请 [注册] 或 [登录]  | 返回主站

量化交易吧 /  数理科学 帖子:3351420 新帖:38

小市值策略的探索性研究(三)重要!有进展了!戳进来戳进来!

技术性调整发表于:6 月 19 日 12:33回复(1)

小市值策略的探索性研究(三)重要!有进展了!戳进来戳进来!¶

如无特别说明,数据来源与研究平台都是来自 聚宽 joinquant

相关文章:

  • 小市值策略的探索性研究(一)
  • 小市值策略的探索性研究(二)

写在最前面的话:¶

有小伙伴给我反应,前面两篇看的晕头转向,哈哈。那我在这里简单的回顾下。其实我的逻辑很简单, 首先,回测发现小市值效果不错,十年几百上千倍。第一反应自然是眼瞎了,程序哪里出了问题?在确认并没有出问题之后(我甚至还手动核对过的下单),于是我就得研究研究小市值是怎么回事了。

刚开始我并没有完全的规划。感觉可能跟A股的壳资源有关,或者压根就是市值小了庄家就比较好炒作。所以只是一个探索性的研究。那么第一步干什么呢?其实我干的事情也非常简单,就是把市场上的股票市值的分布画了一个图。要研究小市值,起码得看看市场上当前的市值是什么样子,在1~10亿区间有多少,10~100亿有多少,等等等等,对吧

分布图.png 于是就有了上面这张图,其实非常好理解,颜色越亮,说明市值在这个位置的股票个数越多,横轴是时间。小市值 1其实就干了这么一件事情:直观的,感性的看看,市场上哪个区间市值分布的股票个数最多?随着时间推演,这些市值的变化有哪些?

我既然画出了一张图,不如再倒腾倒腾,把几个指数的市值分布都画了,顺手的事儿呗,对吧。再画个3D图,多么狂拽酷炫吊炸天。 取对数的原因是因为市值分布从几亿到几万亿都有,相差万倍,放到图上啥都看不出来。我得把坐标拉近。咳咳,其实中心思想还是上面那一套。

然后,当当当当,我们到了小市值2,小市值2其实中心思想也很简单,如果我买一篮子小市值股票(也就是全买了),把这些股票看成一个组合,那么这个组合随着时间的推演,是赚还是赔呢?那就试一下呗。每3个月建立一个新的组合,把当时的小市值等权重的买下来,放那不动, 看看其净值的发展。所以就有了下面这个图,跟洋葱一样,看着很复杂,但是背后的意思其实很简单,每条曲线代表的含义就是当年买的那些小市值股票的走势的加权平均,之所以有这么多曲线,是因为我每隔三个月就画了一条线,但以前的又舍不得删。。。(虚线的是大盘)。 净值变化.png

我这么一说,是不是就清楚了?剩下的图,无非就是在这张图的基础上耍耍花样,把时间平移到同一个点上,看看长什么样子,或者减去大盘的走势,看看有没有超出大盘的部分。

这么一看,我擦,小市值1和2 其实没讲多少东西嘛。bingo,你们啊,又说对了。但是!哦不,字体要放大

但是!¶

但是对于小市值,现在我已经有一个比较成型的思路了,将来会合并一篇大的新闻出来(乱入),恩大的文章出来。小市值1和2只是开头的铺垫,铺垫明白否。你去餐馆点了八荤八素,现在只是凉菜啊亲。

那么小市值预计能写几篇呢,其实我也不知道,我已经把第四篇构思出来了。我写的卖力与否,跟各位看官的反应很有关系啊,所以请各位多多打赏,收藏,点赞,转发,回复啊!!群众越热烈,我写的就越带劲啊,那个是呼呼呼的,叫什么词来着,笔下生风。恩。

ok这篇小市值3我尽量写的明白一些,每一步想干嘛先写上,这样看的不晕。以后小市值1 和2 我也会重新整理。放心吧,各位小伙伴。

好了,下面言归正传¶

小市值2的时候直观的看了一下,你在09年以后买小市值,整体表现应该都不错的,反正比同期大盘强上那么一丢丢。那么背后的逻辑是什么呢?

大家猜测的,跟我猜测估计也一样,就是小市值这个玩意,一是有壳资源的价值的。由于08~09年那阵子大熊市,郭嘉把IPO的制度变了又变,后面几年就没正常过,导致壳资源异常的贵。因此,各路妖孽纷纷借壳上市。你市值越小,其实越好操作,对吧!还有一个就是各路庄家内幕。大盘股怎么撼动呢?弄一个题材,弄一个定增啊,重组啊,还不都是小盘股上动手脚。

那么问题就来了,这种东西,怎么去量化呢?辛亏中国股市基本就是一个套路,你借壳也好,重组也好,这种重大事项,都是要发公告停牌的,对吧(所以一般来说,在我大A股,停牌都是好事情)。一个个翻公告,去看当时有没有什么,太麻烦了。那么就直接统计停牌情况好啦。

于是我们的本篇思路就非常清晰了,看看单位时间内小市值股票的停牌情况, 再看看同期整个时间所有股票的停牌情况,是不是随着市值的减小,停牌的可能性就越高?如果是,就说明上面的这个逻辑成立!我们就找到了一条市场赚钱的规律!这个规律是实打实有逻辑链支撑的!

那么我们开始:

市值分位线¶

首先,可以看到,A股市场的市值分布是有一条聚集带(图中高亮部分)的,随着大盘的波动,这个聚集带有时候高,有时候低,但是大部分的股票都会在这个区间内。我们把市值的分位数标出来(不知道分位数的请百度一下),市值越小,分位数越低。可以看到,市值分布的主体大致在0.15到0.65这个分位区间里。那么就好办了,我们把主要精力就放在0.15以下的这个分位区间里(也就是0.15以下可以看做较小的市值了,对这个区间更加细致的进行研究)。

分布图.png

  • 股票池是沪深所有股票。
  • 纵轴market_cap_log表示取了自然对数的市值,即log(市值)。
  • 横轴date表示时间。
  • 颜色深浅表示density,即市值分布的概率密度。简单的说,颜色越趋近红色表示越密集。
  • 分位点:比如,在某分位标准下,如0.3,某一点的时间是201212,市值对数是8,该点是分位点含义是,市值对数小于该点(8)的股票数量占当时(201212)股票池股票总数的0.3即30%。
  • 市值的分位曲线:各个时间下分位点的连线。

接下来,就如上文中提到的那样,来看看不同区间内的停牌情况,跟所有股票的停牌情况比较一下,暂时把区间带分为0~0.01,0.01~0.05,0.05~0.1,0.1~0.15(密集分布下沿),0.15-0.65(密集分布区间),0.95-1 (顺便看一下大市值股票)这么几份。

为了衡量股票的停牌情况(到是底停牌多了,还是停牌少了,把这个东西量化),我们引入一个指标--单位时间停牌率。

单位时间停牌率¶

单位时间停牌率=在给定的时间段中$\sum_{集合内所有股票} 每只股票停牌天数/ 交易日数量*集合内股票个数$

它的含义是这样的,从某一时间点开始,经历一段时间(本文中为三个月),在这段时间内,一只股票的交易天数为,这段时间的天数减去该时间内该股票不交易的天数(如节假休市,停牌),而它的停牌天数,就是它的在交易日该交易而未交易的天数。而一组股票在该时间点的停牌时间比率是,该组股票内,在该时间点往后算的一段时间内(三个月),所有股票的停牌天数之和除以交易天数之和

举个例子,例如某个组合里面有50只股票,在一个月内(假设22天),其中有两只股票停牌过,一个停牌了2天,一个5天,那么总共停牌了7天。则单位时间停牌率=7/(22*50)

于是我们把单位时间内停牌率画出来,(主要还是为了看看是不是市值越小,停牌次数越频繁),就有了下图:

d.png

  • 横轴date表示时间。每个季度统计一下当季度的单位时间停牌率
  • 纵轴表示停牌时间比率的大小。
  • 图例表示各条线代表的市值区间。如0.01--0.05表示市值分布在0.01到0.05分位线之间的股票。

大眼一看,确实啊,简直太明显了,越是小盘股单位时间停牌率越高。不同区间的停牌率,虽然随着大盘的时间有变动,但是市值小的停牌率永远在市值大的上面! 实际上有些股票有时候就停牌一两天,而重组停牌时间往往比较长,所以,我们就想,只有一天的停牌不算啦!只把停牌3天以上的纳入统计!所以我们引入一个参数k,只统计连续停牌在k天以上的单位时间停牌率

我们先去取k=3 试试吧,剩下的参数,你们可以copy代码以后修改一下。

d.png

  • 纵轴表示重要停牌时间比率的大小。
  • 只考虑连续停牌天数大于3天的情况。

我们发现小市值的股票停牌率高的吓人!在07~08年的时候,最小的市值基本上大半都在停牌,而在随后漫长的7年里,单位时间停牌率时不时就给你来个总爆发。到了15年以后,一半以上的股票都是停给你看。

想想还是挺震惊的

但其实俺更关心的是,我在不停牌的时候买了小市值股票,一段时间内会不会停牌?如果我买了,过一段时间就停牌了,岂不是我就发了!

为了知道某个股票组从某天算起m个月内会有停牌状况发生的股票数占比是多少,我们引入未来停牌率的概念。

未来停牌率¶

未来3个月内,只要它停了一次牌,那么就把它统计进去,那么就得到下图:

s.png

  • 纵轴表未来停牌率的大小。

同样的,一次性停牌k天以上的,我们才把它计入统计,这里k==3,你们可以把代码改改自己用。

s.png

  • 纵轴表示重要停牌率的大小。
  • 只考虑连续停牌天数大于3天的情况。

可见,小市值的停牌情况还是多不少。

为了看得更清一些,我们干脆减去市场整体停牌率,看看小市值股票停牌超过了整个A股多少¶

画这些图的初衷,就是想对比一下,小市值股票的停牌率与整个市场的停牌率相比,高不知道哪里去了,但是为了更加清楚的看到小市值股票停牌率的威风,我们直接用各个市值段的停牌率减去基准的停牌率。

就得到下面一系列图:

减去基准的单位时间停牌率¶

d_ex.png

  • 横轴date表示时间。
  • 纵轴表示单位时间停牌率的大小。
  • 只考虑连续停牌天数大于3天的情况。

减去基准的单位时间停牌率,只考虑连续停牌在K天以上的¶

d_ex.png

  • 纵轴表示单位时间停牌率的大小。
  • 只考虑连续停牌天数大于3天的情况。

减去基准的未来时间停牌率¶

s_ex.png

  • 纵轴表示未来时间停牌率的大小。

减去基准的未来时间停牌率,只考虑连续停牌在K天以上的¶

s_ex.png

  • 纵轴表示未来时间停牌率的大小。
  • 重要停牌标准:连续停牌天数大于3天。

小结写到中间,就是这么任性:¶

其实是因为后面的图,我只是变一下参数而已。含义跟前面一样,所以就单纯的摆放一下。 更重要的是,其实小结就一句话就行了:

经过我们的诊断,基本可以确定,在几乎所有的市场情况下,小市值股票的停牌率都明显的高于市场基准。而且市值越小,停牌率越高!

所以说明了什么?

根据我们前面的分析,在炒作成风我A,最好的炒作方法无疑是各种题材(我把题材和概念小小的定义了一下,以后再别的文章中再详细的讲讲),题材公开之前,是拉升的阶段,题材公开的时候,往往就是出货的时候。而根据我们的信息披露制度,题材的公布基本会伴随着停牌。而另一条逻辑,借壳上市,其实也会造成长时间的停牌。

所以逻辑链到此就完整了!小市值的超额收益,是目前A股的制度和参与者共同造成的产物。我们完全有理由相信,小市值的股票比较好炒作,也容易成为各路资金的目标,也容易成为借壳上市的目标。

那么接下来,要做的事情,有两方面,一是向上面的思路深挖,什么样的股票更容易成为炒作/借壳的目标?第二,就是最大化我们的收益。目前我们几百几千倍的收益率,其实是手动调参数调出来的。那么目前我们得到的操作准则就是最优的操作准则吗?在知道了小市值有alpha的情况下,怎么才能最大的榨出来?我后面也会对这个进行探索性的研究。


改一改画图的参数¶

图就是改改参数放到那里就行了,只是看看效果,由于跟前面的一样,就不单独分析了。

如果将连续停牌时间改成5天以上呢?¶

单位时间停牌率¶

d.png

  • 纵轴表示单位时间停牌率的大小。
  • 停牌标准:连续停牌天数大于5天。

减去基准的单位时间停牌率¶

d_ex.png

  • 纵轴表示单位时间停牌率的大小。
  • 停牌标准:连续停牌天数大于5天。

未来时间停牌率¶

s.png

  • 纵轴表示未来时间停牌率的大小。
  • 停牌标准:连续停牌天数大于5天。

减去基准的未来时间停牌率¶

s_ex.png

  • 纵轴表示未来时间停牌率的大小。
  • 停牌标准:连续停牌天数大于5天。

如果将连续停牌时间改成10天以上呢?¶

单位时间停牌率¶

d.png

  • 纵轴表示单位时间停牌率的大小。
  • 停牌标准:连续停牌天数大于10天。

减去基准的单位时间停牌率¶

d_ex.png

  • 纵轴表示单位时间停牌率的大小。
  • 停牌标准:连续停牌天数大于10天。

未来时间停牌率¶

s.png

  • 纵轴表示未来时间停牌率的大小。
  • 停牌标准:连续停牌天数大于10天。

减去基准的未来时间停牌率¶

s_ex.png

  • 纵轴表示未来时间停牌率的大小。
  • 停牌标准:连续停牌天数大于10天。

全部回复

0/140

量化课程

    移动端课程