价差应该是稳定的，一旦发生了偏离，那么就出现了套利的机会。

相比期现套利来说，跨期套利并不是无风险套利。期现套利的价差会在合约到期时收敛，但是跨期套利的价差可能会随着股指的上升而上升，实际中也与投资者对中期或短期股指的预期相关，如果价差在一个新的水平上达到平衡，那么我们的策略便面临着风险。

我们拿2015年1月4日到2015年12月31日的上证50股指期货当月合约和下月合约的分钟数据，来对价差进行单位根检验。函数get_current_contracts可以根据当前时间和标的获取标的对应的当前四个合约的名称。

如下图所示，我们选取了从2016年1月1日至2016年6月1日的当月合约与下月合约分钟价差数据，价差大概稳定在25个点。再对其进行adf-fuller单位根检验， p值为0.0013，拒绝原假设，即认为序列平稳。价差的稳定保证了价差出现异常后会回复，其围绕均衡价差的波动带来了套利机会，价差从偏离到回复的收益是可以把握的。

3.基于统计的牛熊市跨期套利

因为当前上证50 股指期货的成交较为活跃仅有当月合约和下月合约，需要使用三张甚至更多合约的蝶式或者鹰式策略并不适用，因此这里和研报一样选取牛熊市跨期套利作为基本策略。

牛市跨期套利是指投资者判断市场向上，价差随之上升时，从而采用做多远月合约、做空近月合约的组合进行套利的策略。而熊市套利是指投资者判断市场向下，价差随之下降时，从而采用做多近月合约、做空远月合约的组合进行套利的策略。

我们已经证明价差是平稳的，所以基于牛熊市跨期套利对价差的判断就来自于价差偏离均衡值后会回复的特性。这里以2倍标准差做建仓标准为例, 具体的操作步骤如下:

牛市跨期套利:当价差从下往上穿越负2倍标准差时建仓，可以预期价差要恢复至均衡值，做空当月合约，做多下月合约；当价差从下往上穿越均衡值时平仓。

熊市跨期套利:当价差从上往下穿越正2倍标准差时建仓，可以预期价差要恢复至均衡值，做多当月合约，做空下月合约；当价差从上往下穿越均衡值时平仓。

关于均衡价差的计算

1.模拟交割法： 通过模拟交割过程各项费用，来计算套利过程中的各项成本，从而得出均衡价差

优点：容易计算，价差变化下；缺点：实际中价差很少恢复到这一水平

2.历史滞后均值法： 通过历史的价差，选择时间窗口长度，得到均衡价差

优点：容易计算，价差动态；缺点：不能保证样本外价差恢复到这一水平

这里，我们选择了历史滞后均值法来计算均衡价差，一方面它计算简单，另一方面可以随着新增的数据动态的变化。初始资金设置为100w，以牛市跨期套利为例。

4.策略的评价

这里总共尝试使用60，75，90分钟线，1，2，3倍标准差来进行比较，各项指标汇总如下：

可以看出使用75分钟线，2倍标准差可以达到年化23.3%的收益，而最大回撤也仅有0.2%，是一个不错的策略。使用1倍标准差会带来稍大的回撤，但是无论在三种分钟线下其年化收益更高。使用3倍标准差时,其年化收益很低，这与研报的结论不一致。下图画出了使用75分钟线，2倍标准差时，价差与其上下限的走势。

一共开仓了294次，约每天开仓5次，频率较高。

策略源地址：股指期货跨期套利（网页链接）

基于市场情绪平稳度的股指期货日内交易策略

1.准备工作

前几天阅读了广发证券的金工研报《基于市场情绪平稳度的股指期货日内交易策略——另类交易策略之二十一》，被里面的那条优美的累计收益曲线所吸引，开始我并不相信这样的结果，所以想用优矿期货回测平台来进行初步的验证。研报受到“最大回撤”这一思想的启发，认为可以通过回撤来衡量股指期货价格序列的平稳度，进而判断今日行情的走势。一般而言，最大回撤的定义如下： 假设价格的时间序列为{xt},那么最大回撤为：

在单边上涨行情中，我们计算各个点的平均最大回撤

对于单边下跌行情，我们需要对最大回撤做稍微的改动，研报定义了一个反向最大回撤，公式如下：

那么各点的平均反向最大回撤公式为：

其中，j>i。

代码实现（网页链接）

2.策略逻辑

准备工作做完，再看研报的交易逻辑：

• 选择时间窗口，也就是上面公式中的n
• 计算市场情平稳度，判断今日是否开仓。若市场情绪平稳度小于阈值，说明今趋势明显，可以开仓，反之则不开仓
• 判断开仓的方向，若n时刻的收盘价大于开盘价，预测今天上涨趋势，做多；反之则做空
• 平仓，这里我们不加止盈止损，上午11：29平仓

回测的时候，我们选择了IFM0主力连续合约，回测时间为2011年5月1日至2013年6月1日，每天只开2手，初始资金100w，阈值设定和研报不同我这里取4.0/1000，研报的给的阈值9/10000太小了，按照这个阈值来基本不满足开仓条件。分钟跑起来有点慢，还需耐心等待。

3.策略的评价

曲线看起来还是不错的。但是回测时间调整到2011年开始就不尽人意了，所以还是应该要添加止损的逻辑。再来看看其他一些指标：

最大回撤3.4%，年化收益达到64.55%也还不错，胜率也达到了52.1% 我们分析这个策略还有那些需要优化的地方：

• 1.买入的时间的选择，我们是在上午10：05时算出市场情绪平稳度指标，然后判断是否开仓，换成其他的时间点会怎样？
• 2.阈值的选取
• 3.开仓方向的选择也很简单，当前收盘价大于进入开盘价就正向正向开仓未免有些武断。
• 4.平仓时机的选择，选取上午收盘时平仓是否过于简单? 有至少四个地方值得优化，所以这个策略对参数的依赖性很强

再看来看看策略每个月的收益率的热度图

显然，策略的收益很大一部份来自于一月份，7月份过后，策略表现一般，甚至出现了亏损。由于现在还不支持pyfolio，这里把pyfolio的一些画图的稍微进行了修改然后拿来用了。

经典价值投资系列合集

一、 策略考察维度

价值投资以基本面分析为立足点、从股票估值、公司经营、成长性、负债、公司规模和管理层多个方面对股票进行定量分析。19篇价值投资帖共涉及 35 个方面。

1、估值水平

市盈率（PE）

市净率（PB）

股价/每股流动资产

市现率（PCF）

市销率（PS）

2、经营状况

总资产收益率

净资产收益率

投入资本回报率

每股收益

每股现金流量

每股营业收入

股息率

净利润

3、成长性

市盈率（PE）

市净率（PB）

股价/每股流动资产

市现率（PCF）

市销率（PS）

4、负债情况

速动比率

资产负债率

总负债/净流动资产

长期借款/总资本

产权比率

5、风格

总市值

总股本

6、动量类

过去一个月收益率相对值

过去十二个月收益率相对值

7、其他

一致性预期：预期市盈率

公司治理：股权结构

二、 策略内容概述

[1]经典价值投资法 —— 本杰明.格雷厄姆

投资思想：价值投资需要遵循的“价值五法+安全五法”共十条法则，价值五法寻求具备投资价值的股票；安全五法寻求价格与价值的关系，只有当价格和价值相比，具有安全边际时才做交易。十条法则包含了对估值、股息率、成长性、偿债能力、股价泡沫等多个维度的衡量，即要求股票具备合理估值和稳定的成长性；又要求企业具备健康的财务状况和应对危机能力，以期大幅降低投资风险。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2013年1月-2015年9月间本策略年化收益率23.6%，同期基准年化收益率10.6%，阿尔法12.4%，收益波动率31%，最大回撤34.4%。

（网页链接）

[2]成长股内在价值投资法——本杰明·格雷厄姆

投资思想：成长股内在价值可以进行简单估计，公式为：价值=当期(正常)利润×(8.5 + 两倍的预期年增长率)。当价格低于公式所表示的价值时买入，价格高于公式所示价值卖出，即可获得稳定收益。

回测结果：社区用户wei.lu在优矿平台实现了上述投资思想。选用HS300作为股票池，在2012年12月-2015年8月间本策略年化收益率52.3%，同期基准年化收益率28.1%，阿尔法21.2%，收益波动率25.4%，最大回撤16.2%。

（网页链接）

[3]企业主投资法 —— 本杰明·格雷厄姆

投资思想：企业主投资法要求股票具备合理估值、稳定的盈利历史记录，并通过财务结构强调资产具备可实现价值。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2012年1月-2015年9月间本策略年化收益率31.2%，同期基准年化收益率9.4%，阿尔法19.2%，收益波动率30.5%，最大回撤39%。

（网页链接）

[4]詹姆斯.奥肖内西价值投资法

投资思想：詹姆斯.奥肖内西价值投资法主要考察公司的规模水平、盈利能力和派息水平，通过逐步筛选选出符合条件的股票。

回测结果：社区用户wei.lu在优矿平台实现了上述投资思想。选用HS300作为股票池，在2013年1月-2015年9月间本策略年化收益率20.5%，同期基准年化收益率11.7%，阿尔法8.2%，收益波动率28.1%，最大回撤37.6%。

（网页链接）

[5]价值投资策略 —查尔斯·布兰德

投资思想：查尔斯·布兰德斯价值投资法从三个角度对投资标的提出要求，其一要具备强力的资产负债表，其二要具备合理的估值，其三公司经营阶层具备诚信且持股充足。从这三个角度出发，选用负债净值比、董监事会持股比例、 PE、市现率、市净率、市净率相对全市场等指标构建选股标准，形成查尔斯·布兰德斯价值投资法。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2012年1月-2015年9月间本策略年化收益率25.7%，同期基准年化收益率10.3%，阿尔法14.2%，收益波动率29.4%，最大回撤46.1%。

（网页链接）

[6]价值选股法 —— 三一投资管理公司

投资思想：三一公司价值投资选股策略强调价值投资应当具有合理的估值水平和较高的投资者回报率。该法则应用的三个指标包括市盈率、市净率和股利收益率。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2007年8月-2015年10月间策略年化收益率13.7%，同期基准年化收益率-2.7%，阿尔法15.3%，收益波动率30.1%，最大回撤66.1%。

（网页链接）

[7]彼得.林奇基层调查选股法

投资思想：彼得•林奇基层调查选股法严格遵循自下而上的基本面分析，从公司的负债水平、现金保障能力、财务灵活性水平、成长能力、市场估值水平等多个角度对股票进行筛选。

回测结果：社区用户wei.lu在优矿平台实现了上述投资思想。选用HS300作为股票池，在2012年8月-2015年8月间策略年化收益率42%，同期基准年化收益率21%，阿尔法16.8%，收益波动率26.1%，最大回撤36.8%。

（网页链接）

[8]价值选股法 —史蒂夫·路佛

投资思想：史蒂夫·路佛价值选股法则从三个角度对投资标的进行考察，一是估值水平，二是分红水平，三是财务状况。从这三个角度，路佛共提出7个选股标准，分别是市盈率、市净率、每股现金流、股息收益率、股价现金流量比、长期借款/总资本及流动比率。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用ZZ800作为股票池，在2012年1月-2015年10月间策略年化收益率28.5%，同期基准年化收益率12.5%，阿尔法13.9%，收益波动率32.4%，最大回撤46.7%。

（网页链接）

[9]低估价值选股法 — 迈克尔•普莱斯

投资思想：迈克尔•普莱斯认为价值投资选股需遵循以下三点:股价低于资产价值、公司经营阶层持股越高越好、负债越少越好。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2011年1月-2015年11月间策略年化收益率34.2%，同期基准年化收益率3.4%，阿尔法29.8%，收益波动率35.3%，最大回撤38.3%。

（网页链接）

[10]阿梅特·欧卡莫斯集中投资法则

投资思想：阿梅特·欧卡莫斯集中投资法则从四个角度对投资标的进行考察，一是估值水平，二是长期经营绩效，三是管理层管理水平，四是股价相对历史股价是否处于高位。。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用ZZ500作为股票池，在2012年1月-2016年1月间策略年化收益率20.4%，同期基准年化收益率6.3%，阿尔法14.5%，收益波动率26.4%，最大回撤31.2%。

（网页链接）

[11]罗伯特•山朋价值型投资法

投资思想：罗伯特•山朋价值型投资法强调企业应当具有健康的财务状况和出色的公司治理能力。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用HS300作为股票池，在2012年1月-2016年1月间策略年化收益率25.1%，同期基准年化收益率6.2%，阿尔法20.2%，收益波动率16.7%，最大回撤26.3%。

（网页链接）

[12]成功选股法 —— 柏顿.墨基尔

投资思想：柏顿·墨基尔成功选股法主要在公司的盈利能力，市场估值水平，概念题材和交易频率四个方面给投资者做出指导。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2007年8月-2015年10月间策略年化收益率15.5%，同期基准年化收益率-2.4%，阿尔法18.8%，收益波动率36%，最大回撤75.4%。

（网页链接）

[13]罗伯·瑞克超额现金流选股法则

投资思想：罗伯·瑞克超额现金流选股法则从三个角度对投资标的进行考察，一是估值水平，二是分红水平，三是财务状况。瑞克投资法涉及的主要因子分别是：市净率，股利收益率，市盈率，借款总额/总资产及股价/现金流量。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用ZZ800作为股票池，在2012年1月-2016年1月间策略年化收益率48.2%，同期基准年化收益率6.4%，阿尔法42.4%，收益波动率37.7%，最大回撤39.9%。

（网页链接）

[14]麦克·劳尔集中价值选股法则

投资思想：麦克劳尔的投资策略主要从三个角度对股票提出要求，其一、股票具备合理的估值；其二、公司的财务状况要求健康；其三、股票满足一定的动量条件。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用ZZ800作为股票池，在2012年1月-2011年1月间策略年化收益率34.6%，同期基准年化收益率3.5%，阿尔法31.1%，收益波动率36.7%，最大回撤47.9%。

（网页链接）

[15]小型价值股投资法 —— 惠特尼•乔治

投资思想：惠特尼•乔治小型价值股投资法从股票风格、公司运营状况和市场估值水平三个方面进行选股，关注公司的负债水平、自由现金流、总资产报酬率和资本报酬率。

回测结果：社区用户荼茶先生在优矿平台实现了上述投资思想。选用HS300作为股票池，在2011年8月-2015年10月间策略年化收益率12.2%，同期基准年化收益率4.2%，阿尔法8.8%，收益波动率29%，最大回撤39.7%。

（网页链接）

[16]理查马文价值导向

投资思想：理查&马文价值导向选股法则从五个角度对投资标的进行考察： 一是市值规模，二是分红水平，三是财务状况，四是估值水平，五是现金流量。。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用ZZ800作为股票池，在2012年1月-2015年12月间策略年化收益率36.3%，同期基准年化收益率14.2%，阿尔法23%，收益波动率29.2%，最大回撤35.3%。

（网页链接）

[17]戴维•波伦价值型系统评价投资法

投资思想：戴维•波伦价值型系统评价投资法以由下而上的选股方式为主，强调安全边际的重要性，对股票的考察维度包括：财务强度、盈余动能、现金流量等。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用ZZ800作为股票池，在2011年1月-2016年1月间策略年化收益率38.9%，同期基准年化收益率-1.7%，阿尔法40.4%，收益波动率36.5%，最大回撤48.4%。

（网页链接）

[18]麦克•贝利2-2-2 选股法则

投资思想： 麦克.贝利选股准则从三个角度对投资标的提出要求，其一要股票具备合理的估值，其二是公司的未来具备一定的盈利成长能力，其三是股票价格相对于可实现价值处在合理的水平。

回测结果：社区用户wei.lu在优矿平台实现了上述投资思想。选用HS300作为股票池，在2011年1月-2015年10月间策略年化收益率26.1%，同期基准年化收益率3%，阿尔法21%，收益波动率26.2%，最大回撤33%。

（网页链接）

[19]迈克尔喜伟收益型投资法

投资思想：迈克尔喜伟认为适合价值投资的股票具有以下四个特性的：具有高于平均的收益率、具有诱人而可预测的成长率、财务健康和相对低的股价。

回测结果：社区用户股民小王在优矿平台实现了上述投资思想。选用HS300作为股票池，在2011年1月-2016年1月间策略年化收益率35.3%，同期基准年化收益率-0.5%，阿尔法35.3%，收益波动率32.4%，最大回撤44%。

（网页链接）

三、 策略优化

1、市值风格

设置股票池为大小盘分别验证

增加市值因子进行筛选

2、行业风格

验证价值投资策略对于不同行业的效果，如300系列指数，500系列指数等。

构建基于行业中性的价值投资策略。

3、筛选方法

自上而下，逐步淘汰。

以全A为股票池，分别选取符合条件的股票，取公共部分作为买入list。

4、参数优化

根据回测详情中每期入选股票个数进行参数优化，保持每期入选股票个数在10-15之间，通常可以兼顾收益率和回撤。