本篇文章是我研究涨停系列的最后一篇，也是我认为最有价值的。本文将展示打印每日连板股票的代码，后续持有不同天数的收益情况，以及策略化的回测情况等。 涨停是动量的体现，众所周知动量是一种长期有效的因子，那么市场中动量最高的无疑是连续涨停的股票。当观察到一只股票连板后再买入还来得吗？后续收益怎么样呢？ 首先在统计连板股票时应剔除新股与st，因为新股的涨停往往是以少则几个，多则十几个一字板的形式，很难参与，而st股票涨停只有5%非常鸡肋且存在退市风险。 用以下代码在研究环境中进行股票的初步筛选： ``` def filter_new_stock(initial_list,watch_date,n_days): df=get_all_securities(types=['stock'], date=watch_date)[['start_date']] df=df.loc[initial_list] date=datetime.datetime.strptime(all_trade_days[all_trade_days.index(watch_date)-n_days],"%Y-%m-%d").date() return list(df[df['start_date']< date].index) def filter_st_stock(initial_list, watch_date): df = get_extras('is_st', initial_list, start_date=watch_date, end_date=watch_date, df=True) df =df.T df.columns = ['is_st'] df = df[df['is_st'] == False] filter_list = list(df.index) return filter_list df = get_all_securities(types=['stock'], date=stat_date) stock_list = list(df.index) stock_list = filter_new_stock(stock_list, stat_date, fn) stock_list = filter_st_stock(stock_list, stat_date) ``` 接下来在处理过的股票池中统计连板数，关于函数功能与参数的详细解释可以参考[上一篇](https://www.joinquant.com/view/community/detail/f5819756851809b0052578fb2fc35eeb)文章。找出每日最高连板股票是研究与回测中耗时最多的部分，为了方便，我把研究结果放在了附件中，想打印最近的连板票可以用研究中的代码，想看历史情况可以直接看附件中的统计结果。 找出最高连板票： ``` def limit_count(limit, stock_list, stat_date, watch_days): if limit == 'high': df = get_price(stock_list, end_date=stat_date, frequency='daily', fields=['close','high_limit'], count=watch_days, panel=False, fill_paused=False) df['limit'] = df['high_limit'] elif limit =='low': df = get_price(stock_list, end_date=stat_date, frequency='daily', fields=['close','low_limit'], count=watch_days, panel=False, fill_paused=False) df['limit'] = df['low_limit'] df.index = df.code count_list = [] for stock in stock_list: df_sub = df.loc[stock] limit_days = df_sub[df_sub.close==df_sub.limit].close.count() count_list.append(limit_days) df = pd.DataFrame(columns=['code','count']) df['code'] = stock_list df['count'] = count_list df = df.dropna() return df continue_count_df = [] days_count = wd_count + 1 while len(continue_count_df) == 0: days_count -= 1 if days_count < = 1: break else: MKT_df = limit_count(limit_condition, stock_list, stat_date, days_count) continue_count_df = MKT_df[MKT_df['count'] == days_count] ``` 在统计出每日连板票后还有一个问题，如果当天符合条件的股票不止一个，应该选哪只？统计表明，市值小的后续收益一般更好，但也不宜过小，市值的标准在不同年份也稍微有些不同。不过为了统计方便，仅保留最小一只。 符合连板条件的股票大于一只时选择最小市值股票： ``` def get_smallest(stock_list, stat_date): q = query(valuation.code,valuation.circulating_market_cap).filter(valuation.code.in_(stock_list)).order_by(valuation.circulating_market_cap.asc()) df = get_fundamentals(q, date=stat_date) df.index = df.code stock = list(df.code)[0] cap = df.loc[stock]['circulating_market_cap'] return (stock, cap) ``` 游资中有一种说法，就是打板需要符合情绪周期，在上升期操作，在下降期空仓。对于情绪周期的量化，我参考了[vinjie2018](https://www.joinquant.com/user/cf50e5163bf24619a05d2d4fa53f6dc0)的做法。在后续统计中证明确实可以提高收益。关于情绪周期的计算公式如下： 情绪周期 = 当前最高连板数 - 过去一段时间最高连板数的最大值 比如最近三天最高连板数为（2，3，4），则计算出的情绪周期数值为4-4=0。如果为（5，3，4），则情绪周期是4-5=-1。何为上升期，就是今天情绪指标创出新高的日子。即只有当情绪周期等于0时操作。 情绪周期示例，可以理解为下图中只有当两条线重合时才操作  计算情绪周期： ``` if days_count > 1: smallest_stock = get_smallest(list(continue_count_df['code']), stat_date)[0] smallest_cap = get_smallest(list(continue_count_df['code']), stat_date)[1] count_df = continue_count_df.copy() count_df.index = count_df['code'] limit_counts = count_df.loc[smallest_stock]['count'] temp_count_list.append(limit_counts) if len(temp_count_list)>(emo_cycle-1): emotion = temp_count_list[-1] - max(temp_count_list[-emo_cycle:]) else: emotion = 0 ``` 到这里，我们已经完成了选股与择时的工作，那么要如何评估后续的收益呢？ 方法一：T日收盘后选出股票，T+1日以开盘价买入，T+N日以收盘价卖出。计算持有N天的收益。 方法二：买入卖出时间与一相同，但是收益算法不同，收益等于持有时间内最高价与最低价的均值 方法一的统计结果在附件“统计后续收益.xlsx”中以k表示，例如k5就是持有5天的收益。为什么要设计方法二，因为我想了解它最大盈亏空间的情况，周期为5时这部分结果以a5表示。 在统计收益时我发现聚宽的数据有一些与炒股软件中的对应不上，可能因为分红送转导致计算方法不同的原因开头结尾对不上，但是算收益是算中间的差值，所以应该影响不大。 从2008-2021年的统计结果来看，无论基于哪种方法，其平均收益都为正数，且大于沪深300的对照组。 持有天数N越大总收益越高，收益波动越小，但平均到每一天的收益越低。持有天数大于5天之后一般a5会逐渐接近并大于k5，可能因为最大值的中位数在5天以前，最小值的中位数在5天以后。所以一般持有时间应不大于5天。例外情况最典型的是2014年，表现为持有时间越长越好。下图展示的是上述两种方法计算的，持有2至10天的总收益除以天数得到的平均每日收益。  另外，统计的excel文件中还包含连板数和市值的记录，大家可以通过筛选查看几板收益较好。一般来说市值在20-80亿之间收益变化不大，近几年市值小于20亿的收益相对低些，这个现象在几年前并不明显。大于80亿的只有在14,15,17表现还可以，其它时间则表现较差。 有时可能会连续几天信号为同一只股票，那么是要每一次出信号都买呢，还是只在每只股票第一次出现时操作呢？在附件“连板统计1.0”中我统计了连续信号都交易的情况，在2.0中则忽略了后续重复信号。“连板统计2.0.excel"文件的”周期内“分页为只选择emotion=0的收益情况。 统计相关函数： ``` def get_future_price_summary(stock, stat_date, watch_date, sellable_date, last_keep_date): df = get_price(security=stock, end_date=watch_date, fields=['open'], count=1, panel=False) start_price = df.iloc[0]['open'] df = get_price(security=stock, end_date=last_keep_date, fields=['close'], count=1, panel=False) over_price = df.iloc[0]['close'] df = get_price(security=stock, start_date=sellable_date, end_date=last_keep_date, fields=['high','low'], panel=False) max_price = df['high'].max() min_price = df['low'].min() gain = round(((max_price - start_price)/start_price), 2) lose = round(((min_price - start_price)/start_price), 2) average = round((0.5 * (gain + lose)), 2) keep = round((over_price - start_price)/start_price, 2) return (start_price, min_price, max_price, over_price, lose, gain, average, keep) ``` **总结来说，收益均值的排序从小到大是沪深300对照 < 连板信号不去重出一次买一次 < 连板信号只买首次出现 < 首次出现的信号不择时全部参与 < 只参与首次信号且为情绪周期内。出现信号后参与时间越短资金利用率越高，收益越高** 有了上述理论支持，我们就可以把它写成策略。 1.在T日收盘后计算首次出现的最高连板票，检查当前是否处于可操作的情绪周期内，如果处于，则返回股票代码，否则返回0 2.在T+1开盘时以开盘价买入，这里可能会有涨停开盘买不到的问题，这种情况的影响后续再说，先用强制撮合函数假设可以成交。 3.如果计划持有3天，则分两仓操作，子账户1在T+1日买入，账户2在T+2日如果有信号则买入新一只股票。T+3日如果又有信号，则卖出子账户1中股票买入新股票。T+4日操作子账户2。以此类推。每个账户每次只买入不超过8成的仓位。 由于这个策略回测起来时间特别长，如果积分不多的不建议回测长期，我会把08年至今的回测结果贴在下面。时间长的主要原因在于T日选股，如果有需要研究每日选股的朋友，可以直接看附件中的“每日结果可上传研究.csv”，其中的date为T日的日期，code为当时选出的股票。用本地数据可以快速优化交易逻辑。不过量价策略的本质是抢板凳的游戏，所以希望大家有自己的买点卖点避免冲突，我上面所写仅作为一个抛砖引玉的例子。 最后说一下这个策略的问题，就是上面2中提到的如果涨停开盘怎么办。如果涨停开盘的股票全部视作交易失败，则收益会非常平庸。 实际操作时的情况要复杂的多，仅通过回测很难分析，下面列出几种我认为可能的解决方案： 1.隔夜下单，如果幸运也许可以成交。 2.涨停后打开，由于我的策略只写了在9:30分运行，这种打开的情况不会再去下单。所以实际中只要是符合条件的股票开板了其实是机会。 3.我之前提到了在每日选股时会只保留最小市值的股票，如果恰好这一天有市值比它大一些但没有涨停的符合条件的股票，也可以作为备选。 4.通过对后续走势的评估，不去机械的卖出，比如我策略中选择第三天无脑卖出，但如果买入后继续涨停没有放量，也可以考虑多持有一段时间。亦或者是结合其它技术指标卖出。 5.统计之前没买到的股票开板后收益，这类股票之前没买到，说明比较强势，也许开板后还有机会，可以等开板后买入。 6.如果是有实力的资金，还可以尝试在T日收盘前人造信号，把有潜力，快涨停了的股票买成第二天其他人会根据这个策略买入的股票，从而抢占先机。 这个策略的核心是抓涨停股票短期的动量，但从长期来看，历史上涨停越多的股票，一但动量期结束，后续收益较市场均值来说普遍差很多。而且打板很容易吃面，满仓腰斩后要赚一倍才能回本，同样是先亏50%再赚100%，如果分成两个仓位则平均下来可以赚25%，所以仓位控制很重要。另外，感觉研究涨停形态很容易陷入过度优化，往往一段时间内收益颇高，但对未来操作很难说有什么指导意义。最后，还是建议大家根据自己的风险承受能力决定是否要追连板股票。 **反思：此策略跟踪半年后发现波动巨大，且追涨停的下单成交与否很难控制，感觉价值远不如预期，且回测耗时过长，故删除回测，将速度优化后的源代码放入附件仅供参考。**