这是邢不行第 110 期量化小讲堂的分享
作者 | 邢不行、密斯锌硒
常看我文章的读者应该能发现,我介绍过的量化策略 大多都会在开盘时买入。
比如小市值策略 和散户反着买策略:
它们都会在每个周期的第一个交易日开盘 去买入相应的股票。
不知道大家有没有思考过,我们为什么 会选择开盘 而不是收盘 或盘中买入呢?
毕竟印象中大A经常高台跳水,开盘买入不就意味着亏损吗?
这其实和股市 中的某个常见现象 有关,了解这个现象,对做量化及手工交易 都有启发,下文我们就来做相应的介绍。
01
A股低开效应
1、A股行情
一直以来A股都被戏称为国家一级跳水运动员 ,非著名速降自行车手 ,3000点高地常备役守军。
谁让我们遇到的行情总让人一言难尽:

尤其行情较差时,大家都习惯了大A低开 ,即使偶尔高开也会低走。
我也问过有一定交易经验的朋友们,在他们印象中大多数时候大A都是低走的。
这样的感觉是否正确呢?A股是否真的存在低开效应呢?
我们是做量化交易的,不能只凭主观 直觉去判断。
还是要找来A股历史数据,借助Python代码,去 看A股是否真的频频低开。

这也恰好是决定策略是开盘买还是收盘买的关键所在。
2、"开"/"走"定义
要进行这样的验证,我们首先需要知道什么是低/高开、低/高走。
具体定义我已帮大家列示如下,就不多加赘述了:

了解了相关定义,我们就可以找来上证指数交易数据 、编写相应的**Python代码,**统计历史上大A的开盘表现。

02
A股开盘统计
1、上证指数开盘情况
程序运行结果如图所示:

2007年至今,上证指数共出现1751次高开 ,**2397次低开,**另有2次平开。
从数据角度看,大盘确实以低开为主。

2、A股指数开盘情况
我们还顺便统计了A股其他指数 ,发现也是低开居多,高开更少:

这类现象的成因较难解释。
有人认为和A股的T+1交易制度相关, 但好像也不能完全说通。
我们先用其他T+0交易市场的指数来做个交叉验证。
3、其他市场开盘统计
我们统计了恒生指数、标普500和纳斯达克指数的开盘情况:

和A股指数不同的是,上述指数高开的概率确实更高。
但不同市场低开/高开占比的差异 ,真的仅仅由T+1交易制度带来吗?
感兴趣的同学可以自己思考,我就不多着墨于此了。
4、上证走势
我们再进一步去探究A股每天的走势。
计算相对简单,只需在原有代码 上稍作修改即可,具体结果如图所示:

2007年至今上证指数在历史上共出现1292次低开高走 ,占比31% ,与我们认为低开低走或高开低走出现最多的经验相悖。
5、失真指数
当然我们也不能只看上证 指数,毕竟指数无法代表全部股票,尤其是上证指数这样一个失真的指数。

因此我们还需要找出全部A股 的历史数据, 编写相应的Python代码,去看个股低开还是高开更多 ,是否也存在低开高走现象。
03
个股开/收盘统计
1、数据&代码
具体的数据我已经帮大家整理妥当,包含了所有股票(包括已退市的股票)上市至今每天的开高收低价格,甚至可以计算复权价,非常的完备。

有了数据我们就可以借助Python代码去做相应的计算:

如果你需要上述数据和代码的话,可以在评论区留言,都是可以分享给你的。
2、统计结果
统计结果如图所示:

2007年至今所有A股股票也都以低开为主。
比较神奇的是在剔除了停牌 的情况下,仍有168万 次平开,占比14.13%。

进一步挖掘当日走势,我们发现个股还是低开高走居多 ,然后 才是低开低走和高开低走。
这与指数验证的结论是一致的,即A股整体以低开为主且低开高走的趋势最多。

这也解释了为何实盘策略会倾向于开盘买入股票,因为在收盘时获得正收益的可能性更大。
而如果在前一天收盘买入 ,则有更高的可能面临开盘下跌的境地。
上述结论不单单能运用到量化交易中,手工操作 也可以借鉴。
比如原先准备当天收盘时买入股票的,就可以等到第二天开盘时再买入 ,这样相对而言会有系统性的优势,日积月累也会产生不错的收益。

3、深入探究
当然我们的研究也不会仅仅止步于此。
接下来我们将继续深入探索 ,看看A股的低开高走现象又有哪些更细分的规律?
比如什么情况下股票低开 会更加容易高走?
04
个股低开研究
1、低开分组
我们把低开的幅度按照0%-1%、1%-2%一直到8%-9% 进行分组**,**共计9组。
低开9%以上 涉及到跌停,这里就暂不讨论。

这9种不同程度的低开发生后,在未来1/2/3天 及更多天的股价表现又会如何?
我们仍借助全部A股历史数据和Python代码来进行验证。

相关数据和代码已经准备好了,如果你需要的话,可以在评论区留言,都是可以分享给你的。
2、统计结果
代码运行结果如图所示:

2007年至今低开1%以内的情况最多 ,共409万 次,而低开8%-9% 的情况则只出现过5914次。
显而易见低开幅度越大,出现次数越少。
3、1日后表现
再从低开后1天的表现来看,低开8%-9% 的区间更易走高 ,高走概率达到56.21% ,盈亏比 也高达3.65。

这意味着每一次高走的收益,相当于3.6次低走的收益。
再进一步去看,我们发现股票低开的幅度越大,当天平均收益也越高 ,最高的甚至有2.82%。

但需要注意的是,在实操中我们无法在当天卖出这些股票,即无法赚到这2.82%。

但不管怎样,长期来看低开股票未来收益都不错, 只有低开幅度在4%-7% 区间的股票仍会面临亏损。

4、相应策略
至此我们对A股的低开现象 做了深入分析,那是否可以据此构建一个相应的量化策略呢?
本期只是得出了一个结论 ,从结论转化到可以执行的交易策略还有很多步骤。

篇幅有限,就不在本文多做讲解。
大家感兴趣的话可以多多点赞 ,点赞破100, 我们就聊聊该如何设计相应的量化策略。