数量化追板系列更新—超短之打板策略解析更新(一)

发布于: 修改于: 雪球转发:3回复:5喜欢:10

     时光荏苒,距离第一篇打板系列已经过去了两年的时间,翻看自己之前的写的文章,依旧能从中体会到斗志和激情。2018年,这样的市场一坑接一坑,不想多聊,一切过往,皆为序章嘛。废话少说,让我们直接进入正题。

       基于首篇打板系列已经过去了2年,市场也经历过一次又一次的大风大浪,行情情况以及市场情绪也发生了巨大的变化,这里将跟随我们之前的研究序列,将策略进行一次大更新。

   (借用2016年的抬头)所谓打板,顾名思义就是在一只股票涨停或者接近涨停时买入。记得03年大熊市时期,整体市场缺乏人气,但是以宁波解放路为首的‘宁波敢死队’一时间声名鹊起,迅速吸引了公众视线,以其快、准、狠的手法在熊市里取得了非凡的战绩,不仅令人啧啧赞叹。也许就是从那时开始,各路游资开始大发神威。当然现在的追板已经和之前的追板不一样了,如何更好的追板,涨停板又哪些变化,下面就将一一分析。

测试简介:

1 测试更新时间:20170101 – 20190102

2 股票池:全A

3 剔除股票:剔除上市不足三十天的股票

(一) 番外篇-超短之日内择时简析

在之前的首篇文章中,我们统计了上证从2009年到2015年以来的所有的大盘日内走势,并对大盘的日内的高低点进行了分析探讨,这里我们继续更新。

(1) 从30分钟线来看,上证指数的日内高低点的分布如下:

(2) 从15分钟线来看,上证指数的日内高低点分布如下:

(3) 从5分钟线来进行观察

     第一幅图是我们之前的图,第二幅图是我们之后的2017-2019-01-02的。从整体结构上看,发现大盘这几年的整体结构或者股民的情绪没什么太大改观,开盘以及尾盘的情况,高开低走,低开高走的情况依然存在。但是这些5分钟线细分情况来看,总体上来说,低开高走的概率比较高,但是在2017-2019年,高走的概率要低于之前的概率。后面的蓝线低于前一图的蓝线。

(二) 打板策略整体更新分析

      在2014-2016年的分析中,总共有37871个涨停板,而本次20170101-20190102两年的数据中仅仅13445个涨停板。从这个地方也能看出,行情不比从前啊。

(1) 20170101-20190102,各涨停板股票次日开盘数据进行统计分析。

开盘数据情况

      从上图我们得到涨停板次日开盘情况集中分布在三个地方,1涨幅10%;2涨幅在-2%-5%之间。经过我们得到涨幅大于0的概率为70%,相较于之前的75%,下降较为明显,也就是说如果单日买入涨停股,次日红盘开盘的概率为70%。经过其他监测具有统计上的显著性,并且得到开盘的期望值为2.45%,相较于之前的3.045%也有较大的差距。从侧面印证了,整体市场行情的羸弱。

(2) 20170101-20190102,各涨停板股票次日最低价数据进行统计分析。

  次日最低价情况

     从柱形图上我们可以看出,形式不太乐观,最低价在2%-(-10%)之间占了81%(之前为70%),>0的占比为33%。相较于之前下滑也是相当严重。说明股票涨停后,其次日表现波动较大。但是值得高兴的一点就是其最低之的期望值为-1.264%(之前为-0.8%)

(3) 20170101-20190102,各涨停板股票次日最高价数据进行统计分析。

次日最高价数据分析

      从图形我们得到,涨停股次日的最高表现集中在超过4%-10%之类,其概率超过68.29%。这意味这什么呢,如果我们抓到了涨停板,那么次日如果不贪心的话有68.29%的机会以涨幅超4%出货,相较于之前的80%,概率有所降低。所以耐心和不贪心、不患得患失显的尤为重要。最高价期望值为6.07%,同样具有统计上的显著性

(4) 20170101-20190102,各涨停板股票次日收盘价数据进行统计分析。

次日收盘价分析


      从上图来看,尾盘的收益分布除了4%的涨幅达到了35%,其他的收益基本上均分了我们的样本。通过计算可以得到我们期望为1.98%,收益期望也较为良好。通过对比上图最低价的柱形分布图来说,跌幅超过4%的股票数量锐减,一方面可以说明尾盘拉升比较厉害,另一方面也提示我们在盘中无需过度恐慌。

      这是我们本轮大更新的第一篇,后续更新还将继续对我们的之前未填写的东西进行完善。同时将会有很大部分新增内容,包括原始数据,日线、周线、分钟线、逐笔分析,以及回测系统开发与详解等。本次大更新为自己新年立的flag之一,内容将会先后发布在公众号和雪球,当然公众号可能比雪球有更加完善的体系,希望大家关注。

如果需要相关的数据,请关注公众号“ 在沉思的芦苇”,研究不易,多个支持呗,谢谢各位。

全部讨论

量化小王子2019-03-30 21:49

万德

形宗2019-03-30 21:16

写的很棒,想请教下这些数据是如何统计出来的呢

苦海和尚2019-01-04 19:35

先点赞再仔细看

量化小王子2019-01-04 14:41

图片评论