Book Study
已从 EPUB 提取 80 个可阅读章节，可直接阅读并标记学习进度。
学习进度
最近阅读：未开始阅读
Chapter002 内容简介 本书用口语化的方式讲述了如何搭建、测试、完善自己的量化定投模型。一共分为9节课，从易到难、由浅入深，用最常用的Excel软件和尽量少的数学、股票知识将量化定投模型中的各种问题阐述明白。让普通散户也能掌握一种“战胜”市场，并能长期稳定获利的方法。 本书的读者定位于广大散户，即使是刚刚接触股票投资的朋友阅读本书也会毫无障碍。对量化
Chapter004 前言 PREFACE 股票市场是一个让人既爱又恨的地方。一些股民常说，如果你爱一个人，就让他去炒股；如果你恨一个人，也让他去炒股。一个看似矛盾的表述，却道出了广大股民现实中的无奈。每一个带着“真金白银”进入股市的人，都是想来赚钱的。可是结果呢，大多数人都或多或少地赔进去自己的本金。从90年代股市成立以来，“7输2平1赢”似乎成为中国股民
在投资市场中，投资的收益率和投资风险成正比的关系。投资风险越低，投资收益率就越低，相反，高风险的投资往往伴随着丰厚的投资收益率。银行定期存款是我们每个人都会做的一种理财行为。由于有“准国家信誉”做担保，可以说是最安全的理财方式。超高的安全性，注定了其超低的收益率。银行的定期存款利率会随着国民经济的发展而上下波动。以一年期定期存款利率为例，1993年时高达10
严峻的现实告诉我们：不理财，我们的财富就会大幅缩水。那么对于我们普通百姓来说都能有哪些理财手段呢？ 第一种就是银行理财产品。从广义上说，银行理财产品分为固定收益类和风险类。这里我们特指固定收益类银行理财产品。该类产品主要为银行定期存款、协议存款、国债、金融债、企业债、可转换债券、债券型基金等固定收益类投资。一般来说，这类产品的收益不高但比较稳定，风险也比较低
对于普通散户来说，投资指数是最适合的。因为相对个股而言，指数具有平均性、永续性、被动性、低风险。 （1）平均性是指，指数是一揽子股票的集合，反应的是市场平均的涨跌幅。只要市场整体是上涨的，指数也会上涨。买卖指数，不会出现“赚了指数没赚钱”的情况。 （2）永续性是指，指数一经发布，就会按照规则一直运行下去。通常指数每年会根据编制规则对成份股进行调整，优胜略汰，
第一，定期投资，积少成多。投资者可能每隔一段时间都会有一些闲散资金，通过定期定额投资计划购买标的进行投资增值可以“聚沙成塔”，在不知不觉中积攒一笔不小的财富。 第二，不用考虑投资时点。投资的要诀就是“低买高卖”，但却很少有人在投资时掌握到最佳的买卖点获利。为避免这种人为的主观判断失误，投资者可通过“定投计划”来投资市场，不必在乎进场时点，不必在意市场价格，无
（1）年轻的月光族。由于基金定投具备投资和储蓄两大功能，可以在发工资后留下日常生活费，部分剩余资金做定投，“强迫”自己进行储蓄，培养良好的理财习惯。 （2）领固定薪水的上班族。大部份的上班族薪资所得在应付日常生活开销后，结余金额往往不多，小额的定期定额投资方式最为适合。而且由于上班族大多并不具备较高的投资水平，无法准确判断进出场的时机，所以通过基金定投这种工
我们先来看一个基金定投的真实案例。 一位家住上海的王女士，每月投入2000元，分别定投4只基金，每只投入500元——自2011年中旬定投开始的5年时间里，王女士始终不改初心。无论A股如何涨跌起伏，王女士都没有任何赎回行动，其定投记录堪称教科书式的基金定投。 交易单据显示，王女士选择定投4只基金，并选择银行申购，其分别定投了广发核心精选、兴全有机增长、农银汇理
目前普通的定投都是针对基金而言的。基金公司为了本公司的利益会主动联合银行等渠道给客户提供便捷化的定投服务。客户只需准备好一张银行卡，并保证在扣款日当天卡内余额高于扣款额即可。扣款额的多少可以由客户在签约时自由认定，少则300元，多则上千上万元。案例中的王女士为了分散风险，选择了4只风格不同的基金进行定投，每只每月定投500元。坚持5年，风雨无阻，这种定投更加
众所周知，我们的A股有两大交易所，分别为上海证券交易所和深圳证券交易所，两大交易所的代表指数为上证指数和深综指。下图为上证指数全历史走势图。 下图为深综指的全历史走势图。 从上述图形中我们不难看出，2008年后，代表了中小盘股票的深综指走势远远强于上证指数。如果我们用深综指这种过去大涨的指数来作为模型的测试样本，那么就有可能使我们的模型无法经受住大跌、长跌的
如果说前面选择上证指数就像选定一个战场的话，那么测试时间段的选择就好比给模型选一个好的“对手”，一个最能体现出模型价值的对手。定投是一个长期的理财计划，时间短了肯定测不出来好坏，选单纯的上涨行情或者下跌行情也不行。A股的历史上有三次牛市行情，分别为2000年、2007年、2015年，能从中看出点儿“规律”吗？7年一次大牛市。当然，这只是一种推测。所以我们的测
定投金额的确定就比较主观了。一般来说，定投金额是和个人经济情况挂钩的。存款多、收入高，定投金额当然水涨船高。在实际定投中大家可以根据自己的情况酌情而定。 我们做模型测试，考察模型的优劣基本都是用比例，比如绝对收益率、年化收益率等，这些数字和定投的绝对金额没有关系，所以不管我们设定定投金额是2000元也好还是5000元也好，并不会有差别。之所以选择2000元这
至此，我们终于搞定了模型一中的细节问题了，下面开始测试。测试的过程就是模拟真实的交易过程，每次交易后，把我们关心的几个数据记录下来，比如买卖金额、持股数、盈利金额等。这样就会形成一个长长的数据表。下图即是模型一的测试数据。 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 对于这个测试数据做如下解释： （1）上面的表格展示了15
面对茫茫的数字，很多人估计都会头疼，这该怎么分析呢？让我来带领大家抽丝剥茧，进行一步步分析，大家自然就会明白模型一的表现究竟如何。 首先看一下，模型一的投入资金、总资产和盈利资金走势图。 图中的蓝色线表示我们定投累计投入的本金，由于我们每月固定买入2000元，所以它是一根有固定斜率笔直向上的直线。红色曲线代表我们持有的股票的总市值，由于没有卖出操作，总市值等
通过上述例子，我们再回过头来看模型一的期末年化收益率4.88％。这个4.88％意味着，过去15年，我们每月投入的每一笔钱，从投入的那一刻起，都在享受每年高达4.88％的收益，一直到2016年底测试结束。看到这里，估计有些朋友会说：这就是复利啊。对，复利。爱因斯坦说过，复利是世界第八大奇迹。这几年比较火爆的银行理财产品，给出的年化利率也就4％～5％。如此简单的
说到指数的高低，我们很自然地会想到用指数的数值来衡量。比如，我们经常能在媒体中看到这样的表述。 “今日，上证指数跌破1000点心理关键点位，未来市场走势堪忧。” “上证指数放量突破6000点大关，开启未来万点牛市行情。” “人民日报：4000点仅仅是牛市的起点。” …… 那么用指数的某一个点位来衡量指数的“高”和“低”是否可行呢？我们不做定性分析，一切都用数
这个时候，让我们抛弃图形，抛弃点位，回归股票的本质，看看股票究竟是个什么东西。 “股票是股份公司发行的所有权凭证，是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。每股股票都代表股东对企业拥有一个基本单位的所有权。每支股票背后都有一家上市公司。” “股票价格是指股票在证券市场上买卖的价格。股票价格分为理论价格与市场价格。股票
我们先来看看上证指数1995-2016年这21年的指数点位走势图和市净率（PB）走势图。 通过这两幅图，我们能得到以下结论： （1）指数在不断走高。指数每个阶段的底部不断的在抬升，而与此同时，指数的市净率却是在不断走低。 （2）相同的点位对应的市净率差别很大。比如，2000年6月指数2000点和2007年6月4000点，点位上涨1倍，而二者对应的市净率却都是
首先我们还是需要将测试整理成图形和表格的形式。 下图为模型二的累计投入资金、总资产和盈利金额走势图。大家拿它和模型一的图做对比，二者几乎一样，似乎并没有什么改进。其实这是一种错觉，图形给我们展示的是一种直观的感觉，但是他无法体现出细节的差异。如果仔细观察，我们会发现2007年后，总资产的曲线在随后几年的历次低点都不再和累计投入资金曲线有重合。这说明，模型二即
读到这里，肯定有朋友会说：我们能不能让模型二在更有“价值”的位置买入？比如PB<3或PB<2时再买入。有想法，就要有行动。让我们一起来看看这两种设定条件下，模型二的表现如何吧。 下图为PB<3时买入，模型二的测试结果。 下图为PB<2时买入，模型二的测试结果。 为了更清楚地观察数据，我们将模型二的三种情况，PB<4，PB<3，PB<2的几个关键指标放在一起做
到目前为止，我们之前谈到的量化定投模型所用的买入策略都是金额平均买入法。那么何为金额平均买入法呢？让我们回顾一下前两课中模型一和模型二的买入金额是如何设定的。 模型一规定：无论指数高低，每月月末买入2000元的指数份额。 模型二规定：当指数PB<4时，当月月末买入2000元的指数份额。 这种买入方法，只关心投入的资金量，对定投标的的价格不关心。比如2002年
金额增量买入法就是我们平时常听到的“金字塔买入法”，这种方法源于一个朴素的道理：在更低的价格，投入更大的金额。 只有在更低的位置，投入更多的资金，在未来的高位时，我们才能获取更加丰厚的回报。也许，大家看到这里会说：这是很简单明显的道理嘛，有谁会傻到高位买的多，低位买的少呢？可是，我要告诉大家，在实际的股票买卖过程中，广大股民往往真的是在实践着“高位买的多，低
顾名思义，此种方法是让每月定投金额与当月PB数值之间建立线性函数关系。举个例子，当指数PB=3时，定投金额是1000元，PB=2时，定投金额是2000元，PB=1时，金额是3000元。这样一种方法能让定投资金随着PB的减小而均匀增加。当然，上面仅仅是个例子，实际中，我们每月遇到的指数PB指数不可能正好等于整数，更多的是类似2.45这样精确到小数点后两位的数值
这里的“指数”代表的是一种重要的数学函数。而书中之前提到的“指数”则表示各种股票指数，例如上证指数、沪深300指数等。正所谓“此指数非彼指数也”，大家在阅读过程中要结合上下文意思理解。 按照初等数学的定义，指数函数的一般表达式为 y=ka x （公式4） 大家看到这里不要头晕，接下来我会对其更进一步的定义，来适配我们的量化定投模型。一般来讲，我们常用的有平方
理论叙述完毕，下面我们要进入实际回测环节。承接上一堂课的模型二，我们开始按照本堂课的理论，打造模型三。模型三的买入判断逻辑如下图所示。 模型三相比模型二的一大改进就是每月月末的定投买入金额不能实现约定了，需要根据买入函数动态调节。本堂课我们实现了三个买入函数，分别是线性增量法（公式2）、平方增量法（公式5）和立方增量法（公式6）。这三种方法应用到模型三中，我
首先看年化收益率。 从数据看，在定投开始后的第5年起算之后每年年末计算出的年化收益率都是模型三（3）>模型三（2）>模型三（1）。表现相对最差的模型三（1）期末年化收益率也达到6.18％，表现相对最好的模型三（3）更是高达7.25％。这个收益率几乎完爆当下所有保本类银行理财产品。相比模型二的期末年化收益率5.48％也是有明显的进步。看到这里，大家是不是很兴奋
行文至此，我想有些对量化投资有所了解的朋友一定会说：为了将资金总投入控制在360000元左右，对买入参数进行修改，这是一种数据拟合！一个为了得到完美结果而过度拟合的量化模型对于实战是没有任何价值的。 我在此引出以上问题，是因为这种观点很具有代表性。而我们的量化定投模型从模型三开始会越来越多地涉及“数据拟合”问题。这个问题如果不讲透彻，估计很多人心里会对量化模
好了，书归正传，本堂课我们将一起探索量化定投模型的卖出策略。俗话说：会买的是徒弟，会卖的是师傅。这话仔细想来还是有几分道理的。我们散户在股票市场上说白了赚取的是股票一买一卖之间的差价，没有卖出操作的话，那么我们账户里的资金即便盈利再多也是白搭，专业名称叫“浮盈”，在此还是要感叹一下我们汉字文化的博大精深，一个“浮”字道出了多少人间真谛啊。比如说，5元买入一只
俗话说：说着容易，做着难！炒股的人都知道，要想盈利就要“高抛低吸”，但是怎么来实现这个“高抛低吸”呢？方法千千万万，但我可以负责任地说，股市中并不存在一个确定的方法能让你在短周期内一直实现高抛低吸。如果果真存在这样一种方法，那么股市中的钱早就让持有此方法的人赚没了，其他人都别玩了，股市也就关门了。这从方法论的角度就可以直接否定。那么我们的定投如何保证能在高点
由上面的叙述，我们在模型三（2）的基础上，得到模型四。 模型四的逻辑判断如下图所示。 好，下面我们来进行测试。测试数据如下图所示。 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 这里对于测试表格要做几点说明。 首先，“买卖金额”这一列有了负数。负数代表的意思就是卖出，因为当指数PB大于4时，按照模型要求就需要卖出股份，保存利
模型四从2002年1月开始运行一直到2008年5月，一共运行了77个月，这其中，买入的时间为62个月，卖出时间为15个月，二者比例约为1：4。那么从时间这个角度看，能卖出的时间相对买入的时间来说是很少的。而我们的模型四在买卖金额的设定上又用了相同的函数，所以，当然不可能在牛市中充分兑现筹码。
2002年1月-2007年2月，模型四一直是执行的买入操作，这62个月的指数平均PB为2.51；2007年3月-2008年5月这15个月均是卖出操作，平均PB为5.36。模型四是以PB=4为估值中枢的，而且用了平方函数来加强对估值中枢的偏离度。所以，平均而言，买入的金额又大于卖出的金额。 这些问题，我们先提出，在后面的模型改造中会去一一解决。 模型四还有一个
我对这个问题，想到一种解决办法就是“平均数”。就像我们平时看K线图一样，任何一款软件都会在K线图中默认给出若干条均线，有10日均线、30日均线等。那么，我们对于指数的PB走势线是不是也可以用均线这个概念来评估一下指数的平均PB数值呢？进一步，用这个平均PB来作为指数PB的估值中枢。这个想法我认为是很棒的。那么实际是否可行呢？让我们一起来看看上证指数PB的平均
有了这根曲线，我想我们就可以开始测试模型了（每次到这个时候，都是我最激动兴奋的时刻）。这次我们测试两个模型，把历史PB均值和近5年PB均值两种方式都进行测试，分别命名为模型四（1）和模型四（2）。 这个模型我就不再定出详细的测试数据了，直接给出测试统计结果。 大家看这个模型的收益是不是比模型四要好很多呢。我们仅仅是将买卖函数中的PB=4换为历史PB均值，虽然
有些朋友可能会问：为何模型四（1）和模型四（2）绝对收益率差别很大，而在年化收益率这个指标上差距那么小呢？这个问题曾经也让我困惑了好一阵子，后来还是从公式本身出发，找到了解释这种现象的办法。为了让大家更好地理解，我还是用举例的方式来说明。有这么两个投资项目A和B，两个项目的投资年限都是5年，总投入资金都是200元，5年后的收益都是100元。唯一的不同是，A项
模型四（2）使用的买卖函数是“平方增量法”，那么对于使用立方增量法的模型来说效果如何呢，我们需要测试。下面给出模型四（3）。 测试数据就不贴出来了，我们一起看看结果。 坦白地讲，当测试结果出来后，我是一阵的吃惊。这个模型在2007年的牛市中表现堪称完美。从2002年1月一直到2006年10月，模型一直在买入，这期间累计投入资金19.72万元。随后的大牛市中，
从2002年1月开始，我们采用了模型四（2）这种定投方法。时间在不断地流逝，指数在不断地创造新低，到了2006年11月，模型终于开始提示我们要卖出了，指数也从最低的998点涨到了2000点。在这个月，我们盘算着过去的投入，一共58个月，我们已经累计投入了19.1万元的本金。接下来，股市一路走牛，节节攀升，各种利好各种靠炒股发财的声音充斥于人们中间。而我们依然
模型五的买入函数系数从原来的2600变为X，X代表未知量。因为在模型开始运行时X=2600，等到一轮牛熊过后，有了回收资金，这个X就要根据回收资金的大小进行动态调整。 好，让我们一起来看看模型五的测试情况。 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 测试结果统计如下： 模型五脱胎于模型四（2），二者的
这样，我们继续在模型五的基础上，对剩余的回收资金做年化收益率3％的收益处理。我们得到一个新模型：模型五（1）。 此处略去具体的测试数据，我们来看看测试结果统计如何。 （续）单位：元、％ 大家看，虽然无风险收益每年仅仅只有3％，但是期末模型五（1）的总资产多了5.6万元。这个钱真是不拿白不拿啊。而且，我们的期末年化收益率也提高到了10.15％，过了10％这一大
详细测试数据如下所示。 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 （续）单位：元、股 测试结果统计如下： 看到这三张图表所展现出的结果，我想大家一定会非常兴奋。从模型一最原始的定投开始，经过十几个模型的迭代优化，一步一个脚印，我们终于得到了一个相对来说比较完善并且具备实战价值的量化定投模型。 从期末情况看，模型五（2）总
（续）单位：元、％ 从结果看，模型五（3）没有让我们失望，模型的各项评价指标都得到了提升。这是我们目前为止，在上证指数上测试得到的最好的一个量化定投模型。这个模型的最成功之处在于2007年的完美逃顶。正是因为有了这样的完美操作，使得2007牛市的利润几乎完全保留下来。积累的利润直接抬高了后面熊市年份的年化收益率。而在2015年牛市中，模型并未卖出多少。本质上
下面，让我们一起来逐一验证过往的量化定投模型。 第一个要测试的还是最原始的定投模型，这个模型算是一个比较基准吧。 测试结果统计如下： 看到这个结果，大家是不是觉得很无语啊。我们前面用了百页篇幅不断优化模型，最终在模型五（3）中，取得的期末年化收益率也就是13.36％。而采用深综指作为标的的最原始、最傻瓜的定投模型期末年化收益率居然能高达12.76％。打个比方
我们之前的模型核心是PB，咱们就先看看深综指的点位图和PB走势图。 从上面这两幅图中，我们能深切地感受到，指数PB对于指数高低有着更加良好的刻画，无愧是一把衡量市场高低的尺子。2007年牛市巅峰，深综指点位约1500点，8年后的2015年，深综指点位飙升到3000多点。点位涨了1倍，然而从PB角度看，2015年的PB反而比2007年巅峰还要低。 我们从更深层
首先，我们先来看看基于历史PB均值的模型四（1）。 测试结果统计如下： 看到这个结果，大家是不是多少有些失望呢。老实说，我第一次看见这个结果也是非常惊讶和失望。从期末年化收益率的角度看，模型四（1）居然才达到15.05％，要知道，“傻瓜”定投模型一的年化收益率都达到了12.76％。怎么看，都觉得提升幅度太小了。绝对收益率方面，提升的幅度基本还算可以，从197
下面我们再来测试基于近5年PB均值的模型四（2）。 测试结果统计如下： 这个结果出来，跟没有优化一样，甚至年化收益率还从15.05％降低到13.87％。绝对收益率也有稍许下降。这说明，对于深综指来说，使用历史PB均值作为估值中枢要比使用近5年PB均值效果好。但是，请大家注意，这仅仅代表了过去。假如未来深综指的PB也走出像上证指数2010年后那种逐步走低的趋势
下面我们继续测试模型四（3）。 测试结果统计如下： 大家看到，模型四（3）依然能在2007年的大牛市顶部完美逃顶。但是看期末的年化收益率才12.87％，绝对收益率也是降低不少。问题就是出在对回收资金的使用问题上。在2011-2014的熊市中，仅仅新增了不到12万元的筹码，而同期的回收资金高达103万元，现金市值比例太大了，所以直接拖累了期末的数据表现。 回收
第一个上场的是模型五（2），一个采用平方买入法，两倍平方卖出法的模型。 测试详细数据如下： （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 测试结果统计如下： 模型五（2）的效果就比较明显了。期末的绝对收益率高达536.59％，年化收益率也提升到18.37％。这个就很厉害了。我们重点看看改进的效果。找几个模型的断面来看。先看，
下面我们看看使用立方法的模型五（3）效果如何。 测试数据如下： （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 测试结果统计如下： （续）单位：元、％ 不出意外，使用同样的模型五（3），深综指和上证指数都测试出了各自最好的成绩。期末年化收益率高达19.38％，这个成绩可以秒杀股市中99.9％的人。我们先来看看模型五（3）的几个
所谓PB高度，就是指指数当前PB数值在统计区间内所处的百分比位置。有些人也将其称为PB分位数。 举例来说，有下列一组数字： 如果我们想计算编号5代表的数值4在这组数值中的高度，那么计算方法就是，首先看这组数值有几个数是小于4的，大眼一看，有2个。这组数字总共有几个呢，一共4个。注意，这里我们在计算总数时没考虑编号5，而在实际计算中，由于样本数都是成千上万的，
首先，我们以模型四（2）为蓝本。原本模型四（2）中的近5年PB均值，在这里已经没有用处了，我们统一用50％来作为指数的估值中枢。当前PB数值也用当前PB高度数值来代替。其余买卖规则保持不变。我们将这个新模型命名为模型六。这里，我们先以上证指数为样本进行测试。 测试结果统计如下： （续）单位：元、％ 这里我们先不对测试结果做点评，继续用模型六对深综指进行测试。
当然，模型六依然只是一个过渡模型，接下来，我们要测试的是以模型五（3）为基础改进的模型。模型五（3）是我们在本书中得到的一个最具有实战价值，综合收益最高的模型。我们将模型五（3）加以改进，用PB高度来测试，看看效果如何。我们将这个模型命名为模型七。 下面是模型的详细测试数据： （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 （续）单位：元 测
我们一起来看看，模型七和模型五（3）相比，究竟劣势出现在哪里。由于两个模型的总投入都是36万元左右，先看看二者的总资产走势图。 在总投入基本相同的情况下，模型五（3）完全压倒性优于模型七，在上证指数测试中，这一点表现得非常明显。模型五（3）有个明显的优势点，就是在2007年牛市顶部卖出完毕，所以在2008年的大熊市中几乎没有任何损失。模型七不具备这个优势点。
基于PB高度的模型我们测试完毕了，也进行了对比分析。我认为，基于PB高度的模型之所以表现欠佳，最根本的原因还是在于对牛市顶部和熊市底部的度量上存在缺陷。在牛市中，股市的参与者面对巨大的盈利，都会很容易被胜利冲昏了头脑，加大资金买入的力度，导致牛市涨了再涨，估值被吹得很高。那么PB高度在这个过程中，就会出现“高位钝化”，也就是2007年末牛市顶部那种情况。而基
做金融投资的人都知道，衡量一个金融产品的好与坏都要有个可以比较的基准。比如，过去一年上证指数涨了10％，而你发行的金融产品收益率高达20％，那么别人就知道你这个产品是有过人之处的。那么假如失去了基准指数这个比较基准，单纯的产品收益率就成了无本之木了。再比如，一个金融产品在2008年全年收益率是-5％。单纯看，亏了，不明就里的人会说：这是什么垃圾产品啊，操作一
这一点非常重要，其重要性甚至超过第一条。我们做量化定投，需要建立模型，然后用历史数据进行测试。由于定投是长周期的计划，所以三年五年的数据根本不够，必须涵盖起码两轮牛熊周期。只有时间足够的长，指数经历了更多种情况的考验，我们的模型才能具有更强的适应性。比如，我们之前测试的模型五（3），核心是计算近5年PB均值。计算这个数值，就需要之前5年的数据。 目前国内指数
指数基金，顾名思义就是以特定指数（如沪深300指数、标普500指数、纳斯达克100指数、日经225指数等）为标的指数，并以该指数的成份股为投资对象，通过购买该指数的全部或部分成份股构建投资组合，以追踪标的指数表现的基金产品。通常而言，指数基金以减小跟踪误差为目的，使投资组合的变动趋势与标的指数相一致，以取得与标的指数大致相同的收益率。 指数基金根据有关股票市
那么为何我建议大家在场内买卖指数型ETF基金呢？主要还是考虑到佣金费率问题。我们一起来看看场外、场内买卖佣金的区别吧。 首先看场外基金买卖。一般来说场外基金在申购和赎回时都要缴纳一定比例的佣金。目前主流的基金佣金费率如下表所示。 由于目前基金业竞争激烈，各大代销平台都会针对申购推出优惠幅度特别大的活动。按照目前通行的优惠幅度，基金申购都会打1折，即0.12％
下面我们以沪深300指数对应的场内基金300ETF（代码510300）为例，结合模型五（3）来看看实际的运行效果如何。这里有一点需要说明一下，300ETF这个基金在场内上市的时间是2012年5月28日，所以这次测试的起始时间点为2012年5月28，结束时间还是2016年12月31日。模型中的当月PB数值和近5年PB均值我们依然采用上证指数的数值来计算。 下面
下面我们来讲讲另一个在实际投资中不得不面对的问题。假如，在开始定投时，我们手中已经有一笔现金，比如20万元，接下来我们每月还打算新投入一些资金，那么在定投开始时，手中这20万元该怎么办？很多人会拍脑袋说：我先买个10万元，然后再慢慢定投。拍脑袋这事不是我们的风格，我们需要的是依据，一个可以用数字说话的依据，一个能从道理上说服我们的依据。 针对这个问题，我提一
在本书中，我们前前后后测试了数十种模型，这其中有很多是过程中的模型，最终具有实战价值的模型可能会是模型五（2）或者模型五（3），也许本书的读者会在此基础上自行去设计属于自己的更好的定投模型。但是，大家记住，测试不是我们的目的，实战才是目的。我们需要的是一个真正能指导今后实际操作的模型。在模型的设计中，一定要非常慎重地对待“数据拟合”这个问题。要在每次设定参数
定投其实是一种无奈中庸的选择。如果我们有过人的对企业未来发展预测的本领，我们完全可以在市场中选择那些未来发展潜力巨大的企业，买他们的股票一定会使我们暴富。别说在牛市，即便在熊市中，一年中翻倍的股票也是比比皆是。但是，实践证明，在这个市场中，可以说99％甚至99.99％的人都不具备这种本领。所以，我们选择指数，因为指数是永续的，而且指数本身就是中庸的结果。我们
我认为定投最终赚的是两种钱：一种是国家发展的钱，另一种是市场情绪波动的钱。股市是经济的晴雨表，也是国家发展的晴雨表。这句话是从长期的角度说的。回想我们的模型，在熊市中大量买入。我们买入的底气何在呢？如果这个买入注定最后是个亏损的结局，我们肯定不会去买。我们买，就是相信在未来的一天，国家会发展得更好，企业也会做得更大更强，从而把这种强大体现到股价中。人们常说：
但凡炒股的朋友都知道，一旦喜欢上炒股，赚钱亏钱先不说，时间精力上的投入是巨大的。每天只要开盘，从早上9点到下午3点，脑子里想的都是股票。如果我们采用书中说的量化定投方法，每个月只需要在月末最后一个交易日快要收盘前10分钟，打开交易软件，用事先计算好的买卖金额实施买卖，就这么简单一操作，即可结束。我们将完全从股票市场中解脱出来。
既然定投是一种中庸的选择，那么我们就要理性看待其能获取的收益。不可否认，股市中充满了暴富的机会，特别是在牛市中。我身边一个朋友，在2015年的牛市中，个人资产从18万增值到98万。他激动地对我说：股市真是好啊，一年赚的钱，够我上班20年的工资了。我当时劝他多多注意风险，可以考虑兑现一部分收益。他认为我太保守了。结果，2015年下半年的股灾让他损失惨重，到20
拿模型五（3）来说吧，我们测试过去15年的上证指数，期末得到的年化收益率是13.63％。那么假如我们在2016年后开始使用模型进行操作能得到这个收益率吗？答案是能，但是有个前提，就是未来的指数运行完全重复过去15年的走势。这个要求似乎有点儿不切实际。定投的一个基本假设前提就是：历史会重复出现。我们都知道，完全的重复是不可能的。但是，人类社会经济的发展确实存在
四则运算就是“加、减、乘、除”运算，这是所有计算操作的基础。由于四则运算的公式基本一致，所以只演示乘法操作。 案例： （1）A列为股价，B列为买入数量，将每次买入所需金额在C列呈现。 （2）点击C2单元格，在其中输入“=A2*B2”，然后回车即可。 （3）点中C2单元格，出现绿色方框，方框的右下角有个小方格，拖动小方格一直到C6单元格。 （4）计算结果即逐一
Excel中的指数运算符为“^”。 案例： （1）将A2单元格数据，分别进行平方和立方运算后在B2、C2呈现。 （2）在B2中输入“=A2^2”，在C2中输入“=A2^3”。 三、如何设定小数点保留位数 案例： （1）A列显示的数值小数点后位数不统一，将A列数值在B列统一以保留小数点后2位的格式呈现。 （2）先将A列内容复制到B列，然后选中B2-B5单元格，
在有些时候，我们在进行计算操作时需要固定的引用某个单元格的数据。这时需要用到“$”运算符。 案例： （1）A列为股价，B列为买入数量，但只有B2有数据100，B3-B6默认也是100，但是没有数据，需要在C列显示出每次买入的金额。 （2）点击C2单元格，在其中输入“=A2*$B$2”，然后回车即可。 （3）点中C2单元格，出现绿色方框，方框的右下角有个小方格
在量化定投模型中我们经常会用到日期格式。有些我们获取的外部数据，看着像日期格式，其实不是。比如从通达信软件导出的数据，日期这一栏就不是日期格式。 这时如果在A5上单击改变格式，即便选择日期格式，其真实格式依然不是日期。在以后需要通过日期进行匹配操作时就无法匹配上。正确的做法是进行数据分列处理。 （1）首先用鼠标全选A列，然后选择顶部菜单中的“数据”中的“分列
有时我们有两个数据表，需用根据两个数据表中共有的一列作为依据进行数据匹配。这时我们需要用到vlookup函数。 案例：现有sheet1和sheet2数据。我们需要将sheet2中的收盘价通过两个表共有的“时间”列进行数据匹配，使sheet1中的股价能匹配到sheet2中相应日期的收盘价。 （1）在sheet1的B2单元格中输入“=VLOOKUP（A2，She
在我们的定投模型中，经常会用到一个评价指标“年化收益率”。在一个时间段内，资金持续投入，在期末如何衡量资金的使用效率，年化收益率是个比较好的判断指标。在Excel中，我们可以使用IRR函数进行相关计算。 案例：第一年投入100元，第二年投入10元，第三年投入0元，第四年投入50元。在第四年年末，总共获得的现金是200元。那么，这轮投资在第四年年末的年化收益率
按照模型四（2）的要求，我们需要准备好2002-2016年上证指数的PB和近5年PB均值数据。然后新建一个表格，写好表头，并将每月月末的日期写入到A列中。利用vlookup函数，将月末日期对应的PB和近5年PB均值匹配到表格中。
在E2中输入2600。在E3中输入“=IF（C3<D3，$E$2*（D3-C3）^2，-$E$2*（D3-C3）^2）”。这是一个逻辑判断函数，如果C3<D3为真，表示当前日期PB小于近5年PB均值，那么此时执行“$E$2*（D3-C3）^2”语句。该语句对应的就是模型中的买入函数。当C3<D3为假，表示表示当前日期PB大于近5年PB均值，那么此时执行“-$
持股数量表示模型在当前日期经过买卖操作后还有多少股数。在G3中输入“=G2+F3”。G2表示上一交易日的持股数量，再加上当前日期买卖的股数。由于在买卖股数中，买入为正数，卖出为负数，所以此处可直接统一用G2+F3计算，不必分开计算买卖情况。
每次有卖出操作后，卖出的金额都要加在回收资金中。在L3中输入“=IF（E3<0，L2-E3，L2）”。 至此，模型中各个数据列的计算公式就写完了。接下来就是把第3列中写好的公式逐一应用到接下来的日期中。用鼠标选中E3-L3单元格。拖动选中方框右下角的小方格，一直拖到表格结束。 这样就很方便的完成了一个量化定投模型的测试。 我们在“如何更好的买入”这一堂课中，
Chapter017 附录四 如何获取指数PB数据 我在书中介绍过可以从中证指数官网获取指数历史PB数据。但是，官网上的数据每次只能查询一天的数据，如果想按照书中的模型亲自操作，需要将所有的历史数据集中起来。如果一个一个从官网抄下来，显然不现实。在这里我给大家提供一个我自己开发的获取指数PB和PE的小程序。该程序能让你很方便地每天把中证官网上的PEPB数据下
Local EPUB Text
下面我们再来测试基于近5年PB均值的模型四（2）。
测试结果统计如下：
这个结果出来，跟没有优化一样，甚至年化收益率还从15.05％降低到13.87％。绝对收益率也有稍许下降。这说明，对于深综指来说，使用历史PB均值作为估值中枢要比使用近5年PB均值效果好。但是，请大家注意，这仅仅代表了过去。假如未来深综指的PB也走出像上证指数2010年后那种逐步走低的趋势，我想，用近5年PB均值又会效果好些呢。根据上证指数的经验，我认为即便在深综指上使用近5年PB作为估值中枢也是合适的。这是对未来有个更好的保护。而且收益率的降低幅度确实也不大。还有一个好处是，模型更加统一。我们用一样的模型规则，适配了不同的指数，这个意义还是蛮大的。此外导致模型四（2）期末年化收益率低的原因还有一个就是回收资金沉淀过多，这个模型中并未利用。这一点会在模型四（3）中表现得更为明显。