第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天:谁来给我讲讲Python?】
- 量化分析师的Python日记【第2天:再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天:一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天:一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天:数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天:数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天:Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天:量化入门进阶之葵花宝典:因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天:如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天:如何在优矿上搞一个wealthfront出来】
第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 1.2 基本面因子选股
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 1.5 宏观研究
- 二 套利
- 三 事件驱动
- 四 技术分析
- 4.1 布林带
- 4.2 均线系统
- 4.3 MACD
- 4.4 阿隆指标 • 技术指标阿隆( Aroon )全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 4.15 成交量 • 决战之地, IF1507 !
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model
- 5.3 SVR
- 5.4 决策树、随机树
- 5.5 钟摆理论
- 5.6 海龟模型
- 5.7 5217 策略
- 5.8 SMIA
- 5.9 神经网络
- 5.10 PAMR
- 5.11 Fisher Transform
- 5.12 分型假说, Hurst 指数
- 5.13 变点理论
- 5.14 Z-score Model
- 5.15 机器学习
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 六 大数据模型
- 6.1 市场情绪分析
- 6.2 新闻热点
- 七 排名选股系统
- 八 轮动模型
- 九 组合投资
- 十 波动率
- 十一 算法交易
- 十二 中高频交易
- 十三 Alternative Strategy
第三部分 基金、利率互换、固定收益类
- 一 分级基金
- 二 基金分析
- 三 债券
- 四 利率互换
第四部分 衍生品相关
- 一 期权数据
- 二 期权系列
- 三 期权分析
- 四 期货分析
追寻“国家队”的足迹
背景介绍
还记得证金公司借道基金公司2000亿的救市资金吗?
简单来讲就是证金公司出钱给基金公司成立新的基金,用以提升市场流动性、维稳市场
2000亿总共分给了5只基金,具体各只基金的信息详见下文
另外,关于这2000亿的救市基金的相关报道很多,本文也是受《华尔街见闻》时芳胜的一篇文章启发,想着在UQER上做下简单的研究试试
链接是新浪财经的报道,有兴趣的可以看看 http://finance.sina.com.cn/money/fund/20150807/105122904602.shtml
研究意义
首先看一下,证金公司效应:8月4日,"梅雁吉祥"发布公告,证金公司已成为公司第一大股东,截止发稿日(8月17日),其已累计上涨129%
由此可见,国家队的直接效应还是很高的,那么,国家队借道基金公司的钱也应该值得重视
一方面是选股,这些基金的重仓股可以给我们一些投资参考(遗憾的是,这些基金刚成立,有的还没建仓完成,这一点可以之后再进行跟踪)
另一方面是择时,这些基金的建仓时点可以给一些市场的参考,假如我们推算的基金建仓的大盘点位,那么从长远来看这个点位至少是比较安全的点位
选股方面依赖于基金的季度公告,但择时我们可以细细分析,因为这些基金目前并没有建仓完全
先熟悉一下这5只基金
DataAPI.FundGet(ticker=u"001620,001683,001772,001773,001769",field=u"ticker,secShortName,establishDate,managementFullName,investField,perfBenchmark",pandas="1")
ticker | secShortName | establishDate | managementFullName | investField | perfBenchmark | |
---|---|---|---|---|---|---|
0 | 001620 | 嘉实新机遇灵活配置混合 | 2015-07-13 | 嘉实基金管理有限公司 | 本基金投资于依法发行或上市的股票、债券等金融工具及法律法规或中国证监会允许基金投资的其他金融... | 50.0%×中国债券总指数+50.0%×沪深300指数 |
1 | 001683 | 华夏新经济灵活配置混合 | 2015-07-13 | 华夏基金管理有限公司 | 本基金的投资范围为具有良好流动性的金融工具,包括国内依法发行上市的股票(包括创业板、中小板及... | 50.0%×上海证券交易所国债指数+50.0%×沪深300指数 |
2 | 001769 | 易方达瑞惠灵活配置混合 | 2015-07-31 | 易方达基金管理有限公司 | 本基金的投资范围包括国内依法发行上市的股票(包括创业板、中小板以及其他经中国证监会核准上市的... | 50.0%×上海证券交易所国债指数+50.0%×沪深300指数 |
3 | 001772 | 南方消费活力灵活配置混合 | 2015-07-31 | 南方基金管理有限公司 | 本基金的投资范围包括国内依法发行上市的股票(包括中小板、创业板及其他经中国证监会核准上市的股... | 40.0%×上海证券交易所国债指数+60.0%×沪深300指数 |
4 | 001773 | 招商丰庆灵活配置混合-A | 2015-07-31 | 招商基金管理有限公司 | 本基金的投资范围为具有良好流动性的金融工具,包括国内依法发行上市的股票(包括中小板、创业板及... | 50.0%×沪深300指数+50.0%×中债综合指数 |
可见,5只基金中都是最近才成立的,而且类型都为混合型,其业绩的比较基准也比较接近:50.0%×上海证券交易所国债指数+50.0%×沪深300指数
推断建仓时点逻辑
从基金的净值来推算基金的建仓情况
假设基金已完全建仓,那么其收益情况应该和基准的收益差不多
那么,通过对比5只基金的收益与基准的收益情况,从偏差可以大致推测基金的建仓情况;同时,在未来可以通过这种方法来监测5只基金的仓位变化,比如,当5只基金建仓完成后,若出现基准和基金收益相差较大的情况,很大可能是由于基金降低了仓位,这可以作为大盘短期的预警点位
略有遗憾的是,目前5只基金公布的净值是周度数据,没有日度数据,这样我们只能周度进行比较
笔者从嘉实基金官网看到,001620,在产品概况一栏有涨跌幅(日度),但这个数据只有一天的数据,有兴趣的可以每天去官网看看这5个基金的日度收益情况
下面,就做出对比收益图(周度收益,并非累计收益),直观看到变化(自动更新,只用运行代码即可)
import pandas as pd
import numpy as np
# 5只基金行情数据
funds = DataAPI.FundNavGet(ticker=u"001620,001683,001772,001773,001769",beginDate=u"20150701",field=u"ticker,endDate,ACCUM_NAV",pandas="1").pivot(index= 'endDate',columns='ticker',values='ACCUM_NAV')
# 基准数据:上证国债指数 + 沪深300
benchmark = DataAPI.MktIdxdGet(ticker=u"000300,000012",beginDate=u"20150701",field=u"ticker,tradeDate,closeIndex",pandas="1").pivot(index= 'tradeDate',columns='ticker',values='closeIndex')
table = pd.merge(funds,benchmark, left_index=True, right_index=True, how = 'inner')
table[1:] = table[1:].values / table[:-1].values - 1
table[0:1] = 0
table.fillna(0, inplace= True)
table['benchmark'] = table['000012'] * 0.5 + table['000300'] * 0.5
table.drop(['000012','000300'],axis = 1,inplace = True)
table.plot(figsize = (14,8))
![](img/wPDGGBLVtN+jQAAAABJRU5ErkJggg==.png)
+ 上图中,图例中的前2个001620、001683为7月13日成立的基金,可以看出,两只基金走势和基准最贴近,这一点也间接印证了笔者前面的分析,可以看到,这两只基金在8月7日已基本完成了建仓,建仓时点应该在8月1日~8月7日,对应的上证综指位于3600~3800之间
+ 001772似乎也在8月1日~8月7日完成了建仓,也就是刚成立就完成了建仓,相比前两个基金来的更迅速(前两个是7月13日就成立了),笔者的直观理解是,3600~3800点应该是基金公司所谓的短期市场相对低点
+ 回头看看,7月13日之后的行情,而刚开始成立的两只基金并没有急于建仓,大部分时间都在3800点以上,这一点读者自行理解吧
+ 最后看看另外两只基金,001769和001773,似乎还没有看到建仓的迹象,因为收益很低,比较好的解释是仓位很低,那么这两只基金是在等建仓时机吗?今天是8月17日,本周的第一天,大盘点位3993
+ 或许等到这周结束我们可以看到这两只基金是否建仓完成,但是从时效上来说是有点滞后的
+ 笔者又进一步查看了两只基金的官网,发现001773(招商丰庆灵活配置混合-A)是有净值单日变动的,也就是说可以查看到日度的收益率变动,看到这点笔者都有点小激动了。。
那么接下来的事情简单了:
+ 每日收盘后去招商基金官网,看一下001773的日度净值变动,然后和基准日度收益进行对比(运行下面的代码,得到最近几日的日度基准收益),便可以大致分析出001773的建仓情况(http://www.cmfchina.com/main/001773/fundinfo.shtml)
+ 每周末运行上面的代码,对比5只基金和基准的周度收益,看是否有显著变化;在今后,若全部建仓完成之后收益率偏差还出现显著变化,则有可能是该基金降低了仓位,可以作为一个预警信息
```py
bench = DataAPI.MktIdxdGet(ticker=u"000300,000012",beginDate=u"20150801",field=u"ticker,tradeDate,closeIndex",pandas="1").pivot(index= 'tradeDate',columns='ticker',values='closeIndex')
bench[1:] = bench[1:].values / bench[:-1].values - 1
bench[0:1] = 0
bench['benchmark'] = 0.5 * bench['000012'] + 0.5 * bench['000300']
bench.tail(2)
ticker | 000012 | 000300 | benchmark | |
---|---|---|---|---|
tradeDate | ||||
2015-08-14 | -0.000080 | -0.000472 | -0.000276 | |
2015-08-17 | 0.000246 | 0.001063 | 0.000655 |
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论