均值回归策略在A股ETF市场获利的可能性
如何在股票市场获利曾经有人告诉我一个在股票市场赚钱的秘诀，只要掌握这个秘诀，赚钱就像捡钱一样容易。他说：这个秘诀其实很简单，就是在股票价格低的时候买入，在价格高的时候卖出。
啧啧，不愧是秘诀，明明是句废话，但又挑不出毛病。
问题是，如何判断价格是低还是高？我知道你想说：价值。低于价值就是低，高于价值就是高。但是，如何估算出它的价值？我知道现在估值方法一大堆，公式指标漫天飞，但是任何公式任何指标都是参考都不能直接用。而当你无法准确估算价值时，其他的都无从谈起。至于股神的“价值投资”，你说它是艺术也好，说它是玄学也罢，都不是我等凡人能搞明白的。
既然是凡人，那就要用凡人的方法。如果公式太复杂让人摸不着头脑，如果指标太多让人无所适从，那就都不用，我们就简单粗暴地求平均值。当然，也不能随便什么股票拿过来就求平均值，我们得挑，挑那种上下波动的股票，不要一路跌，也不要一路涨(我知道你可能青睐这种股票，但是这种股票不适合均值回归)。用统计学中的术语就是平稳，我们目标就是要寻找那种价格在时间序列上表现平稳的股票。
我们找到价格平稳的股票之后，还要弄清楚，它是多长时间从低点到高点然后又回到高点，就是周期。有两个原因：1.我们要把周期太长的抛弃，你也不想等5年挣1%吧。2.我们尽量在一个周期内完成一次买卖操作，不要错过周期，它一年低点到高点波动10次，你就买卖一次，那就有点辜负人家的好意了。
接下来，我们就需要解决这两个问题：平稳性和周期。
平稳性测试
我打算使用ETF的数据来测试，因为ETF关联的是一篮子股票，和单只股票相比应该更平稳，更符合我们的意图。(至于,自己挑选多只股票,以不同权重组合起来以达到平稳，那是另外一个问题了，以后有机会再议)所有的数据都通过akshare来获取，你可以访问akshare的官方网站获取更多信息。
使用Dickey-Fuller（迪基-富勒）检验判断股票价格序列的平稳性。至于迪基-富勒检测的原理，你可以自行搜索，也可以看我在这篇关于迪基-富勒检验1整理的一些概念。
我们先把A股所有ETF查出来，然后逐一检测。检测的时候仅获取2023年1月1日以后的数据，使用的是收盘价。
import akshare as akimport pandas as pd from statsmodels.tsa.stattools import adfullerfrom datetime import datetimedef adf_test(hist_data): results=adfuller(hist_data, maxlag=None, regression='c', autolag='AIC') # print('ADF Statistic: %f' % results) # print('p-value: %f' % results) # print('Critical Values:') # for key, value in results.items(): # print('\t%s: %.3f' % (key, value)) if results > 0.05: # print("时间序列是非平稳的，p-value > 0.05") return False else: # print("时间序列是平稳的，p-value
页:
[1]