雪球中有一篇文章驳斥了均值回归原理,这给那些不做证券投资而只会写报告的分析师当头棒喝[1],不过,这种反驳方式却是缺乏一定的说服力。单纯举一两个反例,对于绝对的盘对反驳是没有问题的,但是在金融甚至在很多其他学科里面,这种反驳恐怕就存在问题,因为我们的目标是保持胜的概率大于50%,而不是保持胜率在100%。由此,我们可以进一步论证,均值回归当然是不完全正确的,也可能是错误的,不过在多大程度上是错误的呢?投资问题也就变得可以操作了,假设通过大A股的票子验证,其中有60%是满足均值回归的,或者其中有一个叫做蓝筹(举例子)的子集是满足均值回归的,那么均值回归的正确性就可以得到一定的证实,并且这种判断是可以指导实践的。
我们在任何一款证券软件当中,通过数据导出获取后复权数据,该数据通常会从2015年算起,给出日数据。将该数据导入到excel或者stata当中,我们可以以每日收盘价作为股票价格,则
image.png
(1)
Pmak表示以k天为周期的移动平均价格Ps表示某一支股票的收盘价格,m表示时间序号
image.png (2)
Pd表示时间点m的收盘价格与k周期的移动平均价格之差
image.png
(3)
Sd表示移动平均价格与收盘价之间的差值
如果股票的价格是均值回归的,Sd理论上是应该在任何周期k上都趋向于0的。但是考虑到周期k的存在,我们可以有以下几个结果:
1.令k=1,Sd必然等于0,这个结果本身没有什么意义,因为这是用每天的收盘价减去每天的收盘价,差值求和依然是0;
2.令k=5,意味着以五天为周期去看是否存在均值回归,实际上就是周移动MA5
3.令k=20,意味着以20天为周期,即四周为周期,实际上就是月度移动平均
4.令k=60,则意味着季度移动平均
5.令k=120,则意味着半年移动平均
考察这么多周期的目的,实际上是希望在不同的周期上去验证所谓的“长期来看,均值回归”的假设,并且把这种长期与离散的自然时令进行对应。
接下来就是实证,我们的目的并不是找出一两只股票不满足于均值回归,然后就冒然下一个结论,说均值回归在大A股是错的,而是希望找出有可能均值回归的集合,为此,我们通过随机挑选股票的形式设定了一些集合,然后去考察Sd在不同k值下的收敛性。
(欲知结论如何,且听下此分解)
参考文献:
1.股价原理---均值回归
网友评论