（本文由公众号越声投顾（yslcw927））整理，仅供参考，不构成操作建议。如自行操作，注意仓位控制和风险自负。)
中国市场前景如何?看好中国市场，已配置很多中国的股票。
但在现金流偿债率方面，外资偏好标的呈现出非常明显的差异，以经营性现金流/负债表示的偿债指标为例，外资偏好标的均值为其他标的的 10 倍，中位数也超过了其他标的的4 倍，凸显了外资对于该项信用指标的重视。
股市里的芝麻开门，是指股价在重大利好(定向增发、资产置换、整体上市)刺激之下，直接连续空心涨停，而当股价一般出现连续三个空心涨停之后，出现打开涨停的时候，此时则是还未进场投资者的最后买入机会，当天股价往往还会继续出现涨停板，K线形态为T字型涨停。而此后还有巨大上升空间，而这次涨停板如同阿巴巴和四十大盗童话里的那扇财富大门，因此称为芝麻开门涨停战法。
图:“仙人指路”选牛股之2
美国运通：上涨872％
? 杠杆比率反映公司负债程度的高低
虽然我们的外资研究框架其实去年 8 月就已较为完备，但我们此前的报告以及当前市场对外资的认知，更多仍是基于自上而下的视角。但从自下而上，尤其是对于外资的个股审美，仍是市场的研究空白，缺乏足够的微观论证。因此，本篇报告将从财务视角出发，力求揭开外资审美的神秘面纱，并进一步完善国盛策略外资研究方法论。
从上面计算结果和下图可知，量价因子和未来20日收益的秩相关系数在大部分时间为负，量价因子对于未来20天的收益有预测性
本节使用2006年以来的数据对于量价相关性因子历史表现进行回测，进一步简单设计量价因子选股的几个风险因子暴露情况。
指标2——ROE
已经进场的害怕行情终结，往往会选择获利了结;而没有进场的投资者则应该根据利好的力度做出选择。如果认为目前的涨停价格仍然被低估，则需要果断的在打开涨停的时刻立即介入。
上面就是小编总结的关于巴菲特选股的一些指标和基本面的一些内容，希望在后市的投资中大家有所受益，当然如果大家在炒股过程中有股票诊断，套牢，选股等问题，都可以联系小编和小编一起探讨。
从2013年-2016年，贵州茅台的经营现金流都为正数，且基本处于一个稳定上升的趋势，说明企业的销售呈稳定上升，主营业务盈利能力强。股王优秀的基本面也得以略见一斑了。
“既然你知道没这一模一样点睛玉石，我这个就是孤品，无价之宝啊。”
5项投资逻辑
判断底:SQRT(SQRT(FLOOR(SQRT(MA(1/WINNER(CLOSE)*100,4)/10000))))*5;
长趋势:EMA((VAR2-VAR3)/(VAR4-VAR3)*100,13),COLOR00FF00;
import matplotlib.pyplot as plt from matplotlib import rc from matplotlib import dates rc('mathtext', default='regular') import seaborn as sns sns.set_style('white') import datetime import numpy as np import pandas as pd import time import scipy.stats as st from CAL.PyCAL import * # CAL.PyCAL中包含font
下面给出本文中用来计算量价因子的程序代码
在重大利好刺激之下，此时没有进场的投资者只能望洋兴叹，而已经提前进场的投资者则稳坐钓鱼台。但如果主力打开涨停则会让这两种人发生心理上的微妙变化。
# ‘过去十五天量价相关系数’和‘之后20天收益’的秩相关系数计算 ic_data = pd.DataFrame(index=corr_data.index, columns=['IC','pValue']) # 计算相关系数 for dt in ic_data.index: tmp_corr = corr_data.ix[dt] tmp_ret = forward_20d_return_data.ix[dt] cor = pd.DataFrame(tmp_corr) ret = pd.DataFrame(tmp_ret) cor.columns = ['corr'] ret.columns = ['ret'] cor['ret'] = ret['ret'] cor = cor[~np.isnan(cor['corr'])][~np.isnan(cor['ret'])] if len(cor) < 5: continue # ic,p_value = st.pearsonr(q['Q'],q['ret']) # 计算相关系数 IC # ic,p_value = st.pearsonr(q['Q'].rank(),q['ret'].rank()) # 计算秩相关系数 RankIC ic, p_value = st.spearmanr(cor['corr'],cor['ret']) # 计算秩相关系数 RankIC ic_data['IC'][dt] = ic ic_data['pValue'][dt] = p_value # print len(ic_data['IC']), len(ic_data[ic_data.IC>0]), len(ic_data[ic_data.IC<0]) print 'mean of IC: ', ic_data['IC'].mean() print 'median of IC: ', ic_data['IC'].median() print 'the number of IC(all, plus, minus): ', (len(ic_data), len(ic_data[ic_data.IC>0]), len(ic_data[ic_data.IC<0]))
引用地址:https://www.cha65.net/waibuwenzhang/202308/0132440.html
tags: