策略周度复盘 | 2026年wk18

本文观点仅供参考,不构成任何投资建议。投资有风险,入市需谨慎。

一、本周大盘走势

本周(4月27日-30日)大A市场本周呈现"先抑后扬、高位震荡"格局。沪指全周小涨0.79%,但市场内部结构性分化明显------主力资金净流出超2000亿与指数收涨形成背离,机构调仓换股力度加大。本周表现比较亮眼的是科创50,主要是由于半导体AI板块的领涨造成的,总体呈现科技成长强,传统蓝筹弱的分化格局。

接下来,还是老规矩,我们以真实数据说话,一图胜千言。创业板本周刚开始连跌两天,好在第三天大涨了一天,最终录得涨幅0.26%。

上证指数、沪深300及创业板指

市场热度

本周市场热度高于上周,基本已经没有冷清板块了,整个市场气氛还是比较活跃的,而且节日期间目前外盘行情都还不错,相信节后应该还会维持本阶段的行情。

大小盘风格表现

本周从图上可以看出,本周小盘价差进一步缩小,已经靠近0轴附近,说明小盘已经逐渐强势起来了。而且本来1、4月就是小市值的传统弱势月,现在4月已经结束,后面做微盘小盘的人应该会越来越多,估计还会有一波行情,想做小市值策略的朋友可以开始搞起来了。

小盘价差计算方式:使用中证2000与沪深300日涨幅差值的15日移动平均计算,小于-0.5%,则表示小盘跑输沪深300,市场可能会切换到大盘股风格。

小盘量比计算方式:使用中证2000与沪深300日成交额比值的10日移动平均计算,大于1.8倍,则表示小盘过于拥挤,市场可能会切换到大盘股风格。

散户情绪洞察

当前整体情绪仍然处于震荡区间,散户情绪没有明显变化。

二、本周策略表现及评价

策略表现

首先来看两个ETF动量类策略:

从图上可以看出,似乎4月的行情比较适合大池版的ETF动量策略,这个月基本上是录得了11%左右的收益,还算不错了。但相比之下,小池ETF动量策略就比较拉跨了,这个月才收获了不到1%的收益,还不到大池版的零头。这再次印证了,没有完美的策略,虽然小池版前3个月吃得很爽,但是这个月这种反复震荡的行情就明显萎了,如果实盘的话,只能看着别人吃肉,自己汤都喝不到,还是挺扎心的。所以,其实不必纠结于一种策略,比较好的办法是多策略或多参数配置,比如大池版和小池版的资金1:1的进行仓位配置,就可以获得一个相对比较均衡的收益,但回撤也会温柔很多,持仓会更安心。

再来看看小市值的情况,本周表现如下:

从上面图表可以看到,本月国九条小市值表现相对来说还是马马虎虎,收益3.9%,还不至于太拉跨。毕竟一月、四月是传统的小市值法定下跌月,整体还录得正收益算是很不错了,整体资金曲线也快要接近前高了。

之前说的可转债的策略本来是月度调仓,也就是4月底会进行重新选仓。结果按照策略的条件进行筛选之后,并没有选出新的持仓股,所以仍然是空仓状态,就暂时不发出来了。后面有时间把这个可转债策略的具体策略思路给大家发一篇文章分享一下,如果对可转债交易感兴趣的朋友可以多关注一下。后续,我也会再开发一些新的可转债交易策略,敬请关注。

今天就讲到这里,如果觉得这篇文章对你有启发,想学习更多Python量化交易技巧,欢迎点赞、转发,关注!🍵

相关推荐
benchmark_cc5 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc9 天前
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
python·数据分析·pandas·量化交易·股票数据·quantdash
kongdong9 天前
Hikyuu | RSI均值回归交易策略实现
算法·均值算法·回归·量化交易·交易策略·hikyuu
benchmark_cc12 天前
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc13 天前
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
python·数据分析·pandas·量化交易·股票数据·quantdash
ATMQuant14 天前
量化策略开发08:Lasso因子选择 - 因子动物园的断舍离
python·量化交易·lasso·vnpy·多因子选股
ATMQuant14 天前
量化指标解码21:逻辑回归支撑阻力 - 让逻辑回归给关键价位打分
python·机器学习·逻辑回归·量化交易·技术指标
benchmark_cc17 天前
A 股、港股、美股如何建立统一的标的主数据格式?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc17 天前
用 00700.HK 做港股行情清洗:字段核对、校验与个人量化开发实践
python·数据分析·pandas·量化交易·股票数据·quantdash
2601_9669496517 天前
如何封装 qd.klines.batch(),让批量 K 线查询函数在多个策略中复用?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash