资讯专栏INFORMATION COLUMN

动态再平衡投资策略历史数据回测

Vultr / 2082人阅读

摘要:再平衡策略基本就是以固定收益为标准,围绕其做波动,而波动的影响就是股市的涨跌。

赚钱是个俗气的话题,但又是人人都绕不开的事情。我今天来“ 科学 ”地触碰下这个话题。

谈赚钱,就会谈到理财、投资,谈到炒股。有这样一个笑话:

问:如何成为百万富翁?  
答:带一千万进入股市。

那么你有没有炒过股?有没有亏过钱?

股市虽然是个充满造富神话的地方,但对于大部分参与者来说,风险都是极高的,所谓 七亏二平一赚 。而一般的银行理财、货币基金,则是相对稳定的低收益率。今天要聊的是一个介于二者之间的投资策略, 既能提升你的收益率,又能维持一个相对可控的风险 。(真有这种好事?)

策略很简单,一共分两步:

把你手头准备用于投资的闲钱(注意是闲钱), 50%投资于股票指数基金 ,比如指数基金300ETF, 50%投资于低风险固定收益产品 ,比如大家都知道的余额宝、其他货币基金、银行固定收益理财等。

每隔固定的一段时间 进行一次资产再平衡(假设一年), 使股票资产和固定收益资产的比例恢复到50%对50% ,比如每年12月31日,如果这一年股票大涨,则需要卖出股票,买入货币基金,使调整后两中资产的市值恢复50%对50%。

然后,就没有然后了……就这么简单。

这个策略并不是我拍脑袋想出来的,它的正式名称叫做 动态再平衡策略 ,最早由“华尔街教父” 格雷厄姆 提出,之后也被很多证券分析师所引用。上述是一个极简的初级版本。

关于策略的实际效果,很多人在书籍或文章中有过论述。但我想你恐怕还是对此持谨慎怀疑的态度。那么接下来,我就用代码,在历史数据上做一些模拟统计实验,看看效果究竟如何。

这里的数据来源是 tushare ,一个开源财经数据接口包,我之前在文章中也有介绍过,详见:想用 Python 做数据分析?先玩玩这个再说

数据处理用到了 numpy ,绘图使用了 matplotlib

详细代码获取见文末。

我们模拟场景设定为:

初始资金为 _10000 元_

沪深300[399300]指数 作为指数基金的参考

为了简化模型,我们不考虑休息日,假设 每个交易日的固定收益为万分之一 (年化3%左右)。

每隔一段固定时间,就进行一次“再平衡”操作,将指数基金与固定收益的比例恢复50:50。

将结果与 全部购买指数基金全部购买固定收益 的效果进行对比。

根据之前的策略和设定,选取不同周期和时间段进行数次实验,结果为:

在几次实验中,再平衡策略的收益均处在另外两种策略中间:当股市好时,可以获取远超固定收益的回报;而当你的买卖点选择不好,股票赔钱的时候,也不会亏太多。尤其像最后一组,从07年3000点左右买入,经历10年2轮大牛市,股票回到原点后,再平衡策略依然有相当于固定收益的效果。

可视化展示:

蓝线为指数,红线为全指数基金策略 (二者曲线一致,只是坐标轴不一样), 绿色是固定收益的曲线堆叠折线图则是再平衡策略的曲线 (下半部固定收益,上半部指数基金)。再平衡策略基本就是 以固定收益为标准,围绕其做波动,而波动的影响就是股市的涨跌 。因此既保证了收益稳定性,又增加了有超额收益的机会。

在最简版的基础上,还可以有个变化: 不按固定周期再平衡,而是按比例,比如当其中一部分超过另一部20%时,则触发再平衡

放在上述实验数据中,总体来说收益率有所提升:

还可以将再平衡策略与定投策略结合起来,比如初始 10000 元,之后每个月(以30个交易日简化)投入 1000 元,按照我们第二种再平衡策略,从 07 年 5 月一直坚持到现在,结果是:

共投入成本 101000
再平衡策略最终资金 131010
对比只买固定收益是 118317
只买指数基金是 108857

当然,仅从选取这几次来下结论,依然不是很有说服力,所以我让程序随机选取开始和结束的时间点(至少1000个交易日),进行了 1000次实验 ,最终的收益率统计如下图:

红点是再平衡策略收益率,黄点是固定收益率,绿点是指数基金收益率

我们的策略收益率大部分保持在 0~7 之间,标准差为 5.88,相对稳定。这一收益率也有赖于固定收益的基础收益率,如果固定收益能提高到 5% 以上,此策略的收益率平均将接近 10%。

而纯股票的收益率,虽然有可能达到惊人的数值(比如顶上那个点 150+%),但标准差有 14.1,也有很大的概率亏损。

因此,这个策略不太能让你暴富,但对于寻求资产稳定增值的朋友,是非常值得参考的资产配置策略。

有人嘀咕了,说的这么神,你自己买了没?

emmmm……这个,我就低调地晒个图吧:

当然,这点盈利纯属狗屎运。(35倍的收益率其实是股票转件计算收益的一个“bug”:是以剩余资金来计算百分比)

策略重要,找到一个好的入场时机更重要。不跟风,保持独立思考,正所谓“别人贪婪时我恐惧,别人恐惧时我贪婪”。现在是不是合适的入场时机,这就不是我这个代码能帮你算出来了的。

获取文中相关代码,请在公众号(Crossin的编程教室)里回复关键字 策略

════

其他文章及回答:

如何自学Python | 新手引导 | 精选Python问答 | Python单词表 | 人工智能 | 嘻哈 | 爬虫 | 我用Python | 高考 | requests | AI平台 | 计算机视觉

欢迎搜索及关注: Crossin的编程教室

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/45019.html

相关文章

  • 用python做投资--多因子策略

    摘要:如果我们把这三个因子都加进去会怎样呢收益率为倍,没有刚才那么好了,还是刚才的和净利润环比增长率这两个因子比较好,那就保留两个吧。因此,我们可以考虑使用排名的方法,对这些因子进行排名。 导语:每一位宽客都相信,影响股票涨跌的因素不胜枚举,而这些因素就是因子!本文作为一篇合格的入门教程,提供代码当做框架,各路宽客可以自己测试,查看收益率,亦可利用聚宽python平台自行构建代码。 规范源码...

    zilu 评论0 收藏0
  • 人工智能在财富领域的应用与探索

    摘要:财富管理专场上,蚂蚁金服财富事业群资深技术专家康宇麟做了主题为人工智能在财富领域的应用与探索的精彩分享。使用人工智能技术可以帮助蚂蚁金服决定给客户理赔的金额,这大大提升了运营的效率。 摘要: 以数字金融新原力(The New Force of Digital Finance)为主题,蚂蚁金服ATEC城市峰会于2019年1月4日上海如期举办。财富管理专场上,蚂蚁金服财富事业群资深技术专家...

    n7then 评论0 收藏0
  • 1分钟快速了解人工智能量化投资平台

    摘要:如何实现这一价值致力于将人工智能的能力赋予每一位量化投资者,平台拥有股美股港股期货期权等多市场海量数据,全面支持主流框架。人工智能量化投资平台 导语:欢迎大家来到BigQuant人工智能量化投资平台,本文将通过简短的介绍帮助大家快速认识BigQuant,快速了解人工智可以为投资者带来哪些价值,希望可以帮助大家快速建立起对BigQuant人工智能量化平台的初步认识。 BigQuant是一...

    caohaoyu 评论0 收藏0
  • PyAlgoTrade框架研究

    摘要:最近研究量化交易,看了几个回测的框架,最后盯上这个项目。所以对这个框架进行了一番研究。比如的设计,也是采用事件回调来计算指标或者进行交易。在的科学计算框架体系中,是核心,其核心的数据结构也被广泛使用于其他数据分析框架之中。 最近研究量化交易,看了几个回测的框架,最后盯上PyAlgoTrade这个项目。感觉很不错,支持 策略回测和实盘交易,提供全面的技术分析接口,算是python的量化交...

    gityuan 评论0 收藏0
  • Gartner:公有云增长强劲 供应商应加快云服务的布局

    摘要:预测,公有云服务将持续强劲成长,年终端使用者于公有云服务的支出可望成长至亿美元。至年,公有云服务市场规模预计可逾亿美元。此外,亦需仔细评估境外服务供应商在云端式服务所做的任何投资。 国际研究暨顾问机构Gartner指出,尽管产业化服务的日渐普及将使传统与客制化服务的业务量缩减,但投资云端式服务所产生的新增营收可弥补境外服务供应商所受到的冲击。然而,步调缓慢、无法或不愿投资云端以进行转型的服...

    Shimmer 评论0 收藏0

发表评论

0条评论

Vultr

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<