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
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11