研究方法
这里收录 Alpha KK 的研究方法文章,讲怎样读行情、资讯、回测和 AI 结论,以及怎样检查自己的研究。
-
回测结果里,哪些指标最容易误导人
一份回测报告里,年化收益、夏普比率、最大回撤、交易成本、成交可行性和基准选择最容易被口径放大。本文逐项说明它们怎么算、为什么会误导,并给出一张运行回测前后的核对清单。
-
读行业资讯时,怎样把“新闻”变成可检验的信号
每天的行业资讯很多,真正值得跟踪的很少。本文用六个步骤说明怎样核对来源和时间、判断事件类型、找到真正相关的公司、写出影响传导链,并分清价格表现和原因。
-
AI 给出的投资研究结论,怎么一步步核对
AI 写的研究分析读起来很完整,但可能混淆对象和日期、写错数字或编造引用。本文给出八项检查:拆开结论、查来源、对时间、核数字、分清事实和推断、看数据缺口、找反方观点、写下失效条件。
-
成交额不等于资金净流入:读量价数据的几条底线
看到放量、成交额创新高,很容易以为有资金在买入。本文说明成交额、成交占比、涨跌家数各自能说明什么、不能说明什么,“净流入”这类数字是怎样估算出来的,以及为什么量价只是表现、不是原因。
-
新闻和股价同时出现,为什么不等于因果
用当天的新闻解释当天的涨跌,常常越解释越乱。本文给出四项检查:消息到底什么时候公开、市场此前知道多少、同期还有哪些因素、和可比的对照组差多少,并说明为什么事后找到的理由不能当作规律。
-
复盘大盘的六个角度:指数、宽度、风格、量能、情绪、估值
只看指数涨跌,容易误判当天市场的真实状态。本文说明复盘大盘的六个角度:指数与方向、市场宽度、风格与主线、成交与量能、情绪与风险、估值与基本面,各自回答什么问题,几个角度结论冲突时怎么理解,以及为什么要先看清数据时间。
-
回测里的幸存者偏差和未来函数,怎么识别
回测收益偏高,常见原因是股票池里只剩活下来的公司,或者信号用到了当时还不知道的信息。本文用退市股票、成分股调整、财报披露时点和盘后公告四个场景,说明这两类偏差怎样混进回测,以及怎样逐项检查。
-
量化选股因子的常见误区:动量、低波动和成交量
同样叫动量因子或低波动因子,回看窗口多长、是否跳过最近一段、怎样排序取分位、多久调仓、持几只股票,结果可以差很远。本文逐项说明这些细节怎样改变因子,并给出照公式选股前的核对清单。
-
交易成本怎样吃掉回测收益:佣金、印花税、滑点和流动性
回测收益很高,扣掉成本后可能所剩不多。本文用换手倍数说明成本怎样被放大,讲清佣金最低收费、印花税和过户费的历史调整、滑点敏感性测试,以及为什么要限制单笔成交占成交额的比例。
-
怎么读一份行业研报:先看口径,再看结论
研报的结论写得笃定,背后的数字却可能来自不同的统计定义、统计期和预测假设。本文给出读研报的顺序:先找统计定义和统计期,分清实际值、预测值和约数,核对来源与发布日期,再判断不同报告的数据能不能放在一起比。
-
把选股想法写成可检验的规则:从一句话到一份策略
“找业绩增长稳、估值不贵、走势不错的公司”还不能直接拿去回测。本文用股票范围、入选条件、组合逻辑、排序、调仓和风控六个部分,拆解一个选股想法该怎样写清楚,并指出每部分最容易写含糊的地方。
-
持仓体检看什么:集中度、资产结构和单一风险
持仓多了以后,风险集中在哪里反而更难看清。本文说明持仓体检该看的几个角度:单只占比和前几大合计、资产结构和现金比例、行业与主题重叠、不容易看出的隐性集中,以及看完体检后应该记下什么。
风险提示
本栏目文章为研究方法介绍,不构成投资建议,不针对任何具体证券。投资有风险,且可能损失全部本金。