想搞清楚放量下跌好,还是缩量下跌好,就要明白放量和缩量背后的本质是什么。
量能,是市场成交的标志,成交量大代表资金分歧大,成交量小代表资金分歧少。
所以,放量下跌的本质,是资金分歧比较大,而缩量下跌的本质,是资金分歧比较小。
再往深了去推断,放量下跌,一定是主力资金撤退,因为散户没那么齐心去砸盘。
而缩量下跌,说明可能是主力放水所为,也可能是主力已经出逃,处于无主力状态。
另外,所谓的放量和缩量,是相对的,如果本身的成交量很大,即便是缩量下跌,量能也不小,而本身的量能如果很小,稍微释放一点量能,也是放量。
所以,股票的下跌,本身一定是量价结合起来看的,还要结合股票所处的位置进行分析。
其实,对于股民来说,其实不在意下跌孰优孰劣,因为不管过程,结果都是下跌。
股民更在意的是哪种下跌更有机会,哪种下跌能继续持有,而哪种下跌该止损。
放量暴跌,该止损还是补仓?
对于放量暴跌的股票,股民最大的疑问,量那么大,是谁在接盘?
永远不会把注意力集中到关键上,因为放量的原因不是资金买得多,而是股票卖的多导致的。
所以,更该把注意力集中到的焦点,是谁在卖,而不是谁在买。
我们不妨根据不同的情况,考虑几个问题。
1、股价在高位,超高换手率,后续资金能否足够延续?
股价在高位,出现放量暴跌,其实是很正常的。
尤其是上午涨,下午跌,往往会带来巨量的换手。
高位的放量暴跌,其实并不可怕,可怕的是量能如果太大,资金换手太大,后续资金能否足够继续支撑股价。
所以,高位出现放量暴跌,本质上是否会延续上涨,其实就是一次赌博,赌的是后续热点是否持续,是否有资金愿意继续接盘推升。
通常,股价继续上升的概率约30%左右,而且在暴跌次日,就会有明显的上攻动力。
这类暴跌是否要离场,就看自己对于热点的判断,以及是否要参与这种30%的可能性了。
2、股价在低位,价格如此低,为什么会有大资金离场?
低位的暴跌,其实很致命。
很多人认为是主力资金在欺骗散户,希望散户割肉。
但实际情况是,低位要砸盘,都是主力本身带头所为,压根不是散户做的,散户基本上是有钱就补仓,没钱就躺平。
所以,主力带头砸盘,要么就是判断大趋势很差,急着跑路套现,要么就是想要继续把股价打穿,到一个更低的位置,再开始吸筹。
不管是哪一种情况,股价在短期都会出现继续的下跌,直到探明阶段性的底部。
大资金在低位离场,说明低位下面,还有更低的位置。
即便看好股价是在挖坑,也不建议马上入场,耐心等待一段时间,等缩量企稳才是良机。
3、股价在震荡中,为什么会有如此大的分歧?
股价如果在震荡整理的时候,突发放量暴跌,也是一个明显的卖出标志。
震荡行情中,量能应该是逐步萎缩的,因为意见分歧会随着不断的震荡越来越少。
看好的人会始终看好,不看好的人会慢慢离场。
震荡中出现放量,也只有一种解释,就是原本一致看好的资金,突然翻空的集体撤退了。
这种情况在长期震荡或者横盘的后期居多,一旦出现,基本上就是踩踏行为,股价一路暴跌。
因为原本看震荡向上的资金,看到出现放量破位后,不敢再继续买入,跟着一起多翻空是常见情况。
所以,震荡行情中的放量暴跌,往往预示着震荡行情结束,资金撤离。
放量暴跌,可以立即止损出局,但尽量不要立马去补仓。
换句话说,如果你没有之前的仓位,你会不会在当前放量暴跌的节点上,选择买入这样一只股票。
我想99%的人都不会在一根放量巨阴的形态下,去贸然买入股票吧,大资金也不会,因为人气涣散,短期再拉起来的几率较小。
所以,遭遇放量暴跌,除非是长期投资,逢低买入,否则一定是观望。
如果是短线投资者,手里有持仓,至少也要减仓,亦或者索性进行止损。
不是说止损一定是对的,未来股价一定上不去,而是不能在当下去博弈概率,保护本金是第一位。
缩量暴跌,该止损还是补仓?
对于缩量暴跌,股民最常见的想法是,量能这么小,庄家也跑不了。
对于缩量下跌,股民的关注点,总是在庄家是不是撤退了。
但真正导致缩量的原因,其实是没有资金愿意接盘,如果挂入的买单很多,股价要暴跌,就一定会放量。
缩量的背后,是资金一致性的看空,导致买盘不足,下跌过程中没有资金接盘。
确实,有一些时候,可能主力资金没有来得及出逃,但没有资金接盘的股票,主力会不会继续拉升,也是要打一个问号的。
同样的情况,我们不妨也考虑几个散户很关注的问题。
1、股价在高位,缩量暴跌,主力怎么出货?
没错,股价在高位,缩量暴跌,看似主力没法出货。
首先,大部分主力资金,在高位会选择边拉边撤,成交量很大。
如果下跌的时候单边卖出,不选择买入,成交量缩减至50-60%,是非常正常的。
其次,主力确实在缩量的时候很难出货,但是缩量后,可能会出现放量,这个时候就可以出货,只是价格更低一些。
当价格下沉10-15%,散户止损的心态越来越少,补仓的心态加重,这是主力出货最好的机会,因为有真金白银来买入了。
出货不一定要在绝对顶部,在股价相对高位也是可以的。
所以缩量下跌,不代表主力没法跑路,一定会再度拉升,主力是否再度拉升完全取决于市场人气,拉高之后是否能在更高位顺利出货。
2、股价在低位,缩量暴跌,为什么没人买?
股价在低位,却出现缩量暴跌,本质上就是因为没有买盘。
低位如果有人愿意接盘,股价压根不可能出现暴跌。
暴跌说明一路下跌,畅通无阻,这是资金不愿意入场的标志,也是散户抄底资金衰竭的表现。
这种情况下,没人接盘导致资金无法大举出逃,将会出现连续的缩量暴跌。
有一种情况是量能逐步放大,因为股价低了,买入的意愿越来越强。
另一种是量能越缩越小,因为股价低了,卖出意愿也是越来越衰竭了。
不管是哪一种情况,到最后都是因为股价足够低,吸引了足够多的资金入场,才能阶段性地稳住股价。
3、股价在震荡,缩量暴跌,到底是什么原因?
股价在震荡,出现缩量暴跌,其实就两种情况。
一种是突破之前的强力洗盘,做最后的恐吓。
另一种则是主力已经在震荡中撤退,做最后的清仓。
两种情况一天一地,前者较少,占比也是30%左右,后者居多,占70%。
震荡行情中,但凡出现大阴线,尤其是破位的大阴线,还是以撤退为宜,不要去参与。
如果把长期的震荡行情,看做是盘整,盘整久了出现暴跌也就很正常了。
如何辨别洗盘还是出货?
最后聊聊,股民最关心的一个话题,洗盘和出货,到底怎么看。
散户经常会误认为,放量就是出货,缩量就是洗盘,然后还会误认为放量就是有新的主力资金接盘。
这种误区,会导致散户始终抱着看涨的心态去面对盘面,被迫地忍受下跌,最后出现亏损。
没有人会觉得股价一直下跌,只想着快跌到位了,很快就要涨了。
散户喜欢将所有的下跌当作是洗盘去看,殊不知,绝大多数下跌,都是在出货。
洗盘和出货本质上有很大的区别,有几个比较特别的信号,值得关注。
1、出货时,股价容易连续创新低。
主力要出货,就不会再去接任何的筹码。
让散户心甘情愿锁仓最好的方式,就是退二进一,绵绵阴跌。
看似好像还有希望,实则是两三天下一个台阶。
给到希望,是为了让散户补仓,下一个台阶,则是为了让散户锁仓。
补仓加上锁仓,是主力出货的关键,一旦散户开始止损,对于主力来说,就非常不利了。
2、洗盘时,成交量更为温和。
洗盘的时候,主力是逢高抛售,逢低买入,有买卖双方的动作,量能就会相对温和,不会大幅度萎缩。
洗盘中的量能萎缩,主要源于股价下跌,散户交易减少。
通常来说,洗盘的量能维持在高位量能的50-70%居多。
通过成交量来辨别洗盘和出货是非常有效的,因为一旦主力出货,成交量萎缩到30-50%是大概率事件。
量能是市场参与度的体现,市场参与度很低,主力资金也不敢贸然继续上攻,因为会担心人气不足导致的跟风盘递弱。
主力洗盘不是为了增加自己的筹码,对于主力来说,高位的筹码,越少越好。
3、出货跌破趋势均线,洗盘依托趋势均线。
趋势均线,其实是非常容易判断洗盘和出货的,因为均线是价格成本和筹码线,是资金的共识线。
但凡是洗盘,往往会在趋势均线附近企稳。
原因是会有大量看多的资金在均线附近逢低入场,而主力资金不会愿意把这部分筹码给到这些资金。
所以,依托这些均线作为辅助趋势线,股价就会出现上涨。
同样的,主力的目的是出货,那么会在趋势线附近大量的消耗买入盘,做一些横盘,最终出现破位。
趋势线的争夺,是辨别出货和洗盘的重要信号,只不过,均线本身,距离股价的顶部,其实已经有一定程度的回撤,即便辨别了洗盘还是出货,也已经造成了亏损。
成交量,作为股票交易中最重要的维度之一,客观地反应了股票的买卖情况。
抛开部分主力资金通过特殊手段去做量能以外,量能的参考意义非常重大。
量价配合,是交易市场的自然规律。
上涨途中由于赚钱效应,参与者增多,所以放量。
下跌途中由于损失厌恶,参与者减少,所以缩量。
量能如果出现异常,并且伴随股价大幅度波动,就应该去寻找问题所在,对症下药。
当然,部分的个股,主力资金会故意做盘,让散户来接盘,需要特别注意分辨。
量价理论并不是特别深奥,但也挺复杂,背后其实是交易心理学。
希望一些学的一知半解的股民,不要迷信量价理论,短周期的频繁做操作判断,失误率会很高,导致产生大量不必要的亏损。
关于股票的止损,也是要有一定的逻辑依据,而不是盲目止损。
股市中,需要我们学习的太多,多看少动,精准把握,才是正确的方式。
换手率是一定时期内股市总成交股数与总流通股数的比率或一定时期内股市总成交金额与总流通市值的比率,它用于说明股市中股票交易的频繁程度,也可作为衡量股市流动性的参考指标。经验表明成熟的理性的股市换手率为0.3左右,如果换手率大大超过这一比率,则意味着股市中非理性成分占上风,投机气氛较浓。
为了使得列举的数据更加真实有效,我查阅了年沪深两市流通股的平均年换手率
两张图中数据为年平均还手率,换算成每一天的平均换手率要除以全年的交易总天数(244天左右)
换手率=总成交金额/流值=成交总手/总流通股
中国的股市换手率为什么这么高?
①作为一名有过A股投资经验的朋友,应该都知道几乎每只股票里面都潜伏着主力(庄家)为了投资项目顺利的运行,主力经常会采用对倒的方式维护股价,从而会产生一定的成交量,而成交量就是换手率的决定因素。
②A股投资者结构中最大的特点是散户占比高、机构投资者占比低,散户占一半(按自由流通市值计),而公募、私募、社保等机构投资者占比仅22.5%。而成熟的市场,如美国标普500指数投资者结构中,个人投资者只占14.1%,机构投资者占比高达66.5%。尽管个人投资者持有的市值占比为50%左右,但从成交量占比来看,2007年以来个人投资者占比一直维持在85%左右,机构投资者占12%,企业法人3%。散户占比高,使得市场换手率高、投机氛围浓厚。以流通市值计算,2015年主板换手率达到609%、创业板1259%,今年来主板年化换手率降至262%、创业板降至797%,2015年为2016年的1.5-2.5倍。而美国纳斯达克市场是全球成熟市场上最活跃的股市,年换手率也不过242%。而且,美国的个人投资者的交易量占比也不过20%左右。
③由于部分公司问题太多,上市后的经营效益逐年下降 (甚至严重亏损),导致绝大多数投资 者不敢长期持股只能频繁换手。
股市中换手率高意味着什么?
上面已经提到了决定换手率的变量就是成交量(假定流通股数量保持不变)所以高的换手率意味着高的成交量。
如上图所标,两个红圈处都出现了放巨量,成交率变大的情况,而后却出现了截然相反的走势。过高的成交量或者换手率给我们起到了提示的作用,而对后市的影响却要根据盘中细节和K线形态具体分析了。从监测和利用换手率辅助投资来讲,通过量化的手段来实现效率最高,在下面这篇文章中,参考华泰证券的深度报告,构建了换手率类因子,进行了回测,供各位饕餮。
本篇文章主要参考了华泰证券的深度报告————《华泰单因子测试之换手率类因子》
换手率因子是一类很重要的情绪类因子,反映了一支股票在一段时间内的流动性强弱,和持有者平均持有时间的长短。一般来说换手率因子的大小和股票的收益为负向关系,即换手率越高的股票预期收益越低,换手率越低的股票预期收益越高。在本文中,将首先构建换手率类的因子,并分析这些因子。再者根据因子的排序构建分组组合策略,展示策略结果。最后分析不同因子的表现,综合识别有效因子。本文中涉及的因子都是与股票的日均换手率相关,共分为4个类别:
《华泰单因子测试之换手率类因子》一文中提到以上几类换手率因子之间也存在比较强的正相关性,尤其是不同时间长度的同类因子。参考《华泰单因子测试之换手率类因子》一文,我们只选取了时间长度最短的4个因子作为每类因子的代表。此外,如果需要通过组合使用换手率类的因子进行回归分析,要小心可能存在的多重共线性问题。
另外,《华泰单因子测试之换手率类因子》一文中还提到换手率类因子与市值类因子存在一定程度的负相关性,我们对换手率因子首先进行市值中性化处理,从而消除了大市值对于换手率因子表现的影响。我们将选取部分因子分别进行和不进行市值中性化处理,对比处理前后的效果。
本文中,对于每一个因子,我们都使用了分组回测的方法对单因子进行策略回测,并展示回测结果和策略的回测指标等。具体来说按照因子大小将所有股票分为五档,分别构建五个投资组合。我们将以此分析每个因子的区分度、单调性、稳定性,综合识别有效因子。
通过对每一个因子进行回测,综合来说,进行市值中性化处理之后,因子表现有明显提高。在本文的回测方法下,turn_1m和std_turn_1m因子表现较好。
一、换手率因子以及数据获取
换手率因子是一类很重要的情绪类因子,反映了一支股票在一段时间内的流动性强弱,和持有者平均持有时间的长短。如果一支股票在过去一段时间内的换手率明显高于同类型股票的平均水平,则说明这支股票的资金追逐度高,比较热门,但同时风险也会相对较高。在本报告中,我们主要考虑了与股票的日换手率相关的一些因子。股票的日换手率地定义为:
日换手率 = 当日成交量 / 该股发行总股数 x 100%
在本文中,我们用到的与日换手率相关的因子有如下12个:
值得注意的是,在这里我们对于回溯时间长度和缺失值的处理是:对某一个交易日,求一个月内日均换手率则考虑包括该天在内的前20个交易日的平均值, 三个月则取前60天, 六个月则取前120天。同样,计算标准差的时候也取相同的回溯期。对于例如股票当天停牌而造成的当日日换手率为0的数据,我们将在计算平均值和标准差的时候将这个值忽略。若在回溯期内股票一支处于停牌状态,那所有的值都会被忽略,则该天的平均相关的因子值为空,若该回溯期内没有停牌的日期不足两天,则该天的标准差相关的因子值为空。
通过优矿API,我们可以获取股票每天的日换手率数据,下面的代码根据每天每支股票的日换手率计算所有的12个因子,并将每个因子作为一列,存入到DataFrame中。最后我们将整个DataFrame写入csv方便后期的调用读取。
在得到这些因子值之后,我们将建立分组模型进行回测,仔细观察因子区分度,单调性等规律,并根据以上结果进行分析对比,探讨各因子的特点和优劣。
分组回测模型即根据因子值对股票进行打分,并以此构建投资组合,能够比较直观地衡量一个股票指标的优劣,尤其是可以确定因子的单调性。具体回测方法如下:
本文中的回测代码使用了优矿quartz3的回测框架,并且为了提高回测效率使用了quick_backtest()函数。
三、回测结果展示与分析
由于对于同类因子,例如日均换手率因子中时间长度分别取1,3,6月的三个因子,彼此间存在较强的相关性。再根据《华泰单因子测试之换手率类因子》一文中的结论,同类因子的表现比较相近,且时间区间越短的因子表现越是突出。从而,我们本文选取了四类因子中最具代表性的4个因子进行分组回测,分别是:一个月内日均换手率因子——turn_1m,一个月内日均换手率乖离率因子——bias_turn_1m,一个月内日换手率的标准差因子——std_turn_1m,一个月内日换手率标准差的乖离率——bias_std_turn_1m。
此外,在《华泰单因子测试之换手率类因子》一文中,也提到换手率类的因子在单调性上表现得并不好,而衍生的乖离率类因子有较好的单调性表现。通过分析,本文认为这个问题出现的原因是换手率小的股票有一部份是大市值的股票,而往往这类股票在收益率上的表现并不好。考虑到换手率与市值因子有一定的负相关性,所以我们这里对换手率因子作了一个市值中性化处理————利用对换手率因子和市值因子做回归取残差的市值中性化处理,从而消除了换手率类的因子中市值因子的相关部分。
以下是不同因子的回测结果,部分因子分别进行以及没有进行市值中性化处理,用于结果的对比,我们将结果汇总到下表中:
通过结果我们看到,在未作市值中性化处理之前,换手率因子的表现并不好,没有明显的单调性(最优组为第二组),且收益率相比做了市值中性化处理的结果比较低。且换手率衍生的乖离率类因子bias_turn_1m的表现要好于换手率类因子turn_1m,而且通过下面的图表我们也可以看到,bias_turn_1m的单调性表现要好于turn_1m。这一点的结论是与原文相近的。
为了解决这个问题,我们尝试做了市值中性化处理,效果非常显著。在做了市值中性化处理之后,收益率、Alpha、IR、Sharpe Ratio都得到了显著的提高。我们认为市值中性化处理可以消除大市值对于换手率类因子的影响,并且显著提高换手率类因子的表现。而且通过进行市值中性化处理之后,turn_1m、std_turn_1m两个换手率类的因子表现较好,要好于衍生的两个乖离率类因子。所以我们得到的结论是,在未做市值中性化处理前,结论与《华泰单因子测试之换手率类因子》文中一致,表现最好的因子为bias_turn_1m和bias_std_turn_1m,而在进行了市值中性化处理之后,因子表现得到了提高,且表现最好的两个因子为turn_1m和std_turn_1m。
3.1 一个月内日均换手率因子 turn_1m (未进行市值中性处理)
通过结果可以看出,在未做市值中性化处理前,turn_1m因子前三组的表现非常接近,且表现最好的为第二组,没有展现出非常好的因子单调性。
3.2 一个月内日均换手率因子 turn_1m (市值中性处理后)
通过结果可以看出,在进行市值中性化处理之后,因子表现得到了明显改善。因子展现出了很好的单调性,此时表现最好的为第一组,且Alpha、年化收益率、IR和Sharpe Ratio明显高于其他组别。
3.3 一个月内日均换手率乖离率因子 bias_turn_1m (未进行市值中性处理)
通过结果可以看出,在未做市值中性处理之前,因子没有展现出很明显的单调性,这是由于第一第二组的表现十分接近。此外,第一第二组的表现相比另外三组有明显区分度,总的来说,未市值中性化的bias_turn_1m的表现略高于未市值中性化的turn_1m,但是明显低于作了市值中性化处理的turn_1m。
3.4 一个月内日均换手率乖离率因子 bias_turn_1m (市值中性处理后)
通过结果可以看出,在进行了市值中性化处理之后,bias_turn_1m的表现得到了明显的改善,单调性也表现得十分明显,表现最好的是第1组。但是相比同样做了市值中性化处理的turn_1m因子,bias_turn_1m因子的表现略低于turn_1m因子。
3.5 一个月内日换手率的标准差因子 std_turn_1m (市值中性处理后)
通过结果可以看出,做了市值中性化处理的std_turn_1m因子展现出了很好的单调性,而且第一组的表现相比其他组更为突出。这一点与作了市值中性化处理的turn_1m十分相似。此外,这两个因子表现最优组的表现十分接近,要优于bias_turn_1m的表现。
3.6 一个月内日换手率标准差的乖离率 bias_std_turn_1m (市值中性处理后)
通过结果我们可以看出,在进行了市值中性化处理之后,因子表现出了很好的单调性,且五组的表现相对平均,这与因子bias_turn_1m十分相似。且bias_std_turn_1m的表现略优于bias_turn_1m的表现但是没有turn_1m和std_turn_1m的表现那么好。