谁都想买个公寓有30个房间出租，一个房间月租1000元，每月下来有3万。那么问题来了，如果购买有30个房间的公寓，每个房间平均80平米，就是2400平米，每平米需1万元投入也要2400万,如此庞大的资金，普通人是承受不起的。那怎么办呢，不用急，现在有这么个好办法，一个房间只需投3万，每月有1000元收入，30个房间需90万，月收入3万。比购买公寓2400万省20几倍的投资啊，那么有人会问，怎么操盘呢？针对这个问题，下面我给大家举个栗（例）子
今年有个叫马云的，（不是那个马云爸爸哦）在2018年10月29日以2.45元的价位买入1万股50ETF，马云愿意以高出10%也就是在2.55元的价格卖出50ETF，或者愿意在价格下跌10%也就是2.35元的价格加仓1万股 。 具体操作卖开仓：Call2.55@0.0600，表示行权价为2.55元的10月认购期权；Put2.35@0.0400表示行权价为2.35元的10月认沽期权。然后就等待11月27日到期收房租吧。
11月27日期权到期日会发生什么呢？可能出现三个方向：
方向A：如果到期50ETF大于2.55元，认购期权将被行权，于是马云以2.55元行权卖出手中的1万股50ETF，每股价差收入=2.55-2.45=0.1元，加上认购和认沽权利金收入0.1元，每股总盈亏=0.2元，乘以1万股，等于2000元，哇塞，月租金2000元啊，年化80%。实现了溢价卖股票相当于2.65元卖出，完成了高抛。耐心等待价格回落再开启策略（或用其他策略）。
方向B：如果到期50ETF介于2.35与2.55元之间，两份期权都不会被行权，于是马云还是持有着1万股，并将0.1元的权利金全部收入囊中，把原来2.45元的建仓成本降低到了2.35元。期权的权利金1000元就是房租钱，年化40%。根据当前价格再卖开一对期权，开启下个月收房租的历程。
方向C：如果到期50ETF小于2.35元，认沽期权将被行权，于是马云必须再准备出23500元（2.3510000）的现金买入1万股50ETF，考虑到两份期权权利金收入为1000元（0.110000），马云实际的再买入成本是2.25元。等于在2.25元支付22500元再购一间出租房。结合原来1万股的建仓成本为2.35元，于是平摊下来，马云相当于以2.3元建仓了2万股50ETF，实现了折价购2间出租房，为后续潜在的上涨完成了低吸，房子可在下一组期权卖认购位置变现，还有租金收，也是1000元房租，年化也是40%。循环往复的收租金，几年下来，马云就是马云爸爸了。
看完策略后，你在EXCEL表格进行模拟运算，会提出很多问题，持续下跌怎么办，暴涨不是赚少了吗？您别急，我一一回答你。暴涨时，只能按认购行权价卖出，这时要结合牛市策略组合。持续下跌或断崖下跌要有资金加仓和承受浮亏的心理，因为风险要加倍。但魏杰的观点：2018、2019、2020这三年国家要稳金融，稳增长，稳开放度过三年调整期，因此市场宏观面，适合本策略运行。为应对极端情况，风控采用亏损2000元止损离场，卧薪尝胆等下次机会，再者可组合熊市策略，这里泛泛而谈，不是本文的重点，但你一定要重视。本策略就是适合慢牛或慢熊，最心仪的行情就是盘整，用代码写的趋势策略在50ETF当前行情下运行会亏的很惨，但加上本策略会平滑你的资金曲线，甚至缓慢向上。中国股市行情，跌多涨少，熊途漫漫，怎么办？开启本策略后，背起你的行囊，当一个旅游达人的包租公，每月定时记得收租金就OVER。
此外在资管新规下，本策略是做市商策略，起到稳定市场，平抑股市、期货市场的作用，市场容量大，不用担心大资金无法进入，更不用担心监管的问题，无政策风险。目前市场只有50ETF和铜两个品种是欧式期权，但随着国内金融市场开放，市场容量可达万万亿，远大前程等着你。
研究功能简介¶
感谢您使用研究功能~~
研究功能基于IPython Notebook，支持灵活的图表处理、数据处理，后续我们还会增加财务数据。
研究功能支持导入第三方库，您可以根据需要引入，查看详情。
研究功能提供分钟级数据，采用Docker技术隔离，资源独立、安全性更高、性能更好，同步支持Python2、Python3。
操作说明¶
1 使用帮助（只读）
新手指引，常用API示例。
2 新手指引
研究功能简介，操作说明，常用API示例。
3 常用操作
New：
Text File：新建txt文件（可修改文件后缀名，修改为任意文件类型）；
Folder：新建文件夹；
Python 2：新建基于Python 2的notebook；
Python 3：新建基于Python 3的notebook。
Upload：
- 上传文件，文件上传后可以在研究和回测中使用。
Notebook常用操作¶
- 使用 “Shift+Enter” 运行每个代码块
- 使用“?”获取帮助
- 使用Tab键补全代码
#使用“?”获取帮助示例，使用“Shift+Enter”运行；
get_price?
import pandas as pd
pd.DataFrame?
#使用Tab键补全函数名
get_
研究相关API¶
研究新增如下API
- get_price()
- get_all_securities()
- get_index_stocks()
get_industry_stocks()
get_price - 获取历史数据
- get_extras - 获取基金净值/期货结算价等
- get_fundamentals - 查询财务数据
- get_index_stocks - 获取指数成份股
- get_industry_stocks - 获取行业成份股
- get_concept_stocks - 获取概念成份股
- get_all_securities - 获取所有标的信息
- get_security_info - 获取单个标的信息
- jqdata.get_all_trade_days - 获取所有交易日
- jqdata.get_trade_days - 获取指定范围交易日
- jqdata.get_money_flow - 获取资金流信息
- 更多详见详见API
#导入需要的库
import pandas as pd
import seaborn as sns
#获取股票510300.XSHG2015年1月的日级交易数据
df = get_price('510300.XSHG', start_date='2014-01-01', end_date='2015-01-31', frequency='daily', fields=['open','close'])
df
#获取平台支持的所有股票, ETF基金信息
get_all_securities()
#获取沪深300指数的所有股票
get_index_stocks('000300.XSHG')
#获取互联网和相关行业的所有股票
get_industry_stocks('I64')
pandas和seaborn库的使用说明见Tutorials and Documentation（使用帮助）文件夹¶
彩蛋¶
为了增加研究功能的体验，我们新增了如下两个彩蛋
回测和研究打通¶
为了打通回测和研究功能，我们新增了两个回测API，回测过程中需要保存的文件，您可以保存到研究模块，也可以直接调用研究模块的文件。
详见API
分享到社区¶
为了便于交流，研究模块支持分享，您可以把notebook分享到社区，与大家交流。
|
