接上文

2 抄底股市
这也促使邓普顿有了抄底股市的计划。

但他并未买入单一个股或大盘指数。而是借款1万美元，买入交易所中所有1美元以下的股票，平均每只股票持仓100美元左右。

4年后邓普顿选择清仓，此时他买入的104只股票中，只有4只亏损，胜率高达96%，初始的1万美元更是变为了4万，远远跑赢了同期标普500指数。

邓普顿的这次抄底为何能够成功呢？

这其实源于国外股市长期存在的低价股效应。

02

低价股效应

1 低价股效应简介

所谓低价股效应，就是股价绝对值越低，未来的收益越高。

该效应不仅被众多投资大师实践过，在学术界也受到了广泛的认可。

了解一定历史的同学都知道，投资实操界和学术界互相鄙视，能被两者同时认可的理论，一般很难出错。

那低价股效应又是如何产生的呢？

2 低价股效应成因

主要原因是低价股给投资者一种便宜的错觉。

比如在A股大家看到2000块的茅台时，可能第一反应是吐槽价格太贵；而看到2块的农行时又觉得很便宜。

但股票的贵或便宜不能看股票的绝对价格，而是要看估值或市值。

然而如此简单的常识，却至少有80%的投资者是不知道的。不信的话，可以采访一下你炒股的朋友。

另外很多低价股处于超跌状态，超跌的股票有很强的反转效应，适合买入。

我们是做量化交易的，既然知道了低价股效应，自然就会好奇，A股是否同样存在低价股效应呢？

下面我们就借助全部的A股历史数据和Python代码，来构建一个低价股策略，去看看这样选股到底是赚还是赔？

03

A股低价股效应

1 数据准备

想要进行验证，我们就需要用到每只股票每天的交易数据。

我已经帮大家整理妥当，包含了所有股票（包括已退市的股票）上市至今每天的开高收低价。数据情况如图所示：

如果你需要这个数据的话，可以点我头像交流，都是可以直接发给你的。

2 策略构建

有了数据后我们就可以尝试构建相应的策略。

每月最后一个交易日结束后，我们去获取所有股票的收盘价，从中选出价格最低的50只股票。

为防止选到可能退市的股票，我们约定选出的股票的收盘价需大于2元。（在A股，连续20个交易日收盘价低于1元的股票会被强制退市）

我们再从每月选出的50只股票中剔除ST股、退市股、停牌股及上市不满一年的新股。

次月第一个交易日开盘时，均仓买入选出的股票，一直持有至次月最后一个交易日收盘时卖出，并重新选择此时满足条件的股票。如此循环往复。

比如我们在2022年11月底在所有股票中选出了28只符合条件的股票。

就在12月的第一个交易日开盘均仓买入，一直持有到12月最后一个交易日收盘卖出，并重新选择符合条件的股票，这次选中了17只。

由此我们发现，策略选出的股票数量是不确定的，可能有50只，也可能一只没有。

那这样的策略能赚钱吗？你用Excel也可以计算，但相对繁琐，我们就借助Python代码来进行验证。

如果你需要这个代码的话，可以点我头像交流，都是可以直接发给你的。

3 回测结果

策略回测结果如图所示：

代表策略的橙色曲线从2010年至今从1元涨到了5.78元，远远跑赢了代表同期沪深300指数的绿色曲线，14%的年化收益也跑赢了同期房价涨幅。

但策略的最大回撤高达55%，这是我们只使用了单一的选股指标且永远满仓造成的。

当然只看排名前50的低价股有一定的偶然性，一旦出现异常情况，就会严重影响策略结果。

04

分组统计

1 策略延伸

所以我们接下来不仅只看排名前50的低价股，还要看价格最低的前20%的股票的整体收益情况。

我们仍使用之前的Python代码，只需稍作修改即可。

如果你需要这个代码的话，可以点我头像交流，都是可以免费发给你的。

策略结果如图所示：

价格最低的前20%的股票最终收益是3.81，同样跑赢了沪深300指数。

2 分组表现

甚至我们不仅仅只看前20%的股票，还可以根据股票价格把所有股票分成5组，分别看各组的表现。

最终结果如图所示：

各组收益间呈现出明显的递减规律，即股票价格越低，未来收益越高。

这恰恰证明了A股和其他股票市场一样，存在着低价股效应。

我们也比较推荐大家今后交易时加入低价股指标，以此完善自己的选股策略。

但说实话，上文构建的低价股策略年化收益偏低、回撤偏大，并不适合直接实盘使用。

下面我们就尝试着来改进一下这个策略，让它可以更贴近实战。

05

策略改进

1 低价股特征

改进策略最好的方法，是观察策略选中的股票：

可以发现，大部分低价股都是市值较低的小盘股。

我们之前的一篇文章也验证过股票市值越小，未来收益越高这一结论。

点击图片查看原文

接下来我们就尝试在低价股策略基础上加入小市值的筛选条件，构建一个新的量化选股策略。

接下文