数量技术宅团队在CSDN学院推出了量化投资系列课程
欢迎有兴趣系统学习量化投资的同学,点击下方链接报名:
量化投资速成营(入门课程)
Python股票量化投资
Python期货量化投资
Python数字货币量化投资
C++语言CTP期货交易系统开发
数字货币JavaScript语言量化交易系统开发
股票型基金的特点
基金是我们在日常生活中,最常见的可投资金融资产之一。相比较股票、期货、数字货币,基金有两大特点,第一是基金最低10元就可以起投,资金门槛极低,适合普通投资者参与; 第二,股票型基金并不直接对标实际的金融资产,它是由或被动选择、或基金经理主动选择的一揽子股票所组合而成的投资标的,股票型基金持股数量往往达到十几只或几十只个股,而且由专业的投资团队进行选股、调仓维护,在一定程度上解决了非专业投资者直接面对个股过度波动的风险。可以说,投资基金(股票型基金),对于非专业投资者来说, 是一个相对可行的投资方式。
但是,各位读者请注意,投资基金并不意味着不同的时间、不同的基金,可以随意选择,投资基金想要盈利,必须有一套自己的交易体系,这与我们做量化交易,必须遵循所开发得到的量化交易策略,是一样的。
那么,我们如何构建一个盈利的基金交易体系,或者说,落实到实际才做,我们应该怎么买基金?在什么时间买?买什么样的基金?要想回答上述的问题,我们需要先来看股票型基金对标的底层资产:A股市场,它的特征。
A股市场的特征
A股市场的特征,我们可以总结为两个大的方面:
第一, 散户参与度高,市场情绪化明显,极端乐观(高估)与极端悲观(低谷)并存
我们来看长期A股、美股的走势对比,可以说近,A股与美股的总体涨幅相差不大,但为什么A股总是给我们横盘不涨、长期下跌的印象?这就是由市场参与结构决定的,A股散户占比相对美股更高,导致情绪化更明显,牛市的时候大家一窝蜂的买股票,盲目的对股票市场过度乐观,导致市场估值奇高;而熊市的时候大家又过于悲观,一路卖股票,导致市场长期在底部低迷。
可以看到上图,虽然A股长期与美股涨幅相当,甚至还好于美股,但A股的波峰、波谷,它的波动幅度,显著的要大于美股,如果你没有选择好购买股票、基金的时机,在情绪乐观到达顶点的07年、买入了基金,那么面对的将是长时间、大幅度的亏损。 而美股的整体波动率更小,任意挑选时间买入,后续盈利的概率会更大一些,正是这样的市场特征,在A股市场买基金,会买和不会买,最后的收益率天差地别。
第二,股票市场是一个长期正和博弈的市场
不仅是A股,所有的股票市场,都是一个长期正和的市场。 长期正和,意味着只要你在合适的价格买入并长期持有,长久来看大概率是能够盈利的。这里我们就需要引入股价的一个公式 P = PE*E。其中P是股票指数或股票的价格,PE是市盈率,E是股票或者市场的整体盈利情况。由于PE市盈率是在一个范围内波动的,我们可以把它认为是一个接近常量的值,而E市场的整体盈利会随着国家经济的发展、通胀、GDP的增长而长期上涨,那么这两个指标相乘后得到的P,必然也将长期上涨。
所以,我们要做的,就是在PE不那么高的时候,买入,持有,并享受E长期的上涨,以及所带来P长期的上涨。
到底怎么买基金才能盈利
问题就来到了,我们如何做到在PE不那么高的时候买入,由于预测PE的波动是很难的,我们假定自己没有预测PE的能力,于是我们引入基金定投的思路:即按照每隔一定的时间间隔,固定、等额的买入一定数量的基金,当定投的次数越多、时间越长,由于PE是在一个相对稳定的区间波动的,那么随着定投次数增多,根据中心极限定理,最终我们买入的平均PE,会大概率的收敛到市场PE的中位数,这样,我们就能确保自己持仓基金(及对应的一揽子股票)的PE不那么高了。
我们团队是做量化投资的,如此理论思路,自然需要用数据来做验证。直接为大家展示我们的回测结论:定投时间越久,盈利概率越大,与定投开始的时间关系不大,只要时间足够长,最终年化收益率IRR接近。
我们在文中以沪深300指数举例,我们也测试了其他的宽基指数,得到的结论大同小异:当定投的时间足够长(以前开始定投,最终的年化收益率,都是比较接近的),年化IRR:7%,与这几年真实GDP的增长率也比较接近,这从数据上进一步验证了我们对于P = PE*E 公式的假设。
我们应该怎样挑选基金
在上一小节中,我们测试得到沪深300指数,如果我们长期定投的话,最终的真实年化收益率会逼近7%,可能有些同学会觉得这个收益率比较低,的确,定投只能确保我们不买在一个高PE,或者价格的高位,解决了不长期被套、能够通过长期投资盈利的问题。再进一步,我们如果进一步提高投资的收益率,也就是我们前文测算的年化IRR?
这就涉及到一个新的问题,我们应该怎样挑选基金?选择什么样的基金投资(定投),对最后的收益率也会产生较大的差异。不同基金,E的增长率是有显著差别的,也就是,最终P的收益率,会千差万别。
例如沪深300、中证500等宽基指数,由于其行业分布广泛、持股数量多,最终的收益率,往往会收敛到真实的GDP增速,如果我们想要获取超额收益率,就需要在基金选股上,进一步研究。能够长期跑赢大市的基金,可以分为两类,一类是优秀基金经理操盘的基金,一类是重点配置在某个优秀行业(好赛道)的基金。对于第一类基金,因为基金经理更换,风格切换等原因,不太适合长期定投,所以,为了获取更高的收益,我们需要将投资标的聚焦在那些优秀的行业基金上。
巴菲特所说的滚雪球,长长的坡道,厚厚的雪堆,指的就是好行业、好赛道的重要性。近期大火的高瓴资本,在一二级市场都有不错的投资业绩,他们近几年的持仓,有一半左右配置在了医药行业,在高瓴眼中,医药是一个好的赛道。从下图可以看到,医药指数在历史上,远远跑赢了上证和沪深300指数。
A股、港股、美股行业超额收益统计
那么,究竟哪些行业才是好的赛道,才是值得长期投资的对象?我们通过历史的数据分析,按行业划分赛道,统计A股、港股、美股三个不同的市场、不同行业的超额收益率,超额收益指的是相对于基准指数(大盘)的收益率。不同的市场由于经济结构的原因,好的赛道也不尽相同。我们通过wind的Python接口获取行业指数、基准指数数据,计算各行业累积超额收益率后排序。
A股行业收益统计
首先来看A股市场,我们选择中信一级行业(剔除了新近编制的综合金融),基准指数选沪深300,数据选择所有行业的历史数据。
我们分别来看累积收益排名靠前、累积收益排名靠后的行业。在A股,食品饮料、家电、非银金融、医药这些消费类的行业,在历史上的表现更佳,而排名靠后的行业,多是周期性较强的行业,比如电力、石油石化、交通运输、钢铁等。
由于我们国家的经济结构不断在发生变化,我们再来统计近、近5年表现最好的行业。从结果来看,近表现最好的行业包括电子、计算机等新兴高科技行业,以及食品饮料、家电等消费品行业;而近5年表现最好的行业,依然集中在科技和消费领域,特别是以白酒为代表的食品饮料行业,在A股长期表现优秀。
港股行业收益统计
统计完A股各行业的收益,我们接下来读入港股的数据,选择恒生行业指数作为港股市场行业划分的指数,同时选择恒生指数,作为统计超额收益的基准指数。我们依然是统计了历史全量数据、过去、过去5年的历史收益率。对于港股,以腾讯为代表的科技资讯行业,在历史涨幅,尤其是近几年的涨幅中,显著领先于其他行业,也说明在港股,互联网公司是一个优质的行业(赛道)。
美股行业收益统计
最后,我们来看美股的行业统计,美股经济结构与A股不尽相同,行业超额收益的分布也会有所不同。我们选择标普美国行业指数,基准指数选择标普指数,同样使用WindPy接口,进行统计。在美股的行业中,以Facebook、Amazon、Apple、Netflix、Google为代表的互联网高科技企业,长期产生了巨大的超额利润,与此同时,必须消费、医药,在美股,同样有长期比较好的表现。
优秀行业的总结
通过统计A股、港股、美股不同行业的超额收益对比,可以看到,尽管不同国家、不同地区的经济结构有所不同,但这些主流市场长期走牛的行业,基本集中在消费、医药、高科技,这三大行业领域。因此,我们不论是在挑选基金、还是挑选个股的时候,都要有意识地侧重于这三个行业,选对了行业,我们才能够获取长期比指数平均收益率更高的收益。
以上就是本期内容的完整分享,如果你想要获取本期分享的WindPy统计行业超额收益的Python代码,或者是对本次分享的内容有问题,欢迎扫码添加技术宅微信,与我交流。
往期干货分享推荐阅读
【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略
AMA指标原作者Perry Kaufman 100+套交易策略源码分享
【 数量技术宅 | 期权系列分享】期权策略的“独孤九剑”
如何获取免费的数字货币历史数据
【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算,恐怕没有你想的那么简单
【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略
【数量技术宅|量化投资策略系列分享】多周期共振交易策略
【数量技术宅|金融数据分析系列分享】为什么中证500(IC)是最适合长期做多的指数
大宗商品现货数据不好拿?商品季节性难跟踪?技术宅带你Python爬虫一键解决没烦恼
【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品
【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略
【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫