“好文章”的版本间的差异
来自www.baostock.com
Zhanyueping2(讨论 | 贡献) |
Zhanyueping2(讨论 | 贡献) |
||
第1行: | 第1行: | ||
''本专栏里的部分文章由BaoStock爱好者提供。非常感谢BaoStock爱好者的支持和贡献!小编期待各位BaoStock爱好者提供更多的好文章。'' | ''本专栏里的部分文章由BaoStock爱好者提供。非常感谢BaoStock爱好者的支持和贡献!小编期待各位BaoStock爱好者提供更多的好文章。'' | ||
+ | |||
{{:Python实现MACD金叉和死叉的提示}} | {{:Python实现MACD金叉和死叉的提示}} | ||
{{:基于BaoStock实时行情数据生成5分钟K线}} | {{:基于BaoStock实时行情数据生成5分钟K线}} | ||
{{:Buffett's Alpha巴菲特的阿尔法}} | {{:Buffett's Alpha巴菲特的阿尔法}} |
2018年10月25日 (四) 07:07的版本
本专栏里的部分文章由BaoStock爱好者提供。非常感谢BaoStock爱好者的支持和贡献!小编期待各位BaoStock爱好者提供更多的好文章。
Python实现MACD金叉和死叉的提示(2018-10-25)
MACD,全名是moving average convergence/divergence,中文简称平滑异同移动平均线,或移动平均聚散指标,或指数平滑移动平均线。很多人肯定熟悉MACD这个指标及其基本应用规则,如MACD金叉,即DIFF由下向上突破DEA,为买入信号;MACD死叉,即DIFF由上向下突破DEA,为卖出信号。《Python实现MACD金叉和死叉的提示.pdf》这篇文章不但讲解了MACD指标的来源,基本公式,应用规则和指标缺点等等,而且通过python调用BaoStock接口实现了MACD金叉和死叉的提示。相信研究MACD指标的量化人员会喜欢上这篇文章。(下图展示了python绘画的MACD指标图)
Buffett's Alpha巴菲特的阿尔法(2018-01-10)
媒体文件:Hwz BUFFETT'S ALPHA 巴菲特的阿尔法-英文中文.pdf
r𝑡 −r𝑡𝑓 = α+β1MKT𝑡 +β2𝑆𝑀𝐵𝑡 + β3HML𝑡 +β4UMD𝑡 +β5BAB𝑡 +β6𝑄𝑀𝐽𝑡 + ε𝑡
如表所示,我们对伯克希尔哈撒韦股票的超额收益r𝑡 −r𝑡𝑓,从13F申报中推断出的公开持有股票组合以及上述计算的私人公司组合进行了回归。 对于这些回报中的每一个,我们首先对市场收益率MKT进行回归。伯克希尔有一个beta不到一个和一个重要的alpha。我们接下来规模因子SMB,价值因子HML(Fama和French(1993))和动量因子UMD(Asness(1994),Carhart(1997),Jegadeesh和Titman(1993))的影响的标准因素。规模因子(SMB)是长期小库存和短仓大盘的策略。因此,SMB的正面负荷反映了买入小股票的倾向,而伯克希尔的负面负荷则反映出买入大盘的倾向。价值因素(HML)是一种购买公司账面价值与市值之比高股票的策略,同时卖出比率低股票。因此,伯克希尔的积极货币反映出购买股票相对于其市场价值具有较高账面价值意义的趋势。四个“标准”因素中的最后一个因素是动量因子UMD,这相当于在“跑赢市场”意义上的“买入”股票,同时缩短相对“下跌”的股票。伯克希尔在UMD上的微不足道的加载意味着巴菲特没有追赶他的股票选择的趋势。 我们的创新还分析了Frazzini和Pedersen(2013年)的“对赌beta”因子(BAB,Betting Against Beta),以及Asness,Frazzini和Pedersen(2013年)的“质量因子”(QMJ,“Quality Minus Junk”)。 BAB因子的反映了在逃避危险(即高β)股票的同时购买安全(即低β)股票的趋势。 同样,质量QMJ因素的反映了购买高质量公司的趋势,即有利可图,即公司高利润、高增长、高分红的公司(盈利能力、财务杠杆、信用风险、成长性、应计利润、beta等)(详见Asness,Frazzini和Pedersen(2013))。