
10年赚400倍的炒股策略 | python量化(附视频讲解)
给大家分享一个策略,一个在过去10年可以让你的本金翻400倍的选股策略。
这个策略简单到只用了一个选股条件。但是这个选股条件在茫茫多的其他条件当中,却是最强的一个。至少我个人寻寻觅觅了这么多年,回过头来发现,还是没有一个单独的选股条件比它更强。
记得很多人在2009年的时候就说过,这个选股条件在将来不会再有效了,要当心。但是这些人一再的被打脸。不好说2009年到现在的惊人收益,仅仅2016年,通过这个选股条件选出来的股票就涨了100%左右。试问有多少人跑赢了?
不再卖关子了,这个选股条件就是:小市值。本质上就是说,市值越小的股票,在将来上涨的概率越大。
可以将这个条件抽象为一个可以实际投资的策略:在每个月的月底,找出市值最小的10只股票,然后全仓等额买入。每月如此反复。
对,就是这么简单的一个策略,一个每个月只用交易一次其它时间只需要喝茶的策略,从2006年至2016年,11年期间,可以让你的原始资产翻400倍。
当然,现在小市值选股已经越来越成为行业公开的“秘密”,很多高大上的量化基金,背后的逻辑本质上就是简单的小市值选股。
策略知道的人多了,就谁都不能保证它将来可以继续赚钱,例如在2017年就出现了一些回调。
但另一方面,谁都不能保证它将来就不能赚钱。我们唯一知道的是,在过去近30年的A股市场上,它非常的赚钱。在过去100年的美国市场上,他也非常的赚钱。
我们还是回到python代码,下面讲讲我是如何用历史数据去验证这个策略的,用数据说话。
以下是我用到的数据截图。这个数据,包含了所有股票(包括退市)从上市至今每个月的数据,每一行就是一个股票在一个月的相关数据。数据总共约30M。
其中第四列的【是否交易】字段,含义是这个股票在当月的最后一个交易日是否交易。用于排除那些在月末最后一天停牌不能买入的股票。
第五列的【最后一天涨跌幅】字段,含义是这个股票在当月的最后一个交易日的涨跌幅。用于排除那些在月末最后一天涨停不能买入的股票。
接下来就是代码,加上注释、空格,总共也就50多行,python就是这么强大。
这是最终的资金曲线图,起点是1。其实是翻了467倍,接近500倍。同期沪深300指数作为benchmark,也就上涨了十几倍。
若对代码不是很理解的话,可以点击阅读原文观看视频,里面有关于以上代码的逐行讲解。
10年翻400倍的量化策略(上)
10年翻400倍的量化策略(下)
浅谈机器学习和量化投资(上)
浅谈机器学习和量化投资(下)
开发环境安装:Anaconda、PyCharm安装
课程内容介绍
量化投资介绍
量化投资学习方法、资料介绍(资料、数据)
为什么使用Python、Pandas
PyCharm教程
Python基本语法
股票数据的导入、导出
Pandas基础操作
案例:如何计算复权价
移动平均线策略(rolling方法)
择时策略框架
如何对代码进行封装
案例:如何处理停牌日期(apply、merge方法)
案例:日线转换成周线(resample方法)
案例:如何批量导入股票数据(append方法)
案例:如何存储股票数据(hdf5方式)
如何进行数据分组处理(group操作)
单因子、多因子选股策略
选股策略框架
评价模型的各类指标
如何获取实时股票数据
如何进行实盘交易
想要了解更多,扫码回复“python”添加微信好友,进入量化投资交流群。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23