转自：https://mp.weixin.qq.com/s/cu303P_M3-lSVSKsRPACKQ
再跌就要散伙了
标签： 股市
40天连续万亿成交：谁在狂欢？谁在撤退？
作者 | 墨羽枫香
数据支持 | 勾股大数据（www.gogudata.com）
7月21日以来，A股沪深两市已经连续40个交易日突破万亿成交，期间累计交易额突破54万亿。
这快追上历史上最长连续万亿成交的记录——2015年7月-9月，连续43日。
这一波，上证指数上涨3.5%，深成指下跌2.6%，创业板指大跌6.6%，增量成交源于主板，源于中证500、中证1000以及市值更小的公司，而创业板贡献度下降，沪深300为首的龙头成交也下降——成交额TOP100的公司的交易量已经从年初占比38%下滑至30%。
连续40日万亿成交的背后，谁在狂欢？谁又在撤退？
1
成交活跃，市场情绪亢奋，首先想到会是杠杆资金，即两融。因为2015年牛市行情的火爆，场内及场外的杠杆资金起到了举足轻重的作用。这一次，会一样吗？
截止9月13日最新数据，两市两融余额达到1.926万亿元，创下6年新高，其中融资余额17527亿，融券余额1732亿。
这跟2015年大牛市还有一定距离。当年6月18日，沪深两市两融余额去到了历史最高水平，高达22666亿元，比上年底高出12492亿元，相当于半年时间增加了123%。可见当时市场有多么疯狂。
看绝对值，当前两融余额相较于2015年差距已经不大了。但现在与2015年大盘容量不一样，单独对比两融余额会有一些偏颇。我们可以从占流通总市值的比例来看。
当前，两融余额占比A股流通市值为2.62%，跟过去1年保持一个水平，并没有太大异常。当然，这离2015年的3.4%差距甚远。
再看成交情况，最近3个月维持在9%左右，与去年7月、今年2月11%+的高峰还有较大差距。可见，杠杆资金的情绪并没有表现出高亢的状态。
从以上数据分析，我们大胆推测两融杠杆资金并不是本轮万亿成交的增量贡献者。
2
今年8月19日和20日，北向资金单日均抛售上百亿筹码。但此后15个交易日之内，仅有1天小幅卖出16亿，其余均保持大幅流入状态，累计买入超过600亿元，累计成交额高达2.2万亿元。
那么，问题来了，这一波是不是北向资金在搞事呢？
7月20日，北向资金成交1100亿元，后维持较为活跃的态势。其中，7月27日单日成交1745亿元，9月1日成交1865亿元，均创下交易小高峰。
看比例可知，最近40个交易日，北向资金交易占比处在9%-12%区间，较今年前7月并无太大异常，反倒是2月那波急跌，北向资金单日成交占比屡屡超过15%。可见，北向资金似乎并不是万亿成交的增量的主要来源。
当然，这里不排除真外资、亦或是假外资通过QFII（或沪深港）通道进来，贡献万亿活跃成交增量。
据券商中国援引一位香港基金经理报道，有两家百亿级内地头部量化私募，在香港5倍杠杆配资，运用多空策略，在A股市场频繁操作。收益颇丰，而且回撤非常小，他们的规模扩张速度也很快。
假若一只100亿的产品，加5倍杠杆到600亿。这些量化基金一般一周会全部换一次标的，因此他们一周的交易可能高达600亿。然后同时完全做空沪深300等股指，策略上是市场中性，所以今年以来几乎没有大的回撤。截至目前，今年收益率是30%左右，虽然不是太高，但胜在没有回撤。
内地量化资金利用在港便宜的杠杆资金交易A股的可能性是存在的，但规模有多大，无法知晓。但应该也不会是连续万亿成交的增量主力军。
3
从行业大类来看，近期贡献成交增量主要来源于6大周期性行业，包括石油石化、煤炭、钢铁、有色金属、基础化工、建材，成交占比从年初不足15%提升至当前的25%，而成长行业（如医药、军工、电子、电力设备新能源）则从年初的38%下降至30%左右。
截止二季度末，公募基金绝对重仓的行业为食品饮料、医药生物、电子、电气设备，仓位占比比重分别为18.2%、17.1%、14.3%、11.7%，累计仓位高达61%，而前述6大周期性行业的仓位占比分别为0.1%、0.4%、0.3%、2.6%、6.8%、1%，累计仓位占比仅11.2%，远不及前4大行业仓位占比。
另外，经历过218那一波大崩盘，今年公募新增规模相较于年前有一个明显下滑，增量子弹并不多。
从二季度末仓位来看，公募并不太可能大规模把仓位从“喝酒吃药”换仓到6大周期性行业，当然这里面会有一定比例换仓过去追高周期股，算是贡献增量的一部分。
从白酒、医药行情可以侧面印证，从7月22日开始，两大行业均出现了明显的暴跌行情，整体跌幅高达近20%。
今年，私募基金规模呈现了井喷式爆发的态势。
2021年6月底，国内证券私募行业规模高达4.87万亿，而量化私募总规模已经达到10340亿元，而2017年Q2仅1000亿规模。截止7月底，私募证券规模规模较年初增长44.8%，并在7月加速增长。
截止9月10日，国内百亿私募已经达到91家，而其中百亿量化私募高达20家，包括鸣石投资、金锝资产、九坤投资等，部分量化私募的规模已经超过500亿。更为惊喜的是，20家量化私募今年收益全部为正，且平均收益大幅跑赢大盘，但价投为首的多家百亿私募收益告负。
整体而言，78家有业绩展示的百亿私募今年以来平均收益为9.42%，最高收益42.06%。其中有60家百亿私募收益为正，占比达到77%。
百亿私募年内排名前5强分别为玄元投资、鸣石投资、天演资本、世纪前沿资产、金戈量锐。也就是说，在业绩前5的百亿私募中，除了玄元投资外，其余4家均为纯量化私募。
2020年，量化私募规模达到6999亿元，而今年二季度很有可能已经突破1万亿。如果按照平均20%左右的换手率来计算（并非全部高频交易），量化私募每日的交易额大致为2000亿元，占近期总成交量的15%。
由于今年量化交易回报率显著高于价值多头策略，包括公私募，导致规模上量非常快，应该是本轮万亿成交很重要的增量来源。
因为量化交易来源于计算机处理数据和信息，趋势性交易的特点较为明显——上涨的板块往死里涨，应该也是今年大盘行情极其撕裂的原因之一。
这一点我们可以从侧面新闻得以验证：
9月6日，易会满表示：“量化交易、高频交易在增强市场流动性、提升定价效率的同时，也容易引发交易趋同、波动加剧、有违市场公平等问题”。
9月7日，有市场传言称，监管机构正对量化私募做窗口指导以及现场约谈，可能要求其降低频率并限制规模。但已有私募对该传闻予以否认。
同一天，知名量化私募天演资本宣布暂停募集工作，公募基金西部利得量化成长将单个账户单日单笔申购等业务金额限制在1024元以下。
4
散户一直是A股成交的重要力量。即便是机构主宰话语权的当下，散户成交仍然占据大A的半壁江山。
今年8月，A股新增投资者187万人，环比7月增加26.6万。期末总数已经高达1.92亿人，同比增长11.71%，再创历史新高。按7普数据14.11亿总人口算，平均每7个人中，就有1人是股民！
这跟全球散户同此凉热。2015-2020年，全球个人投资者账户数量大增272%，交易额上涨了317%。尤其是疫情后全球交易所市场的交易量明显增加。
你还记得今年初美国股市上演了的“散户大战华尔街”大戏吗？
今年A股，涨势最好的板块为有色金属、钢铁、化工，涨幅均超过100%。传统行业，短期涨幅又高，成为散户最爱。
爱炒小盘股的风气，在A股市场的散户中是流行多年的。今年，小盘股成为大风口，看看中证500、中证1000，再瞄一瞄ST板块，那个炒小的时代又回来了。
很显然，这一波连续万亿成交中，散户成为了贡献主力之一。
5
这波持续40天的万亿成交大背景下，大盘反而极少出现全面上涨的同步井喷行情，一般要么就是上证涨，创业板跌，要么就是才上证跌，创业板涨。
有人认为，这是存在比较明显的互相掩护轮动的走法。如此之大的量能，并不能推动指数持续走强，那么接下来是有一定概率面临回撤，因为万亿量能不太可能长期维系，后续必定萎缩。
我们来简单算一笔账：最近40个交易日，两市累计成交55万亿，按照行业平均万2.5来计算，券商累计揽入佣金275亿，单日佣金高达6.88亿。加上千分之一的印花税，40日累计275亿元，单日高达6.88亿。两项资金加总，一天消耗资金高达13.76亿元，别小看这13.6亿元，长年累月，是一个难以承载的负担，一年下来大约是3400亿元，如果指数不涨不跌，投资者简单测算就亏损了3400亿元。
量化交易、散户大量涌入市场，本身就不是一个好的现象。并且，当前大盘的估值处于历史较高水平，创业板指PE高达56倍，较多细分板块均处于历史最高水平。
A股不太可能独立于全球金融市场。现在，全球投资者都在等待美联储的缩减购债、加息周期，年内会进行Taper。而Taper是当前影响全球各类资产的关键因素。
而早在两个季度前，摩根斯坦利等美国各大投行就已经宣布自己在大量储存现金了。当然，更不要提伯克希尔哈撒韦了，早早静候了1373亿美元的现金。
另外，我们看躺在美联储账户里的机构存款准备金，当前已经高达39439亿美元，较疫情之前足足增加了2.4万亿美元。很显然，华尔街大投行们谨慎了，尽管美国散户如同A股蜂拥而入。
以史为鉴，纵观过去40年，美国历次加息，没有那一次没有引发危机，还记得拉美危机、日本泡沫危机、1997年亚洲金融危机、2000年互联网泡沫、2008年次贷危机、2018年股灾吗？
在全球泡沫浴要收场的时候，大的方向是谨慎而为之，包括更有宏观基本面支撑的A股。但今年也很尴尬，行情极度撕裂，没踩中风口，亏钱也太过容易，老手自然会有仓位配置经验，但新手不一定，就如年少轻狂的00后：
转自：https://mp.weixin.qq.com/s/U234ZMsAlwyu4W08ha68mA
楼市熄火后，钱要涌入股市了？
1
楼市有多凉，圈内圈外人都感同身受。
承兑不兑、信托违约、理财暴雷、公司裁员、项目停工、房子烂尾……华夏幸福、蓝光、泰禾等行业排名前的千亿房企陆续陷入债务违约，就连头部房企恒大都正因资金链危局而焦灼不安。
身为圈外的人，是不是最近接到卖房的营销电话多了？是不是最近搞特价房促销的楼盘多了？是不是二手房挂出很久一直无人问津？
楼市调控的水平越来越高。房产商融资的三道红线、银行房地产贷款集中度的四档管理、再加上二手房指导价，让楼市彻底熄火。
当然政府还有更宏观的规划，楼市的未来已经清晰：新进城的年轻人租住保障性租赁住房、有些经济实力的中年人购买共有产权房、低收入的城市居民则租住在公租房里。
当房价不再涨没有差价收益、当保障性租赁租房大量供给又冲击着租金收益，请问炒房、投资房产又赚什么钱呢？
别说地产商和炒房客了，有些地方城市政府都撑不住了。
8月，湖南的岳阳成为全国第一个祭出“限跌令”的城市。随后，云南的昆明、辽宁沈阳、河北的唐山纷纷约谈开发商，称将打压房企恶意降价。江苏的江阴市甚至发文“严禁低价（如低于成本价、变相降价等）倾销、打价格战”。
从三四城市到二线城市、从经济稍差地区到沿海富庶地区……房价下跌有扩散趋势。
趋势一旦形成，会影响人的心理预期，而心理预期又反过来会影响人的行动。当房价出现下跌趋势，大家就会预期房价会进一步下跌…竟然房价要跌，那干嘛要现在买房呢？
买房的刚需们不急了，等一等、挑一挑、看一看；投资客们退却了，房价不涨就是跌、贷款可是要还的。
楼市就此更加萧条。
数据显示，2020年我国商品房销售额突破17万亿。如果楼市熄火，这么多的钱会奔涌到哪里呢？毕竟钱总得有个去处。如果其中的10%、即1.7万亿流入楼市都是一笔大金额。
很多人或许想到了…股市。
具有投资属性的资产、同时又能让更广泛的人群的参与，除了楼市、似乎也只有股市了。钱像流水一样在楼市和股市间来回流动。
楼市被堵熄火后，那海量的资金是不是就会流入股市、并吹起一波大牛市么？！此时进入股市不是就大赚了么？！
2
为什么要研究资金的流向？为什么要判断楼市股市间的跷跷板游戏？
发掘下一次暴击、爆赚的机会啊！
可是我要遗憾的告诉你，楼市和股市间并没有必然的跷跷板游戏，如果你一把梭的全仓杀入、很可能会把在楼市的钱全亏在股市了。
楼市和股市最大的不同是，前者带有极大的杠杆、钱很大一部分来自于银行贷款，后者则主要是自己的钱。
买房可以贷款，住宅能贷七成、商业（写字楼/商铺/公寓）能贷五成，也就是说去年17万亿的商品房总销售额中、一半以上是银行贷款。
也就是说，即使大家都不买房了、哪怕全部楼市资金都流入股市，也不会有那么多的钱，更可况并不是所有资金都会流入呢。
房子是弱流动性资产、变现能力较差，从开始卖房到拿到卖房款、少则两三月长则一年半载，所谓的卖房炒股几乎没有可操作性、只是一种理念假设……等你卖完房拿到钱，或许股市的行情早结束了。
同时还要知道，每一年买房的人并不是同一批人。每年十几万亿的销售额，并不都是投资客贡献的、其中的绝大部分都是有真实住房需要的刚需人群…哪怕楼市下跌、也不大会把钱投入股市的。
过往历史当中，股市和楼市并没有体现出必然的跷跷板现象。
新中国的股市总共出现了三次大牛市，分别为1999年、2006年和2015年。
第一次，我国房改刚刚开始、当时还没有楼市，自然也没有跷跷板现象。第二次，楼市和股市都很火、是同时牛市。第三次，是在股市去杠杆、楼市去库存下，出现了轮动现象…2015年股市打击配资、同时年底楼市去库存放松了房贷审批，出现了跷跷板现象，而这更多的是一钟巧合。
可很多人却把2015年的股市熄火和2016年的楼市疯狂，误认为是规律。
此外，现在的股市和之前大牛市时的情况已完全不同。
2006年大牛市顶点时、A股总市值约35万亿，2015年大牛市顶点时、A股总市值约75万亿。而今，虽然指数都没有超过过去两次大牛市（沪指最高分别为6214点和5176点），但最近的总市值已90多万亿。截至9月10日，A股已连续30多个交易日成交量突破1万亿。
如此大的股市体量，流入的钱不足够多、是很难推动一波大牛市的。
3
很多人会认为，炒房客和股民是同一类人、都追高风险和高回报。
可房子和股票却是两类不同的资产，前者流动性差、波动较小（因有大量银行贷款，若普遍性暴跌会引发金融系统性风险）、且牵扯到民生，后者流动性强、波动极大、风险极高、以自有资金为主。
圈外人看来，它们风险一致，可在买房人看来则未必…房子不会像股票一样因企业破产而一文不值、最起码还有套房子在那里，可股票就是数字符号、上下波动，不知道哪一天就爆仓了。
17万亿的房产销售额中，有超过一半是银行贷款、并不能构成有效资金，剩余一半当中又大多数是刚需客户必须买房，真正的炒房资金占比很少…为什么感觉到处都是炒房客呢？这是媒体宣传后的错觉。
哪怕这些占比不多的炒房客，正像上文所说的、也未必会全部把资金投入股市，所以请不要对楼市资金流入股市、并推动大牛市来临抱有幻想了。
我们还要知道，人的风险偏好不一样…有些人就喜欢存款和国债，对有任何价格波动的资产都是不感兴趣的；人的知识结构也有差异…做实业的人更喜欢做生意赚钱、保险公司的员工更喜欢保险理财、房产公司的人更喜爱买房子。
请不要想当然的认为、大家都是在追逐高收益而不顾风险，会心甘情愿的去接盘、去当韭菜、去被收割。
就像大家一提到基金就只会想到股票基金一样，其实股票基金占比整个基金资产的比例只有10%多一些。
在公募基金总共23万亿资产中，资产最多的是几乎没有风险、当然也是收益最低的货币基金…总资产9万亿、占所有公募基金比重约40%。第二位是混合基金、里面有股票资产，第三位是债券基金，第五位才轮到股票基金。
钱会流向哪里？钱会流向有赚钱效应的地方。
什么时候才会出现一轮轰轰烈烈的股票大牛市呢？当股市出现赚钱效应的时候。
在强烈赚钱效应的影响下，人们的理财观念才会改变、人们的理财偏好才会发生转移…实业的钱、买房的钱、消费的钱、甚至贷款的钱才会源源不断的流入股市，并推动一轮大牛市。
想着趁楼市熄火赌股市雄起、而试图提前入场割别人韭菜的人，很可能最后自己成了韭菜。
转自：https://mp.weixin.qq.com/s/ocEgxjgsqzMcSdkJLFm7Xg
强无敌，用 Python 复现基于北向资金的择时策略
大家好，我是帅东哥
。
最近自己一直在学习理财相关的东西，所以后面一段时间，可能会多分享一些这方面的学习笔记
其实在学习之前，我一直在思考一个问题：为什么我们在市场上赚不了钱？可能基金还好点，只要行情不是特别差，你一直定投总会有多多少少有点收益的，但是其他市场就真不好说了。
观察了一下身边的朋友和同事，其实大多数人都是入门的。比如说有坚信价值投资的，拿着白马一拿就是好几年的；也有观察市场热点的，追涨杀跌玩的不亦乐乎。但是大家的收益都很一般，甚至亏钱的也不少。
所以，我在思考的时候就在想 价值投资和短线热点 这事。其实价值投资没有问题，但是拿的太久就是问题；短线热点也没有问题，但是没选对具体的个股基金就是问题。
并且，我自己是研究数据分析的，是不是可以在市场的基础上加一些数据分析导向的内容？或者是在数据的基础上，偏向于热点市场的板块？
目前来看，基于上面这个问题的思考，我是有一些小小的收获的。
但是我也还在学习中，今天的文章甚至后期的文章都只是一个阶段性的学习笔记，不敢说文章的方法适合于所有人。所以大家抄作业的时候也多多思考一下，毕竟方法是我的，但是钱是你的啊！
ok，说了些闲话，开始今天的正文。
今天的文章是对一个择时策略的复现，数据是基于每日大A北上资金进行的。这个策略很简单的一个应用：当市场处于持续低谷的时候，你可以加大你定投的比例；当市场开始火热一段时间了，你需要慢慢减少你定投的金额。
就像那句话：在别人贪婪的时候我恐惧，在别人空据的时候我贪婪。
以下是真正的正文：
在文章开始之前，先给大家普及一下北上资金的概念，懂的同学可以跳过去看下一节
北上资金?
在中国股市中有“南北”之称，一般“北”指的是沪深两市的股票，“南”指的是香港股票。因此，北上资金就是指从香港股票中流入大陆股市的资金，一般为香港资金以及国际资金。
从历史数据来看， 不管是长线短线，北上资金都比A股大部分投资者聪明。原因有很多，比如说：可能是外资的投资经验丰富信息渠道广，也有可能是内地部分游资通过北向资金通道进来，也就是换了一层马甲。
所以，在每天实盘的时候，大家可以关注北向资金的买入情况，偷懒一点的也可以跟着交易。但是但是但是，这里面有两个概念特别容易被大家混淆：净流入和净买入，其实它的公式很简单：
给大家解释下，外资每天买卖咱们A股都是有额度限制的，目前沪股通和深股通的额度都是每个交易日 520亿，而且是只要挂单就会占用额度，无论是否成交。
所以，当日资金净流入会包含当日成交买入额和当日申报但未成交的买单金额，那么净流入金额一定会大于或等于净买入金额，这是两者最大的区别。
建议大家看北向资金的时候还是要看净买入金额，因为净流入金额只能代表北向资金的一个购买意愿，并不能代表真实交易。
常见的，一般 标准的 财经网站你应该会看到下面这种图：
但是很多时候你看到的都只是一个净流入的数据，并没有直接显示净买入的数据。
其实也不是说这个数据不对，只是说净买入数据会更准确些，更能反映当前北上资金的真实情况。这个数据最准确的就是在港交所了，而且是有盘中实时动态播报的，大家可以去了解一下。
说完基础知识，再来说今天的重点：基于北向资金的择时策略实现：
其实用一句话就可以解释所谓的择时选股策略：基于指标，对指数进行择时（即判断指数方向），如果方向向上，就进行选股。
下图是华泰证券研究所的一篇报告，其中提到了一个基于北上资金的择时策略。正如文章开头所说，北上资金目前作为大A的风向标，具有一定的可参考性。
而报告中通过北上资金与沪深300的相关系数，也完美阐释了这一点：
该择时策略的具体内容是这样的：
策略理解起来很容易，但是怎么实现呢？
以下源码拿去即用（除了tushare需要安装，不过我想这个不用我教了吧），算是开源分享给大家。
1. 导入相应的库
# 导入相应的库
import tushare as ts
import datetime
import pandas as pd
import numpy as np
2. 通过接口 token 链接到 tushare
# 将 token 替换成你自己的就行
token = '替换成你自己的token'
pro = ts.pro_api(token)
3. 获取交易日的日期列表
# 获取所有交易日数据
trade_date = pro.trade_cal(start_date='20180101',end_date=datetime.datetime.today().strftime('%Y%m%d'))
date_list = list(trade_date[trade_date.is_open==1]['cal_date'].values)
4. 获取北上资金的日粒度数据
因为单次请求限制为300条，所以这一步可以分多次获取
# 单次请求限制为300条，分两次获取
df_data1 = pro.moneyflow_hsgt(start_date=date_list[0:300][0], end_date=date_list[0:300][-1])
df_data2 = pro.moneyflow_hsgt(start_date=date_list[300:600][0], end_date=date_list[300:600][-1])
df_data3 = pro.moneyflow_hsgt(start_date=date_list[600:][0], end_date=date_list[600:][-1])
# 合并数据
df_data = df_data1.append([df_data2, df_data3], ignore_index=True)
df_data = df_data.sort_values('trade_date',ascending=True).reset_index(drop=True)
# 重命名
df_data = df_data.rename(columns={'ggt_ss':'港股通-上海', 'ggt_sz':'港股通-深圳', 'hgt':'沪股通', 'sgt':'深股通', 'north_money':'北向资金', 'south_money':'南向资金'})
资金对应的单位是 百万，为了方便查看，这里需要进行单位的转换
# 单位换算：百万->亿
df_data['港股通-上海'] = df_data['港股通-上海']*0.01
df_data['港股通-深圳'] = df_data['港股通-深圳']*0.01
df_data['沪股通'] = df_data['沪股通']*0.01
df_data['深股通'] = df_data['深股通']*0.01
df_data['北向资金'] = df_data['北向资金']*0.01
df_data['南向资金'] = df_data['南向资金']*0.01
这里有一点需要注意，因为有个别日期北上资金是无法进行交易的。例如：6月30日-7月1日香港特别行政区纪念日、重阳节、圣诞节等均会有休市情况发生。
所以，有必要剔除掉这些北上资金休市的情况。
观察数据你会发现，如果根据 北上资金=0 这个条件去筛选，那恰好某一天的买入卖出刚好相等，这种情况也会被过滤掉，这明显是不合理的。
解决方法：根据 df_data[‘沪股通’].isna() 字段是否为空进行判断，代码如下：
# 剔除北上暂停交易的交易日
df_data2 = df_data.loc[~df_data['沪股通'].isna(), :].reset_index(drop=True)
数据处理完毕之后，对应的数据应该是这个样子的：
5. 核心策略实现
再来回顾一下策略的内容：
对了，图中的 252 表示大A一年中的交易日，你没看错，就这么多
而 1.5 倍标准差则是研报中规定的，至于为什么选这个数而不是其他 1倍、2倍呢？
研报中也有解释原因：其中一共选取了10组不同的上下限标注差，并且分别进行了回测，最终 上限+1.5 下限-1.5 的年化收益率最高，达到了 37.54%
ok，既然人家已经都做过了充分的回测，那我们就直接实现拿来用就好
核心代码如下：
"""遍历每一个交易日，对北上进行分析"""
signal = '无信号'
for index, row in df_data2.iterrows():
if index<252:
continue
df_data_temp = df_data2.iloc[index-252:index]
# 计算近 252 天的平均数和标准差
average = df_data_temp['北向资金'].sum()/252
std = df_data_temp['北向资金'].std()
# 计算上下限
up_line = float(format(average + std * 1.5, '.4f'))
down_line = float(format(average - std * 1.5, '.4f'))
以上分别是计算出当天（从数据开始交易日的第252天起）以前 252 天的平均值、标准差、上限和下限
剩下的就是对结果进行判断和输出就ok，代码如下：
# 判断并输出
if row['北向资金'] >= up_line:
signal = '看多'
print('{0}:<{1}> 北上净买入:{2}亿元，看多线:{3}亿元, 看空线:{4}亿元'.format(row['trade_date'], signal, format(row['北向资金'], '.4f'), up_line, down_line))
elif row['北向资金'] <= down_line:
signal = '看空'
print('{0}:<{1}> 北上净买入:{2}亿元，看多线:{3}亿元, 看空线:{4}亿元'.format(row['trade_date'], signal, format(row['北向资金'], '.4f'), up_line, down_line))
if index == df_data2.shape[0]-1:
print('n最新数据n{0}: <{1}> n北上净买入:{2}亿元，看多线:{3}亿元, 看空线:{4}亿元n'.format(row['trade_date'], signal, format(row['北向资金'], '.4f'), up_line, down_line))
截取了输出结果的今年的部分，如下图：
可以看到，截止到目前（8月30日收盘），策略给出的观点是看空，并且是从 7月26日 起就一直看空了，直到今天也是看空阶段。
去券商网站上看一下北上资金的历史数据，图是这样的：
从7月26号之后的（图中的红箭头）该策略给出的观点就是看空，但是你仔细看一下研报给的策略条件是，人家说的是：该日北向资金流入规模，而我们通过 tushare 获取到的是：北向资金的净买入金额
因为每日的净流入较净买入大很多，所以对应的 1.5倍标准差就需要相应的改动一下。
比如说，当你改成 上限+0.8 下限-0.8，它对应的策略是这样的：
当然了，这里的 0.8 其实是我自己乱改的，并没有经过回测验证，在这只是为了说明对应的数据不同，参数也要有所调整。
感兴趣的话大家可以去回测一下净买入金额对应的不同参数的收益结果，选一个最大的结果对应的参数，然后就可以开启轻松的定投模式了。
其实，我是有回测出最优参数的，但是担心你们用我的参数到时候亏钱了输不起，目前还是不公开出来了。
建议自己多试试，投资本就没有不劳而获的东西！或许你的参数收益会比我更优呢！
推荐阅读
1. pandas100个骚操作
2. 机器学习原创系列
3. 数据科学干货下载
牛市的三个阶段。。
转自：https://mp.weixin.qq.com/s/0xUKegfpQ0tdGb46UEkxoA