N倍股报告研读

基于N倍股的研报的实现和研究。

研报总结

下图，就是对整篇研报的一个研报所做的一个思维导图。

就此研报来说。大致分为两部分。分别是涨幅的之前状态的分析和一些因子的归类。

根据这篇研报，我用的是事件策略的框架去测试的。主要是以下几点原因。

1. 只吃一段的利润，而不是全部。吃全段的试错成本太高。根据研报的显示，N倍股整个周期为120天。选错了，亏钱不说，大半年就没钱赚了。
2. 比较契合。因为反弹这类事情，不是天天有的。类似于事件来说。

所以构建策略的基本思路，就是过去一年中，以最低点在最低点后N*10天为事件的触发时间点。然后根据研报加入一些因子来做过滤。

因子

反弹点

如果要用这份研报来构筑策略，我选择从反弹点开始。

1. 收益的分析，是以最低点开始计算120天，然后10天为一个周期。除了第一个周期之外，最高的是第八个周期。其实这个也和回测一致。
2. 之前三年处于历史低位。换句话，N倍股都是反弹。

可以看上传文件mark_bottom_flag.py

下图为在过去一年内的最低点之后80天买入的IC

缺少关注

研报中，多次提到，在上涨之前，这些个股，都是没有被关注的。其中包括。

1. 没有被机构调研。
2. 没有进入龙虎榜。
3. 股东人数较少

80天前，调研次数为0的IC

过程中机构买入，慢慢变大

这里我做了两个统计，都是根据已有数据中的机构买入来进行计算的。

1. 在上涨周期中，机构净流入比前一天高的天数。
2. 在上涨周期中，机构净流入为正的天数。

可以看具体回测。感觉影响不大。

没有研究的因子

因素	原因
小市值	没有加入，主要觉得这个因子比较强，实现起来也比较简单
行业热度	一来比较难写。二来问了夏普，说这类因子一般效果不好
换手率	没有实验
财务因子	主要自己不太懂，有兴趣老板可以帮忙尝试一下
高波动，高弹性	要用分钟数据。

策略

我写了一个策略。基于事件策略框架。事件的条件基于判断N*10天前，是否有以下事件。

1. 发生了过去一年的最低点。
2. 之前没有相应的机构调研。
3. 机构买入增加。

但是效果不是太好。代码和回测结果可以见附件。