另外,GP-r和BP两个因子是负相关,但他们形成的单因子策略(都同样进行前几部价值筛选)净值相关度却高达0.72,是我哪里做错了吗? 另另外,GP-r和BP两个因子相关系数在-0.3左右,好像没有-0.58那么大... @小兵哥 请解惑?

@GOLDEN8 数据口径不大一样。 -0.58 是论文里的数据，有两个因素不一样： 1、原文是美股； 2、原文是按 GP 十等分，不考虑估值因素。 这样要买入一揽子股票，对于个人而言，难度太大。 我实现的时候做了取巧，只在相对低估值的池子里，选 GP 高的股票。 等于做了一个低估值的增强。 所以相关系数会有变更。 组合起来的混合策略是（非本回测）： 低估值池子里选低估值组合 + 低估值池子里选质量好的组合。

@小兵哥 恩 我做了两个组合 A:和您这个策略一致,低估值(80%,40%,40%,2.5)里选GPr高的 B:同样的低估值筛选条件里,选PB最小的 可是AB两策略相关性高达0.72 百思不得其解?

如果A和B都不用价值池的话,相关性进一步到0.84 好崩溃@小兵哥

@GOLDEN8 把你评估相关性的研究分享出来学习一下呗。

@小兵哥 我还没学会编程,在其它平台上弄得,有害羞的表情么 但是我说的真的,昨天弄了一晚上

膜拜一下~，继续发好东西. 其实这个GP, 看似跟ROA相关性很大，感觉直接用ROA，区别也不会很多

@小兵哥 ``` def fun_check_price(self, algo_name, stock_list, position_price, gap_trigger): print(position_price) flag = False msg = "" if stock_list: h = history(1, '1d', 'close', stock_list, df=False) for stock in stock_list: curPrice = h[stock][0] if stock not in position_price: position_price[stock] = curPrice oldPrice = position_price[stock] if oldPrice != 0: deltaprice = abs(curPrice - oldPrice) if deltaprice / oldPrice > gap_trigger: msg = algo_name + "需要调仓: " + stock + "，现价: " + str(curPrice) + " / 原价格: " + str(oldPrice) + "\n" print(msg) flag = True ``` 我觉得这一段有BUG,因为如果一旦买入后不久出现了除权，复权后价格一般会大幅降低，但是position_price里的价格没有同步复权的话，会出现判断跌幅超过25%而卖出的吧

小兵哥帖子和代码写的干净易懂，还热心的回答疑问，真乃高手的楷模。感谢！

这个券池能改吗？改了那个定义券池哪里，没有变化

貌似你所有的策略都是这样的，这该怎么办

@小兵哥 请教一下，和价值股的配对是包含仓位控制和风险控制的么？我用等权重做了一个，感觉差别很大呢，不知道有哪些点没考虑到

@小兵哥 GP和BP的相关性是-0.58，按理解两者是负的相关性。按我个人的理解，两套策略互补是不是应该相关性越趋近0越好，无论是负还是正。所以，应该是0.04那组最好吧，基本无相关性。

@然后笑了负相关，无相关都是好工具，要看你希望整个组合的效果而定了。

你好！ from jqdata import * 开头这句里的*是什么意思？

@嘲笑鸟 引入 jqdata，可以参考聚宽的范例。

其实这个GP_ratio和roa是一个意思吧

@小兵哥 请问兵哥，之前的4步是怎么设定的？论文里没提到吧 1、选取市值最大的 80%股票； 2、选取市盈率最小的 40%股票（剔除负值）； 3、选取市净率最小的 40%股票（剔除负值）； 4、选取市收率小于 2.5 的股票；

择时,止损,买点,卖点,市场情绪,合力等都没有考虑,这种策略交易体系5%都达不到,做不到一买就涨。