编者按:
投资量化π是中信保诚基金旗下一款旨在探讨量化投资的投资者陪伴栏目。在非量化人看来,量化有一层“神秘面纱”。其实,有些“量化”也可以很简单。比如用量化方法来观察市场辅助投资、用量化方法审视投资决策改善风险收益等等。本栏目正是从这一视角出发,探讨量化投资。本期,我们继续跟着提云涛博士,一起探讨如何用简单的统计来讨论A股究竟是牛短熊长,还是牛长熊短的问题。
量化有助于我们更准确地认识市场。我们再次用简单的统计来讨论A股市场究竟是牛短熊长,还是牛长熊短。关于市场,投资者经常感叹A股市场是牛短熊长,由此导致赚钱不易。那么,A股市场真的是“牛短熊长”吗?和上次讨论不同,本次我们在继续以沪深300为样本的同时,还以沪深300净收益指数(因为全收益并没有考虑股票分红的税收影响,不是投资者能够实际得到的收益,净收益指数则考虑了税收影响,故本文用净收益指数)为样本做相同的统计。鉴于时间已经进入到2023年下半年,因此本次样本区间也做延伸。即用2006年1月4日——2023年6月30日的沪深300指数、沪深300净收益指数为样本。
先统计涨跌期数和占比。统计沪深300指数涨跌情况,结果见表1。可以发现,无论是按天、周、月、季为周期,都是上涨时间多于下跌时间。
表1:2006年-2023上半年沪深300指数涨跌统计
_ | 上涨 | 下跌 | ||
日 | 2,255 | 53.06% | 1,994 | 46.92% |
周 | 485 | 54.37% | 407 | 45.63% |
月 | 120 | 56.87% | 91 | 43.13% |
季 | 39 | 54.93% | 32 | 45.07 |
注:统计区间为2006年1月4日-2023年6月30日,数据来源为Wind。
统计沪深300净收益指数的涨跌情况,结果见表2。也可以得到上涨时间多于下跌时间的类似结论。只是因为考虑了股息的影响,上涨的占比有所提高。
表2:2006年-2023上半年沪深300净收益指数涨跌统计
_ | 上涨 | 下跌 | ||
日 | 2,271 | 53.44% | 1,977 | 46.52% |
周 | 488 | 54.71% | 404 | 45.29% |
月 | 124 | 58.77% | 87 | 41.23% |
季 | 40 | 56.34% | 31 | 43.66 |
注:统计区间为2006年1月4日-2023年6月30日,数据来源为Wind。
如果认为市场连续上涨是牛市、下跌是熊市。以日、周、月、季为周期统计2006年-2020年沪深300指数连续上涨(或下跌)的情况,结果见表3。可见,如果按连续上涨(或下跌)来计算,也是上涨时间大于下跌时间。
表3:2006年-2023上半年沪深300指数连续涨跌统计
_ | 平均连续上涨 | 平均连续下跌 | 最长连续上涨 | 最长连续下跌 |
日 | 2.14 | 1.89 | 12 | 10 |
周 | 2.35 | 1.96 | 10 | 9 |
月 | 2.33 | 1.75 | 10 | 4 |
季 | 2.41 | 1.88 | 9 | 5 |
注:统计区间为2006年1月4日-2023年6月30日,数据来源为Wind。
统计沪深300净收益指数的连续涨跌情况,结果见表4。也可以得到上涨多于下跌的相似结论。只是因为考虑了股息的影响,平均连续上涨的时间略有延长,平均连续下跌的时间略有缩短。
表4:2006年-2023上半年沪深300净收益指数连续涨跌统计
_ | 平均连续上涨 | 平均连续下跌 | 最长连续上涨 | 最长连续下跌 |
日 | 2.15 | 1.87 | 12 | 10 |
周 | 2.37 | 1.94 | 10 | 9 |
月 | 2.50 | 1.74 | 10 | 4 |
季 | 2.47 | 1.82 | 9 | 5 |
注:统计区间为2006年1月4日-2023年6月30日,数据来源为Wind。
从对称和公平来看,如果认为市场下跌是“熊”,那么市场上涨就应该是“牛”,反之亦然。这些统计告诉我们,理所当然的“牛短熊长”结论不一定对。一是要进一步考虑是不是“牛短熊长”;二是如果“牛短熊长”不对,为什么会认为是牛短熊长,对投资理财有什么影响。
2023-07-18 15: 18
2023-07-18 10: 06
2023-07-18 09: 45
2023-07-18 09: 45
2023-07-18 09: 45
2023-07-18 09: 44