京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01