说时迟那时快，昨晚和今天白天开始动手进行趋势选股的工作。因为需要在聚宽进行编程，我对python又不熟，畏难情绪还是有的。需要学习的东西太多了，只能用到什么学什么。好在之前弄过一段时间python，基本的套路还是知道的。
趋势的定义
趋势是一个定性的叫法，既然要量化，就必须给出明确的定义。最常用的趋势量化标准是股价的动量。动量又是一个通用叫法，我之前经常用股价一段时间内的涨跌来定义动量。这次我用线性回归模型中的斜率来定义动量。
上图中的蓝色点就是贵州茅台过去3个月的收盘价点阵图。红色线就是通过OLS模型拟合出的线性回归函数中的斜率。这个斜率直线可以看做该股票过去3个月的趋势线。当斜率越大，我们认为该股的上升趋势就越强，那么基于“强者恒强”的原理，我们认为接下来一段时间，该股继续走强的概率很大。
定义了个股趋势后，我们就可以对候选股票池中的个股的趋势强度进行数值排序了。我今天用了沪深300指数成分股作为候选股票池。
假设每月固定一天进行选股。我观察了今年的选股情况。观察点分别为：2020.1.24、2020.02.24、2020.03.24、2020.04.24、2020.05.24.
比如2020年1月24日选出的前21个个股是
简单按照资金等权买入计算收益率，2020.1.24到2020.2.24，模型收益率是25.03%，同期沪深300是12.05%。这个超额收益率还是蛮大的。但是先别高兴的太早。
模型2020.2.24到2020.3.24的收益率是-23.17%，同期沪深300是-12.29%。大幅跑输呀。
粗略对这几个月的收益率进行统计如下
目前这个模型，每月选出的个股替换率太高，基本上60%的个股都要替换，交易成本方面压力很大，这个我认为也是不好的地方。当然，这个问题也可以通过参数调整进行优化。
下面是6.24日选出的前21个趋势强者。
从走势看，这些个股最近几个月的上升趋势都非常明显。所以说，从选股的层面看，模型是达到最初的趋势选择预期的。
以上这些是我初步的探索。模型很粗糙，主要是为了前期观察这种方法的初步效果。我个人感觉，选股模型有一定的效果。比如，在指数单边上涨行情中，选出的个股趋势强度是高于指数的，也就是说牛市的收益率会高于指数，爆发力够大。不足之处是2.24-3.24这段下跌趋势中，模型的回撤大于指数，这个有点不好接受。具体的原因呢，还需要分析。后续在精算中，会进一步细化模型，当各种贴合实际的条件加上后，可能会有所好转。
模型的可玩性还是很高的。下一步，老老实实学习python，把测试的程序写的更加完善一些。艰巨的工作啊。