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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13