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
AI架构全栈开发实战笔记28 分钟前
Eureka 在大数据环境中的性能优化技巧
大数据·ai·eureka·性能优化
AI架构全栈开发实战笔记29 分钟前
Eureka 对大数据领域服务依赖关系的梳理
大数据·ai·云原生·eureka
自挂东南枝�1 小时前
政企舆情大数据服务平台的“全域洞察中枢”
大数据
LaughingZhu2 小时前
Product Hunt 每日热榜 | 2026-02-08
大数据·人工智能·经验分享·搜索引擎·产品运营
玄同7652 小时前
Git常用命令指南
大数据·git·elasticsearch·gitee·github·团队开发·远程工作
瑞华丽PLM3 小时前
电子行业国产PLM系统功能差异化对比表
大数据·plm·国产plm·瑞华丽plm·瑞华丽
深圳市恒星物联科技有限公司4 小时前
水质流量监测仪:复合指标监测的管网智能感知设备
大数据·网络·人工智能
是做服装的同学5 小时前
如何选择适合的服装企业ERP系统才能提升业务效率?
大数据·经验分享·其他
藦卡机器人6 小时前
国产机械臂做的比较好的品牌有哪些?
大数据·数据库·人工智能