格雷厄姆法代码回测-价值投资鼻祖

量化分析之路 2020-04-04

886

本杰明•格雷厄姆(BenjaminGraham , 1894^1976年)，美国经济学家和投资思想家，投资大师，〃现代证券分析之父〃，价值投资理论奠基人。

格雷厄姆是巴菲特就读哥伦比亚大学经济学院的硏究生导师，被巴菲特膜拜为其一生的精神导师。

谈到价值投资就要说市盈率（p/e）

市盈率是指股票价格除以每股收益(每股收益,EPS)的比率。

举个简单的例子，现在有一家公司叫做“北京烤鸭”发行了100股的股票，每张股票的价格是10元。公司去年盈利不错，一年挣了100块钱。

公司的市值=股价×股票数=10×100=1000元；

去年每股盈利=去年盈利÷股票数=100÷100=1元/股。这也就很容易计算出“北京烤鸭”这个公司的市盈率，

P/E=股价÷每股盈利=10÷1=10。也就是说，“北京烤鸭”这个公司的市盈率是10倍。

我们计算出来了“北京烤鸭”的市盈率是10倍，那这个数据代表的实质含义是什么呢？

这个数据代表着，我投资10块钱买了这家公司的一张股票，按公司去年的盈利计算，折算到每张股票的利润是1块钱。如果这家公司的所有利润都拿来给股东分红的话，我的这张股票就可以分到1块钱，也就是10年我就可以回本了。

投资的年化收益率刚好是10%，也就是市盈率的倒数。

企业挣得钱肯定不会都用来给股东分红，还会有部分留作企业发展的资金。应该没有哪个上市公司会把利润100%拿来分红

但这并不影响这个理论（市盈率是投资收益的倒数），因为用作公司发展的部分资金，会促进公司的发展，而公司的发展在长远来看也是会转化成股东的投资收益的。

稀释每股收益简单的讲就是上市公司有1亿股，去年净利润1000万。每股收益0.1元。今年分红方案为，10送10，就会增加股数，变为2亿股，每股收益就变为0.05元了，这就叫稀释每股收益。

PEG指标(市盈率相对盈利增长比率)，它弥补了PE对企业动态成长性估计的不足。当时他在选股的时候就是选那些市盈率较低，同时它们的增长速度又是比较高的公司，这些公司有一个典型特点就是PEG会非常低。其计算公式是：PEG=PE/（企业年盈利增长率*100），

（PE）仅仅反映了某股票当前价值，PEG则把股票当前的价值和该股未来的成长联系了起来。比如一只股票当前的市盈率为20倍，其未来5年的预期每股收益复合增长率为20%，那么这只股票的PEG就是1。当PEG等于1时，表明市场赋予这只股票的估值可以充分反映其未来业绩的成长性。

代码回测策略步骤，

1：得到HS300的股票流通市值 (negMarketValue)

2：根据流程市值求出流通股 negMarketValue /closePrice

3：根据公式求出HS300的股票估算成长价值 (value)

流通股（negMarketValue）*稀释每股收益（'DilutedEPS'）*（8.5+2*复合增长率（EGRO）

4 :根据流通市值与成长价值的差 (under_value)

算出策略的买卖时间获取收益回测

第一部分准备部分

import numpy as np
import pandas as pd
import talib


start = '2018-01-01'                       # 回测起始时间
end = '2020-01-01'                         # 回测结束时间
universe = set_universe('HS300')        # 证券池，支持股票、基金、期货、指数四种资产
benchmark = 'HS300'                        # 策略参考标准
freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = 10                           # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
  
# 配置账户信息，支持多资产多账户
accounts = {
    'fantasy_account': AccountConfig(account_type='security', capital_base=10000000)
}


##买入卖出阈值
Max_Position = 1000000 


def initialize(context):
    pass


def handle_data(context):  
    buy_list = stock_sellection_Graham_growth_stock(context)
    trading(buy_list,context)

第二部分筛选股票当成长价值>流通市值我们觉得股票被低估

加入购买备选

当成长价值<流通市值我们觉得股票被高估

如有持仓卖出

def  stock_sellection_Graham_growth_stock(context):
    '''策略   成长价值 = 当期（正常）利润*（8.5 + 两倍的预期5年增长率）
             成长价值> 市值 买入 反之 卖出'''
    #获取数据 通用部分
    previous_date = context.previous_date
    previous_date = previous_date.strftime('%Y%m%d')
    account =  context.get_account('fantasy_account')
    current_universe = context.get_universe( exclude_halt=True)
    
    #获取因子 5年收益增长率  收盘价  稀释每股收益
    GGV_EPS_EGRO = DataAPI.MktStockFactorsOneDayGet(tradeDate=previous_date, secID=current_universe, field=['secID','DilutedEPS','EGRO'], pandas='1')
    GGV_closePrice =DataAPI.MktEqudGet(secID=current_universe, tradeDate=previous_date, field=['secID','closePrice','negMarketValue'], pandas='1')
                                                    
    GGV_EPS_EGRO = GGV_EPS_EGRO.set_index(['secID'])
    GGV_closePrice = GGV_closePrice.set_index(['secID'])
    
                                                    
    #数据处理部分   #neg 流通市值
    GGV_closePrice['Maketable_Volume'] = GGV_closePrice['negMarketValue'] / GGV_closePrice['closePrice']  #流通市值量
    
    GGV_EPS_EGRO['value'] = GGV_closePrice['Maketable_Volume']* GGV_EPS_EGRO['DilutedEPS']*(8.5+2*GGV_EPS_EGRO['EGRO'])
                                                    
    under_value = GGV_EPS_EGRO['value'] - GGV_closePrice['negMarketValue']                                                                                                             
    buy_list =under_value[under_value>0].index
                                                    
    return list(buy_list)

第三部分执行买卖

def trading(buy_list,context):
    account =  context.get_account('fantasy_account')
    current_universe = context.get_universe( exclude_halt=True)
    security_position = account.get_positions()
    cash = account.cash
    
    for sec in current_universe:
        if sec not in buy_list and sec in security_position:
            account.order_pct_to(sec,0)
    
    d = min(len(buy_list),int(cash)//Max_Position)
    
    for sec in  buy_list[:d]:
        if sec not in security_position:
            account.order(sec,Max_Position/ context.current_price(sec))

我跑了一下较长时间回测大部跑赢大盘很牛逼

不过买卖持仓大部分是银行股大部分人不太喜欢

数据库

文章转载自量化分析之路，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

格雷厄姆法代码回测-价值投资鼻祖

评论