A股月份效应 | Python量化A股市场魔咒,5穷6绝7翻身准确吗?| 邢不行

news/2024/8/21 1:23:57

A股有很多广为流传的谚语,它们大多源于投资者对交易经验的总结和共识

比如我们之前验证过的散户反买别墅靠海、跳空必回补等谚语。

今天我们要验证的,是五穷六绝七翻身这句谚语。

它的意思是A股5月、6月可能会跌的很惨,到7月会开始反弹回升。

这句谚语并非A股独有,港股也有类似的说法,美股也一直有SELL IN MAY的传说。

 当然本文我们只针对A股做相关的研究,看一看A股是否如谚语所言,会在5月、6月大概率下跌,在7月大概率上涨

我们也会尝试总结其中的规律,以此形成一个有助于我们交易的策略。

01 月份效应

1 数据代码

为了验证五穷六绝七翻身的说法,我们找来了大家最熟悉的上证指数、代表大盘的沪深300、代表小盘股的中证1000指数、以及包含绝大部分股票的中证全指的数据。

还编写了相应的Python代码来进行验证。

​如果你对这个数据和代码感兴趣的话,可以点我头像交流,都是可以免费发给你。

2 每月胜率

具体结果如图所示:

​从2005年到2022年这18年间,5月、6月、7月上涨次数分别是10次、10次和11次上涨概率大于50%,总体来看涨多跌少。

这个结果貌似并不符合五穷六绝的说法。

并且如果你仔细观察表格,就可以发现另一个有趣的现象。

2月份上涨概率极大,18年上涨14次,胜率高达78%。反观3月则下跌概率最大,18年下跌11次。

我们甚至可以看看其他指数的表现:

​和上证指数类似,5月、6月、7月涨多跌少2月上涨概率最大,3月下跌概率最大。

我们将表格转为柱状图做更直观的对比:

​2月胜率遥遥领先,3月表现极差;5月、6月并没有出现五穷六绝的现象;7月份大多保持高胜率。

3 每月平均收益

当然有一定交易经验的朋友都知道,我们不能只看胜率,毕竟高胜率不等于高收益。

我们还应该去看每个月的平均收益。

​我们也做了相关统计,结果很是耐人寻味:

​5月平均收益为正,中证1000指数表现尤佳。

6月指数收益显著为负,是所有月份中平均收益最低的,符合六绝的说法。

7月也确实翻身了,平均收益为正,各指数表现良好。

2月指数的表现则遥遥领先,中证1000的平均收益甚至高达7.6%。

​因此图中最明显的结论并非所谓的五穷六绝七翻身,而是2月收益惊人,6月实属六绝。

02 月份择时策略

1 单月策略

我们甚至可以构建一个简单的量化策略来对比各月份间的不同表现。

假设我们每年只在2月/6月去买入相应指数,其他月份空仓,结果又将如何?

​我们仍借助Python代码来进行验证。

​如果你对这个数据和代码感兴趣的话,可以点我头像交流,都是可以免费发给你。

具体结果就如图所示:

​2005年至今,代表只在2月买入指数策略的橙色曲线从1元涨到了1.7元。

这是你每年只花一个月去投资,其他时间都不动的结果,整体收益已然不错。

而代表6月的绿色曲线从1元跌至0.65元,下跌35%。与2月的差距显而易见。

2 指数择时策略

在此基础上我们可以构建一个指数投资策略:

每年在2月持有上证指数,并在6月做空其他时间我们持有货币基金(假设货币基金每月平均收益为0.2%)。

​这样一个简单的策略能帮我们赚钱吗?

相关代码已为大家准备,如果你对这个数据和代码感兴趣的话,可以点我头像交流,都是可以免费发给你。

​最终结果如图所示:

​代表策略的橙色曲线1元涨到了3.38元,不仅跑赢了指数本身,还非常稳健最大回撤极低。

03 数据应用

至此我们发现A股有较明显的月份效应。

但以上结果都是我们基于数据统计得到的,任何统计数据大家一定要留一些心眼。

因为有时单纯的统计结果并不一定能让人信服,最好还要有理论上的解释来呼应。

1 无意义规律

比如有人和我说过他发现上海的天气会影响上证指数的涨跌幅。

​还有人跟我说月相会对股市的涨跌有影响,他会据此交易,甚至这方面还有相应的学术论文

​在我看来这些方向并无意义,哪怕上海的天气或天上的月相从数据上呈现出一定的规律,能对指数产生影响,我也只认为是过渡拟合的结果,至少我本人是不信的。

​而至于上文发现的A股在2月容易上涨,6月容易下跌,其实也有相关的理论解释。

2月上涨无非是因为春节期间资金总体宽裕,大量会议召开并发布相关政策,又恰逢上市公司年报发布期等。

​而6月易下跌则是因为没有固定的宏观事件市场缺乏明确的主线,处于比较混沌的状态等等。

​但这些解释在我看来或多或少也有些马后炮的意味在里面,并不能让我完全信服。

并且我们只用到了过去18年的数据,每个月只做了18次统计,样本量太小。

2 有意义规律

而我们之前文章验证过的周内效应(周四更容易下跌)则不同。

​它每周都有数据,20年间累积了1000多条。这个样本量下得出的结论我也更愿意用到实盘交易中,我自己实盘的策略就有部分会在周四时选择空仓

​而反观月份效应的结论,我个人则不敢直接投入实盘使用,相信在座的各位也有类似的想法。

​当然我们的研究也不是毫无作用的,以后我可能会在2月的持仓上更激进,而6月更谨慎

比如原本6月我的策略仓位是100%,我可能会人工干预到85%的仓位,但也仅此而已。

04 后记

文章的最后,和大家分享一点量化投资的心得。

经常有人问我小白如何入门量化投资,有什么资料分享。

我特意为大家准备了一个《量化投资新手学习大礼包》。

首先是我们自己总结的适合零基础新手的量化投资学习路径,可以让你知道自己每一步需要达到什么阶段。

接下来你可以通过我整理的量化文章合集,来更全面的了解量化投资到底是什么。

我还精选了适合各个学习阶段的策略研报合集,正如我一直所说,量化研报是很好的量化实践项目,深度研报可以显著提升你的量化水平。

这一份代码则适合喜欢研究技术指标的人,你可以跟着教程轻松计算出所有技术指标,并测试这个指标的有效性。

如果你有一定的基础,还可以尝试回测一些策略,我为你准备好了十几个不同类型的经典策略和它们的代码,相信总有一个适合你自己去魔改开发,运用到实盘。

最后也是最关键的,量化的基础就是准确的历史数据,我会送你一份股票历史日线数据和一份财务数据,你可以用它测试所有技术指标和财务指标,也可以用来回测大部分策略

识货的你一定能够发现这个大礼包的价值吧。如果你需要的话,可以点我头像交流都是可以直接免费发给你的。


http://lihuaxi.xjx100.cn/news/1216714.html

相关文章

单马达可换档六足机器人前进功能的实现

1. 运动功能说明 本文示例将实现R046样机单马达可换档六足机器人前进的功能。 2. 结构说明 本样机只有一个圆周舵机,却可以通过换挡机构实现前进和转向两种行走姿态。 样机由一个圆周舵机带动一个等速齿轮组(下图所示两枚蓝色齿轮)&#xff0…

Jsp+sql智能交通道路管理系统(论文+任务书+外文翻译+开题报告+文献综述)

电子警察是“智能电子警察监测系统”的简称,它是一套高科技电子设备,最初是为维护交通执法提供了一种先进手段。以往许多城市在某些交通场合,由于没有有效的执法手段造成执法困难,例如:无人值守的路口;单行线;禁行、限时道路;限车型车道;主、辅路进出口;紧急停车带;…

STM32F103下载的SWJ接口禁用问题

前言 在STM32中有一些引脚的主功能不是实现GPIO的功能,而是用作调试接口。就比如我们常用的ST-LINK下载器,就是通过SWD接口给STM32下载程序的。SWJ接口包括SWD和JTAG两种。 环境 STM32F103C6T6核心板STM32CubeMX生成的HAL库文件 基础 SWJ接口&#x…

【SQL武林秘籍】玩转表及其数据

目录 📖前言 😀数据库约束类型 1️⃣not null 非空约束 2️⃣unique 唯一约束 3️⃣default 默认值约束 4️⃣primary key 主键约束 5️⃣foreign key 外键约束 6️⃣check 限制约束 😉新增(insert select) 😄查询(进…

阶乘约数猴子分香蕉

题目 定义阶乘n!123⋅⋅⋅n。 请问 100!(100 的阶乘)有多少个正约数。 思路 不会写,还以为去算100!各个乘数的组合呢!看了题解才发现,是一个跟数理有关系的题目。首先:任何一个正整数都能被表示…

【Vite环境变量】import.meta.env 和 loadEnv使用和区别

前言 我们在做项目时需要各种配置信息(如应用标题、API 地址等),这些配置信息可能在不同环境下有所不同(如开发环境和生产环境)。 如果每次更改开发或者更改生产环境需要修改源代码中的相关配置,这会导致…

JupyterLab 4.0 发布了

JupyterLab 是 Jupyter Notebook 的下一代版本,它提供了更强大的功能和更灵活的用户界面,6月6日,官方发布了JupyterLab 4.0的说明,并且说该版本是下一个主要的版本。 JupyterLab的主要改进是: 用户界面:Jupyter Note…

直播商品库功能(互动功能接收端JS-SDK)

功能概述 图:边看边买--效果截图 本模块主要处理商品库相关逻辑,如展示商品、商品推送和商品上下架等消息。 初始化及销毁 在实例化该模块并进行使用之前,需要对SDK进行初始化配置,详细见参考文档。 在线文件引入方式 // scri…