本报告通过形态识别技术,从均线多头排列、胜率、盈亏比、累计收益率和RSI等指标筛选价格趋势上涨的个股。模型基于A股市场自2014年以来的回测,显示基础组合年化收益15.63%、累计收益329.15%,严格条件组合年化收益20.42%、累计收益544.24%,均大幅跑赢沪深300指数,且在熊市表现更稳健,且绩效提升显著。行业收益归因显示传媒、建筑装饰等行业轮动表现较好,银行股表现较弱,近期信号个股包括中航沈飞、中国银行等,模型具有较强的趋势捕捉能力但每年可选股票数量有限
| 指标 | 基础组合 | 沪深300 |
|---|---|---|
| 累计收益 | 329.15% | 60.75% |
| 年化收益 | 15.63% | 4.85% |
| 最大回撤 | 优于沪深300 | — |
| 指标 | 严格组合 | 基础组合 | 沪深300 |
|---|---|---|---|
| 累计收益 | 544.24% | 329.15% | 60.75% |
| 年化收益 | 20.42% | 15.63% | 4.85% |
| 年化波动率 | 25.58% | 略低 | — |
| Sharpe比率 | 0.80 | 0.63 | 0.22 |
报告标题:形态识别优选趋势上涨的股票
分析师:张雨蒙
发布机构:上海证券有限责任公司研究所
发布日期:2024年8月7日
研究主题:基于技术形态识别方法,通过量价角度筛选A股中价格趋势向上的个股,构建量化选股模型,评估其有效性及回测表现。
报告基于量价技术指标(如均线多头排列、胜率、盈亏比、累计收益率、RSI),通过形态识别筛选出趋势上涨股票。回测结果表明,模型能够捕获A股市场长期存在的动量效应,在多数年份跑赢沪深300指数,且在市场下跌年表现稳健。报告划分为基础组合与严格条件组合,其中严格条件组合通过更严苛筛选标准显著提升盈亏比、累计收益与Sharpe比率。
风险提示为政策风险和模型失效风险,强调模型基于历史数据,未来表现存在不确定性。
该章节从投资者视角出发阐述问题背景:市场震荡和下跌时寻找有效市场信息的重要性,强调价格和成交量是市场最终交易表现,任何基本面、资金面信息终归反映走势。基于此,报告聚焦量价指标进行股票筛选,假设股票价格趋势上的动量效应能够延续,进而通过胜率、盈亏比等统计指标对未来表现进行检验。
推理依据:技术分析工具能捕捉投资者心理和市场趋势,动量效应长期存在是学术和实证研究广泛验证的结论。
模型选股逻辑基于多指标:
通过上述综合指标的筛选,期望捕获未来一段时间内持续上涨的股票。
该模型以沪深300为基准衡量表现。
此部分强调基础组合虽信号频繁,胜率适中,但盈亏结构优良,使得整体回测表现持续优异。
严格条件组合的表现提升证明,通过强化盈亏比等条件筛选,可更有效地捕获趋势上涨个股,收益风险比提升明显。
信号覆盖申万一级行业广泛,主要集中在医药生物、机械设备、基础化工、电力设备、汽车等行业,证明模型适用广泛但存在行业偏好。
近期银行业信号增多但收益表现不理想(后文收益归因),暗示行业内部结构差异或模型在部分行业表现不佳。
行业表现差异揭示市场消息传播、行业景气周期与技术信号互动复杂,模型应结合行业特征优化。
报告列示了近期满足基础和严格条件的股票名单,包括中航沈飞、中国银行、福建高速、中国广核等,有助于跟踪模型近阶段推股票池,便于投资者识别潜在标的。
未来工作:结合不同持有期和形态多样化,构建择时策略,提升实时投资的灵活性与效果。
风险提示:
展示4条不同颜色均线橙、黄、紫、绿由短到长均线短期排在长期均线之上,形成多头排列模式。该排列对应股价处于上升趋势阶段,支撑均线多头作为选股条件。形象说明短长期投资者共识乐观,价格趋势积极。
该折线图显示基础组合净值红线显著高于沪深300橙线,自2019年后组合表现更优,整体呈现稳步增长,说明模型通过月度调仓能持续跑赢大盘。
柱状图对比每年组合与沪深300收益率,显示多数年份基础组合收益优于沪深300,尤其2016、2018、2021-2023等跌市年份组合仍有正收益,体现策略的稳健性和抗跌特征。
3条线对比严格条件组合(红)、基础组合(橙)、沪深300(灰),严选组合近2年明显跑赢其他组合,表现更好,验证严格筛选的有效性。
对比条形图显示严格条件组合的分年收益普遍高过基础组合和沪深300,尤其近3年成绩突出,表明加强条件提升组合收益质量。
柱状图表现各行业信号数量,医药生物和机械设备行业信号最多,说明这些行业的个股更频繁满足模型条件,可能行业内存在更多趋势机会。
分为持有20日和持有40日收益均值,显示传媒、钢铁、煤炭等行业表现优越,而银行持续为负收益板块。该图体现行业间趋势回报差异,且时间持有更长提升部分行业收益水平。
报告聚焦于量价技术形态识别的量化模型,未涉及基本面估值指标、现金流折现、比率估值分析等传统估值方法,因此无估值部分。
报告未对风险发生概率作量化判断,也未提出明确的风险缓解措施,仅提示投资者注意风险。
,15]
本报告系统地构建并回测了基于技术形态识别的趋势上涨股票筛选模型,核心依托均线多头排列、胜率、盈亏比、累计收益率及RSI指标,充分体现量价分析优势。通过对2014年至2024年A股市场的月度调仓回测,验证模型长期有效,尤其在市场下跌年份表现更为稳健。
从基础组合到盈亏比等指标更严格的筛选组合,严格条件组合在累计收益(544.24% vs 329.15%)、年化收益、Sharpe比率(0.80明显优于0.63和沪深300的0.22)均实现显著提升,表现出更优质的风险调整回报。
行业维度的收益归因揭示,传媒、建筑装饰、钢铁、煤炭等周期行业是模型效应较强的板块,相比之下银行板块表现较差,显示模型对行业驱动不一,提醒投资者行业配置需结合基本面判断。
图表展示了模型收益与风险特征,综合展现了模型优越的抗跌性和稳定性,且策略调仓频率适中(月度),方便实操应用。
模型优势在于直接反映市场行为,不依赖基本面数据,适应多样市场环境。但缺点是信号股有限,且模型表现依赖历史动量效应的持续,风险较明显,投资时需谨慎。
报告的风险提示简洁明确,强调政策和历史有效性风险。未来可通过动态择时策略等方法,进一步提升模型实用性。
总的来看,报告为投资者提供了一种有效的趋势选股量化工具,能显著跑赢主流基准指数,尤其适合捕捉中短期价格动量机会;但投资者应结合风险特点和行业差异,合理配置与动态调整。
图1:均线多头排列示意图
图2:组合回测净值(月度调仓)
图3:组合分年收益(月度调仓)
图4:严格条件组合回测净值(月度调仓)
图5:严格条件组合分年收益(月度调仓)
图6:分行业历史信号数(日度信号)
图7:分行业股票收益均值(日度信号)
综上,本报告以详实的技术分析视角剖析了趋势上涨选股模型,数据丰富且层层验证,体现出扎实的量化研究水准,为投资量化策略构建提供借鉴。
上海证券_量化选股模型系列之一:形态识别优选趋势上涨的股票_86FDD81C-066A-4E11-A094-0F796D7B2173.pdf