请　[注册]　或　[登录]　 | 返回主站

量化交易吧 /  数理科学 帖子：3354172 新帖：5

谁是A股历史上最赚钱的证券？

大师做交易发表于：5 月 10 日 03：25回复(1)

股票市场中最为有趣的传说，莫过于巴菲特式的挖掘伟大公司并长期持有，比如大家津津乐道的可口可乐、富国银行之类的故事。比有趣更为精彩的则是，巴菲特的投资者们，假设50年前买进并持有波克夏哈撒韦，那则是传奇了。股神只有一个，股神的投资者们则以万计。

于是，我想统计一下A股、基金、以及指数，到底哪些赚钱，一则满足一点点好奇心，二则看看这些证券有哪些特点。

第一步，取stock、etf、lof、index类证券

第二步，过滤，10年以前上市、当前依然存活。10年相当于一个朱古拉经济周期，避免牛熊轮回的影响。

第三步，取历史数据

第四步，计算对数收益

第五步，建立新表格，index为证券编号，为下边的统计数据做准备

第六步，计算alpha，即该证券相对沪深300的收益年化，top20全是大牛股，但是，其中也有一些是题材股，我很担心未来能否牛下去。

第七步，计算beta。主要是债券指数，以及，ST！债券低beta可以理解，跟沪深300相关度低，ST是什么原因？它停牌太多了，停牌期间使用停牌前的价格，对数收益为0，但是这样的低相关不等于低风险。真正的低相关、低风险、优质资产只有一个，长江电力。

第七步，计算夏普比，top20的绝大部分是优质资产了，所以，我认为，夏普比是比alpha、beta、波动率更为可信的指标。

600340.XSHG 华夏幸福 33.744728 0.916719 0.719420
600436.XSHG 片仔癀 28.040044 0.772822 0.676325
600519.XSHG 贵州茅台 21.365828 0.637456 0.641435
000661.XSHE 长春高新 28.652854 0.807463 0.609317
600276.XSHG 恒瑞医药 21.260560 0.588538 0.589875
600887.XSHG 伊利股份 22.735450 0.799525 0.583004
600763.XSHG 通策医疗 24.810522 0.701061 0.544251
002236.XSHE 大华股份 24.599395 0.843312 0.525328
002032.XSHE 苏泊尔 21.126221 0.851954 0.505074
002044.XSHE 美年健康 22.914683 0.778570 0.503893
000651.XSHE 格力电器 19.602505 0.958015 0.500840
000596.XSHE 古井贡酒 23.999541 0.927241 0.490846

应用例子，列出2012年以前上市的夏普比最优的１０只ETF：

第一步，修改如下：
all_scu = get_all_securities(['etf'])
all_scu.loc[index] = ['沪深300', 'HS300', dt.date(2005, 4, 8), dt.date(2200,1,1), 'index']
all_scu[-10:]

最后一步，结果如下：
159905.XSHE 深红利 6.419842 1.035078 0.319340
510030.XSHG 价值ETF 4.650838 0.871513 0.284089
510230.XSHG 金融ETF 4.671781 0.989351 0.268609
159916.XSHE 深F60 6.230197 0.716095 0.246726
159910.XSHE 深F120 4.505099 0.815895 0.234221
510880.XSHG 红利ETF 2.785759 0.925952 0.227141
510150.XSHG 消费ETF 3.998074 0.720098 0.226531
510050.XSHG 50ETF 2.442447 0.972402 0.204373
159915.XSHE 创业板 4.434525 1.039409 0.197085
510180.XSHG 180ETF 2.046681 0.990024 0.190323

import numpy as np
import pandas as pd
import datetime as dt

index = '000300.XSHG'
all_scu = get_all_securities(['stock','etf', 'lof', 'index'])
all_scu[:10]
display_name name start_date end_date type
000001.XSHE 平安银行 PAYH 1991-04-03 2200-01-01 stock
000001.XSHG 上证指数 SZZS 1991-07-15 2200-01-01 index
000002.XSHE 万科A WKA 1991-01-29 2200-01-01 stock
000002.XSHG A股指数 AGZS 1992-02-21 2200-01-01 index
000003.XSHG B股指数 BGZS 1992-02-21 2200-01-01 index
000004.XSHE 国农科技 GNKJ 1990-12-01 2200-01-01 stock
000004.XSHG 工业指数 GYZS 1993-05-03 2200-01-01 index
000005.XSHE 世纪星源 SJXY 1990-12-10 2200-01-01 stock
000005.XSHG 商业指数 SYZS 1993-05-03 2200-01-01 index
000006.XSHE 深振业A SZYA 1992-04-27 2200-01-01 stock 
start_date = dt.date(2009,1,1)
end_date = dt.datetime.now().date()
slist = [s for s in all_scu.index if all_scu.loc[s].start_date < start_date \
        and all_scu.loc[s].end_date > end_date]
slist = slist
slist[:10]

['000001.XSHE',
 '000001.XSHG',
 '000002.XSHE',
 '000002.XSHG',
 '000003.XSHG',
 '000004.XSHE',
 '000004.XSHG',
 '000005.XSHE',
 '000005.XSHG',
 '000006.XSHE']
N = 2400 # days in 10-year
h = history(N, '1d', 'close', slist)
h.iloc[:10]
000001.XSHE 000001.XSHG 000002.XSHE 000002.XSHG 000003.XSHG 000004.XSHE 000004.XSHG 000005.XSHE 000005.XSHG 000006.XSHE ... 601898.XSHG 601899.XSHG 601918.XSHG 601919.XSHG 601939.XSHG 601958.XSHG 601988.XSHG 601991.XSHG 601998.XSHG 601999.XSHG
2009-05-19 5.95 2676.68 7.93 2809.66 174.80 7.26 2212.22 4.06 2955.96 3.75 ... 10.73 4.74 10.43 12.74 2.80 12.87 2.14 6.25 3.68 10.26
2009-05-20 5.86 2651.41 7.83 2782.98 175.53 7.12 2196.40 4.00 2931.85 3.75 ... 10.96 4.79 10.71 12.51 2.76 12.43 2.12 6.12 3.65 10.57
2009-05-21 5.64 2610.62 7.54 2740.14 173.18 6.96 2170.09 3.99 2883.14 3.63 ... 10.46 4.93 10.20 12.01 2.72 12.27 2.09 6.01 3.58 10.36
2009-05-22 5.69 2597.60 7.46 2726.38 173.76 6.73 2147.75 3.98 2886.06 3.65 ... 10.13 4.76 9.81 12.05 2.73 12.06 2.10 6.05 3.56 10.36
2009-05-25 5.71 2610.01 7.70 2739.40 174.57 6.69 2161.14 3.98 2892.85 3.76 ... 10.07 4.67 10.17 11.97 2.73 12.36 2.10 6.06 3.55 10.78
2009-05-26 5.69 2588.57 7.47 2716.86 173.90 6.79 2145.32 3.93 2871.64 3.60 ... 9.65 4.62 9.61 11.79 2.70 12.26 2.08 6.00 3.53 10.56
2009-05-27 5.94 2632.93 7.53 2763.54 174.90 6.80 2182.77 4.06 2890.90 3.63 ... 9.75 4.62 9.83 12.34 2.78 12.27 2.12 5.99 3.62 10.37
2009-06-01 6.09 2721.28 7.86 2856.41 178.68 6.79 2253.58 4.09 2942.41 3.76 ... 10.52 5.08 10.81 12.91 2.86 13.15 2.18 6.16 3.68 10.34
2009-06-02 6.15 2724.30 7.90 2859.59 178.85 6.87 2259.52 4.07 2946.71 3.88 ... 10.33 5.35 10.79 13.63 2.84 13.05 2.16 6.20 3.64 10.43
2009-06-03 6.64 2778.59 8.38 2916.66 181.10 6.90 2281.24 4.14 3005.52 4.10 ... 10.59 5.57 11.03 13.78 2.94 13.37 2.22 6.20 3.78 10.18

10 rows × 1703 columns

r = h/h.shift(1)
r = r[1:]
r = np.log(r)
r[:10]
000001.XSHE 000001.XSHG 000002.XSHE 000002.XSHG 000003.XSHG 000004.XSHE 000004.XSHG 000005.XSHE 000005.XSHG 000006.XSHE ... 601898.XSHG 601899.XSHG 601918.XSHG 601919.XSHG 601939.XSHG 601958.XSHG 601988.XSHG 601991.XSHG 601998.XSHG 601999.XSHG
2009-05-20 -0.015242 -0.009486 -0.012691 -0.009541 0.004168 -0.019472 -0.007177 -0.014889 -0.008190 0.000000 ... 0.021209 0.010493 0.026492 -0.018218 -0.014389 -0.034786 -0.009390 -0.021019 -0.008186 0.029767
2009-05-21 -0.038266 -0.015504 -0.037740 -0.015513 -0.013478 -0.022728 -0.012051 -0.002503 -0.016754 -0.032523 ... -0.046694 0.028809 -0.048790 -0.040789 -0.014599 -0.012956 -0.014252 -0.018137 -0.019364 -0.020068
2009-05-22 0.008826 -0.005000 -0.010667 -0.005034 0.003344 -0.033604 -0.010348 -0.002509 0.001012 0.005495 ... -0.032057 -0.035091 -0.038985 0.003325 0.003670 -0.017263 0.004773 0.006634 -0.005602 0.000000
2009-05-25 0.003509 0.004766 0.031665 0.004764 0.004651 -0.005961 0.006215 0.000000 0.002350 0.029692 ... -0.005941 -0.019089 0.036040 -0.006661 0.000000 0.024571 0.000000 0.001652 -0.002813 0.039740
2009-05-26 -0.003509 -0.008248 -0.030325 -0.008262 -0.003845 0.014837 -0.007347 -0.012642 -0.007359 -0.043485 ... -0.042603 -0.010764 -0.056638 -0.015152 -0.011050 -0.008124 -0.009569 -0.009950 -0.005650 -0.020619
2009-05-27 0.042999 0.016992 0.008000 0.017036 0.005734 0.001472 0.017306 0.032544 0.006685 0.008299 ... 0.010309 0.000000 0.022635 0.045594 0.029199 0.000815 0.019048 -0.001668 0.025176 -0.018156
2009-06-01 0.024939 0.033005 0.042892 0.033053 0.021382 -0.001472 0.031925 0.007362 0.017661 0.035186 ... 0.076011 0.094917 0.095033 0.045156 0.028371 0.069264 0.027909 0.027985 0.016439 -0.002897
2009-06-02 0.009804 0.001109 0.005076 0.001113 0.000951 0.011713 0.002632 -0.004902 0.001460 0.031416 ... -0.018226 0.051785 -0.001852 0.054271 -0.007018 -0.007634 -0.009217 0.006473 -0.010929 0.008666
2009-06-03 0.076660 0.019732 0.058985 0.019761 0.012502 0.004357 0.009567 0.017053 0.019761 0.055152 ... 0.024858 0.040298 0.021999 0.010945 0.034606 0.024225 0.027399 0.000000 0.037740 -0.024261
2009-06-04 0.020865 -0.004093 0.002384 -0.004095 -0.003762 0.017242 -0.002185 -0.017053 -0.016455 0.002436 ... -0.008535 -0.023616 -0.002724 -0.020529 0.010152 0.030930 -0.004515 0.059485 -0.007968 -0.036004

10 rows × 1703 columns

tvalue = pd.DataFrame(all_scu.loc[slist,'display_name'])
tvalue[:10]
display_name
000001.XSHE 平安银行
000001.XSHG 上证指数
000002.XSHE 万科A
000002.XSHG A股指数
000003.XSHG B股指数
000004.XSHE 国农科技
000004.XSHG 工业指数
000005.XSHE 世纪星源
000005.XSHG 商业指数
000006.XSHE 深振业A 
Rt = r.mean()
tvalue['alpha'] = 24000*(Rt - Rt[index])
tvalue.sort_index(by='alpha', ascending=False).head(20)
display_name alpha
600340.XSHG 华夏幸福 33.744728
000661.XSHE 长春高新 28.652854
600705.XSHG 中航资本 28.148656
600436.XSHG 片仔癀 28.040044
000631.XSHE 顺发恒业 26.437897
000622.XSHE 恒立实业 25.784118
600763.XSHG 通策医疗 24.810522
002236.XSHE 大华股份 24.599395
000156.XSHE 华数传媒 24.400672
000596.XSHE 古井贡酒 23.999541
002230.XSHE 科大讯飞 22.929297
002044.XSHE 美年健康 22.914683
600887.XSHG 伊利股份 22.735450
000977.XSHE 浪潮信息 22.266800
002049.XSHE 紫光国微 22.200750
002271.XSHE 东方雨虹 22.140175
600446.XSHG 金证股份 21.897964
600519.XSHG 贵州茅台 21.365828
600276.XSHG 恒瑞医药 21.260560
002032.XSHE 苏泊尔 21.126221 
Bt = pd.Series([],[])
for s in slist:
    c = cov(r[s], r[index])
    Bt[s] = c[0,1]/c[1,1]
tvalue['beta'] = Bt
tvalue.sort_index(by='beta', ascending=True).head(20)
display_name alpha beta
000012.XSHG 国债指数 0.377678 -0.001236
000022.XSHG 上证公司债指数 1.912531 -0.000389
399481.XSHE 企债指数 -3.309561 -0.000244
399923.XSHE 公司债 1.959856 -0.000244
000923.XSHG 公司债 1.959856 -0.000065
000013.XSHG 上证企业债指数 2.243672 -0.000025
161010.XSHE 富国天丰 2.599961 0.057739
000403.XSHE 振兴生化 18.935969 0.211499
600817.XSHG ST宏盛 6.914515 0.257433
000981.XSHE 银亿股份 6.438635 0.293009
000038.XSHE 深大通 5.106820 0.300765
600870.XSHG *ST厦华 -2.328321 0.342413
000693.XSHE *ST华泽 -11.109592 0.360467
600401.XSHG *ST海润 -2.136555 0.365159
000688.XSHE 国城矿业 11.059581 0.384690
600145.XSHG *ST新亿 0.313353 0.407310
000622.XSHE 恒立实业 25.784118 0.409320
600900.XSHG 长江电力 6.784228 0.429737
000672.XSHE 上峰水泥 5.117269 0.445091
600681.XSHG 百川能源 11.623827 0.453649 
tvalue['SR'] = (240*r.mean() - 0.05)/(sqrt(240)*r.std())
tvalue.sort_index(by='SR', ascending=False).head(20)
display_name alpha beta SR
600340.XSHG 华夏幸福 33.744728 0.916719 0.719420
600436.XSHG 片仔癀 28.040044 0.772822 0.676325
600519.XSHG 贵州茅台 21.365828 0.637456 0.641435
000661.XSHE 长春高新 28.652854 0.807463 0.609317
600276.XSHG 恒瑞医药 21.260560 0.588538 0.589875
600887.XSHG 伊利股份 22.735450 0.799525 0.583004
600763.XSHG 通策医疗 24.810522 0.701061 0.544251
002236.XSHE 大华股份 24.599395 0.843312 0.525328
002032.XSHE 苏泊尔 21.126221 0.851954 0.505074
002044.XSHE 美年健康 22.914683 0.778570 0.503893
000651.XSHE 格力电器 19.602505 0.958015 0.500840
000596.XSHE 古井贡酒 23.999541 0.927241 0.490846
000013.XSHG 上证企业债指数 2.243672 -0.000025 0.474559
000963.XSHE 华东医药 18.649505 0.628749 0.470887
002252.XSHE 上海莱士 18.313229 0.534981 0.454392
002271.XSHE 东方雨虹 22.140175 1.063842 0.434609
002230.XSHE 科大讯飞 22.929297 0.944795 0.432094
002049.XSHE 紫光国微 22.200750 0.886714 0.412963
000858.XSHE 五粮液 15.745040 0.859229 0.408251
002035.XSHE 华帝股份 20.468450 1.074784 0.405404

       

全部回复

0/140

量化课程

    移动端课程