自下而上的选股与自上而下的选股

一起学习了《战胜华尔街》,不知道大家有没有这么一种感受:林奇的选股方法是典型的自下而上的选股方法。虽然这一点没有单独拎出来讨论过,但在《从低迷中寻找卓越》《如何通过财务指标筛选股票?》《边逛街边选股?》《好公司也需要在好的价格买入》这些笔记中都可以看出,林奇在选股是更关注的是公司本身。尽管林奇也经常同时买入同一行业的股票,比如汽车行业、储贷行业等,但更多的是因为他的资金量太大,同一行业的公司又具有一定的共性,并不是先选定行业,再从这个行业去选择公司。

与之有所不同的是,在《逆向投资 邓普顿的长赢投资法》中,从劳伦介绍的1939年邓普顿抄底美股的行为来看。邓普顿的选股方法更像是一种自上而下的选股方法。首先实在宏观上,"投资者认为美国正在倒退,将重新陷入经济衰退,纳粹即将摧毁人们的自由意志和再欧洲已经蔚为大观的现代文明",而邓普顿"对未来事态可能的进程得出了与多数人截然相反的结论",他看到了"全美举国上下各行各业在纷纷响应战争的召唤,这极有可能极大地刺激经济"。其实是在选股上,邓普顿"购买了美国两家交易所正在进行交易的、价格在1美元以下的所有股票"。最后,邓普顿并不是因为资金量太大,他拥有的资金只是向他前任老板借入的1万美元。

当然,从量化的角度来说,我觉得不需要有明确的自下而上或者自上而下的选择。至少我现在常用的因子策略里,我可以同时把宏观因子和微观因子都放进去。我需要考虑的仅仅是考虑哪些因子。不过在经历了林奇和邓普顿这两位价值投资大师的熏陶好,我越来越做点基本面分析的冲动。特别是这个月,我的量化策略表现不是很好的情况下。基本面分析当然不可能一个一个股票做下去,那就涉及到怎么去筛选。结合林奇的《从低迷中寻找卓越》和邓普顿的"冷门股"思路,我初步的想法是从每周跌幅最大的股票开始。当然,目前也仅仅只是排上日程而已。

相关推荐
得物技术3 天前
从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流
大数据·llm·ai编程
久美子3 天前
AI驱动数仓建设的Harness工程实践——本体建模、知识分层与上下文工程
大数据
大树883 天前
金刚石散热越强,管路越先见顶
大数据·运维·服务器·人工智能·ai
大志哥1233 天前
ES和Logstash日志链路系统上线后遭遇切片爆炸(解决)
大数据·elasticsearch
果丁智能3 天前
物联网智能锁赋能集中式住宿:身份核验与远程权限管控的全链路技术实践
大数据·人工智能·物联网·智能家居
ApacheSeaTunnel3 天前
实战演示 | 基于 Apache SeaTunnel 与 Apache DolphinScheduler 实现 MySQL 到 Doris 离线定时增量同步
大数据·mysql·开源·doris·数据集成·seatunnel·数据同步
weixin_397574093 天前
PDF复杂表格的1:1还原引擎:跨页表格自动拼接技术实战
大数据·人工智能·pdf
极光代码工作室3 天前
基于数据仓库的电商数据分析平台
大数据·hadoop·python·spark·数据可视化
秋名山码民3 天前
Graph RAG 深度解析:从向量检索到知识推理的技术演进
大数据·人工智能·rag
m0_380167144 天前
面向开发者的Top10加密货币数据API(2026年最新)
大数据·人工智能·区块链