(转) 利用历史数据做了一项统计,从99年到2009年,取每年的1月1日的最低PE的100只股票为一个组合,每只股票投入1%的资金,不用管这 100只股票中有没有ST,也不用去除每股收益中的水平(投资收益,营业外收益,公允价值变动收益等),每年只调整一次组合,然后与上证指数的相比较,假如在这十年中无视市场牛熊一直满仓操作,得出以下结果: 年份 上证指数涨幅 低PE组合涨幅 低PE净值 上证指数净值 1999 19.18% 20.19% 1.2019 1.1918 2000 51.73% 57.17% 1.88902623 1.80831814 2001 -20.62% -18.94% 1.531244662 1.43544294 2002 -17.52% -14.73% 1.305692323 1.183953337 2003 10.27% 25.02% 1.632376543 1.305545344 2004 -15.40% -4.64% 1.55671589 1.104491361 2005 -8.33% -6.17% 1.460666519 1.012487231 2006 130.43% 100.17% 2.923816172 2.333074326 2007 96.66% 244.19% 10.06348288 4.588223969 2008 -65.39% -55.34% 4.494351455 1.587984316 2009 78.34% 173.37% 12.28620857 2.832011229 年复合收益率: 25.60% 10% 加上了仓位控制,然后计算每年的收益情况,仓位控制的方法很简单,以当年首日PE〈25的股票个数作为仓位的百分比,例如:2008年1月1日,PE〈25的股票一共有16只,那么当年的仓位就是16%,当年的涨跌幅就等于16只股票的涨跌幅均值*16%,计算结果如下: 年份 上证指数 低PE组合 仓位 调整后收益率 低PE净值 上证指数净值 1999 19.18% 20.27% 98.00% 19.86% 1.1986 1.1918 2000 51.73% 56.97% 86.00% 48.99% 1.78584448 1.80831814 2001 -20.62% -14.77% 20.00% -2.95% 1.73309064 1.43544294 2002 -17.52% -12.26% 59.00% - 7.23% 1.60772926 1.183953337 2003 10.27% 25.02% 100.00% 25.02% 2.00998312 1.305545344 2004 -15.40% -4.64% 100.00% -4.64% 1.9168204 1.104491361 2005 -8.33% -6.17% 100.00% -6.17% 1.79855258 1.012487231 2006 130.43% 100.17% 100.00% 100.17% 3.6001627 2.333074326 2007 96.66% 244.19% 100.00% 244.19% 12.3914 4.588223969 2008 -65.39% -36.97% 16.00% -5.92% 11.6584239 1.587984316 2009 78.34% 173.37% 100.00% 173.37% 31.8706334 2.832011229年复合收益率: 37.00% 10% 这种傻瓜式的操作手法居然只有2006年一年跑输上证指数,取得令人满意的收益水准。每年只需要花一小时时间来买进卖出就足够了,11年只需要11小时,不到半天的时间。 与其天天花费大量时间瞎折腾,倒不如采用这种省时省力的傻瓜式的方式投资,既能取得令人满意的收益,又能节省出大量的时间去尽情地吃喝玩乐,享受生活。
Giga: 1 毫无疑问,这是一个交易策略, 完整的交易系统. 参考西格尔的测试, 这个系统是可行的. 2 这个系统的头寸乃天才之作。 我一向欣赏这种简单而有效的创造性策略. 设定PE <25, 一个1%, 有多少个算多少个. 如果市场泡沫严重, 合乎条件的少, 总头寸则低. 如果市场比较悲观, 合乎条件的多, 总头寸则高. 如果市场非常悲观, 合乎条件的很多, 只有PE最低的100个进入头寸. 非常简单的逻辑, 完美的控制方式. 3 从文风看, 不象是专业人士, 但是用的是比较专业的方式。所以,我对数据有一定怀疑。如果这篇文章出自大学的某位博士硕士之手,那就可信了,因为他们可能有完整的数据库。
要测试这个系统,至少要满足以下条件: 1 必须拥有最近10年的全部的交易数据,日线即可,但是必须是全部。仅仅这一点,绝大多数软件就做不到。 2 必须拥有最近10年的全部的财务数据,每股收益即可,仍然是全部,全部股票,最近10年的所有年份。 3 必须拥有最近10年的全部的分红记录,全部股票,所有的分红 大部分数据手工处理,可以借助报表软件的功能,但是很麻烦。 工作量那是相当的大!
2000年1月至2010年1月股指大概翻了1倍... 而收益率在1倍以上的股票有1200多只... 目前沪深共1900只左右的股票~ 还没排除2000年1月后上市的 我估计2000年1月你闭着眼随意选个几百只收益率也不上证指数高
如果有人,有资源,有时间,有数据,这是一个很好的课题, 一篇超重量级的研究报告。 而且我估计,虽然原文的统计办法不靠谱(我已经百度到了原始出处),但是结果相差不远(统计的力量),年度收益20%-40之间,而且回撤不是很大.
1、需要剔除由于非正常经营性突发收益增长(比如大幅度营业外收益、一次性投资收益等等) 2、能搜索到的股票恐怕主要会集中到一些公路、铁路、银行类“透明”行业中去。行业集中度会非常高。有些行业,常年就是低市盈率的。而这些股票往往成长性不高、无故事可讲。所以导致低市盈率。 但是从理念上来讲,这是一种很好的套利思维。 只是每年1小时是不可能的。哪怕光是要处理上述的问题1,就需要花点功夫。 如果不去处理问题1。就偏离了套利思维。也就偏离了确定性。
有道理! 我愿意多说几句. 一楼的所谓的交易系统无法实现, 每年1小时更是荒唐. 它使用了"未来数据", 不可能在1月1号看到年报. 但是, 这是一个很好的思路, 如果严格按照测试, 使用未来数据的程度应当不算严重. 实际运作中, 解决"未来"数据的方式基本上就是你说的这条路. 还可以再简单一点. 不用剔除突发收益, 直接选择“透明”行业. 对于那些拥有护城河的大型消费类或者服务类企业, 去年的数据和今年的数据, 差异不大, 所以, 尽管测试中使用了一点未来数据, 或者实际运作中使用了一点过时数据, 但是效果差不多. 这正是巴菲特50年投资坚持传统行业的原因之一. 我们没有办法对快速变化的行业估计其价值. 事实上, 这类行业的PE很少低, 除非发生了一次性收益. 所以, 这又产生了另外一个效应, 尽管测试使用了一点点未来数据, 但是由于整体低PE的股票行业极端集中, 结果仍然基本可信.
我的看法与楼上两位不同: 1. 对于收益的稳定性问题,由于楼主所选取的样本非常大(100只), 即使是碰上几个由于一次性收益造成的低PE,甚至是碰到业绩造假的地雷,都不会对总体造成显著的影响。 那些有问题的个股对系统造成的影响并不一定都是负面的, 在我的测试经验里,通常都是正负相抵的。 2. 关于未来数据问题, 就更不是问题了, 有2个方法: a. 1月1日有哪个报告就取哪个报告中的收益数据,稍稍过时的数据并不会对总体结果造成显著影响。 b. 如果不愿意用过时信息, 可把每年换股的时间放到交易所规定的年报终止日那一天。 这两种方法都可以保证楼主所说的"1小时"