python股票回测_【干货】python回测低风险策略是否有高收益

导读

最近看了一篇文章，提到了一个观点，就是低风险股票构成的投资组合未来长期回报更高，而高风险股票构成的投资组合未来长期回报低，这里的风险可以用股票的波动率或者贝塔来衡量。典型的低波动率股票包括公用事业股和银行股。并且这个策略在2000年互联网泡沫，2008年全球经济危机，2015年A股熔断期间都表现不错。那么本篇文章，我们就尝试测试一下这个策略。

低风险股票

先说一下什么是低风险股票，在这篇文章之中给出了明确的定义，股票价格的二阶导数很小的股票。股票价格的一阶导数是股票是价格的涨跌幅，二阶导数是涨跌幅的变化程度，就是方差。所以就是那些股票价格方差变化小的股票，这种股票的走势特征可不是横盘不动哦，而是涨跌幅很固定的一类股票才是方差小。

举个例子：

A股的每天的涨跌幅是一个时间序列【0.1，0.1，0.1，0.1】，即A天天涨停

B股的每天的涨跌幅是一个时间序列【0.1, 0， 0.1, 0】，即B隔一天一个涨停

问A,B那个风险小？

答案是A，因为A的方差是0，B的方差是0.003，所以A风险低。

所以，风险低的股票绝不是不涨的股票，而是时间序列方差小的股票。

接下来就回测一下这个策略。

策略回测

回测时间：2019.1.1-2019.12.31

回测股票：沪深300

仓位：满仓

入场条件：最近一个月风险最低的100只股票

出场条件：持有1个月就卖出

大家猜猜这个策略的结果怎么样？

仅仅5%而已，并不怎么出色。

这一次我换一个时间段，据说这个策略应对熊市效果不错，我们把测试时间换为2014.1.1-2016.1.1，经历一轮牛熊，看看效果。

策略优化

回测时间：2014.1.1-2016.1.1

回测股票：沪深300

仓位：满仓

入场条件：最近一个月风险最低的100只股票

出场条件：持有1个月就卖出

大家猜猜这个策略的结果怎么样？

32%的收益率，还算不错，在大盘下跌的时候，还真就没有太多的下跌。

大家有任何问题的话，欢迎大家留言。