可转债买入、卖出

懒人两线买入法:

一、防守型可转债买入法(更安全的买入法)

评级:aa级以上(aa,aa+,aaa)

价格:100元以下

溢价率相对越低越好,到期收益率相对越高越好。(也就是说在价格评级差不多的可转债里,选择溢价率更低,到期收益率越高的更好。溢价率越高,代表债性越强,可能正股涨了半天,可转债也是一动不动)

三挡卖出法:

上涨到110元,卖出1/3

上涨到130元,卖出1/3

最高价回落5--10元,清仓卖出

二、进攻型可转债买入法(安全性稍微低,博取更高收益,看中可转债的股性)

评级:aa级以上(aa,aa+,aaa)

价格:110元以下

溢价率<20% (我们在价格方面做了退步,所以就让溢价率来填。当然少于30%也没关系,根据自己的风险偏好来。)

三挡卖出法:

上涨到130元,卖出1/3

上涨到150元,卖出1/3

最高价回落5--10元,清仓卖出

不管是哪种买入法,都排除已发强赎公告的。(集思录里面,转载名字后面打了红色感叹号的)

90%的可转债都达到过130元以上,平均存续时间2--3年,所以买入时最好做好拿两年的准备

在持有的期间,也会有往下20%的波动,千万不要怕,迟早会涨回来的。且可转债还具有保底性。其实越低越加仓,摊低成本,涨起来收益更好。

加仓也要有节奏,不要跌一毛钱你就加,这样你的子弹一下就打光了

那么如何加仓呢?也可以设置3档加仓法

按我们买入法买的话,防御型可转债下跌空间的极限估计就是20%,进攻型可转债下跌空间的极限估计就是25%。

那我们就可以这样买:每下跌6--8%加一次仓。也可以用下跌价格做档位,哈哈哈

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,需要导入需要的库: ```python import tushare as ts import pandas as pd import numpy as np ``` 接着,获取可的数据,这里以“110051”为例: ```python df = ts.get_k_data('110051', start='2020-01-01', end='2021-06-30') ``` 然后,计算均线和标准差: ```python df['ma5'] = df['close'].rolling(5).mean() # 5日均线 df['std'] = df['close'].rolling(5).std() # 5日标准差 ``` 接下来,计算买入卖出的信号,当收盘价超过5日均线加上1倍标准差时买入,当收盘价低于5日均线减去1倍标准差时卖出: ```python df['buy_signal'] = np.where(df['close'] > df['ma5'] + df['std'], 1, 0) df['sell_signal'] = np.where(df['close'] < df['ma5'] - df['std'], 1, 0) ``` 最后,计算实际的买入卖出信号,买入信号必须满足前一天没有持仓,卖出信号必须满足前一天有持仓: ```python df['buy_signal'] = np.where((df['buy_signal'] == 1) & (df['buy_signal'].shift(1) == 0), 1, 0) df['sell_signal'] = np.where((df['sell_signal'] == 1) & (df['sell_signal'].shift(1) == 1), 1, 0) ``` 最后,计算持仓并计算收益: ```python df['position'] = df['buy_signal'] - df['sell_signal'] df['position'] = df['position'].fillna(method='ffill') df['pnl'] = df['position'] * df['close'].pct_change().fillna(0) df['cumulative_pnl'] = (1 + df['pnl']).cumprod() ``` 完整代码如下: ```python import tushare as ts import pandas as pd import numpy as np df = ts.get_k_data('110051', start='2020-01-01', end='2021-06-30') df['ma5'] = df['close'].rolling(5).mean() # 5日均线 df['std'] = df['close'].rolling(5).std() # 5日标准差 df['buy_signal'] = np.where(df['close'] > df['ma5'] + df['std'], 1, 0) df['sell_signal'] = np.where(df['close'] < df['ma5'] - df['std'], 1, 0) df['buy_signal'] = np.where((df['buy_signal'] == 1) & (df['buy_signal'].shift(1) == 0), 1, 0) df['sell_signal'] = np.where((df['sell_signal'] == 1) & (df['sell_signal'].shift(1) == 1), 1, 0) df['position'] = df['buy_signal'] - df['sell_signal'] df['position'] = df['position'].fillna(method='ffill') df['pnl'] = df['position'] * df['close'].pct_change().fillna(0) df['cumulative_pnl'] = (1 + df['pnl']).cumprod() print(df.tail()) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值