Edge
Chrome
Firefox
这次和大家聊聊择时，在这方面我本人自诩研究还是比较深入的，各类资产择时（股债期）差不多每年都要贡献收益的30%。正好近期，集思录知名铲子专卖户盛唐风物老师发布了一篇《年化收益273%的元旦节交易策略，我准备上了》的文章。其中提到了一个元旦节做多的日历效应择时策略。大家对此争议很大，有人认为是数据巧合，有人认为赚钱就是王道，事实上的确存在这样的规律。甚至去年一战封神的一扔大师专门写了一篇《年化收益170%的519行情交易策略，你准备上吗》来嘲讽此文的逻辑。今天就从盛唐老师这篇文章出发和大家讨论一下择时以及投资研究的科学方法。
简述：盛唐老师发现了一个规律，元旦节前两天股市往往倾向于上涨，上涨概率和期望收益都高于平时。同时，结构上，大盘股收益更佳。因此推荐大家在节前2日买入获取这部分股市大概率上涨的收益。
2020年结果：股市最后两天如期大幅上涨，而且以上证50为代表的大盘股上涨幅度高于小盘股
主要质疑点：
（1）有人认为无逻辑支撑的数据统计毫无意义，今年是又蒙对了
（2）一年才一次的策略，天然具有小样本的属性，从而让数据巧合更加容易发生
（3）只要愿意统计，一年中总有某几天的收益是最高的。因此这是先有数据再有结论的屁股决定脑袋的策略。
接下来，我们尝试采用实证的方法去检验或推测，到底元旦效应的超额收益是真实的还是一个数据巧合。
如同做任何一个严肃的研究一样，所有的科研从发现到最终为人所用都需要四步：发现现象、提出假说、验证假说、实践应用。在这个择时策略的研究过程中，盛唐老师之所以被大量诟病的原因就在于仅有第一步和第四步。那么，我这里越俎代庖，把这四步给补全（这里可能和原作者解释不一致，那就作为我本人的研究）。
第一步：观察、发现现象并总结
1.元旦日前容易发生股市的上涨
2. 这样的上涨以大盘股最为显著
第二步：提出元旦日历效应产生原因的合理假设（假说）：
1.元旦并不是一个随机日(random day),而是大量金融机构和基金经理的年度考核终结日。同时，各大金融机构的年内头寸基本上在元旦前都要结平。
2. 那么假设大家都不太会在最后一刻才结平头寸，往往预先结清，那么可能会产生结清头寸后多余的资金已经闲置而进入股市的可能。
3. 这样的情况会导致年末可能的资金潮汐流，而且这样的潮汐流是由主流金融机构的资金流主导的。因此会更多影响机构参与的投资品种，比如上证50而非中证1000。
4. 如果用上述假设推演，那么起码在元旦节效应的情况下，似乎可以自圆其说。
第三步：基于假设进行外推，并对外推的样本进行检验
推论1：如果第二步的假设成立，那么这种资金流的潮汐性理应不是一次性的。在其他的可类比的情况下应该同样出现类似情况。
推论2：年末是考核日，也是重要头寸日。那么理所当然的，每个季末和月末也是类似的日期
由推论1和推论2结合，我们可以得到：
推论3：如果存在元旦效应（年末效应），那么理论上应该还存在季末上涨效应和月末上涨效应。同时，由于驱动的逻辑一致，季末效应和月末效应的大小盘应该依然保持大盘股比小盘股涨得更多的结构。同时，由于季末和月末的考核以及头寸要求没有年末那么高，整个策略的效果应该是元旦上涨效应（年末效应）>季末上涨效应>月末上涨效应。
那么接下来，我们要做的事情就很简单了。就是验证一下推论3这个和元旦效应的样本已经完全没关系的策略，是否存在季末和月末上涨效应，尤其是剔除12月底的数据后是否依然存在上述效应。如果统计后的结果依然呈现出上涨，且上涨的结构和我们预期的结构一致，那么大概率这就不是一个数据巧合了。
那么下面正式进行测试（量化回测）：
测试对象：上证50、沪深300、中证500、中证1000指数
测试区间：2005年1月1日-2020年9月30日
测试策略：
（1）测试元旦效应策略（每年最后一个交易日持仓）平均收益、中位数收益、胜率、样本量以及净值曲线
（2）测试包含元旦效应的季末效应策略（每季度最后一个交易日持仓）平均收益、中位数收益、胜率、样本量以及净值曲线
（3）测试不包含元旦效应的季末效应策略（1、2、3季度最后一个交易日持仓）平均收益、中位数收益、胜率、样本量以及净值曲线
（4）测试不包含元旦效应的月末效应策略（1-11月最后一个交易日持仓）平均收益、中位数收益、胜率、样本量以及净值曲线
更新：
由于本帖热度超出预计，同时也有一些朋友和我交流，希望聊得更多一点。正值一年之初，我决定利用该贴作为本人的择时实盘记录贴，希望能通过未来一年的实盘成绩在集思录上为择时策略正名。同时，能通过每日实盘的交流，更多和大家分享指数择时的收益及风险思考历程。
简述一下本次实盘的择时策略方法：
择时品种：中证500
择时观点：多头、偏多、无观点、偏空、空头（观点分别对应：100%多头仓位、50%多头仓位、0%仓位、50%空头仓位、100%空头仓位）
更新频率：日频
更新时间：每日收盘后更新次日择时观点
更新简评：会简述本日择时观点的主要理由
其他固定更新内容：择时累计净值、指数累计净值
策略判断依据：涵盖量价时空、内外影响、宏观微观等多维度的指数择时框架，量化方法实现
赞同来自: nkfish 、scott 、GLZ0514 、甘泉
是这个问题，就业意愿导致提升供给出现问题。美联储现在是两难，再刺激通胀就会压不住，不动就业率就一直上不去。本质上，这不是货币端的工作了，问题需要财政端而非货币端来解决。
之前直升机撒钱是针对民众的，好处在于需求稳住了，而且民众的消费进入企业资产负债表后，两端改善的是现金和所有者权益。如果直接借钱给企业，那么企业的所有者权益不变，现金和负债增加，对报表改善影响较小。
要改变这种模式，要切换回稳定供给端，但刺激供给的要素价格下降，这样供给就会释放出来。简单一点讲，就是削弱补贴效应，并稳定企业资产负债表使其有意愿提供商品。具体的举措就是减少补贴，并维持对企业的贷款和债券购买。这样需求下滑速度会小于供给提升速度，价格会下降，而经济的总量会上升。
但给钱容易收钱难。正确的事都是难做的。我们不需要知道联储会做什么，只需要知道他做什么会有什么结果就可以了。
赞同来自: Dolch 、milknet 、立新 、但愿海波起 、lwhsq88 、 、 、 、 、 、 、 、 、 、 、 、更多 »
2021年5月13日（周四）择时观点：无观点（操作：空仓）
后面估计有一大段时间无观点了，信号进入平淡期。
简单聊聊当前的宏观：最近央行撒钱很欢，GC001、SHIBOR、MLF等都有明显的表现，但经济其实已经慢慢打进预期了。目前的市场预期中，经济见顶的预期很强，但其实虽然向下的方向的确是确定的，向下的斜率大概率会很慢，而非大家认为的直线向下，因为海外需求托着。这个时候啥资产都不太会有很好的收益。
结构上，3月份大家觉得周期凉了的时候，我看周期股还有最后一涨。说不定现在就是这个最后一涨，当然顶是预判不出来的，也没必要猜，投资都是吃鱼身，弃头尾的。我去年说过一句，今年大概率会出现大宗和债券一起涨的奇异时刻，现在可能就是了。本质就是海外和国内经济周期的错位，从08年以来的历次基钦周期，中国基本上都是领先3个月，这次由于疫情的先后，拉长到接近6个月了。怎么盯？可以看PMI和OECD领先指标。
澳洲这个事，资本市场是当做供给侧改革在发酵。其实是增加了中国的供给约束，价格向下的速度会变慢。所以大家现在觉得PPI5月见顶，之后直线向下的一致预期。到时候可能会改变为波折向下的预期。当向上波动的时候，就是预期错位的波段投资机会。
等过了这段期间，就是股票的熊市和债券的天下。什么时候切换？看海外疫情进度和就业数据。
赞同来自: 小岛藤子 、丢失的十年 、集XFD 、cnlzy 、甘泉 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
为什么在这个时候更新观察？因为：
1>2021年的1季报相比20年同期同比是大幅增长的（去年低基数），4月30日后所有年报公布，如果说去年的Fed指标都是虚低的（因为Fed指标=Earning/Price-10Y Bond Yield，所以20年由于疫情导致的暂时性低盈利会导致20年度Fed指标的系统性低估）
那么，目前的Fed指标基本上回归到了正常的状态，是完全可以和历史数据进行比较的。
2>4月后半月再度出现局部上涨，目前的位置可上可下，赔率是很重要的指标
观察结论:
0>请注意，最右侧的指标出现了跳升，这是预料之中的，由于同比业绩大幅提升带来的Fed指标跳升。我们应该用跳升后的数据去判断。我这里用虚线表示了跳升后的大盘股和小盘股Fed指标位置
1>跳升后的小盘股，已经比19-20年大部分时间都更加便宜了。仅仅比20年3月暴跌后的小盘股和19年下半年的小盘股稍贵，当然和18年时还不能比
2>跳升后的大盘股，依然非常贵。还处在历史崩盘均值的附近，只是目前比历次崩盘均值要明确风险小了，但远远谈不上回到均值附近，更别说便宜了。
不熟悉这个指标和我们之前解读的朋友可以移步以下链接，这里有我们对Fed指标的解释说明以及在今年1月大盘股崩盘前对其的解读：https://www.jisilu.cn/question/410511
赞同来自: Syphurith 、一场意外 、蓝色坚韧球 、正林瓜子00 、sothin 、 、 、 、 、更多 »
知道了逻辑，然后结合政策的变化，去主动调整量化策略的相关模型，才是人相比机器所具有的优势——简单说，人的思维超越机器的地方，就是创造性。（即使计算机在围棋方面取得了对人的绝对优势，也并不能说这是创造性；个人理解还是有限范围内的次优解，虽然这个有限范围已经很大了）
基于现实逻辑的预判，才是人相对于机器来说，不可替代的优势。我们有先发优势，可以在没有数据回测的基础上，就依靠逻辑推理做出相应的策略调整。—— 一旦你能做到这一步，就会感觉很爽；赚钱是次要的，主要是你会觉得自己的智慧闪光与道相合 而对于机器来说，即使是反应最为灵敏的贝叶斯模型，也至少需要6个月以上的历史数据。
举例来说，从2007年以后，其实炒壳策略一直是有效的；但随着政策和市场的进化，就需要先逻辑思考推理、然后模型做出相应调整，才能持续维持较高收益。例如，针对如下的变化：
- 2010年12月，《证券法》与重组相关法规更新，国家鼓励企业分拆上市
- 2016年5月10日，证监会禁止了跨行业并购
- 2018年10月20日，证监会支持优质企业参与上市公司并购重组
- 2019年10月中旬，证监会放松并购重组，取消净利润限制；此外，创业板也可以借壳了
当然，失败的案例也很多。比如，去年11月，结合8月份的创业板涨跌幅度改为20cm，我发了个帖子《别玩涨停板了，来抄底吧 —— 20cm带来的制度性机会》，现在看是挂球的。。。
其实，@GLZ0514 做的ST，就是QuantMental的人工部分，只不过他没有用量化去回测而已。
赞同来自: Syphurith 、但愿海波起 、treenewbee 、sothin 、一笔幸福 、 、 、 、更多 »
我完全同意楼主的回复，量化是手段，是工具，投资过程中不可能不量化。
比如说，投债券要比较年化收益率，这就是量化，我无法想象有哪个专业一点投资者不使用量化手段就下单的。
我是反对通过历史变量的表面上的相关性、或极限值来制定投资策略，这会浪费很多时间，大概率会失败。
比如你说的，批量买入70-80可转债大概率盈利这个策略属于统计套利，我可不认为是这样，我知道你是根据过去债券的违约率来计算未来可转债的违约率，得出70-80可转债投资可以获利。但是，这两者一点关系都没有，没有任何理由用过去的违约率来推测未来的违约率，这是个未知数，根本就不应该纳入到量化模型中。
我说大概率会失败，当然有一部分人会成功，但这种成功可能与他研究的东西无关，投资这事要么看空要么看多，总会有人连续正确很多次。
赞同来自: 兆圆 、hjndhr 、荐见 、adcj 、路人甲pro 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
感谢 @骆驼1978 兄的分享
我觉得这两者其实并不矛盾，我理解下的量化手段运用的层次在于其运用者的思考层级。即量化是工具，不是手段。
什么叫手段？就是要得到木材，我可以去山里砍树，可以去花钱买，可以拆自己家的地板。即要达成目的，采用的方法。
什么叫工具？为了达成特定目的，所使用的帮助人更省力的工具。如果手段是砍树，我可以用斧头、锯子、电锯。买东西，可以开车去买，走路去买，花人民币去买，花美金去买。这叫做工具。
举个例子：
知名私募幻方从19年开始启用超级计算机计划，本质上是什么？就是把人工智能中遗传算法下的巨大计算量外包给计算机完成，穷尽各种排列组合，找到最优最稳定的解，用于选股。
这是什么逻辑驱动？很明显，是基于归纳法的纯统计数据驱动。
我们很容易明白，你在可以用浮点计算的量价数量化模型构建的框架下，无论怎么构建模型相比幻方，计算力一定都是被碾压的。无论是散户还是基金经理，相对幻方的超算而言计算能力一定都是绝对的弱者。
所以不是归纳法赚不到钱，他用技术分析的归纳法可以赚到大把大把上亿的钱，是你用同样的归纳法赚不到钱。也正是这个原因，你会发现很多技术因子快速地不赚钱，因为钱已经被赚走了。
这和用不用计算机做回测不回测没有关系。就好比志愿军和美军拼炮兵拼输了，有人说是因为志愿军炮兵用二次函数计算抛物线公式计算落点这个行为错了，我以前直接用眼睛、手掌计算落点是赢过美军的。这是没有道理的。真实的原因是美军有夜视仪、有计算机直接实时目标运动速度、计算风速、计算气温（超算），而我们的志愿军只能用铅笔列方程计算落点（excel、python）。
但难道这就说明散户和基金经理的收益一定差过幻方？事实已经告诉我们结果了：绝非如此。
工具是有绝对优劣的，但工具优劣的前提是逻辑一致。志愿军的正面输出肯定拼不过美军飞机、坦克的正面输出，但志愿军可以打夜战，可以包抄打侧面，照样把敌人干残。正如公募基金可以拼个股投研，散户可以拼细节逻辑、条款博弈，并非计算能力不如私募收益就必然落后。要点在于，发挥自己的比较优势。你走你的阳关道，我走我的独木桥。这点骆驼兄已经说得很多了，不再赘述。
同时，我想强调的是，你的确可以摸黑过去一闷棍打死美军，但是不是有一个消声手枪效果更佳？再配个夜视仪伤亡更少？工具永远是辅助策略和逻辑的，不要因为你目前的策略只需要四则运算就拒绝最小二乘法回归运算。这样只会让自己的路越走越窄
十多年前，大家认为翻译和围棋是人类不可能被电脑攻克的壁垒，现在都已往事随风。谁知道未来是不是能够出现一个可以对文本进行解读的软件，让机器人也能做上回售套利的策略呢？
100年前，汽车被发明，从那一刻起人腿总有一天跑不过汽车就是未来的必然。有的人选择练习跑步（钻研技术分析），他们失败的结果已经注定。有的人选择只在汽车无法通行的山路和汽车比赛（集思录友们），他们可以在自己的战场轻易战胜对方，但如果山崩了或汽车长腿了（会飞了），他们也会被汽车赶上。
而我选择学习驾驶技术，成为可上山徒步可在平地开车的司机（拥抱技术），我一定不是司机中最优秀的，爬山水平更是比不上天天爬山的朋友。但哪天山崩了，我也能活下来
朋友们，4个月前刚崩过一座山（分级A），当然现在还有“散户的信用债”、“可转债”等小山，但稍微花点时间试试学开车，不也没坏处吗？
PS.给不了解遗传算法的朋友们简单科普一下遗传算法在目前私募业界的应用。
遗传算法在择股中的应用一般如下：
第一步：我们给计算机一些数据，如：成交量、均价、收盘价
第二步：我们给计算机一些算法（比如加减乘除、取均值、取方差、取对数、取sin、取与指数的相关系数等等等等）
第三步：我们给计算机一些排序方法（比如从大到小排列）
第四步：定义评价函数，比如sharp比最高的策略保留
第五步：计算机开始计算各种排列组合下的策略运算结果，比如计算sin（收盘价）、MA(收盘价，5天）等等
第六步：根据评价函数，保留最优策略，并继续增加算法和数据，得出第二代、第三、第四策略等等。
如果最后，发现了一个很好的策略叫MA（20），那他们就发现了20日均线策略。但往往，他最后发现的好策略长这样：
Sin(correl(high,close))-1*cos(vwap-low)
这已经是人脑不能理解的领域了，所以你在归纳法的领域，不要再白费心机了。我个人的策略中趋势策略只占极小极小的部分，大部分都是逻辑驱动。归纳法没有前途，切记。
对遗传算法得出的策略感兴趣的朋友可以上网搜一下：worldquant alpha101，这是最早的遗传算法因子，一共101个，最早开发于2012年，并非针对中国市场，但很多在中国也有alpha。2015年全部公开。到目前为止依然有几十个在中国市场有alpha，只不过alpha已经很小，大部分quant都看不上了。
给大家看其中两个alpha101中目前依然有效的alpha因子，而且是最简单的一个因子：
（1）alpha025
定义公式：
回测结果：
（2）alpha069：
定义公式：
回测结果：
大家看了以后就明白了，基于技术分析的策略，散户最好碰也不要碰。你人家已经在用大炮进攻了，你还在用弓箭，怎么可能不败？
赞同来自: 跑得快的马 、Jianghuadong 、neverfailor 、我是一个host 、莫西莫西 、 、 、 、 、 、 、 、 、 、 、 、更多 »
利用回测剔除错误想法也不靠谱，
一般量化策略交易者经历是这样的：
1、产生一个想法，然后拿到历史去回测，发现不行，似乎剔除了错误的想法；
2、产生另外一个想法，然后拿到历史去回测，发现可以，然后就实盘了；
3、实盘发现效果不好，调整策略，效果变好，实盘后又发现不行了，然后放弃这个策略。
4、回到第1步。
看到没有，就是因为我们有丰富的历史数据、各种想法、快捷的测试工具和方法，才会让我们陷入这个循环中不能自拔。
至于那些没有主观想法，而是直接在历史数据中挖掘出来的策略，更不靠谱，就不谈了。
只要你够努力，数据足够丰富，模型足够多，就一定能找到无数个在历史中表现良好的策略，让自己的宝贵时间陷进去。
但我们是否需要从更高一层的思维来思考，产生想法->在历史中验证->调整想法->在历史中验证这一链条是否可行呢？
那些被历史数据证伪的投资思路，在新环境中可能变得有效，比如历史上非常成功的信用债Sell90/Buy30策略，在去年底国企债务违约导致的群体性高等级债券下跌事件中就失效了，如果相信这些历史经验，就会失去重要的投资机会。
如果历史回测可行，人工智能是不是能够取得更大的优势呢？
人工智能如果可以，那么人工智能之间的竞争会以什么样的方式展开呢？最终的结果会是什么呢？我们个人能够竞争得过人工智能吗？
还是说，找一些人工智能干不了的活，让我们人肉投资者能够喝到一些汤？
什么是人工智能干不了的活？那就是没有历史经验可以参考的，必须靠人脑能够理解的新事物、新事件，才能为我们创造丰厚利润。
赞同来自: 钱明聪 、Jianghuadong 、我是一个host 、Ake90 、将臣 、 、 、 、 、 、 、更多 »
我的理解，回测还是有用的。起码可以帮助我们剔除那些错误的想法，但对于回测很好的策略，如果没有强烈的逻辑支撑，那么就需要非常警惕其收益来源，因为“不理解”（纯粹的归纳法）。
事实上，一个可以被理解的策略是很容易上大仓位的（演绎法推理，比如本周末的久期转债）。
但我觉得一个不理解其内涵的策略并非不能使用，而是必须严格控制单一策略的仓位占比。本质上，你乘着一股东风（which你自己也不知道为什么刮起来），当然可以在凤停之前继续乘着，但首先不要全家人都上。其次，最好，一家人每个人的航行都不一样（多个低相关策略），最后只要有一个人到达新大陆，就发财了。
总结一下，我对归纳法策略如何使用的理解：
1.抛弃归纳法得出的高胜率低赔率策略
2.慎用归纳法得出的低胜率高赔率策略
3.分散使用归纳法得出的高胜率高赔率策略（把单一归纳法策略当做低胜率中赔率策略）。
分散使用归纳法得出的高胜率高赔率策略的方法：
1.降权：把单一高胜率高赔率归纳法策略当做低胜率中赔率策略使用（对应降低配置仓位权重）
2. 分散提高sharp：通过分散把定义下的低胜率中赔率策略转化成中胜率中赔率策略（利用免费午餐提高胜率，赔率是不可能通过分散提高的）
3. 随时关注并抛弃：一旦出现与预期不符的情况，迅速抛弃某个单一策略（抛弃某权重很小的单一策略是很容易的事情）
赞同来自: nkfish
当市场出现开盘跳空、盘中暴涨暴跌时，策略往往会被触发。
而在这个时间点上，指数和ETF、期货合约的变化幅度不是同步的，后两者变化幅度会比指数变化幅度大0.30%-0.50%；
如果是买入股票，表现方式就是股票卖出盘口价格高于最新价0.50%以上、挂单量也很少，无法按照最新价足量买入成份股，而指数是按最新价延迟15秒计算出来的。
再就是偷价格问题，比如某日10:30分触发买卖条件，买入卖出成本应该按照触发条件以后，标的证券买入/卖出盘口价格和数量来计算，而不是按指数价格或标的最新成交价计算。
你这么去算一下，发现不但赚不了钱，还可能会亏本。
赞同来自: yuanhu 、eddesummer 、dingo49 、水煮活鱼重八斤 、肥壮啃苹果 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
今天听闻 @aektdxb 说中证500 20日均线策略 就有32倍的盈利，真的有这么好吗？那择时岂不是世上最简单的事？
MA20到底怎么样？我所有的MA都回测过，肯定是不好的。但既然@aektdxb说了，那我就花了5分钟又回测了一下。
结果如下：
看上去不错，虽然没有32倍，但27倍也差不多。但问题是，这个策略没算交易成本。
如果我们假设交易成本分别为万2.5、万5、千1，那么净值曲线如下：
如果交易成本为千1，则收益从27倍飞速下降到2.98倍，原因是交易频率非常高，大部分利润送给券商做手续费了。
而且我们观察净值曲线，2015年以后基本上就不赚钱了。6年不赚钱的策略，谁挺得住就挺住吧。如果我们分析一下收益的分布，发现主要来自动量很强的大牛市，平时基本上都是回撤的。
随着中国经济结构完善，宏观经济波动率下降，上市公司数量越来越多，未来全面牛市的概率越来越低。这样的策略大概率是要被扔进垃圾桶的。
总结：
1.看上去很美的其实不一定有意义，不要听别人说的，凡事要自己独立思考、独立尝试。
2. 择时策略如果只是几根均线，那么散户就不会7赔2平1赚了。
3. 简单的归纳法会导向错误的未来预期，归纳+演绎，知其然知其所以然才能帮助我们看清世界
4. 均线法是有一点点用的，我回测过的最有效的均线法是多头排列，但依然不够强，所以我的择时体系里没有用上，但的确到现在为止依然有效。有兴趣的朋友可以自己试试。
随附回测excel：
路人甲pro
- 股债平衡轻宏观，低估分散不深研。
赞同来自: zhuqi123456 、neverfailor 、muziyo 、wugreat 、好奇心135 、 、 、更多 »
赞同来自: 灰机咯 、x小鱼y 、why888 、Penny 、skyblue777 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
我的宏观及资产配置主贴还在卡文。先拿今天写的一篇财会与企业价值评估的文章水一水，大家再等等。
今天看到 @骆驼1978 兄对 @持有封基 老师比较推崇的ROE指标提出了质疑，骆驼兄的质疑简单归纳如下：
ROE是一个财务指标，只和企业经营以及会计记账方式有关，无法反映绝对价值。当企业股价（市值）越来越高，但ROE不会随之反向调整变化，因此不具备判断企业价值是否过高的意义。
我试图从我擅长的财务角度解读一下这个指标以及它的意义，同时也分享我对这个指标理解的心路历程：
（1）估值指标和ROE的静态财务关系分析
很多人推崇ROE，认为ROE代表了企业的盈利能力，盈利能力更高的企业自然应该更贵。这是一种没有详细论证的朴素观念。
下面我们就用市盈率（PE）这个大部分人用来估值的指标做辅助，来解释ROE在企业价值评估中的应用。
首先，我们利用财务公式可以推导出：PE=P/E=P/B*B/E=PB*1/ROE。
上式的细化推导过程：市盈率=股价/每股盈利=(股价*股数)/(每股盈利*股数）=总市值/总盈利=（总市值/账面净资产）*（账面净资产/总盈利）=市净率*（1/(总盈利/账面净资产)）=市净率*(1/净资产收益率)
所以基于这个公式，在3-5年前，我的理解和骆驼兄是一样的。即ROE其实已经被PE包含在定价之中了，ROE是PE的一个分项因子而已。（企业价值的第一层理解）
怎么利用第一层理解去解释现实呢？我们用案例来说明：
案例:1：
条件：两家公司盈利都是10元，A公司ROE=10%，B公司ROE=20%
推理：
A公司净资产=10/10%=100元
B公司净资产=10/20%=50元
1>假设1:两家公司PE都为20倍
则A公司市值=B公司市值=10*20=200元
反算A公司和B公司市净率：
A公司市净率=200/100=2倍
B公司市净率=200/50 =4倍
我们发现，B公司的市净率为A公司的2倍，正好是A、B公司ROE的倍数关系。
上面这个结果，完全是小学数学和基础财务模型推导出的结果，不附带任何观点。
根据案例1，我们推导出以下结论：如果两家ROE不同的公司应该根据其盈利享有一样的PE倍数，则两者的PB倍数应该和两公司ROE的倍数一致。
这个结论和我们直观的经济、商业理解类似，同样投入100元本金的生意，A能帮我赚10元,B只能赚5元。当然是A从净资产投入（PB）的视角要更值钱。
有人要问，那为什么不可以是两个资产享受同样的PB估值呢？
我们基于享受同样PB的假设简单推理一下：
2>假设2：如果两家公司都享受2倍PB，则A公司市值为200元，B公司市值为100元。对应的计算可得，两家公司的PE分别为：A公司20倍PE，B公司10倍PE。
假设2：如果公司的盈利所得100%分红，且两家公司盈利能力和规模不增长
则A公司发放股利= B公司发放股利=10元，
A公司股东股利回报率=10/200=5%
B公司股东股利回报率=10/100=10%
两家公司的股利回报率差异非常大，大家会倾向于买入B公司股票卖出A公司股票，因此B相对A会升值。B股票估值从10倍市盈率向上提升，A股票估值从20倍市盈率向下调整。直至两者的股东回报率一致。
因此，在有分红的情况下，享受同样的PE的假设明确好于享受同样PB的假设。
至于为啥有些公司和行业都是用PB来估值的，这个涉及ROA的波动和盈利波动之间的关系，以后有空再具体讨论。
综上所述，我们可以用最最朴素的价值观来理解这个问题：“对，你A公司的ROE的确是B的2倍，但你的股票又不是按净资产价值卖给我，所以你公司的卖价也比B公司贵2倍。同样花100元钱，我得到的都是5%的回报，凭啥你高ROE的还能获得高溢价？甚至享受高成长？”
这个就是我本人N年前自己思考以及骆驼兄今天所提出问题时的逻辑，即“我管你是企业自己的盈利能力强导致便宜，还是公司差被市场低估导致的便宜，只要投资回报率（PE）一样，对我投入一块钱的回报就是一样的，分什么高低贵贱？”
逻辑很通顺，计算很简单，初看感觉没毛病，好像我当年的理解是对的，即ROE根本没有用。但经过几年在资本市场上的毒打后，我后来又推导了很多高ROE公司的股价变化路径及驱动要素拆解，才发现我错了。错的核心原因在于上面的分析全部是静态的
（2）ROE和企业价值的动态财务关系分析
上面的计算方法是静态和固定化的思想，里面的错误主要有两点：
1.假设股价定价合理（即假设完全有效市场EMH）
上面的推理隐含的假设是：看ROE没有用，因为PE会完全调整掉它（即高的ROE会被高的PB所抵消，股价变贵，收益率下降。低的ROE被低的PB抵消，股价变低，收益率上升）。仔细思考，假设的核心逻辑前提就是股价定价合理，即有效市场（Efficient market）。如果所有股价定价合理，那么我们还做什么主动投资呢？应该只买指数基金。
但这是一个弱逻辑。因为你不能否定对于某些机构研究深入高度掌握定价权的企业，它的定价的确达到了基本有效的可能性。
所以，最重要的是第二点：
2.PE估值是静态计算，认为所有的未来都和现在一致。而且只计算了一期的现金流。
如果我们计算多期现金流和N期企业价值同时修改部分假设，就会发现结果不一样。
核心的原因是：新一年赚来的自由现金流，只要他们没有全部被分红，那么留存部分就构成了未来的企业价值的一部分（本金）。而这部分新的现金流（本金），如果假设其他都静止不变（控制变量法），那么他的估值还是按照PE给（即你预计它为企业创造的回报率是1/PE）。但事实上，它为企业创造的真实价值是：未来一期的ROE。
案例2：
条件：两家公司盈利都是10元，A公司ROE=10%，B公司ROE=20%
第一年：
A公司Year1企业盈利10元，收入100元，净资产100元。PE给20倍，则市值=10*20=200元。
企业ROE=10/100=10%,股东回报率=10/200=5%,PB=200/100=2倍
B公司Year1企业盈利10元，收入100元，净资产50元。PE给20倍，则市值=10*20=200元。
企业ROE=10/50=20%,股东回报率=10/200=5%,PB=200/50=4倍
一切看来都很合理，和之前推理一模一样。
第二年：假设公司的盈利能力（ROE）不变，且不分红，全部再投资（假设的改变），估值水平不变。
则A公司Year2的期初净资产=100+10（去年盈利）=110元
Year2企业盈利=期初净资产*ROE=110*10%=11元
A公司Year2期末市值=盈利*市盈率=11*20=220元
A公司股价上涨=220/200-1=10%
B公司Year2的期初净资产=50+10（去年盈利）=60元
YeBr2企业盈利=期初净资产*ROE=60*20%=12元
B公司Year2期末市值=盈利*市盈率=12*20=240元
B公司股价上涨=240/200-1=20%
在案例2的动态财务模型中，我们推导出B公司的股价上涨高于A公司。高ROE创造了额外的企业价值
为什么会出现这样的情况？因为B公司出现了低于企业市场估值的再融资行为和可持续的高ROE。
这里简单说明一下再融资，再融资有两种主要模式和三个通常渠道。两个模式分别为股权融资和债券融资。三个通常渠道分别为：内部现金流（未被分红的企业盈利）、股权外部融资（IPO、定增、配股、可转债）、债券外部融资（债券、贷款）等。再融资的财务影响如果要聊又是一个大话题，不再展开。
案例1中，我们假设了没有外部再融资，所有盈利全部分红，企业的经营全部为静态。因此，企业ROE高和低并不重要，只要用PE调整后，持有两个股票的预期回报大致相当，那么优质企业和低质企业对投资者的长期回报（不考虑增长）是接近的。
案例2中的企业利用留存盈余扩大再生产，同时保证扩大再生产后的盈利能力不下降，即企业存在用1倍PB的低价再融资的机会（内部现金流再融资），或者说股东可以每年用1倍PB的价格对自己持有的股票追加投资，但再投资来源是有限额的，这个限额为当年利润*（1-分红率）。
仅有一期博弈的静态模型下，PE代表了真实回报率。但多期博弈下，存在再投资，则ROE会通过再投资成本的方式影响长期的投资回报率。
Q&A
Q:根据财务模型，什么情况下PE和ROE的意义不再区分？
A:PE（或者更精确来说,1/PE）和ROE本质上都是回报率，只不过ROE强制设定PB=1，而PE则是根据市场博弈出来的PE倍速得出的回报率。因此，当公司的PB接近于1的时候，ROE就约等于PE。
Q:除了自身融资，还有股权债权融资。那些情况下ROE和PE对企业的价值影响如何？
A:刚才说了ROE是PB=1时的PE，那么你的再融资成本就很重要。一般而言，再融资成本总是要低于当前股价，因为大部分企业都是PB>1的，所以再融资简单推理是有利于高ROE的公司，即推高企业价值，因为融资成本低于1/PE。但不要忘记ROE恒定的前提假设，大部分公司扩大再生产后是没有办法维持原有的ROE水平的。所以实证的结果是，再融资会降低股价。
Q:为什么要强调“可持续的”ROE？
A:未来的盈利是未来的ROE所创造的，所以要对企业准确估值，需要知道ROE大致的形状。这里的模型我们用的是极简化的历史ROE带入计算，其中隐含了“历史=未来”的线性外推假设。但事实上，这个假设并不成立。所以一般保守的预测可以有两个路径：
1>在周期行业的低点，用历史平均ROE来博均值回归
2>找到历史上ROE非常稳定的行业，用历史ROE作为未来ROE的最佳估计
Q:请总结一下，从财务数据推理，高ROE对哪些企业有价值？
A:给大家两个版本吧：
精确计算版：可以以低成本再融资的企业，在其融资后的扩大再生产后的ROE依然大于其融资成本的，其企业价值会随时间推移扩大
其中融资成本定义：
定增、配股融资成本=1/（PE-定增、配股折扣率）
自身现金流再投入的融资成本=1/PE
债权融资成本=融资利率
粗略好懂版：
高ROE、低分红且未来ROE走平或向上的公司会创造大量价值，其他情况下ROE并不代表高投资收益。
上述结论对我们的投资有什么启示：
1>一个高ROE公司一个低ROE公司，如果大家都分光用光，没有增长，同时资本市场上估值相同。那么这两家公司的确没啥两样。
2>可持续的高ROE+低成本融资=价值的大幅创造
3>只要估值高于1倍PB的公司，高ROE好于低ROE，低分红好于高分红（前提：未来ROE不变）
4>对于银行这种PB一直低于1的公司，高分红好于低分红。因为分红后一块钱净资产我可以真的获得一块钱，而分红前0.8倍PB下，一块钱净资产我只能在资本市场兑换0.8元。
5>并不是所有的高ROE都是有益的。一个可以持续扩大再生产后不稀释ROE的公司，其高ROE才有意义，如果需求是固定的，一扩产ROE就往下掉，那么这家公司就不应该拿着钱到处投资（对就是你，高速公路股），而应该分红。因为我可以用分红后的钱继续买这家公司，从而保持我持有资产的ROE水平。
最后，用一句话来概括PE和ROE对企业价值的影响：PE是企业价值的现状和预期，可持续的ROE是企业的未来。你可以站在1倍PE的价值洼地，也可以站在100倍PE的高估山岗，但长期来看，企业的价值终究会回归收敛到 1/长期ROE 倍的PE估值。
免责声明：所有模型都是基于最简假设的框架，一点点扩充后进一步建模的，采用的是主流科研领域的研究方法，和现实不完全相符非常正常，如有特例非常正常，请勿抬杠。如果想要讨论“科学的研究方法”，可以见我在《A股择时的研究方法与实战》主贴中的定义。
赞同来自: 甘泉 、dingo49 、Syphurith 、黄山松2007 、glsoul 、 、更多 »
由于大宗价格的调整，前两天布局的10年国债T合约开始逐渐贡献收益，不过仓位不大，在40-50%左右，连带风险保证金实际占用资金2%不到。我感觉债券还有一跌（中国经济之后还要超预期一次）。这次做把利率债波段，如果顶部没跑掉就换合约一直拿着。
利率债已经进入寒冬，下一个季节只能是春天，没有其他选项。唯一不确定的只是春天何时到来而已。等到春季转夏的时刻，我可能会上到最高400%的仓位做多利率债。
股票现在已经是盛夏转凉的时刻，逐步兑现收益
赞同来自: midingxian 、denied 、semantic 、jjkang 、benpeng 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
（友情提示，本文多图，请在电脑上查看，否则可能影响阅读体验）
我们先假设风险的定义就是波动率，再讨论这个问题。这个问题，我们把它拆解成两个主要问题：
（1）债券和股票比风险是否小，如何认定风险大小
（2）组合资产能否比任何一个资产的风险更小？即组合投资的1 1能否小于2？
为了解释上述两个问题，除了经济学逻辑、数学以外，我将借用2个资产作为代理变量，这些资产的走势都在同花顺上能查到，分别是：
（1）股票基金指数：H11021（指代常规权益资产收益）
（2）债券基金指数：H11023（指代常规债券资产收益）
一、风险的度量与比较
我们先来看一下股票基金指数和债券基金指数的走势情况，如下：
可以看出，长期来看，股票收益高，波动大。债券收益低，波动小。我们进一步对其进行统计，得到以下统计量：
可以看出，股票的波动和最大回撤都比债券高很多。所以同等资金量的股票的绝对风险的确高于债券。但是我们发现债券基金指数历史上也出现过最高达8.3%的最大回撤，估计这可能是很多朋友都没有想到的。
我查找了一下，是发生在2004年2月23日至2005年1月20日期间，整整跌了一年，跌了超过8%。
所以债券也是风险资产，这点大家必须牢记在心。
下面，我们对股票和债券的风险进行比较，两者主要参数相除：
我们发现有趣的是，最大回撤和标准差两个度量风险的指标比例大致相近，约为7:1，这里取两个数据的中值即7.3:1，反算出大致是88%：12%，即大家常说的9债1股。这并非我和 @账户已注销 老师沟通过的心理估计，而是我实证下计算的结果。如下：
那么，如果我们按这样的比例配置后，（12%仓位的）股票和（88%仓位的）债券两个资产以及组合资产的净值走势会如何呢？净值图如下：
可以发现，债券的净值曲线跑赢了股票的净值曲线，这很好理解，因为我们采用的是风险等权法，但根据之前我们计算出的结果，债券的风险收益比高于股票，因此在股票和债券暴露相同风险的情况下，债券的收益必然更高。
同时，我们也可以看出，12：88股债配置法下，整条收益净值曲线变得更加优美。
那么下面，我们进一步计算上面三条曲线的统计量：
我们发现，12%股票和88%债券的标准差和最大回撤已经非常接近了。那么这时我们在这两个资产中暴露的风险是大致相当的。这就是达里奥的桥水基金采用全天候策略的基本思想，只不过他的资产涵盖更多，计算更加精密，而且他的总仓位上限是超过100%的，他们是通过衍生品加杠杆持有债券的。可以类似理解为股债配置为24%仓位股票+176%仓位债券，总仓位200%。
这时，由于我们根据历史风险情况把股票和债券的市场风险调整为大致相当，我们可以看出股票的风险未必大于债券，这是可以自由调整的。如果我想获取双倍的12:88策略收益，则可以类似桥水那样，配置24%仓位股票+176%仓位债券，扣除融资成本，你的收益和风险同步放大两倍。
如果按照这个逻辑进一步思考，其实只要脱离了0-100%仓位的桎梏，你想要暴露多少股票风险和债券风险甚至其他资产风险都是你自由决定的，并不需要受配置1元该资产会客观暴露的风险限制。这就涉及资产配置的思考了，今天不再展开。
二、组合风险与组合收益
我们再度回头看看，12：88股债配置法下的最大回撤和标准差，尤其是最大回撤。我们注意到，12%仓位股票的最大回撤为9.7%，88%仓位债券的最大回撤为7.3%，但两个资产加起来形成的100%仓位资产的最大回撤并不是9.7%+7.3%=17%，而是10.7%！
这个事实触及了组合投资的本质，即组合风险的非线性特征。这也是为何马科维兹的投资组合理论的论文开创了金融学这个新的学科的核心原因。
我们知道A资产收益10%，B资产收益2%，那么均匀配置两个资产的收益必然是（10%+2%）/2=6%.
但均匀配置两个资产的风险却不是两个资产风险的算数平均值。具体的公式我在《分散投资的数学原理》一文中贴过。是两者之和再扣减两者加权后的协方差系数，或者说取决于两者的相关性。
具体公式如下：
等式右边的前面两个项目是权重和单一资产方差，是线性的。贡献非线性的是最后一项，即协方差的权重。
有兴趣严格证明这个公式的朋友可以看这个链接的二楼：https://bbs.pinggu.org/thread-2608897-1-1.html
如果要用一句通俗的话来解释，就是说：如果两者同涨同跌，那么风险和收益都是线性增减的（算数平均值）。如果我涨你跌，我跌你涨，那么风险为0。如果不是完美的同涨同跌（有时你涨我跌，有时同涨同跌），那么实际风险就介于0与两者的线性配置权重所计算出的风险之间。
再举个最简单的例子，刚才说了债券的最大回撤发生在2004年2月23日至2005年1月20日期间，而股票的最大回撤发生在07年-08年股灾期间，两个最大回撤发生的时间都不一样，我组合的最大回撤怎么可能不小于两者之和。
这也是为什么我在《吃IC贴水的正确姿势》一文中提出了IC空头的价值在于其提供了保险，因为完美的负相关价值胜过黄金。
1+1的确可以小于2，甚至可以等于0。
追加：
骆驼兄补充了一段有关股债负相关性由于货币超发导致资产价格受流动性驱动而非基本面驱动削弱的逻辑，从定价公式上我同意这个是可能发生的，但没法证实或证伪。但大家只要理解：如果不是完美的同涨同跌（有时你涨我跌，有时同涨同跌），那么实际组合风险就介于0与两者的线性配置权重所计算出的风险之间。就可以明白，组合投资（股债、股期、债期、债房等等）是永远是可以提供等风险下的额外收益，或等收益下的额外负风险的。
附计算表和图表来源于附件中，有需要的朋友可以自己看。
赞同来自: 阴影下的猫 、hzhdj 、sothin 、cherie123 、xm0409 、 、 、 、更多 »
金融市场价格波动受两种因素影响，一是经济发展，二是货币政策。
在过去，经济发展起决定性作用，股票和债券通常玩跷跷板。经济向好的时候，股票涨，债券缺少吸引力而下跌；经济变差的时候，投资者趋于保守，债券涨股票跌。股债一定配比的情况下，可以获得一个最优的风险收益比。如果说九债一股是最好配比的话，只能说明过去股票的价格波动大概是债券的10倍，且呈现负相关关系。
可现在，金融市场的波动主要受货币政策的影响，股债的涨跌关系不再明确，可能是跷跷板，也有可能是同涨同跌，那么股债的配比组合就失去了依据。
总之，历史经验不可信。
赞同来自: newsu 、sothin 、胸怀大痣 、midingxian 、zddd10 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
本篇为在本帖中的最后一篇分享文章，之后的分享文章会在新贴中发布。本文的主要内容其实之前在各个帖子中陆续传达过相关理念，但与资产配置相关，承上启下，因此再次整理写出。因为要整理出完整的逻辑链条，所以会比较长。
在昨天的文章中，我们提出了狭义择时是两个资产的性价比替换，而广义择时是多个资产的性价比替换，因此广义择时的本质就是资产配置。
下面，我们讨论一下资产的定义。我们一般所指的某资产（狭义资产）往往指的是某一个特定种类的现金流回报的投资标的。
比如：
债券的现金流往往体现为：第1期大额现金流出，N期稳定可预期的小额现金流入（利息） 最后1期大额现金流入。同时第一期与最后一期现金流往往在名义价值上大致相近。
股票的现金流往往体现为：第一期的大额现金流出后，N期不可预期的小额现金流入
大宗商品的现金流往往体现为：第一期的大额现金流出后，第二期的大额现金流入（非生息资产的特征，通过买入卖出产生现金流）
我们通常把符合这一类现金流模式和现金流权利相近的投资标的成为同一类资产，这就是狭义资产。
接下来，我们承接我在《分散投资的数学原理》一文中的思想，推广资产的定义。
1》广义的资产就是通过一定成本获取的一个可以提供现金回报流的资源。
举个例子，一个套利策略是由100元折价1%的1个月后到期的折价基金和100元融券空头（或股指期货）构成。
基于构建该策略的逻辑，这个套利策略可以在一个月稳定获得1%的收益。那么它本身形成了一个特殊的资产，已经不属于股票资产范畴了。因为它的现金流回报方式，收益预期以及收益的波动率已经与我们通常所指的股票类资产有很大的不同。
由此，我们进一步推论：
2》只要回报的收益率分布呈现出不同的结构，那么他们就可以被定义为两个不同的资产。
或者反过来说，回报的收益率分布呈现出相近的结构，那么他们就可以被定义为类似的资产。
因此，在我的眼中，久其转债（回售预期下的下修预期收益率策略驱动资产）和前几天没涨时的中新药业（要约事件驱动下的）是属于同一类资产。它和英科转债反而不是同一个资产，因为前两者的现金流驱动模式、收益预期及波动率的结构更加接近。
你们看到孔曼子老师买了套利股、st股，好像都是股，我看来，本质上他们买的根本是不同的资产。所以你跌的时候它涨，你涨的时候它跌，实现了低回撤下的相对高收益和稳健的净值曲线。
为什么要复杂化把资产做重新的定义？
因为这样才能更准确地度量组合所承担的风险，以便在买入资产（卖出风险买入收益）时清楚地知道自己所卖出的风险的形状（均值、中位数、极值、偏度等）
如果再进一步推论，股票、债券等资产是离散的两个狭义资产。由于我们可以自由组合各类资产对其进行配比，并定义：10%股票配90%债券是一种资产，20%股票配80%债券是一种资产，以此类推。
他们两者之间的风险和收益通过凸函数的形式进行了链接。我们发现：
3》资产的概念可以通过这样的由此从一个个离散的点通过资产组合的方式转化为一个连续函数的概念。
某个资产变化的只是收益率的概率分布函数，他的收益结构可以通过多个“离散资产”的线性组合构成，而波动率则由资产的波动率组合公式决定。
两者结合起来，就是根据当前可知收益风险结构的那些资产（每个人的能力圈不同，这些资产也不同），结合自己的风险偏好与预期收益，对资产进行组合配置，或者说进行择时配置。就好像前几个月 @持有封基 老师卖出赛道股，买入低估值股票那样。
昨天封基老师在我的帖子下评论说，他永远满仓。孔曼子老师也永远满仓，我也永远满仓。但根据我自己的理解，我们控制的是我们组合的整体风险，而非单一资产的风险。即，由于资产价格的动态变化，曲线（马科维兹有效前沿）会自发移动，因此从数学上，动态地，我们也在通过部分资产的调整，调整整个曲线的形状，以及自己在曲线上的位置。
下一步的问题：
资产和风险的关系解决的过程，风险偏好解决的过程，持有久期问题解决的过程，也就是我们在投资中对自身认知的过程。当这些问题都解决后，我们需要填入具体的资产以及其所附带的风险、收益（结构）了，那么如何预期收益，如何度量风险就是实际的问题，或者说我们对这个客观世界认知（与自身认知对应）的过程。
或者说，用上面的收益风险坐标图来说，
（1）我们要找到我们现在持有的资产到底在资产收益风险图的哪个位置。
（2）马科维兹定义的收益和风险是分别用收益率和标准差来定义的,一维的点估计。而我们定义的收益和风险更加立体，是多维的，通过概率分布的方式定义的潜在特征分布函数。
定位的方法取决于解决的方法的维度：
要度量风险和收益，则需要一套对风险进行评价的系统，通常而言大类资产上用宏观解决风险问题，中观资产上用现金流预期解决问题，微观资产上用逻辑解决问题。解决的问题角度越小，确定性越强，但同时资金容量越小。背后的逻辑很简单，越大的问题影响因素越多，不确定性越强。
集思录上大部分的人都是在解决微观问题，所以我们看到的大部分是规则套利，这符合风险回报比例，因为没有那么多资产需要管理。小问题解决小资产，确定性高，变量少，问题简单，性价比高。
比方说，吸收合并策略，目前整个市场的容量大概也就是2-5亿以内。对大部分人而言足够了，需要的工作也就是读完所有相关报告，评估性价比，盯住公告，非常简单。但当我把自己的资产从十万级管理到百万级时我就计划未来有一天要面对管理亿级资产的问题，因此我开始逐渐研究如何解决越来越大的问题。我的解决方案有两个：
1.横向扩充：研究10个微观策略，则总资金容量扩大10倍=》引导向多策略
2.纵向扩充：把研究的问题放大，则不确定性放大，则资金容量大幅扩大。=》引导研究宏观策略与资产配置之间的关系
当这两年，我的资产从百万级到达千万级时，我已经发现自己开始逐步受益于这些研究。从下一篇投资理论文章开始，我会新开一个帖子，着重介绍我对资产配置以及宏观策略的理解。
本帖会继续日频更新到本周五，然后继续在新贴更新。同时，对更新频率做微调，即每日更新观点，并周频更新净值曲线，以免大家过度关注某一个单一策略。
本文结束
赞同来自: 初心易得 、miniming 、将臣 、Syphurith
今日实现收益=0%
2021.1.1至今累计净值： 1.0079
简述：今日多空无交易。
今日大小盘择时平仓，从3月11日尾盘开仓至3月17日尾盘关仓，持仓期4天，做多中证1000&中证500，做空沪深300&上证50。
期间，1000上涨0.93%、500上涨0.19%，300下跌0.53%、50下跌0.95%，理论收益=（0.93%/2+0.19%/2）-(-0.53%/2-0.95%/2)=1.3%.实际到手收益约1.05%。
今年做多空择时有点不顺，运气比较背。大小盘择时还没失手，运气比较好。总体而言，一般般。
中证500择时累计净值曲线如下：
赞同来自: Ake90 、孤独的长线客 、xm0409 、好奇心135 、真实的存在着 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
当我们在说择时时，往往大部分人指的是对股票的仓位进行相机抉择的调整，卖出股票持有现金或买入股票，以期逃过下跌，并在上涨时持仓。
事实上，择时并非仅限于权益类资产。我们也可以对债券、商品、房地产等进行择时，从而形成对应的择时策略。
那样，只要有多个基于多个资产（或广义资产）的策略同时开始运行，我们会发现，从实质上，我们已经在进行资产配置了。
还是举例子说明，
情景（1）：如果我有且仅有一个股票择时策略
假设股票择时策略1月看多、2月看空、3月看平，那么我们的操作和持仓分别是：
1月观点：股票看多
1月操作：买入股票多头100%，卖出现金100%
1月持仓：股票多头100%，现金0%
2月观点：股票看空
2月操作：暴露股票空头200%（实际操作：卖出100%多头+买入100%空头）
2月持仓：股票空头100%，现金0%
3月观点：股票看平
3月操作：暴露股票多头100%（实际操作：卖出100%空头），买入现金100%
3月持仓：股票0%，现金100%
情景（2）：如果我有且仅有一个债券择时策略
假设债券择时策略1月看空，2月看平，3月看多
那么我们的操作和持仓分别是：
1月观点：债券看空
1月操作：买入债券空头100%，卖出现金100%
1月持仓：债券空头100%，现金0%
2月观点：债券看平
2月操作：暴露债券多头100%(卖出债券空头100%),买入现金100%
2月持仓：债券0%，现金100%
3月观点：债券看空
3月操作：买入债券多头100%，卖出现金100%
3月持仓：债券多头100%，现金0%
到目前为止，一切正常，这就是我们常规理解下的择时。本质上，这些择时策略都有一个基准，即资产（可以是股票也可以是债券），同时有一个资产的对立面（往往是现金），在这两者之间进行选择。
但如果这两个策略结合时，情况就会显得有些不一样:
情景（3）：如果我有一个股票择时策略，同时还有一个债券择时策略
假设股票择时策略1月看多、2月看空、3月看平，债券择时策略1月看空，2月看平，3月看多。假设有观点时策略的持仓应当平均分配，则两个策略同时运行下的满仓为单一资产50%持仓（股票或债券的满仓为50%持仓）
那么我们的操作和持仓分别是：
1月观点：股票看多，债券看空
1月操作：买入股票多头50%，买入债券空头50%，卖出现金100%
1月持仓：股票多头50%，债券空头50%，现金0%
2月观点：股票看空，债券看平
2月操作：暴露股票空头100%（实际操作：卖出50%多头+买入50%空头），卖出债券空头50%，买入50%现金
2月持仓：股票空头50%，现金50%
3月观点：股票看平，债券看多
3月操作：暴露股票多头50%（实际操作：卖出50%空头），买入债券多头50%，
3月持仓：股票0%，债券多头50%，现金50%
你会发现，这个情况下，我们把我们的多个资产择时策略用一种特定规则混合在了一起。在这样的视角下，现金和股票、债券其实是等价的，都是多个资产配置中的某一个资产（对，现金也是一个资产，他的特征是极低波动和极低的名义回报，负的实际回报）。
当我们不断加入新的资产择时策略，我们有N个资产择时策略，并同时使用他们对各种资产表达自己的观点时，我们会发现股票、债券、房产、商品、黄金、现金、特定广义资产等资产都是我们配置资产的一个维度，每个维度之间都是平等的。
这时，我们发现我们除了在现金最具有与价值（通缩叠加经济衰退，或者说价值毁灭）的时刻，并不需要特意配置资产在现金上（资产择时的对立面并不一定是现金，可以是债券也可以是商品）。
那么广义的择时视角来看，我们其实只是在衡量不同资产之间的性价比，同时通过现金这个中间媒介，配置我们自己认为最具有性价比的资产而已。站在这个角度，择时就是资产配置，长期的择时就是长期资产配置，短期的择时就是短期资产配置。
再进一步将这个定义推广，如果我们认为投资的目的是通过在不同时刻配置不同资产的方式将所掌握的资源形成的购买力最大化（或不断扩大）。那么所有的选择都是择时，配置的考虑只是希望在获得等量风险的情况下期望收益最大，或者说在获得等量期望收益的情况下风险最小。
从这角度去理解冯柳的满仓择股不择时，可以看成：
（1）他放弃了除股票外其他维度的资产配置（择时），包括现金这个维度
（2）他保留了在股票范围内配置A股票，不配置B股票的选择权（股票内部的择时或资产配置，择股是另外一种择时，或者说配置）
这也是我所理解的@孔曼子老师和我本人常说的，“我们永远满仓，只用风险衡量我们持有的仓位。”的意义。
赞同来自: sunnlyzzzj 、甘泉 、将臣 、Syphurith
周五实现收益=0.069%
2021.1.1至今累计净值： 1.0123
周五和周末过得太放松了，刚想起来没更新，赶快上来更一波。
中证500择时累计净值曲线如下：
赞同来自: 乐鱼之乐 、甘泉 、yuanhu 、Amancc 、念千股 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
今日实现收益=0%
2021.1.1至今累计净值： 1.0117
闲聊：我发现大家可能比较喜欢日更，因为我的择股实盘贴季度调仓，一个月一更新，几乎没啥人反馈。套利实盘贴不定期调仓，平均一两个星期一次，有零星反馈。择时贴日更，反馈很多。
包括指数配对套利交易，之前春节期间有一个多IC空IH的策略，关注的人好像也不多。但这次多创业板空50的策略，因为发在本帖，所以关注的朋友就很多。
其实这些策略都是我的策略，资金配置的权重还是持股策略更高一些，所以我猜大家比较喜欢热闹。当然也有可能是因为我之前和择时有关的一些分享也在本帖发。
但这样让大家觉得我好像是个纯做择时的，其实我一直在说，我是一个多策略投资者，本帖的一楼我就说过，各种择时（股票、国债、期指对冲套利等）全部加起来在我的总策略收益里也就30%的占比。不提出来说一下总感觉有误导。
仔细想想，我会的几个本领。要约收购不如 @孔曼子 ，可转债不如 @yyb凌波 ， 炒st不如 @GLZ0514 ，择时不如@熊猫不回撤 ，信用债不如 @骆驼1978 ，好像都不是特别出挑。
但回过头来，我的优点一个在于这些大佬精通的我都略通皮毛，另一个在于我会做资产配置，或者说我略通宏观。
所以之后找一个时间我可能会重新开一个主贴，把所有的交易全部放在里面。同时，做一些和宏观配置以及策略有关的分享。这样可能和我的初心更加相符。
之后在本帖还会再发两篇文章，一篇是欠了好久的“宏观与择时（3）”的相对比较长的文，还有一篇是“择时与资产配置”的短文。写完以后会重新开新贴，把各种交易和心得分享统合在一起。
简评：今天尾盘又被骗开多头了，看你骗我几回。同时，尾盘开始多1000多500空300空50的配对交易，预计持续时间3-4天。
中证500择时累计净值曲线如下：
赞同来自: yzzhongwei 、sothin 、generalu 、钱一多啊 、老实的很 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
骆驼提出了几点质疑，简单回应一下：
Q1:量化择时模型很容易掉进自己挖的坑里，模型里那些看起来具有预测性的因子，要么是过度拟合的结果，要么是相关性而非因果性的指标。
关键是，回测效果杠杠的，毫无理由拒绝。
A1：对抗过拟合的确是此类模型最大的问题，所以要做几点。
（1）去参数化
没有参数就无从优化，如果没有参数也能有效，说明大概率是有效。
有人质疑，怎么可能无参数？无参数代表自然，或者参数本身具有经济意义，那样就无参数了。比如某策略持有至年报公布日卖出，有没有参数？可以说没有参数，如果有，那么参数是年报公布日。这就是逻辑驱动了。
（2）逻辑驱动
细节太多，没法说全，随便说几个
1.先有观点再有回测，而非数据挖掘。
2.数据好的结果，如果和预测逻辑不符也要剔除模型
3. 好的回测前提是好的代理变量，所以首先要找到好数据。（比如在没有生猪期货的年代，金锣生猪价格指数比22省生猪价格指数更快更准）
4. 理解数据的构建方法和逻辑（比如，PMI是环比指标，天然带有季节性。比如，大厂耗煤量所表征的发电量需根据国家新能源建设规划逐步降权）
5. 从定价公式出发，再回到定价公式。比如大部分生息资产的定价方式都可以用DCF模拟。那么把DCF要素根据资产属性的拆分就可以得到可能的有效因子。
（3）非相关要素的结合
即使如此，依然无法完全避免过拟合，所以首先要素要多，其次不能有某个要素权重过大，第三要素之间的相关性要低。不细说了，逻辑和《分散投资的数学原理》是一样的。
（4）数学检验对抗过拟合
对于样本量较大的数据，可以用数学方法验证过拟合
1.蒙特卡洛模拟，判断过拟合出现的概率，类似假设检验统计的逻辑
2. 用时序交叉验证的方法验证（华泰金融工程团队在2018年写过一篇《华泰证券人工智能系列之十四：对抗过拟合，从时序交叉验证谈起》，有兴趣可以读一读）
Q2:另外，这种日内交易策略，不太可能与宏观经济因素相关，引入这些因素只会影响策略的可信度。
A2：不是的，就如同@涅槃2020 兄以前提过的，大家都认为我是做短线技术或趋势的，其实不是的，我是做宏观策略研究的。
你看到的是今天开仓，明天不开。我看的是宏观和微观要素的起起落落，不开仓的时候并不代表他们不存在。而是说他们起起落落在一个中间状态，不重要。
所以，大家看到的是先做多了2天，空仓一段时间再做空了3天，是0或1的布尔函数，但我的眼睛里是连续函数，只是你们看不见，我一直在看。
一般而言，只有多个非相关数据共振时，才会出现较强的开仓。这代表多维度的共振。
宏观数据也是可以做统计检验的，但数据结果没有逻辑重要，所以大部分时间需要做的是微观验证，而不是调参数。
比如，今天又公布宏观经济数据了，除了物价数据，基本上没有什么信息增量。
那么为啥宏观数据周频、月频公布，但交易是日频的？因为要控回撤，需要其他维度的数据佐证，宏观是维度，量价是维度，北上资金是维度，时间是维度，多一个低相关维度就多一个可信度，提高一点点夏普比。多个维度的高峰，概率上的最大回撤就是小。
另外提一句，用一般的技术指标做期指是没啥用的，我测过几百个，包括持有封基老师的Bias2.0之类的，都没啥用。一般而言，但凡在指数上有点用的指标，在期指上的效果最少打8折，越量价的打折越多，越低频打折越多。很多策略在ETF上都能跑赢指数，在期货上都是赔钱货。
赞同来自: 丢失的十年 、yuanhu 、generalu 、Syphurith 、hdgkfc 、 、 、 、更多 »
从去年9月开始算，
债券这边已经赚了25%， 这里面没有用到任何超过小学数学水平的量化模型，靠得主要是常识、胆量和耐心；股指期货择时策略亏损5%。
各类股指期货的策略，我在这上面花的时间最多，反复研究模型，反复回测，总结经验，可就是不赚钱！大概已经研究并实盘6年了，回测结果都非常好，总体收益可能有个30%吧。
起初，为了使策略回测效果更好，不断地往里面加参数，回测效果超好，实盘结果可想而知；后来做减法，到现在股指期货策略仅剩下两个参数，效果还有待观察。
说实话，我也不打算放弃，道理和回测结果摆在那里，有什么理由放弃呢？
京公网安备 11010802031449号